獨家對話Fusion Fund張璐：矽谷下半年AI投資風向

2025年07月10日14:50:20 財經 8978

fusion fund 創始合伙人張璐

ai領域的投資風向已悄然轉變。

遙望大洋彼岸的ai創新聖地矽谷，正上演著「雙線並行」的熱鬧戲碼：一邊是openai、google、x.ai、meta 等科技巨頭持續加碼基礎模型研發，投入上千億美元，追求更強大的通用能力；另一邊是以效率、落地為導向的小模型、垂類模型在醫療、金融等高價值場景中低成本、加速落地，成為行業關注的新焦點。

或許不是ai發展得太快，而是我們站得太近。

北京時間2025年5月20日，微軟在 open agentic web 大會上，明確提出「智能體是互聯網的新基建」，並一口氣發布 50 多項新品；5月21日，谷歌在 i/o 2025 開發者大會上同樣重申了 agent 作為ai「從被動工具向主動代理」轉變的核心意義；而作為底層晶元平台的英偉達，則用 blackwell ultra 重塑了ai計算的邏輯。

這些動態清晰透露出新風向：ai之戰，正從「百模大戰」邁向智能體（ai agent）的新一輪平台級革新。

「這算是行業內的共識，ai agent 是繼 pc 和互聯網之後的下一代通用平台，將開啟真正意義上的『人機協同』新時代。」矽谷投資人張璐回應創投家時如此表示。

在這一背景下，創投家特別對話矽谷知名投資人、fusion fund 創始合伙人、斯坦福大學客座講師張璐，共同探討《下半年矽谷ai創新與創投的最新趨勢與機會》。

以矽谷ai市場為鏡鑒，初創企業還有多少機會？哪些垂直領域仍具潛力？投資人又該如何判斷ai 價值鏈的長期走向？

以下為創投家與張璐的對話全文，略有刪減：

越垂直越有機會

創投家：今年上半年，矽谷在ai領域的動態十分活躍。您長期關注矽谷投資，能否為我們總結一下上半年的投資觀察？

張璐：今年上半年，陸續傳來不少振奮人心的消息，既包括初創企業在ai方向的探索與突破，也涵蓋了大型科技公司持續不斷的產品發布。整體來看，當前正處於一個ai驅動創新全面爆發的階段，產業熱度持續高漲。

與前幾年相比，今年的討論重點更多聚焦於agent應用層的實際落地，以及傳統行業與人工智慧的創新融合，這也展示出人工智慧技術在未來市場中的巨大潛力。

以科技和it行業為例，其總體市場量級大約佔美國gdp的9%。但本輪人工智慧浪潮的影響遠不止於科技行業，它正在迅速擴展至擁有海量高質量數據的傳統行業，例如服務、醫療、金融保險等。這些行業與人工智慧的結合空間廣闊，預計將整體被ai驅動影響的市場規模從原先的9%擴大至gdp的50%-60%，如此龐大的潛在市場為從業者帶來了前所未有的機遇。

早在兩三年前，我在與投資人和創業者的交流中就提到，許多機會實際掌握在大公司手中，因為他們掌握高質量的數據，c端與b端的市場容量本就存在差異，大企業如salesforce、微軟等擁有強大的生態體系和平台優勢。然而，一些垂直細分領域如金融保險、物流、醫療等，反而為初創企業提供了更多切入點，推動其在模型層到應用層之間進行更專註、更深入的創新探索。

同時，許多大型科技公司也在積極建設ai生態系統，目的是讓初創企業能夠更順利地在其平台上實現技術和產品創新。

我非常看好開源生態未來的發展。其實在一兩年前我就提到過，開源社區的快速迭代對整個創新生態具有極大的推動作用，不僅降低了創新成本，還加速了靈活小模型的交互和互動。

回顧今年上半年，人工智慧領域的投資呈現出一個鮮明趨勢：大量ai應用企業開始回歸商業本質。所謂商業本質，就是聚焦於收入增長、產業協同，以及如何與客戶和所服務的行業實現高效、快速的共同進化。

