可灵 AI 估值 1228 亿直逼快手，普通人的 AI 机会到底在哪？三个问题拆透应用层红利
当大模型参数竞赛还在吸引眼球时，投资人的目光已悄然转向制冷设备、热管理系统和面向工厂车间的垂直应用。
9月9日，在第二十六届中国国际投资贸易洽谈会期间举行的2026未来投资大会上，多位与会嘉宾传递出明确信号：人工智能价值链的投资重心正从单一的模型层向更广泛的物理基础设施和行业场景扩散。据公开信息，这场由商务部主办的年度投资盛会，罕见地将AI价值链投资列为核心议题之一。
从软件创新到物理基建：AI的“重资产”转向
棉木科技基金普通合伙人阿兰·勒卢在发言中给出了一个容易被忽视的判断：人工智能的发展不仅是软件创新，更是一场物理基础设施的变革。“半导体、热管理、制冷和清洁技术等领域的突破，将影响人工智能部署的成本与可持续性，而这些技术往往需要长期资本支持。”
这一判断有现实依据。随着AI算力集群规模从千卡向万卡甚至十万卡级别跃进，数据中心的热密度急剧上升。传统风冷方案在单机柜功率超过30千瓦时已显吃力，液冷和浸没式冷却技术从“可选项”变为“必选项”。据业内人士透露，2026年上半年，国内主要算力枢纽的新建项目中，液冷方案占比已超过四成，而这一数字在三年前还不足百分之五。
[IMG:1]工业和信息化部国际经济技术合作中心信息化研究所所长李苑则将目光投向更广的应用端。她指出，人工智能价值链中的投资机会正更多延伸至满足多样化需求的应用场景，尤其是可负担、有韧性的计算基础设施，面向制造业、农业和中小企业的垂直应用，以及数字技能与可信数据治理。
与通用大模型的高调不同，这些领域的投资逻辑更接近传统产业升级——回报周期更长，但现金流更可预期。以制造业质检为例，一套部署在产线上的AI视觉系统，其投资回收期通常在12至18个月，远低于训练一个行业大模型的投入。
企业端落地：从“给答案”到“做决策”
零一万物首席执行官、创新工场董事长李开复在大会上提出了一个关键转变：人工智能正在从提供答案走向执行任务、协调工作流程和辅助决策，其对企业的影响将延伸至组织和管理体系。他强调，真正的转型需要最高管理层推动，打破信息孤岛、重新配置资源，并把人工智能应用于企业最重要的经营与战略问题。
这一判断呼应了当前企业端AI应用的真实处境。过去两年，大量企业完成了对话式AI的初步部署，但多数停留在知识问答和文档生成层面。真正将AI嵌入核心业务流程——如供应链动态调优、生产排程实时优化——的案例仍然稀缺。据公开信息，在2026未来投资大会的讨论中，多位投资人提到，企业AI项目的失败率远高于预期，主因并非技术不成熟，而是组织惯性和数据孤岛。
[IMG:2]风险的另一面：能源、汇率与流动性约束
在挖掘投资机会的同时，风险维度同样清晰。世界经济论坛代表戴浩恩指出，人工智能驱动的工业化既需要技术创新，也需要高质量、具有韧性的数字基础设施和相应的融资安排。“先进技术与资本配置的不均衡，可能扩大各经济体之间的能力差距。”
章鱼资本的利文·德布鲁因则从投资结构角度提出警示：人工智能带来的能源需求能否转化为实际投资，取决于项目能否提供与风险相匹配的回报。对于发展中国家，还应充分考虑汇率风险和长期资产的流动性约束，设计适合不同投资者需求的投资结构，拓展资本来源，推动更多私人资本参与能源与人工智能基础设施建设。
Market Access X创始人西蒙·莱西进一步指出，对于发展中国家来说，稳定的需求前景、电力和水等基础条件、技能水平与良好治理，是吸引投资的关键。他建议，不同经济体应依据自身条件选择参与人工智能价值链的路径，而不必在基础设施、系统集成、模型与应用等所有层面同时布局。
阿兰·勒卢的提醒则更为直接：投资者应审慎评估硬件快速迭代、基础设施条件、监管不确定性及市场付费意愿，区分广泛使用与可持续收入，避免仅以技术热度判断项目价值。
路径选择：不是全面布局，而是精准卡位
与会嘉宾的共识在于，人工智能投资需在机会与风险之间寻求平衡。对于不同经济体而言，参与AI价值链的路径正在分化：具备能源和土地优势的地区可聚焦算力基础设施；拥有制造业基础的经济体可深耕垂直行业应用；而人才和资本密集的区域则更适合模型层和系统集成层的创新。
这种分化本身也意味着，AI投资的下一阶段将不再是“遍地黄金”，而是需要更精细的行业认知和更耐心的资本结构。据公开信息，2026未来投资大会的多场分论坛均将“真实需求”和“可行商业模式”列为核心筛选标准——这或许标志着AI投资正从叙事驱动转向基本面驱动。
本文由AI辅助生成
