從液冷技術(shù)推動的數(shù)據(jù)中心升級，到通用模型向行業(yè)模型的演進，從數(shù)據(jù)治理的系統(tǒng)化建設(shè)，到算力資源的普惠化探索，智算正以技術(shù)與應(yīng)用“雙輪驅(qū)動”的方式，重構(gòu)產(chǎn)業(yè)智能化的新格局。7月3日下午，2025 DEMO WORLD智算服務(wù)&上海松江經(jīng)濟開發(fā)區(qū)專場，12家科技企業(yè)到場分享最新技術(shù)與產(chǎn)品。

在隨后的圓桌對話環(huán)節(jié)，BV百度風(fēng)投董事總經(jīng)理劉水，沙索集團亞洲戰(zhàn)略投資孵化總監(jiān)王睿嘉，毅達資本合伙人周喆，就智算基礎(chǔ)設(shè)施的技術(shù)演進、AI在行業(yè)場景中的落地路徑、以及大模型時代對數(shù)據(jù)與算力資源的新需求，分享了他們的最新洞察。大家認為智能計算已不再只是底層支撐，而正加速成為驅(qū)動產(chǎn)業(yè)變革的新型生產(chǎn)力。

以下是三位嘉賓現(xiàn)場對話的實錄，由創(chuàng)業(yè)邦整理：

主持人：從剛才12家創(chuàng)新企業(yè)的分享可以看出，目前各行業(yè)對智算服務(wù)的需求正在大幅提升。想請教各位嘉賓，基于你們投資和業(yè)務(wù)的實踐來看，當(dāng)前的智算服務(wù)發(fā)展情況是怎樣的？

周喆：我們從2016年左右就開始關(guān)注數(shù)字化、智能化，2022年成立了數(shù)字基金。對我們來說，不存在 “今年 AI 才火起來” 這一說法，我們能看到，數(shù)字化、智能化一直在推進。最近大模型出來后，大家的信心確實增強了，投資人又開始四處奔波，感覺一切都被點燃了。

我們觀察到的、包括自己投資的企業(yè)，有個現(xiàn)象挺有意思。我自己投資的一家做工業(yè)控制安全的公司，今年上半年發(fā)了篇公眾號文章，內(nèi)容是公司推出了接入 DeepSeek的一體機。我問企業(yè)，你們怎么也在弄這個？ 企業(yè)跟我說，其實是因為公司的大量的客戶都是有關(guān)單位信息化部門，都在問公司有沒有一體機產(chǎn)品，想跟風(fēng)搞搞企業(yè)知識庫、智能辦公，公司帶著需求，跟相關(guān)公司合作推出來了。

我們之前投資了一家智能視頻公司-奧看科技。用AI算法賦能攝像頭變得智能。但大模型出來之前，算法成本非常高，周期非常長。一個場景往往需要上千張照片、數(shù)十萬的成本才能嘗試進行算法訓(xùn)練，同時效果也無法保障，因此阻礙了智能視頻技術(shù)的應(yīng)用推廣。公司業(yè)界第一批推出的、完全自主研發(fā)的視頻領(lǐng)域大模型，能夠?qū)⑺惴ㄓ?xùn)練的成本降低了1/1000倍；推理成本降低了1/10倍；視頻存儲的成本降低至少1/2。正在跟華為幾個相關(guān)軍團合作，服務(wù)交通、公安等客戶。

王睿嘉：周總說的這點我深有同感。即便在我們這種相對傳統(tǒng)的行業(yè)，自動化、數(shù)字化、智能化的工作也已經(jīng)開展了很長時間，但自從近幾年ChatGPT等大模型出現(xiàn)后，大家的心態(tài)似乎變了——所有行業(yè)、所有公司都在思考“能不能把人工智能加進來”。我舉一個我們實際操作的例子：

我們在南非的生產(chǎn)基地，自有發(fā)電廠的蒸汽輪機存在運維的痛點，就是設(shè)備葉片上會產(chǎn)生鹽結(jié)晶。這個也是所有發(fā)電廠蒸汽輪機常見的問題。我們和當(dāng)?shù)氐腁I初創(chuàng)公司合作，接入機器學(xué)習(xí)模型，通過預(yù)測來研究提前安排設(shè)備運維的最佳時間點。從長期來看，這種技術(shù)能把結(jié)晶對設(shè)備的損傷降到最低，也把運維的成本和效率調(diào)節(jié)到最優(yōu)。

