海外年轻人在关心什么？和耶鲁、宾大学子聊AI、泡沫与周期、机器人与未来能源

这个暑假，耶鲁创投俱乐部和宾大创投俱乐部先后带队来到峰瑞交流。丰叔和投资同事们与两波对创投感兴趣的年轻人各聊了一上午。

这样的交流已持续了几年，我们乐在其中。因为我们过往投资的创始人中，过半有海外学习或工作经历，我们希望能够尽早认识并支持更多海外华人回国创业。

每次见面，流程都很简单，大家围坐一圈，简单自我介绍，就进入对话环节。话题天马行空，从宏观形势到 AI、能源、生物医药、出海，再到创业的起心动念。

把两次交流放在一起，我们发现，身处海外的年轻人有很多共同关心的问题：技术会往哪里走，中国和美国各自还有什么机会，什么行业值得创业，自己该把未来押注在哪里。

我们挑了一些有代表性的问题，尽量保留现场原本的问答方式，分享给大家。

这些问题没有标准答案，我们只是把看到的公司、产业和周期变化一一摊开，希望能提供一种看问题的角度。

我们做早期投资，基本上是顺着技术周期往下看。新技术刚出来时，我们找不同类型的 0 到 1，看的是技术本身；到第二阶段，我们找的是这项技术最可能改变什么、哪里会发生最大的变化；再往后，就找泡沫下去以后什么场景真的用得上技术，看谁能把技术变成实际效率和商业价值。每个阶段投的其实不是同一件事。

所以做早期投资有一件事特别重要，就是 Identify the change，你到底有没有找到一个真正大的变化。如果是个小变化，托举不了太多新公司。做投资有句话，宁可蹲在一个金矿边上随便捡两块金子，也别低头在马路上捡钢蹦儿。 也有人说，早期投资就是投人，这句话百分之一百正确，没有任何争议。但在所有人都投人的情况下，谁能赚到钱主要取决于谁投对了大变化。一家公司的成功，大概六到七成取决于市场贝塔（Beta），剩下的三四成才看自身的阿尔法（Alpha）：Beta 决定你的发展基数有多大，Alpha 决定你在同赛道里能不能活下来、排第几。 如果在一个增长偏线性、竞争又激烈的赛道里创业，可能拼尽全力才比别人进步 1%，而这 1% 还很容易被有资金、人才、渠道和供应链优势的大公司追平。创业公司的机会，往往来自一个产业突然发生巨变：竞争规则变了，过去的优势会被重新计算，这时候小公司更可能找到位置。

真正值得创业公司去抓的时机，往往是产业突然拐弯的时候。 比如汽车，如果一直沿着燃油发动机技术来发展，中国企业要追赶宝马、奔驰上百年的工程积累很难；但从燃油发动机转向电机以后，产业拐了一次弯，原来的积累没那么重要了，中国在电机、制造业、硬件供应链上的能力反而能接上来，竞争局面就变了。手机从功能机到智能手机，生物医药从小分子药到大分子药，再到基因细胞治疗、AlphaFold 和 AI for Science，都是类似的拐弯。 所以看创业机会，最重要的不是“这个行业够不够大”，而是它有没有拐弯——只要拐弯足够大，巨头要转身也不容易，新公司反倒有机会。 但对投资机构来说，光看到拐弯还不够，还有一个时点问题。我们希望比市场早一点，能判断什么将要发生，而不是只看什么已经发生；是稍微ahead of time，但不能太早，要等十年、二十年才兑现同样不合适。翻译成投资的话就是：要在它还不热的时候投，但不能因为它不热就投——你敢投，是因为你知道它为什么以后会热。 所以我们大部分投资，是先判断变化在哪里，再判断变化大概什么时候发生。方向已经很热，通常意味着共识已形成；完全没人关注，也不代表值得投。 真正难的是在共识形成之前，找到那个正在发生、但还没被充分定价的变化。当然早期投资也有 random 的成分：有时创业者做的方向不一定是我们推演过的，但人好、事情有意思，也会愿意试一下。

