文 / 张任奇，基石资本执行董事
根据2026年4月22日至23日基石资本峰会分享整理，文章仅代表作者本人观点
“
4月22至23日，由基石资本主办的“2026中国深圳企业家峰会”在深圳成功举行。本次峰会以“开启AI纪元，共赴星际征程”为主题，聚焦人工智能、算力、自动驾驶、具身智能、商业航天、量子科技、可控核聚变等关键前沿领域，基石资本执行董事张任奇发表了“AGI浪潮下的一级市场投资机会”的主题演讲。以下为详细内容。
各位嘉宾，大家早上好。
ChatGPT从2022年11月推出以来，人工智能行业已经历经三年多的快速发展。在这三年多的时间里，我们能够清晰地观察到，AI领域在技术迭代、产品落地以及商业化探索等各个层面，都保持着极快的变化速度，几乎每天都有新的进展、新的现象和新的趋势出现。
今天，我主要结合近期在行业内观察到的一系列真实产业动态，基于这些一线实践与现象，向各位汇报我们在AGI浪潮下对一级市场投资方向的核心判断，以及我们对应的投资布局思路与底层逻辑。
01
超大规模模型能力持续突破，
Scaling Law尚未收敛
首先我想谈的是超大规模模型的能力突破问题。当前行业内主流大模型参数规模普遍集中在1万亿到2万亿之间，属于常规大规模参数模型范畴，而Anthropic推出的10万亿参数模型，已经正式进入超大规模模型的级别。这一量级直接将模型的智能水平推升到了一个全新的台阶，在多项核心能力上都超出了市场与行业的普遍预期。正是因为具备这种高强度的能力，该模型在网络安全、代码编写等领域表现尤为突出，甚至可以突破现有安全规则体系下所定义的各类沙箱环境，展现出极强的适应性与突破能力。
也正是出于对模型能力强度的审慎考量，Anthropic目前并没有将该模型完全对外开放，仅仅定向面向12家机构开展测试工作，同时团队仍在持续推进模型安全能力的研究与优化，确保模型在可控、安全的前提下发挥价值。我之所以首先提到这件事情，核心是想向各位说明一个关键判断：大模型的能力依然在持续向上突破，行业内常说的Scaling Law（缩放定律），目前还远远没有达到完全收敛的水平，模型性能的提升空间依然非常广阔，技术的边界仍在不断拓展，远未到触及天花板的阶段。
02
Agent技能封装全面普及，
成为行业核心热点
第二个我观察到的重要行业现象，是Agent（智能体）技能封装正在成为全行业高度关注的热点。从产业界来看，我了解到，美团内部已经出台明确的强制要求，全体员工无论属于前台业务岗位，还是后台核心支撑岗位，都必须把自己的核心工作技能进行标准化封装，形成可以在内部共享的技能插件，发布到内部平台供所有员工使用。插件的被使用次数会作为技能价值的核心衡量标准，使用频次越高，代表员工的技能实用性、通用性越强，并且这项工作会直接纳入员工的正式考核体系，行业内部的推进力度与竞争氛围十分明显。
目前这一趋势已经从美团快速延伸到网易等大型互联网企业，大量的中小型企业也开始全面跟进、全面落地相关工作。对于行业内的广大从业者而言，这一趋势释放出一个非常明确的信号，那就是人工智能在部分岗位上的替代效应正在从预期逐步走向现实。互联网上也流传着很多相关的讨论与案例，比如可以把企业管理者的管理风格、日常说话方式、核心决策逻辑完整地封装成插件，未来由人工智能替代完成部分管理执行工作；还有初创企业的创始人提到，未来日常信用卡还款等生活类事务，都可以由人工智能自动完成，无需人工干预。从这些现象中我们可以明确判断，Agent技能封装，已经成为当前整个人工智能行业最受关注、最具落地价值的核心方向之一。
03
Harness Engineering成为产业核心，
Coding Agent是关键载体
