作者： 贝叶斯之剑
昨晚刚结束北大双创学院第二堂 AI 创投课，趁着热乎劲儿，今天把这篇赶出来。
主讲嘉宾是金沙江创投主管合伙人朱啸虎。
两个多小时下来，他讲了互联网、AI、开源、具身智能、机器人和投资，但真正贯穿全场的，其实是一个问题：
技术越来越强之后，一家公司到底靠什么活下来？
而他开场很早就给出了自己的答案：
“技术很重要，但是更重要的是人文和商业。”
如果只截这一句，很容易把它理解成一个互联网投资人在 AI 时代对技术唱反调。
但两个多小时听下来，我发现他真正想表达的，恰恰不是“技术不重要”。
相反，这堂课真正贯穿始终的问题是：
一项新技术出现之后，技术优势究竟能维持多久？
如果今天领先半年，半年后全行业都能做到；
如果今天训练模型需要数亿美元，几年后成本只剩零头；
如果今天一家公司靠一个新功能融资，明天平台方就把这个功能免费塞进操作系统——那么真正决定一家企业十年后还能不能存在的，到底是什么？
朱啸虎用了腾讯、阿里、滴滴、美团、DoorDash、Airbnb、光伏、电动车、大模型、AI应用、世界模型和机器人等一长串案例，实际上都在回答同一个问题：
技术不会永远稀缺。真正困难的，是在技术从稀缺走向普及的过程中，找到下一种稀缺资源。
这可能才是整堂课最值得带走的一层认知。
朱啸虎开场就把不同技术周期做了区分：技术周期早期，技术领先性和基础设施最重要；
但技术一旦快速普及和平权，创业与投资重新要面对获客、留存、规模化和商业模式这些看起来“不性感”的问题。
而当这套逻辑放回今天的 AI、具身智能和硬科技产业，一个更尖锐的问题也随之出现：
如果模型、算法、硬件能力最终都会扩散，那么一家科技公司的壁垒，到底应该建立在哪里？
01｜技术不是不重要，而是“重要性会过期”
理解朱啸虎整堂课，我认为最重要的是先把一个误区拿掉。
他不是“市场派反对技术派”。
他真正提供的是一个动态框架：
当技术进步速度快于技术扩散速度时，技术领先最重要；当技术扩散速度超过技术进步速度时，决定胜负的变量就会发生迁移。
这也是课堂 PPT 里最值得记住的一张图：纵轴是技术进步速度，横轴是技术扩散、商品化的速度。
大模型最早期很典型。
新的前沿模型只要能力明显超过上一代，就能迅速获取用户、开发者和注意力。这种阶段，谁先做到 SOTA，谁就掌握主动权。
因为技术本身就是稀缺品。
但问题在于，AI又可能是历史上扩散最快的一轮技术革命之一。
当模型架构公开、论文公开、工程经验扩散，人才在企业之间迁移，开源模型迅速追赶，推理价格持续下降后，过去需要极高资本才能获得的能力，会越来越便宜地进入更多公司。
于是一个非常反直觉的现象出现了：
先行者替整个行业花钱趟坑，后来者沿着已经验证过的路径迅速追上。
这也是朱啸虎为什么把互联网和硬科技做了一个很有意思的区分。
互联网往往有明显的先发优势。
一个平台最早获取用户时，流量便宜；等网络效应和用户心智形成以后，后来者可能要花十倍、二十倍的成本追赶。
但技术产业并不完全一样。
先行者首先要承担研发失败、路线试错和工程化成本；
一旦路线被验证，后来者的学习速度可能非常快。
朱啸虎进一步拿光伏和新能源汽车举例。
当一个产业进入技术成熟和扩散阶段，最后胜负可能不再由“谁最早掌握技术”决定，而逐渐转向：
供应链效率、渠道、品牌、资本成本、规模制造能力。
他用通威、华为、小米等案例想说明的，并不是技术无用，而是：
技术从差异化能力变成行业标配之后，竞争规则就变了。
朱啸虎在课堂问答里也再次把这条线讲得很清楚：技术进步快于扩散时，技术处在主导位置；
一旦进步慢于扩散，企业就又要重新回答获客、用户留存和商业效率的问题。
所以整堂课真正值得记住的，可能不是“先发优势还是后发优势”。
而是：
你要判断自己身处技术周期的哪一个阶段。
同一家企业，在不同阶段应该建立的能力甚至可能完全不同。
技术突破期，需要跑得比所有人快。
扩散期，需要比别人更便宜、更稳定、更规模化地把技术送到真实客户手里。
