智能体将会诞生超级APP 创投窗口期顶多还剩2年

身为联想集团副总裁、联想创投首席投资官,宋春雨累计投资了近百家AI相关企业,如寒武纪、智谱AI、阶跃星辰、无问芯穹、摩尔线程、第四范式、旷视科技等头部公司。

宋春雨非常看好智能体的前景:下一阶段,Agent将是AI商业价值的最终载体,智能体时代也会诞生一批超级应用和超级平台,“全球范围内超过50家没问题”。同时,他预测,留给这一波创业公司和投资机构的“窗口期”只有一两年——今明两年尤其重要。

押注LiblibAI

“不可替代性体现在哪儿?”

Q:LiblibAI获得了今年国内AI应用最大单笔融资,联想创投也参与其中。你看中了他们什么?

A:LiblibAI是一个有着平台属性的超级智能体,每个人都可以变成designer(设计者),然后通过自然交互方式,重塑软件体系。它有机会成为AI时代的Photoshop、剪映和Canva——这几家公司都是千亿以上的市值。所以,它属于联想创投最希望瞄准的一类平台级机会。

最终投LiblibAI,是因为它还做了Lovart(海外AI设计平台),证明了这个团队有原生AI的原创能力,能实现在全球原创、首发,定义“生图”品类。

Q:当前大模型和AI应用竞争已经白热化,LiblibAI的不可替代性体现在哪儿?

A:LiblibAI团队不只是生图,它是端到端的。对所有多媒体图片、视频,都可以生图、编辑、处理,通过自然语言交互或者简单的拖拉拽方式,最终让图片或视频变成你想要的样子,它是一个全新范式。这个团队对“生图”有非常强的认知,这是我们非常喜欢的一点。

参考价值

“优选平台级属性的战略机会”

Q:押注LiblibAI背后,你对AI Agent的投资、筛选逻辑是怎样的?

A:去年我们就在关注这一领域。首先,我们对Agent的核心判断,它是AI和AI商业价值的最终载体。物理世界靠机器人、具身智能;大模型和算力不直接参与商业价值的落地,数字世界就要靠智能体。

所以Agent的大赛道上,我们认为会出现超级独角兽,而且数量会远超移动互联网时代,全球范围再涌现50家没问题。

Q:你们投智能体的选择逻辑是什么?

A:第一,相比垂类,我们会优先投资具有平台效应的超级智能体。当然它肯定也是个超级应用,而平台相当于是生物链的上游。

移动互联网时代诞生的最上游产品有两个,一个是微信,一个是抖音和TikTok。他们掌握了移动互联网最重要的属性——社交。

还有一类平台像美团,它是一个链接型O2O,对接了线上、线下商户的所有信息流、商流。但它的交付成本非常高,要靠骑手、通过外卖来履约,它的价值链相比社交来说有较大差异。所以我们会优选平台级智能体的战略机会。

第二,在垂直行业、垂直领域的SaaS AI化方面,美国还有非常多的机会。比如AI coding的Cursor,通过工具达成超强的AIGC能力,提高生产效率。它们也有投资价值,但也会有天花板。

第三,我们会看全球不同区域的机会,比如美国、中国和欧洲的创业生态。这一波中美是AI的两极。欧洲次之,再后面可能是日本。这波AI繁荣的理论基础是数学,欧洲有很多顶级名校和数学教育资源,数据保护也做得很好。像被谷歌收购的DeepMind实际是一家英国公司,DeepMind的CEO Hassabis也是数学家。

超级应用

“超强的生成、理解和超自然交互能力”

Q:你曾公开表示更看好Agent前景,认为它会孕育“下一个抖音级的超级应用”。这个“超级应用”需具备哪些特质,最可能先落在哪个领域?

A:这样的超级应用应该有几个能力。一是具备生成式AI的超强原生新能力,比如生图、生视频、生文本。二是超强的研究和理解能力。我们从算法角度讲,Agent引入了预训练和强化学习的后训练,两大范式推动理解能力不断增强,许多Agent已经能超过博士生水平。三就是超自然交互,除了Lovart,我们还投了一家公司叫ONE2X,创始人原来是Kimi产品负责人,更早前在旷视团队。

我们也非常看好AI Coding。我们最近投了一家AI Coding公司。它和Cursor有明显区别,因为Cursor现在基本上是IDE(集成开发环境),但这家已经是一个端到端的AI Coding的Agent,你丢给它一个工程说明书,它直接就能帮你生成最终的软件,体验完全不一样。

我们还看好vibe coding(氛围编程),最近在挑选选手。如果说Lovart是“人人都可以变成设计师”,那vibe coding的愿景是“人人都可以是一个程序员”。比如说你想要一个教网球的应用,现在就可以对着这个App说,我想要一个什么样的网球教练,它可以放视频,可以监控我的动作,能把所有我喜欢的球星的动作整理出来。它就会根据你的需求,定制一个程序下载到手机上。

我相信谁都会有一些个性化需求,只是需求被压制了。随着基础模型能力的快速提升,它还会再进化。

泡沫和窗口

“这波浪潮会比2012年更快速收敛”

Q:你觉得这波创投潮中,存在“伪需求”或“过度炒作”吗?

