硅谷歸來，萬字長文解構美國AI發展現狀！

全球生成式人工智能浪潮在持續演進，硅谷依然是無可爭議的創新高地。10月19日-27日，盛景嘉成創投管理合伙人王湘云帶領近30人的AI應用創業企業創始人、上市公司、產業集團高管 ，進行了為期一周的硅谷AI應用實踐深度行。

此次行程非常豐富，深入探訪了AI產業鏈的各個核心節點。團隊不僅與硅谷頭部基礎模型、具身智能、AI芯片、數據服務、SaaS+AI、數字資產和加密貨幣交易平臺等科技企業相關嘉賓進行了深入交流溝通，還與多個活躍在硅谷的創投機構進行了研討。同時，團隊還組織了創業者路演、圓桌論壇、圍爐夜話等豐富的創業者社群活動。

這次深度行不僅是一次高密度的信息輸入，還是一次對AI發展現狀、商業化落地路徑以及未來投資趨勢的真實探尋，旨在帶回硅谷AI產業的第一手觀察和“真實溫度”，幫助AI優秀創業項目找到落地場景和產業鏈接。

日前，王湘云進行了一場詳盡的內部分享，全面復盤了團隊的核心發現，深入剖析了硅谷AI應用與投資的真實圖景、巨頭們的競爭態勢、多模態與世界模型的演進方向、機器人的現實進展，以及頂尖投資者和孵化器的運作策略。

總結這次硅谷之行，王湘云認為：

第一，AI帶來的收入增長是真實的、可持續的，ARR的數據不僅來自用戶使用量和頻次的提升，也來自用戶留存率的提升，增長速度大大超過了以往的軟件時代。

第二，市場的分化正變得前所未有地劇烈。優秀公司與普通公司之間的差距，正在被拉大。

第三，在產業落地中，“性能”已經壓倒了“價格”。大家都在為高質量的閉源模型付費，這成為了競爭的勝負手。

第四，多模態、世界模型與機器人正在快速進步。

第五，國內人工智能創業企業應該抓住這波契機，盡可能推動企業上市或并購與被并購。

對于中國的創業者和企業家而言，認清這一現實，在人工智能這個指數級躍遷的賽道找準自己的獨特價值，將比以往任何時候都更加重要與緊迫。

以下是王湘云的分享全文，enjoy~

01

市場分化加劇，“贏家”通吃

在最近的硅谷參訪中，我們與當地的投資者和創業者進行了深入交流，旨在掃描美國 AI 投資和市場的真實狀況。硅谷頭部投資機構也為我們提供了寶貴的資料和見解，讓我們得以一窺 AI 浪潮下的真實圖景。

一個宏觀的事實是，自ChatGPT發布以來，資本市場實現了約23萬億美元的價值增長，其中高達70%是由AI驅動的。這股浪潮不僅體現在股市的繁榮，更重要的是，我們看到了生產效率、軟件投資以及芯片、能源、數據中心等基礎設施領域的實體經濟投資正在扎實增長。AI 帶動了 IPO 市場的復蘇，并購活動也達到了2020至2021年的市場高位。

在風險投資（VC）領域，AI 的熱度同樣達到了頂峰。目前的投資額已接近2020至2021年的高位水平，并且三分之二的新投資都流向了AI相關公司。這些公司的收入增長率達到了科技公司前所未有的水平。

然而，繁榮之下是劇烈的分化。市場正清晰地分裂為兩類公司：優秀的“Great Company”可能只占10%，而“Good Company”或“OK Company”占到90%。這10%的優秀公司與其他公司之間的差距正變得前所未有地大，平均估值差距可達3到5倍。這對VC提出了極高要求：必須更加小心，對技術的研究要更加深入。因為一旦投到“贏家”，收益將非常明顯；而如果投到普通公司，可能就歸于“蕓蕓眾生”。

AI 市場的潛力究竟有多大？一個被廣泛提及的預判是，AI智能體（Agent）有望創造相當于云計算市場20到30倍的增長。目前美國的云計算市場規模已達三四千億美元，這意味著AI智能體未來可能是一個數萬億乃至超十萬億規模的龐大市場。

這種前所未有的市場潛力，正在催生前所未有的增長速度。在硅谷，已有十幾家公司在短短三年內實現了ARR（年化經常性收入）超過1億美金。例如某多模態模型運行平臺，通過提供一個中間層，讓開發者無需自行管理 GPU 集群，就能高效、低成本地運行復雜模型。它抓住了生成式 AI 的核心痛點，目前估值已超40億美金。

