AI 上半年复盘：投资人最焦虑的是什么？

2026 年过半，二级市场 AI 板块剧烈震荡，Meta 上调资本开支预期、智谱市值突破万亿港元，让「AI 基建还能投多久」再次成为焦点。在峰瑞资本播客「高能量」的一场对谈中，科技投资人刘鹏琦与颜黔杭系统复盘了上半年 AI 一级市场的体感，并就 Agent、世界模型、Token 经济学、中美差距等议题交换了判断。

估值一周一变，FOMO 之外的真正焦虑

颜黔杭透露，上半年他个人接触的项目约 200 至 300 个，其中 AI 相关占 150 至 200 个。三个关键词概括他的体感：FOMO、结构分化、估值前置。少数热门赛道融资极度活跃，大部分赛道冷静；10 亿美元估值可以在数月内「火箭式」出现，有些项目甚至同时推进三轮融资。

焦虑的来源不只是「没投到」，而是「AI 变得太快」：每天都有新模型、新热词。投资仍要拆成偏价值与偏机会型两条线，不让市场情绪替自己做决定。在他看来，上半年真正长出的新东西包括 NeoLab 式的「用公司化方式做长期研究」、AI 硬件回到产品本身，以及 AI Coding 让律师、设计师甚至家庭主妇都能成为产品创造者——「钉子自己出来创业，锤子已经普适化了」。

OpenClaw 之后，Agent 还剩什么

OpenClaw 是上半年最受关注的事件之一。它让普通人第一次自己部署 Agent、下载 Skills 并调教工作流，更接近一种 Agent OS 而非单一任务工具。一波热潮过后，「吹开啤酒的泡沫，下面是醇厚的啤酒」——但「龙虾机」是不是成立的产品形态仍要打问号：Mac mini 一度被疯抢，热度退潮后也是闲鱼上出货最多的机型。

对谈者更关注 Harness Engineering（智能体运行环境工程）：模型只是大脑，周边环境和反馈通路决定 Agent 能否真正转起来。与 Chatbot 留下语言上下文不同，Agent 留下的是任务轨迹，可用于 Agent RL，也可能成为垂直创业公司的数据壁垒。三类玩家——模型厂商、IM 与办公平台、本地硬件——各自占据不同场景，但隐私与模型能力的取舍仍是核心冲突，机会或在于「让企业用上最强模型，同时把本地数据、权限和安全管住」。

从考场到工作现场，谁在重新定义模型能力

颜黔杭认为，类似 o1 推理架构那样的跨越式创新确实沉寂了一段时间，但模型做真实任务的能力仍在进步：考核标准已从数学榜单转向 SWE-bench、Computer Use、Agent Benchmark，「模型从考场走到了工作现场」。

他将 Anthropic 视为这一轮表现最突出的公司：很早押注 Coding，用 Coding 把推理与链式决策练起来，形成「知行合一」的反馈循环，Claude 的体验和 Cursor 等工具的进步相互强化。对国内，他提及智谱在 Coding 与长程任务训练上的尝试，以及 DeepSeek 在融资与国产算力合作上变得更开放、试图通过股权激励留住人才。

中美差距方面，对谈者认为在极速版与通用标准版模型上已缩至「几个月」，智谱唐杰与马斯克关于「2027 年一季度」的对话即为例证；短期难以弥合的仍是基础设施与算力集群规模。不过在视频生成领域，国内厂商声音更大，Seedance 发布后市场一度传出高 ARR 数字，火山引擎则回应外界数字普遍偏高，海外 Veo 3.0 保持关注度而 Sora 声量回落。

「电力 in，Token out」的系统竞赛

模型厂商资本开支与 Token 消耗双双攀升后，问题从「算力够不够」升级为整套系统能否跑顺：算、存、传输缺一不可，光互联、HBM、DRAM、SSD 的价值因此上升。对谈者将这一逻辑概括为「电力 in，Token out」——芯片、存储、通信、液冷、软件必须一起优化，才能让电力与运营支出换回更多 Token。

架构层面，云、边、端各有分工：简单任务放端侧，个人与企业私有数据留在边缘，复杂编程与长程推理交给云。算力规模决定并行实验数量，进而决定模型架构探索空间——这也是中国「花小钱办大事」逻辑之外的另一道现实差距。