唯一不會過時的護城河是真實的場景、數據和收入。

2026年即將過半，AI行業正在經歷一場集體“戒斷反應”。

一級市場上，錢還在往AI賽道涌，但流向已經徹底變了，資金從“煉模型”加速轉向“用模型”，與此同時，產業端開始用毛利率和復購率重新審視每一個曾被貼上“AI”標簽的項目。

曾經靠PPT就能融到錢的日子結束了，取而代之的是投資人反復追問：你的商業模式到底能不能跑通？

“AI支出會吞噬掉業務人員的生存空間。”“我現在不看好具身智能，因為實在看不到太多應用場景。”“現在的AI應用其實很像20年前的互聯網+，未來一定是萬物皆AI。”

這些聲音來自前不久第160期小飯局上的閉門討論。券商分析師、上市公司高管、投資合伙人、銀行零售金融負責人，同一個AI在不同人眼里完全是不同的東西。

從“講故事”到“算賬”，AI創業正式進入淘汰賽。錢怎么流？場景怎么切？哪些方向被高估了？哪些價值洼地還沒被人注意到？

我們把這場閉門討論中四種角色的真實判斷打碎、重組，試圖拼出一張更完整的AI投資地圖。

01 從算力到應用，投資傳導鏈已然清晰

“模型一定會吞噬軟件。”某券商研究所高級研究員一開場就拋出了這個判斷。他的意思并不是說軟件行業要消失，而是AI會徹底重構“軟件”這兩個字的內涵。

怎么重構？在這位研究員看來，未來企業不會再像今天這樣去采購ERP、OA、CRM這些標準化的軟件包，而直接買一套AI服務器，部署一套方便調用的中間層模型和數據庫，然后業務需求報上去讓AI自動生成企業需要的ERP，自動轉出OA。“此前，軟件是程序員一行行代碼寫出來的，以后的軟件都是AI寫出來的。”

這個變化直接反映在企業的采購清單上：以前的采購是買CPU、找咨詢公司做交付、再做運維；未來的采購是買AI服務器、部署模型。

而且，業務部門的費用將會被大幅壓縮，因為AI替代了一部分人類工作，也就吞噬掉業務部門的預算。“這跟當年傳統報社被數字新媒體壓縮的邏輯是一樣的。”他說。

順著這個邏輯，這位研究員給出了一個具體的投資順序：業績兌現最強的是算力，其次是云，然后是數據，最后才是應用，市場的傳導就是這樣一層層打通的。

而在算力這個大方向里，他提了一個很多人還不太熟悉的概念“超節點”。簡單說，就是把一堆算力卡通過交換芯片快速連接在一起，形成一個高效的算力集群，避免分散式的低效使用。而他的建議很簡單：“去找超節點的龍頭。”

算力之后是云。除了頭部互聯網公司有千卡萬卡集群，絕大多數企業根本不會自建算力中心，都是用云，而云恰好又趕上了算力緊缺帶來的漲價邏輯，IDC和云服務的受益是最確定的。這是他眼中的第二個確定性環節。

對于模型，這位研究員拋出一個有點“反常識”的觀點：不要投大語言模型，要投數據。模型說白了就是數據喂出來的，核心壁壘不在算法，而在數據。

他進一步提到要關注世界模型（物理AI）和決策模型。“世界模型比大語言模型的復雜度高出一個量級，能做這個事的公司不多，稀缺性本身就構成護城河。”他解釋，“大語言模型的幻覺問題到今天還是解決不了，但決策模型不存在這個問題，因為決策模型本身代表的就是數據壁壘本身。”

他關于“決策模型”的判斷，在互智投資總經理尚柳辛這里具象化成投資偏好，比如AI教育、AI律師、AI醫療等。原因很簡單，這些行業垂直，數據真實，歷史積累充分。“學校的教材、考試卷，法律條文，醫療影像數據等都是經過多年沉淀積累的，不像一些互聯網數據那樣參差不齊。”

如果這位研究員是從高空俯瞰整個AI產業的結構性變化，那么康眾醫療投資者關系總監李秀新帶來的則是一個從“硬件”到“硬件+AI”轉型的真實樣本。

康眾醫療做了近20年的平板探測器。今年4月，他們收購了超聲AI公司脈得智能。對于為何要做這筆收購，李秀新的回答很干脆：“未來的配套設備一定是‘硬件+AI’一體化的模式，不可能存在單獨的硬件或單獨的軟件。”

更關鍵的是，脈得智能商業模式已經跑通了。比如，在溫州鹿城區，脈得智能的甲狀腺AI輔助診斷已經納入醫保支付。“這個模式還可以復制到全國多個城市。”李秀新說。

在現場，康眾醫療的案例還是被反復引用的一條“暗線”。之所以被反復提及，是因為它回答了困擾所有人的困惑：數據壁壘到底怎么建？這是靠時間、合規門檻和場景深度一點點磨出來的。李秀新有句話點得很透：“現在AI醫療已經到了從‘可以選’變成‘必須用’的爆發前夜。”

華年基金總經理張仲華非常認同這個判斷。他偏二級市場，對周期、制造、新能源汽車都研究很深。“康眾醫療這家企業我們研究了很長時間，愿意長期陪伴。”他的理由很直接：第一，數據有壁壘；第二，支付層面跑通了，進了醫保。“我認為好企業、好產品一定要有商業化前景，商業邏輯要跑得通。反過來，純粹講故事或商業邏輯跑不通的企業，熱度再高也跟我們沒關系。”

