這是激進投資AI的錦秋基金，從硅谷帶回的二十五條關鍵認知

2025年初，中國國內目前最活躍的AI投資機構之一的錦秋基金，組織了一場硅谷的 Scale With AI 活動。

5天4晚裡，OpenAI、xAI 、Anthropic、Google、Meta、Perplexity、Luma、Runway 等關鍵AI公司以及很多硅谷的投資機構集中分享了硅谷AI的最新進展，以及他們對2025趨勢的很多預測和判斷。

作爲這個活動背後的攢局者，錦秋基金不僅投資了北美的一些活躍的AI基金，與全球AI市場建立連接，也特別推出了Soil種子計劃，以激進的、快速靈活決策的方式支持AI領域的早期創業者。過去的2024年，錦秋頻繁出手了AI達人營銷平臺Aha Lab、AI內容平臺造夢次元等諸多項目。

以下是本次硅谷行整理出的關於AI進展的二十五條重要認知，共分爲大模型、視頻模型、AI應用以及具身智能四個部分。

關於大模型：Scaling law是否達到瓶頸以及硅谷創新的來源

1.對 LLM 來說，Pre-training 的時代已基本結束了，但 post-training 還有很多機會。此外，在 Pre-training 投入少的原因，更多在於資源有限，而做 Post-training 的邊際效益會更高，所以，Post-training還有很多機會。

2．先有 Pre-training，纔有 Post-training 中的 RL，模型得有基礎能力，RL 纔能有的放矢。RL 不改變模型的智力，更多是思考模式。相比來說，Pre-training 是 imitation，只能做到模仿，而RL 是創造，可以做不同的事。

3、一些可能明年成爲共識的預判。比如Model 架構可能變化；閉源和開源差距會大幅縮小；關於合成數據，大模型生成數據然後訓練小模型是可行的，反過來比較難。合成數據和真實數據的區別主要是質量問題。也可以用各類數據拼湊合成，效果也很好。pretraining 階段可用，因爲對數據質量要求不高。另外，每家拼湊的方式都不一樣，用更大模型生成訓練小模型是可以的，用小的模型訓練大模型的話，近一年可能好點。而本質都是數據來源問題。

4.Post training 團隊建設，理論上5 人足夠（不一定全職）。比如一人搭建 pipeline（infrastructure），一人管數據（數據效果），一人負責模型本身 SFT，一人負責產品對模型編排做判斷，收集用戶數據等。

5. 關於硅谷創新的秘密由來，其中一個重要因素就是他們的公司很容易形成一種扁平的組織文化。像openAI,就並沒有所謂特定的decision maker,每個人都很自主自由，團隊之間的合作也很自由。而老牌的谷歌也在悄悄裁撤中間層，讓很多曾經的manager轉一線。

關於視頻模型： Scaling Law的瓶頸還很早

6、視頻生成還處於 GPT1 和 2 的時間點。現在視頻水平接近 SD1.4 的版本，未來視頻會有和商用性能差不多的開源版本。當前的難點是數據集，視頻因爲版權等問題沒有那麼大的公用數據集，每一家如何獲取、處理、清洗數據會產生很多不同，導致模型能力不同，開源版本的難度也不同。

7.DiT 方案下一個比較難的點在於如何提升物理規律的遵循，而不只是統計概率。視頻生成的效率是卡點。目前要在高端顯卡上跑挺久，是商業化的障礙，也是學術界在探討的方向。類似 LLM 雖然模型迭代速度在放緩，但應用沒有放緩。從產品角度，只做文生視頻不是一個好的方向，相關的偏剪輯、創意的產品，會層出不窮，所以短期內不會有瓶頸。

8.會有 1～2 年才能達到 DiT 技術路線的飽和。DiT 路線很多可以優化的地方。更高效的模型架構，是非常重要的。以 LLM 爲例，一開始大家都在往大了做，後面發現加 MOE 和優化數據分佈後，可以不用那麼大的模型去做。需要投入更多研究，一味 scale up DiT 非常不高效。視頻數據如果把 YouTube、TikTok 都算上，數量非常大，不可能都用於模型訓練。

9.視頻的 scaling law，在一定範圍內有，但遠達不到 llm 的級別。現在最大級別的模型參數也就是 30b。30b 以內證明是有效的；但 300b 這個量級，就沒有成功案例。現在做法中，不同主要是在數據上、包括數據配比，其他沒有大不同。

10.Sora 剛出來大家都認爲會收斂到 DiT，但實際上還有很多技術路徑在做，例如 based on GAN 的路徑，以及 AutoRegressive 的實時生成，比如最近很火的項目 Oasis，還有把 CG 和 CV 結合去實現更好的一致性和控制。每一家都有不同的選擇，未來面向不同場景選擇不同的技術棧會是一個趨勢。

11.長視頻生成提速的技術方案，能看到 DiT 能力極限在哪，模型越大、數據越好，生成的清晰度更高、時間更長、成功率更高。DiT 模型能 scale 到多大，目前沒有答案。如果到一定尺寸出現瓶頸，可能會有新的模型架構出現。從算法角度，DiT 做出一個新的推理算法，來支持快速。比較難的是怎麼在訓練的時候把這些加上。

12.視頻模態的訓練數據其實還有很多，而且怎麼樣高效地選擇出高質量數據比較重要。數量取決於對版權的理解。但算力同樣是瓶頸，即便有那麼多數據，也不一定有算力去做，尤其是高清的數據。有時候需要基於手頭有的算力去反推需要的高質量數據集。高質量數據一直都是缺的，但即便有數據，很大的問題是大家不知道什麼樣的圖像描述是對的，圖像描述要有哪些關鍵詞。

