Vol.227 具身新贵与投资女王：创新、热潮、泡沫和周期

摘要

• 具身智能还远在鸿沟之前：高继洋判断行业仍处innovator阶段（渗透率2-3%），星海图的路线是"从开发者到生产力"。 时间表上他给得很具体：今年下半年在场景里走起来，但"单去算账ROI算不过来，这是确定的"；明年部分场景赚得过来，海外因人工成本更容易，但海外玩家的瓶颈是供应链跟不上。
• 数据是最大卡点，也是最大不确定：今年目标100万小时真机数据，明年1000万小时——徐新引Google的说法，一千万小时基本能做出干三级家务的靠谱机器人，但"到底要多长时间我们也不是很确定"，她认为时间表才是这门生意真正的风险，竞争反而"还好"。 G0.5基础模型已经make it work——to B部分作业场景"已经可以替代人"、成功率约99%——剩下的问题是速度，“速度翻译出来其实就是经济效益”。
• 商业模式三阶段、越涨越快：先卖整机（年化30%-100%），再在单一生产力场景卖方案订阅（3-10倍），最后device够多了卖token（一年几十倍增长）。 核心逻辑是大脑"学的越多越聪明，而不是传统的造的越多越便宜"；具身智能的渗透方式不同于GPT——“它在哪个厂子里干活，怎么能让全世界的人一下感知到呢？”
• 徐新的周期框架是全场最可交易的部分：跨越鸿沟后进入200%增速、持续三到五年的暴涨期，此时跑得最快者拿到的市占率"是永恒的"，前提是你做成operating system或infrastructure——而OS的市值最终是infra的3-5倍。 大语言模型已跨过鸿沟（渗透约20%），英伟达涨80-90%，但Anthropic、Kimi、智谱在以每年10倍的速度增长；未来经济增长的主动力是token economy，不在其中"涨百分之十到二十都好辛苦"。
• 泡沫不可怕，融资窗口才是命门：“投资人永远是两种心态，贪婪和恐惧”，现在贪婪当道、人人fear of missing out，所以"raise money when you can"——需要钱时再融可能已融不到；bubble burst之后别人血流成河，你加仓"那个是最合算的"。 终局判断：固定成本（大模型一年10亿美金、具身VLA从年30-40亿人民币走向10亿美金）加最强大脑稀缺，行业像data center一样收敛到三五家。
• 星海图的差异化是一连串当时的非共识：整机+智能两个都做、先整机后智能（顶住"你该先出demo"和"你该专注"两种质疑）、放弃仿真和“蔬菜场”式采集、押注开放场景真实数据——“2026年以来全世界发布的最领先的开源具身基础模型，全部以真实数据为基础训练，这是一个事实”。 护城河的回答很干脆：“迭代是唯一的护城河”。
• AI时代的组织与创始人画像被重写：没有中层干部、founder mode，有创始人用"5万月薪的人+agent是否大于agent"的公式招人，“可能二三十个人可以做十亿人民币的销售没有任何问题”（Kimi约300人、DeepSeek约200人）。 徐新给高继洋的核心建议：把80%的时间花在大脑方向、读paper、和最好的researcher聊天上——“你的大脑、你的vision、你调动资源的能力是没人能替代的”。信仰注脚是Bitter Lesson和Tesla故事：放弃九年数据、30万行C++代码，马斯克闭眼二十分钟后说"this will do"——“只有founder敢做这样的决策”。

精读

1. 一天签下term sheet：先见森林，再扑千里马

• 徐新的方法论开场即出：“当你看一个新的行业，你最大的错误就是只见树木不见森林——你要把每一棵树拿来看一下。“她在去年年初、春节前后把具身赛道每家公司都见了一遍，先在北京见首席科学家赵航，听说公司里有个"卷王”，第二天就飞苏州见高继洋。
• 第一印象没有PPT，办公室里站着一堆机器人，很多机器在那里"指点江山”：“我说哇塞，你改这么多东西啊，你不是学软件的吗？“当天就签了term sheet，之后两次跟投加仓。她说这不是常规操作，“见到千里马就赶快扑上去”——上一个这样签的是杨植麟。
• 八个月做出第一款轮臂R1本体，高继洋承认没按原本流程干：“看着什么就先干起来，再改再搞。“徐新的总结：“初生牛犊不怕虎……改变一个行业的都是外行。“李翔的调侃收住这一段：原来"清华北大不如胆子大"这话，清华毕业的也适用。

2. “智能定义本体”：既做大脑又做本体，先做硬件

• 徐新记得第一次见面的两个重大战略选择：一是"智能定义本体”，大脑和身体都要做；二是先做硬件、再做大脑。“过了一年半回头看，还是非常对的。”
• 高继洋的推导来自自动驾驶的教训：做物理世界智能就得有物理世界数据，得有承接数据的载体即整机；而以前做软件供应商"拿到数据的链路不通畅，飞轮跑不起来，这是致命的问题”。市场上没有现成整机，“这就是机会……唯一缺的就是不懂，那不懂我们就去学一学”。

