在联想创投2026 CVC创投周活动上，联想集团副总裁、联想创投首席投资官宋春雨与多家媒体深入交流，分享了他在AI领域的投资见解与布局思路。当前，AI行业竞争异常激烈，宋春雨指出，一家AI公司若三个月没有重要进展，基本就可能面临出局风险。在他看来，如今AI模型能力、产品形态和技术路线几乎每月都在升级，三个月便是一次重大迭代，投资人必须围绕下一代基础模型演进的关键技术进行投资布局。
在基础模型投资方面，联想创投有着独特的经历与判断。今年智谱AI在港股上市，市值一度突破万亿元。联想创投在智谱AI最困难的时候选择投资。宋春雨回忆，在AI 1.0阶段，联想创投投资旷视科技、第四范式等公司取得成功，形成了一套判断早期AI企业的方法。但ChatGPT出现后，中国基础模型公司的团队画像与过去成功投资的AI企业大不相同，导致他们错过了Kimi和智谱的早期阶段，不过阶跃星辰因与印奇的长期信任关系，项目一出来便很快投资。他们很早就注意到DeepSeek，在V2阶段就认可其团队，DeepSeek团队还曾希望通过联想创投与全球较早采用开源MoE路线的Mistral AI交流。
当时中国出现多家基础模型公司，联想创投都进行了考察，但最初未投资。很多财务型投资机构可能选择全部投资，而联想创投出手谨慎，最认可DeepSeek，可梁文锋不融资。2023年，很多基础模型公司连续完成多轮融资，联想创投复盘后决定在中国基础模型选手中选择一家最有潜力的公司。当时智谱估值接近200亿元，又遇融资难题，但联想创投没有放弃，通过大量访谈，宋春雨本人也与唐杰多次交流，最终决定投资。原因主要有几点：一是基础模型公司竞争长期处于你追我赶状态，某一时点的模型排名不能作为判断长期价值的唯一依据；二是认可智谱的人才密度，唐杰和清华体系聚集了一批能力强的人员，有持续追赶和迭代能力；三是当时其他基础模型公司大多选择To C，智谱重点做To B，在产业化和企业服务方面有差异化优势；四是清华明确支持智谱，资源向其集中。
在AI应用领域，联想创投将机会分为数字世界和物理世界。数字世界核心是智能体，软件和内容领域最有可能出现平台级应用。软件方面，AI Coding未来会改变大量软件开发、设计和操作流程；内容方面，多模态内容中AI和智能体生成的比例会越来越高。联想创投在这个方向投资了不少项目，如演语科技，其旗下AI创作平台LiblibAI发展良好，按照目前情况，ARR接近4亿美元，预计年底ARR可能接近6亿至7亿美元，公司估值接近30亿美元。半图科技由米哈游AI研发负责人创立，可生成并实时运行可训练的超写实数字人，能对话、唱歌、跳舞和实时互动。阶跃星辰则探索多模态基础模型与终端设备的结合。联想创投希望在AI应用领域找到具有平台属性的机会，投出现象级公司，对创业者要求提高，很多投资团队来自字节跳动、剪映、米哈游等公司的产品或研发负责人。
物理世界方面，联想创投重点看自动驾驶和机器人两个方向。自动驾驶过去未真正解决泛化问题，大模型应用后，一些过去十年未解决的问题可能在半年内取得突破并向产业渗透。机器人投资是全栈式的，从核心部件、基础模型训练到垂直行业落地都有布局。
现阶段，联想创投有三个优先投资方向。一是围绕下一代基础模型演进的关键技术布局，重点关注多模态基础模型、具身智能基础模型和AI for Science。目前中国很多具身智能公司不具备真正泛化能力，联想创投投资AMI是希望寻找能实现泛化的具身智能基础模型。二是推理算力，预训练Scaling后，推理计算和Agentic强化学习进入Scaling阶段，需要大量针对推理优化的专用芯片和基础设施，联想创投投资算苗科技、无问芯穹等公司解决推理计算成本和效率问题。三是AI应用，布局重点会从AI Coding逐渐迁移到AI多模态，同时关注基础模型如何进入垂直行业。
下一代AI技术路线尚未形成全面共识，这反而为投资带来机会。宋春雨指出，AI革命需等待科研和技术原点突破，存在多个分歧。一是基础模型能否继续Scaling，宋春雨是坚定的Scaling派，认为预训练、推理计算和Agentic强化学习后还会出现更大规模的Scaling。二是能源问题，AI对算力和能源消耗大，第四次工业革命能否持续取决于能源供给，联想创投开始布局更底层的能源技术，如投资诺瓦聚变。三是Token经济的商业模式，目前有NeoCloud、Model as a Service、按最终效果和交付成果收费三种模式。四是开源和闭源，开源模型会受大型企业客户欢迎，全球三个开源基础模型领先企业DeepSeek、Kimi和智谱都是中国创业公司。五是基础模型和应用之间的关系，内部常讨论基础模型会“吃掉”多少应用，应用公司机会在哪里。
目前AI商业模式消耗巨大算力和能源，大公司增加AI资本开支时资本市场有时会担心。宋春雨认为这是短期现象，因此加大投资新型算力架构。当前基础模型企业对算力供不应求，未来一到两年算力供应短缺和高资本开支仍会持续。全行业等待AI经济模型真正转正，AI Coding已出现重要苗头，会推动新一轮算力军备竞赛。
推理是用户每次使用模型的成本，对成本和性价比敏感，推动推理架构全栈优化。芯片层需要为推理专门优化的处理器，Infra层需根据不同基础模型和芯片深度优化，NeoCloud层企业要为客户提供更低推理成本和更好推理性能。推理产业会形成芯片、Infra和NeoCloud等不同层次垂直分工，中国在推理芯片、新型计算架构和模型基础设施方面有很大机会，如算苗科技利用3D堆叠降低计算成本，无问芯穹可在模型和算力间深度优化，AI Infra领域存在创业机会。
过去半年，基础模型内化了一些通用能力，约50%的AI应用可能被基础模型消灭。创业公司要与可能被基础模型吞掉的领域划清界限，长期独立发展的应用需具备任务足够长程和复杂、能进入企业核心业务工作流、拥有闭源原生数据三个要素。复杂长程任务如AI短剧涉及导演、镜头、节奏、审美和大量连续决策，难被基础模型直接吞掉。把开源基础模型带进企业工作流也是机会，Palantir、Airbnb等企业更愿意使用开源模型和私有化部署方案，这是中国开源模型的重要机会。
具身智能真正的分水岭是泛化，市场上90%以上的具身智能公司仍采用深度学习1.0时代的逻辑，针对一个场景做Fine-tuning和单独训练，换个场景就要重新投入人员和数据，成本高且不具备泛化能力。AI 1.0和AI 2.0的本质区别在于有无泛化性，谁率先证明具身智能基础模型具备泛化能力，迎来具身智能的“ChatGPT时刻”，就可能成为物理世界重要公司之一。宋春雨判断，具身智能的泛化能力可能在未来6到10个月出现重要进展。