其實這類工作并非大模型走紅后才開始做的，而是已經(jīng)開展了多年。但大模型變熱之后，在各行各業(yè)里面從管理層到客戶，再到所有合作方，都覺得AI這件事變得更重要了，于是現(xiàn)在能看到明顯的加速態(tài)勢。

劉水：我們一直在投資AI領(lǐng)域，今天到場的12家企業(yè)中，確實有百分之八九十都交流過。從投資的視角來看，我們看到了巨大的機會。

第一，當(dāng)前模型的進展真的很快，包括多模態(tài)模型和開源領(lǐng)域的發(fā)展都非常迅速。幾年前很難想象AI能用來做蛋白質(zhì)結(jié)構(gòu)預(yù)測、材料結(jié)構(gòu)量化，但這些現(xiàn)在都在成為現(xiàn)實。包括今天在座的很多企業(yè)，不少都在做AI基礎(chǔ)設(shè)施（AI infra）相關(guān)的工作，無論是處理數(shù)據(jù)、開發(fā)引擎，還是幫助模型落地到端側(cè)。我們能看到技術(shù)迭代速度極快，若從智算服務(wù)的角度來說，本質(zhì)上這些模型的訓(xùn)練可能需要更多算力支撐；而當(dāng)真正進入應(yīng)用端進行推理時，也會給很多初創(chuàng)公司帶來機會。我認為，現(xiàn)在模型的進步對整個智算服務(wù)的推動作用非常明顯。

第二，關(guān)于初創(chuàng)公司的機會。各地政府都在建設(shè)智算中心，但建完之后如何讓算力真正發(fā)揮作用、高效運轉(zhuǎn)是關(guān)鍵。比如潞晨所做的模型部署、結(jié)構(gòu)優(yōu)化工作就很重要。這正是初創(chuàng)公司的機會：從基礎(chǔ)設(shè)施層面，如何更低成本地用好算力；從應(yīng)用層面，如何讓算力不閑置、更高效率地出租和使用，這些都非常關(guān)鍵。

再說說我們自己的布局和投資邏輯。模型進展迅速，所以在軟件側(cè)，首先我們會投資一些模型，包括多模態(tài)模型、文生視頻等，之前已經(jīng)有過一些布局。在此基礎(chǔ)上，大家也能看到，尤其是從去年年底到今年，Agent（智能體）的發(fā)展很快，現(xiàn)在多智能體協(xié)同已經(jīng)能完成更多任務(wù)，這給很多應(yīng)用類公司帶來了機會——可以在細分領(lǐng)域通過Agent實現(xiàn)對人工的替代，這是在數(shù)字世界的應(yīng)用。

剛才提到物理世界的Physical AI（物理人工智能），我們早期投資過智能駕駛公司、無人配送和無人物流相關(guān)企業(yè)，也包括礦山場景的布局，還投了人形機器人領(lǐng)域的公司。這類領(lǐng)域中，一方面，智能大腦的訓(xùn)練需要更多算力；另一方面，模型真正落地到終端時，會面臨功耗、算法效率等諸多問題，而這些問題中也蘊藏著大量機會。

主持人：謝謝三位的分享，剛才我們聽了12家企業(yè)的分享，他們覆蓋領(lǐng)域非常廣，涉及材料、合成生物、智駕、應(yīng)用領(lǐng)域、電商、服裝制造。12家企業(yè)里面，想問一下對哪些企業(yè)的印象更深呢？大家可以談?wù)勛约旱耐顿Y邏輯和判斷標(biāo)準(zhǔn)。

劉水：我們有自己的投資邏輯和判斷。今天到場的企業(yè)很有代表性，一類是聚焦相對細分的領(lǐng)域，更偏向于如何運用模型在具體場景、具體垂類行業(yè)中實現(xiàn)應(yīng)用；另一類則像是“做基礎(chǔ)支撐”的角色——不管是做數(shù)據(jù)合成還是開發(fā)引擎，核心都是幫助應(yīng)用方用好模型。

我們在投資時比較挑剔，會關(guān)注企業(yè)不同階段的特點：對于非常早期的項目，更多還是看技術(shù)實力。如果要改變一個傳統(tǒng)行業(yè)，就得看團隊的綜合能力，其中如何獲取數(shù)據(jù)至關(guān)重要，因為模型訓(xùn)練的效果永遠離不開高質(zhì)量的數(shù)據(jù)。其次，要看團隊是否是復(fù)合型團隊，懂AI的成員是否真正理解行業(yè)，不同階段的團隊需要吸納不同類型的人才。