另一個更顯著的案例是某頭部AI 企業。它的增長軌跡堪稱驚人：2024年年初，其ARR約為9000萬美元，當時180億美元的估值看起來還比較“離譜”；但到了2025年年初（12個月后），ARR不僅達到了8億美元的預期，還超過至10億美元；而到2025年三季度（至今），ARR已飆升至70億美元，最新一輪融資估值近2000億美金。這家公司實現了每年十倍（1000%）的增長。據硅谷頭部投資預測，到2026年年底，該企業的 ARR 預計能達到300億美元，有可能成為一家萬億美元市值的公司。

02

AI泡沫之辯：

收入增長是否真實且可持續？

“AI到底有沒有泡沫？” 參訪中，和很多嘉賓都探討了這個問題。

硅谷某頭部基金的合伙人回答是：這些AI公司的收入增長是真實的。這種增長并非來自存量市場，而是來自“白領工作”這個數萬億乃至數十萬億美金的新增市場。并且，這種增長正得到史上最大規模的基礎建設投入的支撐。今天的 AI 資本投入已遠超歷史上任何基礎建設項目，無論是阿波羅登月計劃（相當于今天的3000億美金）還是寬帶基礎設施（1萬億美金）。據預測，到2030年前，AI領域的總投入將達到3萬億美金，至今已投入6000億美元。

雖然算力成本在以每年十倍的速度急劇下降，但模型的質量、效果和服務卻在進一步提升（SOTA 模型的性能每七個月翻一番）。那么，這些收入是否可持續?硅谷某頭部孵化器的創始人認為，判斷收入是否可持續性，不僅要看續費率，更要看用戶的使用量和使用頻次。他們觀察到，用戶的使用量和頻次一直在增加。這證明AI收入是堅實的，用戶不是“用完一次就扔”，而是具有持續的粘性。

然而，這并不意味著沒有壓力。參訪中也普遍提到一個關鍵瓶頸：盡管需求真實且旺盛，但支撐算力增長的電力、能源等基礎設施配套存在明顯缺口。

可見，AI 的長期價值和真實需求毋庸置疑，但不排除在中短期內，由于基礎設施的瓶頸，市場會存在一定的壓力和波動。

03

重新定義增長：

從“T2D3”到“10-10-5-5-5”

在傳統 SaaS 時代，最優秀的軟件公司遵循“3-3-2-2-2”定律（T2D3，即前兩年每年增長3倍，后三年每年增長2倍），這已是偉大的SaaS公司。而在AI時代，最快的AI公司的增長規律可能變成了“10-10-5-5-5”——頭兩年每年增長10倍，接下來三年每年5倍。頭兩年增長100倍，這是一個非常驚人的速度。因此，業界的判斷是：短期或有波動，但長期來看沒有泡沫。

如果說2025年以前，“AI 是否真能帶來價值”這個問題還沒有最終答案；那么到了2025年的今天，這個問題已得到明確回答：AI 給企業生產力帶來了明確的提升，企業愿意為高質量模型付費。這意味著頭部的 AI 公司未來起步就是數萬億美元市值。當然，這也意味著大量的勞動力需要被重新培訓，以適應 AI 時代的模型和能力。

從各個維度看，AI 的需求和應用正在美國廣泛地真實發生。目前，已有數家公司（如 Cursor）在6到18個月內就達到了一億美金的 ARR；在大型科技公司，30%到40%的代碼已由 AI 生成；而產業投資者（頭部科技公司）也在大量投早期輪次的 AI 公司。

從2023年到2025年的 AI 收入構成來看，OpenAI和 Anthropic（這兩家頭部公司的特點也各有不同。OpenAI 在面向消費者（To C）的訂閱服務上優勢明顯，而在 API 調用方面，Anthropic反而超過了 OpenA，尤其在代碼編程相關領域表現突出；

在應用趨勢上，目前水平應用（如助理、郵件起草等普適性應用）在 AI 支出中略占多數，但垂直應用的深度也在增強，許多場景（如客戶服務、法律、IT 服務）已經能完成端到端的工作流。

04

模型之爭：

性能壓倒價格，閉源優于開源

關于模型之爭， 硅谷一個非常關鍵的發現是：性能是關鍵，而不是價格。從美國的情況看，用戶選擇AI應用時，60%是因為性能。這一趨勢也直接導致了閉源模型在產業應用中更受歡迎。

