WAIC2025

　　、商汤、生数科技等在内的公司，都推出了应用于指导机器人行动的感知行动模型，或用于预测下一步环境状态的世界模型，这些模型都意在解决机器人与环境的交互问题，帮助机器人决定如何在真实物理世界中行走和执行动作。其中腾讯的加入可能是今年机器人领域的最大变量，它已在该领域投入7年，比现有多数人形机器人公司都久。

　　、百度、亚马逊都给出了它们的agent开发平台，以及可以帮助普通用户低代码地开发一个应用程序的AI Coding工具。另一半，就是在为机器人提供具身智能模型。

　　混元大模型技术负责人、Video Rebirth CEO刘威

　　云副总裁、腾讯云智能及腾讯优图实验室负责人吴运声

　　to B和to C的智能体开发平台差异很大。to B在于它有非常多严肃的场景，我们需要用非常多的手段保证严肃问答的准确率以及引用的正确性；to C的特点是要让用户使用起来很方便，即便能力差一点。

　　关于Agent的记忆机制，如果仅机械存储用户过往的全部聊天记录，并在后续交互中全盘调用，会因大量一次性、临时或无关信息的干扰而影响效果。因此，如何从长期记录中提炼出对后续问答真正有价值的内容，是当前短期与长期记忆研究中需要不断攻克的关键方向。

　　生成式AI会大幅扩展个人能力边界，形成, 让普通人无需设计、编程等专业背景，也能完成高质量创作。

　　面向生产环境的Al Agent对输出质量有很高要求，通用Agent几乎无法满足。垂直场景对特定关键数据识别和分析精度的要求远超头部模型直出结果。除模型能力，Agent的可用性对工程框架、底层Al Infra的要求也很高。

　　生成需要保持生成效果的一致性，这一诉求与应用场景深度相关。对大众而言，用手机拍摄的多为日常记录或自娱自乐，对画面连贯性、元素稳定性的要求较低。但在广告、动漫、影视等商业与专业创作中，一致性是不可妥协的基础——人物形象、核心道具、场景氛围等要素必须在全片所有镜头、所有时长里保持连贯，甚至每一帧的细节都需符合设定逻辑。一致性是实现生成商用的前提，若无法满足，相关技术便难以在产业级场景中落地。

　　生成的爆点不会突然出现。在广告和动漫行业，AI的渗透率在逐步提高，2到3年后可以实现全流程AI化；影视行业到明年可能有30%至50%的AI渗透率。长期来看，在5到10年后，所有内容和文化相关产业可能会完全实现，到那时，AI将成为创作的常规工具，不再是关注的焦点。

　　当前模型还正处于快速迭代阶段，3个月或半年后，模型性能和当下相比会有明显差异。AI工具产品需要在模型能力和用户需求之间找到平衡，既要不断探索模型能力的边界，也要满足用户的实际需求。

　　创业公司最大的机会是在模型的水面上。如果你是礁石，可能会被淹没，但是如果是船，模型能力上涨，你也会上涨。怎么变成船？我认为有很多的方法，有专业数据的循环、对场景的理解、独特的交付方式等等。在大厂的射程外也是非常重要的。

　　2025年上半年，中国的AI投资热度在大幅度提升，融资额同比增加45.3%，投资事件数同比增加59.9%，财务投资人占比58.6%，又回到了主流。大家开年以后都在跑，很多项目都在抢，很多人开始要抬估值了，跟去年完全不一样。现在这个市场给我们的感觉是非常像移动互联网09到14年的时候。

　　在中国做AI应用要有闭环的数据，这样才能产生独立应用的机会。在一些相对垂直但又不太垂直的行业，形成大量自有数据，而且这个数据随着用户的增长对基模能力的提升是显著的，就能建立壁垒，也不会被基模公司吃掉。编程的数据太公开了，你能做，别人也能做，大模型公司做的更有优势。

　　目前国内比较确定的机会还是在领域。还有就是上一代SaaS的重新洗牌——在中国大模型的加持下用AI全部重新做一次，更便宜、更智能、效率更高。

　　通用型的AI应用特别火热，问题在于最后基模公司肯定会自己下场做，而且它们有巨大优势，因为一旦上量，总的token成本会非常可怕。我听说Cursor的毛利是负的，别看它现在这么厉害，到后面也会面临盈利的挑战。

　　AI应用的口子，我个人体感首先是太难了，比具身要难。这个行业难投，我们希望创始人懂技术，此外也要懂产品、懂年轻人，或者懂新的地域。

　　我们要换一个思维来看，AI发展中的一些不是大厂和基模公司会下场做的，比如数据标注，适合一些没有太多产业背景、大额资金投入的创业者。如果还能结合具体的细分场景，再跟上技术发展的节奏，是更好的。

　　国内做大B生意，核心成功要素的构成是非常复合的，不是一个纯产品、纯技术驱动的生意；反而一些非常工具类导向的小B生意更好做，这也是国内最市场化的生意。我们也尝试着做了一些AI应用方面的投资，应该讲做国内市场的都活得很苦，卖掉的基本也是成本价卖掉的。我们也有一些卖掉的公司，创始人去了某大厂做战略规划。此外我还认为，当下模型侧还有很多能力没有被挖掘出来，模型还要再迭代一波。

　　目前，营销行业正在从工具效率革命走向生产模式革命。最终，可批量化的内容将实现AI全自动生产，而有人性洞见的内容会更有稀缺价值。AI发展当前的进度仅加载10%到15%，未来将诞生AI时代原生的营销公司。

　　AI基础设施的能效评价指标已随技术演进发生变化：在AI 1.0时代，核心指标是，通过垂类数据训练垂类模型，即可支撑简单任务；而进入AI 2.0时代，成为核心生产要素。目前，端侧应用的算力需求与现有能力之间仍存在10倍左右的差距，云端的算力使用效率也有进一步提升的空间。