在2026年的创投圈，AI早已不再是PPT里的概念，而是渗透进产业每个毛细血管的硬核生产力。启明创投执行董事胡奇，一个从AI算法工程师转型而来的投资人，在36氪WAVES大会上用一场幽默又犀利的开放麦，讲述了自己与AI共度的十年。从他的视角看去，AI应用正从实验室走向商业战场，而这场战役的残酷与美好，都藏在无数个深夜焦虑的通话里。
从算法工程师到投资人：十年AI生涯的启示
胡奇的职业轨迹，几乎是AI行业从学术走向产业的一个缩影。英国爱丁堡大学人工智能硕士毕业，在武汉大学读完计算机本科，他最初的身份是AI模型算法工程师。当大模型还只是学术论文里的参数时，他已经开始用代码搭建一个个具体的解决方案。直到后来，他把主战场从代码转向了投资——专注于AI方向的启明创投执行董事。
“我属于那种在AI不火的时候就在干AI，AI火了以后还在继续干AI的人。”胡奇这句话里藏着三层含义。第一层是坚持——在2015年前后，AI创业公司融资还是一件艰难的事，{\{LINK:AI融资}}环境远没有今天这么热，很多团队连工资都发不出。第二层是判断——他见证过太多技术热点的起落，从计算机视觉到自然语言处理，再到如今的大模型，每一次浪潮都有幸存者，也有沉默者。第三层是反思——AI这个行业对“火”的理解，或许并不像外界想象的那么乐观。
这种跨界的经历让胡奇拥有了一个罕见的视角：他既懂算法的边界在哪里，也懂资本的逻辑怎么走。当很多投资人还在恶补Transformer原理时，他已经可以和创业者就MoE架构的优劣势争论三个小时。反过来，当技术团队沉浸在“模型能力提升0.5%”的兴奋中时，他也能冷静地问一句：“这个能力真的能变成订单吗？”这种双重视角，在如今AI应用遍地开花的时代，显得尤为珍贵。
AI融资的冰与火：热得快的东西容易糊
胡奇在演讲中分享了一个来自他妈妈的段子：“热得快的东西，都容易糊。”这句话本意是说热水壶的发热管，但用来形容当前的AI融资市场，却无比贴切。2023年以来，大模型公司动辄数十亿的融资额成了新闻常客，{\{LINK:AI创业公司}}如雨后春笋般涌现，每一家都声称自己是“中国的OpenAI”。
然而，胡奇提醒业界关注一个被忽略的事实：很多当年爆红的AI公司，两三年后就无人问津。他投过的智谱、阶跃星辰、生数科技等，固然是赛道里的佼佼者，但同期的众多创业公司已经消失在公众视野中。这背后是{\{LINK:AI融资}}市场的结构性分化——头部效应越来越强，资本向头部几个团队集中，而大量中腰部项目陷入“融资-烧钱-再融资-烧钱”的死循环。
“创投行业就是一群没有安全感的人，互相给对方安全感。”胡奇的这句话点破了当前融资生态的本质。投资人怕错过下一个时代，创业者怕找不到下一轮钱，LP怕基金收益跑不赢大盘。这种集体焦虑催生了“扎堆式投资”——看到别人投了大模型，自己也赶紧入局；看到别人投了应用层，又慌忙调转方向。结果就是，真正能跑通商业模式的公司寥寥无几。
胡奇给出的建议很直接：与其追逐热点，不如回归常识。AI不是万能的，它需要找到具体的场景，解决具体的问题。那些能把技术转化为{AI应用}的公司，才是真正值得长期持有的标的。
AI创业公司的九死一生：从GPT-3到智谱的跨越
2020年是胡奇职业生涯的一个重要转折点。那一年GPT-3论文发表，他通过第三方接口第一次真正体验到大型语言模型的魅力。他随便问了几个问题，没有做任何微调，模型竟然给出了语法通顺且逻辑合理的回答。那种“泛化能力带来的震撼”，至今仍是他判断AI创业公司潜力的核心标尺。
从2021年初开始，胡奇和团队在中国寻找大模型团队。直到下半年遇到智谱，这场“双向奔赴”才正式启动。他回忆道：“那就像一群长期相信AI的人，遇见了另一群长期相信AI的人。”智谱由清华大学团队创立，走的是从底模到应用的全栈路线。在投资逻辑上，胡奇看重的不只是技术指标，更是团队对技术落地的执念——他们愿意在枯燥的数据清洗、模型对齐上花功夫，而不是只吹嘘论文里的SOTA数字。
这恰恰是很多{\{LINK:AI创业公司}}容易翻车的地方。胡奇观察到，不少团队把“大模型训练”当成终点，却忽略了部署、优化、与业务流程结合这些苦活。前沿技术和商用距离之间的鸿沟，远比想象中大得多。他用一个形象的比喻来说明：模型参数从100亿涨到1000亿，可能在学术评测上提升了15%，但在实际业务中，用户只关心“它能不能帮我把自动回复效率提高50%”。
