QCon北京「鸿蒙专场」火热来袭!即刻报名,与创新同行~ 了解详情
写点什么

数势科技黎科峰:Agent 接入 DeepSeek,将帮企业打通数据应用最后一公里

黎科峰

  • 2025-03-04
    北京
  • 本文字数:9615 字

    阅读完需:约 32 分钟

数势科技黎科峰:Agent接入DeepSeek,将帮企业打通数据应用最后一公里

本文整理自 InfoQ 策划的 DeepSeek 系列直播第七期节目。在直播中,极客邦科技创始人 &CEO 霍太稳对话数势科技创始人兼 CEO 黎科峰博士,深入探讨了回归技术本身,DeepSeek 到底做对了什么,数势科技在企业经营分析层面如何与 DeepSeek 结合,对于大数据领域有哪些革新,以及在这背后,商业化层面有哪些值得关注的事情。


黎科峰博士认为 DeepSeek 之所以能跑赢大模型“六小龙”和技术大厂达到“国运级”的一个技术热度,主要原因有三点:第一,成本的降低;第二,提出了思维链;第三,开源的技术路线。当然,这并不意味着其它企业不掌握这些策略和技术,而是因为“尾大不掉”,在大厂中提出创新想法遇到的阻力会更大,导致丧失一些机会。对于 DeepSeek 来说,由于体量小、架构更扁平、决策更灵活,因此没有负担。


DeepSeek 爆火之后,AI Agent 市场将迎来大规模爆发,未来 DeepSeek 相当于安卓系统,而 Agent 是上面的系统应用,将面向不同的业务场景百花齐放。聚焦在数据场景价值,数势科技认为 AI Agent 将工具型应用向决策型应用跨越。  


下文为直播部分内容精选,完整直播回放可点击链接查看:https://www.infoq.cn/video/k4FemAdAkLfe8ekZ7g7U

InfoQ:作为一个公司的创始人和 CEO,数势科技有没有和 DeepSeek 做一些相关的事情?有没有带来一些真正的商业回报?


黎科峰: 现在在大家的圈子里面,似乎不提全面接入 DeepSeek,连朋友圈都没法发。但对数势来说,我们在创业初期就定位在“Data+AI”领域,因此也是行业内第一家全面接入并上线应用到客户层面的企业。春节期间,我们的很多小伙伴都没有休息,第一时间推出了商业化版本的 DeepSeek 解决方案,并在节后迅速将其应用到客户的生产环境中,整个过程非常迅速。当然,这也离不开客户的积极配合。


我们原本就支持各种类型的国内外大模型基座,但随着 R1 的推出,其在各方面的效果和部署成本上都表现出色。客户在考虑成本因素的同时,也看到了 R1 的 CoT 推理能力对企业端分析能力的显著提升,这让我们的产品如虎添翼,客户也切实感受到了产品的升级。

InfoQ:有没有哪个用户的真实反馈让你觉得,哇!DeepSeek 对于数势科技的产品来说,就像天上掉下来的大富贵,是一个巨大的惊喜?


黎科峰: 我觉得这种感受其实有不少客户都有。说实话,对于数势科技来说,我们在数据分析、智能分析、AI Agent 领域并不是唯一一家。其实很多拥有基础大模型的大型机构也在做类似的事情。不过,他们的做法通常是基于基座大模型进行 Fine-Tuning,然后做上下一体化的适配,而我们则是直接拥抱最先进的技术大模型。


第一点是速度的优势。我们过往的响应速度非常快,客户使用起来也很便捷。第二点是成本的优势,客户部署 DeepSeek 时,不需要额外的成本。因此,客户对我们快速拥抱新技术的判断力反馈非常好,认为我们第一时间抓住了大家都在积极投入的基座大模型,匹配速度很快,而不是先适配其他基础大模型再迁移到 DeepSeek。


客户还特别提到,他们对比了我们老版和新版的产品体验,发现整体提升非常显著,简直是一个“Aha moment”。他们惊讶地发现,不仅在 DeepSeek APP 上可以体验到这些强大的功能,在他们企业内部与业务和数据相关的场景中,也能获得完全一致的体验。这同样给他们带来了惊喜。

InfoQ:从 DeepSeek 技术本身来看,它为什么会达到“国运级”的一个技术热度?为什么脱颖而出的不是备受瞩目的大模型“六小龙”而是 DeepSeek?