成熟期，则可能进入渠道、品牌、资金成本和运营效率的竞争。
也就是说：
技术的重要性不会消失，但技术作为“稀缺变量”的生命周期可能比创业者想象得短得多。
02｜3S不是创业常识，而是一套“价值捕获模型”
朱啸虎把自己用了二十年的项目判断标准概括成了三个 S：
Significant、Scalable、Sustainable。
表面翻译很简单。
市场够不够大？
能不能快速扩张？
能不能长期防守？
但如果只把它理解成VC常见的投资 checklist，其实低估了这三个词。
我更愿意把3S翻译成三个更本质的问题。
第一，你创造的价值池到底有多大？
他对风险投资的要求非常直接：小市场很难产生足够大的投资回报。
所以创业者首先不是问“我能不能做”，而应该问：
即使我做成第一名，这件事到底值多少钱？
一个创业项目从第一天开始，选择的其实已经不是产品，而是天花板。
这也是他后来不断强调“重新定义市场”的原因。
DoorDash并不是美国最早的外卖平台。
前面的Grubhub已经占据很大市场，但其模式主要覆盖能够自行配送的餐厅。
DoorDash选择自己建立配送能力，相当于把原本无法提供外卖的餐厅一起纳入市场。
不是从别人那里抢10%的份额，而是 把市场本身重新做大。
Airbnb也是类似逻辑。
如果“共享住宿”只包括旅游地豪宅和别墅，市场存在明显上限；如果普通住宅、一个房间甚至一张沙发也能进入供给，整个市场的定义就发生了变化。
第二，你创造价值的过程能不能复制？
这就是Scalable。
很多企业并不是没客户，也不是赚不到钱，而是每拿下一个新客户，就得重新投入一批人重新做一次项目。
这种公司可以赚钱，但不一定符合风险投资追求的指数级扩张逻辑。
朱啸虎拿中国软件企业举例：如果大量依赖定制化，每增加一个客户就意味着更多交付成本，那么规模越大，组织反而越重。
而一个标准化消费应用，一套产品可以服务下一万个、下一百万个用户，扩张逻辑完全不同。
第三，也是最容易被忽略的：你创造出来的价值，最后归谁？
这才是Sustainable真正难的地方。
一家创业公司可以做出一个非常好的产品。
也可以拥有大量用户。
甚至可以短期增长很快。
但如果它依赖某个平台获取流量，依赖一个大客户贡献收入，依赖少数供应商维持生产，又或者核心功能可以被入口方迅速复制，那么公司创造出的价值，很可能最终并不属于自己。
所以Sustainable真正问的是：
你有没有价值捕获权？
这和有没有专利不是一回事。
也和技术领先不是一回事。
真正的壁垒，是竞争发生以后，你手里究竟握着什么别人绕不过去的东西。
03｜腾讯、滴滴、美团反复出现：真正的壁垒叫“控制点”
为什么朱啸虎讲AI，却花了相当长时间讲腾讯、阿里、滴滴、美团？
因为在他的体系里，互联网时代最重要的遗产，不是某一个产品打法，而是理解：
价值链上的控制点在哪里。
他把腾讯定义为“流量高地”。
腾讯很多业务并不是第一个做。
游戏不是。
视频不是。
网络文学也不是。
但只要QQ、微信这样的社交关系网络还存在，腾讯就长期掌握着极其稀缺的流量入口。
这意味着它可以观察先行者犯错，再利用入口、资本和用户基础快速追赶。
换句话说：
产品领先可以被追，入口优势却没那么容易复制。
朱啸虎对阿里的分析则恰好相反。
电商天然消耗流量，因为最终要促成交易、让用户花钱，因此需要持续获得流量。
这也是为什么，他认为腾讯、字节这类能够持续产生注意力的平台拥有一种不同于交易平台的结构性优势。
再往下一层，是双边网络。
为什么滴滴、美团这样的平台价值高？
因为两侧都足够分散。
大量司机连接大量乘客，大量商户连接大量消费者。
这种“多对多”网络一旦建立，后来者不是简单接一个API就能复制。
相比之下，如果供给端只有两三个核心供应商，哪怕用户很多，防御力也未必足够。
朱啸虎用了一个很直接的例子：
电影票业务看起来拥有海量消费者，但如果上游出票系统高度集中，竞争者只要完成相同接口连接，就能够进入。
