核心内容总结
这篇文章通过分析WAIC（世界人工智能大会）上的青年投资人榜单，揭示了当前科技投资的四大新趋势：资本从追逐“高大上”的技术名词，转向关注技术落地的真实路径。年轻投资人正在聚焦AI进入物理世界、大模型红利持续释放、数据瓶颈催生新底层技术、硬科技深水区需要耐心资本这几个方向，他们更注重技术与产业的结合，而非短期概念炒作。
详细解读
1. AI从“屏幕里的玩具”走到“现实中的工具”
过去我们对AI的印象是聊天机器人（比如ChatGPT）、生成图片/视频，但现在AI要“走出屏幕”，去真实世界里干活了——比如机器人搬货、无人配送、汽车自动驾驶，甚至太空里的维修机器人。
举个例子：具身智能（能像人一样感知环境、做动作的机器人）很火，但投资人提醒“泡沫不在技术，而在预期”。比如一个机器人演示时能端杯水，但实际工厂里要连续干100次不失误、成本能降下来才有用。现在很多机器人还在卖给高校做研究，离真正赚钱还有距离。
另一个方向是“端侧智能”——AI不只是在云端（远程服务器），而是直接装在手机、眼镜、机器人这些设备里。这样设备不用每次都连网，反应更快，还能通过持续服务赚钱（比如机器人定期维护收费）。像无人配送的白犀牛，2025年运营车辆从100台涨到2000台，在170多个城市跑，每天都在检验效率和成本，这才是真落地。
2. 大模型不是“过气网红”，要建“越用越强的循环”
很多人觉得大模型的热度过去了，但其实它的红利还没释放完。就像互联网的TCP/IP协议出来后，过了很多年才出现淘宝、微信这些应用。大模型也是一样，现在很多企业还没把它真正用到工作里。
投资人说的“智能飞轮”就是关键：用户用产品→产生数据→数据让模型更好→更好的模型吸引更多用户→再产生更多数据，形成一个循环。比如智谱AI，三年收入涨了5倍，还成了“大模型第一股”；快手的可灵AI嵌入创作流程，45天就开始收费，2025年赚了10亿。这些公司不是靠模型本身强，而是靠“用户-数据-模型”的循环，把模型变成了“越用越强的系统”。
3. 数据不够用？科学基础模型来补缺口
大模型需要大量高质量数据，但互联网上的文字、图片快用完了，人工标注又贵。怎么办？比如AlphaGo Zero不用人类棋谱，自己和自己下棋就能变强，这种“自我学习”的方法可能解决数据问题。
还有一个“非共识方向”叫科学基础模型——不是做某个具体的科研工具（比如预测蛋白质结构），而是在生命科学、材料学这些领域建一个通用模型，能服务整个学科的多个任务。虽然科学数据专业、难获取，但这可能是下一轮AI增长的关键（毕竟专业领域的高质量数据还很多）。
4. 硬科技要“慢投资”，耐心比速度重要
像商业航天、量子计算这些硬科技，验证周期很长——量子计算现在路线还没定（光量子、中性原子各有优劣），商业航天要搞定发射、审批、供应链等一堆事。但这不代表没价值：2025年民营商业火箭发射了23次，融资186亿，说明产业在加速。
投资人的逻辑是：不能等技术完全成熟再投（那时早没机会了），但也不能把远期可能性当短期收益。要看团队有没有真本事（比如底层研发能力）、需求是不是真实（比如卫星多了需要清理太空碎片），然后耐心陪企业成长。比如太空具身机器人，就是因为卫星越来越多，需要在轨维护，才成了新方向。
最后想说
现在的科技投资，不再是“谁讲的故事好听”，而是“谁能把技术变成真赚钱的生意”。年轻投资人更懂技术，也更愿意等，这可能就是未来科技产业的新逻辑。