3. 具身founder长什么样：最强大脑×量产工程

• 徐新投过foundation model，笃定这事的前提是"最强大脑”：“这大脑其实挺难做的……最强大脑在哪儿？清华叉院。“姚期智返聘最好的海归PhD教最难进的姚班——“最优秀的老师教最优秀的学生”。
• 但光有大脑不够，“你要做body，就要有engineering experience，做过量产、做过供应链”——高继洋所在的Momenta做过软件量产上车，“这个combination很重要，因为存量很小，增量很大，人选对了，创始人组合很重要”。

4. 软件的人凭什么做硬件：拆解

• 徐新当时的尖锐问题是"为什么你们能做硬件”——硬件是老师傅的活，你们一帮年轻人怎么解决？高继洋的回答是工程化思维：“任何复杂问题我们就讲拆解：拆成若干子问题，每块单独看，找到合适的人，最后一个个具体问题解决完汇总上来，就是整体方案。”

5. 为什么合伙：太大、太难、太颠覆

• 徐新问赵航：你们几个每个人单独出来都能融很多钱，为什么要合在一起？赵航的回答让她印象极深：“这个事情特别大、特别难，一个人做出来概率没那么高，几个人一起做概率高很多。”
• 三人的缘分有共同原点：高继洋（USC）与赵航（MIT）读博时同做计算机视觉、互读论文，2019年都去了Waymo——“都是因为想做robot，自动驾驶是那个时代最接近robot的产业”；天威则是他回国后在Momenta的同事，也是智驾出身。
• 高继洋对自己的定位很诚实：“赵航的tech vision比我好……我比较综合，我能跟最好的scientist对话，但我没有最好的scientist的tech vision——而纯产业出来的CEO没法跟scientist对话，思维逻辑对不到一块去。”

6. 链条比想象的还长：从齿轮背隙到电流通量

• “链条比我们刚开始想的还要长”：以为是整机加智能两个pillar，结果智能背后是数据，数据背后是场景、运营、设备，未来还有存储传输infra——“大语言模型是参数量大，数据量其实没那么大，全是text；我们全是多模态数据，数据量特别大。”
• 硬件往上看供应链全都不成熟：动力模组拆到无框电机、减速器、齿轮加工的背隙和一致性；电池要扛全身电机同时爆发的电流通量，“不是手机那样稳定输出”;再到端侧算力、材料密度和整机重量。“要优化的东西特别多——所以胆子大很重要，大的战略不要变，在学习中进步。”

7. 科学家创业是稀缺资源：tech vision定生死

• 徐新的观察：十个想创业的科学家其实很少，“PhD读完他很理性，机会成本高，很多人追求真理——AGI在哪儿我就要去哪儿”，连Karpathy这样的大牛都去当别人的二把手而不自己当老板。“十个里还有零点五个要创业，又优秀又有创意，就是稀缺资源。”
• 学生跟不跟你，不看股份看老大技术牛不牛，牛的定义是tech vision——“看到别人看不到的东西”。她的注脚是OpenAI：Ilya是"真正的大语言模型的发明者”，走了以后"他们在tech vision上就差点劲了”；判断错不得，“几千万美金几个亿人民币烧下去，你不能既要又要还要——你看Anthropic就只赌一个口，赌对了”。

8. 分歧怎么解决：先整机，牺牲了赵航

• 高继洋不回避冲突：“分歧是客观存在的，核心是怎么解决。“前提是目标一致、价值观一致。最硬的案例：2024年决定先做整机，“事后说这个决策是对的，但回到那个时间点，是牺牲赵航——做硬件跟他没关系，他能做的事在那个时间点就少”。
• 反过来，到智能发力时他又要求整机团队"不能以外部客户为第一优先级，必须以内部客户赵航的需求为更高优先级”——都服从更重要的使命。徐新听完的总结朴素：“找到对的人，什么事都顺了；人错了，天天解决矛盾。”

9. 五年机器人投资课：去年春天来临

• 今日资本五年前开始投rule-based机器人（高仙扫地、海柔仓储、XYZ装卸、Vision Nav无人叉车），“两年左右的学习课”。徐新判断去年春天来临：硬件过硬了、corner case跑得差不多了，加上老龄化和工资上涨——“它不能跟人拼效率，但它能干人不想干的脏活苦活累活”，沙漠里装光伏板这种跑通了。
• 她也承认硬件之难源于Peter Thiel的一次对话：马斯克比小扎厉害得多，但Tesla造车十几年市占率不到十个点，小扎"啪啪啪一下子就垄断了”——“bits很容易scale，atoms很难，供应链就几家，你自己说了不算。”