做得好的企業，在人員規模基本不變的前提下，實現了年收入20至40倍的高速增長，這得益於其將ai自動化能力深度整合進企業內部流程，這類案例並非個例。

作為早期投資機構，我們能夠明顯感受到人工智慧在應用層已被市場快速接納，並進入加速發展階段。新技術正在真正展現其產業融合能力，並對各行各業產生指數級的推動效應。

當前ai最令人振奮的地方，已不再是估值的高低，而是真正落地與價值實現的能力。

創投家：可以理解為 ai 正在重構產業嗎？

張璐：我更傾向於將ai 的作用稱為「賦能」。

我常用一個比喻來幫助大家理解ai 對產業的影響，它類似於當年電腦在各行業的普及過程。最初，會使用電腦是一項技能優勢，後來則變成了每個人都必須掌握的基礎能力。電腦也曾在很多行業中替代部分人力，重塑了工作流程。當前人工智慧的發展，與當年電腦所帶來的變革非常相似。

這個比喻或許並不完全精準，但有助於大家更深入地理解如何應用ai、如何看待 ai，以及如何為 ai 的全面融入做好準備。

以科技行業為例，微軟、谷歌、meta 等大型科技公司近年來不斷裁員。但這些裁員並非源於經營不善，而是企業將更多資源集中於核心研發團隊，開發出更多 ai 工具，從而實現三倍、五倍，甚至更高的產出效率，降低了對大量人力的依賴。

salesforce 的創始人 marc benioff（馬克·貝尼奧夫）也公開表示，今年他們不進行新的人員招聘。這背後的原因，是他們推出了面向企業客戶的 einstein gpt 模型，能夠在不擴充人力的前提下，將產出提升兩到三倍以上。

他曾提出一個觀點，我深表認同：未來的ceo 或領導者管理者，所管理的將不僅僅是人類勞動力，還必須包括「數字勞動力」，而數字勞動力背後的驅動力正是人工智慧。這一變化對眾多產業的基礎架構進行了重構，ai並不一定會取代所有的人力，但勢必會重新塑造工作流程。

對於具備領導力或高質量產出的員工而言，ai能夠進一步放大他們的能力，為他們的產出提供強大的輔助支持，從而實現成倍的增長。而對於產出較低、重複性高的崗位，ai 可能成為更具成本效益的替代方案。

這正是人工智慧對產業重構和公司架構輔助的雙重影響，在科技行業尤為顯著。

創投家：您剛才提到在細分領域，如金融保險、物流、醫療行業，對於創業者而言更有機會，可以展開說說嗎？

張璐：在醫療、金融保險以及物流供應鏈等領域，人工智慧已展現出廣泛的應用潛力。

在醫療行業，人工智慧目前主要發揮「輔助」與「賦能」的作用。該領域天然擁有海量且高質量的數據資源，為模型訓練與行業落地提供了有利條件。相比數據總量，數據質量在提升模型性能和行業適配性方面更為關鍵。

當前，行業正逐步從通用大語言模型（llm）轉向更加輕量、高效、易於邊緣部署的垂直小模型。這類模型能夠更好地滿足醫療行業對隱私保護、低延遲響應及高可靠性的嚴苛要求，尤其是在診斷與治療等高風險場景中，容錯率必須接近為零。構建專屬、高質量的數據倉庫是提升模型精度的關鍵路徑。

同時，人工智慧的引入正在顯著降低醫療創新的研發與應用成本。我們投資的一家細胞治療企業，就開發了一個高度垂直的人工智慧小模型，專註於該治療方向的ai輔助應用。另一家則聚焦於dna測序數據，構建專屬分析模型。它們的共通之處在於，依託高質量數據支撐，藉助ai實現了快速的產品迭代與精準的行業落地。

