盛景嘉成：深耕AI技术三维世界，重新定义AI应用终局

近期，在融中财经、上海天使会主办的“2025中国科创投资夏季峰会”上，盛景嘉成创投凭借在人工智能领域的前瞻布局、专业投研能力及卓越投资成果，荣膺融中“2024-2025年度中国人工智能领域最佳早期投资机构”权威奖项。

随着AI新时代带来的技术革命大爆发，人工智能正以前所未有的速度重塑产业格局，基础模型能力持续跃升，数字、物理、科学三大世界中的创新层出不穷。在这一浪潮中，盛景始终聚焦于推动变革的核心赛道，深度布局人工智能、芯片半导体、新材料新能源等关键领域，洞察技术演进与商业落地的深层逻辑。

基于对AI赋能产业本质的深刻理解，盛景创新性地提出了“AI RaaS”（Result as a Service，结果即服务）模式，致力于为企业在效率跃迁的高价值场景中创造长期壁垒。

那么在AI应用爆发的关键窗口期，盛景进行AI投资的底层逻辑到底是怎样的？在技术快速迭代过程中，又有哪些投资机遇与挑战？

盛景嘉成创投管理合伙人王湘云，结合盛景在AI核心技术领域与应用生态构建的双轮驱动实践，就如何重构AI应用价值，释放物理世界与科学世界的巨大商业化潜能，进行深度剖析与前瞻分享。

以下为分享内容整理，enjoy～

 

▼

盛景关于AI投资的底层逻辑，围绕“AI核心技术”与“AI应用”两大核心维度展开。

在“AI核心技术”层面，我们一手通过“清北中早期孵化”深度绑定高端人才，充分发挥盛景在中关村的“地利”优势；一手通过对核心技术领域四大重点板块的深度布局，实现对关键技术节点的战略卡位，形成覆盖核心价值链的完整技术版图。

而在“AI应用”层面，我们洞察到底层模型不断成熟所带来的窗口机遇，创新性地提出“AI RaaS”模式，并通过“CIC产业孵化”推动技术与产业的“双向奔赴”。接下来将结合盛景实践，来做进一步的深入剖析。

01

AI核心技术的三维世界

从目前AI产业的大背景来看，基础模型能力快速提升的同时，新的模型、新的技术也在不断涌现，其上限远未出现。

在“AI核心技术”层面，我们又把它分为数字世界、物理世界和科学世界。数字世界，比如语言模型，包括文生图、文生视频等多模态的模型最先发力，这得益于我们原来在互联网世界的基础上积累了海量人类的数据，这些数据加上Transformer算法造就了基础底座模型能力的快速提升，AI编程等应用呈现了前所未有的商业爆发力。

物理世界，如自动驾驶、具身智能、专用或者通用的智能机器人成为最近两年的投资热点，尽管在具身智能模型层面还没有实现足够的通用化和技术路线收敛，通用机器人的硬件还在持续进化和迭代，但是其未来的商业价值空间已经得到高度共识。

科学世界，让人类可以跳脱常规物理尺度，向更宏观和更微观（如分子、原子、光子、量子）层面深入，从更高维去认知和预测世界，从最低维去理解和改造世界。

但随着数字世界、物理世界、科学世界AI应用的快速演进，我们在进行AI投资时所面临的挑战也在增加。

一方面，要不断吸收、理解新的技术，并把它们形成结构和框架，而不是把单个技术孤立看待。因为AI的芯片、硬件和软件，模型、数据和应用，会产生互相联动和影响，在大的演化趋势下又形成一个个小的波段，所以在对技术理解、趋势跟进以及系统性结构建立方面，要始终保持高强度的投入。

另一方面，在快速升级的技术领域，除了要找到关键变量，找到所谓的“不变”或相对稳定的因子同样重要。

 

 

以高端AI人才为桥梁，投资前沿AI技术

 

首先是核心的、高端的，包括有深度工程经验的 AI人才，目前是非常紧缺的。由于人才的培养很难一蹴而就，需要头部人才的带动和引领，我们就更需要通过与高端人才、科学家、工程师的紧密互动，来保持对新技术的跟进和学习。以相对稳定的人才为桥梁和纽带来适应技术的快速迭代。

