12月18日，网易传媒主办的“2025新一代人工智能创业大赛”颁奖典礼在北京网易大厦成功举办。
“2025新一代人工智能创业大赛”聚焦“AI基础设施”、“AI应用和智能体”和“AI硬件”三大前沿赛道，旨在挖掘顶尖创业团队。下午的AI投资论坛系列活动从往届获奖者的实战分享，到聚焦AI全球化与商业化路径的深度剖析，再到围绕具身智能、Agent等前沿议题的“围炉夜话”思辨，层层递进，探讨了AI从技术探索走向产业落地的关键命题。
现场，阿尔法公社创始合伙人、CEO许四清做了《天使投资破局AI产业化落地》主题演讲。许四清指出，大模型发展的“Scaling Law”已经从早期依赖大规模算力的模式，转变为更注重算法效率的路径。他表示，DeepSeek等中国团队通过技术创新，利用强化学习、MoE、优化底层通信等方面取得了突破，确立了多维度的、摆脱单纯依赖算力的多维度scaling law模式。
在讨论AI产业化落地时，许四清指出了当前模型的局限性。大模型在定性、逻辑任务上已趋成熟，但在需a要高精度、高精度、高确定性落地执行中仍面临挑战。
他特别提到，具身智能领域的“ChatGPT时刻”还未到来，在“感知、策略、执行三部曲中，其“策略”部分的突破因训练数据不足而进展缓慢，是未来发展的关键难点。
对于未来发展方向，许四清提出，基于“归纳法”的当前技术路径可能只是阶段性方案，业界需要探索更高效、基于“演绎法”的新范式。他还指出，天使投资应基于第一性原理决策，敢于探索、勇于承担风险。
以下为演讲原文，经不改变原意的编辑：
大家下午好！感谢网易给我这个机会让我跟大家分享一下我们做天使投资的思考。人们说硅基智能和碳基智能开始有竞争了，这个竞争表现在硅基智能在某些方面有强大的爆发力，但是同时也有某些缺陷，但是进步的幅度远远超过碳基智能进步幅度，好消息是这种进步还掌握在人类手里。
这是最早Open AI训练这个模型之后发布的Chart，当时用了99%的GPU时长做预训练，基于这个现象Open AI提出一个说法叫“Scaling-law”，就是用大炼钢铁的方式烧GPU做预训练，通过预训练催生了LLM的巨大进步。但是实际上这个只坚持了一年，这个情况就被改变了，被一批中国的小伙子改变了。
之前Scaling-law靠算力规模化，DeepSeek用各种各样的强化学习的手段，用多专家系统、FP8、强化学习等方法取得了突破。熟悉英伟达的朋友们都知道，GPU的性能靠Scale up、Scale out。但是DeepSeek上来就绕过了Cuda用更底层的语言，利用GPU的内存管理GPU之间的通讯，获得了效率的大幅度提升。他们用各种各样的方式，用算法的工程创新替代简单算力叠加，实现了另一个方向上的Scaling-law。因为DeepSeek的贡献，全世界大语言模型的Scaling-law开始综合的发展，不再单纯依赖堆算力。这是特别好的现象，从那开始中国的大语言模型确定了重要的江湖地位。
从0到1的突破是最值得尊重的，今天大家在谈的所有事情，奠基石是Google Deep Mind的一片论文 – Attention Is All You Need。这个文章的题目像小作文，这里面八个作者，七个都是Google的科学家，这是诗史般的进步，非常值得尊重。
我们统计了一下，这篇文章的8为如今已经全部都离开了Google，而且都去了创业公司。创新存在于今天上午在台上这样的创新团队，大厂的创新还是慢的，大厂是为效率而生，不是为创新而生的。今天我们看到网易做创业比赛很有意义，希望看到通过这个舞台有更多的创新展现出来。
再往下讲怎么办？多维度的Scaling-law还有很多进步，比如说最近Google的Gemini3非常好，实际上还是沿用现在在Transformer这个路径上用归纳法，也就是在统计中模仿，而不是像人类思考在理解中学习。
我个人认为Transformer的路径只是阶段性产物，非常期待像Yan LeCun等所谓“理想学派”在严谨的演绎路径上实现突破，就像牛顿第一第二定律一样有精准的解析解的探索获得突破。一旦这条路走通，人工智能将再次实现一次里程碑式的突破，那时我们需要的算力和参数的规模就是线性关系，而不是类指数关系了，也就是说用比现在低成百上千倍的算力和电能，或等更精准的结果。
