AI 創業是更難還是更容易？2026 DEMO CHINA 嘉賓探討軟硬件機遇與行業誤區

AI 浪潮席卷而来，无数创业者投身其中，有人看见时代红利，也有人直面现实困局。当热潮褪去，究竟这一轮 AI 创业是更容易，还是更艰难？

在2026（第二十届）DEMO CHINA现场，由名川资本创始合伙人王求乐作为嘉宾主持，与云英谷科技董事长、总经理、行政总裁顾晶，红杉中国合伙人郑庆生，光合创投合伙人朱嘉三位来自产业和投资一线的嘉宾，跳出市场流行的共识与幻想，围绕 “难与易” 展开坦诚对话，重新审视 AI 时代下创业逻辑、软硬结合机会与行业潜藏的认知误区。

以下是他们的对话实录，由创业邦整理。

AI创业的“难”与“易”究竟由什么决定？

王求乐（主持）：上一场讲的是"快与慢"，这一场换个话题："难与易"，结合AI展开。主办方给的英文标题叫No Filter——畅所欲言。

我介绍一下三位嘉宾：顾晶顾总，云英谷创始人，刚刚在港交所上市，恭喜！云英谷是国内OLED Driver的领头羊，顾总清华毕业后去了哈佛，成功实现科研成果转化，我自己也在做转化，格外关注您这条路径。郑庆生郑总，红杉中国合伙人、种子基金负责人，投过很多好项目，待会听他展开。朱嘉总，光合创投合伙人，半导体产业出身，现在负责光合的投资。

本场问题：这一波的创业，是更难还是更易？尤其是AI这一波。

现在AI确实热。我这个岁数，对互联网时代有强烈记忆——眼前这波有点像：融资快、创业者多、估值起得快，各种因素叠加。作为投资人，我们也是观察者。

第一个问题先问顾总。您是真正的创业者，虽在硬件行业，AI里有硬件也有软件——但创业殊途同归。您看到的AI与硬件结合的大机会，在什么方向？

顾晶：我是2012年回国创业，那时候没人谈AI——说起人工智能都觉得是忽悠。今天完全不一样了。

做公司这些年，我们很重要的一条线是国产替代——那是起步时的大方向。但AI起来之后，世界变得更平了，今天讨论最多的是出海：把中国强大的制造业、创新力和"低成本+高质量"卖到海外。

前几年是说服国内产业链和客户，今天要琢磨的是响应海外高端需求、适应付费习惯。这一点，值得好好布局。

王求乐（主持）：在中外乃至国内市场格局都趋向扁平化的背景下，发展机遇究竟是增加还是减少？

顾晶：我觉得不太一样。

中国制造业强，过去很大程度靠劳动力。但具身智能起来后，机器人在哪里都能干活。

但这恰恰是机会：围绕新场景做应用，是创业的新思考点，得刷新认知、重新思考。

王求乐（主持）：所以没有过去可以依赖的路径，可以继续去依赖。

顾晶：我觉得就像说的，它是一个新的人类文明的革命。

王求乐（主持）：郑总，跟互联网时代比，现在这一波，对创业者、对投资人，是更难了还是更容易了？

郑庆生：过去人们经常把人工智能和移动互联网放在一起比较，但现在我越来越认为，人工智能更是一场能源革命，不能只用数字革命的框架去理解。数字革命是历史上比较特殊的，它没有伴随同样程度的能源切换，大数据不等于大能量；而蒸汽、石油、电力所推动的变革，都深刻的变更了能源使用形式。如果从这个角度看，人工智能的很多商业模式，可能与蒸汽时代、电力时代更相似。我们要寻找参照，可能需要跨周期去借鉴。

首先体现在成本结构上。软件和互联网时代，边际成本可以趋近于零；但今天做AI应用，每一次使用都有相应的成本。用量特别大时，成本也可能有所下降，却不能直接套用过去那种边际成本快速摊薄的逻辑。它更像当年的福特汽车，每卖一辆车，都有相应的成本和毛利。至于AI最终会形成怎样的规模效应，目前还不好下结论。