從我們的視角來看，早期投資更偏重基礎(chǔ)領(lǐng)域。有幾家做平臺型的公司，在非常早期階段很難固定商業(yè)模式，往往是通過輸出技術(shù)、搭建平臺，與客戶共同打磨商業(yè)模式。早期看技術(shù)，到了中期（比如A輪之后），企業(yè)相對會找到產(chǎn)品市場契合點（PMF），這時我們會重點論證產(chǎn)品落地的可行性。不同階段，我們的判斷標(biāo)準(zhǔn)會有所不同。

王睿嘉：我們的角色略有不同，既是將來潛在的投資方，也是應(yīng)用方，看項目會從幾個角度出發(fā)。

第一個角度，我很認同劉總提到的“賣水人”視角。舉個例子，過去我們看過很多與研發(fā)直接相關(guān)的項目，從歐洲到美國再到亞洲都有。但發(fā)現(xiàn)在行業(yè)中很多項目推進不下去。即便大模型對于新材料新分子的預(yù)測有了很大突破，但是實驗做不出來，工藝也無法落地，這說明雙方存在不匹配的問題。這就需要有人來賣“鏟子和水”：比如垂直領(lǐng)域的數(shù)據(jù)集、高通量實驗室的技術(shù)和設(shè)備其實都存在巨大缺口。即便AI大模型在新材料、化學(xué)工業(yè)研發(fā)領(lǐng)域的應(yīng)用潛能很大，但由于這些卡點的存在，潛能距離充分發(fā)揮還有很長的一段路。很多情況下真正有需求的企業(yè)即便用了AI，由于實驗、工藝端的卡點，使得研發(fā)效率也不能產(chǎn)生大的提升，這其實說明其中其實蘊含著很多機會。

第二個角度，垂直行業(yè)的經(jīng)驗Know-How。有些技術(shù)拿過來之后，比如制造業(yè)工廠的碳排放AI管理、運維技術(shù)，我們發(fā)現(xiàn)一個問題：這些技術(shù)的出發(fā)點很好，瞄準(zhǔn)的痛點也確實是行業(yè)痛點，但實際用起來之后，無論是直接使用還是聯(lián)合開發(fā)下一步，應(yīng)用方的痛點反而變多了。一線工人和整個運營團隊需要做的工作更多了，工廠投入的人力物力也隨之增加。甚至有時候，原本建工廠已經(jīng)投入十個億，現(xiàn)在為了配套這些技術(shù)，基礎(chǔ)設(shè)施可能還要再加兩個億，這些投入能否最終回本就成了問題。尤其在現(xiàn)在這種大家投資比較謹慎的時期，這種狀況會讓企業(yè)的決策層對AI的應(yīng)用更加保守。所以，無論從投資角度還是用戶角度，我們首先會關(guān)注團隊是否真正了解下游行業(yè)。

舉個例子，讓純粹學(xué)計算機的人立刻去干化學(xué)實驗室里的活兒，可能需要花不少時間去學(xué)習(xí)一下吧；但如果讓AI專家和化學(xué)專家一起合作，這件事就會靠譜得多。我們也希望看到，如果一個團隊想在某個應(yīng)用行業(yè)做縱深發(fā)展，團隊里必須有來自這個行業(yè)的人。這樣一來，很多行業(yè)內(nèi)的概念他們能直接理解，能少走很多彎路，市場的切入、拓展和推廣過程也會簡單不少。這是我們這些行業(yè)看到的經(jīng)驗，也是一個期許：希望創(chuàng)業(yè)企業(yè)的創(chuàng)始人們需要關(guān)注這一點，否則進入細分行業(yè)后會遇到很多問題。

周喆：回到主持人的話題，今天這12家企業(yè)都很有意思，給我的印象很深，做得都非常棒，大家在各自領(lǐng)域的探索都很出色。

我們毅達包括行業(yè)里早些年投資中后期項目偏多，這類項目相對容易判斷。這些“低垂的果實”很容易摘的原因是，我們論證起來也相對簡單——當(dāng)企業(yè)發(fā)展階段偏后期，財務(wù)數(shù)據(jù)不錯時，再結(jié)合行業(yè)勢頭去做投資決策，相對會更穩(wěn)妥。