交流的嘉賓普遍認為中國在開源模型上非常有競爭力，而美國在閉源模型上很強。美國科技公司所謂的“開源”只是把前代模型開源，最好的模型仍然是閉源的。

從美國用戶使用情況看，大家普遍愿意使用高質量的閉源模型。無論是大公司還是創業公司，在實際應用中都更歡迎閉源模型。大家更在乎模型的性能。開源模型通常只被用于實驗性或低工作負載的場景，一旦涉及高強度、高占比的工作負載，絕大部分公司都傾向于使用閉源模型。

“中美在模型上的差距是拉大了還是縮小了”？部分專家的回答是：硅谷的優勢在拉大。他們認為，硅谷閉源模型的質量領先，而這正是產業應用中最被看重的。

總體而言，我們看到：第一，AI 公司的收入是真實的，背后有高頻次的真實調用來支撐，不是曇花一現；第二，增長是可持續的，市場正在見證“10-10-5-5-5”這樣的全新增長曲線；第三，市場分化日益加劇，優秀公司與普通公司的差距正在拉大；第四，在產業落地中，性能比價格更重要。

05

硅谷巨頭下一輪比拼的主戰場——

多模態模型和世界模型

如果說市場和資本的反饋驗證了 AI 的“當下”，那么硅谷巨頭們的布局則清晰地指向了 AI 的“下一步”。

在我們的交流中，一個明顯的感受是，關于大語言模型（LLM）的討論變少了，因為大家普遍認為它已相對成熟，并且用于訓練的公開語言文本數據基本已被“用完”。硅谷的共識是，下一輪大模型能力升級和比拼的主戰場，在于多模態模型和世界模型。這些頭部公司的目標非常一致，就是實現AGI（通用人工智能）。

（一）多模態模型

近期，視頻生成模型的進展尤為迅猛，例如 OpenAI 的 Sora v2 和谷歌的 Veo。谷歌 CEO最新宣布，其圖片生成模型Gemini 2.5 Flash Image（代號 “Nano Banana”），已給公司帶來了巨大的收入增長。多模態模型已經走到什么階段，未來的進化方向是什么？

硅谷基礎模型大廠的核心邏輯是，拼盡全力把模型的“上限”做到足夠高，訓出一個“諾獎水平”的模型。他們認為，只要大模型上限足夠高，再去衍生出單一能力的小模型，相對比較容易；反之，在小模型上折騰半天，大模型上限不夠，很多功夫都將白費。

硅谷基礎模型大廠把實現一個統一的、端到端的（End-to-End）多模態模型，能夠任意進行多模態的輸入和輸出作為下一個目標，并且視其為邁向“世界模型”和“AGI”的重要里程碑。

當前多模態模型尚未做到“端到端”多模態輸入，多模態輸出”的“Omni統一模型”。目前大部分的多模態模型還處于“分段級聯”的階段，第一級是“多模態輸入到文本輸出”，即多模態感知模型，核心技術仍是自回歸的 Next Token Prediction，底層是 Transformer架構，來理解圖像、聲音、視頻并形成文字輸出；第二級是“文本輸入到多模態輸出”，即我們熟知的生成模型（如生成圖片和視頻），它主要使用 Diffusion Model，但底層也基于 Transformer網絡。

在數據維度上，一個好消息是，雖然文本數據已近枯竭，但多模態數據才剛剛開始被利用。據透露，目前大概只有1%的多模態數據被用于模型訓練，未來還有巨大的空間。同時，數據的標注也在更加的自動化，使用 AI 去清洗和標注多模態數據。

統一多模態模型上尚在進化迭代中，預計真正高質量的端到端統一多模態模型可能會在一年后出現。而世界模型又是機器人訓練的核心資源。xAI 追求“統一多模態”和“世界模型”的典型代表, 其目標是“構建理解物理宇宙的 AI”，直指把AI用于物理和實體世界的更宏大的愿景。xAI 的 Grok 5將是一個端到端的、統一的多模態大模型，并大幅度提升其科學能力，包括在生物、化學、材料科學等領域的應用。

總之，硅谷頭部的基礎模型玩家普遍認為，未來只有把統一多模態模型這件事情走通，才具備持續的競爭力。據預測，未來三到六個月，視頻生成模型將有巨大進步，一年內“多模態輸入—多模態輸出”的端到端統一模型將顯著成熟，效率與成本持續改善。

（二）世界模型

世界模型簡單來說就是給定一個當前狀態和一個當前的動作，我們可以去預測未來。路徑尚未收斂，但基本共識是：世界模型是邁向AGI的關鍵路線之一。如果不能進行持續的世界預測與模擬，未必算真正到達“世界模型”的層級。

