色情电影有哪些

题图｜虎嗅拍摄当下，AI 正在悄然颠覆科技产业格局，创业者从模型层到应用层竞相入局。但资本正在向头部聚集，2024 年全球 AI 融资额突破 1000 亿美元，单笔超 1 亿美元的融资占比达 69%，头部效应明显。而市场也在变得更为激烈。从大模型、具身智能到 AI 应用，几乎在每一个赛道和场景，新的公司都如雨后春笋出现，对创业者而言，考验的已经不仅是创新与运营效率，更是从数据流转到场景应用的商业化智慧：你的产品定位是否清晰？在商业化过程中，如何构建数据闭环与场景壁垒，保持核心竞争力？以及，在这波投资浪潮中，到底该如何找到生机？若这些关键问题未有清晰答案，而仅将   AI 风口简单地视为 " 机遇 "，它带来的可能不是红利，而是黄粱一梦。近期《虎嗅 · AI 无悖论》节目，特别邀请到了中欧国际工商学院金融学教授、副教务长、EMBA 课程主任、中欧企业与资本市场研究中心主任黄生与九合创投创始人、中欧 EMBA 校友王啸，探讨投资视角下的 AI 机遇，他们分享了对行业投资机会的看法，以及对未来 AI 应用的洞见：英伟达 4 万亿市值是否预示泡沫风险？AI 为何超越其他技术，成为第四次工业革命驱动力？AI 时代能否摆脱 " 赢者通吃 "，垂直领域有何机会？投资人青睐何种 AI 公司，中小创业者机会何在？下一现象级应用将在哪些领域爆发？本期主持人为《小遥说商业》账号主理人、中欧 EMBA 校友陈小燕，以下为交流实录（有删编）：风口里，中小企业机会到底在哪陈小燕：英伟达市值突破 4 万亿美元，您如何看待这一现象？黄生：资本市场的估值反映了大家对人工智能未来的高期待，把企业生命周期的自由现金流折现到当下。目前人工智能相关企业市净率已达 40-50 倍，类似于苹果，这是一种市场情绪，也是一种预期，大家对 AI 的未来 " 很上头 "。王啸：英伟达芯片重新定义了全球可计算能力的边界。随着大模型和应用层的扩展，边界不断扩大，想象空间也被无限打开了。人类基因、制造业数据、日常生活、商品购买等均可通过 GPU+ 大模型进行智能化运算。市场认可这一底层能力，股市愿意 " 赌 " 未来，英伟达被赋予巨大估值。值得注意的是，它象征 AI 行业整体的结构性机会开启。从 AI 行业演进轨迹看，如果英伟达能达 4-5 万亿，未来模型公司和应用公司也将出现类似机会。陈小燕：为什么 AI 被视为第四次工业革命的核心，而非物联网、大数据等技术？黄生：AI 复刻了人类决策，它的深度学习的方式像一个 " 黑匣子 "，是人类思维的一种镜像。其他技术有科学逻辑，但离人类远了一些，人工智能离人类可能更近一些。王啸：大数据、区块链这些技术没能从根本上撼动社会和技术。要成为第四次工业革命，得是底层的、能广泛影响人类生活的变革力量。过去的技术都是 " 人 + 工具 " 的模式，AI 完全不同，它直接就是一股生产力，能独立完成任务，不需要人类再拿着工具配合。现在，AI 的智能越来越通用，能渗透到生产、消费、科研等几乎人类所有活动。比如，以前新药研发得花 10 年、1 亿美金，AI 可能 1-2 年就搞定，效率翻倍，成本暴降。其次，像写 PPT、编程序、做短视频这些过去靠脑力密集合作的工作，通过 AI 能干得更漂亮。这对社会的冲击是颠覆性的，解放了人类精力，让我们干更有创造性的事儿。现在还不好说 AI 百分百是第四次工业革命，但它绝对有这个潜力。AI 大模型很可能就是这场革命的起点，彻底改变社会结构和生产力。陈小燕：2024 年全球 AI 融资额突破 1000 亿美元，单笔超 1 亿美元的融资占比达 69%，头部效应明显。对于国内中小型 AI 创业公司来说，这是否意味着机会减少了？王啸：AI 行业的基础模型和应用层的机会截然不同。基础模型领域头部效应明显，需要海量算力、顶尖工程师和巨额资金，中小公司很难挤进去，基本是大玩家的游戏。但应用层完全是另一回事儿。