Wang Xingxing, Zhu Xiaohu und andere haben ehrliche Worte über AI-Startups gesagt.

Text | Zhou Xinyu, Fu Chong

Editor | Su Jianxun

Die am 11. September 2025 eröffnete Inclusion Bund Conference hat für die gegenwärtigen AI - Unternehmer, Wissenschaftler und Anleger ein "Herzensgespräch" organisiert.

Kommerzialisierung ist zweifellos das Thema, das die gegenwärtigen Unternehmer am meisten interessiert.

Zhu Xiaohu, der leitende Partner von Jinshajiang Venture Capital, der einmal sagte: "Ich glaube an sofortige Kommerzialisierung", gab auf der Konferenz den Unternehmern den Rat: Wenn Sie sich für die Kommerzialisierung einsetzen, verwenden Sie nicht die neuesten Technologien, "verwenden Sie einige Technologien, die nicht so auffällig erscheinen, aber stabiler sind".

△ Zhu Xiaohu, leitender Partner von Jinshajiang Venture Capital, Foto: Zur Verfügung gestellt von der Bund Conference

Und wenn man bei AI - Anwendungen nur einen Indikator betrachten kann, achtet er nicht auf das schöne ARR (jährliche wiederkehrende Einnahmen), sondern nur auf die Benutzerbindung.

Was die Bestimmung der AI - Startup - Richtung angeht, lautet die in der Branche oft genannte Methodik: Man solle nicht auf der Verlängerungslinie der Modellkapazitätsentwicklung stehen, sonst werden die Anwendungen leicht von den Modellen "verschlungen".

Heute hat Zhu Xiaohu bereits eine klare Antwort darauf, welche Anwendungen verschlungen werden: Investieren Sie nicht in AI - Anwendungen mit Low - Code oder No - Code; die Nachfrage nach Kollaborationstools wie Figma wird in Zukunft sinken.

Für AI - Unternehmer besteht heute in Bezug auf das Organisationsmanagement ein rasch gebildeter Konsens: AI - Unternehmen sollten flache und effiziente "Kleingruppen" aufbauen.

△ Wang Xingxing, Gründer und CEO von Unitree Technology, Foto: Zur Verfügung gestellt von der Bund Conference

Auf dem Eröffnungsrundtisch gestand Wang Xingxing, Gründer und CEO von Unitree Technology, dass die Erweiterung des Teams eher die Effizienz senken würde;

Wu Yi, ehemaliger Forscher bei OpenAI und Assistentprofessor am Institute for Interdisciplinary Information Sciences der Tsinghua University, äußerte ähnliche Ansichten: Wenn eine Organisation 300 Mitarbeiter benötigt, könnte es sein, dass die Intelligenzdichte nicht hoch genug ist.

△ Wu Yi, Assistentprofessor am Institute for Interdisciplinary Information Sciences der Tsinghua University, Foto: Zur Verfügung gestellt von der Bund Conference

In den Augen vieler Unternehmer war die aufeinanderfolgende Open - Sourcing von Hochleistungsmodellen wie DeepSeek V3/R1 und Qianwen Qwen der Auslöser für den Ausbruch von AI - Anwendungen in diesem Jahr.

Bei der Eröffnungsveranstaltung gab Wang Jian, Gründer von Alibaba Cloud und Direktor des Zhejiang Lab, aus der Perspektive der Oberschicht der AI - Anwendungen Vorschläge für Anbieter von Basismodellen.

Was ist wertvolle Open - Sourcing? Aus Wang Jians Sicht ist in der gegenwärtigen Zeit, in der das Modelltraining immer noch sehr kostspielig ist, die Open - Sourcing von Code nicht der Schlüssel, sondern viel wichtiger ist die Open - Sourcing der Ressourcen für das Modelltraining (Daten und Rechenressourcen).