这种平台拥有的是流量，却未必拥有足够强的供给控制力。
再往后，他讲高频、低频，本质仍然不是“频次越高越高级”。
真正的问题是：
用户关系到底属于谁？
一年只使用一次的产品，每一次需求出现时都可能重新被大平台截流。
而高频产品能够持续占据用户入口。
所以真正重要的不是“高频”这个词，而是背后的 关系连续性 。
这也解释了为什么他非常看重用户留存。
课堂上，他给出的经验门槛是次月留存和半年留存，并明确强调，VC给钱可以帮助企业买来新用户，但买来的用户能不能长期留下，是完全不同的问题。
把这些案例全部抽象出来，会发现朱啸虎反复寻找的其实是几种东西：
用户入口、供需网络、品牌、供应链、渠道和长期用户关系。
这些东西有一个共同点：
它们都是控制点。
所以一个非常值得AI创业者追问的问题是：
如果明天竞争对手拥有了与你一样好的模型，你还剩什么？
如果答案是“什么都没剩”，那今天看到的技术领先很可能只是时间窗口，还不是壁垒。
04｜AI时代最危险的事：你做出来了，入口方把你免费做了
这也是整堂课最有现实杀伤力的一部分。
过去两年，大量AI创业公司实际上都在做同一件事：
找到一个工作流，把大模型嵌进去，让原来的任务更快、更便宜、更自动。
这个路径当然可以创造产品价值。
但朱啸虎反复提醒另一个问题：
功能价值，不等于公司价值。
一家公司可以做出非常有用的功能，但如果这个功能天然属于某个大平台，那么产品越成功，反而越像替别人验证需求。
他把这种情况称为：
给大厂打样。
例如AI办公。
如果用户最终仍然在操作系统、办公套件或者超级入口里完成工作，那么独立的AI PPT、AI文档、AI办公工具就必须回答：
为什么平台自己不做？
如果平台把相同能力整合进去，你还有什么？
他在课堂中甚至把这种风险扩大到了AI医疗软件。
Abridge一类产品利用AI把医患对话自动整理成病历，需求是真实的，产品也有价值。
但如果医院核心病历系统本身掌握医生入口、医院客户和数据，那么平台方一旦将同类功能免费集成，独立功能型产品就会面临极强压力。
于是出现一个比“大厂抄你”更危险的结构：
你的投资人、渠道方、客户，未来都可能变成你的竞争对手。
朱啸虎又把这个框架放到了芯片产业。
当车企采购量不足时，向专业芯片企业购买当然划算。
但当整车规模足够大，技术也扩散到一定程度，自研芯片可能开始具有经济性。
于是昨天的客户，会开始重新计算：
为什么不自己做？
同样的逻辑，也可以发生在大模型、AI Agent、企业软件和机器人中。
因此真正危险的并不是“大厂很强”这句废话。
而是：
你是否处在价值链中一个天然会被上游或下游整合的位置。
朱啸虎在课堂里的表达非常直接：如果没有入口，只做一个容易被复制的AI功能，很可能最终是在替别人做嫁衣。
这个判断对于今天大量AI创业公司，其实比“模型能力又提升了多少”更值得警惕。
因为模型越强，某些应用的开发门槛反而可能越低。
过去需要一个团队做半年的事情，未来可能一个小团队几周就能实现。
于是一个悖论出现了：
AI越强，创业越容易；但也正因为创业越来越容易，简单产品本身就越来越难构成壁垒。
05｜200多家机器人公司之后：朱啸虎到底在看空什么，又在押注什么
这部分应该是我最关注的。
因为朱啸虎对具身智能和机器人一直相当“毒舌”。
在课堂上，他再次提到中国已经出现两百多家机器人企业，反复展示跳舞、打拳的能力。
世界模型同样出现大量创业团队。
他的态度非常明确：
当技术路径本身尚未完全收敛，但复制和融资速度已经非常快时，对投资人而言，风险很高。
如果只听到这里，很容易得到一个结论：
朱啸虎看空机器人。
但把整场课听完整以后，我认为这个判断是不准确的。
他真正看空的，不是机器人。
而是：
商业价值尚未出现，却已经提前用“通用智能”叙事给自己定价的机器人公司。
他实际上投机器人。
而且他在课堂上用了不少篇幅讲自己愿意投资什么样的机器人。
答案非常一致：
场景足够具体，价值足够高，技术现在就够得着。
