中国的AI投资是泡沫吗?
我们的回答是:“部分是”。
回望 1999 年至 2001 年的互联网泡沫破裂期,Amazon 的收入翻倍,股价却暴跌了 94%。然而,从 2001 年的低谷至今,它创造了惊人的长期回报。
这印证了我们在穿越周期时的一个核心判断:价格可以是泡沫,产业却未必是。市场可以纠偏,而产业仍然可以持续成长。
在华业天成资本于新加坡举办的闭门沙龙上,创始合伙人孙业林以此为切入点,分享了我们对中国硬科技投资周期、下一轮AI产业机会,以及如何捕获结构性Alpha的思考。
当 AI 技术能力发生快速跃迁时,哪些产业瓶颈正在被真正打开?中国独特的产业基础,能否让这一轮技术进步形成持续的价值复利?
01 技术在狂奔,产业还在爬坡?
技术进步与产业应用共同推动价值创造,而资本与政策则影响投资进入、融资和退出的环境。
区分短期的资本泡沫与长期的产业机会,核心在于理解技术、产业、资本与政策这四大周期的错位。
技术可能在5至10年内完成一次跃迁,产业的成熟却往往需要10至20年甚至更长;资本市场的情绪则可能在更短时间内经历数次起伏,而政策周期又有其自身的长期趋势与阶段性变化。
四大周期并不沿着同一条时间轴演进。真正的挑战,是在不同周期的错位中,判断技术能力何时能够转化为真实的产业价值。
技术构建了可能性的边界,而能突破商业化落地过程中的障碍,才决定了它何时能真正实现规模化。
技术的产业化创造价值的路径与速度,在不同领域有很大区别。一个常见的误区是,将纯数字世界的爆发速度,直接套用在物理世界上。
ChatGPT 可以在短短两个月内获取一亿用户,但当我们走向硬件和物理世界时,技术的规模化无法简单复制软件的扩张速度,因为它必须跨越重重现实关卡——可靠性、成本、生产制造与规模交付。
突破技术瓶颈,并不自动意味着商业成功。
在华业天成看来,一项技术能否形成真正的产业机会,取决于三个因素能否同时成立:技术能力的持续跃迁、产业落地障碍的逐步突破,以及客户价值的数量级提升。
能够解决其中一两个关键问题的,已经是一家优秀企业;而真正有机会成为行业领导者的卓越企业,会将三者结合起来:持续拓展技术能力、突破产业落地障碍,并创造真正的“10倍客户价值”。
02 当RSI遇到中国产业纵深
技术走向产业化需要漫长的爬坡,那么有没有一种力量,能够加速这一进程?
我们认为,RSI(Recursive Self-Improvement,递归式自我改进)正是产业跃迁中值得关注的潜在加速变量。
严格意义上,RSI指AI系统对自身能力的递归式提升;而从技术演进来看,AI正在参与研发、实验、仿真与迭代过程,并有望首先在特定任务中形成持续加速的改进循环。
如果 AI 不只是帮助人完成任务,而是开始加速自己的研发、实验、模拟和迭代,会发生什么?
这种加速的潜力,不仅停留在数字世界的代码编写和模型研发,也可能向深度的物理世界蔓延——例如芯片设计与EDA、机器人的仿真与真实环境训练,以及材料、生物、化学等领域的科学发现。
在这个进程中,中国结构性的AI优势正在显现。
RSI及更广义的AI驱动改进循环,不只依赖算力,也需要明确的任务、快速的实验与仿真,以及来自真实世界的反馈。如果说模型与算法影响AI能力提升的潜在速度,那么真实产业场景则为这些能力的验证与持续改进提供了重要条件。
从新能源汽车与动力电池,到光伏、半导体封测及工业机器人,中国已经建立起规模庞大、产业链高度集聚的先进制造体系。这些真实存在的生产线、供应链和应用场景,不仅是AI技术的潜在市场,也可能成为AI持续实验、获取反馈与改进能力的重要环境。
与此同时,中国还拥有深厚的AI研究与工程人才储备。大规模仿真、并行计算、工程优化与真实场景部署,都需要大量高水平工程人才的持续参与。
当技术进步能够不断进入现实场景,并从现实反馈中获得下一轮改进的动力,AI能力提升、工程验证与产业应用之间,便有机会形成相互强化的循环。
中国的AI结构性优势,不仅来自单点技术突破,更来自技术、工程人才与庞大产业体系之间持续交互、相互强化的能力。
03 从技术突破到产业价值:寻找决定规模化的关键环节
看见技术趋势,只是捕获产业机会的第一步。
当AI不断拓展能力边界,值得关注的,更在于识别哪些关键瓶颈正在被突破,以及这些变化何时能够转化为规模化的客户价值。