在金融行業，我們投資了一家專註於用人工智慧自動化「商業票據」（commercial paper issuance, 簡稱 cp）的初創公司。該公司利用強化學習等傳統 ai 方法，實現了商業票據發行流程的全自動化。團隊僅有 7 人，卻已簽下多家世界 500 強客戶，單筆訂單處理金額達數十億美元。儘管收費比例低，但由於交易規模龐大，公司的年營收已達數千萬美元級別，且整體融資需求極小。

這類應用的特點在於：流程標準化、重複性強、數據量大，是ai 實現效率提升和成本優化的理想場景。儘管金融行業監管嚴格、結構複雜，但每個細分流程中都蘊藏著大量適合ai 介入的數據整合與自動化機會。

在物流、供應鏈與製造行業，ai 正與機器人系統深度融合，工業場景中，機器人通常以非人形的形式存在，例如機械臂、自動搬運設備等，逐步形成更智能化的工業作業體系。

最後談到太空科技。這是我個人非常看好的方向之一，也是近年來重點布局的領域。從某種程度上講，太空科技與製造業或工業自動化有相似之處，關鍵在於如何選擇合適的「邊緣設備」部署 ai。

在太空場景中，這些「邊緣設備」便是衛星。每顆小型衛星都可以承載 ai 模型，成為太空中的智能節點，在這一生態中，我們可在基礎設施層、模型層、應用層全面部署人工智慧。更重要的是，太空採集的數據質量極高，具備廣泛的潛在應用價值，這一領域雖然仍屬新興，但其與ai 的融合發展正在加速，未來前景廣闊。

找到key player

創投家：「投ai的方式其實是投一個生態系統，找到生態的key player（重要玩家），來驅動ai的應用，並非只投ai的應用。」這個觀點非常有趣，您能具體展開說說嗎？

張璐：ai 應用只是表層，真正支撐其發展的是背後一整套複雜的生態系統，從基礎設施、模型、架構到數據層，生態整合得好，最終體現就是成本低、效率高。

所以，我認為在評估一個ai 項目時，不能只看應用本身是否「做得好」，還要去深入分析其背後的生態架構是否具備整合能力。舉個例子，google 自研 tpu晶元，就是為了填補其生態系統在計算層的空白，實現從晶元到應用的全棧整合，以此降低系統級成本。如果企業在生態每一層都依賴外部供應商，就很難優化整體的成本結構。

進一步說，「生態」還意味著你要關注整條價值鏈中，誰是關鍵的參與者（key player），誰掌握著數據入口，誰擁有模型優化的能力，誰能實現技術和場景的高效對接。

模型訓練本身就是一個高度複雜的系統工程，不只是「喂數據」，更是一個持續反饋、優化、迭代的過程。這些看似「底層」的關鍵能力，才是應用層面是否能成功落地的決定性因素。

因此，我們做投資時，通常會反覆拆解這些問題：哪些角色對這個ai 應用至關重要？我們能否把這些關鍵要素整合進自己的體系中？是否能構建自己的數據資源和數據結構體系？最終是否能優化整體應用效果並顯著降低運營成本？

最後，我還想補充一個正在形成的新生態現象：當前很多科技企業可以大致分為兩類。一類是真正具備強大創新能力的科技公司；另一類是相對「傳統」的科技公司，它們擁有強大的客戶資源和渠道體系，但技術創新能力相對弱，這類公司現在普遍願意與初創企業進行「聯合銷售」合作。

所以在當下這個階段，「生態」所涵蓋的不再僅是技術、數據、模型和應用這些基礎要素，還包括新的合作機制、新型渠道夥伴，以及聯合創新的路徑，這些關鍵參與者（key players）對一家 ai 創業公司的成功與否往往起著決定性作用。

我建議創業者在啟動ai 項目時，不妨從「生態思維」出發：不僅要關注自身在做什麼，更應思考，誰是我生態體系中的「關鍵變數」？我是否真正構建了一整套降本增效、契合行業需求的解決方案？