后來我們也逐漸往早期項目延伸。投早期項目，首先還是看團隊，所謂“投資即投人”是有道理的，要結(jié)合行業(yè)發(fā)展來看團隊潛力。我們希望團隊能有足夠的亮點：要么是有過大廠成功職業(yè)經(jīng)歷的“大佬”，畢竟有過成功經(jīng)驗和管理經(jīng)驗，出來創(chuàng)業(yè)的可靠性也會更高；要么是曾在優(yōu)秀企業(yè)作出過成績，或者技術(shù)足夠頂尖?？蒲谐晒D(zhuǎn)換背景的創(chuàng)業(yè)項目，我們會關(guān)注產(chǎn)業(yè)需求和進展。最近在聊一個國家自然科學(xué)一等獎的產(chǎn)業(yè)化項目，它的技術(shù)確實足夠硬核，屬于能解決“卡脖子”問題的類型，這種項目的團隊是值得關(guān)注的。

第二點，投早期行業(yè)的判斷，有些時候我們會看華為這類產(chǎn)業(yè)鏈上的產(chǎn)業(yè)巨頭的態(tài)度。需求是否是存在的，市場空間如何，當(dāng)前行業(yè)所處時間，對我們投資決策比較重要。

第三，項目是否與產(chǎn)業(yè)巨頭有合作很有說服力，客戶給錢購買產(chǎn)品就說明一切，甚至產(chǎn)業(yè)資本一起投資，也是一個很好的加分項。

主持人：從大家剛才的分享來看，總結(jié)一下大家考量項目的核心維度：一是技術(shù)本身；二是復(fù)合型團隊，尤其在進入垂直領(lǐng)域時，團隊中一定要有該領(lǐng)域的專家；三是場景落地能力——方案是否能貼合具體場景需求，真正實現(xiàn)落地并起到降本增效的作用。這些都是大家在投資時比較看重的方面。

最后一個問題，今天開場時我們這個場次非?；鸨芸闯龃蠹覍χ撬阗惖赖臐夂衽d趣。想請教各位，智算的興起會對哪些產(chǎn)業(yè)產(chǎn)生帶動作用？現(xiàn)場有政府部門的代表，也有很多創(chuàng)新企業(yè)，能否針對政府在產(chǎn)業(yè)引進、招商方面，以及創(chuàng)新企業(yè)在創(chuàng)業(yè)方面，分別給出一些建議？

劉水：今天是智算專場，現(xiàn)場還有政府的各位領(lǐng)導(dǎo)，我認為這一波AI的崛起會讓整個產(chǎn)業(yè)鏈都受益，包括在座的創(chuàng)業(yè)者、投資人以及政府決策層面。

第一，對于政府而言，在算力建設(shè)方面，肯定能為AI創(chuàng)業(yè)者提供更多算力實惠——通過合適的方式讓大家用到更好、更便宜、更穩(wěn)定的算力。同時，園區(qū)提供的其他配套支持對初創(chuàng)企業(yè)也非常重要。

第二，作為專注早期科技投資的機構(gòu)，我們與周總團隊側(cè)重成長期的投資模式存在差異。在項目早期階段，我們更注重對技術(shù)潛力與團隊價值的前瞻性判斷，愿意基于對創(chuàng)新方向的深度認同先行投入，同時始終陪伴團隊成長，協(xié)助打磨商業(yè)模式，并整合資源生態(tài)提供全方位支撐。

第三，對于創(chuàng)業(yè)者，有幾點建議：1）和大企業(yè)、傳統(tǒng)企業(yè)合作時，往往會遇到一些困難，這種困難并非源于體量不對等，更多是技術(shù)理解層面的差異。AI落地、Agent應(yīng)用過程中會出現(xiàn)各種問題，這時候需要思考如何設(shè)計產(chǎn)品，把工具做得更簡單易用。

2）很多做應(yīng)用的公司可能會考慮出海。大部分AI應(yīng)用類公司從成立起就定位全球化，因為海外市場付費意愿更強、生態(tài)更完整，創(chuàng)業(yè)者選擇這個方向，尤其是純軟件領(lǐng)域，能像過去做SaaS一樣，通過全球化布局更快驗證產(chǎn)品。畢竟在國內(nèi)，軟件領(lǐng)域想從大型企業(yè)客戶那里收費并不容易，包括數(shù)據(jù)類公司，如何實現(xiàn)規(guī)?；l(fā)展、擴大收入規(guī)模都是挑戰(zhàn)。

3） 硬件領(lǐng)域則有所不同。如果做的是軟硬件一體方案，國內(nèi)擁有顯著的供應(yīng)鏈優(yōu)勢，一定要充分利用這一優(yōu)勢，同時面向全球市場，提供軟硬件結(jié)合的解決方案。

