码观｜中国AI创业者的“生死”抉择：模型先行or应用先行？
2025码荟投资人年会上，一场关于中国AI创业路径关键抉择的思辨...
在波谲云诡的科技浪潮中，中国AI创业者正面临一条关乎长期价值与商业格局的战略性抉择...
近日，在2025码荟投资人年会上，一场关于"中国AI创业路径选择"的辩论和平开辩。
码荟成员银河通用机器人副总裁陈旸、Meshy CFO胡雨薇、诺因智能创始人李银川组成"源队"，代表"模型优先"；捏Ta创始人胡修涵、心影随形创始人兼CEO刘斌新、源码律动管理合伙人黄云刚组成"码队"，代表"应用优先"。源码资本AI投资人李露霖担任主持人。
模型vs应用，哪条路径更能"Go Big"，哪条路径能让中国创业者走得更远？李露霖开场抛出了尖锐问题。她说，作为AI投资人，这个话题每天都要在脑海中左右互搏几百次。"Go Big"绝非盲目追逐规模扩大，而是基于商业模式和底层规律的深刻洞察，构建高质量的未来格局，创造持久真实的价值。
开场前，现场嘉宾对两队进行初始投票，应用优先以压倒式比分胜出。
在接下来的一个多小时里，六位嘉宾从窗口期、评估指标、商业模式到技术路径，展开了一场坦诚而激烈的思想交锋。
结局，会如你所料吗？
以下为保留原意的精华内容分享：
"Go Big"并非仅仅是规模的扩张，更关乎价值的深度与广度。请各位嘉宾首先介绍公司业务定位，并阐述你对"Go Big"的独特愿景，即如何定义"更好的商业模式"和"更长期的用户价值"。
我们专注于具身通用智能机器人领域。我们的"Go Big"愿景，是基于我们开发的通用具身智能大模型，实现机器人对千行百业的深度服务渗透。最终目标是让这些智能体不仅成为工业生产中的关键劳动力，更能以高性价比、高可靠性走进亿万家庭。
我们提供AI驱动的3D生成工具，目前已服务全球数百万用户。我们对"Go Big"的理解，是成为3D生成领域的标准制定者与基础设施。当任何用户，无论是专业创作者还是普通消费者，产生3D生成需求时，首要想到的便是Meshy。这意味着我们的技术必须具备极高的生产力效率和不可替代性，定义下一代3D数字资产的创作流程。
作为面向家庭To C赛道的具身机器人初创公司，诺因的"Go Big"体现在市场渗透率与用户心智的深度占领：通过全栈自研，实现全球千万级出货量，将诺因智能机器人打造为家庭的"必需品"，而不只是"尝鲜品"。这种大规模、高频次的深度绑定，是长期价值的体现。
我们致力于帮助年轻人塑造AI虚拟形象，并创造幻想内容。我们希望捏Ta能成为线上AI驱动的"迪士尼"，通过技术赋能的虚拟形象和互动体验，孵化出新的文化IP和社交生态。"Go Big"在于释放用户想象力的巨大商业价值**，构建一个以AI为驱动、以UGC为核心的虚拟文化高地。最终成为年轻人自己的人生无限体验。
我是源码律动黄云刚，代表一级市场早期投资人视角。对我来说，"Go Big"就一句话："投到AI时代的伟大公司**"。**伟大不一定体现在单一指标上，而是在长期维度上持续创造价值，并且有足够厚的护城河。
我们做的是AI游戏伙伴，海外名叫"HakkoAI"，国内叫"逗逗游戏伙伴"。目标是通过特定场景的深度理解，让玩家在游戏过程中拥有一个真正懂自己的AI同伴，我们现在服务超过1500万用户。我们的"Go Big"是为全球游戏用户提供AI伙伴，给他们带来快乐。
01
第一回合 生存与壁垒——死咬"窗口期"与"先天优势"
源码资本李露霖｜主持人：无论路径如何选择，"活下来"是"Go Big"的前提。请问各位，你认为自己必须"死咬住的窗口期"是什么？而你的最大"先天优势"或壁垒又将如何确保你的长期竞争力？
