36氪出海·行业｜一群中国AI创业者从硅谷归来，解锁这些新认知

“ 重塑 AI 世界的力量不仅仅在硅谷，更在新一代全球化创业者的手中。

连续创业者万旭成还记得2023年时访问硅谷的情形：当时正值 GPT-4 等大模型发布不久，AI 技术如同人类新发现的“炼金术”一般，吸引了全球科技爱好者的目光。那时的他感受到一种混沌中的好奇心和想象力，人们纷纷涌向 OpenAI 等公司，试图揭开 AI 技术的神秘面纱，寻找与这项新技术建立连接的可能。

时隔两年，再次来到硅谷的他看到的是一个更加成熟、多元化的技术竞争环境，以及对未来生产力和社会变革的深刻思考。AI 的“靴子”逐渐落地，硅谷已经进入一个 AI“大基建周期”，同时智能体（Agent）和具身机器人成为新的探索方向。他判断：踏入“新大陆”的周期可能要来了。

不只是万旭成，对于这一波 AI 创业者来说，全球化视野已经成为一项“必答题”。在1月 CES（全球消费电子展）后，第一财经记者了解到，国内不少 AI 创业者走访硅谷，寻找新的发展机会，还有一些美元背景的基金也在用全球视角思考当下的 AI 投资。

但也有创业者对记者表示，今年的硅谷之行更像是一个祛魅的过程，中美顶尖创业者的认知已经在一定程度上“对齐”，中国创业者的一些独特的优势也在正被海外市场看到。

中国创业者赴硅谷交流现场。受访者提供

具身智能赛道热度最高

到达旧金山后，创业者子树（化名）打了4、5次 Waymo 无人驾驶汽车。他对记者说，每次的体验舒适干净，车开得稳、速度快，Waymo 人性化的交互设计令他印象深刻。子树的手机系统是中文的，没想到上车后，车辆自动为他切换成中文讲解。

无人驾驶技术的日趋成熟不仅体现在技术上，更体现在商业化应用上。他简单算了一下，Waymo 在旧金山地区的运营价格仅为 Uber 的一半，这显示出无人驾驶技术在降低出行成本方面的潜力。

学机器人出身的子树，前往了某机器人实验室参观。他回忆，自己毕业时所有的案例都是拿“波士顿动力”研究，但现在，很多研究场景中已经没有波士顿动力了，而是被宇树取而代之。“包括在实验室当中，我们见到了比较多的各国机器人，其中宇树确实非常突出。”

实验室里关于“世界模型（WorldModels）的建立”也让他受到冲击。子树预计，这甚至可能比肩大模型产品。“它能将生活仿真到线上，在虚拟世界进行场景尝试，提升效率、开展模拟和创造娱乐场景。”实验室人员还强调了数据的重要性，尤其是物理世界的数据，高质量数据稀缺，数据挖掘极具价值。

离开 CES 后，猎豹移动董事长傅盛拜访了斯坦福机器人中心，并晒出了这里的达芬奇手术机器人、深海机器人、太空用机器人、微型机器人等各式各样的机器人。在和斯坦福教授交流中，大家问起 AI 如何影响机器人，对方的观点是：AI 能够极大提高机器人的能力，但机器人是很复杂的系统，只靠 AI 还不够，需要各种交叉学科比如力学、机械制造、电子电路等等。

傅盛展示了斯坦福机器人中心的达芬奇机器人

参观了相关机器人实验室的万旭成也对第一财经记者提到，具身智能是硅谷极为关注的超级 AI 硬件。和子树一样，他也留意到，因为极具性价比而且产品迭代速度快，宇树机器人在美国很受高校和科技公司欢迎。

机器人大模型在物理世界中的任务执行容错率远低于大语言模型。语言模型的错误可能无关紧要，而机器人如果出现错误，可能会伤害人类或破坏环境。在万旭成看来，机器人训练需要的数据维度更加丰富，包括真实世界触觉、力学、环境数据等。这些数据不仅需要结构化，还需要能够反映物理世界的复杂性。

而这意味着相关数据的采集和标注方式需要进一步探索。此前，李飞飞 lifeifei Robotics 实验室发布了 Behavior 数据集，把家庭任务拆解并采集数据；特斯拉  FSD 也是真实世界数据集；Hugging face 上的机器人数据集也十分受欢迎；万旭成猜测：会不会出现一家物理世界数据标注公司 Scale AI 的需求和机会？

他还对记者分享了不久前和特斯拉机器人团队的交流。特斯拉 CEO 马斯克在最新连线采访中表示，2025年的目标是制造数千台擎天柱人形机器人。如果顺利，2026年计划将产量提高至2025年的10倍，即大约5万到10万台，2027年进一步提高至10倍。