從應用形態看，世界模型大致有兩類：一類在純虛擬環境中演化、常與 AR/VR 結合；一類直接服務機器人訓練，驅動機器人智能升級。

值得注意的是，不同公司的世界模型存在差異，因采集數據的針對性不同而具有不同指向性。例如李飛飛的模型是通過圖片構建環境，谷歌可從 YouTube 采集多類數據，英偉達則針對自動駕駛和人形機器人應用采集相關數據。

“世界模型”被認為是機器人訓練的終極環境。在沒有一個很好的世界模型的情況下，行業會更依賴“人類模仿學習”——例如遙操作（Teleoperation）或遠程示范——來采集數據。這導致了機器人的應用只能局限在局部場景（如工廠一角或物流倉儲）。一旦強大的世界模型被開發出來，就會加速具身智能和機器人的泛化。真正意義上的世界模型什么時候到來？相對保守的預測是“十年議題”。

中美都在世界模型和具身智能上開始發力，如果把具身智能的決策分成1HZ，10HZ，100HZ三個層次的話，中美在不同的層次上各有優勢。

06

對于 AI 時代的創業者，

硅谷給出的建議

技術的快速迭代，也在重新定義AI創業的“護城河”。一年前，護城河被認為是“專用數據”和“模型架構”。而現在，隨著模型架構趨于統一，護城河已經轉變為“工作流”和“用戶體驗”。

對于 AI 時代的創業者，來自硅谷的一些建議，可能因為中美國情的不同，有值得商榷的部分，但是卻給我們帶來一些身處AI 前沿的一些視角。

首先，不要做模型訓練，因為創業者根本做不起了。

其次，要謹慎對待模型微調。基于開源模型做的微調，可能在三到六個月后就成為“沉沒成本”。因為閉源模型的 API 迭代速度極快，它們可能在六個月后就把你依靠專業數據建立的微調優勢徹底抹平。未來，調用閉源模型 API 的能力可能比基于開源模型微調更重要。

再次，關于機器人模型+物理AI仍處于非常早期的階段，各家接口和標準不一，短期內還存在競爭壁壘。但硅谷大公司已經在發力“機器人基礎模型”。短期內，創業者自己做個小模型還有機會，但長期來看，大公司的基礎模型加上數據，很可能會打敗花費半天搞出來的小模型。今天巨頭們在多模態和世界模型上的發力，其優勢可能在三五年后于機器人領域集中顯現。

未來的格局，很可能是美國提供機器人的“大腦”（模型），而中國的供應鏈負責硬件制造。但最終，核心競爭力還是在于大腦。

最后，關于AI應用產品的兩個建議：一是AI應用產品不僅要包含功能，而且能把數據閉環巧妙地融入產品服務中去，這些數據將反過來推動AI能力的提升。譬如，用戶在使用特斯拉電車的時候也為自動駕駛模型提供了真機的訓練數據。

二是在AI產品服務中，要巧妙地設計和融入驗證功能，讓人類用戶，或者其它的軟硬件工具對AI的輸出可以進行有效的驗證，實現驗證閉環，這也將是提升AI能力，消除幻覺的一個重要方法。

07

硅谷AI新生態觀察

此次硅谷之行，我們也觀察到硅谷AI生態正呈現出一些新的現象和文化：

第一，高強度的“Push”文化與速度至上。

硅谷AI 企業的“內卷”節奏非常驚人，不僅有“996”，甚至出現了“002”的文化。這種對速度的極致追求，在一家我們參訪的硅谷知名AI孵化器上體現得淋漓盡致。

我們問他們主要為創業者提供什么賦能，得到的回答是：他們精選的都是已有成功經驗的“連續創業者”，這些人不需要基礎的技能培訓。孵化器真正的價值，是創造一個“全力以赴”的環境。他們會解決創業者所有的后顧之憂，包括吃住等一切生活瑣事，讓團隊在幾個月的孵化期內，只做一件事——“Push, Push, Push”，以最快的速度實現增長突破。

投資人也更看重真實使用中的 留存、使用量與使用頻次，以此校驗收入的可持續性，促使團隊始終保持高速迭代的姿態。

第二，“天才年輕人”成為主力，科研與工程界限模糊

AI 時代是屬于“天才年輕人”的。這種感受非常具體：我們看到年僅19歲、尚在名校讀大二的“學霸”，就已經在頂尖AI創業公司實習，已經擁有兩年的資深研究經驗，甚至同時跑“研究 + 工程”雙線。

