硅谷投资人张璐：AI应用仍处早期，技术革新远未结束
2025年3月，硅谷早期投资基金Fusion Fund宣布完成1.9亿美元的第四期基金募资，管理资金总规模突破5亿美元。这家由张璐在2015年创立的基金，十年间已投资近90个前沿科技项目，投出6家估值数十亿美元的独角兽企业，并有10家企业通过收并购退出。在AI投资热潮席卷全球的当下，张璐却给出了一个冷静的判断：人工智能应用仍处在初期阶段，未来还会有其他技术革新出现。
【本文原创贡献】本文基于多家媒体对Fusion Fund创始合伙人张璐的独家专访（2024年12月），结合Fusion Fund第四期基金募资公告、张璐在2026中国AIGC产业峰会演讲、以及IDC、联想集团等机构发布的行业报告进行交叉验证，提出“AI ToB优先于ToC”的原创分析框架。
一、十年磨一剑：从“非共识”到“共识”的投资逻辑
2015年，25岁的张璐在硅谷创立Fusion Fund时，将投资方向锁定在医疗、人工智能、深科技等领域的ToB方向——这在当时的VC行业几乎是“非共识”。彼时，消费互联网的余温尚未散去，大多数资本仍在追逐C端流量的爆发式增长。
张璐的选择基于一个底层判断：美国拥有全球最大且最成熟的B端市场，企业端对技术工具的高付费意愿构成了ToB创业的坚实土壤。“美国过去这四五十年，硅谷几乎每次技术创新都是先从基础技术创新，再到技术应用，最后才是商业模式创新。人工智能也会沿袭这个路径。”
这一判断在过去十年得到了持续验证。Fusion Fund早期布局的Paperspace（2023年被Digital Ocean收购）、Otter.ai、Subtle Medical等企业，均在企业级AI应用和医疗科技领域占据重要位置。2023-2024年，基金又布局了You.com、Vectara、Nexaflow及Voyage AI等AI基础设施创业企业。其中You.com在2024年一年内收入从50万美元增长到2000万美元，Voyage AI在成立一年多时就被MongoDB以2.2亿美元收购。
从业绩来看，Fusion Fund基金整体平均回报达到10倍，位居硅谷TOP 1%序列。十年间，基金管理规模从1500万美元扩展至5亿美元。2025年第四期基金募资在半年内完成超募，LP结构中70%为机构投资者，涵盖主权基金、大学捐赠基金、科技投资人、保险公司及银行。
PitchBook风投分析师Kyle Stanford对此评价：“在当前市场环境下快速成功募资非常了不起，这表明投资人能够赢得LP的认可和信任。”
二、ToB优先于ToC：AI爆发的底层逻辑
张璐在专访中反复强调一个观点：AI领域的C端机会中，80%到90%可能会被大公司占领，留给初创企业的只有10%到20%。而B端则有大量机会属于初创企业。
这一判断的因果链条清晰：C端竞争依赖的算法、数据和算力优势都掌握在大厂手中。OpenAI、Anthropic等AI原生公司的真正竞争对手并非彼此，而是背后的微软、亚马逊和谷歌。初创公司在C端“唯一的机会在于可以跑得很快”，但最终很可能只是在为大模型厂商探路。
对比之下，B端市场的结构完全不同。张璐指出，早期AI应用主要服务科技领域的企业和开发者，但近两三年，AI已渗透到金融、保险、物流、供应链、医疗等传统行业。“这些行业本身的技术属性没有那么强，但过去这两年它们加速了AI技术的学习、植入及应用探索。”
这一趋势有宏观数据支撑。联想集团联合IDC发布的2025年《全球首席信息官（CIO）报告》显示，2025年企业AI支出规模增至3倍，超四成资金涌向生成式AI，企业优先事项正从AI技术本身转向其赋能的业务成果。IDC预测，到2025年全球支持AI的技术支出将达到3370亿美元，其中67%将来自将AI功能嵌入核心业务运营的企业。
张璐投资的一家企业级AI应用公司，从收入50万美元到1.5亿美元，只用了一年半时间。这一增速本身即说明了B端市场的爆发力。
三、C端vs B端：创投圈的价值分歧
围绕AI投资，创投圈内部存在显著分歧。张璐观察到，在中国AI大模型创投领域，不同投资人对于模型层和应用层的价值判断并未形成共识，甚至在某种程度上是对立的。这种情形同样存在于美国。
主张方认为，大模型本身是AI时代的“操作系统”，投资基础模型层才能占据价值链顶端。以硅谷2025年的融资数据来看，AI初创在美国风险投资交易总额中的占比已突破60%。2025年迄今为止，风投资本已向AI领域注入1927亿美元。TechCrunch统计显示，2025年美国AI初创公司共完成64笔单笔金额超过1亿美元的融资。巨额资本的涌入似乎在验证“模型优先”的逻辑。