△ Wang Jian, Gründer von Alibaba Cloud und Direktor des Zhejiang Lab, Foto: Zur Verfügung gestellt von der Bund Conference

Im Folgenden finden Sie die Zusammenfassung der Hauptansichten von Zhu Xiaohu, Wang Xingxing, Wu Yi und Wang Jian auf der Inclusion Bund Conference 2025 aus "Intelligent Emergence":

Zhu Xiaohu: Wenn Sie sich für die Kommerzialisierung einsetzen, verfolgen Sie nicht die neuesten Technologien

Solange das Transformer - Framework das Halluzinationsproblem nicht lösen kann, solange es 1 % Halluzinationen gibt, kann die komplexe Prozessmanagementsoftware nicht durch AI ersetzt werden.

Einfach ausgedrückt, werden Low - Code - und No - Code - Software sicherlich durch AI ersetzt, und dieses Phänomen tritt bereits in großem Umfang auf. Viele Low - Code - Unternehmen, die vor drei oder vier Jahren in der Blasenphase viel Kapital beschafften und einen hohen Unternehmenswert hatten, existieren heute fast nicht mehr.

Aber die Lösung von komplexen Prozessproblemen mit starker Logik ist mit AI unter dem Transformer - Framework sicherlich unrealistisch.

Die Entstehung eines Super - Zugangs im AI - Zeitalter ist unausweichlich. Die derzeit relativ klare Form ist die Stimme. Apples Siri funktioniert zu schlecht, seine AI - Fähigkeiten sind zu schwach. Aber die AI - Fähigkeiten von Android oder Google ermöglichen es uns, durch Sprachinput direkt Feedback zu erhalten.

In Zukunft wird es nicht nur um die Stimme gehen, sondern auch um die Kamera, und es wird multimodaler Input geben.

Zum Beispiel denke ich, dass das von mir fotografierte Blumenbild schön ist, sage meinem Smartphone, dass es mir eins kaufen soll, und dann wird direkt eine Bestellung aufgegeben. Dies ist ein offensichtlicher zukünftiger Trend.

Aber Agenten haben dennoch Chancen. Wir sagen immer, dass in der amerikanischen Mobile - Internet - Welle die Hälfte der resultierenden Startup - Unternehmen anstrengende Arbeit im Offline - Bereich verrichtete, wie beispielsweise Uber und Airbnb, was von den Großunternehmen nicht gerne gemacht wird.

Ich denke, dass es auch im AI - Zeitalter solche Chancen geben wird: Szenarien, die mit der realen Welt verbunden sind, benötigen weiterhin Agenten.

Sie können Ihnen helfen, in der realen Welt Ergebnisse zu erzielen. Ich denke, dass AI - Unternehmen und einige Softwareunternehmen diese Arbeit nicht gerne tun. Ich denke, dass Startup - Unternehmen möglicherweise noch einige Chancen haben.

Es ist bereits offensichtlich, dass Low - Code - und No - Code - Software vollständig von großen Modellen ersetzt wird; die Nachfrage nach vielen Bearbeitungs - und Kollaborationstools wird stark sinken.

Zum Beispiel haben wir in der Vergangenheit in Software investiert, die ähnlich wie Figma die Zusammenarbeit von Hunderten von Personen bei der Bearbeitung eines Projekts erfordert.

Heute kann AI die Nachfrage nach Menschen stark reduzieren, von der Zusammenarbeit von Hunderten von Personen auf die von zehn Personen, wodurch die Anforderungen an Kollaborationstools stark sinken.

Dies wird auch einen großen Einfluss auf den Markt selbst haben. Deshalb konnten wir es nie verstehen, warum Figma bei seiner Börsengänge so hoch bewertet wurde, und der Wert ist inzwischen auch gefallen.

Es ist nicht so, dass die Software durch AI ersetzt wird, sondern die Nachfrage sinkt und die Anzahl der Benutzer nimmt ab. Eine Abnahme der Benutzerzahl um 10 % hat einen großen Einfluss.