這正是我們在投資、觀察和陪伴 ai 創業過程中長期堅持的核心邏輯。

創投家：您還投了賈揚青那個項目（lepton ai），他算您說的key player嗎？

張璐：當然算。他們團隊正是在人工智慧基礎設施方向上進行創新，尤其是在gpu 優化層面表現突出。這家公司僅完成第一輪融資，便實現了快速的收入增長，而資金消耗卻極為有限。

換句話說，他們的收入增長速度甚至超過了融資資金的消耗速度，這在初創企業中是極為罕見的現象。

賈揚青本人以及其團隊在開源生態中的貢獻也非常顯著。他們不僅打造產品，還積极參与整個開源生態的建設。因此，從生態視角來看，他們在開源社區的影響力使其成為生態系統中非常關鍵的「生態構建者」，也是我所說的 key player 的典型代表。

創投家：為什麼你們總能找到key player ？

張璐：我們每個季度都會發布一至兩份深入的行業研究報告，許多內容在fusion fund官網均可公開獲取。近期發布的包括《人工智慧醫療2.0》《physical ai》《ai 基礎設施》《ai金融科技》和《太空科技》等，當前我們也在籌備開源生態相關報告。這些報告通常需要兩到三個月的調研周期，核心目的是釐清「信號與噪音」的邊界，識別行業生態中的關鍵玩家（key players）包括數據方、資本方、戰略合作方等。

我們的調研依託多年積累的產業網路。例如，我們建立了一個由45位世界500強企業 cto（首席技術官）組成的 cxo 網路。同時，我們還建立了技術專家網路，成員來自 openai、deepmind 等前沿機構，還涵蓋 nasa 等機構的 ai 負責人。

此外，我們還與62 位連續創業成功者組成了「超級創始人」網路。許多成員與我在早期創業階段就有深度合作，因此當他們開啟新項目時，往往第一時間會與我們溝通，這讓我們能夠在最早期參與最有潛力的創新。

我們還自主開發了一款名為 ada 的 ai 分析師，從 2018 年開始，協助我們分析數據、篩選信息，大幅提升了團隊工作效率。

正是依託這套產業網路與技術工具，我們才能高效識別早期的潛力企業，並在深厚的產業認知基礎上，精準找到值得支持的優秀創業者。

連續創業者的「春天」

創投家：ai的出現，對於創業者來說，是提高了創業門檻，還是降低了創業門檻呢？

張璐：可以從兩個角度來看待這個問題。

從快速創新以及快速進行產品發布的角度來看，ai 絕對是降低了創業門檻。在美國，有些小型企業的創始人自身編程能力並不強，但憑藉ai 編程工具，能夠迅速搭建各類應用，並上線開展商業化運作。

從另一方面來講，由於整個產業的迭代速度更快，大規模創新的門檻降低，直接導致市場競爭愈發激烈。在這樣的環境下，有的公司可能只能維持在現金流的層面，要在行業中佔領更大的市場份額，並成長為百億乃至千億級別的公司，相較於以往難度確實有所增加。

創新型企業主要分為兩種：一種是發展良好，成為現金流公司，持續產生可觀收入。這類公司雖然經營穩健，但並不一定能夠實現規模的大幅擴張。另一種則是vc（風險投資）可投的企業，投資人進入後，與企業共同成長，助力其迅速發展為百億乃至千億級別的行業巨頭。

創投家：矽谷的ai 創業者畫像是什麼樣？

張璐：矽谷最顯著的特點之一，在於其創新生態的高度多樣性。

以一組數據為例：目前矽谷本地居民中約有40% 至 50% 是第一代移民，這些人並非在美國本土出生和成長，而是來這邊讀書、工作，後來選擇在這裡創業，尤其是獨角獸企業中，有超過60% 的創始人均為第一代移民。

從我們觀察到的幾個比較有意思的現象。在ai 基礎設施層與應用層的創業團隊中，創業者呈現出更為年輕化的趨勢；同時，具備行業經驗的連續創業者數量持續上升並在垂直領域的ai應用方向具有更多優勢。