这也是为什么我们在AI领域的投资，尤其是AI核心技术投资的层面，要特别强调，双轮驱动的情况下，一个轮子是技术，另一个就是人才。

由此，我们提出了“清北中早期孵化”的概念，积极主动系统性地跟进（包括但不限于）国内以清华、北大、中科院、浙大、上海交大、哈工大等（简称“清北中”）为代表的第一梯队人才资源，因为通过估算，在 AI核心技术领域，以清华、北大、中科院为代表的人才团队占比达到80%-90%，与之进行紧密连接，在中国就能够保持位居生态的头部位置。

具体到项目，比如我们投资的由中国科学院鄂维南院士任首席科学顾问，“AI for Science”科学研究范式的引领者深势科技（科学AI大模型）；由清华大学高性能计算所郑纬民院士担任首席科学家的厚笃科技（AI Infra）；清华大学类脑计算研究中心孵化的探微芯联（GPU互联）；中科院自动化所多模态人工智能系统全国重点实验室孵化的中科硅纪（通用灵巧手）等等，都是前述投资思路和逻辑的体现。这些项目，盛景往往都是首轮/天使轮就参与投资，相当一部分是担任领投或者联合领投。

当然，“清北中”策略制定出来，还需要一些先天的团队和资源禀赋做支撑。盛景从创立第一天起就出自清华科技园，十八年来一直处于中关村的核心区，位于中关村清华、北大、中科院的中间地带，此为“地利”。

同时，盛景的合伙人团队大部分是清华科技产业的高管和清华校友出身，见证和经历了中国IT、互联网、AI产业近30年的发展历程，有强大的老师、校友圈从技术和产业维度提供洞察和见解；盛景也积极支持水木校友种子基金等校友基金生态，与生态共荣，此为“人和”；再加上AI产业周期的“天时”，使得盛景有机会比较早地接触和发现中国头部的AI创新项目。

 

 

AI核心技术的深度布局

四大关键板块重点覆盖

盛景内部把AI核心技术领域分为四大板块，一个是基础半导体板块，随着 AI技术的升级、应用的发展，对底层芯片也提出了升级换代的需求，包括对整个芯片的架构、对海量数据的处理速度和处理能力，以及要实现并行化的处理等等，都需要底层芯片的升级。

所以，我们在推理芯片、互联芯片、存储、通信、传感、相关的材料和设备、光计算的升级等细分领域都在进行积极的布局。

第二大板块是AI infra，在底层硬件和上层模型和软件的整合过程中，有一个很重要的系统级能力，我们叫AI infra，它包括集群和高速互联、分布式计算和深度学习框架、应用编排框架、Data+AI、数据库和数据平台等维度。

第三大板块是垂直模型和AI Agent，由于基础模型还在向头部逐渐收敛，所以我们的重点是投垂直模型和它的AI Agent应用。

第四大板块是AI计算设备和机器人，包括云端、边端、终端；机器人则包括整机、核心零部件，智能机器人的投资方向包括通用机/类人形机器人、专用场景型的智能机器人等。

大的技术板块、方向确定了，还需要一些更具体的策略，譬如：

通用型、集成型的产品/系统往往需要以技术的泛化能力、核心/关键部件技术的成熟为前提。所以，如果泛化能力、关键部件技术的缺口较大，这个时候盛景会优先投资早期关键部件型技术、以及足够市场体量的垂直场景AI。

在物理AI/具身智能、科学AI领域，目我们就以此项策略为主。因为物理AI，科学AI往往要进入现实世界场景中，并且往往需要和传感器、硬件相结合，需要现实的物理、化学、生物数据进行验证，AI和硬件即互相推动，又互相牵制，技术迭代周期受AI和硬件迭代的共同影响。如果没有多年的底层技术积累、超大体量资本和全面复合的人才团队做基础，很难跨越式发展。

在此策略指导下，盛景已投资多个关键项目，其中包括：

#01 

 

 

 

 

