中国AI投资人：练习时长两年半

没必要为了某个「新范式」去创业。

大模型的序章结束了。

模型的故事发生了一些微妙的变化，比如，没人敢说中国模型不行了。

所有投资人都告诉我们：「这个真的要感谢 DeepSeek」。

也要感谢 Manus，他们最先搭出了一个产品，证明了产品的技术栈正在变复杂。复杂会带来多元，多元意味着更多可能性。

Manus 也证明了一句大家前两年还有点心虚的话：应用是中国公司的主场。

变化有目共睹，或许「下半场」的判断还为时尚早，但这一定是新的篇章，Chapter 2。越来越多的应用创业者下场，老牌的美元 VC 重新活跃起来，消费、硬科技、纯人民币基金开始频繁找 AI 项目，大洋对岸的美元也开始悄悄关注中国创业团队。

我们启动了这个项目。

过去几周， Founder Park 访谈了十多家投资机构，美元、人民币、大厂战投、新成立的基金。这些活跃在一线的投资人们，不论年龄、资历、title，他们积极甚至激进。感谢他们的信任，我们在交流中收获了极高密度的信息和洞察。经过我们的梳理，将部分可公开的对话整理成文，希望能为当下的 AI 创业者提供一些有参考价值的思考。

在投资和创业的 context gap 中，希望这样的弥合工作有它的意义。

一些访谈碎片

模型不是 VC 的 game，DeepSeek 已经教大家怎么做模型了。

今天要求创始人在 Day One 就想清楚是不对的。技术还没收敛，更重要的是不停 build 不停交付的能力。

把 AI 玩具做得 fluffy，是一条危险的捷径。

ComfyUI 是一个非常社区化的产品，它的生命力来源于社区。所以，答案可能还是要去社区里寻找。

Plaud 年收入超过 7000 万美金。Plaud Note 这种形态的产品，已经出来快两年了，在今天的市场上，我好像找不到第二个竞争对手。为什么？

创业者早期拿太多钱可能会让动作变形。早期张一鸣拿了多少钱？现在很多背景不错的创始人，一出来就是几轮，有点重现当年最疯狂的时候，华贸一天闭环，三轮结束了啊。

1 万付费用户，你就是顶级 AI 产品。

ARR 概念诞生的时候，是为了「挤水分」的。游戏公司要不要也算个 ARR？

Prosumer 的产品，审美、风格和细节是专业用户的无止境追求，也是创业公司的机会所在。

垂直领域的 AI Agent 绝不能按过去投中国 SaaS 的逻辑去看。中国 SaaS 市场这么些年，中国投资人交了这么多学费，它很清晰的特点是为结果付费，而不是为效率工具付费。

很多时候我们拒绝，是觉得创始人自己并没有真正进入「创业状态」。可能信心和勇气到了，但整体动作、思考深度还没到。事可以变，但创业状态不对，在这个时代会非常困难。上了战场就下不来了。

我觉得最值得做的，还是找到创始人自己真正为之兴奋的事，而不是到某个「范式」而去里面做填空题，我们还是更喜欢看到创业者能做一个 「供给创造需求」 的事，这应该会很开心。

Manus 办公室有张海报，是推特截图，大意是：一个硅谷 VC 朋友说，Manus 让他想起了硅谷黄金时代的 「old silicon valley」—— No secrets， just sheer execution speed。（没有秘密，只有纯粹的执行速度）。

以下是出现在这篇访谈中的投资人们：

Alphaist 创始人 - 陈哲（ex 五源）

Atypical Ventures 合伙人 - 邵帅

创新工场执行董事暨前沿科技基金总经理 - 任博冰

Creek Stone 创始人 - 李一豪、钟陆欢（ex 弘毅）

高瓴创投合伙人 - 王蓓

锦秋基金合伙人 - 臧天宇

靖亚资本创始合伙人 - 何沛

明势创投合伙人 - 夏令

线性资本董事总经理 - 郑灿

真格基金合伙人 - 刘元

特别说一下，两家新成立的基金，从五源出来的陈哲做了 Alphaist，从弘毅出来的李一豪、钟陆欢做了 Creek Stone。新基金的 GP 很有趣，他们也成了创业者。