中小公司可以通过微调模型或训练小模型来适配特定场景，资源消耗低，门槛也低。由于应用场景多样，商业和社会价值巨大：任何有数据的领域——从生活服务到行业决策——都能用 AI 提升效率、创造价值。这些场景的潜力远没被挖尽，其背后的价值可能比基础模型还要高好几个量级。所以，中小公司如果一头扎进基础模型的 " 军备竞赛 "，确实是浪费资源。创业公司应该聚焦应用层，深挖对人类生活和社会的实际价值，投资回报潜力大。陈小燕：在黄教授看来，资本市场对 AI 投资更倾向于底层大模型还是应用层？国内和国外有何不同？黄生：这得看哪个国家的市场。国内想抓全产业链，基础层如算力芯片和大模型需要巨额投资，因为我们被英伟达领先，算力上有点 " 卡脖子 "，所以得追赶，投资需求旺盛。但真正带来商业价值的还是应用层，垂直领域的 AI 应用能直接提升 C 端和 B 端的生产力，市场空间百花齐放。在美国，他们有英伟达这样的头部算力公司，所以投资仍聚焦算力和大模型以保持领先，但应用端生态不如国内丰富。国内的优势在广袤市场和应用层挖掘，未来可能靠创业公司冒出好机会。陈小燕：对标互联网行业，AI 发展目前处于什么阶段？普通人还有机会吗？ 黄生：AI 现在很像十几年前移动互联网的阶段。那时候，4G 到 5G 网络、移动终端这些基础设施已经成熟，缺的是应用，所以抖音、SaaS 企业迅速崛起。现在 AI 也类似，英伟达的算力、巨头的大模型已奠定基础设施，国内也在追赶，算力和模型基本就位。接下来是应用端的爆发，谁能找到适合 AI 的场景，提供高价值服务，就能快速成长。在我看来，AI 不像移动互联网那样 " 赢者通吃 "，因为医疗、教育等垂直领域有数据壁垒，同时诞生多家伟大公司是可能的。王啸：在我看来，如果对比互联网的发展阶段，它分两波：PC 互联网（2000 年前后到 2010-2011 年）和移动互联网（2011-2012 年至今）。这两波催生了不同公司，但核心商业模式类似——通过刚需工具或媒体平台聚拢海量用户和数据，最终靠广告变现。其核心是 " 连接 " 产生的网络效应。AI 大模型跟互联网完全不一样。它不像互联网那样靠 " 连接 " 人再卖广告，AI 的商业模式更偏向直接交付服务的收费模式。比如，AI 直接给你编程代码、剪好视频、匹配好人才，交付的是最终结果。这种直给服务的模式从第一天、第一个用户开始就能产生收益，AI 的盈利模式天然靠前。因此，行业的形态更可能是百花齐放，垂直领域各有巨头。对标时间窗口，AI 现在像 2000 年左右的互联网早期。基础模型能力已相当成熟，但这只是开始。随着模型能力提升，未来应用层还会覆盖更多工种和场景。就像移动互联网是对 PC 互联网的载体升级引发爆发一样，AI 应用层现在也站在爆发前夜。需要注意的是，AI 的普及速度很快，微信用户数过亿用了 1 年多的时间，而 ChatGPT 用了两个月的时间，DeepSeek App 则是两周。相应地 AI 应用的起飞速度也会比互联网快得多。陈小燕：你们平时用哪些 AI 应用工具？偏向哪些领域？黄生：国内外的 AI 工具我都试过。主要偏向辅助研究，把 AI 当智能搜索引擎，比谷歌、百度更便捷，能对话、持续更新。比如做文献梳理，AI 能快速整理海量研究，提炼结论；写英文文章时，AI 帮我润色语言，作为非母语者，AI 的表达更优美，学术严谨性不变。生活教育类应用几乎没怎么用，目前还是以搜索和研究功能为主。王啸：人类工作核心是获取和处理信息、做判断，AI 在信息搜集和整理上帮了大忙。比如查专有名词、市场趋势，AI 能快速梳理知识，比传统搜索高效。但判断和推演还得靠自己，AI 主要是加速前期信息处理。真正面向生活的 AI 应用还很少，当前大模型聚焦基础能力，应用层还在发展期。未来期待更多互动式、个性化应用出现在娱乐、教育和医疗板块。比如根据喜好推荐内容或生成视频。目前教育领域有些低龄儿童的 AI 陪伴产品，但智能度有限，学习类应用还在探索。