13.視頻生成的真實度主要靠基模能力，美學提升主要靠 post training階段，比如海螺就大量用影視數據。視覺模態可能不是更好的通向 AGI 的最好的模態，因爲文字是通往智能的捷徑，而視頻和文字之間的效率差距是幾百倍。

14.多模態模型還在很早期階段。給前 1 秒視頻 predict 後面 5 秒已經很難了，後面加入 text 可能會更難。理論上視頻和文字一起訓是最好的，但是整體做起來是很難的。多模態目前不能提升智力，未來也許是可以的。

關於AI 應用：硅谷的趨勢和國內不太一樣

15.硅谷 VC 傾向於認爲 2025 年是有應用投資的大機會。他們投資 AI 產品的標準之一：最好只做一個方向，讓競品很難複製。也需要有一些網絡效應：要麼是難以複製的洞察力；要麼是難以複製的技術 Edge；要麼是他人無法獲得的壟斷資本。否則很難稱之爲創業，更像是一門生意。而且在美國，基本沒有 killer apps for everyone。大家習慣於在不同場景中使用不同功能的 App，關鍵是讓用戶體驗儘可能的無障礙。

16、硅谷 VC 認爲AI產品公司是新物種，和之前的SaaS很不一樣，找到了 pmf，它的 revenue booming 是非常快的，真正 value creation before hype 是在 seed 階段；大模型很注重預訓練，應用公司更注重 reasoning。每個行業有固定的看問題的方式和方法，新出現的 AI Agent 是在 LLM 的基礎上加入了 Cognitive Architecture。

17.VC 裡的小衆觀點是可以有條件考慮投資中國創業者。原因是新一代中國創始人很有活力，很有能力做很好的生意模式。但前提是 base 在美國。中國及中國創業者在做很多新的嘗試，但是國際投資人不瞭解，所以也是一個價值窪點。

18.硅谷的 VC 都在想辦法建立自己的投資策略。Soma Capital的策略是建聯最優秀的人，讓最優秀的人介紹他的朋友，創建 Life Long Friendship。在過程中 inspire、support、connect 這些人；建立全景地圖，包括市場細分和項目 mapping，想做數據 Driven 的投資。會從 Seed 投資到 C 輪，觀測成功/失敗樣本；Leonis Capital是研究驅動的風險投資基金，主要是 First Check。OldFriendship Capital則是Work first，invest later，會和 founder 先一起工作，打客戶訪談，確定一些訪談 guideline，一起搞清楚產品的問題，類似諮詢工作。投中國項目，在工作中可以判斷中國 founder 是否有機會能夠和 US Customer 一起工作。

19.Storm Venture喜歡 Unlocking Growth，比較喜歡 A 輪有 PMF 的公司，他們通常獲得了 1-2M 的收入，然後去判斷是否存在 Unlocking growth 支撐他們漲到 20M。Inference venture認爲壁壘應建立在人際關係和領域知識。

20．OpenAI研究員創辦的 Leonis Capital 有 幾 個關於 2025 年的AI預測。比如會有一款 AI 編程的應用走紅；比如模型提供商開始控制成本，創業者需要去選擇 model/agent 創造一個獨特供給；數據中心會造成電力衝擊，可能存在新架構重新；新的 framework，模型變小；Multi agent 會變得更加主流。

21 AI Coding 公司模型訓練的可能思路，一開始會用模型公司更好的 API來取得更好的效果，即使成本更高，在積累客戶使用數據之後，不斷地在小場景訓自己的小模型，從而不斷替換部分 API 場景，以更低成本取得更好的效果。

22. AI Coding 的一個重要趨勢是使用推理增強技術，類似於 o3 或 o1 方法。方法可以顯著提高代碼代理的整體效率。雖然它目前涉及高昂的成本（多 10～100 倍），但它可以將錯誤率降低一半甚至四分之一。隨着語言模型的發展，這些成本預計將迅速下降，這可能使這種方法成爲一種常見的技術路線。

關於具身智能：完全具備人類泛化能力的機器人，在我們這代可能無法實現

23：硅谷的一些人認爲，具身機器人尚未迎來類似Chatgpt的時刻，一個核心原因在於，機器人需要在物理世界中完成任務，而不僅僅是通過虛擬語言生成文本。機器人智能的突破需要解決具身智能的核心問題，即如何在動態、複雜的物理環境中完成任務。機器人的關鍵時刻需要滿足通用性：能夠適應不同任務和環境；可靠性：在真實世界中具有較高的成功率；可擴展性：能通過數據和任務不斷迭代和優化等幾個條件。

24：機器人數據閉環難以實現是因爲它們缺乏類似ImageNet這樣的標誌性數據集，導致研究難以形成統一的評估標準。另外，數據採集的成本高昂，尤其是涉及真實世界的交互數據。例如，採集觸覺、視覺、動力學等多模態數據需要複雜的硬件和環境支持。仿真器被認爲是解決數據閉環問題的一種重要工具，但仿真與真實世界之間的“模擬-真實差距（sim-to-real gap）”仍然顯著。

25：具身智能面臨通用模型與特定任務模型的衝突。通用模型需要具備強大的泛化能力，能夠適應多樣化的任務和環境；但這通常需要大量的數據和計算資源。特定任務模型更容易實現商業化，但其能力受限，難以擴展到其他領域。未來的機器人智能需要在通用性和專用性之間找到平衡。例如，通過模塊化設計，讓通用模型成爲基礎，再通過特定任務的微調實現快速適配。