✨目录

1. Manus 的成功对创业者有什么参考价值？

2. DeepSeek 究竟改变了什么？

3. 大模型六小虎，接下来如何？

4. 「模型即产品」是共识吗？Workflow 公司怎么办？

5. 元宝登陆微信，会复制拼多多的成功吗？

6. 为什么最成功的 AI 原生硬件 Plaud 没有人抄？

7. ARR 指标对创业公司重要吗？

8. 通用 Agent 是创业公司的机会吗？

9. Agent 会如何改变传统 SaaS 的模式？

10. AI Coding，中国创业者有什么机会？

11. AI 陪伴玩具，为什么做不对？

12. 泡泡玛特的玩具不会说话

13. 怎么看朱啸虎关于「具身智能」的观点？

14. AI Infra 比云计算时代更复杂，有变化就有机会

15. 视频生成可灵领先了，但整个行业都还在 early adopter 阶段

16. 手机厂商做 AI，对创业公司来说是好事

17. 对创业者 say no 的原因是什么？

18. 未来半年，早期创业者最应该做什么？

19. PMF 的有效期变短了，M 变复杂了

20. 下一代内容平台长什么样？

21. Alphaist 和 Creek Stone，为什么要出来做新基金？

22. 机构当下的投资策略是什么？

23. 市场上的好项目变多了还是变少了？

24. 投资人的角色正在发生变化

25. 最近在思考哪些问题？

01

如何定义 Manus 的成功？

Founder Park：Manus 作为一家 AI 应用创业公司，引起了全球范围内的关注，公司也顺利拿到硅谷 VC 的投资。它对中国其他创业公司有怎样的参考意义？

创新工场任博冰：Manus 有两点很有意思：

全球化营销：作为一家中国公司，通过产品和营销策略迅速获得了全球范围的认可，这是一件很难的事情。很多中国公司尝试过，但影响力往往难以持久。

海外融资： 它探索并走通了「中国公司美国融资」这条路，这对我们很有参考价值。

Monica 这个团队本身也值得研究。肖弘、Peak、张涛，这家公司从最初的连续创业，到 24 年其实有一段时间没有找到第二曲线，后来 Peak 和张涛加入，做出来新东西，这个路径也非常有研究价值，对我们在看新的公司时很有参考意义。

锦秋基金臧天宇：他们能在北美拿到融资，我觉得是多方面因素促成的：

Manus 团队的努力是最重要的。他们通过 PLG 的方式实现了有效的增长，有非常陡峭的增长斜率，对于国内团队引起硅谷机构的认知是非常重要的。

海外也有一些机构会比较**识地看好中国新一代创业者的能力和出海潜力，他们会做很深度的 coach，也会带来一些资源。AI 放大了优秀 Founder 的能力边界，这会是一个英雄辈出的时代。Manus 团队就是典型的 AI 时代的创业者画像。锦秋要做的，就是做他们最坚实的后盾和战友。

线性资本郑灿：Manus 首次将多种现有（包括刚出现的）AI 能力，特别是模型推理能力整合在一起，提供了一个处理复杂、长程任务的惊艳体验。之前的 Devin 体验较差，Deep Research 虽然体验好，但任务形态相对单一。Manus 则展示了处理多样化长程任务的可能性，这个体验非常漂亮。

Manus 之前他们花了些时间探索，我个人理解，是内部在不断调整以寻找 PMF 的过程。

Manus 本身可能不需要特别大量的人手花超过半年的时间开发，但关键在于团队把握产品方向和及时调整的能力，尤其是在技术快速迭代的环境下，这非常重要。面对一个「all moving pieces」的局面，他们没有死磕最初的想法，而是在任何时间点都选择一个当下最有可能爆发的产品方向和攻击角度，持续调整，直到找到 Manus 这个突破口。这种在技术变化进程中的 pivot 能力很强。

真格投了肖弘四次，why？

Founder Park：真格投资 Manus 的逻辑是什么？你们很早就知道他们要做 Agent 吗？

真格基金刘元：如果按「投 Agent」的逻辑去找项目，永远不可能投到 Manus。

我们历史上投了肖弘四次，从他上一个项目开始。

第一次创业： 上一个项目，大家都知道了。（壹伴助手和微伴助手，公众号运营工具，后卖给独角兽公司。)

第二次创业（蝴蝶效应）天使轮： 方向是做中国的 Benchling（生物科学领域 SaaS，估值 60 亿美金），我们投了天使轮，那时还没产品。

第二轮融资： 主要产品是 Monica 插件，买了 ChatGPT for Google（Chrome 插件）。当时 Monica 刚开始做。那时有人说这是「套壳」，没技术含量。

第三轮融资： 主产品是 Monica.im（多端跨平台 AI 助手），收入已经不错了。当时团队跟投资人讲的故事是想做「AI 浏览器」，很多投资人并不看好这个故事。