他谈到一个水下机器人项目。
最开始只是洗船。
这本来听起来一点也不“性感”。
但顺着一个真实任务往外延伸，需求却不断出现。
船体需要清洗。
海关需要水下检查船体。
海上光伏、风电结构需要清洗。
水产养殖网箱需要清理海藻和附着物。
而水下环境恰好有一个非常重要的特点：
对于人类来说，危险、昂贵、效率低。
对于机器来说，任务却相对标准。
于是一个原本非常窄的“洗船机器人”，可能沿着相邻任务不断扩张。
这和让一个人形机器人今天叠衣服、明天做饭、后天照顾老人完全不同。
前一种是：
在相似任务空间里泛化。
后一种却可能要求机器人一次跨越极大的环境和任务分布。
朱啸虎后来回答仓储机器人问题时，用了一句话，我觉得特别值得做具身智能的人记住：
“只要跳一下过去就能够着。”
他认为仓库里分拣衣物就是这种场景。
环境可控、任务明确、人力规模足够大、经济价值可以计算，而且技术距离不算太远。
反过来，家庭场景看似每个人都懂，但真正进入之后，物体、空间、任务和人的需求变化极其复杂，泛化难度可能远高于价值密度。
所以如果把朱啸虎的机器人投资逻辑压缩成一句话：
不要先证明机器人什么都会，要先证明它做这一件事有人愿意持续付钱。
这其实也是具身智能从Demo走向产业真正绕不开的一步。
一家公司可以拍出非常酷的视频。
但真实商业世界需要回答的问题是：
-
谁买？
-
为什么现在买？
-
多久回本？
-
任务频率多高？
-
机器人替代的是谁？
-
一台机器一年能创造多少经济价值？
-
这个任务能否迁移到相邻行业？
-
一旦技术扩散，供应链、渠道、交付和成本优势在哪里？
所以朱啸虎不是在用传统互联网逻辑简单否定具身智能。
更准确地说，他是在强迫技术创业回到一个最朴素的问题：
这项技术今天到底创造了什么可计算的价值？
06｜AI应用的两条路：C端拼十倍体验，B端借开源出海
除了机器人，这堂课另一个信息密度非常高的部分，是朱啸虎对AI应用的判断。
他的C端和B端逻辑其实完全不同。
C端：不要发明需求，去重做已经验证过的需求
朱啸虎认为，今天AI原生消费应用仍处于很早期。
他用了一个很形象的比喻：
Token Plan仍然像3G以前的流量套餐。
真正的大众应用爆发，至少还需要几个条件进一步成熟。
使用价格足够低。
延迟足够低。
用户不需要研究复杂Prompt。
用户也不需要每天思考，到底应该选哪一个模型。
当这些技术细节逐渐消失到后台，普通人只看到产品体验，AI应用才更接近真正的消费品。
那现在什么产品最值得做？
朱啸虎给出的答案很有意思：
不要一定追求创造全新人类需求。
过去已经被证明存在的需求，如果AI能够把体验提升十倍，也可能诞生巨大机会。
他举了角色扮演、情绪陪伴和AI玩具。
人类想和虚拟角色建立情感关系，不是大模型时代才出现。
电子宠物、恋爱游戏、互动娱乐已经验证了几十年。
AI改变的是产品供给方式。
以前，一个恋爱游戏只能预先设计几个角色、几条剧情。
现在，每个用户理论上都可以得到更加个性化、动态、持续进化的角色。
需求没有变。
供给能力发生了数量级变化。
所以朱啸虎强调的不是简单“AI+旧产品”。
关键是：
AI有没有把用户体验提升一个数量级。
课堂问答中，他把这个门槛说得非常明确：只有真正让用户感受到十倍改善，创业公司的增长逻辑才可能成立。
B端：开源可能不仅是技术策略，而是GTM策略
中国企业软件过去长期存在一个困难。
国内客户客单价有限，同时大客户定制和销售成本很高。
一家公司如果主要依靠销售团队一个个拿KA客户，很容易陷入“收入增长，组织也同步变重”。
而到了AI时代，朱啸虎认为“开源”可能提供一条完全不同的出海路径。
先通过开源产品进入全球开发者社区。
让用户自己下载、试用、Fork和部署。
再在协作、安全、企业服务等环节完成商业化。
这里的开源已经不只是技术理念。
它本质上是一种：
产品驱动增长（PLG）+ 全球化分发。
中国软件以前最缺的全球销售渠道，可能部分被GitHub、开发者社区和开源生态替代。