**诺因智能 李银川 | 源队/模型队： **
作为一家To C系的家庭机器人公司，我们的核心壁垒有两个：一是全端自研能力。这不仅体现在模型层，更体现在硬件成本控制和供应链优化上，能够将机器人的综合成本降至一些消费者可接受的区间，同时把体验做好。二是我们有很强的大模型的数据飞轮和自研能力（包括新架构），能真正解决用户的家庭需求。
诺因智能创始人 李银川
银河通用 陈旸 | 源队/模型队：
我们的先天优势在于多年积累的机器人产业经验和全球顶尖具身智能科学家团队。具身智能赛道仍处于早期，我们希望将当前的技术突破转化为产业吸引力，把"技术之窗"拓宽为"产业之门"，最终变成"通往未来的凯旋门"。现阶段我们的任务是通过我们的合成数据技术让机器人真正大规模落地，未来探索更多具身智能技术，让这条路越走越宽。
**心影随形 刘斌新 | 码队/应用队：
我们认为最大窗口是抓住模型的AI红利，积累用户洞察，特别是数据，再形成数据闭环。AI变化太快，最重要的壁垒是快速迭代能力，以及形成生态壁垒——数据、上下游、品牌认知和用户心智。
**捏Ta 胡修涵 | 码队/应用队：
我认为现在最宝贵的资产，是那群过去在传统应用里被忽略的 "新创作者" ，**他们做可视化、具象表达可能不强，但在"设定"和"想象"方面非常有天赋。在我们的社区里，已经有八九万这样的创作者，在塑造自己的角色、构建自己的世界。
我觉得他们才是真正能把AI模型红利不断放大的那群人。随着模型越来越强，像Sora这类模型出现，加上算力成本未来有望下降到接近移动互联网时代流量费的量级，这类应用会迎来一次真正的大爆发。
Meshy 胡雨薇｜源队/模型队**：**
大家刚才提到的很多应用优先的例子，确实是建立在已经有很好用的大模型基础上的行业。但对我们来说，3D AI目前没有一个完全可用的现成大模型，传统CG的生产速度跟不上，我们必须从模型开始做。对我们来说，需要在未来三年内，定义出3D生成的"标准"。让一个普通用户也可以从零开始，用3D生成非常方便地把自己想要的东西构建出来。
Meshy CFO 胡雨薇
02
第二回合 落地之证——"骗不了人的指标"
**源码资本李露霖｜主持人：想请大家坦诚地讲讲，你们怎么评估自己的PMF和Best Practice？有哪些是你们内部认定"骗不了人的指标"？原来互联网时代那些常用指标，在你们这里有哪些已经不Work了？
**捏Ta 胡修涵 | 码队/应用队：
竞争环境的改变导致很多互联网指标不work了，当年是增量环境，注意力容易争取，内容稀缺。现在很难像以前那样"三次点击就能洞察喜好"。
在我们这种新的社交/内容创作场景里，有一个常见误区：大家习惯用"工具目标导向"的方式去看所有体验——只看最后产出的作品数量和质量。
但在我们的产品形态中，生成的过程本身就是价值所在。因此在内部度量上，我更看重用户在生成过程中的参与频次、消耗的"电量"，也就是用户在这里主动创造的次数和意愿。
简单说，我们量化的是用户愿不愿意持续"投入创造力"**。
捏Ta创始人 胡修涵
心影随形 刘斌新 | 码队/应用队：
我觉得过去互联网很多**"经典指标"确实已经不成立了**。以AI Chatbot为例，很多人原来非常关注日对话轮数、对话时长，但如果真从用户体验出发，最理想的情况是我一个提问，把相关问题都讲清楚，你一次把所有问题答完，直接给出结果。在这种情况下，一轮就解决问题，反而是最佳体验**，轮数越短越好，而不是越多越好。
