168: 对话王新宇：美团龙珠怎么投科技？
摘要
王新宇的核心判断不是“这是不是好公司”，而是“一个好的公司到底有多好”，最强的早期信号则是创始人能否把热爱变成长期专注。 他在 2016 年第一次见王兴兴时，就看到一只尚不知能做什么的机器狗；多年后回看，创始人的底层状态几乎没变：“他非常喜欢这个东西，并且把这个东西能做得相当好。”他据此判断，中国从复制走向全球领先不是个别公司的故事，而是会在千行百业出现的系统性机会。
美团龙珠自 2021 年形成的“三纵三横”框架至今未变：AI、半导体、能源三种底层技术，交叉 EV、机器人、下一代终端三类场景。 大模型后来成为可以“涂满所有格子”的基础设施，向上改变应用和硬件，向下影响算力与能源；而王兴在龙珠只是平等合伙人之一，项目用带强度的投票与评分决策，“没有人是警长”，也没有 veto right。
龙珠在基础大模型公司里只投了月之暗面，这笔 2023 年 7 月 2 日过 IC 的投资，本质上是在人、模型和产品都尚未被市场验证时押注杨植麟的 tech vision。 当时智谱、MiniMax 估值已约 15 亿美元，月之暗面还没有模型，龙珠投入约 3000 万美元；王新宇看重的不是单项论文成绩，而是杨植麟对人才密度、研究组织、持续突破和 Super App 的完整设想。“直觉是起点”，但真正的坚定来自此后半年以上、每月甚至更高频的接触。
王新宇到 2024 年中才认为 AI 应用进入可系统投资阶段，龙珠在 2025 年投了约十家早期公司，但他判断“今天还没有哪家 AI 应用公司真正成功了”。 DAU 是“旧时代的尺子”，甚至排不到最重要指标的前三，token 调用、ARR 和直接交付结果更值得看；团队层面则要找“手活快”的创业者。其样本的出生年份以 1997 年为峰值，很多人在移动互联网高速增长期积累了七至十年经验，是“年轻的大哥”。
具身智能是龙珠从 2023 年便开始重点研究的方向，但其下注方式并非把所有公司视为同一种资产。 locomotion 与 whole-body control 上只押宇树；尚未收敛的 manipulation 则覆盖不同大脑、数据、算法和场景路线，并进一步投向地瓜、Sharpe 等关键供应商。王新宇认为争论真实数据还是仿真数据，像争论火箭用液氧煤油还是液氧甲烷：“重要的不是……重要的是飞到太空当中去。”
面对百亿人民币估值公司快速增加，王新宇仍坚持中国投进具身智能的钱“不是太多，而是太少了”，但未来一两年会明显去伪存真。 他的参照不是单家 Figure，而是 Tesla 的持续研发、美国 AI 交易的资本规模，以及中美共同引领人类进步的竞争：目标不该是用对手 20% 的成本做出 50%—80% 的能力，而应以同一数量级投入做出 120% 的产品。真正的分水岭不是短期卖出多少台，而是 world model、数据和泛化能力能否带来机器人的 GPT-3 或 GPT-3.5 时刻。
王新宇偏乐观地估计，具身智能让大众产生“这次真的能用”感受的时刻可能在一至两年内出现；即使不是，也可能大不了三年，而不是十年。 他同时承认自动驾驶从投资确认到 C 端普及用了六年，因此三年还是六年对长期基金并不关键；关键是边界能否被持续解决。更大的判断是，AI 即使今天被“锁死”、能力不再进步，也足以带来互联网或移动互联网量级的改造，而它显然不会停下。
精读
1. 投资不是给公司判好坏，而是估算它究竟能有多好
王新宇在节目末尾引用迈克尔·莫里茨的观点定义 VC 的难题：“我们投资人的工作不是判断一个公司的好与坏，而是判断一个好的公司到底有多好。”真正困难的是判断一个好公司的上限，而非只证明它高于及格线。
这套判断的原点是热爱。一个人发自内心喜欢某件事，年轻时会在没有明确商业回报的情况下不断创造、解决问题；这与创业“为别人提供更好的产品或服务”在底层相通。
他不希望按学历、经历或成功者模板寻找创始人。竞赛背景可以拉近距离，却不是本质；本质是能否识别“纯粹的热爱”，以及这种力量能否沉淀为长期专注和核心能力。
