2025年11月1日，锦秋基金以“Experience with AI”为名，落地了首期「锦秋会——锦秋基金CEO大会」。
这是一场专属于锦秋创始人们、让每位创始人都是主角的聚会。
聚会现场，锦秋基金创始合伙人杨洁也分享了一些她近期对AI创业、投资的观察。
以下内容，来自杨洁在首期「锦秋会」上的内部分享，由锦秋基金整理，略有删减。
大家好，我是杨洁。欢迎来到锦秋的第一次CEO峰会。今天的主题是"Experience with AI"。
接下来20分钟，我想先介绍下我们在做什么，然后再和大家分享我们看到的机会。
首先，先由视频简单介绍一下过去一年我们做了些什么。
锦秋的来源
叫锦秋，是想记住那种感觉。
2016年，我从红杉离开加入字节。那时候字节还不是今天的字节，当时的"头条"饱受争议，但团队坚信方向，我看到一群对方向有信仰的人在疯狂执行，2022年我创立锦秋基金，用"锦秋"这个名字，就是想记住那种感觉。
三年前，当AI还没有被热烈关注的时候，一群对方向有信仰的人，在疯狂执行。锦秋基金，就是在这样的背景下诞生的。我们相信：不确定不是风险，失去方向感才是。我们希望找到一群有方向感的人 —— 在不确定中，携手向前。
AI的iPhone时刻不是要来，而是已来
今天台下坐着三类创业者——
? 做应用的：担心OpenAI太快
? 做芯片的：担心英伟达太强
? 做机器人的：担心落地太慢
但大家其实都在同一大浪上，就像2007年的iphone时刻，十年后ARM、高通、小米、微信都长成了参天巨树。
而现在，"AI的iPhone时刻不是要来，而是已经开始。无论在哪个战场，现在都是最好的时刻。"
三个战场的历史性机遇
AI正在重塑三个层面：AI应用、芯片/算力、机器人。
每次技术革命都会先重塑分工，最终重塑格局。从这张图可以看出，互联网、云、移动互联网、saas，每一次技术革命发展都是越来越快。AI正在重复这个逻辑，只不过速度快了10倍。
接下来，我逐个说说这三个战场。
01 AI应用层
看应用，离不开模型。
大家爱用MMLU这个Benchmark，ok我们也用一下。从左图MMLU准确率快速提高可见，智能快速提高，另一方面对应MMLU分值的每百万token成本剧烈下降，由此可见："模型是commodity，价值让渡给产品"。
为什么应用层有价值？
1. 模型是commodity，产品不是——懂用户的产品更稀缺
当模型成为基础设施后，竞争从"谁有模型"变成"谁更懂用户"。
2. 信任尤为重要
模型还在迭代，用户都知道现在的产品不足够完美，只有信任才会留下陪你一起迭代。客户会决定跟谁一起成长
市场要的不是"我也能做"，而是"只有我能做"。产品的深度>广度。
接下来两年AI的收入和估值都会暴涨，我们看到优秀的创业者会非常快的速度，在特定垂直场景里形成信任和复利。AI应用收入和估值都会暴涨。
再看这张数据图。
AI应用以越来越快的速度达到了1亿美金ARR，而传统SaaS公司可能要用4-5年时间才能达到。Cursor12个月 ARR 从 $1M 到 $100M，估值27B（270亿美金），这说明，懂用户的团队在形成复利，AI加速了这个过程。
深度比广度重要，再强调一次，AI产品不是谁能写Prompt，而是谁能赢得信任。
02 芯片/算力
芯片是另一个巨大机会。
2025年全球1500亿美金市场，AMD预测2030年5000亿美金市场。
推理芯片需求激增，Token调用量加速增长。
谷歌Q2月均Token消耗量为1000万亿，9月1300万亿 tokens /月，OpenAI 的API 10月每分钟调用量 60亿tokens，火山披露的调用量是日均30万亿，这才刚刚开始。
我们看到三个明确的机会：
1. 推理芯片窗口刚打开
2. 中国芯片-软件-算法正向飞轮
3. 穷则思变——
先进制程受限，但我们也可以用国产供应链来走出不一样的自主可控路线。像今天在场的东方算芯，就是用全国产的3D堆叠工艺、加上积累几十年的可重构芯片技术，趟出了一条用落后的国产供应链打造媲美英伟达H100的创新路线；