回顧我們在2015 年至 2018 年期間的投資案例，當時約有 50% 至 60% 的創業者是首次創業者，另外 40% 左右是連續創業者；但在過去這三四年里，我們發現這個比例已經發生了明顯變化，現在我們投的公司中，大概有60% 到 70% 的創始人都是連續成功的創業者。

創投家：ai創業的核心競爭力或者成功的關鍵要素是什麼？

張璐：當前人工智慧領域的競爭已不再單純是模型的較量，而是數據和成本的競爭。數據的重要性體現在兩方面：數據數量和數據的高質量。

如果一家初創企業能夠獲取或構建專屬的、高質量的數據資產，那麼在模型開發和實際應用中將具備顯著優勢。數據質量越高，所需模型的規模就可能越小，從而有效降低算力消耗與能耗成本，進一步提升整體利潤率。

就像剛才提到的商業票據（cp）的公司，創始人擁有深厚的金融行業背景，因此能夠獲取關鍵的行業內部數據，並基於這些數據訓練模型，這種能力往往更容易出現在具備行業經驗或連續創業經歷的創始人身上。

此外，成本控制能力也是ai創業成功的關鍵因素之一。只有在實現成本可控的前提下，人工智慧才能實現大規模、廣範圍的產業落地。那些具備成本優化思維的創業者，往往能更快速地推動產品落地，促成規模化應用，並最終創造可觀的經濟效益。

合格的創業者

創投家：矽谷的vc 如何看待當前炙手可熱的具身智能和低空經濟領域？

張璐：我認為，任何科技趨勢在興起之初都會經歷「信號與噪音比」偏低的階段，即噪音遠多於真實信號。這是因為賽道足夠大，自然吸引大量資本和創業者進入，進而通過市場機制完成一輪自然的淘汰和篩選，這是無法跳過的階段。

無論是對創業者還是投資人，關鍵都在於，你是否真正看清了自己在這個趨勢中最看重的創新方向。我們過去十年從不追逐熱點，但許多我們早期進入的賽道，最終都發展為主流領域，這歸功於我們一直堅持的方法論和系統性的生態分析能力。

在決定是否進入某一領域前，我們會先構建完整的生態圖譜，識別其中的key players、技術基礎、應用落地條件、成本結構等，並進行深入研究與拆解。如果最終判斷機會足夠大，即便市場尚未熱，我們也會堅定推進。

幾乎所有熱點都是如此誕生的，創業者和資本在某一時間點集中湧入，估值迅速抬升，而類似的周期性熱潮每隔兩三年就會出現一次。真正能穿越周期、存活下來的，是那些一開始就擁有清晰願景和長期認知的企業。

前幾天我還給團隊分享了一個視頻，是2000 年穀歌聯合創始人 larry page 的一次採訪。他當時描述的公司願景，是構建一個「可以回答任何問題的搜索引擎」本質就是今天的 ai。這聽起來是不是與現在的大模型產品極為相似？而 transformer 模型的誕生，正是源於谷歌研究院。

再看馬斯克，儘管如今的公眾評價褒貶不一，但他對spacex 和特斯拉的願景早在二十年前就已確立，並始終在執行。這說明，真正能穿越周期的創業者，往往在公司尚小、方向尚未被市場看好時，就已經確立了堅定的長期目標。

當然，願景不一定在五年或十年內實現，公司也必須具備商業模式和生存能力。但這份清晰、長期的願景，是支持企業持續前行的根本動力。larry page 曾說，這樣的願景，在「智慧層面」激發了他最深的驅動力，這才是偉大創業真正的起點。

創投家：您剛才提到，願景清晰是創業者的重要特質，那麼如果拋開賽道，僅從「人」出發，您認為什麼樣的創業者更容易成功？

張璐：我認為，首先是長期願景的清晰與堅定，這不僅是戰略判斷，更是驅動企業持續前行的核心動力。

其次是極強的韌性。創業註定艱難，意味著高壓、高強度的投入，犧牲社交與生活品質，甚至在項目未見起色時質疑自我，沒有韌性很難走得遠。我有時會故意「嚇唬」初創者，你是否準備好了面對持續的孤獨與挑戰？