如果只看人本身，可能跟有些人想的不太一样。对我们来说，最重要的是：他为什么要做这件事。 投资人通常是先看到变化再去找公司；创业者则不一样。他们往往在自己熟悉的领域里先直觉地感受到一些机会，或者相信了今天大多数人还不相信的未来，所以决定去做。他看到变化，更多是从经验里感受出来的，而不是推出来的。 这也是为什么“初心”重要。跟风创业也不是不行，每一波里都有 late mover，出来晚但聚集资源的能力特别强，一样能做起来；只是对投资人来说，跟风的人更难挑。我们更希望看到：在所有做同一件事的人里，他是那个最想做的，而且不是因为别人都做了他才想做。 这个为什么重要？因为创业本质上是一场长跑。那些最后成功的人，中间几乎都经历过若干次很绝望的阶段：公司快不行了、看不到出路，或者必须做艰难取舍。如果出发时的原因不够坚定，很容易在某个阶段就妥协，甚至算了。 其次是聪明和能力匹配。真正能把公司做出来的人肯定要够聪明，但不需要是最聪明的那个，top 15% 就行，不必非得 top 1%；同样重要的是能力和事情匹配，过去的专业、经验最好能对现在做的事有帮助——你一直做芯片突然去做制药，难度就很大。 第三是性格和判断力。真正做成事的人，既不会什么都不听，也不会别人说什么都听。他们能听得进意见，但会自己判断该采纳多少。 所以按顺序，我会看三件事：为什么创业、能力和事情是否匹配、心态是否开放且不盲从。很多时候，真正值得走的大路反而人不多，小路上才最容易人声鼎沸。我们想找的，是在大多数人还没拥挤过去时，就已经因为自己的判断开始往前走的人。

只要它叫泡沫，就没有不破的。但泡沫破了不一定是坏事。泡沫还在时，大家更关注故事；泡沫破了以后，才会真正关注应用，开始看谁能拿这个技术赚到钱、真正从消费者或企业手里收到钱。 互联网就是典型例子。泡沫破掉后，回头看当时上市公司讲的很多商业逻辑——线上购物、数字社交、在线服务，后来其实都兑现了，只是把它们做成的不一定是当初制造泡沫的公司。 大的技术发展本来就会经历很多轮周期：技术创新时市场放大想象力、形成 hype，其实是在奖励技术创新；泡沫破掉后噪音被消掉，市场开始看谁真能把技术用起来，进而推动应用的发展。 所以，如果认为这一轮 AI 泡沫正在接近尾声，投资逻辑也该变：更多的去投能拿 AI 真正去落地应用并赚钱的公司，而不是只拿 AI 继续讲故事的公司。

一个简单的判断方法，就是假定未来每一个 token 都要算账：谁使用 token 之后创造的价值高于 token 成本，谁才真正用得起 AI。 大模型和搜索引擎不太一样。搜索引擎背后是一个静态数据库，query 进来去检索、再呈现；大模型你每问一次它都要把问题放进模型里重新计算再生成答案，哪怕模型已冻结、只做推理，每次互动也都要计算，所以每次都有成本。 在 ToC 端，现在大家还没有特别感受到，是因为有人在后面补贴。一旦补贴减少、所有 token 都要算账，用户行为一定会变：你今天很自然地把 AI 当搜索引擎用，但如果你每问一次都要付钱，还会不会什么都拿去问？肯定有一部分需求会消失。 关键问题就变成：什么样的需求值得花这个钱？要么让他用 AI 的成本低到没感觉，要么功能价值明显高于 token 费用。像金融这类高价值任务，模型能快速帮你完成原本要几十分钟、几小时才能做完的事，你多半愿意付钱；如果只是完成一个价值很低的动作，token 再便宜也可能是负担。 在 ToB 场景，我更看好几类基础条件已具备的公司：原来就有数据积累（专有壁垒）、原来就有客户（不必重建整套销售关系）、本身已有数字化的业务流。这样 AI 加进去能直接体现为降本或增效，才容易真正用起来。 再往后还有一个变化。过去几年大家一直在比基础模型能做什么、参数多少、能力边界扩得多快；当模型能力差距开始缩小，token 越来越像标准化云服务，智能本身越来越商品化，真正拉开差距的，会变成谁能用更低的成本提供足够好的智能。

我们大概三年前开始有具身智能这个投资主题，当时一个很重要的判断是：如果一项新技术恰好需要和复杂的硬件产业链结合，最后变成一个新的科技产品，中国通常比较有优势。 看过去的例子：无人机需要飞控、图传、传感器和精密制造能力；智能汽车既有电池、整车制造，也有毫米波雷达、激光雷达、视觉传感器、AI 芯片等等。机器人也符合这个逻辑，所以我们当时判断要投：这是中国有积累、也擅长，且过去反复证明能做到全球领先的一类事。 对于“机器人造机器人”这个美国叙事，还是需要回到：你得先有机器人。 今天机器人面临的挑战，不是能不能做出一个人形，而是很多落地过程中的控制和决策问题没解决好，把 demo 做出来不等于真正能干活。世界模型也好、生成高维数据也好，本质上都指向同一件事：今天的机器人还不够智能。 假设这一轮机器人的热度开始下降，所有公司都要回答一个更现实的问题：我的机器人怎么赚钱？ 一旦要求赚钱，它就必须进入真实场景，只有在商业场景里活下来，技术才会进入下一轮迭代。到那时竞争重点会变成：谁的应用更多、场景更多、数据更多、成本更低。 把这几条放在一起，中国优势明显——具身智能下半场的竞争，已经不只是比谁先做出机器人，而是比谁能让机器人进入足够多的真实场景，并用数据和成本优势推动技术继续进化。

