在过去几年里，人工智能的迭代速度远超所有人的预期。ChatGPT从发布到拥有1亿用户只用了2个月，而电话、互联网和移动互联网完成这一跨越分别耗费了75年、7年和3年。这一组数据背后，隐藏着一个更深层的信号：AI已经不仅是技术突破，而是正在成为驱动全产业效率提升的核心引擎。作为国内顶级财务顾问机构，光源资本在2025年初成立了首支面向AI及未来科技的早期基金——L2F光源创业者基金，其创始人郑烜乐在36氪WAVES2026大会上的演讲，系统性地阐述了AI时代的投资范式。本文基于其观点，重新梳理了AI扩散的底层规律、双飞轮加速机制以及“三轴两桥”战略，希望能为创业者和投资人提供一份可参照的路线图。
技术扩散的加速度：AI如何重塑产业效率
如果说蒸汽机解放了体力、电力打通了能量、互联网连接了信息，那么AI正在做的是将人类历史上积累的专家经验转变为可复制、可迭代、可规模化的工业化能力。这种转变的核心，在于技术扩散的速度本身发生了跃迁。郑烜乐在演讲中指出，AI需求翻倍的速度约为移动数据的6-9倍、电力的24-36倍，而成本下降速度约为移动数据的3倍以上。这些数字揭示了一个事实：AI正在以指数级的方式渗透进每一个行业，而由此带来的效率提升将远超以往任何一次技术革命。
值得注意的是，AI的快速扩散建立在已经成熟普及的移动网络与电力网络之上。每一代技术革命都会在前几代的基础上爆发出更强的乘数效应——信息时代的GDP增速恰好是蒸汽机时代与电力时代增速的乘积。如今，AI作为新一代通用技术，其扩散速度之所以更快，正是因为它是“站在巨人肩膀上的巨人”。对于企业来说，这意味着如果不尽快拥抱AI，曾经依赖的竞争壁垒可能会在短时间内被瓦解。反之，那些善于利用AI工具的组织，则能实现业务模式的重构和跨越式发展。例如，越来越多的设计师开始使用AI画图工具来生成创意草图，美术团队从“手工作坊”升级为“工业化流水线”，这本身就是效率提升的直观体现。
双飞轮驱动：成本下降与智能提升的正反馈
郑烜乐提出了一个核心框架：AI时代的增长由两个互相强化的飞轮驱动——成本飞轮与智能飞轮。成本飞轮的逻辑是：AI需求的爆发式增长带动了更多资本开支（CAPEX），规模效应推动技术进步（更先进制程、3D堆叠、更大算力中心），进而降低Token成本。智能飞轮则是：AI智能水平持续提升，渗透进各类场景创造经济价值，吸引更多企业接入，形成正向循环。两者互为因果，共同加速。
这个框架解释了为什么AI的应用门槛正在以肉眼可见的速度降低。以编程为例，过去需要耗费数天编写的代码，现在借助大模型可以在几分钟内完成初稿。金融风控、药物研发、材料科学等领域同样如此。正如郑烜乐所说，AI已成为人类创造的、可自我进化并能产生复利的生产资料。这种复利效应直接体现为企业运营中的效率提升——传统企业借助AI有望在五年到十年内实现利润增长20%-40%，对应数十万亿美元的价值增量。
从投资视角看，成本飞轮和智能飞轮的交织也催生了大量AI融资机会。一级市场的投资人在寻找那些能够持续受益于两个飞轮正向循环的创业公司，而非仅靠阶段性人海战术的项目。例如，那些能够通过私有数据构建“私有上下文飞轮”的AI创业公司，往往能随着智能潮水上涨而水涨船高，成为“智能海洋上的船”。相反，如果一家企业的业务逻辑完全可被AI替代，那么它最终会成为被上涨的智能潮水淹没的“礁石”。
AI扩散的四条定律：从工具到生产力的跃迁
基于多年观察，光源资本总结出AI扩散的四条定律，分别从横向、纵向、范式与递归四个维度揭示了AI如何一步步改变世界。
梯度律（横向扩展）描述了AI能力从文字处理到多模态内容（视频、图片、声音），再到物理AI和AI for Science的演进路径。每一步都意味着AI正在解决更宏大、更有价值的问题。例如，当AI能够理解三维空间并控制机器人时，它就不再只是数字世界里的工具，而是可以改造现实世界的生产力。
纵深律（L1到L5）定义了一个行业AI化的成熟度：从辅助工具（L1）到部分替代（L2），再到完整交付（L3），最终独立承担责任（L4-L5）。郑烜乐认为，当行业发展到L3阶段，就进入了可布局投资的窗口期。这给创业者提供了清晰的定位参考——不要过早追求全自动化，而是在闭环价值产生的那一刻切入。