Deshalb versuchen wir heute sicherlich, Kollaborationstools zu meiden. Der Markt für Kollaborationstools wird in Zukunft noch existieren, aber er wird viel kleiner sein.

Bei der Beurteilung eines AI - Produkts achten wir immer nur auf einen Indikator, nämlich die Benutzerbindung. Vom PC - Internet über das Mobile - Internet bis hin zu AI ist es immer der gleiche Indikator, die Benutzerbindung.

Der Grund, warum viele Leute dieses Jahr über AI - Anwendungsunternehmen lachen, ist, dass diese keine Benutzerbindung haben.

Wenn Sie einen Benutzer wieder anziehen möchten, kostet das laut unserer Erfahrung aus der Mobile - Internet - Ära möglicherweise mehr als das Zehnfache, und es ist fast unmöglich. Deshalb kann nur die Qualität der Benutzerbindung beweisen, ob ein Unternehmen über Entwicklungspotenzial verfügt.

Ich sehe, dass einige der derzeit beliebten Unternehmen, die derzeit Kapital beschaffen, immer nur von ARR (jährliche wiederkehrende Einnahmen) sprechen, also von den Daten eines Tages multipliziert mit 365 Tagen, und über die "Benutzerbindung" wagen sie nicht ein Wort.

Vor ein paar Tagen haben wir noch intern über die zukünftige Investitionsrichtung diskutiert. Wir haben festgestellt, dass diejenigen Technologien, die sich wirklich für die Kommerzialisierung eignen, "Boring Technology" sind, also Technologien, die nicht so aufregend erscheinen und eher langweilig aussehen.

Zum Beispiel war das weltweit beste AI - Kommerzialisierungsergebnis im vergangenen Jahr die Transkription, verschiedene Meetingprotokolle, sowohl vertikale als auch allgemeine.

Ich denke, dass das beste Beispiel des vergangenen Jahres Plaud war, das inzwischen einen Unternehmenswert von einer Milliarde US - Dollar hat, und dieses Jahr folgen fast alle chinesischen Unternehmen diesem Trend.

Aber gibt es bei dieser Technologie etwas besonders Schwieriges? Ganz und gar keine technischen Schwierigkeiten. Aber diese Technologie lässt sich besonders leicht kommerzialisieren.

Dieses Jahr haben wir das Gefühl, dass Voice Agent inzwischen einen solchen Stand erreicht hat, dass er in großem Umfang kommerzialisiert werden kann. Es gibt Anwendungen in Callcentern, On - Call - Vertrieb und auch in Spielwaren.

Deshalb denke ich, dass Sie wenn Sie sich für die Kommerzialisierung einsetzen, nicht die neuesten und trendigsten Technologien verwenden sollten, sondern eher solche, die nicht so auffällig erscheinen und relativ stabil sind.

Wang Xingxing: Gute Modelle können die Datennutzungseffizienz verbessern

Was das Arbeiten mit AI angeht, befindet sich der gesamte Bereich noch in der Wüstenphase.

Obwohl die gegenwärtigen Sprachmodelle in den Bereichen Text und Bild bereits sehr gut funktionieren, sogar besser als 99,99 % der Menschen, ist die Stunde des massiven und explosiven Wachstums noch nicht gekommen. Heute sind es nur wie ein paar Gräser in der Wüste.

Das AI - Zeitalter ist ein sehr gerechtes Zeitalter. Selbst wenn Sie noch ein Student sind, können Sie, wenn Sie klug und arbeitswillig sind, Ihre Ziele erreichen und in der Wüste Bäume wachsen lassen.

Was die Überwindung des Datenengpasses bei der Embodied AI angeht, haben einige Leute meine Äußerungen missverstanden und gedacht, ich leugne die Wichtigkeit der Daten. Eigentlich möchte ich sagen, dass sowohl Daten als auch Modelle sehr wichtig sind, aber wenn das Modell gut funktioniert, kann es die Datennutzungseffizienz verbessern.

