AI融资489亿背后的焦虑：技术领先者，如何跨越心智鸿沟

每一轮技术的进展都在扩大可能性，但商业上的焦虑并没有同步缩小。

具身智能大概是今年最不缺钱的行业。2026年前五个月，国内这条赛道完成437起融资，规模约489亿元，接近去年全年；但27家公司包揽了全部十亿元级大额融资，6家半年内连拿两轮。其余数百起，大多停在天使轮和A轮。

陡峭的分布，并不只是一个资本向头部集中的常见故事，还暴露出一个早期产业的定价难题，当产品、收入、可复制路径都未成形，投资人无从按传统指标下注，只能另找一套确定性。

人，成了最重要的估值锚点。

有机构梳理了四十多家具身智能独角兽的公开资料，发现其创始人背景高度集中于顶级高校实验室，以及华为、百度、微软等科技大厂。学术训练、工程履历和组织出身，暂时承担了原本应由产品和市场提供的信用。资本购买的仍是未来，只是在商业验证到来之前，这种未来主要由“谁更有能力把技术做出来”加以证明。

类似逻辑也存在于大模型和高阶智能驾驶等领域。这些超级技术集群有着相近的产业结构：大量投入发生在收入之前，技术路线仍在快速变化，产品边界尚未完全稳定。企业估值主要由未来市场支撑，未来市场又主要由技术进展加以解释。

技术由此成了战略、组织与资本叙事共同的中心，商业成功则被默认为技术领先的自然延伸。

只是，这个前提的地基正在松动。

硅谷创新教父杰弗里·摩尔认为，单纯依靠技术领先，越来越难解释一家公司的长期价值。创业者面对投资人时，更需要说明技术能够释放多少“受困价值”以及这部分价值究竟有多大。

技术仍在高速迭代，领先能换到的时间却越来越短。可以看到，模型能力的代差被迅速抹平，开源生态以更低成本逼近闭源体系，算力、算法与工具也在加速基础设施化。今天仍被视为壁垒的能力，可能很快成为行业标配。单纯依靠技术领先，越来越难解释一家公司的长期价值。

技术依旧是竞争的起点，真正稀缺的能力却变成了对场景的判断。企业需要从大量技术可能性中，找到那个足够具体、足够高频，也足够有价值的落点，再把技术转化为能够被市场理解的产品与品类。

这需要企业视角和认知的双重校准。而校准，很难在组织内部独立完成。这本是战略咨询的老本行，只是对象换了主语。

过去，定位理论处理的是商品过剩之后的选择问题；今天，AI企业面对的则是技术可能性过剩之后的取舍。两者指向的命题，内核是一致的，即如何在纷繁的信息和路径中，确认一个值得长期投入的位置。

讨论战略咨询和定位理论，很难绕开里斯。过去几年，里斯逐渐把这套诞生于消费品时代的方法，推向科技企业商业化的前端，更早介入场景选择、品类定义与组织配称。

AI产业正在经历一次从技术信仰到场景信仰的换轨。而科技企业需要的商业确定性，既在技术之上，又在技术之外。

技术越繁荣，企业越焦虑

科技企业长期相信技术的自我证明能力。

这种信念有其历史依据。个人计算机、互联网、智能手机的每一次跃迁，都曾让掌握底层技术的公司获得漫长窗口。工程能力决定产品上限，研发投入能够直接转化为竞争壁垒。在技术供给稀缺的年代，领先本身便具有强烈的商业含义。

但AI还没有。一个高投入、低产出的幽灵，在AI技术繁荣与商业效率之间的断层里，不断徘徊。

据OECD统计，2025年全球AI风险投资2587亿美元，占全球风险投资总额的61%。同年，牛津大学研究团队发布的《AI初创企业价值创造白皮书（2025）》显示，全球AI年度投资总额已超过4000亿美元，仅有约33%的企业成功将AI项目从试点推向了规模化应用。换言之，三分之二的AI项目仍被困在实验或试点阶段。而麻省理工学院的研究揭示了一个更加残酷的现实：95%的生成式AI试点项目未能实现预期价值。

AI公司的焦虑，也因此有了更具体的来源。迭代越快，上一轮投入的价值折损越快；路线越多，每一次资源配置都可能变成昂贵的沉没成本。大量采购和研发决策由此带有防御色彩，先确保自己仍在牌桌上，再等待商业答案出现。

但商业答案很少会随技术成熟自动到来。

今年6月，在硅谷斯坦福大学有一场关于中美科技企业商业战略相关的对话中，知名的硅谷高科技营销教父、鸿沟理论开创者杰弗里·摩尔，与品类创新理论开创者、里斯战略咨询全球CEO张云首次全球同台对谈。一些耐人寻味的观点回应了这个问题。作为思科CEO约翰·钱伯斯等商业领袖的私人顾问，摩尔可谓是见证了硅谷这些高科技企业的成长，他曾经为惠普、微软、甲骨文等企业提供战略咨询。