10. 鸿沟还没跨：现在是innovator的2-3%

• 两人竟都读过《跨越鸿沟》。高继洋对表：innovator约2-3%、early adopter约13%，15-16%处有鸿沟，“跨不过去就摔死了”。现在"肯定还没跨，还在innovator阶段”——所以星海图的业务逻辑叫"从开发者到生产力”，就是从innovator走到majority的过程。
• 缺的要素是"技术模型从没用到有用"。他给的进度感受：过去一年基础模型的长进"超过一个婴幼儿的成长速度"，翻包、捡零件、万物抓取都有基本能力了，“现在问题是速度还不够快，成功率今天可能是百分之九十九”。
• 他还点赞国家搞的训练场/中试基地：“在最终使用和研发之间搭一个桥梁，其实就是把跨越鸿沟这块搭一个桥，这事儿是特别对的。”
• 时间表说得很直白：今年下半年在场景里走起来，“单去算账ROI算不过来，这是确定的；明年在部分场景里就能赚得过来”，海外因人工成本更容易，但海外企业的鸿沟瓶颈不在价格，在"供应链跟不上他们的前进速度"。

11. 数据这门课：从100万小时到1000万小时

• 李翔把缺口讲透：LLM的pre-training数据互联网上都是现成的，自动驾驶"一边开车就自动采集了，用户给你采，不花钱"，但机器人数据"你全部得采，遥操作、夹爪，先把这个课补上"；而且device是全新的、挺贵，“这两个东西都得从头来过”。
• 李翔反复追问量化锚点：今年100万小时有信心，明年到1000万小时——“Google的意思好像一千万小时基本上就可以做出个靠谱的，家务事可以干一干那种”——但到那儿要多久不确定，“整个方法技术流程可能都要改变”。徐新的乐观在供应链：“中国硬件供应链很强，迭代完了说不定两三年这个事情就做完。”

12. 具身渗透方式不同于GPT时刻：To B里悄悄渗透

• 高继洋的判断值得记录：“具身智能渗透的方式不是GPT的方式。GPT是一瞬间牛的产品出来，手机一下载、社交媒体一传播，世界上多数人都体验到了。但具身用起来的时候可能在哪个厂子里干活呢——怎么能让全世界的人一下感知到？”
• 第一阶段做生产力就是To B，“解决部分作业场景的岗位问题，而不是真正替代一个人”；To C端他认为是陪伴、娱乐、情绪价值，“它不是生产力”。
• 徐新补的背景是agent的爆发路径：今年一月Open Crawl那款agent出来后，“token consumption跟ChatGPT比是一百倍，将来一千倍”——但那是因为终端和渠道都ready；具身"这条线性曲线，device还没搞好"。

13. 三阶段商业模式：越涨越快

• 高继洋的展开：第一阶段是研发制造型的整机销售，年化30%-100%；第二阶段在单一生产力场景形成方案能力做订阅，3-10倍增长；第三阶段多场景有效、device够多了卖token，一年几十倍。“所以具身行业未来很有可能是越涨越快。”
• 徐新最认同的是当天演讲里的规模效应表述：大脑"是有学习能力的，越用越值钱"，硬件"越造越便宜、门槛降低"——所以两个都要做。她再引书中规律：技术渗透期10-15年，产品生命周期20-30年，“PC时代来的Microsoft到现在还在吃红利”。

14. 徐新的鸿沟经济学：暴涨期的市占率是永恒的

• 这是全场最系统的一段：跨越鸿沟后进入200%增速、三到五年的暴涨期，因为early majority（34%）进场、成本下来（“特别感谢DeepSeek把成本降了十倍”）、应用丰富。此时通常有三五家player，“跑得最快、get big fast的那个人，拿到的市占率是永恒的”。
• 永恒有两个前提：你是operating system，或是infrastructure——PC时代的Windows和Intel、移动时代的Qualcomm与iOS/安卓，“都是垄断型企业”。她曾纠结大模型是不是OS，“现在不纠结了：OS加agent是一体的，一个巨大的生态是可以形成垄断的”。
• 节奏规律同样可交易：infra先涨（英伟达AI芯片涨80-90%），但operations随后更快——“Anthropic涨多快？Kimi、智谱是每年十倍”——而终局里OS的market cap是infra的3-5倍。大语言模型她认为已跨过鸿沟，渗透约20%，“豆包的MAU和整个互联网差不多跨了”。