这个过程充满了演进和转型。它不是一个典型的「Agent 公司」做出来的产品。

就像小红书，我们 9 年投了 4 次。如果你当年是想投「最好的内容电商」或「最好的内容社区」，你也不会找到小红书。它最早做的产品是 PDF 攻略，跟内容、电商、社区都没太大关系。

Founder Park：蝴蝶效应 Pivot 了三次，真格都参与了。在不断转型中，你们具体看到了什么特质？

真格基金刘元：他不是三次山穷水尽被迫转型，而是三次主动取舍。

做类 Benchling 时： 我们看到他用很少资源，在自己不算最熟悉的领域，做出了可用性和审美都很好的产品。

转向 ChatGPT for Google / Monica 时： 我们看到他不仅有能力做出高质量产品（类 Benchling 产品做出来但没发），还能「壮士断腕」，砍掉它去追逐更大的机会。这种战略取舍和执行力很牛。同时并行开发 Monica 并取得增长，证明了他的多线程能力。

Monica 壮大，构思浏览器时： 我们看到他抓住机会，在短时间内把 Monica 在海外做到了相当大的用户和收入规模。他一个很少出国的人，做出纯海外用户的大体量产品，这非常厉害。虽然浏览器没发，但再次证明了他对产品的极致要求和战略定力。

所以，这三次转型，我们看到的都是他的进步，信心是越来越足的。Manus 的出现，感觉是水到渠成。

历史上，真格很多成功案例都经历了激烈转型。从 PC 时代的聚美优品（从游戏转型电商），到 Anna（方爱之，真格基金创始合伙人）投的小红书，再到最近上市的地平线（真格也是天使投资人）。

Founder Park：Pivot 是创业中的重要命题。从你们的观察来看，成功的 Pivot 有没有一些共性或方法论？

真格基金刘元：首先我自己没领导过转型，可能没有资格谈。但从观察的视角，成功的转型往往不是因为原来的事做不下去了，而是在原有业务还不错、甚至很顺利的情况下，敏锐地发现了一个更大的机会，然后主动选择。

比如肖弘的转型，Jasper（AI 写作工具）的转型，都是在实践中真切地看到了一个更大的浪潮，然后决定去追。小红书也是这样。这种观察往往是独特的，因为你身处实践之中，别人看不到。

而不是说 A 做不了了，放弃，然后从零开始想 B。很多时候，转型是在已有基础上，看到了实践中涌现的、别人未必看得到的独特机会。

Founder Park：所以思考 Pivot，不是只在 0-1 或 1-10 不太顺利的时候，反而是在居安思危的阶段？

真格基金刘元：理论上是，但越往后，转型的沉没成本越高。如果当时第一个产品已经上线，有了很多用户和收入，他要砍掉去做完全不同的事，心理负担肯定会重很多。

Founder Park：团队在 Monica 的哪个阶段开始孵化 Manus？

真格基金刘元：浏览器产品当时其实已经做完了，我们甚至在一些内部活动展示过。但团队不满意，觉得它「长得太像浏览器了」，AI 时代的浏览器，不应该「长得像浏览器」。Manus 从某种意义上说也是个浏览器，但形态完全不同。

Founder Park：做完发出来，好像也没什么损失？

真格基金刘元：对，类 Benchling 那个产品做好了，我也跟肖弘说过，挂出去试试呗，有人用就用，没人用就算了。他不发，就是不发。浏览器也是，我们都测试过，提了意见，他还是觉得不对，硬是没发。

这就是 CEO 的决策和取舍，他们对自己要求非常高，觉得没达到想要的那种「different」的效果，就不出手。

Founder Park：Monica 是颠覆大家对「套壳」理解的非常重要的一款产品。

真格基金刘元：对，这点肖弘非常牛 x。我记得他在 Manus 发布前一个月还发过一条即刻，「相信我，壳有壳的用处。」

Founder Park：蝴蝶效应这家公司的成长路径对其他创业者有什么参考意义？

真格基金刘元：肖弘他们没有什么惊艳的背景，就是大学生创业，参加创业协会、黑客松，拿点天使投资。他的每一步，其他创业者并非遥不可及。不像有些天才创业者，你会觉得「哇，那是天才」。

肖弘就是一步一个脚印，像蜗牛一样往上爬。他一个国内团队，没什么海外背景，做出了全球产品；非技术大牛出身，做出了 Jack Dorsey、Andrej Kaparthy、Thomas Wolf 都在转的产品；吸引了非常厉害的人才。