2. 八九岁开始编程，让技术成为王新宇的母语
王新宇八九岁便开始学编程，还参加过类似小学生奥林匹克信息竞赛的活动。技术首先是兴趣，而不是职业规划。
高中阶段，他在机器人实验室同时做软件和硬件，参加比赛并保送复旦。实验室时间并非全在研发，也会和同伴打《魔兽争霸 3》；这种共同成长经历，后来帮助他理解技术型创始人的生活轨迹和表达方式。
他由此形成了“人的 vintage”概念：出生在哪个年代，往往会把一个人推向那个年代最值得解决的问题。做什么不一定从 Day One 就正确，但时代、信息和认知决定了一个人会先看到什么。
3. 复旦寝室里的无目的创造，后来变成了识人样本
2008 年进入复旦后，通识教育和上海的多元环境扩展了王新宇的兴趣边界。同一专业在东北是录取分数最高的一档，在上海却可能接近末档，这种反差让他很早意识到，单一评价体系并不可靠。
本科寝室四人都是保送生，擅长方向各不相同，便一起做网站、软件和电子实验，还自拍自剪两季、每季十集的视频；最高一集在优酷约有上百万播放。最能代表那段经历的，是他们把电容反接，观察它究竟怎样爆炸——“大家不要学习”，但好奇心是真实的。
他们还解决身边的小问题：冬天不下床关灯、自行车防盗、军训衣服里的小风扇、可远程控制的摄像小车。没有人想到创业；王新宇说，如果晚出生五至十年，信息环境不同，他们可能会自然走向创业。
4. 创始人的经历可以不同，持续解决问题的冲动更重要
自己做过竞赛和机器人，让王新宇知道技术人才可能经历过怎样的训练，却没有让他把这类背景当成筛选器。他提醒自己：“人的特性是挺不一样的”，投资不该寻找一种统一的人。
创业第一天做的事，也可能与最终成功完全无关。比起从哪里来、最初选了什么题，他更关心一个人如何思考问题、是否愿意长期解决它，以及遇到错误后能不能快速转向。
5. GGV 的前三年，是在高质量样本里学习投资审美
王新宇 2015 年开始在 GGV 实习，真正全职加入是在 2016 年 7 月。职业早期更像学徒：跟合伙人和项目组见大量优秀创始人，先建立一个“经过清洗”的高质量 database。
他并非完全没看计算机视觉：拓博智能曾以视觉解决风机叶片检测和无人零售问题。更系统的研究则是 AR/VR，覆盖 Magic Leap、ODG、当时做眼镜的 Meta、Lumus 等公司。
Insta360 是技术路径迁移的典型：最初围绕 VR 和 360 度拍摄，后来凭视频拼接能力在运动等场景找到 PMF。王新宇据此概括技术周期：“有的时候你会高估两三年的发展，可能低估十年的发展。”
6. 六个月写百页报告，是为了缩短 VC 漫长的反馈周期
在 GGV 时，他给自己按半年设目标。为了系统研究 AR/VR，白天跑项目、写 memo，晚饭后从约 6 点工作到午夜，坚持半年，最终写出上下两篇、合计一百多页的英文报告；没有人布置这项任务。
VC 对年轻人的最大问题，在他看来不是辛苦，而是验证周期太长。失败可能有很多原因，成功更难归因：究竟来自个人判断、合伙人、机构品牌，还是其他因素，很长时间都没有答案。
因此，任何能让他加速验证自己能否完成投资全链条闭环的机会，都有意义。2018 年进入昆仑，正是为了加速回答一个更朴素的问题：“我能不能吃这碗饭吃一辈子？”
7. AI 低谷期，“AI plus 交通”把他带到自动驾驶
2018 年，周亚辉希望找人投资 AI，王新宇则从零搭团队、定硬科技方向。彼时 AlphaGo 带来的第一轮热潮已经退去，AI 处在明显低谷，他花约半年寻找“AI plus 什么”的答案，最终收敛到交通。
2019 年初，他投资 Pony.ai，随后延伸到以色列激光雷达公司 Innoviz；同期也投了追觅，但当时并不是 AI 逻辑。这些项目分别成为他理解自动驾驶、关键传感器和消费电子的样本。
8. 从算法走到算力，半导体投资是推演出来的
王新宇按“算力、算法、数据”拆解 AI：算法已有项目，数据当时很难成为独立投资标的，于是 2019 年一季度后自然转向算力，并在内部提出系统研究半导体。
