摩尔线程、长鑫存储、Kimi的共同投资人王捷：AI这艘巨轮，越过山丘后，经济系统会发生什么？（3）

摘自投中网

AI经济的远景

问：如果我们把时间拉长，你对AI经济的最终形态有什么判断？

王捷：那以下我们来做一些推演。 AI会去到一个很高的工作能力。我们现在不知道AI的智商会进化到相当于人类的一百几的水平。去年是100、120，今年就已经到接近140的水平了。未来会去到哪里？举例来说，顶尖AI公司的创始人，比如Anthropic的创始人Dario Amodei，认为未来的愿景是“数据中心里的天才国家”（Country of geniuses in a data center）。这些AI“在生物学、编程、数学、工程、写作等大多数相关领域，它比诺贝尔奖得主更聪明。这意味着它能证明未解决的数学定理，写出极其优秀的小说，从零构建复杂代码库等。” 也就是我们前面说的，这一轮AI革命的本质是让脑力/智力这一生产要素变得可复制。

全球大概率会有上百亿个Agent和上百亿台人形机器人去干活。他们可以干什么活呢？首先，他们可以完成我们现有的百分之八九十的工作。其次，他们也可能创造新的经济体系，这个经济体系有它自己的特点。

前面提到的，这个新的AI经济系统，会把全球GDP推动增长至现在的N倍；N的具体数值还有待观察和测算。由于AI具有了很强的工作能力，替代了大量现有工种，而同时全球GDP又被推高到现在的若干倍，意味着财富再分配的整个蛋糕更大了，我们需要新的收入分配体系，来应对“人的就业减少、经济总量变大”在分配上带来的挑战。

同时，经济和社会中将出现一个近乎全知全能的“数字层”。 “数字层”由基座模型、个人 AI 助理、垂类AI Agent、AI硬件、人形机器人等组成，全面了解消费者和生产者等经济主体，也全面了解物理世界。“数字层”最终将连接全球所有的互联网和移动互联网用户，也就是全球经济活动中几乎所有的消费者和生产者。“数字层”与移动互联网阶段的“平台公司”有逻辑对应关系。

数字层将全面辅助人与物理世界的互动，进一步提高人类“收集信息-决策-行动”全链条的理性化程度，使得整个经济、社会的理性化程度极大提高。同时，“数字层”拥有上限非常高的智商和情商，是一个普惠的、贴身的导师，可以帮助每个人成为更优秀的自己。AI阶段会是历史上“每个人最有机会成为最好的自己”的时期。

就人机分工而言，我们已经看到AI非常擅长于完成可数量化、形式化的工作，如代码、计算机、数学、各类重复性工作等。留给人的主要工作空间是：判断、创造、审美、沟通，这也是新的稀缺性所在。而这些，正是“人之所以为人”的特点，从而，AI阶段有可能会是“历史上人得以最能回归人本身的时期”。

当这些结构性变化发生，人们在这个阶段的思考和行动将对其后的历史产生长期影响。或许，我们可以把当前称之为“数字轴心时代”的开始。人类有机会像在历史上每一个大的历史关口一样，从本原出发，来思考要选择什么样的发展方向，定义人生的意义，和最重要的价值。

就国际关系而言，一个经济体的“AI充裕程度”将直接影响这个经济体的竞争力，“AI充裕经济体”与“AI不充裕经济体” 可能成为国家间新的分类标准。届时，全球 Agent 和机器人建立在同一个 “数字层” 之上，全球 Agent 和机器人的工作能力将趋同，传统国际分工的要素禀赋差异前提可能被改变。在AI交付工作的能力超过人类之后，国家间的人力资本比较优势意义变小，各国需要将本国的传统优势产业以“AI交付”的形式重建，各国可以做两件事情，一是基于原来产业的业务流构建数据体系，二是建设本国的数据中心。

一个人类历史上从未出现过的AI经济系统正在浮现之中。这在人类经济史上是巨大的变化。而以上的图景也不是必然发生！目前看来，AI经济的发展，头顶上空有两朵乌云，一是“AI不被人类控制”，二是“AI被少数人控制”。我们必须确保人类对AI有可实现的、最终的决策和控制权，人工智能系统必须置于人的完全控制之内；我们也必须保证AI将为人类创造的巨大生产力，必须为所有人共享，而不是控制在少数人手中且只为少数人享有。要去除这两朵乌云，需要全球范围内的广泛讨论和紧密合作。

怎么投模型公司：“如何组织高密度的人才”与“此起彼伏的领先”

问：你今年年初参与了Kimi的融资。Kimi在2025年底完成了5亿美元的C轮融资，其后在2026年春节前完成了新一轮超7亿美元融资的交割，由阿里、腾讯、五源等老股东联合领投。为什么在这个节点选择进Kimi？

王捷：这是个很有意思的话题，也是此前比较困扰我自己的一个问题，就是怎么来评估模型公司。基础模型研究，它现在还是一个偏学术研究的事情。这和投资人熟悉的如何去看一个商业化项目、如何去看产业的逻辑是完全不一样的。投资人群体对于怎么评估一个学术研究是陌生的，所以大家也要去从头做功课。