对于AI涉及的企业，杰弗里·摩尔给出的诊断是“技术的创新速度，已经远远超过采用速度”。在他的“鸿沟理论”框架里，核心技术再惊艳，也只是核心产品；客户为了真正实现目标所需要的工作流、基础设施、服务和成本体系，共同构成“完整产品”。

完成跨越的关键，是创业者需要找到新技术与这些瓶颈相交的位置。交点足够明确，技术才拥有值得构建完整产品的商业入口。

这一点，与里斯战略咨询全球CEO、中国区主席张云的观点殊途同归。作为品类创新理论的开创者，张云迭代和更新了艾·里斯的定位理论，将其市场中的品牌区隔，延展到新品类的定义与开创。近年来，他又与小鹏、杰克等中国科技与制造企业深入合作，谙熟中国科技企业的发展。

在他看来，孤立的技术无法独自创造市场。真正有效的路径，应当从具体、高频且有价值的场景出发，定义一个清晰超级技术品类，再围绕它集中技术与组织资源。

在实践中，定位理论在科技行业中的作用已经发生延展。消费品时代，它更多处理品牌在同质化市场中的区隔。而进入AI时代，它还需要参与技术路线的筛选，把分散的创新能力组织成一个可以被市场理解的方向。

这也是“鸿沟”与“定位”两套理论体系暗合的地方。摩尔关心技术如何被采用，张云关心企业从哪里出发、以什么身份进入市场。前者解决的是价值能否兑现，后者处理的是价值如何被定义、识别和放大。

英伟达的历史经常被写成一部技术胜利史。GPU、CUDA、加速计算和AI基础设施，构成了这家公司的技术纵深。但只看技术，仍不足以解释英伟达为何能够多次改变自身所处的市场。

在CPU主导计算产业的年代，图形处理器长期被视为服务游戏和图像渲染的辅助部件。图形芯片市场一度聚集大量参与者，竞争围绕参数、价格和兼容性展开。英伟达选择将GPU作为独立品类加以定义，并从游戏这一相对明确的市场建立起最初的阵地。

2008年前后，处于经营低谷的英伟达曾邀请艾·里斯与劳拉·里斯提供战略咨询。给出了一个关键策略：继续参与CPU巨头设定的竞争，英伟达只能成为一种补充；围绕并行计算建立独立位置，GPU才有机会形成自己的市场。

“黄仁勋一直在贯彻这个理论，就是找他独特的位置，做别人做不了的东西。”张云在斯坦福回顾这段历史时提到。

这套坐标没有替英伟达预测出AI，却降低了技术选择的复杂性。而后的故事，大家都不陌生了。从CUDA开始，GPU由图形硬件走向可编程的通用计算平台，随后进入科学计算、深度学习与大规模AI训练。当研究者发现神经网络训练与GPU并行计算之间的适配性时，英伟达已经拥有产品、开发工具和客户基础，可以承接这一变化。

技术机会最终被放大，依赖的也不只是一颗更快的芯片，而是一套围绕新品类持续搭建的生态。

在对话里，两位战略大师的判断几乎一致。摩尔将英伟达的动作概括为一次经典的两步跨越：先在能够成立的细分市场建立基础设施，再向更多场景扩展。而张云则认为，定义一个新品类只是起点，企业还需要找到原点用户，持续拓展应用场景，把品类的边界做大。

今天的英伟达已经很少以传统芯片公司的方式介绍自己。“AI工厂”“加速计算平台”等表达不断进入其企业叙事。它销售的仍然包含芯片，但市场理解早已越过单一硬件，延伸到计算架构、软件生态和AI基础设施。英伟达的壁垒也随之从产品性能扩展到产业认知，当企业讨论AI计算，GPU与英伟达几乎总是同时出现的。

这类认知并非传播包装。它建立在长期技术投入和完整产品之上，又反过来为新产品提供信任。技术、品类与企业品牌由此形成循环。

这也构成当下AI焦虑的反面。许多企业的投入在技术迭代中不断贬值，英伟达的历次投入却被纳入同一条战略主线，由产品和技术能力积累为品类优势，再由品类优势上升为企业认知，最终形成软硬件与生态共同构成的壁垒。

技术提供的可能性越多，企业越需要从中建立秩序。

超级技术时代，找到被理解的位置

无法否认的是，技术红利明显收窄，而认知红利刚刚爆发。更准确地说，单项技术所能独占的窗口越来越短，围绕场景、品类与企业身份形成的市场认知，却远未固化。

那些率先完成品类定义、率先进入消费者心智，并持续交付完整产品的企业，正在成为这一轮AI浪潮的真正赢家。在硅谷中美对话的现场，这个结论被反复提及，也被不同企业的实践反复印证。对于仍在技术投入与商业回报之间挣扎的公司而言，这或许是更值得留意的信号。