第三是卓越的領導力。一位真正有領導力的創始人，必須具備吸引頂尖人才「追隨」的能力，尤其在矽谷這樣人才競爭極度激烈的環境中。

這些是我最看重的三項核心素質：願景清晰、韌性十足、領導力強。創業註定是一條孤獨的路，但也正因如此，更顯勇氣與價值。

被併購只是一種選擇

創投家：我注意到，您舉的很多案例都是to b 的，您本人也更關注 to b 方向。請問，這是因為矽谷的 to b 生態上更具優勢嗎？

張璐：過去十年，我們幾乎沒有投過to c 項目，一直專註於to b 領域。

其中一個很重要的原因正是矽谷確實擁有全球最成熟、最優質的to b 創業生態。這不僅體現在創業者的質量上，更體現在整個商業生態的成熟度上。比如，矽谷的企業客戶普遍具備良好的付費意識，願意為高質量的技術和服務買單。

此外，矽谷的大型企業通常有清晰的預算劃分，尤其是cto 所掌控的預算，常用於前沿技術探索、外部戰略合作以及潛在的技術收購，這對初創企業而言至關重要。

例如，他們可能同時投資十家初創公司，也許其中有五家第二年不再合作，但他們願意承擔這樣的試錯成本。更重要的是，他們願意給予反饋和共創迭代，比如你給他一個價值700 萬美金的小訂單，一旦驗證效果良好，他們可以幫助你推廣至全公司。這種成熟的商業生態，讓初創企業可以專註於技術與產品創新，而不必在早期階段將大量精力耗費於生存驗證與客戶教育上。

第二個原因則與人工智慧時代的特性密切相關。ai 的出現不僅降低了初創企業的創業門檻，也增強了大型科技公司的能力。比如，google、meta、microsoft、salesforce 等巨頭在技術推進速度上的表現遠超市場預期。

在這樣的背景下，如果初創企業要在to c 市場做產品，勢必要直接面對這些科技巨頭的競爭。更現實的是，c 端高質量用戶數據主要掌握在 google、meta等大公司手中，初創企業在數據資源上天然處於劣勢。我並不是說to c 完全沒有機會，而是想指出，在 c 端市場，初創企業所面臨的不確定性與競爭壓力更大。

一些投資人甚至提出這樣一種觀點，在c 端市場，可能 90% 的機會最終會被大公司佔據，留給初創企業的僅有 10%；而在 b 端市場，儘管大公司可能佔據一半市場份額，但剩下的 50% 依然留給初創企業巨大空間。根本原因在於數據的掌握與分布。

另外，to b 市場的退出路徑更加多元，除了ipo，收併購的比例極高。我個人也曾以創業者身份經歷被收購的退出過程，這類收購往往完成速度快，頻次高，金額覆蓋範圍廣，從幾千萬美元到數十億美元不等。據統計，市場上約80%的企業退出是通過收併購實現的，這也為我們作為早期投資機構提供了更加多樣化、高效的退出選項。

因此，綜合生態環境、商業邏輯以及自身經驗出發，認為我們更適合to b 領域的投資，外加上我本人也是從 to b 創業起步。

我一直堅信，真正推動技術在產業中實現大規模落地與變革的，是 b 端場景中的創新。

創投家：大型科技公司也會投資初創企業，這會與我們這種早期投資機構形成競爭關係？

張璐：實際不會，反而是非常緊密的合作關係。

比如，今年3月在英偉達的年會上，英偉達正式發布了dgx cloud 項目，該項目僅邀請了五家風險投資機構作為核心合作方，包括a16z、insight partner以及fusion fund等，合作方的被投企業若在申請後入選該項目，即可獲得一定數量的免費算力優先支持及配套資源。實際上，大型科技公司希望通過與頂尖 vc 的合作，提前鎖定優質創新企業，為其提供各類支持。