从创业的难易看，我认为有两点不同。第一，移动互联网有一个总的天花板，就是全体用户的注意力时长，大家只能在这个总量份额里争夺；但人工智能在初期表现为没有封顶的效率提高，还没有发现一个可以被定义的天花板。只要人认为自己的效率还应该提高，就可以不停的增加AI和智能体的使用。效率还可以在哪些方面提高，我们现在也没有完全定义清楚。既然这个蛋糕并没有总量限制，创业者寻找机会的空间就会一直有。随着市场的发展，人工智能市场有可能依旧受到注意力的限制，但是这不是早期的事情。

第二，大模型本身会做应用，这又增加了创业的难度。历史上的能源大厂，大概率不会同时成为应用大厂，因为它们熟悉的是能源，不一定熟悉应用场景。但大模型不同，它已经包含了人类已知的大部分文本，本身就具备做最基础应用的能力，所以我认为，大部分普适性的纯数字化的应用会被模型吃掉。

因此，“AI+”究竟更难还是更容易，要看你加的是什么。如果加的是大模型不熟悉的行业实践或者线下场景，相对就更容易找到机会；如果加的仍然是数字化本身，就会更难。过去的能源大厂不会自己做应用，今天这些“人工智能时代的能源大厂”，却会自己做最基础的应用。这是创业者需要辨别的一个重要差异。

王求乐（主持）：这点我认同——Agent公司起得快，大模型一来就被冲掉不少。

接下来问朱嘉总。您的经历和我有点像，都是产业界转到投资。2024年您投宇树时质疑很多：估值高、市场看不清。但您密集跑了头部竞品，发现很多研发团队都在用宇树，也没有更好的第二选择，于是果断出手。今天看这个回报确实惊人。

但那时候是"敢不敢信"——您的信是基于扎实的研究。两年后，好像成了everybody trust，全人类的信仰。可做投资惯常要self-reflection：成了共识，反而要回头想想。

所以今天的问题：年轻人现在想做具身智能产品，您最想问他什么问题？问到什么程度，才值得您下场？

朱嘉：谢谢王总。投宇树时非共识很多——到今天还有人觉得它是用来跳舞表演的。但我们投资的理由很简单：宇树是研发工具、研发的基础设施。

我常打这个比方：英伟达给OpenAI供GPU的前几年，就是个卖铲子的。直到ChatGPT 3.5出来、推理爆发，GPU才大量进入应用场景。宇树满足的是具身机器人背后的长期研发需求。有人说研发市场小，研发完就没需求了——但过去15年，中国半导体就是这么一路成长起来的。研发的基础设施，一直有大机会。

但今天再看具身智能公司，难度确实高了。新公司必须展示很不一样的能力：

硬件上，运动能力要强，精细操作、运动加操作一体化，要比现有水平显著更好。举个例子：便利店货架是为人手设计的，机器人要灵巧地从货架上拿出一个瓶子、还不碰倒周围的商品——光实现这一个点，就很不容易。

模型上，必须展现泛化能力。靠RL做深单点场景已不难，但未来机器人一定要有泛化力，才有广阔市场。我们投自变量时，我在公司楼下买了十几个瓶子让它抓——抓得踉踉跄跄，像个3岁小孩不停试错。但正是这种展示，让我们看到前景。

王求乐（主持）：所以您真正care的是：它有没有系统化的能力？而且能demo出实际效果来。

朱嘉：对，而不是单点模型——比如叠衣服叠得特别好，这反而不一定有价值。

AI与硬件的融合，离真正的爆发还有多远？

王求乐（主持）：明白。跳脱提纲，问个我个人的疑问。

您二位很有意思：郑总投大模型——MiniMax、月之暗面、Manus，明显偏软；一位做硬件创业，一位投机器人、半导体。但外行总爱问：大模型这么"软"，跟硬件能结合吗？到什么程度？要什么要素、多长时间？

