WAIC 觀察：擁擠的共識，巨大的泡沫

作者：小餅，深潮 TechFlow

1.WAIC應該早点舉辦，這樣參觀之後，就可以早点清倉科技了。

有太多的頂點信號：各類side event 幣圈化，高顏值美女雲集，現場產品高度同質化......一個賽道已經從極客的遊戲，變成了大眾的盛宴。

無論一級還是二級市場，當所有人開始相信同一個故事，共識過於集中，風險就開始累積。

因為牛市裡與你並肩的多頭，到了下跌時，都会成為踩踏中的賣方。

多殺多！

2. 大模型沒有真正的護城河

AGI 的地基，依然是 Scaling Law。

模型能力和參數規模、訓練算力、數據質量之間仍然遵循幂律關係。

誰能更便宜地獲得 GPU算力、更高質量的數據、更優秀的研究員，以及更高效地把錢燒出去。

所以，大模型公司的護城河，比很多人想象得更脆弱。

模型能力會不斷收斂，領先優勢會不斷被追趕，價格會不斷下降。

這一波真正持續賺錢的，就是那些向所有模型公司賣水的人，反正大家都在薅幾個大廠的資本支出。

GPU、HBM、高速互聯、數據中心、電力、數據服務......

站在軍備競賽的上游分一杯羹，甚至只是做連接資源的中間商，都是現在最賺錢的生意。

3.Data Bottleneck 是這次大會看到的潛在機會

和一些朋友交流後發現，這一波AI浪潮中賺錢的公司十分低調，壓根不來參展，其中一個方向就是數據。

統一多模態表徵的成敗，本質上取決於高質量多模態訓練數據。經過高質量清洗、準確標註、跨模態對齊、能夠持續迭代的數據資產嚴重短缺。

模型會越來越便宜，GPU 終究會越來越多，真正優質的數據越發稀缺。

多模態數據產業鏈正在成為一個暴利的賺錢賽道。

數據清洗、數據標註、數據合成、垂類數據資產、機器人數據採集......以及那些專門解決跨模態統一表徵、多模態預訓練編碼器的算法公司。

GPU 是一次性資本開支，數據是持續性資本開支。

數據方向目前我分為三類： 第一類是專家數據（ Expert Data）；第二類是 RL Environment / Agent Data。未來訓練 Agent，不再只是收集 question-answer，而是要構造Environment → Task → Trajectory → Reward → Verifier，這可能是未來最大的增量市場之一。

第三類是 Embodied / Robotics Data，這個比 LLM 數據更缺，極其難採集。

4.AI應用困境，幣圈曾經的縮影

現在的AI和過去的Crypto很像，胖協議，L1捕獲絕大多數價值，所以Crypto VC 拼命砸錢投公鏈，應用？狗都不投。

目前，AI也如此。

大模型就是一個POW Layer1，甚至模型即應用。

過去幾年，大部分 AI 應用都在做一件危險的事情：把模型暫時不會的能力包裝成產品。

但模型能力邊界一直在向外擴張。每一次模型升級，都像 L1 把原本屬於應用層的功能直接寫進協議，搜索、Deep Research、Coding、圖片生成、視頻生成、Computer Use、Agent......

如果模型每升級一次，你的產品就少一層價值，那麼你本質上就是 AI 的 Feature，不是 AI Application。

所以，一定要做模型能做，但也很難拿走的東西，想了想，無外乎是數據、Context、Workflow、Permission、Distribution。

AI 應用的護城河，是讓自己成為模型的客戶，而不是模型的競品。

5.具身智能，巨大泡沫

在二樓H4館，看着大量相同供應鏈產出的類似模型的機器人慢悠悠做著類似的動作，再看看各家公司的估值，頭皮發麻，心疼投資人的錢。

具身智能現在的問題，是資本在用"軟件 Scaling Law"給"軟硬件複雜系統"定價。

大模型的奇蹟在於，一家公司訓練出 GPT-5，理論上可以近乎零邊際成本服務全球幾億人，但機器人做不到。

機器人每多服務一個用戶，就要多造一台機器，涉及 BOM、製造、供應鏈、交付、維護、折舊。

AI 的智能可以指數級進步，比如模型升級一次，全球用戶同時變聰明，但物理世界的成本不會指數級下降。

如果智能遵循摩爾定律，那麼具身仍遵循製造業規律，具身智能最終可能是一個巨大的產業，卻未必是一個擁有大模型式利潤率的產業。

另外，為時尚早。

自動駕駛已經是一個高度受約束的具身智能問題，目標明確，行動空間有限，道路規則標準化，還有海量真實數據和成熟的汽車工業體系。即便如此，這個行業燒掉數千億美元，仍然沒有完全解決道路上的一些長尾問題。具身面臨的真實難度是自動駕駛的N倍。

6.皮條客最好的時代

一個殘酷的真相，目前大部分AI創業的公司都不怎麼賺錢，甚至利潤都不如曲曲大女人賣自己的skill。

所以發現一個有意思的事情，很多公司表面是一個業務，仔細一聊，"原來你也是賣Token的呀"，"原來你也是賣算力的呀"，原來大模型公司也倒賣算力賺差價呀。

真正賺錢的就還是皮條客們。

FA、撮合老股、倒 B300、賣 Token、賣數據集、賣算力，甚至賣一個能見到某位創始人的機會......

AI 同時滿足了一個中間商市場繁榮的所有條件：技術變化足夠快，信息差足夠大，資本足夠多，故事足夠性感。

VC 賺的是判斷終局的錢，FA 賺的是判斷共識的錢，不需要需要證明一個趨勢最終是對的。

相反，越是模糊且宏大的敘事，越有 FA 發揮的空間。

比如具身智能、世界模型......這些賽道有一個共同特點：未來敘事足夠大，技術足夠複雜，短期又足夠難以證偽。

大廠在燒錢訓練模型，投資人在賭十年後的 AGI，中間商把錢賺了。

要麼薅大廠的資本支出

要麼薅LP的FOMO支出

7.錢才是一切

AI競賽，還有很長的距離，大家經常問， AI 時代最稀缺的資源是什麼？

很多人會回答：人才、算力、數據......但歸根到底，它們都只有一個名字：錢。

AI 行業最大的競爭優勢，不是技術，而是融資能力。

創業者現在要做的就是不斷融資，哪怕賬戶裡的錢已經夠花，也要融。

真正的戰爭，在未來的行業下行周期。

只要有錢一直活下去，就可以等競爭沒錢後，再低價接收他們的人才、技術和客戶。

二級市場，也是這樣，在可遇見的2-3年時間裡，很可能發生泡沫大崩盤，只要那時有足夠的錢抄底，就戰勝99%的人。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。