張仲華進一步補充說，“2025年市場主線是AI和有色，2026年以來是航空航天和AI應用，但二級市場已經階段性過熱了。”

他還認為，新能源汽車可以看作是AI在應用中的一個重要板塊。“上半場是電氣化、電動化，下半場是智能化。AI會加速新能源汽車的滲透率，同時很多環節的供需關系也都會隨之發生變化。”

那么，在這場產業重構的舞臺上錢從哪兒來？銀行方代表給出了金融端的答案，并介紹了兩類貼息政策：針對服務業的經營主體，以及中小企業。

她重點提到了“跟投貸”，也就是銀行投債權，跟隨專業投資機構投股權。“你們投股權，我們銀行投債權，投資標的是那些優質的科技企業。”

她把這類產品細分為“初創貸”和“科創貸”。初創貸看重創始人，是不是頂尖人才、重點人才；科創貸則面向已經過了A輪、B輪的企業，看營業收入、訂單收入和核心團隊。

也就是說，銀行不再只盯著財務報表看了，他們開始像VC一樣去評估創始人的背景和團隊的科研素質。

但銀行也有自己的局限性，“一些非常大型的AI企業已經被國家大基金覆蓋了，銀行能進入的空間非常小。”再加上AI迭代太快，公司可能一兩年崛起，也可能一兩年沒落。“我們想跟投資機構合作做‘跟投貸’，是因為銀行不是產業專家，需要借助投資機構的專業眼光一起把控風險。”

02 具身智能被潑冷水，垂直場景被重估

上半場大家都在講“AI如何重構舊世界”，下半場的焦點則更尖銳：哪些方向現在被炒得過熱？哪些真正的機會反而被忽視了？

尚柳辛直言不諱“我個人不是特別看好具身智能。”他坦言自己從很多角度想過這個問題，但始終沒想通它的邏輯。“我能理解背后商業去推動它的理由，但我覺得它當前被嚴重高估了。”

他覺得大眾對具身智能有一個根本性的誤解，機器人為什么一定要是人形的？工廠里的分揀線，固定機械臂更實用；工廠里打螺絲，履帶機器人在載重、穩定方面更有優勢。“除了表演性的場景，我確實看不到其他的應用場景。”

張仲華從另一個側面給出了呼應，他更愿意把注意力放在已經被AI深刻改變的行業上，比如新能源汽車。而尚柳辛自己看好的應用方向則是他前面提到的AI醫療、AI教育、AI律師等。他也提及了康眾醫療的案例：“他們的醫療數據量大、真實、高質量，基于這些數據開發的AI應用就非常有價值。”

在尚柳辛看來，AI應用現在很像20年前的“互聯網+”——“當時連一支筆、一個水杯都要做成聯網的，所謂‘萬物皆可互聯’，我覺得未來一定會變成‘萬物皆可AI’。”

尚柳辛給出了一個自己的判斷：未來1-3年，“次拋式軟件”可能會集中爆發。“需要什么軟件，一句話讓AI去生成，只用一次就夠了。”未來還可能會出現一種“次拋式APP”的應用商店，像Apple Store一樣，需要什么軟件自己去下載。

他還提到了另一個正在發生的變化：一人公司的崛起。無獨有偶，銀行方代表也提到了這個趨勢，并且銀行現在已經有專門針對“一人公司”群體的信貸產品。她觀察到，兩個人、三個人組成的團隊，借助AI做短視頻、做獲客、做貿易，已經成為各家銀行相繼爭奪的客群。

而銀行這邊也在從兩個方向擁抱AI：一是內部應用，把信審等業務從線下轉到線上，“減少個人情感影響，標準化判斷更快”；二是外部客群，從去年開始，算力相關企業已經成為他們的重點客戶。

張仲華從二級市場的角度補充了一個冷靜的提醒：“站在目前這個時間點，AI應用已經階段性過熱了。”但他更愿意尋找那些商業邏輯已經跑通、支付端已經閉合的公司。“比如細分垂直領域，數據封閉、數據質量高，那就有價值。”

券商研究所的研究員則在產業邏輯上給這個現象做了注腳，“一定要做數據的投資，因為模型的底色就是數據，核心要看數據壁壘。”

整場分享討論下來，把所有觀點串起來會發現一個更底層的共識：AI最確定的機會，往往藏在那些“非AI原生”的場景里：制造業的產線優化、基層醫院的超聲診斷、一個人就能運轉OPC等等，這些才是AI真正在改變的東西，而不是那些酷炫的演示。

至于那些動輒融資十億、估值百億的明星項目，現場嘉賓沒有人提起，而這本身或許就是一種態度。

當四種完全不同背景、完全不同利益訴求的角色坐在一起，他們用錢投票的方向，比任何行業報告都更誠實地指向了同一個事實：AI的故事已經講完了，現在到了看賬本的時候。

那些手里有真實數據、跑通了支付閉環、在垂直場景里真正解決了問題的公司，哪怕不那么性感，可能才是這輪周期里活得最久、賺得最多的贏家。

“AI行業的迭代實在太快了，很多公司一兩年崛起，可能一兩年后就沒落了。”而在這個深水區里，唯一不會過時的護城河，就是真實的場景、真實的數據和真實的收入。

來源 | 小飯桌（ID：xfzmedia）

作者 | 李玉鵬 ; 編輯 | 呼呼大睡

內容僅代表作者獨立觀點，不代表早讀課立場