医疗查询倒是有潜力，知识储备丰富。AI 行业会不会重蹈互联网泡沫？陈小燕：作为市场投资人，你们如何看待 AI 行业的投资泡沫？会不会重蹈互联网的覆辙？黄生：AI 行业可能存在一定泡沫，但这与互联网泡沫不同，而且可能是推动技术进步的必要 " 泡沫 "。不过，泡沫可分两类：资产泡沫和技术泡沫。资产泡沫，如国内一线城市房地产，房价与年收入比或租金回报周期极高，需几十年年薪或百年租金回本，由流动性过剩驱动——资金多、标的少，价格被推高。这种泡沫因需求下降（如人口减少）或流动性退潮易破裂，带来巨大损失，是负面泡沫。AI 的 " 技术泡沫 " 则不同。尽管估值高、投资大，但技术投资是动态的，能推动边界扩展，提升人类认知和生产力。例如，AI 技术进步可大幅提高效率，只要 AI 技术向善，这种泡沫能创造价值，驱动创新，是行业发展所需的正向力量。没有这种 " 泡沫 " 带来的乐观情绪和资金投入，技术进步会受阻。以英伟达为例，尽管有盈利支撑，其市净率高达 47 倍，市盈率超 50 倍，远超互联网泡沫时期思科的 16 倍，也高于谷歌、微软、亚马逊的 8~12 倍。2024 年全球 AI 融资超 1000 亿美元，资金热潮也让人联想到互联网泡沫时期的狂热。但技术泡沫应被允许在一定程度存在，创新需要风险资本支持，容忍失败。王啸：我们在一级市场，本质是为未来买单，为梦想投资，不是简单看 " 泡沫 "。AI 行业的估值溢价反映了大规模结构性机会，代表超前投入和对未来的想象空间。我更愿意把 AI 的高估值看成 " 梦想 "，而不是负面的 " 泡沫 "。泡沫意味着百分百会破裂，梦想哪怕只有 1~2% 能实现，也能创造巨大价值。VC 就是为有技术支撑、有社会价值的梦想买单，哪怕 90% 以上的投资可能打水漂，那 1% 成功的项目能推动社会进步，带来巨大回报。我们的任务是筛选掉纯讲故事的，找出能实现大梦想、创造普遍价值的项目，支持他们走得更远。AI 的估值高不是互联网泡沫的重演，而是技术驱动的梦想投资，关键是理性区分真创新和空故事。陈小燕：AI 投资的泡沫就像啤酒泡沫。一杯好喝的啤酒，20~30% 的泡沫很正常，增添风味，但前提是杯子里得有啤酒（技术实体）。如果杯子空着，热钱涌入，泡沫占 80%，那就是 " 黑店 " 开的劣质酒，没价值。适当的泡沫对有科技梦想的公司是好事。那你们怎么区分真创新和空故事？当你们投一个 AI 项目的时候，最看重什么？王啸：评估一个 AI 项目时，最核心的是看它是否找到了一个真正有价值的应用场景。好的 AI 项目必须聚焦在某个具体领域，并且这个场景要能形成闭环，让数据可以不断自我强化。比如一开始系统可能只能完成 70% 的工作，但随着数据积累和算法优化，它能逐渐提升到 90% 甚至更高。项目不仅要有扎实的技术能力，还要对行业有深刻理解，才能真正让 " 数据飞轮 " 转起来。如果我们拒绝一个 AI 项目，通常有两个原因：一是创业者讲的故事太小，缺乏想象力；另一种更常见的是故事讲得太大，但团队完全没有相应的能力支撑。愿景和能力之间必须要有合理的连接，哪怕路径不是 100% 清晰，至少逻辑上要能自洽。举个例子，我们投了一家用 AI 改造猎头行业的公司。传统猎头的工作本质上是两边沟通——既要了解企业需求，又要评估候选人，这个过程其实很适合 AI 来优化。这家公司的两位创始人，一位是资深猎头，有行业资源和客户基础；另一位是微软研究院出来的技术专家，擅长大模型应用。这样的组合既能保证对招聘场景的深刻理解，又有能力搭建 AI 系统。更重要的是，每次匹配都会产生新数据，让系统越用越聪明。过去猎头打电话的信息不会留存，而 AI 能把这些交互数据结构化，创造出全新的竞争壁垒。从市场规模看，中国招聘是个千亿级市场，AI 可以先服务高端岗位，再逐步渗透，这样的项目就完全符合我们对好 AI 项目的定义——明确的场景、可闭环的数据、匹配的团队。当下 AI 和具身智能市场的投资逻辑陈