他透露，在和特斯拉机器人团队交流时，对方表示其实内部也没有披露数千台机器人量产出来干什么，但是大家讨论下来， 预计第一个场景是给 SpaceX 发射火箭、清理现场，这一替代人类生产力的场景有望大幅提升火箭的发射频次。

AI 应用大年来了？

“这几天听到的高频词汇就是 post training（强化学习）。”子树对记者说，这次去硅谷基本上有一个非常明显的共识，和国内大模型讨论类似，大家已经不太谈所谓的预训练了，所有人在谈强化学习。

GPT5 也是大家“八卦”的话题。万旭成提到，有人说 OpenAI 已经耗尽了互联网的所有数据来训练 GPT5，当前 ChatGPT Plus 每个订阅用户背后其实还亏损200美金。这意味着过去模型大厂不计成本的投入，在未来几年可能会重新评估。除了订阅模式，未来或许有基于任务等新的计费方式出现。

相比互联网的所有数据，to B 产业端的数据还没有大规模地贡献给大模型训练，业界预计这一进程将是高度市场化的，大模型能产生多少价值就会交换到多少行业数据，未来 AI Native（AI 原生）进入产业替代，相关的数据飞轮未来也值得期待。

在湾区时，国内一家大模型产品的业务负责人 Fischer 参加了不少行业讨论，令他印象深刻的一场是关于 AI Coding（人工智能编程）。现在 Coding Agent 趋于成熟，能够做到只有很少 bug 的几百行代码，或者自己修复 bug。不过，编写更大规模的产品或功能（如小游戏）目前仍有挑战，预计在今年内，AI 厂商有信心实现这一目标。

他提到目前还有一个较火的方向是 Interview Agent（面试类智能体），尽管这一领域可能还处于早期阶段，但已经显示出一定的应用潜力。

灵宇宙创始人顾嘉唯也对 AI Coding 颇有感触。他在飞机上，看到一位湾区工程师频繁在 Anthropic 的 Claude 切换代码流，进行相关操作。这种高频使用意味着 AI 编程工具的实用性正在被验证。

在去硅谷前，顾嘉唯先去了趟 CES，发布了基于空间交互智能的 AI 硬件。相比以往多年的参展和观展经验，他认为今年 CES 硬件创新亮点减少，产品同质化明显。不过，他注意到端侧模型的热度非常高，手机厂商和对隐私要求高的 B 端场景可能率先应用 。

他对第一财经记者分享了在硅谷印象深刻的两场讨论，一场是在斯坦福大学的 AI SUMMIT 上，知名风险投资人、Inflection.ai 创始人 Reid Hoffman 依旧在 All in 这一轮具有拟人情感大模型领域。他坚信情感和多模态的 LLM 能够让 AI 真正变成像《her》所展现的那样，而以此驱动的硬件时代会造就新机会，可能造就下一个潜在最大的公司。

另一场 OpenAI 联创 Andrej Karpathy 创办的 AGI House 活动中，谷歌高管 Jeff Dean 分享了 Physical AI 下一步的发展路径，提出从 AI 眼镜和随身 Personal AI 着手进行长期数据积累，类比特斯拉 FSD 的发展模式。由于目前具身人形机器人难以构建走进千家万户形成家庭服务场景的数据，Jeff 认为，有效获取人的第一视角的 life streaming （生活流）数据集是关键路径，通过在 AI 眼镜等带摄像头的随身 AI 硬件产品成为关键载体。这也与顾嘉唯的创业赛道选择相契合。

从硅谷回来后，AI 私教运动平台 BodyPark 创始人林宜立则说，自己比较印象深刻的一个感受是：“大家都在聊，巨头之后是什么？”

讨论过后大家普遍认为，在更需要本地、实时以及在交互方式上有更多创新的垂直领域，创业公司由于没有历史包袱且与巨头在商业利益上存在对冲关系，因此拥有更多的机会。

林宜立说，这次在湾区集中听了很多北美的创业项目，发现其实有一定同质化倾向。硅谷创业者多是软件或技术背景，常喜欢做“横切通用平台”或“工具层”的项目。而中国创业者更倾向或者擅长做“竖切”，做应用做垂直场景的应用和整合。“场景越垂直越深，技术产品创新的机会可能越大。”

在记者的采访中，还有多位创业者表示，参观硅谷后有一个强烈的体感是：从创业公司团队来看，美国创业公司更加综合、全面。例如硅谷算法工程师关注业务，去做非常深入的用户调研，产品经理了解市场，也做用户增长、运营，团队文化使合伙人决策更高质高效。这也是一些创业者接下来打算实践的方向。