同样道理，过去互联网里很流行的"MVP、小步试错"方式，在今天很多时候也不完全成立——技术本身变化太快，你刚验证完一个小版本，模型迭代可能已经推翻了一半假设。同时，现在不成立、做不好，不等于未来不成立，因为技术在快速进步。
对我们来说，更重要的是用户是否真的在用AI伙伴解决游戏里的实际问题，会不会主动要求我们支持更多游戏和场景。 这些行为，远比对话轮数、时长更真实。
源码律动 黄云刚｜码队/应用队：
站在早期投资人的视角，越来越感受到一个关键变化：过去一年，越来越多创业团队只需要3、5人，就可以做出不错的 AI 应用，成本比上一代创业低很多，模型预训练的边际收益在下降，反而是后训练、问题定义、场景选择，变得更关键。
诺因智能 李银川 | 源队/模型队：
从家庭机器人角度，PMF在早期会关注不同人群愿意花多少钱去购买机器人，会看重机器人有哪些能力。后期则会关注有没有真正解决家庭需求，包括机器人的出货量、家庭每日的使用频率、使用时长等。
也有很多传统指标不再适用。从软硬一体的角度，比如起步阶段大家会很关注"毛利"，但对于家庭机器人来说，初期的硬件成本一定比较高，只要能解决真实用户痛点，随着产业发展，成本会明显下降。这可能区别于一些更传统的智能家电领域的毛利率评估。
Meshy 胡雨薇｜源队/模型队：
从3D生成来看，我们关注资深用户每天花在这里的时间和黏性——他是来玩一下就走，还是真把我们当生产力工具、每天花几个小时生成能直接用于生产的模型。以及他生成模型的复杂度——是想到idea就随便试试，还是能直接在我们这儿生成非常复杂的、带有骨骼绑定的模型，直接用于生产。
银河通用 陈旸 | 源队/模型队：
我们是ToB场景的机器人，它不是产品或工具，而是直接劳动力，从这个角度看PMF，一是雇佣者是否会为他买单，二是它的同事们是否觉得它好用，对他有没有意见，三是它服务的客户会不会买单，有没有差评。
多互联网指标在我们创业中都没被提及过，但今天这个机会让我反思，可以更开放把互联网产品要素引进来衡量机器人产品。坦白说，机器人产业整体还缺少优秀的产品经理，这使得技术能力与市场需求的匹配效率还很低。未来我们可以考虑更加开放模型能力，通过海量用户的真实反馈和互动，来决定资源的投入方向，实现产品导向的逆向驱动。
公辨：坚守各自堡垒，or 倒戈？
源码资本李露霖｜主持人： 接下来进入今天最热闹的环节——公辩。规则是这样，每方嘉宾分别说："为什么我觉得自己这条路，应该成为第一个要构建的壁垒。比如模型队说，为什么模型该先行"，一方说完，另一方马上派出一位嘉宾来battle，先到先得，谁先抢到话筒谁先说。好，3、2、1……斌新先来！
心影随形 刘斌新 | 码队/应用队：
刚才投票已经表明了问题。我们认为Go Big就是赚取足够的用户、足够的利润。从过去科技革命看——电气化革命、互联网，最开始都是基础设施先行，但最后赢家都是各行各业的应用。这一轮AI也一样，刚才陈阳总提到，现在最缺的是产品经理。产品经理在做什么？做应用，不是做模型。我想问对方，现在模型非常同质化，最后能有几家活下来？能拿到足够多利润吗？
心影随形创始人兼CEO 刘斌新
银河通用 陈旸 | 源队/模型队：
我对利润是Go Big核心要素这个说法，完全持否定态度。利润最多的是谁？直播可以算一个。你看哪个直播公司是非常big的公司吗？所以一切都基于模型。我们机器人产业跟大模型还有不一样，因为我们的基模还没成熟，我们都在打造基模。机器人二十多年了，之前都是应用先行，各种AGV、各种分拣，为什么没有Go Big？因为没有东西能打通应用。在这个阶段，模型是能打通应用的核心。模型技术让更多需求汇聚在一个技术基础上，不断提升这个基础就可以Go Big。