黎科峰: 春节期间,我在国外遇到出租车司机都在使用 DeepSeek,他们还和我聊起这个话题,赞叹道:“哇,这个东西太牛了,中国人真棒!”在国内,连餐馆的服务员都装了 DeepSeek,甚至我回国后发现,我家的一些老人也装了,他们甚至不知道 DeepSeek 怎么用中文发音。所以,这不仅仅是技术人的追捧,已经引起了国内外“普通人”的广泛讨论,已经破圈了。


但回归到技术本身,DeepSeek 到底做对了什么?我认为最重要的有三点。第一是成本的降低。 它通过 Mixture of Experts(MoE)、Multi-Head Latent Attention(MLA),以及底层的 Reinforcement Learning(RL)方式,不再使用 Supervised Fine-Tuning(SFT),甚至绕过了一些 CUDA,采用 PTX 汇编来提升能力。从算法层面到工程层面,DeepSeek 都极大地降低了训练和推理的成本,可以说是降低 1/10 甚至更多。


第二点是提出了思维链(Chain of Thought,COT)。过去我们使用大模型时,只是给它一个问题,它给出一个答案,但这个答案是否可信呢?就像我们聊天一样,你得把你的想法告诉我,你的答案才可信。DeepSeek 把这种思维链透明化了,拉近了与人的信任感。人们更容易接受这样的答案,即使有问题,也知道问题出在哪里。下次输入时,可以调整步骤,让答案更准确。思维链是一个非常大的突破,它非常拟人化。


第三点是 DeepSeek 是开源的。我自己以前也做过很多开源项目,也贡献过一些开源内容。在开源圈子里,一般认为开源的性能能达到闭源的 80%,闭源就没前途了。但 DeepSeek 开源后,在很多项目中表现得比全世界最好的闭源产品还要出色。这实现了 AI 平权,让每个人都能低成本地构建优秀的 AI 大模型,而不再依赖于 10 万张显卡以上的算力,也不再局限于某些国家。DeepSeek 为全世界带来了平等、低成本的 AI 构建方式,其意义非常重大。

InfoQ:为什么大模型“六小龙”或者百度、阿里、腾讯这些大厂没尝试过这一思路?这看起来似乎并不是一个复杂的事情。


黎科峰: 我自己也是从大厂出来创业的,所以对这个问题感触很深。我觉得在每一波技术浪潮来临时,往往是一些年轻且富有创新精神的公司能够率先突破,这可能是 因为惯性思维起到了关键作用。无论团队有多大,如果思维被过去的惯性束缚,就会觉得“就应该这样做”,比如只能沿着 OpenAI 的路径去相信 Scaling law。这种思维模式很难转变,大家可能都认为这是唯一正确的道路。


其实 DeepSeek 的成功并不是因为它的团队有多聪明,或者资源有多丰富,而是因为它找到了另一条路径。这种突破恰恰是年轻创新团队才有的勇气,而且 团队要足够小,因为“尾大不掉”,小团队试错负担小,所以更容易去尝试。DeepSeek 并不是一开始就有清晰的规划,而是在解决问题的过程中逐渐发现方向。就像刚才提到的思维链,DeepSeek 最初也没有想到它会如此出色,但他们在训练过程中加入了一个目标——“think”。原本只有“answer”,现在加上“think”,让模型去思考,而不管它具体想什么。没想到在大量训练后,尤其是在 R1 版本之后,思维链的 block 产生了许多化学反应。


这条路径其实别人也能想到,但 在大厂里提出这样创新的想法,阻力会非常大,因为总会有人质疑其中可能存在的问题。而对于创业公司来说,决策更灵活。他们没有负担,组织架构也更扁平化,团队可以自主申请资源去尝试。DeepSeek 一定经历过很多失败,而成功只是很多失败中的一个。但在大厂里,大家往往过于注重安全性、合理性,反而会丧失一些机会。

InfoQ:刚才也提到 DeepSeek 成功的一个因素是开源。2 月 14 日百度来了个 180 度大转弯宣布下一代文心大模型将开源,对此你怎么看?