郑总从您开始。问题有点大，但大家感兴趣。

郑庆生：我觉得，人工智能给中国消费电子带来了一个很大的历史机遇。中国本来就有制造业优势，叠加人工智能之后，有机会切入过去不太容易进入的品牌市场。继大疆、Insta360、拓竹之后，我认为还会有更多中国公司借着这一波人工智能的发展崛起，形成自己的消费电子品牌。这个趋势是很明显的。

具体到生成式AI，可以看日常记录这个场景：现在常见的是录音，已经有越来越多的人尝试按时间记录照片，甚至视频。再比如家庭成员或团队成员之间的协作、家庭管理和家庭巡检。这些具体场景，会形成越来越多的来自“线下的上下文”，从而给AI带来更多的分析文本，带来越来越丰富的产品形态。

所以，硬件是一个比较明确的机会方向，而且至少从目前看，短时间内不会被大模型吃掉。中国已有的制造业能力与这些新的应用场景结合起来，我觉得会出现百花齐放的局面。

王求乐（主持）：因为AI这些硬件好多可能是您的下游，所以我再问一下顾总，对这一块有没有一些补充？

顾晶：我想区分一下：您刚说的硬件偏产品端，这个不展开。我想说的是——过去很长时间，硬件领先于软件：中国制造业强、产能过剩，应用到处找场景。但今天反过来了。

我们讲的硬件不是产品，是AI的基础设施。今天这块远远不够——为什么要投晶圆厂、算力芯片、互联？因为它远远落后于软件。什么是落后的，什么就会大力发展。

就像移动互联网，手机做好了，APP雨后春笋。但今天我做芯片，看到的是支撑AI的最基础硬件，是不够的。

所以我们的打法：弱水三千，只取一瓢——在不足的方向上加速投入，促进AI起来。

王求乐（主持）：明白。朱总，接着刚才的问题。听您前面的描述，对本体关注度非常高。但现在很多做机器人的都说：我做大小脑，通吃。那大脑和AI之间的gap，您能estimate一下吗？假设AIGC ready了，它到真正apply到机器身上，还要多久？

朱嘉：你说得对。自变量机器人做的其实是机器人的“大脑”，更像一个偏软件的模型公司。提到AI，比如OpenAI那种大语言模型，现在大家也在讨论，未来机器人可能需要云端和本地模型协同工作。就像人一样，我们本地大脑能处理很多简单事，但遇到复杂任务就得上网查资料、获取辅助信息，再思考判断怎么做。未来机器人执行长程任务时也会这样：云端的大模型负责前期推理、拆解步骤，形成逻辑链；而本地的大小脑则负责把每一步具体动作执行出来。

王求乐（主持）：所以它和大语言模型这些东西关系不大了。

朱嘉：你说得对。大语言模型能很好地理解任务并拆解成步骤。未来这种大脑可以装进各种机器人里，不一定是人形。比如我们在杭州投的微分智飞，就是把VLA模型装进了手掌大的无人机里。它能自主飞行，不用像大疆那样靠遥控操作。说白了，这就是空中版的具身智能机器人。未来机器人大脑的形态和应用场景会很丰富。

创业者最容易掉进哪些“伪共识”的坑？

王求乐（主持）：咱们聊点发散的，做个辩论。创业嘛，每次风口来了都有一些共识，有的真，有的是伪共识。比如现在做AI，很多人说要All in，要快、要早，这些话都挺流行的。我想反过来问问，您最不认同哪个所谓共识？尤其是接触创业者时，他们嘴里那些一听就觉得扯淡、是个大坑的东西。方便聊聊吗？不一定只一个，可能有好几个。郑总您先来。