15. token economy：不在其中，增长乏力

• 徐新的宏观框架：“将来经济增长的一个主要动力就是token economy，靠生产token创造财富。你不在这上面，成长就乏力，是防御性的，涨百分之十到二十都好辛苦；在里面，每年涨百分之二三百没有悬念。做VC，钱往哪放就很清楚了。“李翔追问零售消费怎么办——“也没完，搞搞供应链、自有品牌，增长可能十到二十吧。”
• 由此引出她的Google vs Anthropic之辩：“大部分人说投谷歌，黄仁勋的六层蛋糕它五层都有，风险不高，但成长也就是二十。Anthropic没有包袱，只有一个大模型——价值链里最靓的仔肯定是大模型，只做那个的，轻装上阵、最聚焦、最犀利。”

16. 三年没变的三句话，变了无数次的路径

• 高继洋创业时想好的三句话至今未变：“具身智能未来是一脑多行，核心在脑不在形；长期壁垒是物理世界的数据闭环；构建闭环的关键路径是整机加智能。“没想好的是怎么实现——“从哪个产品做、从哪个市场切入，这变了非常多。“徐新证实第一次见面讲的就是这些，“基本上没怎么改变过”。
• 每个阶段还有当时的非共识：先整机后智能在2024-25年招来两种声音——“你得赶紧把demo搞出来，没demo你们智能不行"和"你搞整机搞不过专门做整机的，你应该专注”。“我们还是坚持我们的判断。“采数据也一样：2025年"一堆在‘蔬菜场’里采数据的，我们没有，我们去开放场景采，证明质量高有效”——好整机、好数据，“所以我的基础模型才好”。
• 真实数据如今是不是共识？他拒绝用"共识"作答：“共识是主观的，我们用事实说：2026年以来，全世界发布的最领先的开源具身基础模型，全部以真实数据为基础训练——这是一个事实。”

17. 错过字节的教训：winner pattern study要早做

• 徐新的学习三法：向founder学习（每两三个月和高继洋deep diving，只问三个问题：最近的习得是什么、成长的痛苦是什么、第一性原理上护城河到底是什么）；winner pattern study；消费者洞察。
• 人生最大遗憾是字节：“张一鸣要价很贵（‘七十亿美金还是哪一年’，她具体不记得），我吓到了，觉得挺贵——后来我觉得我是没有看懂，你真的赚不到你认知之外的钱。“看懂是在读完小扎所有季报transcript之后：2012-13年他说未来所有信息都以feed流表达、“广告像内容一样无缝镶嵌在feed流里”——“那个moment我就知道，推荐引擎这么powerful。“所以现在她把最先进的lab创始人"所有的演讲、所有的podcast都搞一遍”。

18. “七幺幺”的寿司：人性懒惰与重仓美团

• 移动互联网时代一期基金55%的钱投了美团，决策的关键问题是：补贴停了用户还吃吗？王慧文的实测答案是"一旦补贴便宜（收回去），单立马掉了二十，我们又不敢了”——试不出来。
• 答案来自“七幺幺”铃木敏文的传记：战后他半价卖用最好的米和深海鱼做的寿司，被问不半价了人家还吃吗，他说"人的天性就是懒惰。当你习惯了吃这个东西，别人给你做好了，你慢慢加价，他还是会吃的”。“重仓美团的决定，其实就来自于我对铃木的那个判断——外卖一样，补贴不要给一次，给五次养成习惯，他就回不去了。”

19. 判断人：杀手直觉，看到别人看不到的

• 从1995年做投资至今，徐新总结创始人共性第一条是杀手的直觉：杨植麟很早就说要做long context、最早做agent；刘强东在阿里说"拿放大镜都找不到对手"时反着做重、每城建配送——“每天二十单都亏钱，到两千单才不亏，要一年”——因为80%的客户抱怨来自配送。
• 她由此对年轻人喊话：“AI可以再造每一个行业，就像所有零售都被电商洗掉了一样。懂AI的创始人会颠覆不懂AI的创始人，这个就是未来十年二十年的增长动力。”

20. 护城河只有一个：迭代

• 李翔替三年公司叫屈：问护城河太残忍了。高继洋答得斩钉截铁：“对于每天创新都在发生的行业，迭代是唯一的护城河。你觉得你有点东西了，停两天就落后了。很多人问星海图的基因是什么，是做大脑的基因吗？我们的基因是迭代。”
• 徐新的早期版本一致：“志存高远、长期有耐心，杀手直觉不错，学习速度快、执行力超强——在早期这就是护城河。这个事情太大，product market fit也没有，就是在足够大足够颠覆的赛道找靠谱的创始人。”