 

 

 

 

 

 

 

 

 

清华类脑中心孵化的探微芯联，主要做GPU和GPU之间的片间互联，类似英伟达的NVlink和NVSwitch技术。

英伟达在这个领域非常领先，探微芯联致力于构建国产版NVLink/NVSwitch通信协议与芯片解决方案，打破国内GPU算力集群中通信调度长期依赖英伟达技术体系的格局。

盛景嘉成投资探微芯联的核心逻辑在于，其抓住了 AI 核心技术中 “计算与互联协同进化” 的关键变量：当前国产 GPU 芯片性能持续追赶，但国内算力厂商长期聚焦单芯片算力提升，对集群通信这一 “系统性能力”的投入与重视度明显不足。探微的生态位稀缺性正源于此，它填补了国内在 “算力互联全栈技术” 的空白。

通过协议层、交换芯片、通信库到系统部署的端到端自研，其方案具备直接替代英伟达体系的能力，而这种全栈能力在国内极为罕见。清华类脑中心多年来在构建类脑计算集群方面，积累了类似的片间互联和通讯协议的技术，国内这类的技术团队非常稀缺。

#02 

 

 

 

 

 

 

 

 

 

 

 

 

 

清华高性能计算研究所由郑纬民院士牵头创立的厚笃科技，通过自研“诸葛弩”引擎实现数据存储与计算的深度融合，正在向AI 时代数据智能基础设施的核心技术提供方坚定迈进。

盛景在 AI 投资布局中，始终将“模型、计算、数据”视为三大核心支柱，而数据的价值早在大模型热潮伊始就已被我们重点关注。当基础模型逐渐收敛，数据的质量与处理效率就成了差异化竞争的关键。厚笃科技的投资价值正体现于此，它不仅从底层重构了 AI 时代的数据处理范式，更前瞻性地构建了“AI for Data” 与 “Data for AI” 的双向闭环。这与当前估值已突破 400 亿美元的全球数据智能平台标杆Databricks的成功路径高度契合。Databricks的核心价值正是通过打通数据处理与 AI 应用的全链路，成为企业级 AI 基础设施的 “必选项”。

与Databricks解决了传统数据处理框架的效率与协同难题，精准突破大数据时代的核心痛点相似，厚笃科技则瞄准AI时代的核心矛盾——当多模态数据爆发、模型训练对数据质量要求陡增，传统湖仓方案基于开源 Spark 等框架的分层架构已显僵化，性能瓶颈突出。厚笃的“诸葛弩” 引擎通过统一编程模型与AI编译优化，在迭代类算法性能上优于 Spark 10 倍以上，实现了“AI for Data”的核心突破。

同时，其平台原生支持结构化、非结构化与 AI 训练数据的一体化管理，能直接为大模型提供高质量、低延迟的“数据燃料”，形成“Data for AI”的价值反哺。这种双向闭环设计，使其具备 Databricks 式的平台化潜力。

#03 

 

 

 

 

 

 

 

 

 

 

 

 

 

服务于水下垂直场景的世航智能机器人，哈工大背景的团队，主攻水下场景，尤其是水下清洗机器人在集装箱港口清洗远洋轮船，具备非常现实而迫切的需求。

做垂直场景的水下智能机器人，一定程度上舍弃了对所有场景均能适应的高度泛化性要求，但是却能够实现对特定场景的定向优化，并且能够解决当前水下船体清洗人力资源不足的产业痛点，实现扎实的产业化和商业化，其积累的技术和经验也可以为其后续的泛化升级奠定基础。

世航在 “物理世界细分场景” 中构建了清晰的AI RaaS闭环：一是切入高价值刚需场景，港口清洗、能源设施维护等任务天然具备高危险、高人力成本属性，企业对自动化替代的需求迫切且付费意愿明确；二是交付模式直指 “结果价值”，通过技术方案直接解决客户在作业效率、成本优化等方面的核心诉求，而非单纯售卖设备，这种 “以结果论价值” 的模式，正是AI RaaS在物理世界的典型实践。

 

 

 