结合硅谷与国内市场的整体产业动态，我总结出当前行业发展的核心主线。Agent本身并不是一个全新的概念，在过去两年的时间里已经被行业多次提及和探索，但始终没能实现规模化普及，核心瓶颈在于底层模型的能力无法支撑复杂的应用场景。直到OpenAI、Claude 等主流模型的能力实现跨越式成熟，Agent才正式进入产业应用的主流赛道，硅谷也由此提出了Harness Engineering（驾驭工程）这一核心理念，成为整个行业聚焦的重点。Harness Engineering的核心内涵，是实现模型与具体任务、应用环境之间的高效交互、稳定运作和精准控制，而实现这一目标的核心执行单元，就是Coding Agent（编码智能体）。
第一是主智能体与子智能体的协同架构，在一项完整的工作或任务中，需要多个子智能体并行处理不同工作，同时能够对不同的上下文场景进行有效隔离；
第二是分层记忆系统，在常规工作场景中，通常只需要短时记忆就可以解决问题，但在生活服务、情感陪伴等场景中，则需要具备常识记忆能力，这也是当前大量初创企业重点攻克的技术方向；
第三是垂直领域的专业技能，也就是我们前面提到的技能插件体系；
第四是多维度工具调用能力，既包括通信层面的工具调用，也包括各类业务场景下的其他工具调用。
这些细分模块共同构成了完整的Harness Engineering体系。从一级市场投资的视角来看，对于非通用基座模型类的创业企业，产品能力是最核心的判断标准，而产品能力的本质，就是Harness Engineering的构建水平，也就是能否与底层模型高效匹配，将模型的能力最大化释放出来，这也是我们筛选项目、判断企业核心竞争力的重要依据。
04
中国大模型Token调用量领先，
但智力与商业化差距显著
第四个我想重点分析的方向，是大模型Token调用的行业格局，以及国内外模型之间的核心差距。根据2026年4月份的最新行业数据，中国大模型的Token调用量已经远远超过美国的量级，成为全球最活跃的市场之一。其中最核心的原因，是在达到同等能力水平的前提下，中国大模型的价格基本只有美国模型的十分之一，成本优势极为显著，这也直接推动了国内模型调用量的快速增长。
从具体玩家来看，2026年2月、3月行业数据均显示，Kimi、MiniMax、通义千问等国内主流大模型，占据了Token调用量的绝大部分份额，市场渗透率持续提升。但我们必须明确的是，Token调用量的领先，并不代表中国模型在行业中实现了全面领先，具体而言：
第一是模型的智力水平，中国大模型与美国硅谷前沿的闭源模型之间，始终存在持续的差距，需要不断追赶，Google Gemini、GPT系列、Anthropic Claude长期稳居全球模型能力榜单的前三位置，国内模型也在持续迭代追赶，比如Kimi最新发布的2.6版本、DeepSeek的V4版本，都在努力提升智力水平，向头部模型靠拢；
第二是商业化层面的差距更为显著，OpenAI、Anthropic年化收入已经达到两三百亿美金的规模，而国内已经上市的智谱、MiniMax两家企业，年化收入仅仅在一两亿美金左右，差距达到了百倍级别。
这一差距的形成，既与国内商业化生态的成熟度有关，也直接受到模型能力的影响，而这种明确的差距，也为人工智能领域的国产替代提供了清晰的投资逻辑与价值空间，是我们重点关注的投资主线之一。
05
多类型模型次第成熟，
新领域仍具长期投资潜力
第五个关键的行业现象，是多类型模型正在逐步迈入成熟发展阶段。过去几年时间里，有多款主流模型完成了从早期探索、快速成长到逐步成熟的完整过程。其中，大语言模型、图片生成模型、视频生成模型都已经进入到成本逐步下降、用户规模快速增长的成熟阶段。视频生成领域的头部企业年化收入已经达到2亿美金，进入到成熟期的同质化比拼阶段。3D生成模型也在近期迎来了商业化拐点，相关企业的商业化空间全面打开，逐步步入成熟期。