21. AI时代的组织：没有中层干部

• 徐新每天见四五个创始人，看到的新物种：“全部是founder mode，一个人指挥三五个AI像将军攻城略地，每天只睡四五个小时——不是他们卷，是agent一直把人类的limit往上push。“她的尽调新指标：“先看老板牛不牛，有没有烧一亿token。”
• 组织公式随之改写：有创始人招人只看"5万月薪的人+agent是否大于agent”，不如就不要，专找十万二十万月薪、能指挥agent的人——“以后组织真的没有中层干部了，可能二三十个人做十亿人民币销售没有任何问题。“参照系：Kimi去年底才三百来人，DeepSeek两百来人。
• 高继洋补充自己的用法：跟GPT深度讨论规律——“事实我去一线获取，但规律过往都发生过，谁能极度压缩地把规律呈现在你面前？GPT能干这事儿。”

22. 深度思考的仪式：飞机、meditation、major question

• 高继洋睡七八小时、坚持运动，“不要陷入战略偷懒、战术勤奋”。他的深度思考场景是飞机：“没人打搅、没互联网，拿一个一直在思考的课题，开个记事本写关键词——很多次一下飞机就开始给同事打电话，灵感来了，重新部署。”
• 徐新的版本是"固定时间干固定的事情”：每天早上meditation后复盘昨天习得了什么；周末思考重大问题，“这个月我的major question是什么——可能一个月两个月三个月都答复不了，但它一直在我的list上，重大问题要深度反复多次思考”。

23. 三种智能：本能、作业、进化——GPT起的名

• 路线图诞生于一次咖啡馆聊天：VLA和WAM之外还有什么？先定下本能智能——“天然支配自己的身体，今天两个胳膊两条腿，换四个胳膊还能不能支配，有点像小脑”（这个词源自赵航学生庄子文的Project Instinct）；再往前推：人的身体为什么长成这样？原因是进化，“那为什么AI不能做这件事”——于是串成本能、作业、进化智能三段。
• 有趣的注脚：“当时没想到’进化智能’这个词，把大概意思告诉GPT，GPT说你可以用这个词。“徐新也是最近才在春节的聊天里听到大纲，“今天讲得这么细是第一次”。

24. 五要素拼图：人才、数据、资金、供应链、渠道

• 实现愿景的条件被高继洋拆成五块：人才是"一切的原点”（今年计划与清华大学共建具身智能联合研究中心，更早绑定高质量学生）；数据（与亦庄的数据计划）；资金（“解决得还可以”）；整机零部件供应链；渠道体系——“具身的分发渠道还不存在，大语言模型靠社交媒体和手机就分发了，我们得从头建。”
• 供应链里藏着一个结构性机会：三年间大量车规零部件企业为找第二曲线进场，“这些企业的能力、资质、规模都更好更大，这样一条新链的势能和潜力更高”。供应链老板们的心态被他概括为"向往加焦虑”——愿意陪一家初创迭代，“因为大家看的不是我们，是这个赛道，只不过我们看上去是领跑者”。
• “五个维度揉到一个创业公司里挺复杂的——但这事儿恰恰好就好在太复杂了，要素太多、链条太长，以至于大厂来搞也没有特别的优势，这是天然给创业者的赛道。”

25. 大厂为什么打不进来：射程之外

• 高继洋的完整推演：“创业公司最可怕的是被大厂已有业务协同、降维打击。但具身不在任何大厂的直接射程之内。“供给侧：基础模型之前不存在、连数据都没有，“任何人的起点都一样”；整机离得最近的是汽车，但"哪一个零部件能直接用过来？没有，而且带着造汽车的理念来，问题就是太慢”。需求侧：终端不存在、没人垄断流量；也没人垄断劳动力——最大的民营雇主京东约一百万人，占劳动力市场很小一部分。
• 资金对比他也算过账：小米华为几千亿现金储备、中厂几百亿，“但它有主业要做，能拿出多少钱聚焦在这一件事上？可能没我们多——钱没我们多，组织效率没我们高，也没什么业务可以协同，那肯定是我们赢”。头部具身公司已有几十亿甚至大几十亿人民币在手，“这个时代是奖励创新的”。

26. 真正要盯的对手：十二个月变化幅度

• 高继洋的竞争仪表盘只有一个指标：“我看它过去十二个月的变化。哪怕它今天在我们后面，但变化幅度超过了我们，我就得非常注意——说明人家迭代得比我快。大企业迭代不快、投入不坚决，就没有特别需要担心的。”
• 徐新用Google展示大厂的可怕与迟缓：Transformer是它搞出来的，ChatGPT却不是它的；花了将近三年调对组织——founder回来、把Hassabis提为唯一首脑统管DeepMind和Google Brain、TPU管够——“立马打了第一个胜仗，拿到banana，Gemini就开挂了”。中国的对标是字节：“组织调整不用三年，一年一年半就到位，账上钱巨多，大力出奇迹——长远讲肯定是强对手，但他们现在没重点搞这些，这是我们的时间窗口。”
• 一个反直觉的共识：基础模型进展"没那么快未必是坏事”——“进展太快啪啪全打开，大厂全下来。“关键是节点到来时你在哪：跑到前面，“大厂进来反而让游戏更好玩，更多资源进来，我们也能获取更多”。