当然，投资稀缺技术、垂直场景AI，并不意味着我们就放弃了投资通用型、总成型产品的机会。

对于类似具身智能通用机器人这类全面创新的产品，其成长周期往往需要经历3个以上的产业波峰波谷。因此，除了早期介入以外，在中期发展阶段仍然有一波优质的投资窗口期。在早期首轮的投资热潮之后，往往会有一个阶段性的低谷期，在低谷期内，前期的投资泡沫会一定程度被挤出，真正优秀的项目和团队会在此时逐步凸显出来。这个时候，技术和团队的确定性会变得更强，市场的潜力还远远没有被挖掘，至少还有10倍、甚至数十倍以上的成长空间。盛景会积极参与到一些优质项目的中期投资窗口中。

由此，围绕着AI核心技术，在数字、物理、科学三大世界，盛景依托“清北中早期孵化策略”深度联动高端人才，同时通过战略布局核心技术板块，从底层的芯片半导体，到系统级软件AI infra，再到垂直模型和AI Agent应用，最终延伸至硬件设备和智能机器人及其核心零部件，形成人才与技术深度协同的核心竞争力。

02

AI应用：

AI RaaS模式，终局思考、双向奔赴

再来看AI投资逻辑另一个大的考量层面——AI应用。

其实此前我们一直在关注AI应用的投资时机，但AI应用有一个特点，就是只有在底层模型足够强大和成熟的前提下，它才能快速发展。相较于美国，从ChatGPT走入应用开始，在很多代表性的模型支持下，相关应用实现了快速发展。但中国在Deepseek的推理模型R1面世以后，应用的发展空间才被真正打开，所以今年我们加快了对AI应用的布局。

可以肯定的是，AI应用的阶段性机会是有的，但我们在投资AI应用的时候，核心不仅是看现在，更重要的是会去思考这些应用的窗口时间，如果不能快速建立起足够高的门槛或壁垒，有些应用的能力就有可能会被底层模型的进化和迭代所吞噬。

这给我们提出了新的挑战，因为之前的软件其各个层级、工具，它的边界是比较清晰的，所以大家能够相对稳定的对产品或技术进行边界划分和判断。

但对于AI应用的投资来讲，一个重要的课题就是要看到底层模型的能力在升级和进化的同时，是否会覆盖掉很多应用的能力，边界未来会不会消失。基于这样的思考，我们理解的AI应用的投资，不仅要看短期的窗口时间，还要看长期和终局的发展趋势。

因为短期的窗口时间，不足以让一个应用建立起足够强大的长期壁垒，原因在于底层模型能力不断升级，建立在底层模型基础上的应用“起点”也在不断抬升。那么在这种情况下，我们该如何去考虑一个应用它的长期的价值和可持续发展的能力？

为此，盛景在今年3月份正式提出了“AI RaaS”模式（Result as a Service），这是“结果即服务”的缩写，核心在于交付结果而非工具，敢于以结果作为定价、收费或盈利的依据，并将其形象地比喻为“AI包工头模式”。（更多详尽分析见《中国AI应用的终局：AI RaaS和AI包工头模式》一文）

此后的5月中旬，红杉美国在其组织的高端AI峰会上，也提出了AI应用新的结构模式，即从卖工具（Software as a Tool）到卖协作（Software as a Co-worker），最终走向卖结果（Software as an Outcome），即未来AI不再卖工具、而是卖收益，按照最终交付的成果进行收费，与盛景的理念高度共识。（更多详细内容见《红杉AI峰会闭门6小时，150位创始人共识浮现：AI不再卖工具，而是卖收益》一文）

对于高价值的 AI RaaS的场景选择，我们认为，基于AI技术实现AI SaaS的时候，能够帮助企业获得一个更大的利润池，并且有潜力达到10倍以上的量级，它就是一个好的AI RaaS的场景。所以，首先要看更优质、更有上升空间AI应用的利润池，尤其是那些未来能够和物理世界深度结合，软硬兼备的场景，会创造出更大的利润池空间。