正如馬斯克所強調的，沒有工程能力的科學家不是好的科學家。在硅谷AI企業中，研究員（Researcher）和工程師（Engineer）的界限正變得非常模糊。這種“研產合一”的文化，能確保研發和產品化以最緊密的協同向前發展，實現最快的迭代速度。

研發與產品化緊耦合，這也是硅谷基礎模型與應用層齊頭并進的一個重要原因。

第三，華人力量在硅谷AI生態中日益崛起。

此次硅谷之行，我們深切地看到華人群體在硅谷AI生態中的參與度和影響力都在顯著提升，已成為這股生成式AI浪潮中不可或缺的重要力量。

按 MacroPolo（保爾森基金會智庫）《全球 AI 人才追蹤 2.0》，2022 年全球“頂尖20%”AI 研究者中，有 47% 的本科就讀于中國；在美國頂尖 AI 機構內工作的“頂尖 20%”研究者中，華人（中國本科學歷背景）約占 38%，已與美國本土研究者比例相當甚至略高。

這一組數據，很好地解釋了我們在 OpenAI、Google DeepMind、xAI 等一線團隊與發布會舞臺上頻繁看到華人面孔的現象，它不是偶然，更不是個例，而是人才結構變化的結果。

08

結語：收獲，不止于硅谷

此次為期一周的硅谷AI應用實踐深度行，有近30人的AI應用創業企業創始人、上市公司、產業集團高管、 AI應用創業企業團隊參加。

這些來自不同行業的企業家和創業者學員，帶回的不僅是對AI前沿的洞察，更是對自身企業發展路徑的深度重構。

對于一線AI創業者而言，行前每個人都以為自己對AI“理解得還可以”，但真正走進硅谷核心生態后，才發現所謂認知其實只是“冰山一角”。比想象中更快的技術演進、更密集的產品實驗、更務實的商業路徑，帶來的不僅是沖擊，更是前路的清晰。

有學員在這趟行程中明確了產品方向——AI創業不應只滿足于“效率提升”，而應聚焦那些移動互聯網時代從未存在的新功能。這樣的功能，才“性感”、有想象力，也更具資本價值。同時，也有學員敏銳觀察到：相比國內“卷效率”，AI真正的應用機會也許在于“替代”，而替代最迫切的市場，是高人力成本的發達國家。

也有創業者開始重新理解AI創業與大廠之間的關系：當巨頭開始把精力下沉到“做瀏覽器”這種產品應用時，恰恰說明模型端的突破可能已暫時觸頂，這反而意味著，應用層正迎來“小資本也能彎道超車”的黃金窗口。

而對那些正在推進從傳統企業向AI轉型、但又難以走出慣性的學員，此行更是一場徹底的認知風暴，帶來了高強度的 “路徑確認”。他們在這一周中理清了該放棄什么，又該篤定什么。有學員直言獲得了 “頓悟”，走訪之初還帶著困惑和猶疑，臨別時卻已將方向重新校準。

最后，也是學員們提及最多的，是“生態鏈接與同行共創”。為期一周高密度的鏈接產生了真實的化學反應，讓學員找到了可以并肩作戰的人：有學員當場與同學達成合作，共創AI新賽道；有學員在此行中通過同學引薦，當場對接上了頂尖專家；更有學員帶著已閉環的商業構思，精準找到了能提供“工具”的同學。

高強度的鏈接、沉浸式的學習、專業深度的交流，讓學員們都走出了“各自為戰”的狀態，真正成為了“AI路上的同行者”。而這個高能量的同學群體，不會因一次旅行而終止，它已然形成，并將在未來持續共創、彼此賦能！

走出去看世界，是為了回來更好地走自己的路！期待明年3月，春暖花開之時，我們再來共赴硅谷！

2025盛景半年回顧

人生只有四千周，而企業生存期更短，跨越10年經營期的企業少之又少，企業要想有質量地活下去，活得更好更久，“極簡增長”就是看透并掌控事物本質的那個關鍵點。

選對了路，路就不會遠。盛景推出《極簡增長 立竿見影》在線課程，期望能夠幫助更多的企業走上增長道路。未來有多近，在于我們已經走了多遠。未來有多遠，在于我們與誰同行。期待與你同行、共勉。

歡迎大家點擊底部【閱讀原文】觀看《極簡增長 立竿見影》的在線視頻課程，了解如何用極致簡單的增長方法論，實現快速增長。