尽管本科属于电子工程系，他的研究更偏计算机视觉，并非半导体科班；学习芯片比学习自动驾驶更难，还要进入新的知识与行业网络。2019 年底科创板开闸给了组合机会，但他强调，上市窗口不是本质，“你投那个公司是不是有核心价值”才是。
他坦承 2018—2019 年没有识别出 Transformer 和大模型的投资趋势；昆仑内部约在 GPT-2 之后、GPT-3 前后开始关注，但创业投资机会仍不清晰。真正的分界线是 2022 年 11 月：“人类社会在二零二二年十一月之前和之后是不一样的。”
9. 能跨赛道重复学习，比一次漂亮退出更能验证投资能力
到 2021 年前后，王新宇认为自己已在不同方向得到重复验证：追觅代表消费电子，Pony.ai 代表自动驾驶与 EV，多家半导体公司则进入资本市场。范式可以迁移，前提是投资人能持续学习并抓到新的 beta 或核心公司。
他并不把“上市退出”视为唯一证据。拥有核心价值的公司，可能因创业中的种种偶然没有独立上市，却被并购或换一种方式重新出发；相反，天时、团队和市场窗口同时成立，才可能产生伟大企业。
基金期限也不是技术投资的硬瓶颈：美元基金可长达十多年，人民币基金视 LP 而定；进入退出期后还能使用 S Fund 等工具，让旧 LP 实现退出、由新载体继续持有。
10. 龙珠让他无法立刻拒绝，因为这里既有长期资本，也有求甚解的人
疫情期间，一位猎头公司创始人从北京到上海，吃饭散步两个多小时才说出机会。王新宇本打算拒绝，却回答：“这是唯一一个我没有办法立刻拒绝的名字。”
吸引力首先来自龙珠 2019 年对理想汽车的投资。理想是当时融资最少的新势力之一，龙珠却在困难阶段投资并持续支持；王新宇认为，这笔投资“值得写进投资行业的历史”。
更深层的契合是价值观。尚没有“耐心资本”这个流行词时，龙珠内部已经反复讲“长期有耐心”；王新宇刚确认自己可以长期做 VC，下一题便变成与什么人一起、用什么机会做得更久。
与王兴交流时，两人从火箭、卫星聊到新能源车、半导体、无人驾驶、机器人和 AR/VR。令王新宇惊讶的不只是广泛好奇，而是“好奇了之后，是否求甚解”；很多领域并非王兴的主业，他却理解得足够深。
11. “三纵三横”不是分类表，而是寻找交叉机会的思维习惯
龙珠科技团队 2021 年 Day One 形成“三纵三横”：纵向是 AI、半导体、能源，横向是 EV、机器人、下一代终端。EV 特指 electric vehicle，所有 powered by electricity 的载具都在范围内，无人机也可以算。
“下一代终端”故意保持模糊，因为当时没人知道它会是眼镜、耳机、项链还是其他形态。九个格子的框架从 2021 年至录制时没有根本变化，未来更可能变化的是各格权重，而不是底层逻辑。
大模型属于更 fundamental 的 AI，可以“涂满三个格子”：它改变自动驾驶和机器人，也会反向影响半导体与能源。王新宇用黄仁勋“五层蛋糕”的比喻说明，越接近基础设施，影响的层级反而越多。
龙珠与美团战投并非同一机制，王兴也只是平等合伙人之一。项目决策不只数票，还给支持或反对加上强度，但“没有人有 super right”，没有 veto、没有额外票，也“没有人是警长”。
12. 月之暗面的投资，始于公司成立前对杨植麟的追逐
2022 年底，龙珠已在内部讨论谁最有潜力推动基础模型，甚至想把杨植麟“挖出来创业”。对方在 2023 年第一季度相当长时间没有见他们，团队便写“小作文”、介绍人才，持续创造接触机会。
第一次正式见面约在 2023 年四五月，六月进入内部决策，7 月 2 日过 IC 并 pull the trigger。后来王新宇回忆，龙珠投入约 3000 万美元，这是龙珠在大模型创业公司中的唯一下注。
当时智谱和 MiniMax 的估值都约 15 亿美元，阶跃尚未成立；月之暗面只有联合创始人和团队雏形，模型还没出来。选择一个出发更晚、团队更年轻、长板与短板都明显的项目，内部有压力是正常的。