范式律揭示了AI改造行业的核心方式：将碎片化的专家经验封装为可复制的工业化能力。以视频创作为例，传统模式需要导演、演员、摄影等一系列人力，而多模态视频生成模型（如爱诗科技、Seedance）实现了“一人即团队”的生产方式。同样的逻辑正在被应用于文生图、AI图片生成等创意工具中，设计师不再需要反复手动调整细节，而是通过提示词直接生成高质量素材。
递归律则指向AI加速自身迭代的能力。已有公司用AI来研发AI（如日行迹），或在芯片设计、材料研发中引入AI。这形成了一个自我强化的闭环：AI越强，研发AI的效率就越高，进而推动下一代AI更加强大。这种递归效应意味着未来几年内AI能力的提升曲线会持续陡峭，任何忽视这一趋势的企业都可能被快速甩开。
硅基生命的波形进化与投资第一性原理
郑烜乐提出一个极具启发性的概念：硅基生命的DNA形态是波形，而非碳基生命的双螺旋。碳基生命每一代都必须重新学习知识，企业也需要招募人来获得能力；而硅基生命诞生时便可无损继承互联网上全部数据、知识和工具能力。然而，这种传承并非线性递增，而是呈现出“展开-收敛-再展开”的波形特征。每一代大模型迭代都会打开大量新创业机会（如提示词工程、Agent Harness），随后又因下一代模型能力的跃迁而大部分被收束。
这种波形进化决定了投资的第一性原理必须回归到对终极形态的判断。郑烜乐总结了四个核心原则： - 智能第一性：智能水平只会持续提升，当前无法解决的问题终将被解决。 - 波形进化：投资要踩准“展开”的浪尖，并在“收敛”前退出或转型。 - 瓶颈撑开规律：全产业链存在供需错配瓶颈，如光模块、存储等环节往往对应着巨大投资机会。 - 非均衡优势：那些未被数字化充分改造的落后产业（如视频、勘探、科研）一旦被AI重塑，改造幅度往往最大。
对于AI创业者来说，理解波形进化至关重要。如果你选择了一个容易被大模型前向一体化覆盖的细分赛道，那么即使短期有增长，中长期也可能被碾压。相反，具备四类稀缺能力的企业——从像素落地到原子（如具身智能）、对接现实世界的自有渠道、私有数据飞轮、定义行业标准的开源生态——才能在波形迭代中持续借势。这也是为什么光源资本重点布局AI工具导航类平台，因为工具层往往能够在大模型层与应用层之间找到不可替代的生态位。
三轴两桥战略：把握AI时代的创业与融资机遇
最后，郑烜乐详细介绍了光源资本的投资宏观框架——“三轴两桥”。三轴分别是未来科技产业集群（未来算力、未来能源、脑机接口、太空产业链等）、AI产业链（模型应用、AI硬件、具身智能等）以及生命科学产业链（创新药、AI+医疗、外骨骼等）。两桥则是AI for Science和物理AI，它们贯穿三轴，提供加速和落地能力。
这个框架的逻辑非常清晰：人工智能不是孤立发展的，它需要算力底座、能源支持，也会与生物技术、太空技术产生协同。例如，AI for Science正在加速新药研发和材料发现，这本身就关乎生命科学产业链；物理AI让机器人能够与现实世界交互，进而应用于未来能源（如核聚变）和太空探索。正是这种“三轴构筑指数级增长空间，两桥催化跨赛道乘数效应”的飞轮结构，让光源资本得以在多个前沿领域同时下注。
从实际投资角度看，郑烜乐提出了四条具体范式：大赛道边缘布局非共识、用AI把手工业升级为工业化、在智能海洋中成船避礁、把握产业链要素错配窗口。这些范式与中国当前的企业数字化转型浪潮高度契合，也为处于早期阶段的AI创业公司指明了方向——不要试图跟大模型公司正面竞争，而应寻找那些大模型暂时覆盖不了、但又能借助AI放大价值的具体场景。
值得注意的是，AI时代的创业门槛正在悄然改变。移动互联网时代，一个优秀的运营团队就能在一片红海里杀出垂类赛道；但在AI时代，对大趋势的第一性原理判断才是决胜关键。那些能够精准识别产业瓶颈、利用AI创业公司特有的敏捷性快速落地的团队，才有机会在波形进化中生存下来。而资本方的角色也发生了变化——不仅提供资金，更要帮助创业者理解硅基生命的进化路径，在适当的时机加注或止损。
回看整场演讲，最令人印象深刻的并非某项具体技术，而是郑烜乐反复强调的那个判断：我们正站在一个长达30年的产业窗口前。对于创业者和投资人而言，窗口期的前几年尤为关键。每一次模型迭代都会带来新的效率提升，也会淘汰掉一批固守旧范式的企业。唯有保持对第一性原理的敬畏，同时积极尝试AI工具箱中的各类新工具，才能在智能浪潮中既不被淹没，也不被抛下。