他经常说「平凡人做不凡事」，招人也不迷信光环。这说明了实践、在环境中学习、迭代的重要性。

02

DeepSeek 改变了什么？

Founder Park：DeepSeek 爆火是今年最重要的黑天鹅事件，它改变了什么？

创新工场任博冰：DeepSeek 改变了中国研究型公司的标准，不仅是商业化，还有影响力。

我们最近有跟很多科研机构交流，也包括一些企业，比如阿里的 Qwen 3，影响力是重要的标准。国内很多人工智能研究院，把 Paper 的标准也改了，甚至不发 Paper 也能毕业，教授不需要太多引用量也可以获得大量的经费支持。Tech report、开源项目，这些好的成果都没法用量化的方式判断，有些开源项目的 star 数可能水分很大。真正好的东西，大家自然会知道，不用刻意制定标准。如果你纠结如何评价，可能只是因为东西还不够好。

这是一个多年来大家心知肚明的问题，只是过去不愿意承认。（DeepSeek 事件）让大家意识到，其实学术圈的问题不止是算力的问题，还是机制的问题，甚至是目标管理方式的问题。很多研究不需要那么多算力，而且最近，很多学员也拿到了非常多的算力。大家都在自我反思，追求第一性地做科研，做企业。DeepSeek 对整个国内的 AI 生态，不论是科研还是企业的目标，都带来了非常良性的变化。

线性资本郑灿：DeepSeek 带来了几个关键变化：

1. 降低门槛与成本：它本身能力很强，处于第一梯队。开源让大家有机会自行托管（host）或找到第三方托管，从而显著降低使用大模型的成本。一个有趣的现象是，在 2024 年一整年，H200 GPU 的租金都在下降，但 DeepSeek 发布后，美国 H200 GPU 的租金上涨了 10%。

2. 促进小模型发展：开源模型让开发者可以更低成本、更放手地去蒸馏（distill）出性能更好的小模型，这对开发者生态是极大的利好。

3. 普及推理能力：DeepSeek 出来之前，除了 OpenAI，还没有公司做出来推理模型。它的出现直接刺激了各大厂纷纷推出自己的推理模型。更重要的是，DeepSeek 完全开放了思维链，这为训练推理能力更强的模型提供了宝贵的、广泛的训练数据。已经有团队在利用 DeepSeek 的思维链数据训练自己的模型了。这本身就是对行业的贡献。

4. 加速 AI 商业化：DeepSeek 的影响力，尤其是其强大的能力和开源特性，大大降低了 AI 的客户教育成本。去年很多企业，包括大型企业，还在犹豫是否要用 AI，业务部门需要费力说服老板。DeepSeek 之后，这种讨论和说服变得容易多了，很多企业开始主动询问「我们该怎么用？」，甚至「先不管那么多，搞一个来试试」。这直接推动了 AI 的商业化进程。

Deepseek 证明了 L2 对 L1 产品的降维打击

明势创投夏令：DeepSeek，尤其是 R1 带来的生态影响对我们影响很大。如果参考 OpenAI 提出的 AI 能力 L1-L5 分级，其实已经明确来到了 L2 阶段：

L1：Chatbot（对话）

L2：Reasoner（推理解决问题）

L3：Agent（调用工具完成复杂任务）

DeepSeek R1 和 OpenAI 的 o 系列可以看作是 L2 级别的模型和产品。L2 的出现，对 L1 级别的产品是降维打击。之前积累的 DAU、工程优化等在 L2 面前可能不堪一击。这对我们的启示是：

1. L1 层面的竞争已无意义，必须升级。

2. L3（Agent）何时到来变得至关重要。 我们已经看到 L2 对 L1 的冲击，L3 来了，对 L2 又是降维打击。

春节后我们跟国内和海外大模型公司交流，他们给出的 L3 时间点是超出我们预期的，他们普遍认为是一年之内，甚至更激进的认为可能就在 2025 年内就可以发展到 L3 阶段。

对投资组合的意义：

模型公司：持续加大投入，像 MiniMax，24 年下半年就已经调整策略，模型要追求更高上限，瞄准 L3。

产品型公司：如果还停留在 L1，现在面临的最大问题是你的 L2、L3 是什么？必须前瞻性思考和布局，否则当前的投入很可能无效。

Manus 是一个 L3 产品的雏形。虽然在测评中比分高的部分并不是严格意义的 Agent，他们对于需要多步推理和使用多种工具的任务完成度仍较弱，效果肯定满足不了大家的需求，但它验证了 L3 Agent 产品形态的趋势，它的出现肯定会对 L2 产品形成冲击。

