“EverybodyhasaCopilot，每个人都会有自己的一个副驾驶。”境成资本管理合伙人、澳门产业技术研究院联合创始人兼执行院长向江旭这样描述对AI的畅想。

向江旭认为，随着AI浪潮的来临，这场变革将重塑我们的生活和工作方式。而对于企业的数字化升级，都可以用大模型技术重新深度做一次，这是个巨大的机会。

面对AI带来的激动人心的机会，他和团队赶上了AI大模型技术的爆发期，成功布局孵化AI应用及AI基础设施引领行业变革的公司。他们看中了企业数据所构筑的竞争壁垒。

（境成资本管理合伙人、澳门产业技术研究院联合创始人兼执行院长向江旭）

作为深科技领域的资深投资人，向江旭亲历了三十余年的技术变革、中美创新环境的演变以及国家经济生态的转型。他对前瞻性技术创新和企业数字化转型有着深入的研究和丰富的实践经验。

向江旭指出，深科技的创业投资逻辑与互联网截然不同。美国科技创新更注重引领性、前瞻性和突破性，而中国则更擅长将科技创新应用于实际场景、实现商业化变现和商业模式创新。随着深科技时代的到来，我们需要反思并转向真正的深科技创新。

围绕创新精神、AI技术发展趋势与商业化、深科技投资、AI生态构建等话题，向江旭与《AITalk》分享了他的看法。

以下为采访实录（整理）：

01

科技摆渡人，亲历30年科技创新浪潮

《AITalk》：您作为计算机科学家出身，从美国硅谷18年到回国14年，历经技术、管理到深科技投资，您事业生涯中的转折点有哪些？

向江旭：90年代，我赴美国，亲身经历了PC互联网浪潮的兴起，见证了911事件和2008年金融危机的冲击。92年赴美是我人生的重要转折，面对中美在科技和社会上的巨大差异，我渴望学习美国的先进技术和管理经验，为中国带来改变。

在美国18年，我曾在思科、微软、戴尔等硅谷公司工作，深入了解了初创公司的运作方式，如何将一个想法创意转化为产品，商业化变成一家公司，甚至一家伟大的公司。我觉得把硅谷的创新精神和技术带回中国是蛮有意思的一件事情，我于2010年选择回国，这是我职业生涯的又一重要转折。

之后，我经历了从科技公司技术提供者到科技应用型企业CIO、CTO的角色转变。在微软、思科和戴尔，我专注于技术产品的开发；而在苏宁、美的，我则成为了技术的使用者，负责将技术应用于实际业务中。

近两年，我转型为深科技投资人的角色，赶上了大模型的爆发期，孵化AI引领行业变革的初创公司及投资大模型应用相关的公司。

《AITalk》：您亲历了硅谷创新精神，在每次时代变迁和科技浪潮中，都能精准把握并转型，您是如何做到持续创新的？

向江旭：我喜欢新事物，心态一直很年轻。我所涉猎的技术领域很丰富，从最开始的管理软件、监控软件开发起步，随后涉足嵌入式操作系统研发、通讯网络行业，再到苏宁、美的等企业的应用开发，如电商、制造业智能家具产品研发、普惠金融应用系统开发等。

10年前我开始做的创新，比如智能座舱、智能音箱聊天机器人、智能投顾、智能催收与电销等机器人应用，做了一些实体机器人，并涉足了车载系统研发。

基于这些丰富的技术经验，我转型为深科技投资人，专注于数字科技、半导体芯片、健康科技等多元化领域的项目孵化与投资。近几年我一直在转变角色，做不同领域的技术探索。我信奉的原则是技术让生活更美好。技术并非纯粹为了技术本身，而是为了给生活带来便利智能，带来更美好的生活体验。