黎科峰: 我觉得在不同时间有不同的说法是合理的。因为 DeepSeek 本身就是整个行业中的一个“黑天鹅”事件。在之前大家讨论的“六小龙”时,DeepSeek 并没有被提及。所以,现在用事后诸葛亮的眼光去评判过去的事情,我觉得会有很多“打脸”的时刻,这是很正常的。我确实也要替李彦宏说一句,在那个时间段,大家确实都没有这样的想法,可能 99% 的人都认为:第一,开源没什么太大的商业价值;第二,只有大厂才能玩得起大模型。这在当时是一种正常的共识。


DeepSeek 的创新是反共识的, 正是因为像 DeepSeek 这样的团队打破了这种共识,它才显得如此优秀。所以,用过去的共识去嘲讽现在的创新,我觉得是不公平的。往后看,现在大家在讨论 DeepSeek 会不会像移动时代的安卓和 iOS 那样并存。DeepSeek 是开源的,可能类似于安卓的地位,很多手机厂商和家电设备厂商都基于安卓开发各种移动产品。而 iOS 是闭源的,也有大量拥护者,比如苹果用户会同时使用 Mac、iPhone 等产品。


我个人认为开源和闭源未来还是会并存的,各有优势。开源的优势在于生态,更多人参与贡献,会在很多领域百花齐放。而闭源的优势在于软硬件一体化设计,在某些场景的产品体验上,可能比分层设计、由不同厂商设计的产品更有优势。就像 iPhone,它的硬件配置可能无法与国内安卓主流旗舰机相比,安卓已经到 16G 内存,而 iPhone 还在 8G,但它的体验并不落后。

InfoQ:开源和商业化似乎存在一定的矛盾。一方面,企业投入了大量的资源去做研究,取得了成果,但开源意味着要让很多人免费使用,这可能无意中培养了所谓的竞争对手。所以开源未来是否会成为商业化的主流趋势?或者在商业化过程中,我们该如何平衡开源和商业化的关系?


黎科峰: 我其实觉得,很多人提到 DeepSeek 时,会因为它母公司做量化而认为其有现金流支撑,它的技术也能反哺主业。所以,DeepSeek 是一个独特现象。很难想象一家创业公司一开始就做开源,还不去融资。因此,DeepSeek 的成功既有必然性也有偶然性,它的可复制性门槛很高,不是一个普遍现象。比如在前几年,如果创业者对投资人说要做一个开源项目,投资人可能马上会问:你怎么商业化?怎么闭环?一旦陷入这种短期的商业化思维,就很难做出优秀的产品。


在中国市场,其实也有一些优秀的开源项目,比如百度内部孵化并开源的数据库 Doris 接受度很高。但这些项目其实都没有很好地回答商业化的问题。虽然在圈子里大家觉得中国很多开源项目都不错,但真正实现大规模商业化,比如达到 1 亿用户以上的,还屈指可数。


DeepSeek 的出现让我们发现了一个重要现象:在中国,我们过去更多是跟随式地谈商业化,而现在,我们也需要有理想的人真正去实现技术创新和底层技术突破。这可能会让投资逻辑发生一些变化。现在,很多基金也开始关注这一领域,包括 DeepSeek 传出可能引入外部资本的消息,虽然尚未确认。当你真正有能力做出举世瞩目的行业领先创新时,我认为在很长一段时间内其实不需要考虑商业化,因为这对人类、对中国来说太重要了。我相信有很多投资人是有情怀的,会支持这样的项目。在短期内,如果一个团队急于给出一个商业闭环的答案,我认为它可能会失去一些初衷。我反而鼓励真正有耐心的资本,比如国家资本或长期资本,去孵化和培育这些项目,不考虑短期商业化,而是专注于实现技术的巨大突破。

InfoQ:现在如果想基于开源去做创业,有没有一些关键的方法或策略,能让他们快速形成有影响力的产品,或者打造出更好的品牌,甚至获得投资人的认可?


