AI时代，别再光说你有商业模式了

——盛景嘉成“投资人走进企业”活动随感

汪传虎

 

 

最近，我参加了一场盛景嘉成组织的“投资人走进企业”活动。从荆华密算到探微芯联，从厚笃科技到知跃科技——一天下来，连续听了多位创始人关于AI项目的分享，有一个感受越来越强烈，以至于回来后必须写下来。

 

那就是：在AI背景下，无论是创业者还是投资人，光有商业模式已经远远不够了。你必须具备深厚的专业背景。

 

一、商业模式的光环，正在褪去

 

过去十年，我们见证了太多靠“模式创新”起家的故事。共享单车、社区团购、各种XX领域的Uber……创业者最擅长的是发现一个效率洼地，然后用一套巧妙的商业模式把它填平。资本追捧的，也往往是那个看起来能快速复制、快速起量的商业逻辑。

 

那时候，投资人问得最多的问题是：“你的商业模式是什么？你的盈利路径在哪里？”

 

只要故事足够性感，团队执行力够强，即使创始人不是行业专家，也可以跨界打劫。

 

但AI这波浪潮，完全不同了。

 

二、现场让我触动的几个瞬间

 

活动上，几位创始人的分享让我对“专业背景”四个字有了新的理解。

 

荆华密算——00后博士的坚守。 这家公司的创始人林修醇是00后，在北京大学读博期间选择休学创业。密态计算过去有个外号叫“二十年炸不响的哑弹”，因为传统方案会给模型训练带来1000到1万倍的时间损耗。但林修醇的团队从2019年开始攻坚，放弃了密态计算的通算功能，专门对涉及AI智算的算子进行优化，最终实现了商用级的“数据可用不可见”。真正让我触动的是，这套方案完全不依赖英伟达的GPU-TEE，全面兼容国产显卡。“任何国产显卡，或者没有TEE的显卡，都能在我们的框架里跑起来。”林修醇说，这意味着从依赖海外商业硬件到基于开放密码学标准，他们把未来智能时代的安全“信任根”彻底掌握在了自己手中。一个00后，如果不懂密码学、不懂AI训练流程、不懂国产硬件的底层架构，绝不可能走到今天。

 

探微芯联——解决“卡脖子”的人。 探微芯联的创始人刘学，是清华大学类脑计算中心工程研究员、总工，也是中国脑计划异构融合类脑计算平台的类脑服务器集群课题负责人。这家公司做的是什么？国内首家全栈式对标英伟达“NVLink+NVSwitch”架构的企业，提供全自研的Scale-up超节点通信互联解决方案。说白了，当国产AI芯片厂商们在单芯片性能上奋力追赶时，探微芯联在解决另一个“卡脖子”问题——多芯片如何高效协同，打破智算集群的通信瓶颈。他们自主研发的ACCLink协议和ACCSwitch交换芯片，实现了从底层通信协议到上层集合通信库的软硬件完整方案。没有深耕类脑计算和芯片通信领域多年的技术功底，不可能做到。

 

厚笃科技——站在巨人肩膀上的实干者。 厚笃科技的核心团队源自清华大学计算机系郑纬民院士团队。郑院士是我国高性能计算和大数据领域的国宝级科学家，团队在高性能计算、大数据处理及AI统一编译技术方面拥有深厚的学术积累和产业实践经验。他们自主研发的“诸葛弩”计算引擎，相比业界主流的Spark，可实现数倍到数十倍的性能加速，产品已服务多家头部大模型团队。厚笃科技的案例最直观地说明了一个道理——学术积淀就是最强的护城河。从郑纬民院士的基础研究，到陈文光教授、林甲灶博士的产业化转化，这条路径清晰而有力。

 

知跃科技——从波士顿动力到创业。 知跃科技的CEO钱琳瑞，拥有哥伦比亚大学应用数学和应用心理学双博士学位，曾在波士顿动力从事机器视觉相关工作。她的搭档孙舶寒，本科毕业于北大元培实验班，曾在小米负责第一代机器狗的算法研发。这样两个人的组合，是为了解决一个行业难题：传统机器人依赖“海量数据训练+大算力支撑”，成本高昂且适应性差。他们选择了一条差异化路径——向自然生物学习，给机器人装一个能快速反应的“小脑”。当机器人端着托盘被意外碰撞时，传统方案需要几十甚至上百毫秒的反应时间，水早就洒了；而知跃空间的类脑模型，能让机器人瞬间感知到异常并直接触发动作反馈。从一个具身智能从业者到另一个，我深知：没有波士顿动力的实战经验，没有对生物智能机制的长期研究，不可能提出这样的解决方案。