除了上述模型之外，世界模型、具身智能基座模型、医疗垂直领域专用模型等，还没有真正进入到成熟落地的阶段，技术、产品与商业化仍处在探索期。对于一级市场投资而言，这些方向都具备长期跟踪、提前布局的高价值，是未来行业增长的重要动力，也是我们持续保持关注的重点方向。
06
硅谷引领模型新范式，
国内新范式团队逐步涌现
第六个前沿方向，是由硅谷引领的模型新范式创新。当前基于Transformer、MoE（混合专家架构）的模型，在能力上存在明确的上限，难以满足更复杂、更通用的智能需求。因此硅谷大量优秀的创业团队，尤其是行业顶尖人才创办的小而美团队，暂时把商业化放在次要位置，核心聚焦解决上一代模型架构的底层缺陷，探索全新的技术范式。
其中最具代表性的有两家企业。一家是前 OpenAI 联合创始人兼首席科学家Ilya Sutskever（伊利亚・苏茨克维尔）创办的公司Safe Superintelligence，简称 SSI。这家企业在追求模型能力提升的同时，把安全合规放在同等重要的位置，构建了一套完整的新型模型范式架构，企业估值已经超过300亿美金。另一家是Thinking Machines Lab，这家企业专注于模型后训练环节，通过后训练技术进一步提升模型的性能与稳定性，估值已经达到500亿美金。硅谷在新范式领域的创新持续涌现，国内市场一方面在持续追赶主流模型的技术步伐，另一方面也开始涌现出一批聚焦新范式的优质创业团队与核心人才，这也是一级市场需要重点覆盖、提前布局的投资方向。
07
AI应用层与基础设施投资方向明确
第七个核心投资主线，是人工智能应用层所蕴含的巨大潜力。云计算时代的产业结构呈现典型的倒三角形态，应用层诞生了Adobe等一大批高市值的龙头企业，算力层则保持相对稳定的格局。人工智能时代必然会复刻这一产业演进路径，只是在当前阶段，AI产业链的结构呈现倒置状态，属于正三角结构，全行业大约70%的利润都集中在算力环节，以英伟达为代表的算力企业占据了主要收益，应用层企业的市场空间还没有进入爆发期。
但行业共识已经非常明确，人工智能技术会全面重塑传统行业，同时催生大量原生AI应用，覆盖生产、生活、工作的各个场景。下一阶段AI应用层的投资弹性将远超其他环节，是一级市场投资最关键、最具想象空间的布局方向。基于以上判断，我们的投资重点聚焦模型层与应用层两大板块，模型层重点关注世界模型、具身模型、记忆系统、新范式等方向；应用层布局To B Agent基础设施与解决方案、To C社交生活及生产力应用、AI for Science（制药、材料）等领域，同时将具身智能、智能硬件作为独立大赛道重点覆盖。
在AI基础设施层面，英伟达在2026年GTC大会上发布了全新的Vera Rubin架构，为整个行业树立了清晰的发展标杆。该架构构建了完整的AI工厂体系，顶层为七大系统，中层为七大核心芯片，底层由光互联、液冷、HBM等技术提供支撑。AI基础设施投资可围绕计算、存储、网络、辅助硬件四大方向展开，光模块迭代加速、液冷散热、新型能源供给等均存在大量投资机会。
基石资本在人工智能全产业链已经完成了全站式布局。在上一代AI发展周期中，我们在算力层布局了摩尔线程、壁仞科技等企业；模型层布局了商汤、第四范式、思谋科技、MiniMax等企业；应用层累计布局了六七家企业，覆盖具身智能、工业制造、自动驾驶、消费硬件等核心场景。我们构建了庞大的被投企业生态，采用CVC式布局思路，全面覆盖下游链主企业与上游供应链企业。大量被投企业的产业实践，为我们在人工智能领域的投资决策提供了极为宝贵的参考依据。
同时，我们在算力云平台具备独特的资源优势，可以提供算力加资本的综合投资方案，在获取优质热门项目时具备更强的竞争力。我们的投资团队成员大多具备深厚的产业背景，能够实现产业资源与投资能力的高效匹配，更好地服务被投企业与投资布局。
以上就是我的分享，谢谢大家。