27. 泡沫没什么了不起：贪婪时能融尽融

• 徐新历数亲历的周期：1999年投网易、新浪、搜狐，2000年泡沫顶上市、下半年burst，“血流成河，所有互联网公司都死了”——但这三家在泡沫里拿了八千万到一亿美金活下来，“三年没有对手，怎么着也折腾出一个模式”，丁磊在压力下做出游戏，后来成中国首富。
• 她的操作纪律由此而来：“投资人永远两种心态：贪婪和恐惧。恐惧时你说什么都没用，他不相信；贪婪时你再贵他也投，他有fear of missing out。现在大家都贪婪——所以能上市就上市，能融钱就融钱。Raise money when you can，而不是需要的时候再融，因为你需要时市场变了，你融不到了。”
• 对泡沫本身她引比尔·盖茨式的判断：“短期大家高估它，长期其实低估了——这个事情足够大，其实它也不是很贵。burst洗掉很多人，你可以继续加仓，那个是最合算的。”

28. 泡沫破灭预案：吸收那两百人，捡rule-based的资产

• 高继洋已在演练破灭后的动作：“真正决定一个行业走向的，在中国可能就一百到两百个人。聚成十堆我就有九个竞争对手，聚成五堆剩下全是散兵游勇——泡沫破了，我们要吸收这些人。”
• 第二个动作是并购：“更惨的是更传统的rule-based robotics——不是没有价值，只是那个阶段资本给的估值更低。他们的客户渠道、交付能力、累积的工程能力都是很好的资产。“但他补了一句克制：“我们审时度势，不是贸然出击。”

29. AI逻辑 vs 制造逻辑：每一次都是非标生产

• 融资路径和支出路径被他分开管理：融资"有钱就拿钱”；支出的第一驱动是scaling law——“AI的人的mindset是：我现在在一，必须到五到十那儿看看去，哪怕不知道会发生什么，但历史证明了五和十一定会有惊喜，市场会奖励这种惊喜。”
• 传统机器人的算账方式则是"这款机器人五千万研发费，卖一千台还是两千台回本”——“你用这套逻辑去套AI，完了，不敢投入了，因为你算不清楚。以前做机器人的公司搞具身最大的障碍，就是能不能用AI的方式投入。“周期也完全不同：传统机器人研发十八个月、销售三四年、售后两年；AI要以三年为基础研发时间，而且"大模型每一次生产都是非标生产”，机器人构型定了是批量的标准化生产——总体ROI的计算周期根本不一样。

30. 大模型是好生意吗：像data center，只剩三五家

• 徐新用巴菲特的标尺检验：“好生意就是形成相对垄断、有pricing power。“她的拆解：大模型规模效应非常明确；pre-training看不到网络效应，但post-training和RL上"感受到有一点”——法宝是coding，“最聪明的工程师用最难的问题来训练它，它得到的结果智商很高，大家就更用，这就叫网络效应”。
• 收敛逻辑是双重稀缺：“固定资产投入非常大，一年没有十亿美金你根本不在牌桌上；人才又稀缺。它有点像data center，三五家——这么大一个世界三五家竞争对手，其实是很好的生意。“美国"基本上就是三家了，Meta也没弄出来”。
• 盈利路径她也给了数：pre-training当fixed cost，inference是variable cost且"越来越接近赚钱，都在涨价、芯片token成本在降，模型毛利其实也不差，有个四十”，原话称第二季度已有公司赚钱。开源也不差：“agent出来后token consumption是chat的一百倍将来一千倍，那我就薄利多销，全世界输送智能不是挺好的嘛。“具身在她看来同构：“固定成本太大就是护城河，再加最强大脑——合在一起做是最难的，也是最好的。”

31. VC经济学：home run的强度大于频次

• 大浪面前不能观望：“投还是不投是性质问题，什么时候投是战术问题。巨大的浪打来，你是要跳到水里去的。你没投互联网、没投移动互联网、没投大模型，那你就不是一个很优秀的VC。“王兴的比喻被她引用：传统投资像登山，山一直在；投技术像冲浪，浪来了没赶上就得等下一个。打法是"先跳进去开一张小点的支票，有苗头就加仓加仓再加仓”。
• Home run的定义：“一个项目把整只基金还回来，或者赚八倍。“它有频次和强度两个维度，“强度比频次更重要”：频次是运气，一期基金四年基本固定投中三到五个（平均四个）伟大公司，“投更多项目、招更多人反而更糟，时间精力都稀释了”；强度你可以决定——“double down、triple down你的winner，拿足够长，我们的足够长是八到十年，赚时间的复利。”
• 规模的自我克制：四个home run各投1.2亿美金，加上二十个里十六个非home run各一千万，“基金大概六到八亿美金，赚个五六倍是不错的performance。特别大没用——伟大的公司没那么多”。

