每日金融 2026-04-29
每日金融 2026-04-29
最近，一篇由美国投资人撰写的“中国 AI 考察笔记”在中文科技投资圈被反复转发。文章作者是José Maria Macedo，中文世界通常把他标注为Delphi Ventures的创始合伙人、Delphi Labs的联合创始人。这篇文章先发在X上，随后被多家科技及综合媒体转译和报道，迅速成为一篇带有强烈色彩的观察文本。Macedo在中国花费两周密集调研中国AI生态，见了大量创始人、VC 和上市公司CEO。他在文中坦承，在调研之前是看多中国AI生态，预期能看到世界级的AI人才以远低于美国估值在做事，但在走的时候看法变了。一方面变得更加具体，硬件比预想得更强，软件比预想得更弱；另一方面，关于中国创始人的一些观察也让他感到意外，这一点也戳中了中国科技圈最深的痛楚。
为了能更加客观地评估他对中国AI生态的这些观察，这里介绍一下Delphi Ventures是什么样VC机构。按 Delphi官方披露，真正提供投资顾问服务的是Delphi Ventures，而Delphi Labs更像Delphi体系中的孵化与加速平台。而Delphi Ventures把自己定义为一家“主题驱动，高信念”（thesis-driven, high-conviction）的机构，强调“投资处于技术最前沿的非凡创始人”，其投资组合页面写明已支持接近200支团队。
这就决定了它观察中国AI的视角，与传统美元基金并不完全一样。Delphi Labs对外强调，自己做加速时会成为创始团队的“延伸”，不只看融资故事，而是深入产品、机制、路线、执行与组织协同之中，并强调其经验来自Delphi Ventures的投资、Delphi Digital的研究和Labs团队的实操。换句话说，Macedo看中国AI，不是从“谁更适合上市”“谁更会讲故事”出发，而是从“谁在真正创造新原语、新范式、新组织能力”出发。这种视角天然更偏爱非共识创始人、系统级壁垒与长期复利，对模板化履历、短期估值热和追随式创新同时也更为敏感。
在这个框架下，Macedo中国行得出的第一个核心判断是，中国AI的确定性更偏硬件，而不是软件。在他的叙述里，真正让他感到震撼的不是某个模型发布会，也不是某个消费级AI应用，而是深圳及大湾区的“硬件地下世界”，成熟供应链、高密度制造网络、对西方先进产品的拆解与逆向，以及由此带来的极短迭代周期。ABMedia的报道也指出，他此行最被修正的判断之一，就是对中国硬件能力的上调。
为什么是硬件？因为硬件的本质，不只是“发明一个新点子”，更是把产品、制造、采购、交付、调试、渠道和成本压缩成一个系统工程。中国在这方面的优势，从来不只是单个企业，而是产业网络本身。Macedo文中援引创业者的说法称，超过70%的硬件供应来自粤港澳大湾区，接近100%来自中国本土。他还用Bambu Lab这类案例来说明，中国硬件创业的扩张速度，常常超出西方投资人的直觉。同时他还认为，中国硬件的真正护城河，不是单个团队更聪明，而是整张产业网络把“试错成本”压到了极低。
与之相对，Macedo对中国软件，尤其是大模型和应用层创业，明显更谨慎。这里不能简单理解成“西方VC对中国软件天然有偏见”。更深层的背景，是美国头部AI公司的竞争重心正在变化，Google最新企业AI策略已明确把Gemini Enterprise和agents作为商业化核心，强调治理、合规和企业级平台能力。换句话说，美国前沿公司已经从“做模型”走向“做平台、做分发、做企业工作流”。在这种格局下，任何落在“基础模型可原生覆盖能力范围”内的消费型或轻应用型公司，都会更快面临平台吞噬风险。Macedo对中国软件团队“更像在做version 2，而不是 version 0→1”的批评，放在这个背景里看，其实是在说中国软件创业的许多机会窗口，正在被全球基础模型平台急剧压缩。