郑庆生：我会比较警惕那些偏主观、难以证伪的需求。如果一个项目的前提本身就缺乏足够的科学性，包含大量情绪和主观判断，那么无论把实现它的手段包装得多么科学、多么人工智能，都不能因此认为这个前提就成立了。这一点，在移动互联网时代也是一样的。

比如，人们对审美、舒适、平静的认识，都带有很强的主观性。这样的需求很容易切分成许多细小、碎片化的领域，因此要形成一个大众市场，并不容易。

我并不是说这些需求是虚假的，它们也可以成为某种非常好的生意。但需求真实存在，与它能否借助技术实现规模化，是两个问题。不能因为用上了人工智能，就认为原本分散的主观需求自然会形成一个规模化的市场。

王求乐（主持）：朱总的看法呢？有没有特别大的明显的坑？

朱嘉：很多热潮其实是过度乐观，而不是真正的进展，里面有不少难以证伪的点。这在某种程度上也反映了大家的美好期待，比如希望机器人早点进家庭干活，但往往高估了落地的速度。现在大家慢慢冷静下来了，之前确实过度乐观了。今天路演的一些前沿项目也有类似情况——它们有可能成功，但建立在很多假设之上，短期内既无法证伪也无法证实，不确定性很大。

王求乐（主持）：对，不能把美好的愿望当成共识。顾总，您见得多，国内国外创业者踩过的那些共识类的大坑，有什么印象深的吗？

顾晶：我琢磨过这事儿。现在大家的共识是AI肯定起来，未来十年二十年的趋势。但我思考的角度跟投资不太一样——我关注的是公司上市之后的新方向。我不会老想着“我有场景，我去用”，而是觉得很多时候我们陷在固有思维里，总想着怎么服务好客户、服务好人。但在我看来，接下来的时代，应该转个弯：服务好AI。AI是大势，势不可挡。服务人的场景当然也能成功，但如果要我选方向，我会选怎么让AI变得更好——比如做硬件，让它更快、更高效、能耗更低。过去都在服务人，现在该想想怎么服务AI了。

给All in AI的年轻人最关键的忠告是什么？

王求乐（主持）：所以这是个思路上的转变。时间有限，不展开了。如果年轻人想All in AI，几位最想给他们什么建议？顾总先来吧。

顾晶：接着我刚才说的，想清楚你做的东西是在服务人，还是在服务AI。不是说哪个更好，但在接下来的时代，这个问题值得认真想明白。

郑庆生：我的建议是，要意识到现在仍然处于早期，时候尚早，选择的空间还足够，不用着急。今天很可能相当于移动互联网的2009年、2010年。如果把眼光放到之后的十年，我认为大方向是确定的，要有信心，但是在什么时候进入甚至all in，要结合个人的具体情况。

朱嘉：AI还有很多创新空间。用好它，用最快速度去迭代，机会一定在。

王求乐（主持）：感谢几位精彩分享，这一环节到此结束。我也想对台下所有AI创业者，包括没上台的选手们说几句。有时候真理掌握在少数人手里，就像郑总、朱总能投中好项目，那是慧眼识珠。另外，庆生总也说了，现在还早，一件事没做成，还有下一件等着你。谢谢主办方创业邦，谢谢台上嘉宾和台下观众。

关于2026（第二十届）DEMO CHINA：

9月22-24日，2026（第二十届）DEMO CHINA在杭州举行。本届活动以“From Research to Reality｜从科研到现实”为主题，汇聚近百家创新科技公司、200+一线VC、CVC及全球知名跨国企业代表，通过创新市集、播客Live、Final Pitch终极展示等环节，聚焦人工智能、硬科技、医疗与生物科技等前沿领域，推动科技成果从科研走向产品、市场与产业。二十年来，DEMO CHINA累计吸引4.9万家创业企业报名、1720家企业现场展示，其中327家企业参加活动后进入下一轮融资，37家企业成功上市。