黎科峰: 我觉得真正能做伟大事情的可能只有两类人。第一类是像马斯克这样,自己有一桶金,或者像梁文锋这样,愿意为了自己的理想去投入。他们不需要看投资人脸色,也不需要做太多妥协。第二类则是那些有幸遇到专注于这类企业的投资机构的人。我认为未来投资界也会在这方面有所区分,DeepSeek 就是一个很好的例子。它让我们反思,我们过去对创业公司的要求是否合理。


对于消费赛道的公司,确实需要关注快速的利润指标,因为利润和营收的 ROI 是它们的核心竞争力。但技术创新公司的核心能力是什么?我认为,投资和资本市场在评估一家公司时,不能只看财务指标,而应该关注它能改变多少、它的领先性以及它未来可能对行业产生的影响力。 这些才是关键指标。


作为一家创业公司,首先要清晰定位自己在做什么。你是要做快速商业化的、以效率取胜的创业,还是追求商业化落地、规模化发展,亦或是专注于原创性、基础性的技术投资?在中国,过去这个赛道一直很复杂,大家总是把其他赛道的要求搬到这个赛道上。这导致很多企业很难发展,比如一堆科学家的企业,却要求他们天天赚钱,这其实是很难的。我认为,未来这个赛道会越来越宽广,会有更多理解这类创业的资本和创业者加入。他们会明确在这个赛道中,企业的核心竞争力是什么。我相信在中国也会像美国一样,出现像华尔街那样对一家企业持续投资十年、二十年,最终做出改变世界的事情。


第二点是创业者要有明确的目标。如果做技术创业,从一开始就不要缺乏野心。你的目标不够高、不够远大,就很难激励投资人和团队,也不会有更大的进步空间。就像 DeepSeek 一开始的目标就是要做 AGI,要做突破、超越美国,这才吸引了大量人才。


第三点是企业文化的构建。从 DeepSeek 来看,梁文锋强调团队成员要有热爱和好奇心,他倾向于招聘刚毕业的博士生和硕士生,而不是只依赖有经验的人。这并不是说有经验的人不重要,而是因为团队文化对于技术创新至关重要。不需要一群因循守旧、只会跟随、没有勇气创新的人。如果创始人本身对新事物、新技术不感兴趣,不相信未来需要去挑战,只盯着眼前的收益,那么这样的企业很难成功。


所以,如果要给创业者建议,我觉得就是这三点:定义好赛道,明确目标,构建积极向上的团队文化

InfoQ:你把数势科技定位成是一个什么样的公司?


黎科峰: 这其实跟我自己的背景有关。我一直专注于应用创新。博士毕业后,我在韩国三星工作,当时是利用安卓系统开发 Galaxy 手机。我是第一代 Galaxy 手机操作系统开发团队的一员,虽然我没有发明安卓,但我利用它做出了全球最好的手机。回国后,在百度,我也是移动云领域的早期参与者,打造了大量基于移动化和云计算的产品。后来,在平安和京东,我更多地专注于应用落地,但始终秉持的理念是:选择最先进的技术作为“武器”,用它去赢得更多胜利


对于数势科技来说,也是如此。我们会拥抱最先进的模型,但我们的目标是将这些模型与我们的核心行业——金融、零售、消费和高端制造,探索它们如何在数据分析和业务分析的场景中发挥作用。我们希望通过 DeepSeek 实现一个宏大的目标:技术平权,实现数据普惠化,让不懂技术的人也能轻松分析数据,用数据做智能决策。DeepSeek 的出现确实让我们看到了实现这一目标的可能性。


我们不会像 DeepSeek 那样没有明确的商业化目标,但我们清楚这是一个长期事业。我们需要更多客户参与进来,才能持续迭代我们的产品。目前,我们在几个核心赛道的市场占有率已经很高,这正是因为我们有大量客户在使用我们的产品,从而形成了产品迭代的飞轮,让产品越来越好,形成了正向的发展趋势。

InfoQ:基于 DeepSeek,它到底能给我们带来哪些商业化的机遇。现在很多企业都在基于 DeepSeek 构建自己的生态,包括上下游都在进行适配。那么数势科技在这方面会做些什么动作?


黎科峰: 我觉得可以从几个方面来看。首先是硬件生态。现在国内芯片厂商特别开心,因为 DeepSeek 的出现让他们发现,不需要那么高的硬件性能也能支持这一技术。DeepSeek 的推出对中国算力行业来说是一次狂欢,因为此前其他大参数模型对硬件的要求过高,而国内 GPU 与 A100、H800 等仍有差距。DeepSeek 降低了硬件门槛,使得国内现有硬件足以支持,这是一层硬件生态的变化。


第二层是云服务。由于硬件性能不足,企业需要将 DeepSeek 上云。可以看到,无论是创业型公司还是腾讯云、阿里云、百度云、华为云等大厂云服务都在积极支持 DeepSeek,将其集成到自身服务中。云厂商接入 DeepSeek 后,流量迅速增加,不得不持续扩容。而这对创业公司 DeepSeek 来说流量巨大,超出了他们的预期和承载能力,大部分时间处于不可用状态,云厂商因此成为第二波受益者。