这个信号的出现并非偶然。张云对这个时代有一个基本判断：人类正处于“超级技术大爆炸”的周期。过去五年、十年以及未来几十年，革命性技术将以前所未有的密度出现，也将催生企业历史上最密集的一批新机会。

超级技术改变的不只是产品性能，也在改变品类形成的可能性。这也推动里斯重新审视超级技术时代的品牌形成方式。

张云将变化归因于两重环境迁移：一方面，超级技术正在密集催生颠覆性品类；另一方面，媒体由集中传播转向分散化和内容化，单纯依靠广告重复建立品牌认知的空间正在缩小。

在传统工业时代，企业通常为不同市场建立专门的产品品牌，以专业化形成认知。进入超级技术周期，前沿技术的影响开始越过单一产品，企业品牌本身也成为消费者判断技术实力的依据。

里斯由此提出一种新的“超级技术企业品牌”打造方法：企业首先需要找到足够大的愿景和机会，继而建立一个高势能的超级技术品类。这个品类眼下可以规模有限，却需要拥有超出实际销量的传播势能，再将这种技术认知辐射到主流业务，强化企业整体的技术领先形象。

特斯拉，就是一个典型。其销量的拐点之一，恰恰在于SpaceX火箭成功后的大众认知。即使火箭业务现阶段规模有限，却已经改变了外界对企业整体技术能力的判断。

但这种认知外溢并不会自然发生。高势能技术可以让企业获得关注，主流业务仍需要一个清晰的品类位置来承接。否则，企业拥有的技术越多，对外表达越容易分散，技术优势也很难转化为明确的市场选择。

小鹏汽车当年面对的，正是这种错位。在2021年，小鹏就推出中国首个自研高速NGP，打破了外资在智驾领域的垄断，技术版图覆盖超充、智能座舱、算法、数据和端到端大模型。

但令人意外的是，2022—2023年，小鹏连续两年在“蔚小理”中销量垫底。问题出在定位上。“智能汽车”的模糊定位，让小鹏即便拥有顶尖的智驾技术，也无法直接转化为市场统治力。

张云回忆，他曾向小鹏提出一个问题：“还有什么汽车不智能？”一个被所有企业共同使用的定义，很难再为任何一家企业建立独特位置。

2024年，里斯与小鹏携手完成了一次战略转向。小鹏将自身重新定义为“面向全球的AI智驾科技公司”，围绕“AI汽车”收拢产品表达。

P7+承担了这一战略更直接的产品表达，全系标配端到端AI智驾，并实行不选装、不订阅、不付费。MONA M03则从更低价格带扩大了小鹏的用户基础。AI智驾也从企业拥有的一组技术，变成用户能够感知的品类特征。

主流产品完成价值交付，高势能品类负责打开认知。小鹏在AI汽车之后，极受市场关注的，还有飞行汽车的创新。“甚至有一位德国消费者对我说，小鹏与其他汽车公司不同，因为‘这家公司能把汽车飞到天上，所以它是一家科技企业’。”张云表示。

简单来说，一家科技公司对前沿技术的掌控，会直接影响消费者对其其他产品的信任。

当然，需要说明的是，在里斯的定义里，超级技术并非泛指一切前沿技术，而是能带来效率提升、具备强通用性与自我进化能力的底层技术集群。

简单类比，超级技术是发动机，但发动机必须装进合适的车身，才能驶向目的地。超级品类，就是承载这辆战车驶向未来的车身与底盘。而超级场景，则是检验这项能力能否创造真实价值的场地。

这意味着，即使是在成熟行业做到领先的企业，依旧能捕捉到理解AI带来的增长空间。

比如从传统缝纫机向具身智能的跳跃。故事的主角，是杰克科技。自2012年开始，里斯先后围绕“快速服务百分百”“中国第一”两个差异定位，分别帮助其打开了国内和全球市场，最终助力杰克科技成为全球工业缝纫机市场的龙头企业。

对于这类企业，AI最容易被理解为效率工具，用于改善生产、营销或管理。但里斯和杰克科技看到的，是服装制造长期存在的劳动力困境。

缝制环节高度依赖熟练工，年轻劳动力进入意愿下降，经验工人又会受到视力、体力和年龄影响。自动化设备可以完成标准动作，柔性面料、复杂工序和频繁换款仍然需要人的经验。这个环节积累了大量尚未被释放的价值。

