陈昱谈科技投资：热潮之下，什么才是长期价值？ | 云启洞察

具身智能热潮之下，哪些是真正的技术进展，哪些是泡沫？当世界模型、VLA 等路径仍在演进，百万小时级高质量数据尚未真正到来，投资人又该如何判断一家公司的长期价值？

近日，云启管理合伙人陈昱做客视频播客「来点深渡」，对话深渡资本管理合伙人邵予佳，聊到了不少当下行业正在热议的问题。

这些判断背后，也是一套形成于 12 年科技投资生涯中的方法：从云计算、机器人到大模型，再到今天的具身智能与未来科技，如何在技术范式不断变化时，找到真正值得长期下注的方向。

这场对话从一件哆啦 A 梦 T 恤开始。这个陪伴陈昱长大的动画角色，也承载着他最初对科技与未来的想象。

---

以下内容整理自"来点深渡"访谈，文字经编辑

从哆啦A梦

到科技投资的初心

邵予佳： 你穿的是哆啦 A 梦的 T 恤，是比较喜欢哆啦 A 梦吗？

陈昱： 对，我从小其实就蛮喜欢哆啦 A 梦。你知道哆啦 A 梦每次掏出宝贝，我都特别想拥有。

邵予佳： 哪些宝贝让你特别印象深刻、特别想拥有？

陈昱： 记忆面包。我小时候特别讨厌背书，如果吃了记忆面包，内容就能够全部背下来，而且毫不费劲。

但其实你看现在有了大模型以后，很多知识性的东西，人类也不需要自己去记忆了。大模型某种意义上就是人类知识的一种压缩和呈现，我们用另外一种方式实现了哆啦 A 梦里面的"记忆面包"。

如果说现在我最想要的，肯定是任意门。因为我现在出差太多了，如果我能够从上海到新加坡只需要 5 秒钟，而不是像现在一样花 5 个小时，那会非常好。

邵予佳： 我感觉你是一个很有好奇心的人。你觉得哆啦 A 梦和你的共通点还有哪些？

陈昱： 哆啦 A 梦就是我去窥见未来的一个窗口，也是我当年做投资的一个初心——希望通过科技投资，给这个世界带来一些正面的影响。

邵予佳： 所以你觉得，一个好的投资人应该有哪些特质？

陈昱： 第一个肯定是要有好奇心，第二个肯定也是要有信仰。

特别对于早期投资人来说，你陪伴创业者至少是 8 到 10 年的时间。如果你不坚信创业者正在做的事情，不相信未来美好的事情必然会发生，你是很难做到长期陪伴的。

邵予佳： 信仰有崩溃的时候吗？

陈昱： 肯定是有崩溃的时候。因为这个世界不会永远按照你预想中的方向发展。投资本身是一个概率游戏，只要你的赢面比别人大的话，那你就可以在这个市场上生存下来。

邵予佳： 12 年投资生涯，什么让你 12 年如一日地坚持？

陈昱： 其实也是有动摇的时候。特别是 2021、2022 年的时候，你突然发现科技的发展到了一个瓶颈期，没有那么多让你兴奋的东西出来，再叠加整个疫情影响，所以当时不只是我，可能整个行业都处于低潮期。

那时候我自己会思考一个问题：如果这个世界的科技不再发展，那我做科技投资的目的是什么？意义在哪里？

但非常幸运的是，到了 2022 年底，ChatGPT 横空出世，一下子给大家打开了一个新的世界。大家开始做 AI 投资，从 AI 应用，到物理 AI，再到未来我现在在看的 Space AI，不断有新的、让人兴奋的科技出来。

我觉得这就是我继续做投资的一个动力。

没有所谓"大年""小年"

每一年都有新的机会

邵予佳： 在你这 12 年的投资生涯里面，你经历过多少周期？不同阶段在投资策略上有什么比较大的变化？

陈昱： 从大的资本市场来说，一般 4 到 5 年会有一个周期，可以广泛定义为二级市场的牛市和熊市，一二级市场某种意义上也是联动的。

但如果从行业来看，我不认为过去 12 年里面有所谓的"大年""小年"。因为每一年里面，你可能某些行业发展得比较好，在另外一些年份，其他行业可能发展得比较好。每一年总是能够找到发展比较好的行业。