具身智能
技术的大门已打开,产业化才刚刚开始
机器人在变得更聪明之前,它们得先能够运行得更久。
具身智能正处于典型的周期错位之中:资本市场预期不断升温,技术路线仍在探索,而产业化才刚刚开始。尽管机器人已能完成越来越复杂的动作,但可靠性、成本、散热、功耗及线缆磨损等问题,仍可能制约其长期稳定运行与规模化部署。
这一判断也体现在华业天成对具身智能的投资布局中。
在推动产业化落地方面,我们重点关注支撑机器人规模化应用的核心环节,包括以无线运动控制应对线缆磨损问题的Hillstream、聚焦高密度散热的华科冷芯、推动感知成本优化的乐动机器人,以及提升功率效率的英诺赛科。
从提升技术能力角度,华业天成布局了探索机器人世界模型的苏度科技,并关注面向机器人端侧推理的专用芯片技术;同时也投资了从特定商业任务切入、逐步拓展机器人能力边界的具身智能团队,包括墨奇智能、无界动力、昆仑行和小雨智造。
从关键零部件到机器人“大脑”,再到具体商业任务,真正的产业突破,需要这些能力逐步成熟并相互配合。机器人产业化的关键,不只是它能做什么,更是能否可靠、有效地完成客户真正需要的任务。
光互联与推理芯片
提前识别产业演进中的关键节点
光互联与推理芯片,体现了另一种投资机会:提前识别产业演进中的关键技术环节,在需求全面释放之前完成布局。
基于对这些产业瓶颈与技术路径的判断,我们提前布局了集益威半导体、拓易与赛丽科技等核心技术节点,在市场需求全面释放之前建立了相关投资布局。
类似的判断也体现在AI推理芯片领域。随着AI应用不断拓展,大规模推理与智能体工作负载的增长,正在带来新的计算架构需求。
从早期布局智能体CPU领域的希奥端,到投资推理AI芯片企业昉擎科技,再到进一步关注数据流架构与机器人专用推理芯片,我们持续围绕推理工作的演进寻找关键技术机会。
XR
同样的技术方向,不同的产业时机
XR则是一个关于产业Timing的观察。
2021年,元宇宙叙事走在了硬件设备与内容生态之前。技术愿景已经出现,但显示设备的体积、重量、亮度与成本,以及内容供给能力,仍制约着产品的日常使用体验。
而到了2026年,随着显示技术和AI视频生成能力持续进步,两端的产业瓶颈都出现了新的突破可能。
华业天成较早布局了致力于改善AR显示能力的星钥半导体,以及聚焦AI视频生成的Sand.ai,并持续关注有能力整合这些技术、创造显著客户价值的产品团队。
同一个技术方向,在不同的产业阶段,可能对应完全不同的商业化条件。
从具身智能到光互联、推理芯片,再到XR,不同赛道的产业化节奏并不相同,但投资判断始终围绕三个问题展开:
技术能力发展到了哪里?关键的产业化障碍何时能够被突破?客户价值何时真正开始释放?
04 看见机会之后,如何捕获价值?
看见趋势,并不等于能够捕获价值。
在技术与产业持续演进的过程中,真正具有挑战性的,不只是判断下一轮机会将出现在哪里,更是找到能够把技术突破转化为规模化商业成果的创始团队。
华业天成的投资方法,建立在对技术演进、产业成熟度与客户价值的持续追踪之上。
我们首先识别技术能力的关键拐点,判断产业化进程中尚未突破的障碍,并分析客户价值发生数量级提升的可能性。在此基础上,进一步提炼决定行业胜出的关键成功因素。随后,我们寻找最适合实现这些关键成功因素的创始团队,即Founder Market Fit。
这意味着,我们不仅关注创始人是否拥有领先的技术能力,也关注他们能否理解产业化的真实约束,能否跨越工程与商业化障碍,以及能否最终创造可持续的客户价值。
市场估值或许已经走在现实之前,但大量真实的客户需求仍未得到满足。我们所寻找的,正是技术进步与合适的创始团队相结合、能够规模化满足这些需求的机会。
看见与捕获
看见技术、客户价值与产业采用之间如何相互作用,识别产业演进中的关键机会。
捕获能够将这些机会转化为规模化商业成果的卓越创始团队,陪伴他们跨越技术与产业之间的鸿沟。
穿越周期,真正值得捕获的,不是短期市场情绪赋予的溢价,而是技术进步与产业需求相互作用、持续创造的价值。
看见这种价值如何产生,找到能够将其转化为规模化商业成果的创始团队,并在技术与产业的交汇处捕获长期机会——这正是华业天成始终坚持的。