其次，AI RaaS也是在不断的进化的，现在的应用（简单应用、标准应用、工具型应用）更多的还是偏短流程，我们定义其为L1级；L2级我们认为是软硬结合的，服务于长流程和复杂场景的、具备环境适应性和调度能力的AI应用系统，我们定义其为L2级；L3级是和客户的销售结果挂钩，为客户端到端的AI代运营并实现最终的销售结果，按照销售结果来分成；L4级，“AI包工头”将进一步跃升为“AI业主”，成为权益和资产的所有者（全部或者部分），从乙方变甲方，我们认为这是AI RaaS模式“结果即服务”的极致化发展。

也许不是所有AI应用企业都能做到这一点，但是现在已经能看到L4比较成功的代表，如美国的Kobold在AI探矿场景下就已经非常成功地做到L4级，我们投资的AI探矿企业“凌云智矿”也在沿着这个路径快速发展。

 

凌云智矿：AI回到物理世界，回到材料源头

互联网女皇Mary Meeker曾经是互联网时代全球的投资风向标，2025年她第一次发布了全球AI趋势报告《Trends-Artificial Intelligence》，她谈了很多AI在数字世界领域的创新和场景，在物理世界中，她重点谈了两个场景，一个是特斯拉的无人驾驶，另外一个就是一家叫Kobold Metals的AI探矿公司。

当今世界，无论是新能源，还是人工智能、工业，都对金属矿产提出了巨大的需求，矿产资源成为全球竞争的核心议题之一。但另一方面，矿产勘探的生产率却在持续下滑；Mary Meeker在报告指出：全球矿产勘探的投资回报率自1991年的高点（约8倍）持续下滑至近年约1倍多。个中原因，因为表层矿产已经充分开发，而地下蕴藏的矿产需要进行技术升级才能更加精准地判断其蕴藏储量和经济价值，传统技术的成功率、效率和成本已经远远满足不了需求了。

而KoBold凭借AI赋能，勘探成本仅为传统方法的1/4，勘探准确率和勘探效率相当于传统方法的10倍；相比于全球平均1倍多的回报率，Kobold实现了约15倍的回报率、不仅远超当前水平，还高于1991年8倍多的历史峰值。这充分证明了AI技术对物理世界效率的颠覆性提升潜力，当AI能力真正深入物理世界，其杠杆效应将被极大释放，商业化上限空间将成倍放大。

Kobold的成功，不仅是AI技术的成功，也是它选择的AI应用商业模式的成功，它就是典型的盛景定义的“AI RaaS”模式，它不是一个单纯的勘探技术服务商（这个商业模型收入规模非常有限），而是基于AI的能力，实现了“按照结果付费”，成为了“AI甲方、AI业主”。它用自有资金在低价位投资有潜力的矿权（基于其自有AI技术分析），并通过后续的AI勘探充分发现其潜藏价值，实现权益的快速升值。

Kobold模式是AI RaaS的代表性模式，我们也一直在寻找能够服务于中国企业的“Kobold”.在此背景下，我们与光源资本共同投资了凌云智矿，凌云智矿同样结合了“AI探矿技术模型+AI RaaS商业模型”的双重优势，为中国产业和矿产企业走向全球发现和投资高价值矿产提供AI赋能，同时凌云智矿也共同参与矿权早期投资实现10倍级的利润池放大。

因此，凌云智矿并不是所有项目都要去做，而是要有选择地服务和投资，选择在优质、高效益、高回报的矿产上投入AI技术和人力物力，以共享部分优质矿权开发所带来的收益，从而形成正向循环，并由此加入一个高质量、高层级的矿产产业生态中。目前，凌云智矿的AI能力已经在多个项目上得到了产业方的数据验证，和产业方的合作推进也非常顺利。

当然，除了凌云智矿，我们已投资的其他关键项目，也在不断验证盛景聚焦于高价值场景落地的布局，其中天赋智源就是践行这一投资逻辑的代表性实践。

 