从大的资本市场来说，一般 4 到 5 年会有一个周期，可以广泛定义为二级市场的牛市和熊市，一二级市场某种意义上也是联动的。

但如果从行业来看，我不认为过去 12 年里面有所谓的"大年""小年"。每一年都会有一些行业快速发展，只是机会分布不同。

我个人来看，最早关注的是云计算的机会。当时企业服务大规模上云，带来了对于云计算基础设施的需求。

到了 2016 年左右，我开始关注机器人。因为当时人口结构变化趋势逐渐显现，我意识到未来中国可能会面临少子化和老龄化，机器人可能成为补充劳动力的重要方向。

顺着机器人方向，我也开始关注自动驾驶。从某种意义上来说，自动驾驶也是最早一批具身智能机会。

但大家也能够看到，一个技术从实验室 demo 到最终商业化落地，通常需要接近 10 年时间。在这个过程中，技术不断成熟，成本不断下降，最终只有做到便宜、好用，商业化才能真正实现。

所以我们现在看具身智能，也认为它至少还需要 5 到 10 年时间才能大规模普及。

早期投资拼的

不是信息差 而是认知差

邵予佳： 那不同阶段，你分别在主流领域关注什么？

陈昱： 我个人来看，最早关注的是云计算的机会。当时企业服务大规模上云，带来了对于云计算基础设施的需求。

到了 2016 年左右，我开始关注机器人。其实大家也知道，2015 年国家废除了实行了近 30 年的计划生育政策。比较敏感的人可能会想到，未来中国的人口结构可能会出现少子化和老龄化，所以机器人可能会有补充劳动力的机会。

顺着这个方向，我也开始关注自动驾驶。从某种意义上来说，自动驾驶也是最早一批具身智能机会。但大家也能够看到，一个技术从实验室 demo 到最后落地，实际上需要接近 10 年时间。

在这 10 年里面，技术不断发展成熟，成本快速下降。只有做到便宜、好用，商业化才能真正落地。所以我们现在看具身智能，也认为它至少还需要 5 到 10 年时间才能普及。

邵予佳： 你刚刚聊到企业服务和云计算那一波，你觉得那一波泡沫会比较大吗？

陈昱： 其实每一波都是有泡沫的，如果没有泡沫，一个行业很难得到大发展。因为有了泡沫，资本才会大量把资源投入进去，吸引更多优秀人才，推动行业发展。

邵予佳： 你觉得相比其他投资人，你有哪些特质，导致你能够投到更好的公司？

陈昱： 我感觉就是务实。我毕竟是工程师出身，不太容易在技术方面被忽悠。

现在很多人出来创业，新的名词层出不穷，履历也都很光鲜。如果你真的不懂科技、不懂行业，很容易被这些背景和创始人描绘的愿景影响，甚至容易上头。

邵予佳： 你的 Google 工程师背景，在具体项目判断里发挥过作用吗？

陈昱： 我觉得比较经典的例子就是 PingCAP。PingCAP 做的是分布式数据库，本质上是把 Google 内部使用的分布式数据库做了开源实现。当时它融 A 轮，聊了市面上几乎所有主流基金，但很多机构并没有相关背景，不知道他们在做什么，也不清楚这件事情的重要性。

刚好我看到这个项目时，大概就知道，它对应的是 Google 内部非常重要的一类存储系统。这个事情很有挑战，但一旦做起来，也能够做得非常大。

邵予佳： 所以因为你曾经在业务一线，能够更接近需求本身在哪里。

陈昱： 对。其实我们常说早期投资有信息差，但我觉得本质上更多是认知差。

邵予佳： 还有哪些项目，你觉得你的经历帮助你获得了比较大的判断优势？

陈昱： MiniMax 可能是一个例子。2021 年我接触公司的时候，当时有一个直觉：大模型可能是一次技术范式的改变，甚至会颠覆原来主流的小模型或者专有模型路线。