对产品型公司来说，最迫切的是：

尽快思考 L2/L3 形态是什么： 做规划，明确时间表，哪怕是直觉驱动的，调整产品规划和资源分配，向 Agent 方向演进。

厘清与模型公司的关系： 大多数产品型公司不具备自研模型能力。今天的模型公司正在持续提升自己的模型能力和模型边界，提供模型、推理、Memory、工具等，提供一个完整的 System 而不是一个简单的 Model，目标是 Agent 能完成人 80% 的工作。这种情况下，产品公司应思考如何利用模型公司的能力成长，而不是跟他们直接竞争。

聚焦专业领域： 尤其是「Save Time」类产品，应尽可能面向专业人群、专业领域，避开模型公司能力边界扩张带来的直接冲击，要考虑到模型公司能力和边界的扩张对你的业务的影响。

03

大模型六小虎，接下来如何？

Founder Park：对于现有的「六小虎」等模型公司，怎么看后续发展？MiniMax 的前景如何？

明势创投夏令：我们 2022 年初投资 MiniMax 的时候，大模型还是非共识。一年之后当共识形成，对我们而言就过了早期投资阶段，2023 年起所有新成立的大模型创业公司我们均没有投资。

时至今日，对于仍坚持做模型的公司，要跑出来，前提是模型能力持续保持在第一梯队。这需要：

1. 充足的资源：钱、卡。

2. 强大的工程化能力和高人才密度团队。

3. 战略清晰：认识到模型需持续追求技术上限，产品的归产品，不要以短期 DAU 等为导向，要有战略的判断和调整。

我们依然坚定看好 MiniMax，因为它：

调整早：去年下半年已完成模型优先的战略调整，而不是在 DeepSeek 之后。

资源足：是国内创业公司中人才团队、现金储备、算力集群规模领先的公司之一。

产品能力强：多个产品在细分领域保持全球领先。

MiniMax 同样也将模型技术开源，并做了前沿探索，比如 在 Transformer 底层有自己的创新，非共识的在国内走 Linear Attention 路线从而支持 long context 的「大海捞针」命中率极高，这在 Agent 阶段会越发重要。

Founder Park：真格投了 Kimi，怎么看？

真格基金刘元：Kimi 到今天，还是初创公司里最执着于去拼 SOTA 模型、抢夺「皇冠上的明珠」的那一个。

所以到今天，虽然竞争日益激烈和收敛，回头来看投资月之暗面仍然是作为一个 VC 最好的选择。

Founder Park：过去两年，资金主要集中在模型层。现在模型公司融资似乎遇到挑战，那接下来，市场上的资金会流向哪里？

Alphaist 陈哲：反正我觉得不应该投模型，（我在之前的基金）一个模型都没投。我觉得模型不是一个 VC 生意，从 VC 的角度去做这个事情没什么意义。

移动互联网时代，真正浪潮起来的时候，也没有很多人真的跑去做操作系统。你看上个时代，真正有底层平台型机会（算力、OS）的创业公司里面只有小米一家。华为 OV 都是老公司，而且当年都是直接 follow Android 生态。为什么今天大家觉得一个创业公司可以去把技术模型的生态给做起来呢？我当时没有想明白。移动互联网真正出现机会的时候，其实是各种各样新鲜的小东西会出现。我觉得今天跟当年的情况有点像。

VC 这个行业，就像我基金的名字（Alphaist），VC 永远是在寻找 Alpha。VC 肯定不是一个寻找 Beta 的游戏。

因为你要获得 venture 回报，你一定就需要 **一个大家没有那么看好，或者大家不太敢 bet 的事情。那核心就是你必须找到这里面的非共识，必须找到这边的 Outlier。我觉得这是 VC 这个游戏的本质，所有好的 VC Deal 都是这么出来的。所有 Party Round 的就没有好 deal。这是本质，但是大家会觉得不舒适，因为这个东西太反人性了。

Founder Park：集中的大额投资，比如过去两年的六小虎，现在也阶段性结束了。

Atypical 邵帅：这其实涉及到在不同创新阶段的投资逻辑。

在理论创新阶段，（如 OpenAI 早期探索语言模型的 Scaling Law，或固态电池研发等），风险极高，不确定性也大，因此更适合产业资本或非盈利组织，比如马斯克和 DeepSeek 的模式，这不是 VC 的菜。