对我来讲非常有启发意义的是2025年1月份DeepSeek的横空出世。尝试去归因DeepSeek模型研发的成功，到最后结论是“如何组织高密度的人才”这样一句话。其实OpenAI在设立早期也表达过类似的观点，说OpenAI自己的秘密就在于掌握了“如何组织高密度的人才”。所以为什么23年以来中国大模型行业的角逐，是DeepSeek能跑出来呢？原因在于早在幻方阶段，梁文锋就探索出来了“如何组织高密度的人才”。他的做法是无部门设置、无层级划分，让研究员自由地选题目，自己去吸引队友（而不是上级命令或指派），不设上限地给资源。相信本土有全球一线的人才，梁文锋相信通过好的方法，这些人可以被培养为全球顶尖的算法研究员。以上，就是DeepSeek的做法。梳理完以后，我把这些小结写成了《DeepSeek如何做原创性、颠覆性创新》一文。在其后半年左右，我和一些模型训练团队交流，进一步确信了这一视角（当时交流过的一些团队，如小米，到今天也都训练出了一线的模型）。到25年年中，我基本确定可以用这样一个框架来评估“什么样的团队能训练出一线的AI模型”。

DeepSeek R1的另一个意义是，它让“工程优化带来模型能力大幅提升”这件事情变得显性化了。而相比算法创新，工程化是一件更有迹可循的事情。因此可以合理推断的是，其他各家模型公司将步DeepSeek的后尘将更多资源投向工程优化，而这可能会带来基座模型 “此起彼伏的领先”局面。这是我在25年年初的另一个判断。

其后到25年的二季度，Qwen3成为了全球一线的开源模型。25年7月的Kimi K2也让人印象深刻，。我在那时候写道：“25年的AI基座模型，在DeepSeek、Qwen之后，又有中国团队进入到全球主流圈层，值得振奋！” 此时我觉得Kimi这个年轻的团队一直在非常有热情且有产出地来做基础模型的研究，也进入到了正循环的轨道。Kimi的团队和组织文化也非常符合我前面描述的框架。此时我已经决定要投Kimi。

所以，短期内每一家模型公司的商业化情况和收入，是当下这个横截面的结果。但因为目前AI大模型算法没收敛，所以相比横截面的静态比较，更重要的是从长期的、动态的角度——“谁能够训练出好的模型”的角度，来评估模型公司。

问：说到DeepSeek，最近它的融资消息变化很快。4月17日最早传出的消息是超100亿美元估值融资至少3亿美元，你怎么看？你是否有接洽和投资的计划？

王捷：有接洽，我对投资DeepSeek表达了意愿。但是我觉得这个新闻，虽然信源是the information，是美国比较出名的科技媒体，过去也多次准确了解到一些行业内部情况，但是从它披露的条款来看，3亿美金的融资，对于幻方本身的造血能力以及对于DeepSeek每年的开支来讲，是一个我会觉得不那么有意义的数字。

但是第二点，我觉得就中国大模型全行业而言，无论是已上市的智谱、MiniMax还是未上市的Kimi、阶跃星辰以及DeepSeek，2026年的能力相比前两年都有显著增强，尤其是行业爆款应用小龙虾诞生后，其全球基座模型调用数量相当一部分被中国模型承接，从这个角度，有理由相信DeepSeek会更好。创始人对算法以及AI具有很大热情，是一个比较纯粹的人。

模型层吃掉大部分价值：应用公司怎么投？

问：那模型和应用之间的价值分配会怎样？黄仁勋提过“AI五层蛋糕”，但好像现在价值大多在模型层。

王捷：这是一个特别重要的问题。借用黄仁勋AI五层蛋糕，我们要去想的事情是这五层在整个价值分布是不是跟上一波移动互联网有很大区别？我觉得可能会有很大区别。

当前AI产业结构，底层是能源和算力，上面是模型。模型到应用的中间有一层Infra，长期来说Infra可能会含在模型里面。然后是应用。

我们看到，移动互联网也有底座（Android和IOS），但是情况和现在大模型不太一样。Android和IOS，它们的架构是确定的，另外是对上层应用起一个支持作用。但现在AI模型这一层，一来算法没有收敛、架构未最终定型，二来这一层起到了大脑的作用。逻辑上，作为大脑提供智力这一层，会在价值分配中占据相当的比重对不对？但具体是多少呢？最近数据出来了，2026年4月，OpenAI和Anthropic两家公司在全球34家头部AI初创公司的年化收入合计中占据了约九成份额。我相信这个比例比大部分人预想的还要大。

做一家应用创业公司，和移动互联网阶段相比，同样有的风险是“大厂下场做同一件事情的风险”，但是AI阶段新增的风险是“我的应用被基座模型新长出来的能力吃掉的风险”，或者叫“应用置于（不断生长的）基座模型的阴影之下的风险”。

以及，微软CEO纳德拉提出一个 “脚手架层”，说这一层介于模型和应用之间（但不是Infra），实际就是指微软核心产品Office 和 Windows过去几十年构建的用户数据和工作流。我对此的感受更多觉得这反映纳德拉的一种焦虑——因为微软不是模型公司带来的焦虑。

问：应用公司，端到端的模式有没有可能？

王捷：首先大的规律是，每一波算法创新，最终是会收敛的。任何一个架构，不管前面怎么变，总有一个时间点算法是会收敛的。当然前面我们也谈到，如果不断有人推出新的架构，那收敛的时间点就不好判断。但单一架构下，算法是一定会收敛的。

算法收敛也就意味着模型会商品化。简单说就是模型和模型不会有大的差异。在这个时候，应用公司基于一个还不错的开源模型，基于在自己长期深耕的领域的独到的数据、客户关系、客户过去沉淀的记忆和工作流等，构建这个行业里的端到端的应用产品，我觉得也是有机会的。