AI成为一级市场的唯一“顶流”已是无须过多做证明的事实。
在门票全部售罄的2025世界人工智能大会的一场论坛上，蓝驰创投合伙人曹巍、美团龙珠合伙人王新宇、云启资本合伙人陈昱均在对谈中均表示，所在机构上半年出手投资的项目中，有超过70%属于广义的AI领域，其中蓝驰创投的比例更是高达95%。
AI的资本热度在持续朝顶峰攀升，但一些变化也在潮水之下逐渐现形。
作为较早布局具身智能与AI应用赛道的机构，祥峰投资曾投资宇树科技、Flowith、纬钛科技等项目。而在逛遍了WAIC几乎所有有Demo的展台后，祥峰投资合伙人刘天然告诉《科创板日报》，AI产业逻辑正发生从技术指标竞赛到商业落地验证的转向。
“可以明显感觉到，场景智能现在已经站上了C位。企业不再炫耀千亿级模型，转而用任务完成率和成本公式说话。”
在硬件端，尤其以具身智能这一风口领域为代表，不仅投资人评估项目的核心标准变得务实，就连项目也开始主动“算账”。刘天然告诉，在WAIC这一得以集中高效地与项目交流的场合中，她注意到项目方不仅着眼于展示技术，还越来越多地向客户展示产品的任务完成率、稳定性，“企业甚至会主动给潜在客户提供ROI量化模型。相应地，在成本可控前提下的任务完成率成为了项目投资价值评估的硬标准。”
刘天然还以一上线网购平台的机器人产品作为反面例子，“产品本身确实是过硬的，但好过5万元的价格可能就会劝退一批客户，这时就需要刚需、高频的场景作支撑。总体而言，如果硬件产品成本没法降下来，具身智能产业的商业化路径将异常艰难。”她进一步表示，寻求并定义能撬动用户支付意愿的“[*]手级场景”，是弥补成本短板、打开市场的核心策略。
值得一提的是，刘天然的这一观察，与银河通用机器人创始人及CTO王鹤，在近日的一场公开对谈中所强调的内容恰好相吻合。
在回答主持人有关如何看待投资人朱啸虎相关具身智能的观点时，王鹤略显激动地表示，在最开始见相关投资人时也曾遭受质疑，“对方直接表示，家里就没有3万元以上的电器，因此人形机器人绝对不可能。”但紧接着王鹤表示，当前，银河通用大几十万一台、“比车都贵”的机器人已经在批量售卖，而原因正是：算得出来ROI。
“机器人可以干满一天24小时，请人可能还涉及休假、流动等，客户采购我们的机器人，三年下来的成本是75万元，他会觉得我帮他省下了一系列的人力雇佣成本，我这边也保证了出货，客户甚至是催着我们的产能可以迅速铺开的。”
在这场公开对谈中，王鹤多次提到了ROI、成本等与具身智能商业化落地相关的关键问题。谈及为什么选择零售场景作为当前的落地首选场景，王鹤表示，“药品的单盒价格高，同时消费者在药店的单次购买货品不多、消费者进店频率也相对较低，所以整体而言使用人形机器人做无人药店的ROI算得过来，并且对机器人的要求也相对较低。所以并非我们选择了医药领域，而是跟康养相关的场景还是相对更高价值的。”
AI应用软件端，投资人也在更多地谈及成本问题。
例如，智能体尤其是编程类项目当前热度很高，估值持续攀升，但已有投资人开始关注其底层的成本结构与盈利模型。“这些方向现在估值炒得很高，但问题是，大模型公司最后很大概率会亲自下场，而且它们有巨大的优势。”陈昱表示，这类应用一旦上量，token成本极高，“哪怕这类项目做再多缓存优化，调用成本也很难与基模公司抗衡。”他直言，一些明星项目当前亦是处于毛利率为负的状态，后续或进一步面临盈利挑战。
曹巍更是坦言，国内的AI软件应用当前还处在艰难起步的阶段，“我们也尝试过投一些AI应用项目，但坦率讲，在国内市场上活得都挺苦。”他表示，其中部分项目“最终以接近成本价的价格卖出，已实现退出”，甚至有创始人已经转向大厂，从事战略与投资方向的工作。
而随着AI产业和投资逻辑的变化，机构们的投资策略也在做相应调整。多数投资人都表示，在对AI应用软件项目的评判上，正在从单纯看技术和团队，转向更关注能否构建商业壁垒。
刘天然对表示，当前在具身智能赛道的投资，祥峰更关注三大核心要素：一是否聚焦于可量化价值的刚需场景，解决真实痛点；第二，硬件成本结构是否健康，有无明确的规模化降本路径；第三，商业化闭环是否成立，能否快速获取付费用户并验证单位经济模型。
而这意味着对刚需场景的高度聚焦，以及支撑具身智能机器人在这些场景落地的上游核心环节，包括高精度传感器、专用执行器、仿生机构等核心部件的国产化替代。
在C端应用领域，刘天然认为，判断一个场景是否值得投入，关键要看是否具备“高频使用、成本可控、体验完整”这三项基本条件；目前团队尤为关注那些可被验证的落地场景，例如具备临床认证的康复设备，其本身的医疗属性就能够支撑合理的溢价；又如面向家庭场景的效率工具或带来新奇体验的消费品，判断其商业可持续性的重要指标，是用户是否愿意长期为订阅服务付费。
聚焦垂直场景逐步形成数据壁垒的重要性被多个投资人提及，一个普遍共识是，应用所处的场景若能持续生成具备专属性和高价值的数据，并反哺模型能力、形成正向反馈机制，便有望建立起稳固的“数据飞轮”。一旦这一体系运行稳定，即便基座大模型能力不断演进，垂直场景中的独立应用仍具备可持续的发展空间，在商业化层面也形成闭环。
也就是说，在资本评估体系趋于理性化的当下，项目是否具备可验证的降本路径、清晰的商业模型与持续的数据优势，正成为AI创业者必须跨越的新门槛。