捏Ta 胡修涵 | 码队/应用队：
作为整体来说，寡头化的基础设施企业，在缺乏持续超额利润的情况下，你觉得可以接受的Go Big定义吗？我们面向整个行业，始终希望保持超额利润，保持定义赛道、持续进行迭代的话语权。上一代互联网中，推荐系统这样的核心技术变革，是由应用公司在合适场景上找到持续数据闭环完成的。短时间内通用大模型定义可能帮助公司获得更好切入点，但Go Big始终要在应用层回答。
诺因智能 李银川 | 源队/模型队：
今天辩论的是如何"Go Big"，但听起来你们说的是如何活下去。公司的估值增长三五倍和增长一万倍，完全是不同概念。真正的"Go Big"，是完全创造新品类，占领消费者心智。任何有望达到万亿级规模的AI企业，靠的都是极强的研发和底层模型能力，而非单纯的用户增长。AI更多的是生产力而非社交应用，因此很难去垄断消费者，消费者往往更愿意为最好的生产力付费。
捏Ta 胡修涵 | 码队/应用队：
对方辩友把问题转化成了谁在后期更重要，但我们辩题是应用先行还是模型先行。我们不否认，后期应用公司中也能孵化出核心技术模块。但核心问题是如果缺乏应用场景定义，我们很难洞察基于新技术带来的新需求。AI时代，新需求永远是Go Big最重要要素。在巨大技术变革时代，我们讲代际、人群、资源分配力量的变化。最大机会体现在新人群的新需求上。如何观察到他们在新技术下做了新事情，才是先行的意思。
源码律动 黄云刚｜码队/应用队：
我们码队内部讨论过。现在语言模型预训练的涌现能力边际收益越来越低。对模型厂商来说，要突破模型某方面能力，就需要找场景和应用。现在收益比较大的是后训练，尤其RL这块。怎么把任务定义清楚？就要找应用。否则你拿到的数据，其他模型厂商也能拿到，你的模型不会比别人更好。
源码律动管理合伙人 黄云刚
银河通用 陈旸 | 源队/模型队：
今天辩题很有意思——模型先行还是应用先行。第一，今天机器人行业和传统互联网行业的模型状态和应用状态都不一样。作为机器人行业，当今肯定是模型先行，因为还没有成熟基模，完全没有任何应用可言。第二，GPT-2、GPT-3时也有些可作为应用的能力，但到GPT-4时，很多GPT-3的应用就消亡了——因为模型先行后，会把原来能力直接做出来。如果以Go Big为目标讨论，肯定要模型先行，才能打开整个市场规模。
Meshy 胡雨薇｜源队/模型队：
我们和互联网时代最大区别是——现在AI发展太日新月异，留给应用的时间没那么多。
诺因智能 李银川 | 源队/模型队：
真正收益高的行业，往往是新兴行业，而核心机会其实藏在新需求里。如果有新需求，却没有现成模型能满足，那么不先把模型做出来，后续的应用又从何谈起呢？要是需求仅靠一个模型通过简单的后训练就能满足，那这不是新需求，可能只是大型模型厂商或互联网厂商不愿意做的小需求。
Meshy 胡雨薇｜源队/模型队：
补充一句，做模型的投入是相对内部可控的，但做应用要交给大模型厂商的钱可能就没那么可控。
心影随形 刘斌新 | 码队/应用队：
我们不需要直接调API。我们可以拿开源模型自己部署，并不是给模型交税。
捏Ta 胡修涵 | 码队/应用队：
如果模型的核心要素主要来源于新的场景，通过建立reward、建立人在其中的数据反馈来推进模型，那本质上对方也在支持我们应用先行的观点。
源码律动 黄云刚｜码队/应用队：
今天讲的场景有个约束条件——中国创业者应该从模型出发还是应用出发。中国资源总体是稀缺的，过去语言模型有六小龙还是九小龙，但现在真正做模型投入巨大。机器人具身模型会不会也是同样情况？
银河通用 陈旸 | 源队/模型队：