我们看看创新背后的资本。用数据说话，这个是在2020年到2024年四年期间中国和美国在人工智能领域里面的投资， 要冷静地看到美国在人工智能资本的投入比中国差不多大一个数量级。最值得关注的是，我们在早期的投资领域还远远不够。对比一下，美国每100笔投资里，大约有45笔投到天使轮的，大家知道在中国是多少？7.5笔左右，是一个汇率差甚至两节差距，这是系统性的错配，我们追随有方、原始创新不足，其结果就是一直在追赶的路上。
对天使投资和产业的结合我们有几点观察。
第一，人工智能，这是人工智能的Stack，从硬件算力到平台存储、模型、工具和应用。我们看全世界的钱被最底层这帮兄弟赚走了，算力、算能的供给侧获得的最大的收益，这也是新技术出现时的合理现象，但是我们希望这个三角很快倒过来做应用的人成为经济战场的主角，那个时候人工智能才会被真正证明超级有效。
从整体发展看，目前的模型已经呈收敛的趋势，具身智能在发展的早期，还有一段路要走。
AI硬件应用里硬件是中国创业者的天下，我们的硬件包打天下，中国有工程师红利叠加科学家红利，应用层靠产品创新，我们很强。中国企业创新的三大场景，第一个就是出海，第二个是软硬结合，第三个是结果递交，前两种潜力巨大，第三种主要是to B场景，在国内这个领域创业要艰难很多。
具身智能现在有很多底层的东西有待突破，大家都看到了机器人做Demo特好，你看机器人展会非常精彩，到运动会就拉跨了，但是这种现象已经在快速改但是在感知、策略、执行三部曲里，策略依赖大脑，这方面有待突破，这个领域的Chat GPT现象还没出现。究其原因，是原始数据的匮乏，我们现在大量的机器人公司融了钱要做数采，是因为没有足够的数据可以用，语言模型不一样，全人类的出版物都可以用的数据。
具身智能的突破还留了挺大的悬念，到底需要多久能突破现在还不知道。如果突破的快，我们今天领跑的具身智能公司就成功了，谁融钱多谁获胜机会就大，假如需要五年以上甚至更长，结果完全另外一个故事，我们对这个也得保持清醒的头脑。
做天使我们有几个感悟。首先，技术往往是最简单的，我们很容易陷到技术里，我们做十多年天使投资，最后发现技术往往最简单的。第二需要极大的勇气，投天使和投成长期不一样，处在探索未知的前沿，需要勇气。第三，遵从第一性原理，排除所有噪声，噪声对人的影响非常大。什么是噪声呢，我们经常遇到这种现象，就是几乎每天看到有很多投资发生，也有各种不同的论点，也会有原来看过但没投资的项目融资容得不错。这些应该当做是参考而不要成为判断的噪声。要相信自己的判断，你一旦判断就要敢于做决定，哪怕输也认了，这是天使投资人的秉性，敢于承担风险。好消息是天使投资容错能力比较强，投对一个就能弥补很多次错误的决定。
我们有几个例子给大家参考。刚才说到具身智能缺数据，我们投资了聚焦具身智能数据的诺亦腾机器人，创始人戴若犁的创业公司做动作捕捉，在全世界占了七成市场份额，我们跟诺亦腾的两位创始人商量，从母公司里面拆出来成立了诺亦腾机器人，领投了第一笔，公司专攻具身智能数据，现在冲在前面的机器人公司很多都是他的客户，他们的目标是做全世界最大的人类动作数据集，这个数据集能够高效低成本地泛化到本体上，这是躲不开的风口。
这我们做的另外一个天使投资，光帆科技创始人董红光是小米澎湃OS的一号位，在工业界，只有极少数人能做操作系统级的工作做好，我理解他们做的是人工智能硬件的安卓，简单说就是赋能华强北的硬件全部人工智能化。前面一代的操作系统只做了底层的连接，没有面向人工智能优化，他们解决了这个问题，非常值得期待。
我们另一个天使投资的人工智能硬件公司做了一款很可爱的小硬件Looki，应该是AI智能化最早跑出来的硬件之一，这是很好玩的东西，挂在胸前，把行为记录和总结做得很好，可以根据你的所有活动，自动生成VLOG的集子，起标题起得非常准确，连你的性格是什么都了解得的一清二楚，创始人孙洋和团队是卡内基梅隆的同学、美团、Momenta硬件出身的团队。
这些是我们和创始人共同做的一些探索，这些探索有可能对，也有可能错，但目前看肯定是领跑了，拿出来分享给在座创业者和投资人，这些探索沿着我们的思绪做得比较深，初见成效。人工智能这个星辰大海值得我们所有人all in，博取技术和商业突破的机会。
谢谢大家！