AI 的下一个前沿在哪里？数百位创业者在上海给出了这些答案

10 月 16 日下午，上海市北科创会议中心，2026 AI Cloud 100 China CEO 大会在这里举行。大会由靖亚资本与市北高新联合举办。AI Cloud 100 China 榜单创办于 2022 年，今年是第五届。和往年相比，今年的榜单有一个明显变化：超过一半的上榜企业是第一次入围的新面孔，其中 Physical AI（具身智能）公司最多，约有 35 家。但比起榜单本身，现场更关心的问题是今年大会的主题——AI 的下一个前沿在哪里。

少点内卷，多点协同

上海市政协副主席、市工商联主席寿子琪在致辞中给在场企业提了几点建议。技术上要聚焦核心算法、底层架构等关键环节，探索多条路线，形成差异化优势——“卷是必来的，但不能太卷，否则很多资源会在消耗和摩擦中浪费掉”。算力需求激增的同时能源需求也在激增，他提醒企业要持续提高算力能效比，做好算电协同。生态上，做模型的公司要和做芯片的公司更深地合作起来，上下游破除壁垒，但他也提醒担任“链主”的龙头企业要有格局，不能“店大欺客”。最后一点是治理：安全理念要嵌入产品开发、上线、运行和退出的每个环节，从被动应对转向主动防范。

AI 公司交表速度快了十倍

本次大会上，靖亚资本创始管理合伙人郑靖伟讲了一段自家机构的转型史。2022 年 9 月办第一届大会时，ChatGPT 还没发布；两个月后产品一出，团队判断新的科技浪潮来了，“而且这一波浪潮里，中国创业者肯定站在舞台的中央”。2023 年起，靖亚全面转型，只投 AI。

这次转型很成功：靖亚被投企业里有 10 家在准备 IPO，4 家已经交表。郑靖伟对比了两代公司的速度——以前投 SaaS，一家公司干三五年收入也上不去，交表遥遥无期；现在投 AI，不到两年收入做起来就能去港交所。“我们投的一家公司叫艾利斯，投进去 3 个月就交表了。”

他还观察到，越来越多创业公司把“卷”的方向转向了海外。“卷到国外去有一个好处：收入涨得快。”香港则因为政策和资本市场的优势，成了很多 AI 公司出海的第一站——去年和今年第一季度，港交所 IPO 募资总量都是全球第一，智谱、MiniMax 已经上市，月之暗面、阶跃正在申报。

中国模型的 Token 暴涨

大会发布的年度趋势报告题为《AI 走向真实世界》，由靖亚资本合伙人骆银银主讲。报告里的几组数据勾勒出资本涌动的方向：今年上半年，全球一级市场融资额约为去年同期两倍，AI 领域融资额是去年同期的 3.4 倍，占全部融资的比重从 48% 升到 78%；中国市场上半年 AI 融资额已超过去年全年，占比从 18% 升到 47%。

更值得注意的是中国模型在全球的份额。在全球最大的模型调用平台 OpenRouter 上，来自中国模型的 Token 调用占比，去年 4 月是 1%，今年 4 月到了 61%。高盛预计，到 2030 年全球 Token 产出量将是今天的 25 倍，一半以上由中国模型产出。骆银银给出的解释是四要素齐备：算力上，据大摩报告，中国自产 GPU 占比今年约 41%，2030 年有望 85% 自给自足；模型上，中国开源模型已非常接近全球领先水平，而且便宜；电力上，“马斯克都讲中国有最多最便宜的电力”；人才上，今年 ICLR 的研究成果里，大陆和香港加起来占比超过 50%。

报告列出了六个值得创业者关注的方向：多模态（文生视频全球头部榜单中七席来自中国）、智能体（美国 AI 付费用户中，前 1% 付费额超过尾部 50%，说明高价值场景才是命门）、AI infra、物理 AI、AI for Science（全球已有 100 多款 AI 发现的分子进入临床试验）、AI 驱动的智能硬件。判断趋势时骆银银提到一点：国内用户习惯用豆包、Kimi，但真金白银付费的还不多，近来面向工作场景的智能体产品活跃度快速上升，这可能是个前兆——“找到前 1% 愿意付几百块钱的客户，比流量更重要。”