02

躬身入局，Allin深科技投资

《AITalk》：随着互联网红利的结束，科技创新进入新的历史阶段，当前中国的创新土壤是怎样的？投资人和企业如何去做科技创新？

向江旭：对比中美，美国与中国科技行业的不同体现在创新机制和土壤环境不一样。首先，美国在科技创新方面更注重引领性、前瞻性和突破性。这与美国的社会环境和文化土壤有关，它鼓励个人创新和自主精神。例如，最近的AI大模型浪潮从美国OpenAI公司兴起。在美国，如果想要获得融资和被市场接受，通常需要展示出独特的、突破性的创新点。

相较于美国，中国在科技创新上更擅长于应用场景的落地、商业化变现和商业模式创新，这跟整个社会环境对失败的容忍性，对创新的追求有关。中国“卷”式竞争策略在本土有效，在美国则强调创新和独特性。

在中国，虽然模仿性创新metoosolution有时能成功，但随着互联网红利的结束和深科技时代的到来，我们必须反思并转向真正的深科技创新。这需要科学家与产品、技术、研发和市场营销等多方面人才共同创业，基于独特的科技创新驱动发展。过去规模扩张和资本驱动模式已不再是主流，我们需要更专注于深科技创新。

《AITalk》：深科技投资，从高校科学家做技术到市场转化，是一个非常漫长的过程，需要社会机制甚至政府、投资管理机构的引导，您allin如何发挥价值？

向江旭：深科技创新，从实验室到市场有很长的距离。一个非常杰出的科学家，又是一个杰出的创业者或CEO，这种人非常稀有。我们投资机构，包括我本人做的事情，希望能够这种gap填上，让这个旅程更加顺畅，少走弯路，避免失败。

我和合伙人都有30多年的产业经验，对于如何帮科学家把一个实验室的突破性技术变成产品，商业化成公司，变成一个可行的业务，我们会起到关键作用。

我们已过了撒网、砸钱、催化出独角兽的阶段，我们的投资理念是构建公司，而非简单投资。当我们看到一个具有潜力的大方向，例如大模型赛道，我们会先明确技术方向和产业方向，找出实验室或大学中的顶级专家，把技术产品化、商业化，包装成公司，为其配备专业产品、营销、研发和市场团队，然后推到市场，这需要我们有资深的科技背景的投资人来做这件事情。

除投资、孵化之外，我现在还亲自担任一家被投公司的CEO。这是我们这种具有科技、产业背景的投资人应该做的，而且擅长做的事情。

03

取代你的不是AI，而是懂AI的人

《AITalk》：OpenAI技术公司的崛起，标志着技术层面正经历着爆发式的增长，AI技术将如何改变人类社会？

向江旭：我很赞同微软的口号“EverybodyhasaCopilot”，每个人都会有自己的一个副驾驶。AI的角色变成你的一个无处不在的助手，并且AI角色多样，因场景而异。

对于公司高层，它协助处理日常琐事；对普通人，它分析资产，预测资金需求，提供个性化理财方案。对即将退休者，AI能规划持续收入，保障资产不贬值，为医疗和养老提供坚实后盾。

我跟投被投企业的创始人说，你必须创建AI联合创始人。创业公司，一定要最大限度的去利用AI的能力。从创业规划、产品定义、市场拓展、客户服务、人才招聘到软件开发，AI助手都能提供有效协助，如生成代码、减轻工程师负担或提升员工效率。

AI会深入生活的方方面面，不管是生活工作学习，让你有个无处不在、懂你的助理，这是我对未来AI的畅想。

有不少人会担心，工作是不是会被取代？我信奉一句话：取代你的不是AI，而是懂AI的人。同样我们不会跟机器竞争。我赞同李飞飞的一句话，AI会完成很多任务（task），但不会取代你的工作（job）。

04

看好企业大模型，有竞争壁垒、护城河

《AITalk》：OpenAI带来的浪潮与冲击令人瞩目，众多企业怀揣着满腔热情参与其中，您如何看待百模大战、千模大战的现象？

向江旭：很多时候国内公司爱追风，停留在过去的metoo模式——你有，我也做一个类似东西，但我的更便宜。跟美国的差异化创新不一样。

国内百模大战、千模大战，但美国没有发生。行业会逐渐成熟，大家会越来越意识到差异化是企业的竞争力。没有跟别人不一样的“独门秘招”肯定是不行的，初创公司玩规模游戏是玩不起的。