后来行业的发展当然超出了预期。但在当时，过去的经历让我对他们做的事情有一定直觉，也帮助我比较快地做出投资决策。

投人，也要看他是否

站在正确的方向上

邵予佳： 很多人会好奇，为什么云启能够经常在第一轮或者很早期，就找到并投到一些优秀公司？

陈昱： 首先，我们坚持投早、投小。另外，我的优势还是在于信息和认知上的积累。

一方面，我工程师的背景带来了技术认知优势；另一方面，过去十多年投资经历，也带来了个人品牌的积累。很多创业者会更愿意在比较早期和我交流。有共同认知，所以很容易建立彼此之间的信任。

邵予佳： 所以大多数创始人，在你做投资决策的时候，平均认识多久？

陈昱： 这个有长有短。但是很多比较大的投资，都是认识了 5 年、10 年以上。

邵予佳： 这个其实比较意外。因为很多投资人可能需要在比较短的时间内完成一个正式决策，但你们一些重要项目，其实是在长期了解基础上完成判断的。

陈昱： 某种意义上来说，这也是一种 DD。但你认识一个人的时候，一开始并不是奔着未来一定要投资这个人的。如果你觉得这个人有潜力，值得长期交往，那你就去交往，不要带有太强的功利性。

邵予佳： 所以回到投资本质，还是投人？

陈昱： 赛道还是得选择对的。可能以前不是这么科技化的时代，人的素质决定了很多东西。大家可能会有一个假设：只要是一个好的人，他做什么都有可能成功，他可以不断换方向。

但到了现在，尤其是硬科技投资里面，很多创业都需要过去知识和经验上的积累。这也意味着，创业者切换赛道的难度会比以前大很多。

所以现在不仅要看人，也要看一开始赛道选择是否正确，以及他的经历是否匹配这个赛道成功所需要的能力。

邵予佳： 过去 12 年里面，你识人的能力有提升吗？

陈昱：

我觉得这个东西其实就像机器学习。你不断看正样本和负样本，你的模型会越来越精准。

从我们自己的角度来说，我们会比较看重创始人的几个特性：第一，他是否足够聪明；第二，他的野心是否足够大；第三，也是最重要的一点，他是不是一个人品过硬的人。不是说人品不好就做不成事情，但是通常对于投资人来说，你在人品不好的创业者上面是很难赚到钱的。

具身智能：

技术路线会变，但场景不会变

邵予佳：

我们回到具身智能。你觉得现在怎么去判断一家具身智能公司更容易跑出来？

陈昱：

我觉得具身智能创业其实经历了两波。第一波是在 2023、2024 年的时候。

当时具身并不是一个热门赛道，关注的人比较少，标的数量也比较少。那个时候我们的判断，其实和看其他科技企业是一样的，会深入去探讨技术细节，以及对于未来的判断。

因为当时这些创业者不像今天一样，可以互相参考、互相借鉴，也没有这么多同质化路线，所以你还是能够看出不同团队之间的差别，并挑选你认可的标的。

但是到了 2026 年，你会发现大家都在扎堆做世界模型。每个人的背景看起来都很好，也发表过很多论文，有很多引用。但这个时候，投资反而会变得更困难。从我们的角度来看，对于单一技术路线会更加谨慎。因为就像自动驾驶一样，过去 10 年从实验室 demo 到最后商业化落地，中间整个技术路线发生过好几次变化。

同样，我们觉得 VLA 也好，世界模型也好，它可能只是到终局之前的某一个技术手段，而不是最终答案。如果现在去投某一种确定的技术路线，一旦未来发生切换，之前很多投资可能也会浪费。

但是，当一个行业已经浮出水面并形成共识以后，你就需要寻找其中真正的差异化。

模型会变

数据才是长期壁垒

邵予佳：

很多人认为，具身智能下一阶段的核心竞争会落在数据和模型上。你怎么看？

陈昱：

我觉得数据的价值永远都是重要的。包括现在越先进的模型，对于高质量数据的要求就越高。

你回过头来看大语言模型，大家都在大力采购用户行为数据，而且价格也出得很高。因为随着基础数据逐渐接近极限，大家会更多关注所谓的专家数据，或者人类真实使用数据。我相信具身智能未来也会走到这一步。