模型要长出长期记忆

主论坛的圆桌讨论由靖亚资本创始合伙人何沛主持，四位嘉宾背景各不相同：北大人工智能研究院助理教授、无涯智远创始人张牧涵，心洲科技创始人陈锴杰，身在硅谷的 Abaka AI 联合创始人赵云飞，以及凌晨远程接入的普林斯顿大学研究员张伊凡。讨论围绕一个问题展开：下一次突破从哪里来。

张牧涵的答案是让模型“持续学习”。他解释，现在模型能记住的东西被上下文窗口限死了——上下文窗口这几年从几 K 涨到 100 万 Token，但已经卡住，因为算力和原生长数据都跟不上去。上下文更像人的短期记忆，对话一关就清空；而模型的长期记忆应该存在参数里，“模型动不了自己的参数，就没有形成长期记忆的能力”。他的公司想做的，是让模型在工作的同时实时修改参数、持续进化。

陈锴杰接着这个话题算了一笔商业账。今天的大模型 API 没有粘性：Kimi 出新版，用户切到 Kimi；智谱出新版，又切回去，所有模型厂商被迫在性价比上内卷。但如果持续学习成熟，每个企业调用的都是沉淀了自己全部经验的专属模型，切换成本极高——“这层 API 的出现，有可能让今天的大模型格局完全重构。”

赵云飞谈的是数据。他把数据公司比作“厨房里切墩的”：把菜从地里拔出来、洗干净、切好，递给模型公司这位厨师。过去三年，数据需求一路从预训练文本转向图片视频，再转向世界模型和机器人数据，“需求量在变化、方向在变化，但订单和生态依赖度没有下降”。他透露，硅谷头部模型公司买数据对价格不敏感，对时间极其敏感——有客户上午 11 点打来电话，下午 3 点就要交付。所以数据公司的护城河是提前预判：“你要能提前三到六个月知道这些大公司下一步要训什么，把数据提前备好。”

张伊凡介绍了“自动化科研”（Auto Research）的方向。他认为大模型竞争除了 Scaling Compute 和 Scaling Data，还有第三个轴：Scaling Research。在 GPU kernel 编写这类可以精确度量的任务上，AI 已经超过 99.9% 的人。何沛问他：未来三年，AI 能否独立完成一篇足以成为顶会主论文的研究？四位嘉宾全部举手赞同。

99% 成功率是道硬门槛

苏度科技联合创始人、CEO 韩铮的演讲给热闹的会场降了降温。他说，大语言模型出十次错一两次，用户可以接受；机器人不行，商业客户的要求只有一条：接近 100% 的成功率，还得能换物体、换环境。

他的依据是榜单数据：目前机器人操作任务的第一名，成功率只有 30% 到 60%。靠人工穿动捕服采数据的方法，“只能停留在科研阶段”。苏度科技的做法是把高成功率和泛化能力放在第一位，模型对任意物体、任意环境免调试，任意环境下几乎都能做到 99% 到 100%。落地方面，他们与宁德时代合作了电池模组和 Pack 的后组装线，不同型号几小时内就能完成适配。今年 4 月，公司在硅谷开出海外首个线下开发者中心，任何人都可以拿身边的随机物品去为难机器人。“只有这样大家才会相信。”

下午的四个分会场延续了主论坛的议题。企业 Agent 场上，神州数码 CEO 李映提出“企业主权 AI 架构”的概念——“数据的边界就是企业的边界”，企业必须对算力、数据、流程有控制权，这是 AI 从 demo 走进生产环境的先决条件；迈富时 CFO 马进给出的业绩单颇为抢眼：上半年 AI 应用收入增长 124%，净利润 2.1 亿元。AI for Science 场上，三位创业者分别讲了 AI 原生药物发现、多肽设计和通用细胞大模型，共识是 AI 制药正从辅助工具变成全流程的决策引擎。多模态场上，爱诗科技、Viggle、SEAART、宇生智能的几位负责人聊起下一个超级应用，高频词是沉浸感、个性化和代入感——用户消费的不是内容本身，而是一段专属体验。

郑靖伟在开幕词里说的一句话，或许是对主题最好的回应：AI 的下一个前沿就在这里，就在创业者之间——“明年坐在你旁边的创业者，一年以后可能就上榜了。”