更大的不确定性来自赛道本身：大模型会有多大、商业模式怎么形成、创业公司是否还有机会，都没有共识。王新宇认为，“有各种各样的质疑才是比较正常的”，早期投资的价值也正来自这里。
13. 杨植麟打掉了“技术天才不懂公司”的预设
王新宇承认，第一次见杨植麟前带着明显 bias：会不会骄傲、nerdy、只懂技术、不懂战略和公司经营？一场约两小时的会面后，这些负面疑问基本消失。
真正打动他的不是论文或单项技术，而是 tech vision：杨植麟能解释大模型组织需要怎样的人才密度、天才如何协作、必须持续取得怎样的突破才能留住他们，以及这些人真正追求什么。
即使当时连模型都没有，杨植麟已经明确提出做 Super App。再追溯此前在致远的合作以及与华为的一些合作，王新宇看到的是一个长期试图“布道”、推动技术落地的人，而不是突然追逐 ChatGPT 热点的创业者。
14. 直觉只负责启动，半年以上的重复接触才产生坚定
王新宇不否认直觉，但把它解释为长期训练后的“肌肉记忆”。他第一次见“卷卷”时，对方在白板上写画两小时，他出来告诉同事：“其实我没怎么听懂，但我觉得这个人应该可以投。”
直觉之后必须增加样本。对多位第一面就看好的创始人，他仍等半年以上才投资，其间每月甚至更高频见面；第一次听不懂，就再见一次，直到能够区分表达风格与真正能力。
他的原则是 case by case、“一事一议”：不能被成功经验绑架，也不能被失败教训吓倒。每年真正让他愿意穷追不舍的项目通常只有一两个，但这不是 quota，而是遇到那个“内心的声音”才行动。
15. 月之暗面的起伏，再次把模型能力放回中心
投后角色在王新宇看来是“帮忙不添乱”：投资人坐副驾驶，可以在融资节奏等环节提供经验，却不该指导比自己更懂技术和产品的创始人。给建议与 push 是两回事，最终决策仍属于公司。
月之暗面第一次接受阿里大额投资时，他非常支持，甚至主动退出董事会；这笔资金是公司发展的“必要非充分条件”。后来他把 Pony.ai 与月之暗面视为历史呼应：前者投后约一年获丰田 5 亿美元，后者不到一年获阿里约 8 亿美元。
2024 年三季度，公司更积极投放、争取用户时，王新宇曾建议把更多注意力放回模型，因为从 GPT-3.5 到更高能力“还有非常长的路要走”。增长策略未必永远错误，但在他排序里，模型进展始终更基础。
DeepSeek R1 带来的冲击验证了这一点：“人教人教不会，事教人一次就能教会。”他认为月之暗面此后回到更好的技术状态，K2、K2.5 等模型提升了技术影响力和全球影响力；同时他用全球或中国人口的平均教育与智力水平定义 general，并据此主张“AGI 已经实现了”，下一步是继续走向 ASI。
16. AI 应用进入可投阶段，但还没有真正跑出终局赢家
2023 年投资月之暗面后，王新宇一度认为大模型是 AI 领域“最重要的，甚至是唯一的一件事”。直到 2024 年中，他才让团队系统学习 AI 应用，优先看技术或渠道驱动的 3D、视频，以及社交、互动内容和游戏。
2025 年，龙珠投了约十家 AI 应用公司，很多是前两轮，甚至直接参与第一轮。多数项目保持水下状态，是因为产品形态、新需求和 PMF 仍需探索，并非已经有成熟产品却故意隐藏。
他列举的尝试包括能直接交付销售结果的 AI 销售、coding、浏览器、3D 与视频，也提到影谋、OneTwoX 等项目。方向并非排斥效率工具，而是团队时间有限，只能先挑最想理解的题。
对估值和经营指标，他的判断同样克制：“今天还没有哪家 AI 应用公司真正成功了。”一些公司有不错 ARR 或 DAU，但 DAU 是“旧时代的尺子”，重要性排不到前三；token 调用、收入和真实交付结果更值得跟踪。
17. AI 应用创始人的中位画像，是三十岁前后的“年轻大哥”
王新宇去年看过上百家 AI 应用公司，事后才发现创业者出生年份以 1997 年为正态分布峰值，1996、1998 年最集中，也已有 00 后。这是观察结果，不是先喊“投年轻人”再按年龄找项目。
陈曦是他举的典型：1996 年出生，2018 年进入抖音，赶上产品和公司高速增长，至今已有约七年经验。年龄年轻，不意味着行业经验浅。