A:需求真伪实际是价值大小之分。比如说,美国比较专注垂直领域产业SaaS的AI化,就是一个工具,它的价值肯定没有平台级那么大。

所以,我觉得AI这一波不是伪需求,而是一次人类生产力的革命,堪比新一代工业革命。所以我们内部早有共识,一定要拥抱这次革命。就像我跟陈冕讨论的那个观点,Agent要能做到引领基模的未来才有价值,因为它跟商业闭环强相关。

比如Claude原来是个通用技术大模型,但现在强化的反而是代码和数学。理论上讲,就是在coding强大的基础上,智能体大幅引领、定义了基模的需求,它也为此基本放弃了和OpenAI、多模态的竞争。这就是智能体牵引模型的走向,因为基模没法直接产生商业价值,必须通过智能体去体现。

Q:什么时候才能实现你预想的这种生态?投资的窗口期有多少?

A:今明两年就好比是中国移动互联网的2012年。快手、字节跳动、美团就诞生在移动互联网新物种公司的元年,就是2012年。这一年,3G向4G切换,有足够多的带宽去承载。现在基模已经相当可用,智能体就可以上了。从早期投资角度讲,要找到这些好苗子。

这一波智能体浪潮会比2012年更加快速地收敛,一个品类可能12个月就决出胜负,没有第二名和第三名的空间了。不像移动互联网时期,竞争的周期很漫长。像Lovart,它的融资可以支持它去做快速迭代,因为生图、生视频很耗token。一旦走通了用户体验门槛闭环,资本市场会更愿意选择第一名。

发展方向

最期待的就是“AI+具身智能”

Q:未来2~3年,AI领域还有哪些让你兴奋的、可能产生颠覆性创新的方向?

A:除了智能体,我最期待的就是“AI+具身智能”。就像Transformer引爆了ChatGPT时刻一样,具身智能的基础模型也会迎来收敛的时刻。有些洗杯子、洗碗、拧螺丝的机器人并不需要通用智能,所以具身智能的模型应该是多样性的,有点像寒武纪新物种大爆发的时刻。

刚刚过去的联想创投CEO年会上,我提到一个词叫“双重智能”。就是说一个是数字世界的智能体,一个是物理世界的智能体,两者将融合共生。落脚到具身智能,比如我们投资的星动纪元、它石智航、逐际动力、星海图等,这些才是纯具身。

Q:每次技术革命都伴随阵痛,但也催生了新的技术图景,你怎么审视这场AI变革?

A:第一,AI要安全、可信赖。现在AI在某种程度上,确实可以自进化,因为它有后训练,神经网络也是偏固定式的,往后怎么发展,会不会像碳基一样,变成特异性的,这些还是未知命题。

第二,人类要做好准备,拥抱硅基和碳基智能体共存的新经济体社会。你可能就是要和数字员工一起工作,数字员工并不是一个physical(客观存在、有形)的人,你也可能是和一个physical的机器人协作。比如说在硅谷,现在可能超过一半的代码已经是AI在写。

Q:诺奖得主杰弗里·辛顿教授认为,AI导致人类灭绝的概率高达10%~20%。你如何看“AI末日论”?

A:AI治理要和AI进化同步考虑。美国、欧洲已经制定了各种战略,相信中国也将加强对AI领域的治理。美国最近提出AI for Science(科学智能),我认为AI for Science也是平台级的机会,因为研究的是基础科研领域的突破。

AI焦虑

“这次人工智能的推进者是年轻人”

Q:你是AI领域的投资人,你也是一个父亲,要教育孩子怎么接触AI?

A:首先,最近几年因为专注AI,我能非常清晰地预判到,以AI为核心的这波全新产业革命大时代必将来临。代际模型进化非常快。3年前ChatGPT才推出,而现在,GPT-5的智力水平和能力和ChatGPT-3.5已完全没有可比性。

再看AI基建投资,美国星际之门的投资已经要增加到5000亿美元了。OpenAI准备在美股上市,市值接近1万亿美元,它发布ChatGPT才3年时间,这已是私募市场最高估值的创业公司了。

再看Agent的演进,美国现在是SaaS的AI化,80%风险投资的钱都投在了AI赛道。过去六个季度,AI领域风险投资超过2000多亿美元。中国的千问、DeepSeek、智谱、阶跃星辰、豆包也都在开发全新的代际模型,中美的模型代际差距已经从几年缩短到只有几个月。

上一代人工智能还基于生物智能、神经网络,这一代更偏向数学算法,如Transformer。现在的大模型神经网络底层,就是一个Transformer算子。人类所有的语言、文本和图像,都通过这个算子算法去算,然后逼近一个概率最优解。

这一次人工智能的推进者不是“白胡子教授”,全是年轻人。比如Mistral AI的创始人是1993年的,他就是个数学家。

Q:当你的孩子去接触AI时,你会允许他们用什么?

A:他们这代人非常会用工具,所以我的态度很开放。以前那种“填鸭式”教育,一开始就把神经网络全给列上、嵌入,然后灌参数,就是死记硬背。但真正的人脑是一个deep research型的神经网络,要通过强化学习、不断刺激来增强。

重庆商报综合中国企业家、中经网

免责声明:

1、本网站所展示的内容均转载自网络其他平台,主要用于个人学习、研究或者信息传播的目的;所提供的信息仅供参考,并不意味着本站赞同其观点或其内容的真实性已得到证实;阅读者务请自行核实信息的真实性,风险自负。