總之，創(chuàng)業(yè)者核心還是要考慮如何更好地服務(wù)客戶。大概就是這些建議。

王睿嘉：我想給政府領(lǐng)導(dǎo)們的建議是，AI領(lǐng)域其實沒有絕對的“好方向”或“壞方向”，希望政府能給大企業(yè)、中小企業(yè)以及創(chuàng)新企業(yè)都給予足夠的支持和鼓勵。但如果政府想找一些相對穩(wěn)妥的方向，從我們的角度看，就像大家常說的“大家都在淘金時你來賣水、賣鏟子”——可以關(guān)注AI領(lǐng)域里那些“賣水”“賣鏟子”的行業(yè)。比如我們剛才提到的材料高通量實驗技術(shù)和設(shè)備、材料和化學(xué)的數(shù)據(jù)集相關(guān)領(lǐng)域，這些都非常重要。假設(shè)A公司模型做得好，B公司應(yīng)用做得好，而C公司是A和B的供應(yīng)商，那C公司肯定能賺到錢。從招商角度來說，這類“賣水、賣鏟子”的領(lǐng)域值得重視。

剛才劉總提到創(chuàng)新企業(yè)和大企業(yè)合作的問題，我深有感觸。我的很多工作就涉及這部分，嘗試過和歐洲、美國、亞洲的很多創(chuàng)新企業(yè)合作，最近一個項目尤其讓我體會深刻——這是一個歐、美、中三地合作的項目，我陪著創(chuàng)新企業(yè)把他們的技術(shù)引入我們的體系，推進產(chǎn)品落地，整個過程我相當(dāng)于陪他們走了一遍“死亡谷”（不光是他們走，是我們跟他們通過我們的體系一起走了一遍）。這里面有很多問題是大企業(yè)和startup合作時的常見問題：startup不了解大企業(yè)的運作方式，雙方都沒有真正搞清楚對方的核心需求。而這里面更常見的是startup們不了解大企業(yè)真正需要什么，所以合作中往往要臨時補課。運氣好的話，能碰到我們這樣愿意投入精力、投入資源的合作方——我們幫你補短板、給你兜底，哪怕“死亡谷”不容易過去，我們的項目也會和你一起推進，通過我們自己的體系幫你沖過去。

但有些企業(yè)因為雙方地位不對等、企業(yè)文化差異等問題，合作失敗了人家也覺得無所謂。不過大家要意識到，在很多行業(yè)里startup的成功之路，可能都繞不開和大企業(yè)的合作——無論是作為合作方還是客戶，這或許是必經(jīng)之路。你要了解怎么和他們合作、他們能提供什么，更要提前準(zhǔn)備好他們需要你做的事，這個過程非常重要，可能是你走出“死亡谷”的關(guān)鍵一步。把這步走對了，之后的路會越來越順。這是我的感受，也是給創(chuàng)業(yè)者們的一點期許。

周喆：劉總、王總幾乎把核心都講到了，我再補充幾點。

第一，我們與政府招商部門也有聯(lián)動，觀察到，政府招商有些方式比較有效，比如與相關(guān)服務(wù)部門合作，包括投資標(biāo)的多活躍度高的投資機構(gòu)，把這些機構(gòu)已投或考察過的項目，作為招商的目標(biāo)客戶群進行批量對接，可以能更精準(zhǔn)地吸引企業(yè)。

第二，通過政策和產(chǎn)業(yè)賦能的方式吸引企業(yè)主動對接政府？以我們基金為例，我們和南京玄武區(qū)合作較多，我會很主動地給玄武區(qū)推薦數(shù)字經(jīng)濟特別是大模型領(lǐng)域的企業(yè)去子公司成立研發(fā)中心甚至落戶總部。因為玄武區(qū)有由我省網(wǎng)信辦參與指導(dǎo)的大模型工廠，不僅能在大模型備案等政策上指導(dǎo)，還能和已經(jīng)初步形成的產(chǎn)業(yè)上下游聯(lián)動。現(xiàn)在創(chuàng)業(yè)和十年前不同，需要整合各類資源，政府要做的就是把這些資源充分聚集到平臺上。

今天這樣的活動就很好，創(chuàng)業(yè)邦手里有很多資源，通過這個平臺把投資機構(gòu)、行業(yè)巨頭和資金都聚集過來，大家交流后再做后續(xù)跟蹤，這種模式非常好。今天這12家企業(yè)里，有不少我們之前已經(jīng)聊過，甚至在對應(yīng)方向上也投過類似的企業(yè)。我也做了些筆記，那些還沒聊過的，之后會通過創(chuàng)業(yè)邦對接一下。