新能源肯定已经不是 0 到 1 的阶段了，但 AI 把能源问题重新推到了非常重要的位置。 我以前讲能源会用一个“能源和能源转换器”的框架：历史上每一次当新的能源和新的能源转换器被一个国家较好地掌握，都可能改变它的产业能力和国际竞争力。 打个比方，马既是能源使用者又是转换器，它是欧亚大陆古代强权的重要工具之一；英国靠煤和蒸汽机一度做到了生产力领先；美国很重要的一段产业优势则来自石油和内燃机。 站在今天往未来看，主要有两条路。一条路是继续提高利用太阳能的能力，包括风光水电，对应的能源转换器是电机、电网，本质上都是更高效地收集、转换、使用能源；另一条更远的路线是可控核聚变，相当于人类自己造了一个太阳。 我的判断是技术发展有次序：我们可能要先学会更好地利用太阳，再变成太阳。这不是说可控核聚变不重要，而是前一条路可能还有大量事情没做完。

我们先看中国企业在国内到底形成了什么竞争能力。过去一段时间，很多行业竞争都非常残酷，把价格压到很低、利润也不一定好，却把供应链、产品迭代和组织效率都卷了出来。

在国内不挣钱，卷完效率再在出海中获利，这可能是理解今天很多中国企业出海的一个起点。 出海大概分两个方向。一类是中国已经卷出的新技术或中高附加值新物种，比如 AI 硬件、新能源车、智能硬件，有机会直接去发达国家；另一类是偏中等附加值、核心竞争力来自供应链极高效率的传统产品，更适合去发展阶段小于等于中国的新兴市场，比如东盟或“一带一路”市场。 这里有一个我也有点诧异的观察。原以为国内价格已经卷成这样，到支付能力低一些的东南亚只能卖得更便宜；但有些企业的反馈不是这样——一些在中国很日常的消费品，到东南亚反而被看成有品牌属性的商品，有点像 2003 到 2010 年的中国：当时很多海外品牌在中国卖得比本土贵，消费者仍愿意“够着买”，现在一些中国品牌到新兴市场也是如此。 所以，出海不能笼统地问“海外有没有市场” “该去欧美还是东南亚”，更重要的是先回答：你在国内到底卷出了什么能力？是技术和产品创新，那有机会去更成熟的市场；是极致的供应链效率，那么在新兴市场里会有优势。

我先不直接回答“要不要回来”。从中美跨境投资的角度看，两边已经经历了几个阶段：科技战、贸易战大概从 2017、2018 年开始，前面割裂得比较快；2021 年回国的人比较多，2022 年下半年到 2024 年初不回国的多， 2024、2025 年起回国的又变多。但我们不能只看短期的人员流动，还是要先看技术和产业本身发生了什么。 历史上的技术发展大致都经历三个阶段：原创技术周期，从 0 到 1；然后大家开始赋予它应用端的想象力，去想它最后可能最大地改变什么；最后才逐渐普及，在各行各业产生大量应用。 拿这一轮 AI 来说，2022 年底到 2025 年初，中美市场最关注的都是基础模型，是典型的 0 到 1。到应用想象阶段，两边出现了差异：美国的产业数字化程度高，很自然往各种 Agent 方向走，从 coding agent 到各种数字化场景里的 Agent；中国有更长的制造业和硬件产业链，大模型更容易跟芯片和传感器、硬件、具身智能结合。不是说美国没有机器人、中国没有Agent，只是两边最容易长出来的应用不同。第三个阶段其实还没真正到来——今天除了 coding 和少数数字化程度很高的企业，大部分行业还没大规模把 AI 用进实际生产。 所以，海外年轻人到底该去哪里，很难只从“中国还是美国”来回答。还是要看你想做的事情处在哪个技术阶段、产业下一步往哪走，以及你的能力在哪种产业环境里更容易发挥价值。