Denn zurzeit ist das Rauschen in den Daten sehr hoch. Wie sollen die wirklich hochwertigen Daten gesammelt werden? Was sind die Qualitätsstandards für die Daten? Oder welche Art von Daten sollten derzeit wie viel gesammelt werden? Dies ist derzeit noch relativ unklar.

Deshalb ist es besser, wenn das Modell selbst eine stärkere Datenverstehensfähigkeit hat und mit weniger Daten bessere Ergebnisse erzielen kann.

Zweitens können wir auch aus der Perspektive des Modells gezielt Daten sammeln. Zum Beispiel haben wir festgestellt, dass bei Sprachmodellen in vielen Fällen charakteristische Daten erforderlich sind, nicht einfach nur eine große Datenmenge. Deshalb kann man auch aus der Perspektive des Modells in der Robotik beurteilen, welche Aktionen oder Szenarien qualitativ hochwertig sind.

Außerdem funktioniert die multimodale Fusion der derzeitigen Modelle nicht ideal.

Zum Beispiel kann man derzeit zwar ein Video generieren, in dem ein Roboter Hausarbeiten macht, aber es ist sehr herausfordernd, die generierten Ergebnisse gut mit der Steuerungsmode des Roboters abzustimmen.

Einfach ausgedrückt, um die Bewegung des Roboters besser mit Video - und Sprachmodellen abzustimmen, muss das Modell besser strukturiert werden.

Die derzeitigen Hardwarekomponenten sind eigentlich ausreichend, das größte Problem ist, dass die Fähigkeiten der Modelle noch nicht ausreichen, um die aktuelle Hardware zu nutzen. Beispielsweise ist die Steuerung einer dexteren Hand immer noch sehr schwierig.

Im AI - Zeitalter können kleine Teams immer größere Kräfte entfalten. Insbesondere im reinen AI - Bereich können Teams mit einigen Spitzen - und innovativen Talenten sehr viel erreichen.

Denken Sie daran, dass die Organisation und das Management für Unternehmen mit einer großen Mitarbeiterzahl oder für große Unternehmen generell eine große Herausforderung darstellen.

Was die zukünftigen Vorschläge für AI - Angelegenheiten angeht, sollten Sie so viel wie möglich von dem Vergangenen vergessen. Neu lernen Sie die neuesten Dinge der Gegenwart oder sogar der letzten sechs Monate, und ich denke, dass dies mehr neue Inspirationen bringen kann.

Die Abhängigkeit von früheren Erfahrungen ist nicht gut für zukünftige Entscheidungen. Denn es gibt möglicherweise mehr Leute als Sie, die Erfahrungen haben. Stattdessen ist es eher möglich, neue Entscheidungen zu treffen und neue Schöpfungen zu erzielen, wenn Sie sich auf die Dinge der Gegenwart konzentrieren.

Wu Yi: Im AI - Zeitalter gibt es viel Rauschen, man kann sich erstmal die Augen zu machen

Ich und Wu Chenglin (Gründer und CEO von DeepWisdom) haben genau zwei verschiedene Stile. Er sagt, er liest täglich Papers auf Archive, ich lese keine Archive.

Weil ich denke, dass es im AI - Zeitalter viel Rauschen gibt, und es ist sehr wichtig, das Rauschen zu reduzieren.

Manchmal muss man an das Richtige halten. Beispielsweise denke ich, wenn man die Reinforcement Learning richtig macht, braucht man nicht so viele Module. Oder wenn man den Agenten mit Reinforcement Learning trainieren kann, wird sein Aufbau möglicherweise viel einfacher, denn die Fähigkeiten können entstehen.

Ich denke, dass viele gegenwärtige Ansichten möglicherweise nicht die zukünftige Richtung repräsentieren, also muss man etwas festhalten und sich auch die Augen zu machen können