第三层是应用端,尤其是 AI Agent。AI Agent 在移动互联网时代相当于 APP,而 iOS 和安卓分别对应现在的闭源(如 OpenAI)和开源(如 DeepSeek、千问)两种模式。这三层发展都非常迅速。


AI Agent 开发者则发现,他们只需关注 DeepSeek,无需适配多个大模型,大大减轻了工作量。过去,开发者需要在模型上做大量补丁和优化,而现在只需关注业务逻辑、AI Agent 设计、多 Agent 架构,以及如何结合私有数据和知识库。这将是一波巨大的收益。目前,客户在低成本获取 DeepSeek 后,将目光转向应用开发。我认为,芯片厂商和云厂商的狂欢只是开始,接下来将迎来一个持续十年的周期——AI Agent 时代。就像移动互联网出现后,才有了微信、抖音、滴滴、美团等应用的兴起,我相信这只是 AI 发展的开端。当 DeepSeek 的问题得到解决后,会有大量 C 端和 B 端的优秀 AI Agent 产品涌现,真正实现 AI 走进每个人的生活。

InfoQ:您觉得在商业化落地方面,哪些业务场景最有商业价值?


黎科峰: 十几年前移动互联网刚兴起的时候。当时在 3W 咖啡、车库,甚至图书馆那边,大家都在讨论“我要做什么才能成功”,大家都在考虑 DAU 能达到多少。这跟这个问题很像——DeepSeek 这么火,我们做什么才能成功呢?


但从今年回过头来看,移动互联网时代真正赢的是谁?其实并不是那些没有专业能力、没有行业 know-how 的人。真正赢的是那些已经在行业内扎根的人。 比如京东,刘强东原本就是做卖货的,他享受了移动互联网的红利,成就了京东。微信也是如此,它原本就是做社交的,利用移动互联网的能力,发展出了微信。美团和做内容的公司也是如此。核心在于,我们不需要去关注“我们做什么”,而应该关注“你的深耕业务 +DeepSeek”


你要清楚自己擅长什么,能解决什么问题,团队有什么独特基因,然后换一个武器——DeepSeek——来实现它。所以,无论是 B 端还是 C 端,所有业务的产品形态都可能被重构,但你的行业领域知识、行业 Know-how 和行业壁垒会越发重要。


过去是“互联网 +”,因为互联网的成本很高,只有互联网企业才能做大数据和 AI。但现在,AI 的成本如此之低,连小朋友都会用 DeepSeek,我家孩子写作业都用得很熟练,prompt 写得特别好。当成本不再是问题时,是你自己的领域知识变得重要了。


所以,不要轻易跨界去做不熟悉的领域。未来一定是教育 AI、医疗 AI、金融 AI、财务 AI、差旅 AI、法律 AI……关键是你先要懂这个行业,再结合 DeepSeek。我觉得每个行业都有机会,因为中国市场足够大。只要你在自己的领域第一时间拥抱大模型,一定会有很大的发展空间。而不是看到别人的机会好,就想去变成那样,因为很难赚到认知之外的钱


创业不应该盲目追逐热点,而应该聚焦于自己的核心领域:我们的服务客户痛点是什么?我们的壁垒在哪里?其实,像我们这种心态很容易变化,看到 DeepSeek 的成功,就难免会想“为什么不是我们”。但我自己从不这样想,因为我清楚自己擅长什么。我在数据领域深耕多年,对金融、零售和消费行业非常了解,也曾在头部企业工作过。我清楚这些行业的痛点,知道如何解决这些问题,而这个市场已经足够大。我们每天都在思考如何利用大模型结合数据分析和业务分析,让企业里 99% 的非技术人员能够零成本地接触复杂数据,分析业务,实现数据驱动业务增长的目标。我认为其他创业者也应该这样想,专注于自己真正擅长和熟悉的领域。

InfoQ:现在各个大厂都在争相接入 DeepSeek,这是在蹭热度,还是有其他考量?