中国赛道上，确实有窗口期。我们需要抢占更多资源保证技术路径和长期发展在产业核心位置。但我们机器人一定是先把基模做出来后，再考虑应用层的事情。一定是模型先行。
银河通用副总裁 陈旸
诺因智能 李银川 | 源队/模型队：
刚刚举的很多例子都是大语言模型相关的案例。但在机器人赛道、具身智能领域，我们并没有慢于美国，我们在同一起跑线。同时我们这个行业的算力是充足的——因为在起步阶段，具身智能没有大语言模型那么多数据，任何一家公司都有足够的资源训练模型。在这样同等的起跑线上，未来三年，一定是模型优先带来的机会更多。
源码律动 黄云刚｜码队/应用队：
哈哈，倒戈一下。语言模型从应用会好一点，具身模型是要先做模型，确实太早了。对我们来说，模型出发和应用出发我们都要投，关键能Go Big。
和平结辩：AI, by everyone, for everyone
主持人｜源码资本李露霖： 好，我们现在把主动权交给现场的观众，我们开启第二轮投票。请大家拿出手机再来扫码，最终比分揭晓，有些意外，从一开始的应用一边倒优势到模型53.2% vs 应用46.8%。接下来我们请源队和码队各派出一位代表，第一是看看这个结果你有什么意外，第二做一下总结，最后送给我们现场一起在AI路上同行人的一句话。
最终比分，模型队反超应用队
诺因智能 李银川 | 源队/模型队：
这个结果我有一定预期，大家可能会习惯性得觉得做应用创新更重要，但逐渐的会意识到在AI行业重心要放在模型上。这其实与中国科技圈发展的必然趋势有关——创业归根结底是人才的竞争。我从美国留学回国后加入了国内研究院，成长过程中明显感受到一个变化：2015年以前，AI领域基本是美国影响中国；2015到2025的这十年间，这一局面发生了巨大转变，从AI顶会的中稿作者数量中也能看出，如今大部分AI人才其实都集中在中国本土。有了这么多人才的汇聚，我们有足够的实力研发出优质的模型、打造出独具开创性的用户体验，以此抢占新赛道。这种人才汇聚、技术突破的态势，会在未来五到十年愈发显著。未来，在中国的赛道上，必然会涌现更多能够"Go Big"的公司，这些公司也会凭借更优质的文化吸引全球人才。
**捏Ta 胡修涵 | 码队/应用队：
这个结果并没有让我特别意外。我恰巧学生时候做机器人，做SLAM这些基础东西，工作生涯中都在做应用为主。我能理解，在有巨大先发可能性机会上，大家对模型的重视度。
我们在做Go Big应用过程中免不了清楚思考模型、自己定义模型的post-training、定义最终需求的优化目标。我们一方面在谈新需求，另一方面其实所有的需求都是老需求，只是技术enable的新场景。所以在技术enable新场景去解决旧需求的过程中，模型变量在其中也起到了作用。
但我们会思考在一个场景中，一个需求角度，怎么样能看到用户？怎么样先把用户实验和思考做透？这可能也是模型侧现在在资源和方向上力量还不足的地方。我们希望整个行业能把问题定义为：怎么思考场景和评估标准。这样才是对应用和模型的更优视角。**
**源码资本李露霖｜主持人：**刚刚在台上我扮演了两队分界线，但实际在平时工作中，我更愿意当一座桥梁。因为今天辩论告诉我们，这并不是一场你死我活的零和博弈——没有模型，应用就是无源之水；没有应用，模型只是空中楼阁。
AI是由每个人，也为每个人（by everyone, for everyone）。这是一场在巨大不确定性下，也在无限可能性下，不同路径的builder，彼此较验、互相提供灵感的行业探讨。再次感谢六位嘉宾的参与，谢谢大家，也谢谢在座的各位。
源码资本AI投资人 李露霖