更底层的 vintage 来自成长环境：这些人 2008 年约十二岁，价值观形成期处于经济上行和物质条件改善的十年。群体性的自信，让其中一部分人更敢想、敢做，也更愿意追求自己坚定看好的事。
王新宇把目标人群概括为“年轻的大哥”：一种是生物年龄不到三十，却已在某领域做了十年；另一种是真正四五十岁，却有极开放、年轻的心态。杨植麟和王兴兴都很符合前一种，“你不热爱，你很难专注”。
18. 宇树真正变得可投，是全球机器人实验室共同给出的信号
龙珠从 2023 年便把具身智能列为重点，团队看过一百多家公司，王新宇本人见了约二十家；自变量、星海图等公司的早期轮次也接触过，但当时坦率地说“还没有看懂”。
转折发生在 2023 年底的 NeurIPS 行程。他去了 Stanford、Berkeley、Harvard、MIT 的机器人实验室，发现几乎都有宇树机器狗；更关键的是，宇树首款人形机器人已做出来，全球最前沿实验室都很想买。
此前王新宇对宇树的 AI 能力存疑，回来后却形成清晰 thesis：这像黄仁勋把游戏显卡送进实验室做 AI 训练。如果全球最好的博士生都用宇树硬件研究最前沿问题，“那 AI 能力这个问题不会被解决吗？”龙珠随后在 2024 年上半年投资。
19. locomotion 已经收敛，manipulation 仍值得多路径下注
以 2024 年初的粗略拆分，人形机器人可以分成 locomotion 和 manipulation。前者进一步演化为 whole-body control；龙珠在这条线上只投宇树，没有再投其他本体公司。
manipulation 至今在王新宇看来仍未收敛。创业公司对“大脑”、数据、算法和场景有不同信仰，真实数据、仿真数据还是混合数据也争论激烈，因此龙珠会覆盖不同团队和方法。
他用商业航天解释路线争议：2018—2019 年行业争论液氧煤油还是液氧甲烷，但“重要的不是液氧煤油还是液氧甲烷，重要的是飞到太空当中去”。不同任务本就可能采用不同燃料，路线名称不能替代结果。
对创业者而言，先坚定选一条路并认真做是必要的；真正发现错了，又要快速 switch。“创业就别怕打脸”，认错和改得快，本身可能就是核心竞争力。
20. 家庭场景可能比“先进厂、再进店、最后进家”更早成立
到 2024 年，Google、Figure 等海外公司的进展，以及其他公司的推进，让龙珠对具身可解性的 conviction level 越过投资门槛。
一些面向家庭场景的机器人 demo 又改变了路径想象。王新宇不再确信机器人一定要先进入工厂、再进入商业场所、最后进入家庭；家庭也许可以直接成为起点，而且“比大家想象的会更快”。
妙动是公司方向变化的例子：龙珠投了两轮，第一轮时杨朔尚未加入。王新宇提醒，市场上公开讲的标签与团队在实验室里真正探索的内容经常不同，不能长期用首次融资时的品类定义一家公司。
21. 核心零部件也可能成为链主，而非永远从属于本体
龙珠在本体和算法之外，又投资地瓜、Sharpe 等关键供应商。其逻辑是，产业成熟后最关键的 key supplier 可能掌握更高价值，而“链主”并不天然等于整机公司。
王新宇以新能源车为参照：惯常思维认为车企是链主，但宁德时代的利润可以高于所有车企。价值和话语权会随瓶颈迁移，机器人产业也可能出现类似结构。
因此，妙动、地瓜、Sharpe 与宇树、星海图、自变量并非同一种下注。龙珠试图覆盖的是能够长期掌握关键能力的节点，而不是把所有资金都塞进“软硬一体人形机器人”一个标签。
22. 高估值不等于投入过量，中国需要的是同量级竞争资本
曼祺提到，据其了解，中国估值超过 100 亿元人民币的具身公司可能已有约二十家。王新宇没有更新最新表格；团队早期曾统计 2 亿、3 亿—5 亿、10 亿美元估值档位，后来因涨得太快、且不再是最重要的问题而停止。
尽管如此，他仍坚持：“中国在这个领域投的钱不是太多，而是太少了。”曼祺反驳，中国公司累计融资可能已超过 Figure；王新宇则把 Tesla 的研发投入、Scale AI 约 140 亿美元的估值溢价及由此支持的 14 亿美元融资也纳入行业比较。