与此同时，他对底层模型本身同样非常看好开源。
他的判断是，随着开源模型能力逐渐达到“足够好”，闭源模型的高溢价会不断受到挑战。
注意，这仍然是朱啸虎的投资判断，不是已经确定的产业终局。
但它背后的逻辑非常统一：
当底层能力趋于商品化，价值就会往上层应用、分发、场景和用户关系迁移。
也就是说：
模型本身越来越便宜，并不代表AI没有价值。
它更可能意味着：
价值开始换地方。
07｜“偏离共识15°”：朱啸虎真正的投资方法
整堂课后半段，还有一个我认为非常容易被忽略、但非常“朱啸虎”的词：
15°。
很多投资人喜欢讲“非共识”。
听起来最传奇的投资故事，往往是：
全世界都不相信，只有我相信。
但朱啸虎这套方法其实没那么浪漫。
他甚至不希望离共识太远。
他的逻辑更像：
大方向可以是共识，但具体下注点要比市场偏一点。
为什么？
因为投资不是学术研究。
投资最终需要退出。
如果偏离主流90°，即使判断理论上很先锋，也可能没有后续资本、没有上市路径、没有流动性。
但如果完全跟着共识走，又会遇到另一个问题：
所有人的钱都集中到同一类资产里，估值已经把未来几年甚至十几年的乐观预期提前透支。
于是最有赔率的位置，可能正好在两者之间。
朱啸虎最后解释“15°偏角”时说得非常现实：
偏得太远，退出困难；
但仍然处于AI大趋势中，只是稍微偏一点，就可能同时获得商业化、安全边际和相对合理的估值。
这也解释了他为什么对今天一些最热门的方向如此谨慎。
LLM。
AI Infra。
GPU。
人形机器人。
VLA。
世界模型。
这些东西当然重要。
但当所有人都认同它们重要、所有资本都冲进去时，“重要”并不自动等于“值得投资”。
投资真正关心的是：
价格是多少？
什么时候形成收入？
技术路径是否收敛？
这家公司究竟拥有别人复制不了的什么？
所以朱啸虎真正寻找的，很可能不是“下一个最热的技术”。
而是：
大趋势没有错，但市场暂时没有把所有价值都定价进去的那一个15°偏角。
这也是为什么他的PPT另一侧出现的是一些没那么性感的方向：
AI消费应用。
AI赋能服务。
AI消费电子。
工业自动化。
它们未必代表AI技术最前沿。
但可能距离真实付费、供应链和商业闭环更近。
所以“15°偏离共识”背后的本质，其实还是赔率：
不去押一个完全没人理解的未来，也不去用最贵的价格买人人都知道的未来。
08｜写在最后：技术会平权，稀缺性会迁移
听完整场分享以后，我觉得朱啸虎真正想讲的，并不是一套“怎么做AI创业”的固定公式。
恰恰相反，他实际上在提醒所有创业者：
不要迷信任何一个固定答案。
互联网时代，流量稀缺。
所以先发优势和网络效应极其重要。
大模型突破早期，顶尖模型能力稀缺。
所以技术领先就是最重要的变量。
但如果模型能力不断扩散、推理价格不断下降、开源逐渐逼近，那么新的稀缺变量就可能变成：
用户。
入口。
场景。
供应链。
品牌。
渠道。
资金成本。
交付效率。
以及真正能够持续留住用户的产品体验。
到了具身智能也是一样。
今天大家争的是模型、数据、VLA、世界模型和本体能力。
如果有一天这些能力开始逐渐收敛，那么机器人产业最终也会进入一个所有制造业都非常熟悉的世界：
谁能更稳定地生产，谁的BOM更低，谁的供应链更强，谁有客户渠道，谁能快速交付，谁能让客户算得过ROI。
技术当然还是重要。
但“技术重要”和“技术能长期构成商业壁垒”，是完全不同的两句话。
所以如果把朱啸虎这两个多小时、几十张PPT和大量互联网案例全部压缩成一句话，我更愿意这样总结：
AI创业真正的胜负手，不是永远拥有最领先的技术，而是在技术从稀缺走向平权的过程中，比别人更早找到下一种稀缺性，并把它变成可规模化、可防御、能长期捕获价值的商业系统。
技术会平权。
但价值不会消失。
价值只是在迁移。
对于创业者而言，真正困难的从来不是知道AI很重要。
而是回答另一个问题：
当有一天大家都会AI，你到底还剩下什么？
