“AI的真正价值在于将大模型转化为高可控、可复用的生产力，而非冷冰冰的参数比拼。”
“热词层出不穷，但真正能突围的，永远是那些把场景认知和痛点深深吃进产品的团队”
“技术再锋利，也比不过人对问题的深刻理解与长期陪伴。”
“把工作交给AI，把生活还给人类。”
……
5月28日，2026璀璨女性播客初夏集暨颁奖典礼以“刚刚好Just As You Are”为主题在北京举行。活动中，英诺天使基金ED、石麻笔记主理人王建明，导远科技ASENSING CEO兼CFO Pia Hu，句子互动创始人兼CEO李佳芮，星连资本合伙人李文珏，光合创投副总裁孙静怡与慕华科创创始合伙人张妤围绕“在AI世界里重写叙事”，共同探讨AI产业变革、创业机遇与女性叙事重构。
大家谈到，AI的商业化落地绝非一朝一夕的技术胜负，而是一场比拼人、数据、工程与成本控制的长期长跑。在科技与人文的交界处，嘉宾们也给出了最温柔的解法。
以下为嘉宾对话实录，由创业邦整理。
科技理想如何照进商业现实？
王建明：大家好！很高兴主持这场对话。在这轮科技浪潮中，大量的创业者是来自清华等顶尖高校与科研院所的老师和学者。学术派创业，如何跨越科研成果到商业落地的“死亡之谷”？面对技术与商业的双重周期，科技投资人又在坚持怎样的底层逻辑？
首先请问张妤总。作为深耕硬科技成果转化的资深投资人，对于这几年汹涌而至的“科学家创业潮”以及具身智能、量子计算等前沿赛道的科研转化，您有哪些核心的投资思考？
张妤：回看过去20年，高校科研转化的生态发生了质变。2020年之前由于商业和资本生态不成熟，老师主导的团队很难成功；但近几年，我们与清华系基金等伙伴构建了早期资本生态，在各环节闭环赋能，甚至“清华项目不出东门”就被包圆了。
技术驱动型企业要成功，必须打通技术、产品、商业模式和客户四个维度，每一环向下一环跃升都需要持续注入资金和人才。在这个迭代极快的 AI 时代，光有认知还不够，我个人更看重创始人的三点特质：认知、极快的学习能力和到位的执行力。
王建明：谢谢！接下来，有请星连资本合伙人李文珏分享。文珏总曾非常早期就下注了智谱AI。在做这种“走在风口前面”的超前布局时，您的投资心得和底层逻辑是什么？
李文珏：在全行业都有AI大脑加持的时代，对技术做超前预判已变得越来越难，项目从非共识走向共识的周期从几个月骤降到几周，优质项目甚至一个月能融三四轮。在这种趋势下，精准死磕技术的下一个“跳变点”效率并不高。
因此，我将精力回归到对“人”的判断上。我对比过往AI项目发现，同一个项目在第一轮和第四轮讲的故事完全不同，甚至高管团队都会大换血，因此在第一轮死磕“商业壁垒”意义不大。投资最终要回到创始人本身，我更看重创始人能否极快吸收技术变化、ego是否足够小、团队包容度如何以及韧性够不够强。
王建明：接下来请导远科技Pia Hu总分享。Pia总在自动驾驶行业已深耕了14年。现在具身智能的火热势头，像极了当年智驾风口刚起步的黄金时代。结合您的行业沉淀，您有哪些感悟和预判？
Pia Hu：技术演进的颠覆性超出了想象。虽然目前具身智能仍处于剧烈变化中，但其底层逻辑与智能驾驶高度同源。两者的技术架构高度相似：第一是感知，需通过各类传感器感知环境，用来规划动作；第二是控制，车端或机器人端的SoC芯片相当于大脑，CPU、MCU则像小脑负责执行。这就是为什么智驾人才可以无缝切换至机器人赛道。 大家都在谈AI，而导远科技做的是偏向“物理”层面的基础设施。任何移动体只要运动都需要测量自身的动态变化，我们通过高精度物理信号弥补神经网络在感知上的传输误差。