天赋智源：

以Agent为接口，构建工业AI结果交付范式

天赋智源是一家以清北背景团队为核心的 AI 公司，专注于将Agent 化大模型深度落地于工业垂直场景。公司聚焦“AI 代理 + 流程任务”的产品方向，围绕工厂日常运营中的标准化任务、流程规范与执行标准，打造具备“理解 - 决策 - 执行” 全闭环能力的智能 Agent 系统。其技术核心在于将大模型能力封装为模块化的标准任务单元，通过流程引擎调度、工具链集成与结果可验证模块，构建起 “按结果交付” 的 AI 服务形态，与盛景提出的 AI RaaS 模式高度契合。

盛景投资天赋智源的核心逻辑，在于其突破了传统 AI 应用 “工具化” 的局限，在工业场景中实现了可量化的价值闭环，这使其在众多 Agent 项目中脱颖而出。

 

 

AI应用的场景落地：

CIC产业孵化驱动“双向奔赴”

AI应用如何能更快地、更好的落地和商业化，实现高质量的收入转化，这也是盛景一直在思考的课题。目前阶段，我们找到的答案是：结合盛景提出的“CIC产业孵化”，主动推进“AI应用公司”与“产业场景公司”的双向奔赴。

CIC（Corporate Incubator）产业孵化模式是盛景于2019年提出，并在后续的几年中一直在践行的科创投资策略。目前，盛景已与三一集团、国联股份、软通动力、五星控股、艺妙神州等上市公司、产业集团，在CIC产业孵化领域进行了深入合作。

CIC产业孵化模式的本质是通过“大手拉小手”的方式实现共享式创新，既帮助大企业、产业集团或独角兽企业实现价值提升和二次曲线创新，也帮助科技创新企业跨越“从技术到价值”的鸿沟。CIC产业孵化，特别适合现阶段AI技术要加快进入应用场景的迫切需求。

为了加速推动这一进程，盛景进一步提高了主动“造标的”的投入，主动去发现AI应用的优秀团队，以及有望实现10倍级利润池放大的优质产业场景公司，帮助双方加速融合、加速落地。

具体如何实现呢？一方面我们要找到优秀的团队，他们不仅要善于使用并能够充分理解 AI底层逻辑，同时还要具备能把 AI模型的能力形成落地应用的能力。另一方面，我们也要找到高价值的应用场景，与产业公司或上市公司去结合。

通常情况下，符合要求的AI团队在“清北中”或者大厂出来的会更多一些，因为他们较早就接触到AI这套体系，包括怎么去挖掘模型的能力，怎么去把模型和数据相互之间形成闭环、持续迭代，怎么更好的去架构体系、设计产品的交互等等。而产业公司和上市公司则有成熟的产业场景、客户场景，甚至供应链的能力，但如果让他们完全从0开始去部署 AI应用，其相关经验是需要进一步积累的。

所以，AI应用的技术团队缺场景和客户资源，产业公司缺AI技术的落地能力，双方所缺乏的恰恰是对方所擅长的，如果能够加速结合，正向结果可以预见。

因此，我们做了大量工作，一边联动积淀深厚的产业公司进行孵化，尤其是AI应用的产业孵化，一边发掘优秀的应用技术团队，帮他们聚焦好的应用产品和技术落地的能力，然后将两方主动链接起来，共同在高价值的，我们称之为10倍级利润池的场景中去落地。

除此之外，我们也建议AI应用公司，从诞生的第一天起，就要有“出海”的规划和愿景，即使暂时还在国内发展。因为从某种意义上来讲，AI很大程度上是在打破边界，促使中国的AI企业、软件公司有可能走向世界。所以在投资的时候，我们也会重点寻找在中国和海外都有高发展潜力的场景。我们相信，由此产生的更大的杠杆效应，不会辜负目前宝贵的产业窗口时机。

盛景从决定聚焦“投早、投小、投科技”的那一刻起，我们就坚定了要以积极推动优秀AI技术走向物理世界，以真正改变生活，实现AI更广阔的商业化蓝图为目标。为了达成这一愿景，盛景将继续协同资源，推进底层技术攻关与高价值场景实践，与生态伙伴共同把握 AI 驱动产业深层变革的关键跃迁期，充分释放其在物理与科学领域带来的变革效能。