黎科峰: 不可否认,很多企业有“害怕错过”的心态,担心被时代抛弃,这是人之常情。就像人们常说的,大家都在努力跟上时代的步伐。现在有很多企业声称接入了 DeepSeek,但如果仔细看代码,就会发现真正接入的并不多。 因为从技术角度看,要从原来的产品模式转变为接入 DeepSeek 的模式,需要做大量的工作。所以,真正实现产品化接入的企业其实很少,很多只是停留在公关层面。


企业为什么要做这种事呢?一方面,是因为害怕不在聚光灯下。我相信大厂一定会有这种担忧。如果你不做,就像过去安卓出现后,你还坚持只用自己的操作系统一样,可能会被市场抛弃。


另一方面,DeepSeek 确实带来了新的流量。无论是云服务还是 C 端产品,接入 DeepSeek 后,流量都在增长。比如微信这样的运营公司,如果没有这种敏锐度,那就是失职。所以,企业接入 DeepSeek 是一种正常的选择。


第三个方面,其实更多是企业内部的思考。当有了 DeepSeek,企业自己的大模型该怎么办?这才是一个灵魂拷问。前面提到的接入,无论是出于情绪表达还是流量考虑,其实都相对容易判断和执行。因为大模型团队和产品团队通常是分开的,有了这么好的流量机会,产品团队当然希望利用起来。但最关键的问题是,当有了 DeepSeek,企业自己的大模型该如何定位? 我相信现在大厂内部最纠结的就是这个问题,大模型团队的压力也非常大。高层也在思考,是否还要继续投入大模型,但目前还没有看到明确的结论。

InfoQ:现在大家对 AI Agent 都非常关注,但目前基本还停留在 AIGC 阶段。从这个角度来看,有了 DeepSeek 的加持,AI Agent 市场是否会迎来很大的爆发,背后的逻辑是什么呢?


黎科峰:首先,是能力的阶跃。以前,大模型的能力不足,需要打很多补丁来弥补。但很可能半年后,这些补丁的 90% 都会被新的模型升级所覆盖。这意味着我们为大模型能力打补丁的成本其实是极其浪费的。所以,有了 DeepSeek 之后,我们会更少地去为大模型的能力打补丁。


其次,当大模型的成本降低后,会有更多人去部署大模型,甚至在手机上也可以安装。比如,现在的 iPhone 16 Pro Max 完全可以运行一个 1.5B 参数的模型。所以,端侧的大模型部署会越来越普遍。成本降低不仅意味着客户可以部署,消费端的设备也可以运行。这为应用的开发提供了空间,因为有了可以运行的平台。


第三,DeepSeek 的市场占有率正在提高。以前我们需要适配 20 多个大模型,但现在可能只需要专注于一个主流模型。就像过去有 Windows Mobile、诺基亚的 Meego,还有国内手机厂商的 OS,开发者为了适配这些系统非常痛苦。而现在,当一个模型占据主流时,应用端的适配就会变得简单。中国从来都不缺应用端的场景、数据和愿意拥抱新应用的用户。这是中国在 PC 时代和移动互联网时代的传统优势。现在,美国 App Store 前十名中有五个是中国 APP。当基础层的问题被解决后,按照中国创新的土壤和优势,应用端的爆发是必然的,而且已经在发生。


我身边有很多人利用大模型在自己的领域进行创新。比如,我认识几个律师,他们一直想结合 AI,但过去 AI 的能力不足。最近他们利用 DeepSeek,结合自己积累的法律文档、案例库,开发出了满足需求的产品。这就是一个很典型的例子。大家都在积极探索和拥抱新技术,按照这个规律,应用端的爆发是必然的。

InfoQ:所以,DeepSeek 的出现对整个中国的创投环境,你觉得会带来什么样的变化?


黎科峰: 我们确实身处行业前沿,就像“春江水暖鸭先知”。我们在三个方面都有深刻感受。


首先,客户需求正在迅速崛起。现在,几乎所有金融企业的董事长都在积极推动 DeepSeek 的落地。当教育成本如此之低,且大家已经达成共识并朝着同一个方向努力时,商业化的空间无疑是巨大的。市场正在爆发,需求也在爆发,因为大家都在积极建设并推动落地。对我们这样的创业公司来说,有需求就意味着有机会。投资人也会关注这种信号,判断需求端是否真的爆发。如果只有资金端的活跃而需求端没有变化,那么这种热度可能是短暂的。所以在谈投资之前,我更关注市场需求端的变化。现在,需求端的投入正在普遍增长,且范围越来越广。预算不再只是投向硬件,比如购买显卡,而是更多地投入到有价值的落地场景中。不仅是头部客户,腰部甚至更广泛的客户群体也开始使用相关技术,市场的深度和广度都在扩大。