王建明：接下来有请句子互动李佳芮总。句子互动做的是能够实现自我造血、真正赚到钱的企业级Agent。作为跑通了商业闭环的先行者，在打造“能落地、能赚钱”的企业级Agent全过程中，你们最核心的实战心得是什么？
李佳芮：我们的核心心得归纳为两个维度：产品基建的深耕与组织模式的重构。首先在产品基建维度，大模型到Agent上岗的工程化链路极深，我们相继推出了人机协作工作台、低代码搭建Agent、测试质检平台以及数据洞察等系列工具。其次在组织与服务维度，我们Day 1就建立了专门的解决方案团队，用自己的平台帮客户做交付和效果对赌。任何垂直领域的行业Know-how和内部业务系统的打通，都是通用大模型绝对吃不掉的壁垒。
王建明：接下来请光合创投孙静怡总分享。作为硬科技与金融投资领域的资深投资人，站在这个技术交叠、范式突变的拐点上，您对于技术演进的下一步，以及新一代年轻人的创业趋势，有哪些最新观察？
孙静怡：目前的AI可以分为两类：一类是飘在空中的“PR-wise AI”，另一类则是脚踏实地的“真实AI”。目前“真实的AI”正处于一个最激动人心的历史拐点，大模型等底层基础设施已经基本就绪，但在具体行业的商业化应用上依然处于非常早期的阶段。我投过的优秀创始人身上都有一个强烈的共性：无论有没有AI，他们都有一个极其坚定的商业愿景或产品梦想。AI对他们而言，是加速梦想落地的最强解，但绝不是唯一的依赖。
物理世界的“数据燃料”与商业范式变革
王建明：大模型和人工智能的狂飙，底层最不可或缺的基座就是数据。现在大家都在疯狂收集数据，因为物理世界还太缺少能够喂给AI的学习数据了。
由此，我想特别请教Pia Hu总。在自动驾驶赛道，数据更是核心命脉。站在行业最前沿，您对自动驾驶及时空智能领域数据的角色演变和核心价值有哪些观察？
Pia Hu：两个字，好贵。车企在智能驾驶的云端和数据上每年花费高达数十亿元。这背后争夺的正是数据和算力服务。
数据采集是行业共同面对的难题。在机器人领域，我们做的时空智能，记录的主要是载体的位置、姿态以及运动数据。比如，灵巧手在面对不同物体时，要做好拿取，就需要安装大量传感器，包括我们的IMU惯性传感器，用以采集运动、姿态等数据。对于任何会动的移动体而言，数据都是极大的财富。AI的很多知识（knowledge），本质上也是通过大量数据学习而来的。导远科技在时空智能的数据积累上已经走过了十年，在全球智能驾驶惯性导航及卫星定位传感器领域的市占率达到了40%，已成为大众、丰田等海外头部企业的供应商。这得益于我们在中国起步。中国作为全球最庞大的“物理AI”市场，拥有足够多的人、车以及动态环境与复杂场景。
基于此，我们在传感器制造，算法和系统的优化迭代的过程中，会遇到非常多的问题。而这些问题，归根结底也是数据引起的。所以我认为数据确实非常关键，但它也的确很贵，需要时间、资金等多方面的投入。
王建明：刚才Pia Hu总提到了数据的昂贵。接下来我想请教张妤总。慕华在具身智能和物理AI赛道有着极深的布局，比如连续三轮重仓支持了智元机器人。对于目前普遍困扰行业的“高质量物理世界数据短缺”问题，您有着怎样的观察？据您预测，数据红利会在什么时间点爆发？
张妤：我从小模型与具身智能两个维度来分享。首先，参照大语言模型的发展，我们最近在看一些特殊场景的小型模型时发现，即便不追求千亿、万亿级参数，在数据集有限的特定场景下，小模型依然能跑通Scaling Law。这意味着并不是所有任务都必须用极消耗算力的Transformer大模型架构去解决。