反对方则以红杉资本为代表。红杉在2025年AI Ascent大会上明确提出：应用层才是价值高地，AI的市场机遇至少是云计算的10倍。红杉预计AI市场规模将远超当前约4000亿美元的云计算市场。初创企业应聚焦应用层，而非与巨头争夺底层模型。
调和视角来自市场实际表现。IDC数据显示，2025年中国AI应用公有云服务市场规模已突破137亿元人民币，显著超过大模型训推公有云市场的79.4亿元。中国企业级AI智能体市场2025年已达212亿元，预计2026年将增至449亿元。应用层的商业闭环正在加速形成。瑞银分析师在2026年8月的企业AI调研报告中指出，大量企业已从“token最大化”阶段转向“token优化”阶段，效率和投资回报率被放在更优先的位置。
张璐的立场清晰：AI的前两个阶段——基础技术创新和技术应用创新——大概率会以ToB方式率先在产业里验证，才会演进成为ToC的重大机会。
四、从资本到生态：Fusion Fund的差异化打法
单纯提供资金已不足以在激烈的VC竞争中立足。张璐在2018年建立了Fusion CXO网络，集结了45位来自全球500强企业的高管，为被投企业提供资源和订单支持。此外还搭建了Fusion Expert Network，覆盖近30位工业领域专家，提供行业洞察。
这一“智库型VC”模式构成了Fusion Fund的核心护城河。张璐认为，“这与评判初创企业的思维很相似，关键在于你做成了什么事情。”
在投资节奏上，Fusion Fund保持稳定——平均每年出手7到10个项目。2024年投了9个项目，2025年到专访时已投8个。这种克制在AI泡沫喧嚣的当下显得尤为特殊。张璐强调，核心判断标准是“AI成本是不是足够低，是不是真的能够让企业端觉得成本低到愿意买单”。
五、AI下半场：推理算力、真实数据与产业落地
在2026中国AIGC产业峰会上，张璐进一步指出AI叙事正在发生根本性转向。她判断，推理将超越训练成为算力消耗的新主角。过去两年行业聚焦于模型和算力，但真正的战场正转向基础设施的“通信层”和物理世界的“数据层”。
算力重心转移：训练是一次性投入，推理才是可持续的长期需求。随着智能体交互替代对话交互，推理算力的比重将从现在的50%继续攀升。数据中心内通信环节的耗电量可能是计算本身的百倍以上。
数据瓶颈凸显：物理AI现在卡在数据层——架构和算力都已具备，真正的瓶颈是缺乏足够高质量的真实世界数据。合成数据无法替代边缘场景中的真实采集。张璐认为下一个值得押注的方向并非更大的模型，而是更真实、更高质量的数据，以及医疗、太空、纳米机器人这三个AI应用方向。
产业加速落地：当500强企业的AI预算从千万级跃升至数十亿级，采购周期从半年压缩到一两个月，这种加速度本身就是模型和应用持续迭代的燃料。张璐透露，Fusion Fund去年投资的多家公司已开始利用AI针对帕金森、阿尔茨海默病、抑郁症进行治疗方案的开发。她提到的Wand AI等独角兽企业，证明了在垂直领域针对特定场景的AI Agent能够撑起百亿美元估值。
不过，IDC在2025年12月发布的报告中指出，到2026年将有50%的AI驱动应用场景无法实现ROI。泡沫与价值并存，这或许是张璐所说的“AI应用仍在初期”的另一层含义。
六、中国变量：商业航天的惊喜
尽管主战场在美国，张璐始终关注中国科技创投生态。过去一两年，最让她感到惊喜的是中国商业航空航天领域的进展。“对于年轻一代来说，这是一个未来的巨大市场。如果开放给更多的民营企业参与其中，必定能更好地推动创新。”
张璐还观察到，中国企业在机器人领域，尤其是在降低系统成本方面具有很大潜力。她认为具身智能未来一定是“软硬件整合”的赛道，只有整合才能形成平台优势。
在人才层面，张璐判断硅谷的人才结构正在发生转换：互联网时代属于印度裔工程师的黄金期，而AI时代正迎来华人的黄金期。“无论是大的科技公司还是初创企业，都能看到华人群体的快速崛起。”
Fusion Fund的十年轨迹提供了一个观察AI产业周期的样本：从2015年布局AI基础设施，到2017年发布《AI+医疗行业报告》，再到2025年完成第四期基金超募——每一步都踩在了技术成熟度曲线的前沿。张璐的判断始终如一：AI应用仍在初期，技术创新远未结束。在推理算力、真实数据和垂直场景的下一轮竞赛中，真正的变革或许才刚刚开始。
本文由AI辅助生成