第二点,投资人也在做出判断。他们并不是因为一个概念就盲目跟风,而是基于对未来趋势的判断,他们相信未来将是 AI Agent 的时代,会出现 AI Agent 时代的抖音、微信、美团等巨头。所以现在大家都在寻找那些可能成为行业巨头的团队。资本市场的信心正在回归,因为他们看到了几个关键变量:一是对未来趋势的清晰判断;二是需求端的爆发。


第三点,其实现在国家也在强调“耐心资本”。过去,人民币基金往往要求反投,估值不能降低,投资失败可能被视为失职。但现在,大家开始意识到需要更多耐心来支持创新。为什么杭州能诞生这么多优秀的创新企业?其实是因为杭州政府和资本早在几年前就开始布局。不能只看结果,而要看到背后的长期投入。现在,我也在和一些地方政府领导交流,大家都在学习杭州的经验。我相信未来会形成更宽松的投资环境,更多地支持和服务创业团队,创新是需要经历失败的。目前来看,这种趋势正在变好。

2025-03-04 11:335739

评论

发布
暂无评论
发现更多内容

如何做好技术选型

xcbeyond

Java 架构 最佳实践 技术选型

简谈Python3关键字nonlocal使用场景

wangkx

Python Python基础

推荐一个替代印象笔记,onenote的神奇笔记!

申屠鹏会

笔记

非科班面试阿里,拼多多,银行都问了些啥?

我是程序员小贱

队列高级应用之设计一个高性能线程池

架构师修行之路

分布式 线程池 架构设计 架构师

HashMap、LinkedHashMap 学习笔记

Geek_vidmje

翻译: Effective Go (5)

申屠鹏会

翻译 Go 语言

领域驱动设计(DDD)实践之路(二):事件驱动与CQRS

vivo互联网技术

DDD 架构设计 CQRS

Rust竟然没有异常处理?

袁承兴

rust 异常 java异常处理

IT人的身体健康

隆隆

IT人健康

第10周总结+作业

林毋梦

敏捷软件工程实践书籍

Bob Jiang

敏捷 敏捷书籍 工程实践

你可能不知道的iPython使用技巧

wangkx

Python

二叉查找树-增删查和针对重复数据的 Java 实现

多选参数

数据结构 算法 二叉树 数据结构与算法

如何理解Python中的可迭代对象、迭代器和生成器

wangkx

Python python升级

重点发布!河北行动计划发布!聚焦7大重点任务发展大数据产业

CECBC

区块链技术 落地应用 政策

浅谈技术管理者的角色认知与自我管理

Geek_37rwst

团队管理 管理 自我管理 技术管理

浅析Python中的列表和元组

wangkx

Python python升级

神经网络激活函数为什么要使用非线性函数?

wangkx

神经网络 激活函数

简谈Python3中的闭包

wangkx

Python Python基础

我们未曾见过的世界,大到无法想象

wangkx

ios 极客 apple 苹果 软件推荐

告诉你如何同时拿到腾讯两个部门的offer?

我是程序员小贱

简述Python中变量作用域的规则

wangkx

Python python升级 Python基础

SpringBoot系列(四):SpringBoot特性_外部化配置(properties文件配置)

xcbeyond

Java 微服务 springboot

架构师训练营 - 第 7 周学习总结

红了哟

一口气搞懂「文件系统」,就靠这 20 张图了

小林coding

操作系统 计算机基础 文件管理 文件存储 文件系统

憋再@官方了,头像加国旗,10行代码给你安排!

wangkx

Python python升级

架构优化与业务迭代,你会怎么选?

架构精进之路

软件开发

大厂需要你的简历有这些内容!

我是程序员小贱

图解JavaScript——代码实现(new、Object.create()、Object.assign()、flat()等十四种代码原理实现不香吗?)

执鸢者

Java 大前端 代码原理

Kafka和RocketMQ底层存储之那些你不知道的事

yes

kafka RocketMQ 零拷贝 Mmap

数势科技黎科峰:Agent接入DeepSeek,将帮企业打通数据应用最后一公里_大数据_InfoQ精选文章