近年來，我們與這些大廠的合作愈發密切，甚至部分企業已被英偉達收購。這類科技公司一方面通過戰略合作構建生態體系，另一方面也在加快收併購進程、整合創新技術資源，因為競爭對手同樣實力強勁，必須迅速擴展和強化自身能力。

正如你所說的，投資初創公司既是構建生態系統，也是通過收購將優秀企業納入麾下的有效方式。

創投家：矽谷的創業者對併購的心態會更開放？

張璐：確實如此，但不僅是開放心態的問題，更在於矽谷的併購條款本身非常優厚，這裡的科技公司願意以較高估值進行戰略收購。

大家可能普遍認為收購是按收入倍數來定價，比如五倍、七倍或十倍，但戰略收購方的邏輯並非如此。

以我們投資的一家初創公司為例，年收入不到1000萬美元，但正與一家大型上市公司洽談收購事宜。對方之所以有意收購，是因為該公司的解決方案與其產品生態高度契合，一旦整合可快速推動銷售，為上市公司帶來每年數十億美元的新增收入。在此背景下，出資5億美元收購一家成立僅三年，年收入尚不足千萬的公司，完全可以接受。

從創業者角度來看，這樣的報價已是極具吸引力的高倍數估值，但有些連續創業者仍覺得估值偏低，期望更高的價格。這充分說明，技術創新本身的溢價非常顯著。

因此，併購對許多創業者而言，並非「不得已」的選擇，而是在不同發展階段中，通過優化持股比例和退出方式實現價值的過程；對投資人來說，同樣是實現高倍數回報的理想路徑。

實際上，有些公司更適合在更大平台下成為某條產品線，而不一定非要成長為獨立的上市公司。

投得准、退得好

創投家：矽谷被視為創投和創新的起點，那當地投資人是如何看待創新周期以及長期回報的？

張璐：很多人誤以為矽谷的vc 都能接受極長周期的投資，比如50 年，其實並非如此。大多數專業 vc 的基金周期通常是 10 到 15 年，退出節奏通常集中在5 到 10 年之間，這主要取決於基金本身的架構設定。

當然，像美國紅杉資本這類頂尖機構也在嘗試新的運作模式，比如通過「永續基金」長期持有優秀公司的股份，即便公司已上市，也繼續作為重要股東參與其長期發展，但這並不意味著可以無限期地延長退出時間。

不過，相較於其他地區，矽谷的資本確實更具「耐心」。我們基金的出資人中，70% 來自主權基金、大學捐贈基金、養老金、保險公司等長期資金來源，他們支持我們專註早期投資，更看重長期回報。這種資金結構，決定了我們在投資策略上也更傾向於支持早期、具備顛覆性潛力的創新項目。

我們之所以專註於早期投資，不僅因為我們擅長技術搭建和商業化初期的推進，更因為我們對早期項目的退出周期與風險有理性判斷。

我們通常會將項目分為兩類：一類是長期技術驅動、商業化周期較長的深度創新項目，每個基金周期內只投資少數幾家；另一類則是商業化路徑清晰、短期內可實現收入高速增長的項目，佔比相對更高。這種組合可以幫助我們在兼顧長期價值的同時，維持整體回報的穩定性。

從更宏觀的角度看，矽谷的創新周期常體現為三步循環：基礎技術創新、技術應用創新、商業模式創新。

以過去互聯網發展為例，正是底層技術的演進推動了大批新商業模式的誕生。而如今的人工智慧浪潮，本質上是更大範圍產業數字化進程的一部分。ai 並不是孤立的技術，它與低成本感測器、數據採集網路等基礎設施息息相關，只有當底層設施完善，才能採集到高質量數據，進而推動 ai 模型訓練和演算法迭代，最終實現商業落地。

這就是矽谷創新的本質：基礎技術推動應用突破，應用反過來帶動商業模式重構，形成一個不斷循環的生態系統。