其他我们在芯片领域的投资也都是属于这种敢于探索不一样创新路径的团队，比如微纳核芯和铭芯启睿都在用存内计算，来试图彻底解决存储墙问题，数量级地提升计算的能效比；光本位和澜昆微则是在把计算和传输从数字域迁移到光的模拟域，追求该领域的颠覆性创新
03 机器人
机器人行业正在迎来他的ChatGPT时刻。
三个拐点同时发生，数据集爆发、资本狂奔、成本下降。场景从厨房桌面扩展到多房间、工业、户外。
2025年融资414亿人民币，是2023年的5倍。这里我们的感受也很明显，比如星尘智能在我们投资之后很短时间快速融资两轮，因克斯也是2-3轮，首形科技、地瓜机器人也是极短时间完成了两轮。
每一个今天积累的操作场景，都是明天的操作系统。机器人行业正在迎来他的ChatGPT时刻。
跨越三个战场的共同法则
无论你做应用、芯片、机器人，有三条通用的战场法则：
法则一：找到"不对称优势"——
应用看专属产品定义、芯片看推理看创新路径、机器人看场景深度。
法则二：时机判断——
我们在第3年/20年周期。芯片需求爆发还在前方，应用窗口正是现在。
法则三：数据飞轮的有效性把握——
数据飞轮确实有效，怎么判断呢？看它到底推动了哪个业务指标。数据飞轮必须绑定业务指标——收入、留存、转化率。不能只是"我们有更多数据"。
锦秋看到的关于未来的三个信号
我们在快速成长的项目里看到三个信号。
1. 具体产品解决具体的痛点 + 可验证解决方案。
不用回避垂直领域，在垂直领域拥有定价权，比如Bloomberg $32k/年，因为金融人士信任它。
不要怕"信息化程度低"。类似行业，如医疗、法律，正在爆发。医疗OpenEvidence 大于50M ARR ，估值6B，，Abridge 5.3B； Hippocratic AI、freed。
不要怕"套壳"。"套壳"依然能出优秀的产品，Cursor没有发明IDE，也没有发明代码补全，但它深入用户，越做越厚。
2. 做填补鸿沟的产品
AI跑Benchmark的能力与在现实世界中的应用能力存在巨大鸿沟，且相比智能提升，人类学习曲线慢且差距大。
即使模型不再更新，消化现有的智能能力也需要很多年。所以能够解决现实问题又能很好引导用户使用的产品，长期有价值。
3. 执行力是唯一被验证的成功路径
AI会放大执行力的复利效应，快的团队vs慢的团队，差距拉大。
所以识别复利方向+ 高效执行，是决胜的关键。
2026年预判
接下来说说我们对2026年的三个预判。
第一个预判：未来一年，大模型的竞争仍然激烈。
差异化转移到产品体验、垂直场景、品牌信任。模型厂商不具优势，深入场景的产品公司更占先机。这张OpenRouter市场份额图很说明问题：模型之间切换成本极低，用户忠诚度来自产品而非模型。模型是commodity，产品不是。真正领先的，是深入场景，获得信任的公司。
第二个预判：我们正在从个人助手时代，走向Agent Economy。
未来，Agent将具备自学习、有记忆、可交易的能力，这将诞生一个全新的经济系统。
这带来三个巨大又充满挑战的机会：
真正的自学习
全新经济体的基础设施
全新经济体的信任与安全
第三个预判：我们低估了AI需求。
科技巨头资本支出：$227B（2023）→ $543B（2026E），即使这样仍然不够。比特、原子、生物-比特世界都在被AI重塑。
说完机会和预判，我想请大家想一个问题：你在重建什么？
那我们看到的是：
?做应用 ，重建行业工作方式与人的生活。
? 做芯片，重建计算的基础。
? 做机器人 ，重建比特与原子世界的交互。
这不是渐进式创新，这是范式转移。
AI的速度，5年抵得上过去20年。
给创业者的话
最后，送给大家三句话。
?给做应用的：模型是commodity，有审美有用户信任的产品永远不是。
? 给做芯片的：窗口才刚打开，与用户场景深度适配是护城河。
? 给做机器人的：ChatGPT时刻即将到来，现在积累的场景是未来壁垒。
谢谢大家！
在这个充满不确定性的时间里，找到了有方向感的你们。让我们一起，全速前进。