其次，回到具身智能赛道。目前市场上的普遍共识是：当高质量数据集的累积达到1000万小时的时候，具身智能的Scaling Law拐点就会到来。但这里对“高质量”的定义极其苛刻，它必须具备极高的多样性与实用性，跨越工业制造、家庭服务等各种复杂场景。目前市场上最前沿的具身智能企业明确表示，他们在明年就能率先采集并积累完成。这意味着，全行业期盼的具身智能爆发拐点，很可能会比大家想象的还要来得更快。其中一个最核心的趋势，就是通过“Synthetic Data”的技术手段来加速获取高质量数据集。
王建明：文珏总，我知道贵机构近期一直在深度布局AI硬件及可穿戴设备等项目。当一个硬件能够随时随地记录我们的所言所见，它本质上就演变成了一个极度个性化的个人助理。针对AI硬件及Agent这一风口，目前你们内部的核心投资逻辑是什么？
李文珏：目前其落地的核心瓶颈已经不再是底层的科学研究问题，而是纯粹的工程落地、成本优化与降低延时的问题，这些在技术上都是完全可以解决的。
相比于AI硬件，我个人现阶段会把更多精力放在纯软件生态的Agent上，且我的投资视角与市场主流稍有不同：我目前高度关注那些面向Prosumer、深耕垂直领域的Agent项目。核心在于，这个软件能否真正把用户的日常工作行为、决策逻辑、历史记录及反馈，深度沉淀为可复用的资产。走到最后，“Agent”这个新词可能都不复存在了，行业最终还是会回归商业本质——即你在特定领域内的专家知识与核心数据，究竟如何与底层大模型真正形成闭环的“数据飞轮”。
王建明：接下来把问题交回给句子互动的佳芮总。您一直在企业级Agent赛道深耕，您怎么看待Agent未来的演进走向？它将给各行各业的商业范式带来怎样的变革？
李佳芮：我个人觉得，未来的趋势不再是给专业人士交付一套软件，而是直接为企业交付专业的工作成果，即直接把事情做完。抛开天花乱坠的概念，核心本质只有一个：AI究竟能不能真正把事情做完。
从底层大模型到真正的“做完”，中间存在着极深的、基于客户业务场景的工程化鸿沟。我坚信，每个垂直领域的行业Know-how和内部业务系统的打通，是通用模型绝对吃不掉的。以我们深耕的销售领域为例，核心壁垒是在转化客户、催单等具体场景下，针对不同用户画像采取的差异化策略与内部系统联动。因此，我们的目标不是卖软件，而是直接为企业部署“AI劳动力”，帮客户交付最终结果。
王建明：静怡总，刚才大家聊了这么多宏观的技术爆发，我们不妨落回到具体的微观应用上。在您的日常投资研究和工作中，目前有没有哪些已经离不开的AI Agent工具？它是如何为您的高效工作赋能的？
孙静怡：真正让我保持高忠诚度、且持续付费超过三年的产品，其实只有ChatGPT和Claude。随着大模型交付的质量和深度越来越好，AI目前对我最大的赋能是辅助行业研究。
不仅如此，AI甚至在悄然改变我带团队和日常管理的方式。现在我在带实习生时，已经不再像过去那样布置极其细致、琐碎的基础工作了。相反，我会花更多的时间去扮演一个教练的角色，教他们如何更好地向AI提问、如何利用AI去高效产出成果。
把工作留给 AI，让生活还给人类
王建明：因为我们这一场是专属于女性科技创作者与投资人的女性专场。在座的各位嘉宾，我们不仅是科技浪潮的捕手，在生活中也有着共同的女性身份。我想请教台上的各位：作为母亲或者家庭成员，你们在现实生活中会赞成或者让自己的家人去深度使用这些AI产品吗？在感知物理世界与拥抱数字世界之间，有着怎样的权衡与教育思考？
