云启陈昱：技术范式转移时，长期机会从不线性发生｜云启洞察

云启资本·2026年6月4日

在变量中看见长期

2026 年即将过半，AI 与真实世界的连接正向更深处延展。

AI Agent 从概念热词走向真实应用，具身智能、智能驾驶等物理 AI 赛道持续升温。行业关注的重点，也从"技术是否足够领先"，进一步转向"能否进入真实场景、形成稳定交付与商业闭环"。

当新技术范式出现，长期机会往往不会沿着直线展开。它需要技术能力的跃迁，也需要需求、成本、供应链与商业环境等变量共同成熟。

近日，「投资界」发布与云启管理合伙人陈昱的视频采访。陈昱分享了云启对技术变量、产业爆发与创业公司护城河的思考。

本期**「云启洞察」**摘录其中核心观点，与大家一起观察技术范式转移中的长期机会。

机会往往发生在变量出现的时候

我们看投资机会，往往会关注一些关键变量的变化。宏观政策、技术范式、商业环境，都可能成为产业变化的起点。

一旦变量出现，就需要敏锐捕捉信号，并提前做相应的投资布局。

以机器人和自动驾驶为例，云启最早关注这两个赛道是在 2016 年。当时，中国人口结构正在发生变化，老龄化与少子化趋势逐渐显现，未来劳动力短缺可能成为长期问题。

如果劳动力供给发生变化，用科技手段补充劳动力就会成为一个重要方向。过去十年，一方面劳动力成本持续上升，另一方面机器人、自动驾驶等技术快速发展，供应链逐渐成熟，相关产品和方案的成本也在下降。

当真实需求存在，并且能够以更低成本被满足，行业爆发的条件就逐步形成了。

大模型产业相对更年轻。它真正爆发的起点，是 2022 年底 ChatGPT 的发布。此后，整个行业像被点燃一样迅速发展。

这也验证了我们此前的一个判断：新技术范式的出现，可能会带来全新行业的爆发。

2021 年，云启认识了 MiniMax 创始人闫俊杰。当时机器学习领域主流做法，还是针对不同任务训练不同的小模型。闫严俊杰向我们介绍了基础大模型的技术路径：当参数量上去之后，一个模型有可能解决多类问题，而不再需要为每个任务单独训练一个专属模型。

在一个崭新技术范式出现的早期，云启选择投资了 MiniMax 的天使轮。

今天回看，大模型的能力进展非常快。它未必能在所有问题上做到 100 分，但已经能够在大量场景中达到足够可用的水平，并且相比过去的小模型路径有明显优势。

过去，一个团队有好的产品想法，首先要考虑的是技术上能不能实现。

但现在，大模型具备了强大的通用能力，很多问题都可以相对简单地通过大模型解决。这带来了一个重要变化：创业团队可以把更多精力放在产品定义和场景理解上，而不是从零开始解决所有技术实现问题。

这也带来了某种意义上的"技术民主化"。创业者不一定需要非常庞大的工程团队，也可以通过大模型生成代码、提示词工程、上下文工程等方式，完成过去更大团队才能完成的产品开发。

在这种变化下，一个 10 人左右的 AI 小团队，有可能做出过去 100 人团队才能完成的产品，甚至做得更好。

大模型能力越强，AI 应用创业的机会越多，但挑战也更大。

因为原本属于创业公司的部分机会，大模型公司自己也可能做掉。因此，我们看 AI 应用投资机会时，会特别关注一个问题：创业公司的护城河在哪里？

一个好的 AI 应用，首先需要真正理解用户需求，熟悉所要解决的问题和具体场景。其次，它需要具备一定的数据壁垒。如果相关数据大模型公司自己也有，那么这个问题大概率也可能被大模型公司直接解决。

此外，AI 应用公司还有一个不同于大模型公司的优势：大模型公司往往主要使用自家模型，而应用创业公司可以调用和协调多个大模型，取众家之长，以更好的效果和更低的成本完成任务。这也是大模型公司自身未必容易做到的地方。

科技投资中的长期机会，往往并不是线性发生的。

以自动驾驶、机器人等硬科技赛道为例，从技术验证到产品成熟，再到真实场景中的商业化爆发，中间通常需要经历漫长的工程打磨、场景验证和产业周期波动。

很多长期机会并不是线性发生的。中间任何一个关键决策做错，或者创始人没有坚持下来，项目都可能失败。

未来几年，通用人工智能大概率会到来。届时，整个世界会发生新的变化，也会为创业和投资带来新的机会。