WAIC观察：AI狂热下的七重真相

一、盛宴即顶点

当展会现场涌进高颜值人群、side event 全面币圈化、产品同质化严重到难以分辨厂商logo时，一个信号已足够清晰：技术扩散完成，共识高度统一。极客的实验场，正加速蜕变为大众的情绪集市。而历史反复证明——当所有人相信同一个故事，风险便不再来自不确定性，而来自确定性本身。牛市里并肩的多头，终将成为下跌中踩踏的卖方。多杀多，从来不是预言，而是清算机制。

二、大模型没有护城河

AGI的地基仍是Scaling Law：模型能力与参数规模、算力投入、数据质量呈幂律关系。真正的竞争壁垒，不在算法秘籍，而在谁能更便宜地拿到GPU、更高效地烧钱、更持续地获取高质量数据。领先优势注定被追赶，价格必然被压低。这一轮真正稳健盈利的，是向所有玩家卖水的人——GPU厂商、HBM供应商、高速互联方案商、数据中心运营商、电力服务商、数据清洗平台……军备竞赛的上游，才是现金流最厚实的战场。

三、数据，正在成为新瓶颈

展会上最沉默的赢家，恰恰缺席展厅。它们扎根于数据一线：多模态清洗、跨模态对齐、垂类标注、机器人实地采集、合成数据生成。统一多模态表征的成败，不取决于模型是否更大，而取决于训练数据是否更真、更全、更准。GPU是一次性支出，数据是持续性成本；模型会越来越便宜，优质数据却只会越来越贵。当前机会集中在三类数据资产：专家知识型数据（Expert Data）、强化学习环境与Agent行为轨迹数据（Environment→Task→Trajectory→Reward→Verifier）、具身智能所需的物理世界交互数据（Embodied/Robotics Data）。后者稀缺性最高，采集难度最大，也最具长期壁垒。

四、AI应用的生死线

今天的AI生态，复刻了早期Crypto的结构：L1捕获绝大多数价值，应用层长期失语。大模型已是事实上的POW Layer1，甚至‘模型即应用’。过去几年大量AI创业公司犯了一个致命错误——把模型暂时做不到的事包装成产品。但模型边界每天都在外扩：搜索、编程、图像生成、视频理解、计算机操作、自主Agent……每一次升级，都在将原属应用层的能力直接写入底层协议。若你的产品价值随模型迭代而持续稀释，那你只是AI的一个Feature，而非Application。真正的护城河只有一条：成为模型的客户，而非竞品。锚定在数据、Context、Workflow、Permission、Distribution这五个不可迁移的环节上。

五、具身智能：一场错配的估值狂欢

H4馆二楼，几十家机器人公司展出几乎同源的硬件、相似的动作逻辑、雷同的演示流程。而它们背后的估值数字，却令人头皮发紧。资本正用软件的Scaling Law，给软硬件耦合的复杂系统定价。GPT-5可零边际成本服务亿级用户；但每多一个机器人用户，就要多造一台机器——BOM、制造、供应链、交付、运维、折旧，全部线性叠加。AI智能可以指数跃迁，物理世界的成本却恪守制造业规律。自动驾驶已是高度受限的具身问题：道路规则明确、空间有限、数据海量、工业体系成熟，仍烧掉数千亿美元未解长尾。具身所面对的真实世界复杂度，是其N倍。现在谈商业闭环，为时尚早；谈百倍估值，近乎荒诞。

六、中间商，才是当下最确定的赢家

多数AI创业公司尚未盈利，利润甚至不如个体技能变现者。但一个现象耐人寻味：表面做AI产品的团队，聊深一层，往往在卖Token、倒算力、撮合老股、兜售数据集、打包‘见创始人的机会’……AI行业天然适合中间商繁荣：技术迭代快、信息差大、资本充沛、叙事性感。VC赌终局，FA赌共识——而共识越模糊、越宏大，FA的空间越大。具身智能、世界模型、通用Agent……这些赛道共通点很明确：未来足够大，技术足够难，短期又足够难证伪。大厂烧钱训模型，LP押注十年后AGI，中间商把当下的钱先赚走。要么薅大厂的CAPEX，要么薅LP的FOMO。

七、钱，是唯一真实的护城河

常有人问：AI时代最稀缺的资源是什么？人才？算力？数据？答案只有一个：钱。融资能力，已成为AI领域最硬核的竞争优势。创业者不必等到现金告急才融资——账户余额充足时，更要融。因为真正的战争不在扩张期，而在行业下行周期。只要活下来，就能在对手断粮时，低价接收其人才、技术与客户。二级市场亦如此：未来2–3年泡沫破裂概率极高，届时谁手握现金，谁就拥有99%的胜率。技术会过时，模型会迭代，但现金永不过期。