邵予佳：

为什么机器人数据比大模型数据更难？

陈昱：

语言模型和视频模型获取大量基础训练数据的成本相对低一些。但是到了机器人具身领域，无论是采集真机数据，还是现在的 Ego-centric 数据采集，都需要人力成本和时间成本。所以你想采集到足够规模的基础训练数据，周期会非常长。

邵予佳：

你觉得机器人 GPT 时刻大概什么时候会到？

陈昱：

我可能会相对保守一点。我觉得可能在 2030 年左右。当然，如果科技发展非常快，也可能会更早一点，但至少目前来看，还是需要一定时间。

邵予佳：

如果想达到真正通用的机器人模型，大概需要多少高质量数据？

陈昱：

我觉得可能是千万小时级别。但这取决于你的模型想做到多通用、多泛化。如果今天只是做一个限定场景，比如家政或者物流，那需要的数据量肯定会少很多。但是如果要做真正通用的模型，覆盖人类常见场景，我觉得千万小时是跑不掉的。

邵予佳：

如果一个模型有 100 万小时高质量数据，会不会比现在中国很多具身大脑做出来的模型更好？

陈昱：

我觉得肯定会。因为现在中国不少具身大脑方案，其实都还没有用到 100 万小时的数据。

邵予佳：

所以某种程度上，是不是很多公司其实低估了数据的价值？

陈昱：

我觉得数据的价值永远是重要的。现在很多公司会关注模型架构，但实际上数据质量会直接影响模型智能。比如同样喂 1000 个小时的数据到模型里面，做后训练，最后出来的效果可能完全不一样。

邵予佳：

但如果不做预训练，机器人公司是不是不需要花那么多钱？

陈昱：

但是不做预训练的风险在于：如果未来像 Pi 这样的先进模型不再开放，那你可能永远只能停留在当前水平。

邵予佳：

你怎么看数据公司的机会？你也投资了一家数据公司。

陈昱：

它其实是比较早使用 Ego-centric 方案做数据采集的公司。在我投资的时候，它有一定稀缺性。另外，一个好的数据公司需要满足几个条件：第一，它需要是独立的，只有独立，才能服务更大的客户群体；第二，它自己必须懂模型，只有理解客户怎么使用数据，才能产生更高质量的数据。

邵予佳：

如果未来大厂都开放高质量数据，数据公司还有机会吗？

陈昱：

我反而不担心大厂。大厂未必会投入大量人力成本做这类高度定制化的数据采集工作。你看大语言模型领域，像字节、阿里这样的公司也会外采数据，因为对于他们来说，ROI 更高，不应该投入大量高成本人力去做这些事情。

邵予佳：

所以未来几年会是数据需求爆发的窗口期？

陈昱：

对。但中间肯定也会淘汰很多低质量供应商。

邵予佳：

那你怎么看很多头部具身公司自己做世界模型？

陈昱：

这个答案是肯定的。对于头部公司来说，VLA、世界模型都是工具箱里面的工具。如果觉得这个工具有用，它肯定会自己下场做。所以我不认为会有很多独立的第三方世界模型公司。未来在中国，最后可能会融成一体。就像苹果一样，它既做硬件，也做里面的大脑。

具身热潮下

如何保持理性？

邵予佳：

你觉得现在这波具身智能融资热潮还能持续多久？

陈昱：

这个取决于二级市场。大概率在今年底或者明年初，会有第一批具身公司上市。如果这些公司在资本市场上的表现不好，很快会传导到一级市场。

邵予佳：

所以现在很多具身公司的竞争，本质上也是资本竞争？

陈昱：

其实具身智能和大模型还不太一样。大模型现在是"军备竞赛"。大家今年可能要训练 3T 的模型，明年可能就要训练 10T 的模型。对于 GPU 和数据的需求是非常明确的，没有这么多资源，就没有办法做出 SOTA 模型。