如今，智谱已经成长为国内大模型领域的头部企业之一，但胡奇认为，真正的战役才刚刚开始。随着基础模型能力的趋同，下一阶段的竞争焦点将从技术走向应用场景，从“能不能做”变成“用得好不好”。
创业投资像健身：长期主义与安全感
胡奇坦言，2023年以来他几乎每天凌晨两三点才能睡觉。工作量大到让他一度怀疑人生。为了释放压力，他尝试看爽文、办健身卡，结果发现健身和创业投资的底层逻辑惊人相似。
“你去办卡的第一天，或者你投完项目的第一个月，一定觉得这次一定能成功。但是一年以后就开始讲长期主义。”这句话调侃了行业里“长期主义”这个词被过度使用的现象。胡奇认为，真正的长期主义不是挂在嘴边的口号，而是当项目陷入低谷时，依然愿意去找解决方案、调整方向、甚至承认错误的勇气。
他举了一个实际的例子：某家初创企业最初将研发方向锁定在医疗影像，半年后发现商业化路径走不通，团队果断转型做了工业质检，最终拿到了头部制造企业的订单。这种“敢变”的能力，往往比“坚持”更难能可贵。{\{LINK:企业数字化转型}}的大潮中，AI应用能否扎下根，很大程度上取决于创业者是否具备这种动态调整的智慧。
在胡奇的观察中，很多创业者会在半夜打电话给他倾诉焦虑，而他作为投资人，也经常自己焦虑到失眠。“整个行业，可能是一群没有安全感的人，在互相给对方安全感。”这句话背后，是AI创业领域特有的高强度压力和不确定性。
AI应用落地深水区：产业变革的底层逻辑
如果说2023年是AI大模型的元年，那么2025-2026年则是AI应用落地的深水区。胡奇指出，市场上已经出现了明显的分化：一部分公司聚焦于通用大模型本身，希望通过规模和参数量碾压对手；另一部分公司则瞄准垂直行业，在金融、医疗、制造、文创等细分领域打磨场景化的解决方案。
胡奇更看好后者。他认为，未来真正的机会不在于跑出一个“万能大模型”，而在于如何让AI模型在具体场景中产生可量化的效率提升。例如，在电商领域，用{\{LINK:AI画图}}快速生成商品展示图，已经在一些中小商家中实现了ROI的正向循环；在内容创作领域，{AI应用}帮助自媒体人自动生成文案和配图，大幅降低了创作门槛。这些看似“碎片化”的应用，恰恰是AI融入实体经济最坚实的路径。
与此同时，他也很关注多模态和AI Agent的发展方向。{AI应用}的能力边界正在从文本扩展到图像、音频、视频，甚至3D场景。未来，一个可以自主执行任务的AI Agent，将可能重塑软件行业的服务模式。比如，用户只需说“帮我设计一个生日派对邀请函”，AI就能自动完成排版、抠图、文字编辑等一系列操作——这其中的核心环节，离不开{\{LINK:抠图}}、{\{LINK:透明背景}}等工具的精准配合。
未来展望：AI Agent与多模态的机遇
在演讲的最后，胡奇展望了未来几年的技术趋势。他认为，随着大模型能力持续提升和推理成本下降，AI Agent将成为下一个杀手级应用。所谓AI Agent，就是能够理解人类意图、分解任务、调用工具、执行操作的智能体。它可以充当项目经理、客服专员、数据分析师等各种角色，把人类从重复性的脑力劳动中解放出来。
此外，多模态模型的进步正在打破信息壁垒。现在已经有产品支持用户通过拍照输入，让AI识别画面并生成诗歌；也有平台能根据一段文字描述，自动生成一段音乐或视频。这些能力将催生出全新的应用生态，比如{\{LINK:AI诗词}}平台让普通人也能体验“唐诗三百首”的意境，{\{LINK:古诗词生成}}工具则成为语文教学中的辅助利器。
对于创业者，胡奇给出了三条建议：第一，不要迷信参数规模，要把精力放在真实场景的数据闭环上；第二，尽早拥抱开源生态，避免重复造轮子；第三，团队里最好既有“技术偏执狂”，也有“产品实干家”。只有两种基因并存，才能把技术红利转化为商业价值。
胡奇最后引用了他母亲那句“热得快容易糊”的调侃。他说：“AI确实热得很快，但从业者的心态不能跟着热。保持冷静，尊重常识，找到真正能创造价值的切口，才能在这个行业里走得更远。”