32. 无人驾驶的教训：Bitter Lesson是信仰

• 高继洋对两波热潮的对比毫不含糊：自动驾驶"从行业规模和社会影响力上小很多，归根结底是一个影响力有限的小行业，没法影响千行万业”;具身"我的上游也是我的下游，未来是中心型行业”。更关键是基因：第一波自动驾驶头部公司"出发时不是AI企业，是robotics企业——rule base，讲究corner case怎么解决”;而这一批具身公司里做对定位的，“定位自己是AI企业，解决问题的方式是规模、基础模型、数据”。
• 他自陈是"第一批深度学习培养出来的PhD”（2015年入学，赵航2013年），被《The Bitter Lesson》塑造：“相信规模、相信数据、相信算力，不要相信human bias设计出来的规则——那个东西短期有效，长期都是无效的。“自动驾驶给他的真正遗产是几个最正确的基础决策——整机加智能、数据闭环、依赖真实数据——“具体的算法技术，坦率讲几乎没有什么可借鉴的”。

33. Elon闭眼二十分钟：“this will do”

• 徐新讲的Tesla故事是全场最戏剧性的注脚：自动驾驶系统曾是rule base，“碰到一个question写一段coding，C++写到三十万行，团队都绝望了”。一个小伙子用自学习方法在马斯克家门口那段路写了个demo，马斯克坐车体验回来，全组debate要不要放弃九年的data、三十万行代码、几十亿美金——“他把眼睛闭上，想了二十分钟，鸦雀无声。睁开时说，this will do，然后就switch了。”
• 她的提炼直指组织本性：“只有founder敢做这样的决策——自己打自己是很难的，一般人舍不得放掉积累。“这也是她坚持"要投九零后"的时间点逻辑：“这就是个分界点，你相信还是不相信（scaling）"——甚至有公司CFO的PPT写着要招"九五后卷王”。

34. 这次真的不一样：一年十倍，直接换人

• 李翔引马克·安德森：“投资中最危险的五个字是这次不一样——但这次真的不一样。“徐新完全认同，标尺是速度：“京东涨得快，一年三倍；外卖一年三五倍；这次是一年涨十倍，没有产品比ChatGPT渗透更快。速度决定天花板，它是一个完全不同的animal。”
• 本质差异她说得更狠：“以前互联网也好移动互联网也好，都是一种工具、一种连接；这次是直接把人给换掉了。“她的私人体感作证：“我用GPT，越来越觉得它比我聪明，好像还有human compassion——再搞几年我们真的不如它。“但她同时给具身降温：到作业智能"还蛮漫长的，两万个component、供应链，搞来搞去就复杂了”。

35. 京东复盘：get big fast，亏损不可怕

• 徐新把她最著名的案例拆给年轻创始人听：投京东时它只有五千万人民币销售收入，“东哥要两百万美金，我给了一千万”。钱换来两个决策：扩品类（当当有两百万用户、京东两万，但当当只卖书；刘强东信仰"零售最关键是东西要丰富”）和自建配送（每城二十人两辆车、一天二十单亏钱、两千单打平要一年——“我们不是去一个城市，我们去三十个城市”）。
• 增长写进了合同：十八个点的ESOP挂业绩，刘强东自己报"每年两百的增长”，徐新怕达不到还砍到一百——“他实际做了二百，四年：五千万、三个亿、十个亿、三十个亿、一百个亿。一直是亏钱的。”
• 她的公式至今有效：“什么是最靓的仔？增量里的market share你占最大，你就是最靓的仔。亏损没有关系，只要现金流是正的”——现金从哪来？学国美苏宁做账期。“京东上市前账上有十亿美金——你不是花钱买个保险嘛。“但她提醒规则的边界：“这个规则在现金流不断的情况下是成立的。现在贪婪占上风你多亏几年也接受，恐惧来的时候可能不让你亏这么久了。”

36. 卡点是时间表，不是竞争

• 问徐新星海图路线图的卡点，她的答案出乎意料地不是大厂：“主要还是时间表的问题——一百万到一千万个小时要多长时间不确定，方法流程可能都要变。竞争我倒不那么担心，大厂未必有优势，你能把foundation model做出来吗？”
• 真正的风险是节奏：“太激进，步子跨太大，春天来了但你已经倒下了；太慢，你不在前列，投资人不投你、人才觉得公司没声响，恶性循环。“她引马云：“最好的团队、花不完的钱、最大的市场，总能跑出来。”