在技术创新阶段（如近两年大模型技术路线逐渐清晰，大家开始卷算法、工程、训练方法），VC 们可以开始进入投资，但主要还是少数技术精英的游戏，技术壁垒仍然较高。

在产品创新阶段（技术门槛相对降低，重点转向如何将技术组合成应用，创造用户价值），这也是市场最大的红利期，也是 VC 的主战场。此时，投资的重点回归到产品、用户需求和商业模式这些基本面上。

我们现在正处在从技术创新向产品创新过渡的关键拐点。这个阶段将涌现大量机会，是早期 VC 的最佳时机。但也正因为如此，优秀项目将变得更加抢手，估值水涨船高。这对早期基金提出了更高的要求，要看得更早，决策更快，更果断。

靖亚资本何沛：在投大模型的时期，市场关注的是中国能否诞生 OpenAI 这样的* AI 公司，所以顶级的 AI 学者或科学家会大受青睐。但有这种背景和能力的创业者数量是少的。

现在大家的关注点已经从大模型转到了应用层。应用层创业的逻辑是完全不同的，顶级学者或大厂背景出身并不必然等同于能做出优秀产品。如今，大家似乎又回到了同一起跑线，比拼的是对场景的深刻理解、对用户的精准洞察以及产品创新能力。理论上大家都有机会，我觉得创业项目会很多的。

Founder Park：过去两年投大模型是在寻找中国的「OpenAI」，现在结论趋于清晰，VC 又回到了更擅长的领域，识别人、找到合适的应用场景？

靖亚资本何沛：是的，之前投大模型公司是为梦想（AGI）投资，现在头部公司已经拿了非常多的钱，再投新的公司意义不是很大。但应用层投资才刚刚开始，目前看到的跑得快的 AI 公司收入起量快得惊人，也会刺激 VC 的情绪。

应用层的投资逻辑，不是大模型领域投人才的稀缺性，而是要找到好的场景、找到真正懂用户、能做出用户愿意花钱买单的产品的创业者。我们更想投「有理想但不理想化」的创始人。

04

「模型即产品」是一种错觉

Founder Park：怎么看 GPT-4o 和 Gemini 2.5 Pro 带来的「模型即产品」的讨论？

Alphaist 陈哲：GPT-4o 和 Gemini 2.5 Pro 做出这个结果也不奇怪。我去年年底去湾区的时候，跟几个 Google 的前同事（陈哲此前在 Google X，负责 Google Glass 的工作）聊过。我的感受就是 Google 做出这个东西完全符合预期，而且 Google 还有更多的东西没放出来。他们在多模态模型的训练、数据和清洗这方面的能力已经远超市场上的公司了。

这些可能还是反映了一个事情：基础模型，尤其包括未来的多模态，以后的具身，在模型框架开始收敛的情况下，那肯定是谁有算力、谁有数据就会更有优势。目前真正有算力、有数据的就这几个大厂，所以他们得出这个结果我觉得完全不奇怪。创业公司应该更早地想明白，如果这个是个必然的结果，自己应该找一个什么样的位置？

高瓴创投王蓓：之所以现在大家讨论「模型即产品」，是因为我们正处在模型快速迭代，而产品尚未明确交付显著成果（deliver result）的阶段。也就是说，我们处于基础设施（infrastructure）快速演进的过程中。

这个阶段看到更多的是模型自身的变化，就是基座模型，包括语言模型、多模态模型，甚至具身智能模型，这些都属于底层基座能力的迭代。但这是否意味着产品层面的变化？产品层面的变革才刚刚开始。

高瓴创投（GL Ventures）很早就支持了模型公司。我们是 MiniMax 的最早的投资人，那还是 2021 年下半年，当时 ChatGPT 3.5 还没出来、大模型根本还不是融资主题。在投了几家重要的模型公司之后，我们也一直在看产品。很多优秀的产品经理也希望能做出有特色、有亮点的 AI 产品。

为什么之前很难跑出好的产品，还是因为模型能力还不够强。纯语言交互的产品形态相对单薄，用户更期待多模态体验。而多模态技术（如 Diffusion Model）在过去的迭代中还不够成熟，产品经理想利用底层模型能力做出好产品，难度很大。这就给大家造成了一个错觉，似乎模型本身就是产品。但我们认为，未来仍然是产品的天下。

Founder Park：模型吃掉上层的框架甚至产品，比如 GPT-4o 对于 ComfyUI 等工作流带来比较大的冲击，做 workflow 的创业公司应该怎么办？