 

这些创始人共同的特点是：他们不是在“应用”AI，而是在用AI实现自己深耕了多年的专业知识。

 

三、为什么专业背景突然变得如此重要？

 

我后来反复想，过去的信息差套利、资源整合型创业，为什么在AI面前失效了？

 

原因有三：

 

第一，AI本身已经变成了通用基础设施。 调用GPT-4、Claude、Llama的门槛几乎为零。既然大家用的底层能力差不多，那差异在哪里？只能在你对具体问题的理解深度上。从密态计算到芯片互联，从高性能数据引擎到类脑智能——每一个领域的know-how都是十年甚至几十年积累下来的，不是你花三个月调研就能追上。

 

第二，AI放大了错误决策的代价。 没有专业背景的创业者，很容易做一个看起来很美的AI产品：它能对话、能生成报告、能分类。但一到真实场景就露馅。一个不懂密码学的创业者，甚至没有能力判断自己的密态计算方案是否真的安全；一个不懂芯片通信协议的创业者，根本无法理解Scale-up互联对千卡集群的意义。不懂业务的创始人，连自己的AI模型是不是在“一本正经地胡说八道”都判断不了。

 

第三，投资人也在被迫升级。 以前投资人可以靠财务模型和赛道判断来做决定。现在面对一家AI公司，你如果不懂技术路线、不懂数据壁垒、不懂该领域的真实工作流，你根本问不出关键问题。就像活动中一位投资人自我调侃的：“我现在投AI项目，必须先请一位行业专家当我的‘影子合伙人’。”

 

四、专业背景究竟指的是什么？

 

很多人可能会误解，觉得专业背景就是学历、头衔、论文数量。不完全是。

 

在现场，我看到的“专业背景”有几个更具体的维度：

 

· 数据级的判断力：你知道哪些数据是“噪音”，哪些是“黄金”。只有真正的内行，才能在标注环节就为模型打下胜局。

 

· 问题定义能力：最难的不是用AI解决问题，而是问出“对的问题”。行业老炮一眼就能看出痛点，外行只会被伪需求牵着走。

 

· 失败经验的厚度：这件事过去怎么失败的？为什么失败？没有亲身经历过的人，很容易重复踩坑。

 

· 行业话语权：当你的产品做出来，行业内的人愿不愿意用、敢不敢推荐？这靠的不是商务能力，而是你多年积累的信任。

 

五、对创业者的建议：忘掉“风口”，回到“地头”

 

如果你现在想做一个AI创业项目，不要再从“AIGC是风口”这个结论出发。你应该反过来问自己：

 

· 我在哪个领域积累了超过别人10倍的经验？

 

· 那个领域里，有哪些重复性的脑力劳动，让我和同行痛苦了十年？

 

· 如果我把我所有的专业判断力教给AI，能不能做出一个让内行惊呼“比我还懂”的工具？

 

想清楚这三件事，再谈商业模式。

 

六、对投资人的建议：学会“听细节”

 

我也很想对投资人同行说几句。以后看AI项目，建议少问几句“市场规模多大、增速多快”，多问几句：

 

· 你们的训练数据是怎么标的？谁来标？标准是什么？

 

· 这个领域最常犯的十个错误是什么？你的系统如何避免？

 

· 如果去掉大模型，只靠规则，你能解决百分之多少的问题？为什么剩下的必须靠AI？

 

能把这些细节讲清楚的创始人，才值得你深聊。

 

写在最后

 

盛景嘉成的这次活动让我看到，中国创投圈正在经历一次深刻的价值观回调。过去大家迷恋速度、规模、商业模式；现在，大家开始重新尊重知识、尊重时间、尊重那些在角落里默默积累了十年专业功底的人。

从00后北大休学博士到清华类脑中心总工，从院士团队的产业化到波士顿动力科学家的跨界——荆华密算、探微芯联、厚笃科技、知跃科技的创业者们，用他们的亲身经历告诉这个时代：真正的壁垒，从来不是模式，而是你愿意在一个领域里深耕多久。

 

这不是坏消息。

 

当商业模式的光环褪去，真正留下来的人，将是那些既懂AI，又懂行业的人。他们不会喊“颠覆”，但他们能让数据更安全、让算力更高效、让分析更精准、让机器人更聪明。

 

而这样的价值，永远值得投资。

 

（作者系泛华集团副总裁）