37. 最好与最坏：三红利与财富垄断之忧

• 各自摊牌。徐新的最坏情况：“这一波全军覆没，一个好企业没投中。“最好情况是投到改变世界的公司，且"中国在具身的机会比美国大——大语言模型我们在追赶，但具身我们可能领先”，凭的是"创始人红利、工程师红利、政府执行力红利，三个红利打下来”（供应链强、数据组织能力强、政府"超级懂”，像当年的光伏）。
• 高继洋说公司死不了：“我做决策越来越稳健，我的风险不是死掉，是因为经历的错配错过重大机会”——就像OpenAI没找到coding，被Anthropic拉开差距。行业层面他给出罕见的双尾判断：最好是"每个人真正得到自由，为兴趣工作”；最坏是"它垄断了物理世界的生产力，这种财富的垄断会带来什么可怕的后果，我不太确定”。
• 徐新接过社会命题：AI"好像把贫富差异拉大了，强者更强”，到AGI式大同"肯定不是那么快来临，可能十年，中间会有失业的阵痛过程”——需要方法论帮人二次创业、从哲学和价值上做引导，“只是现在大家还没想”。她的宽慰是AIGC：“做音乐、视频小说、短剧，很多事可干——他们搞token manufacturing，我们搞consumption。”

38. 把80%时间花在大脑上：炼丹要老师傅的手感

• 徐新给高继洋的建议是全场罕见的直接指导：“大模型既不是科学，它有点像炼丹，老师傅的手感很重要。你本身是PhD，应该把读paper的量加大，跟最insightful的人天天聊天——供应链、HR、报销那些迅速建制度、放权，delegate不行就换人，这些全是replaceable，但你的大脑、你的vision、你调动资源的能力没人能替代。张一鸣抖音那么大的生意，百分之五十时间还用在这上面；咱们这么小的公司，你其实应该花百分之八十。”
• 高继洋的学习论一脉相承：“对事物的不了解，源于通过错误的渠道获取了错误的信息”——所以强调现地现物的一手信息，然后是他反复提到的循环：“信息获取认知，认知得到策略，策略开始执行，执行拿到结果，结果再获取新的信息反馈。“李翔点破：“这是在训模型呢。”
• 徐新自己的信息源：原话音近“next freedom”的长播客、All-In等"动不动三五个小时”，先抓transcript做key summary再决定精读；每年约两千个用户访谈的习惯延续到to B——问Kimi用户何时用一个原话音近“Anthropic”的模型、何时用Kimi（“公司给钱用这个模型，自己moonlight就用Kimi”），帮被投测涨价的sweet spot：“九十块、一百九十块还是五百九十块，都是深度访谈出来的。”

39. 终局、盈利与IP：收敛到几家，知行合一者留下

• 终局两人同频。高继洋：“做大脑没那么容易、规模效应明显，集中度会比较高——大语言模型创业公司四五家加大厂两三家，具身会类似；资金消耗量也不支持那么多家。“徐新补数量级：“VLA训一个模型一开始一年三四十亿人民币，就是五亿美金，最后是一年一个billion dollar投下去，没这个钱上不了牌桌。“盈利时间表高继洋拒绝回答得很坦白：“未来每个三年都有十倍以上的增长空间的话，现在应该把全部可投入的投入进去换最大增长——现在要考虑的是现金流，只要正向就稳健。”
• 创始人IP的分寸：徐新认为AI时代leadership重要、“低调肯定不行”，但不必天天搞流量——“你吸引的都是知识分子，他们很快能找到你”，一年一次发布会把理想、信念、产品分享出去即可；“AI时代好像没人打广告，产品特别牛，自己会说话”。高继洋的补充带着行业焦虑：“我们这行业噪声很多，好公司没有足够的声音带宽会被淹没，好人才好伙伴反而找不到你。”
• 怎么区分淘金者和有使命的人——徐新的答案是两条：“知行合一，他做的事和他说的话是一致的；再看他吸引的co-founder是不是志趣相投的一帮人——吸引一个很牛的co-founder不是靠个人魅力，只有靠远大的梦想。“高继洋对上一代创业者则全无优越感：“我尊敬所有有结果的人。差别真的不来自其他，来自时势造英雄——我出生在他们那个年份，也做不了今天这件事；做美团京东那种创业某种程度上更难，谁都能做、竞争更激烈，我们这个先筛掉了一大批人。“他想问刘强东王兴的问题也留了下来：“行业迅速做大的过程中，心境是什么、犯过什么错——这种信息是这个世界上不流通的信息。”
• 收尾落在墙上的价值观：“勤俭节约"被高继洋翻译为精益经营：“一块钱能解决的问题没必要花两块钱——不精细算，运营成本可能多百分之五十八十；一亿美金能训十次的，就只能训五次。“徐新举证美团创始人：出差住如家、坐经济舱，“这是个好的品德”。至于务实还是激进创新：“看这句话应用在什么组织上——组织充满创新能量时，让他务实一点；死气沉沉时，就大胆创新。”