这让其向具身智能的跨越，获得了一个更加明确的落点。围绕这一方向，新业务启用了新的品牌杰克艾图，重组了团队和组织，研发资源也开始向AI与机器人产业更集中的杭州迁移。

这种组织变化同样重要。具身智能不是在传统缝纫机上增加一项软件功能。模型需要与机械结构、控制系统和具体工艺相互匹配，硬件上的细微变化，都可能改变模型的训练和运行方式。杰克科技创始人阮积祥认为，制造业中的具身智能，本质上是一套软硬件结合的产品。

摩尔在斯坦福对话中提到过所谓“被困住的价值”。成熟系统能够运转，也一定存在限制效率继续提升的瓶颈。而创业者需要找到技术与瓶颈的交点。

从这一点看，两套理论体系，又有了共鸣。杰克艾图没有挤入边界模糊的通用机器人竞争，选择“专用场景优先”的现实基础，转向围绕缝制这一具体任务组织技术、产品与品类，来应对全球用工问题这一超级场景，直接定义了工业级人形缝制机器人这个新品类，也顺势做实了自身柔性制造专家的角色。这反而成为张云视角里，“最有确定性商业价值”的人形机器人应用之一。

与其更好，不如不同。这正是里斯的品类创新方法论反复强调的一点。企业未必要在红海中争当“更好”，而可以在蓝海中成为“第一”；品类创新者未必是技术事实的发明者，却是品类的率先定义者。

杰克的探索也呈现出中国制造业在AI时代的一种潜在路径。中国企业在许多基础模型和底层研究上仍需追赶，但拥有密集的产业场景、工程能力和供应链基础。大量传统行业中存在着难以标准化、长期依赖经验的环节，恰好构成具身智能和行业模型的训练场。

硅谷擅长从零到一，中国制造更熟悉从一到一百。过去，这种分工常被理解为原创与规模化的差异。AI正在为后者增加新的含义，应用场景本身也能成为创新来源。

以杰克为例，长期嵌入服装制造，积累了大量来自缝纫设备、生产动作与具体工艺的数据。这类数据产生于真实工厂，很难仅靠实验室研究或通用模型获得。“这是我们又比美国企业有优势的地方。”阮积祥表示。杰克拥有的不只是供应链和工程能力，还有一套能够持续训练、验证和改进模型的工业环境，而这一场景优势，构成杰克艾图被定义出来的现实基础。

企业深入工厂、仓库、门店和服务网络，可能比在通用叙事中追逐同一类产品，更早找到可验证的需求。场景越具体，技术越容易形成完整产品。产品越完整，品类才越有机会跨越早期市场。

定义新世界的门票

历史不会重复，但会押韵。从18世纪蒸汽机轰鸣中崛起的纺织帝国，到19世纪电气化浪潮中诞生的通用电气与西门子，再到20世纪计算机革命中走出的IBM、微软与苹果，每一次技术革命都在重写商业的权力版图。

但每一次改写，也都在昭示同一个残酷真相：技术领先者，未必是最终的商业胜者。技术优势若不能转化为认知优势，便如同手持利刃，却不知挥向何方。

这与技术先进与否无关，而是市场的天性使然。摩尔在《跨越鸿沟》中揭示的断裂至今没有弥合：技术狂热者追随“新”，实用主义大众只认“有用”，市场的采用依赖信任，消费者习惯用简单方式理解复杂事物。技术的普及从不等于价值的兑现，真正的胜负手，是谁先完成从“技术拥有者”到“品类定义者”的认知跃迁。

这也是鸿沟与定位这两套相隔三十年的理论，至今仍能彼此互证的原因。

无法否认的是，里斯与它的定位理论，诞生在1960年代商品过剩的货架前。但在穿过大众传播主导的消费品时代、流量分散的互联网时代后，它依旧在前进。

而在进入AI时代后，这套工具或者说方法论，并不是在旧理论外面加一层AI术语，更多是分析对象与工作方式的同步更新，以更符合时代的方式迭代。

从定位到品类创新，再到“超级技术企业品牌”，定位理论的内核，已经从单一品牌的市场区隔，延伸至科技企业如何组织技术、品类、场景与企业品牌之间的关系。

从这个角度看，科技企业们反而需要注意，技术洞察要更早进入战略环节，场景研究要向产业深处移动，最终的战略要落到新品类、新品牌与新配称上，避免创新被原有的组织和价值网络重新吸收。

下一阶段的竞争，大概率属于那些既能推进技术边界，又能把超级技术、超级品类与超级场景融于一炉，率先在消费者心智中占领新品类的企业。它们未必是每一项技术的发明者，却会是新世界的定义者。

毕竟，AI会继续降低获得技术的门槛，却不会降低被市场理解的成本。（本文首发于钛媒体APP，作者｜李程程）