我认为数据开放的行业大模型有点危险，因为真正的大模型的核心壁垒在于训练的数据在哪里，行业数据其实也是公开数据。通用大模型推理能力强，通用大模型不论是百度的文心一言，还是字节的豆包，如果拿行业数据训练一下，性能很可能会更好。所谓的私有大模型、企业大模型的内部数据是他拿不到的，比如金融行业银行内部数据，医疗行业医院诊疗数据，这样的行业大模型或企业大模型也许更优势。

因为不会因为大模型训练数据囊括了行业之后，就把你干掉，干不掉，因为数据在。所以我看好企业大模型、私有大模型，因为数据是私有的，有竞争壁垒和护城河。

《AITalk》：对于AI大模型和场景应用型企业，您的投资逻辑是什么？

向江旭：企业大模型、私有大模型是比较专注的，比如做内容生成文档的金山，已经做了十几年，借助AI的力量自动生成文档，这种自动生成工具的企业就比通用大模型公司切入该领域会更强。

底层大模型是独立的，可以用OpenAI，也可以用百度、华为或腾讯，它的核在于小模型如何生成。所以这种AI大模型运营公司是我们投资的重点，企业和私有数据最有竞争壁垒。

05

要走更擅长的路，探索场景应用的机会

《AITalk》：从辩证的角度来讲，中国AI领域的发展和投资机会、挑战有哪些？

向江旭：很多中国企业的数字化转型会用大模型的技术再重新深度做一次。这个机会特别巨大，尤其企业的内部管理、运营、产品、员工生产力的提升都可以用大模型来做。例如，大模型技术能优化内部沟通协作、提升文档处理效率，并应用于生产过程的监控管理和产品智能化。在智能家居领域，未来家庭服务机器人将拥有全方位监控、看护和情感陪伴功能。

人形机器人也是一个爆发点，因为大模型的到来，机器人变成新的行业亮点。机器人有了眼睛，有了手，有了脚，尤其有了大脑，可以自主学习、适应，可以移动，可以观察，可以理解世界，做出行为判断，这又是很大的机会。多模态的交互方式，使机器人能够更深入地理解人类需求，提供更为人性化的服务。

大模型技术让机器人拥有了真正的“灵魂”，成为能与人类建立情感连接的智能伙伴，这样的未来图景令人充满期待。

《AITalk》：站在历史和发展的角度，在中国的生态土壤之上，怎么去构建AI创新生态？

这就是为什么OpenAI发布的GPT-4o虽然有人觉得技术上没有太大突破，但我觉得是对的一条路。GPT-4o更强调与用户的交互体验和实际应用场景，让大家更喜欢它，离不开它，是市场驱动的方式。当然OpenAI一定会有另一部分人拼命做底层技术的突破和创新。

在中国，我们更倾向于走一条贴近市场与用户、注重提升交互体验的道路，而非单纯追求底层技术参数的突破。因为中国擅长做用户体验和交互，擅长做人形机器人，中国的硬件是最强的，成本供应链也具有显著优势。尽管大模型原创我们不是最领先的，但将这些技术转化为综合性产品的能力，以及我们强大的制造和供应链能力，使我们在市场上更具竞争力。

技术到了一定阶段，推动市场，就要市场和技术齐头并进，不是一味的技术突破了。要找应用找场景，找用户，用技术来攒流量，而不是用资金攒流量。

我们做擅长的机器人，场景落地应用、体验交互，这方面胜算更大。当然，要持续跟踪大模型核心技术的发展。大模型可能是国家队，或者少数大平台要干的事情，更多初创企业做企业模型、私有模型可能更适合。