多位采访对象还提到，北美这样的人才密集区域，完全把人从大厂挖过来成本较高，相当于国内3-4倍，创业公司可借助 part-time、consultant 等方式，与那些在硅谷才能获取的、专注于 AGI 方向的人才展开协作。

硅谷“祛魅”与新机遇

在硅谷工作十多年的光轮智能创始人谢晨却说，这次硅谷之行是一个祛魅的过程。

他曾在美国的英伟达、Cruise 等企业担任自动驾驶仿真负责人。这一次，他发现硅谷在 AI 领域的认知和国内顶尖创业者的认知并没有太大差异，且形成了相当程度的共识。例如，“预训练不行了，要转向后训练”、“RLHF 很关键”、“具身智能前景广阔”等，这些国内早已有深入讨论。但通过此次交流，更加确定了一个国际共识：具身智能中合成和仿真技术的重要性。

他认为真正的创新往往来自边缘，来自那些敢于突破主流思维的小团队和独立思考者。他们有着不同于主流认知的观点，例如，在模型底层架构上有许多可创新之处，模型的最终形态可能与现有想象完全不同等等。尽管这些观点尚未被验证，但它们的价值恰恰在于打开了另一扇思考的窗口。

而从商业模式角度看，中美之间也呈现出鲜明的差异。由于美国的产业链更加精细和专业化，硅谷创业者往往愿意深耕某个细分赛道，例如谢晨的多位 Cruise 前同事，都在创业做“具身智能可视化工具”或数据工具，甚至只做“机械手”的细分领域提供“标品”。但在国内，若想出售一辆车或其他整机产品，通常需要将价值链全部打通获得最终回报。这种差异本身就是一种启示：创新不仅仅在于技术本身，更在于对商业模式和生态系统的深刻理解。对于野心勃勃的科技创业者来说，跨境学习、打破固有思维模式，或许才是真正的制胜之道。

林宜立也告诉记者，这次硅谷之行，自己感受更多是“平视”，不再像以前那样仰视或俯视，或焦虑于要融入所谓的美国主流文化或者进入小圈子。

“其实只要你把业务做好，从商业伙伴的定位去对接，当地的创业者和投资人反而更愿意交流。他们对来自中国的创业者同样好奇，就算很多是弱关系或者陌生伙伴，email 联系或约咖啡，大家也很愿意见面。”他告诉第一财经记者。

他还观察到，00后华人创始人也开始在舞台上活跃，中国背景的创业者综合竞争力越来越强。“湾区科技行业里可能20%以上都是华人面孔，已经主流化，这些年也陆续有不少华人创业者的成功案例。”他提到，圈里有段子说，“有些投资人看到创业团队里如果没几个中国工程师，反而不放心。”

还有前往硅谷交流的人士提到，和多个美国 VC 交流后，大家似乎有种共识：美国本土创业者更倾向于做 SaaS，而中国背景的创业者更擅长做 2C 应用。在 C 端领域，中国背景创业公司更有敏捷有效的产品迭代流程方法论，有高素质的优秀工程师，以及骨子里的奋斗精神。甚至，还有美国 VC 表达了对包括字节系创业者项目的关注。

“如果非要说中国创业者出海还缺什么技能点的话，可能就是对目标市场的客户理解和增长方法，这个需要多看和思考或者通过招募海外员工来补齐。但整体来说中国创业者做 2C 还是非常能打的，这令创业者们以及投 2C 应用的 VC 们都充满信心。”上述人士表示。

顾唯嘉则对记者总结，美国的方式往往是选择押注颠覆性科学的远期梦想，不计成本地制造世界一流的系统，进而追逐成熟技术的短期规模化商业。但这种路径存在明显弊端，既忽视了通过建立供应链、量产技术工程化来扩大制造技术规模的重要性，也未意识到在长周期、长链条产业中积累生产经验、推动制造流程迭代这些对于创新的关键意义。机电一体化和大模型结合点，从底层技术与终端市场之间的“规模制造”的能力，以及进一步大规模商业化，正是双方交合点，这样的“交接棒”或许正在从无人机领域往电动车、具身智能机器人领域进一步蔓延。

而从他接触的一线美元基金来看，不少明确希望找到愿意投身其中、拥有中美两地经验且具备调用中国积累的创业者，“因为他们深知，今天中国背景在这个赛道里的天时地利人和的禀赋和资源交汇点。”

与此同时，也有一些在中国有着美元背景的基金，开始从全球视角思考当下的 AI 投资。比如2024年完成募资的锦秋基金，一直在投资 AI，在北美除了投资项目，也参与投资了一些早期基金，并在硅谷邀约 AI 方向的专家与中国创业者展开交流讨论。

“重塑 AI 世界的力量不仅仅在硅谷，更在新一代全球化创业者的手中。”一位在1月赴美走访的投资人在社交媒体上对记者说。