但是具身智能现在还处于早期探索阶段。大家还没有真正进入大规模投入的阶段，也不知道钱到底应该花在哪里。市场上也有不少具身大脑方案，主要基于开源模型进行后训练。

邵予佳：

那你怎么看这种情况？

陈昱：

从某种意义上来说，对于中后期投资人，这也是一个尽调方式。你去看他的账单：花多少钱买数据？花多少钱投入 GPU？基本上就能判断他到底是在认真做预训练，还是主要做后训练。

邵予佳：

你们基金里面，first check 和追投大概是什么比例？

陈昱：

first check 肯定占大头。一个很重要的原因是，在现在的市场环境下，估值增长太快。只有投早，才能拿到足够多的份额。

邵予佳：

你第一轮投过最贵的公司，估值大概是多少？

陈昱：

我们一般也就是 2 亿美元左右。超过 2 亿美元，就意味着你上市的时候必须做到 100 亿美元以上。

邵予佳：

相当于需要 50 倍的增长空间。

陈昱：

对，所以创业者自己也需要掂量一下，最终能不能做到这么大的体量。

AI 硬件回归理性：

从订阅想象回到商业本质

邵予佳：

智能硬件从去年的大火，到今年逐渐回归理性，你觉得背后的逻辑变化是什么？

陈昱：

我觉得主要有两个原因。第一个原因是去年很多新出现的 AI 硬件，其实并没有真正满足终端消费者需求，所以后续销售情况并没有达到预期。第二个原因是供应链问题。存储价格上涨比较快，这会影响很多智能硬件的交付。

首先，你能不能拿到货？其次，即使能拿到货，你需要付出多高的溢价？这些都会对智能硬件产生影响。

邵予佳：

海外一些 AI 硬件公司，市场给它们的是 SaaS 订阅逻辑，但国内很多硬件公司还是卖货逻辑。这个估值体系是不是不一样？

陈昱：

对。如果是一锤子买卖，本质上还是回到类似石头、科沃斯这样的定价逻辑，可能就是二三十倍 PE。它不应该按照 SaaS 的逻辑去估值。最终还是要回到盈利能力。

面向未来：

AI、Space AI

与每个人的新能力

邵予佳：

你们现在重点关注哪些方向？

陈昱：

从我个人和团队来看，有几个重点方向。第一个是具身智能；第二个是智能硬件；第三个是 AI for Science；第四个是 Space AI。尤其 Space AI，我觉得是一个未来方向。

邵予佳：

AI 在太空领域有哪些机会？

陈昱：

首先要解决的是火箭运载问题。因为未来如果要发展算力卫星，必须依靠可回收的大运载火箭把成本降下来，否则整个经济模型无法成立。在这个基础上，还有很多方向：比如算力卫星、卫星通信、太空具身智能、太空 3D 打印、散热方案等等。这些都是未来可以探索的方向。

邵予佳：

作为资深 AI 投资人，你对普通人的建议是什么？

陈昱：

首先，你要驾驭好 AI 这个工具。比如你能不能清晰表达自己的想法，以及当 AI 给出一个结果时，你能不能判断这个结果是否可用。我觉得普通人在 AI 时代最应该掌握的能力，就是结构化表达能力和判断力。

邵予佳：

今年 Agent 的发展，让很多白领开始担心自己的工作会不会被替代。你觉得大家未来怎么面对机器人时代？

陈昱：

只要你善用好 AI，让自己的产出比同事高，你就能够在公司里面立足。

邵予佳：

如果未来机器人更加成熟，人类社会会发生什么变化？

陈昱：

我觉得未来人类的生产力会提升 1 到 2 个数量级。因为有了 AI 和机器人的加持，人可以用更少的工作时间获得更大的收入，把更多时间花在工作之外的事情上。

对于个人来说，最重要的是学习如何熟练运用 AI 工具。这是一个持续的、终身的学习过程，因为 AI 本身也在不断变化。