他的核心不是为任何单一估值辩护，而是重设竞争目标：中国做具身不应再用别人 20% 的成本，交付别人 50%、70% 或 80% 的能力；既然中美都可能在带领人类进步，就应投入同一数量级的资本，做出 120% 的产品乃至原创引领。
2025 年出现的王兴兴、梁文锋，以及机车领域的张雪，让他看到一种共同范式：不是为短期商业机会 copy，而是把长期爱好做到世界级。对投资人而言，“热爱和专注会在千行百业开花”是一项系统性机会。
23. 具身的下一轮出清，将围绕泛化能力而不是销量排名
王新宇并不否认泡沫和波折：“任何一个事业、任何一个赛道的发展都有波折。”未来一两年会进入去伪存真，分辨团队是否真正追求单点技术领先、是否能向商业化落地；其中单点技术领先在当前阶段更重要。
他认为 world model 和数据已接近行业共识，关键是这两种方向能否把机器人的可泛化、通用能力推高一阶。名称可以叫 GPT-3 时刻，也可以叫 GPT-3.5 时刻，重要的是大众突然感觉“这东西能用了”。
卖出多少台并非无关，但价值取决于销量能否带来真实场景反馈和数据，反哺泛化能力。如果出货只是收入数字，与能力跃迁没有因果关系，就不是最关键的领先指标。
对公众可感知的标准非常具体：机器人演示不再需要 2 倍、4 倍或 8 倍加速，在 1 倍速下仍然丝滑；它能做的事与人相近，而不是只在剪辑后看起来完成任务。
24. 自动驾驶的六年延迟，没有削弱他对具身三年窗口的信心
王新宇偏乐观地判断，具身的 GPT-3 或 GPT-3.5 时刻可能在一至两年出现；即使不是，或许大不了三年，“不会偏差到它是十年”。他也主动留下被打脸的可能，强调错了就认、快速学习。
他把 FSD V12 视作自动驾驶接近 GPT-3.5 的大众感知时刻，而自己的 GPT-3 确信时刻早在 2019 年上半年投资 Pony.ai 时便出现。当时他已判断：“我的下一代肯定不用学开车了。”
为看清技术边界，他在 Fremont、北京、上海、广州南沙等地，白天、夜晚和下雨场景累计做过数百公里 Pony.ai 车辆测试。看见边界并不等于否定技术；理解边界为何可被解决，才构成 conviction。
2019 年初，他以 16 亿美元估值投 Pony.ai 5000 万美元；当时 Auto、Cruise 的真实收购价都约 10 亿美元，Waymo 的 175 亿美元更多只是纸面估值。约一年后丰田以约 25 亿美元估值投入 5 亿美元，成为这项判断的外部验证。
25. 王兴兴从机器狗到人形机器人，底层驱动力从未改变
王新宇 2016 年 7 月全职加入 GGV 的第一周，就见到刚创业不久的王兴兴。对方拿到第一笔个人投资时，还把 SPA 发给他问能不能签；两人像是同时进入职业世界的“职场发小”。
那时王兴兴已经做出机器狗，并非 MIT 开源后才开始做。两人甚至认真讨论过它能做什么：能不能在公园里拉着小朋友转圈，像旋转木马？答案并不清楚，但王新宇看到，“他非常喜欢这个东西，并且把这个东西能做得相当好。”
人形机器人 H1 被王兴兴自己形容为“狗站起来了”，既是也不是：电机、控制和 whole-body control 的积累确实共通。王新宇此前一直没看懂机器狗能做什么，直到人形产品和全球实验室需求出现，才解决应用与 AI 两层疑问。
他相信王兴兴会“用小的机器人做更小的机器人，用大的机器人做更大的机器人”，如同相信马斯克真想去火星。追求 cutting edge 必然伴随失败和质疑，“哪有不掉下来的火箭？”
26. 下一个王兴兴会出现在每个尚未世界第一的领域
当曼祺问“下一个王兴兴在哪儿”，王新宇的回答不是某个赛道，而是“每一个领域”：AI 应用、AI-native 硬件，以及任何中国尚未世界第一、却可能成为世界第一的行业。
这类人既好识别又难投资。他们往往不是传统意义上的成功者，可能很长时间都不符合常规 VC 标准；投资机构即使认出人，也难判断何时成功、是否会在这一次创业中成功。