Pia Hu：我儿子今年10岁，生活在乡下，直到现在，他基本上很少接触电子产品，大部分时间在做钓鱼、滑雪、攀岩这种亲近大自然的活动。我之所以选择在10岁前尽量切断他和数字世界的联系，让他纯粹地享受大自然，是因为当信息的获取变得如此容易时，人与人之间的真实互动、泥土与溪流带来的感知力，反而成了最稀缺的奢侈品。
但明年儿子11岁就要升入高年级了，我必须让他开始接触AI工具，因为我也会害怕有一天他无法融入同龄人的话题。另一个矛盾点在于，在我自己的时间安排上，我其实又很渴望AI的存在。作为一名经常需要出差的母亲，如果有一个AI能够随时随地、极其耐心地回应他的求知欲，那它其实是以一种最快捷的技术途径，帮我满足了孩子对教育的需求。这正是科技带给我的撕裂感。
李佳芮：对于技术发展与下一代教育的矛盾，我想从“组织进化”与“为人父母”两个维度来分享。首先，站在商业视角，我们今天谈论“AI员工上岗”，核心本质其实是在重新发明组织。
其次，回归到母亲的身份，我希望我的孩子面对被AI包围的未来，能具备三点核心竞争力：第一是独到的思辨与判断力（Taste），面对AI喂给的一切内容，孩子必须具备敏锐的品味和独立的判断力；第二是极高的逆商（AQ），我希望他能提早建立面对失败的心态；第三是拥有强健的体魄，让他从小深度参与一项体育运动，在竞技体育里学会直面失败并重新站起来。这种在汗水与挫折中打磨出的思辨力与韧性，永远是人类最核心的壁垒。
李文珏：我由衷地希望AI乃至具身智能机器人能够发展得再快一点、更普及一点。技术狂飙的终极目的，不应该只是冰冷的算法迭代，而是要把人类从繁重、重复的家务劳动和琐碎的日常庶务中彻底解放出来。只有当科技帮我们省去了这些机械性的时间消耗，我们才能有更多的精力和高质量的时间，去回归生活本质，好好地陪伴家人。在这一点上，科技的发展恰恰是在为人类的人文关怀和亲情传递腾出空间。
孙静怡：非常赞同前面几位嘉宾的看法。在生活中，我已经开始让家人去拥抱技术了。我母亲去年刚刚退休，从那时起我就一直鼓励她多去尝试和使用AI。我发现，大模型其实能够极大地拓宽长辈的好奇心边界，通过向AI提问的方式去探索新领域，这也让她退休后的生活有了更多可能性。
同时，我和文珏总的想法一样，非常希望具身智能机器人的发展可以再快一点。从去年开始，我多次去行业一线调研机器人，发现技术迭代的程度已经完全不一样了，稳定性和落地场景都超出了预期。
张妤：人类与AI的人机共生时代，已经真真切切地开启了。在这个时代，我们需要重新定义彼此的关系。人类应该成为“守护者”，去维护现实世界的秩序与温度；而AI必须成为“守界者”，明确技术演进的逻辑边界。
在这样一个全新的时代背景下，对于下一代的教育，我更希望拉回人类最本源的感知力。我对我两个孩子的期望，可以总结为：保持身体的张力、敬畏世界的真实、寻求心灵的留白、具备爱的能力。在这个被算法包围的未来，“爱”这一特质既微妙、又深沉，更超越了所有冷冰冰的数据，是人类最永恒的底色。
王建明：总结下来就是把工作留给AI，让生活还给人类。感谢各位嘉宾的精彩分享！
本届活动由创业邦主办，汇丰科创金融为合作伙伴，联想thinkplus为首席智会办公合作伙伴，睿兽分析提供数据支持。自2013年创业邦发起商业女性领导者评选以来，创业邦已连续14年记录中国科创女性的成长轨迹。活动现场，“创业邦2026科创女性影响力大奖”隆重揭晓。
AI新增女创最多，三成企业估值超50亿丨2026值得关注的30位女性创业者
一年投出93亿，捕获Kimi、地瓜等独角兽丨2026女性投资人榜单发布