这种压力，最近还被“蒸馏”问题进一步放大。OpenAI今年2月向美国国会提交备忘录，称DeepSeek通过规避限制和程序化方式获取美国模型输出用于蒸馏；Anthropic随后公开指控DeepSeek、Moonshot和 MiniMax通过约2.4万个虚假账户与Claude进行了超过1600万次交互，并明确把这类行为上升到国家安全和出口管制层面。与此同时，Frontier Model Forum在2月发布《Adversarial Distillation》简报，明确把“授权蒸馏”和“对抗性蒸馏”区分开来，开始推动行业形成共同规范。也就是说，Macedo所说的“中国闭源模型追赶空间受限”，并不只是来自GPU和资本开支差距，也来自美国头部实验室正把“反蒸馏”从单点防御变成行业协作问题。
如果说硬件之强与软件之弱，是这篇文章最容易被看到的结论，那么更值得认真对待的，其实是对中国AI创新机制的判断。他认为，中国AI创新的真正问题未必出在人才不够多、钱不够多，而在于人才与资本的筛选方式，正在系统性地奖励“高水平标准答案”，而不是“危险的原创性”。Macedo 反复强调，他在中国见到的大量创业者，工作极其认真刻苦，全天候高强度工作；履历极其漂亮，顶尖高校、字节或大疆背景、论文、专利，但他想找的那种“独立思考、叛逆、执念、会提出完全新问题”的人，相对稀少。更进一步，他把这个现象归因于教育和风投共同塑造的创业者供给。一方面教育系统擅长训练强执行者，另一方面中国VC机构又进一步偏爱履历、背书和大厂标签，于是市场会批量产出“优秀但相似”的创业者。
这正是本文最尖锐，也最值得中国投资圈反思的地方。当教育体系偏好标准化优秀，资本体系再用pedigree去筛选创业者，最终就会形成一个强化“非创新”的机制。它不是没有创新，而是更擅长做已知问题的优化、已验证路径的加速、成功范式的复制，而不太擅长容纳那些最初看起来“不正常”“不合群”“不够像成功候选人”的创始人。硬件赛道之所以还能跑出结果，是因为它更依赖供应链密度、工程迭代和组织执行，这些恰好是标准化强者的优势；但模型、原生软件和新范式产品，往往更依赖非共识直觉、长期孤独和早期不被理解的方向判断。换言之，中国AI生态当下真正缺的也许不是聪明人，而是允许“异类”长期存在的机制。
因此，估值问题就不只是“贵不贵”的问题，而是“资本在奖励什么”的问题。Macedo在文中对中国 AI 软件与人形机器人赛道的估值泡沫表达了警惕。一方面，许多早期AI项目在尚未形成产品和收入前就获得很高估值；另一方面，后期市场又把少数稀缺标的推到难以由基本面解释的水平。他写道，哪怕不把文中每一个估值数字当作精确结论，它至少说明了一种倾向，当资本越来越偏好“可复制的成功叙事”“稀缺标签”和“排队上市的想象空间”，就更容易把资金推向符合模板的项目，而不是那些真正可能改变范式、但早期看上去最不确定的团队。这也是为什么他把“真正的alpha”定义在那些不符合本地VC审美的创始人身上。
当然，Macedo的文章并不是无可置疑的中国 AI 真相，它更像一份带着鲜明投资偏好的田野笔记，有些数据未经完整验证，有些判断高度依赖他所接触到的样本，有些结论也明显带有crypto-native、frontier-tech投资人的个人审美。但正因为如此，它反而揭示了一个更有价值的问题，从美国前沿投资人的眼里，中国AI最令人敬畏的不是模型榜单，而是硬件系统能力；最令人担忧的不是人才质量，而是创新选择机制。这可能比单纯争论“中国到底强不强”更值得引起关注。
最终分析结论
美国风险投资人对中国AI生态的观察，真正有价值之处并不在于“看多硬件、看空软件”这一表层判断，而在于它揭示了中国AI创新体系中的深层结构性问题。在中国 AI 进入下一阶段竞争之前，资本究竟是在为确定性买单，还是在为原创性留空间？如果未来中国 AI 生态要穿越“阶段性修复”而进入“战略性创新”，最重要的也许不是再复制一个热门赛道，而是让那些今天看起来不够标准但真正有原创冲动的人，获得更长时间、更宽容的资本和制度支持。（WW）