因此，没有投到王兴兴是大概率正常事件，任何一笔成功投资才是极小概率事件。VC 的社会价值不是要求每家机构都命中，而是维持足够多样的创业者和投资人，让真正异质的项目至少有人支持并走下去。
王新宇把中国消费电子的演进视作旁证：能做手机后，便可能做遍 3C、扫地机等产品；日本从 1960 年代复制、1970 年代转型，到 1980 年代出现自己的核心技术和品牌，中国也可能在未来五至十年完成类似位置迁移。
27. “攒局”不是原罪，机会主义且没有终点才是
对热门赛道里的“攒局创业”，王新宇不按起点定罪。临时组合、机构撮合都不是决定性因素，关键是团队聚合时追求什么、准备去哪里，以及能否承受创业中必然出现的挑战和痛苦。
如果只是被融资情绪和短期喧嚣吸引，没有 vision，失败概率会很低。2016 年前后，为骗新能源车补贴而攒出的公司，就是动机错误的典型。
反例是理想汽车：李想的部分合伙人来自后来组合，部分来自汽车之家时期，但“车和家”这个名字已经写明 Day One 愿景。第一款产品不成功，也没有改变公司要解决的根本问题。
融到一轮或几轮钱，连开始都算不上；拿钱之后做了什么、有没有形成真正追求，才决定它能否进入最后竞争。缺乏这一层的团队，往往不是被对手淘汰，而是先绊倒自己。
28. 具身终局很大，却不会只剩一家公司或一种机器人
王新宇从需求端描述终局：“没有人不需要一个司机，没有人不需要一个秘书，没有人不需要一个保姆，没有人不需要一个助理”，只是今天大多数人负担不起。若按 80 亿人可能需要 240 亿台具身智能机器人，需求规模会非常大。
机器人还会替代 Dull、Dirty、Dangerous 的“三 D”工作，让技术帮助人生活得更好。To B 与 To C 会同时扩散，最终像手机一样渗透生活各处，但并不意味着所有产品都要长成同一种人形。
市场也不会是极端 winner takes all。全球燃油车经历百年整合，仍有十家以上大车企；全球手机除中国品牌，还有 Samsung、Google、Nothing。具身不太可能由 CR1 或 CR3 吃掉全部市场，也不会碎成毫无规模的“蚂蚁市场”。
竞争会长期存在，但真正的战争不是只与同行争份额，而是持续提供更好、更便宜、更有核心竞争力的产品。新能源车让十万元级产品也可能获得自动驾驶功能，说明激烈竞争最终可能把技术红利交给普通消费者。
29. AI 会重写硬件、芯片、投资组织，也会加速扩散到八十亿人
在“三纵三横”之外延展出的重点，是“没有 AI 就不成立”的 AI-native 硬件，包括节目提到的 Luki、极壳等项目。下一代终端未必统一取代手机；TWS、Apple Watch、Oura Ring 已证明，不替代主设备也能创造价值，未来更可能由 LUI、云端智能和终端能力共同形成新体验。
半导体和能源投资也围绕 AI 展开：龙珠近期投了可控核聚变，以及两家不同算力架构公司，其中一类偏 TPU。王新宇判断，大模型尚未收敛时 GPU 更通用；任务稳定后，ASIC、DSA 或 LPU 等专用架构会在算力、功耗和成本上占优，芯片创新仍可来自架构、制造与材料。
约十人的龙珠科技组已把 AI 用进报告、项目研究、IC 风险判断和交易沟通。王新宇还把全年项目 notes、评分和负责人信息交给内部 AI 分析时间配置，其结论与他逐项检查日历四个半小时得出的统计匹配度超过 90%，他已采纳其中关于投入不足或过度的建议。
2015 年 2 月，他在 Burger King 读到一篇 AGI、ASI 文章并写道：“如果这玩意儿十年之内实现了，我会记得我在 Burger King 阅读这篇文章时的感受。”如今他援引的粗略统计显示，80 亿人中真正为先进 AI 付过钱的比例不超过 0.3%；即使 AI 此刻被“锁死”，现有能力也足以带来互联网或移动互联网级改造。它并不会停止，所以接下来三年、三年半会比 2022 年 11 月以来更快——投资人最难的仍不是看见变化，而是判断它“到底有多好”。