大模型的竞赛还在加速，但AI创业的坐标系已经变了。
过去三年，行业的话题从百模大战的技术参数，一路切换到交付、营收与复购。越来越多跑出营收的公司证明了一件事：技术之外，谁更早想明白"谁买单、为什么复购、下一单在哪"，谁才真正拿到了商业化的入场券。
作为全国首个大模型创新生态社区，模速空间落地三年以来，创新主体加速集聚，已吸引三百余家大模型企业入驻，带动全区集聚超2200家人工智能企业，大模型备案数量占全市约六成。从企业集聚到经营产出，规模效应持续释放，入驻企业总营收同比增长12倍。
从初期各自探索走向上下游协同，越来越多企业在模速空间跑通了从技术到市场的最后一公里——营收增长、客户复购、场景深化，市场正在验证AI技术的真正价值。
模速空间
9月28日，模速空间《模速开放麦》联合第一财经《未知之境》推出「商业化进化论」特别节目，集中复盘了一批优秀AI企业的商业化成果，还原他们最真实的生长路径。
本期节目我们邀请到阡视科技副总裁周麒、红熊AI创始人兼CEO温德亮、Capital O合伙人范阳，以"多元视角+深度对谈+案例拆解"的方式，把那些真实的选择、转折和打法拆开来讲透。
左一：第一财经主持人辛梓、左二：阡视科技副总裁周麒
右二：红熊AI CEO温德亮、右一：Capital O合伙人范阳
节目中，他们带来了这些观点
客户并不完全是为一个API或者Token买单，更多层面，他是为确定性买单。
所有的关系，都没有你的产品说话重要。
停留在纸面上的合作，最终不付费，就一定不是真实需求。
第一单考验的是认知，第N单考验的是市场观察和组织能力。
人是真正能穿越周期的最好资产。
旧地图找不到新大陆，别在旧的世界里打转。
商业化才是王道，增速是未来最该看的指标。
以下为部分访谈实录
1
模型越来越强，
到底让什么变容易了？
辛梓：
我们经常说模型性能越来越强，但模型有幻觉，人也有幻觉——不要以为性能强了，商业化就会变得容易。过去6个月，模型变强到底给各位的业务带来了哪些提升？
周麒：
过去6个月我感受很深。我们公司做基础设施开发，也用AI优化迭代，在芯片适配和模型架构理解上实现了更好融合。模型能力提升让AI infra效率更高；广义上，作为提供云服务的token工厂，单位时间能产出更多Token，商业化回报自然更多。
以前模型/Coding能力不强，模型适配主要靠人：分析结构、看配置、搭环境、写底层代码，再在不同GPU上实现，周期常以“月”为单位。现在自研的Agent系统，用harness驱动模型，自动读模型结构、做研发、验证、测试、评测评分和性能评估，判断是否达到上线要求，达标即可上线。因此像GLM 5.3 Flash、DeepSeek V4.1 Flash，基本周五发布、周一就能上线。工作流也由Agent维护和开发。本质是上人+多个Agent组成一个大loop，形成AI to AI互相促进，大幅提效。
辛梓：
温总这边呢？
我听说有一个"反常识"的观察。
温德亮：
在企业端，模型能力越强，不代表越好落地。企业场景最核心的是交付结果的稳定性。比如某款模型从3.5升级到3.8，我们切换到最新模型后，客户反而不买单，更喜欢上一版本——因为新模型导致产品结果和逻辑更新了。所以在企业场景里，模型需要的是"稳态"。
这也回答了一个投资人常问的问题：模型升级会不会把应用公司覆盖掉？在企业场景里，这个担心其实不成立。我们的解法是"模型+记忆+Agent"，把行业knowhow封装成MCP和Skill的Agent，保证交付稳态、业务结果稳定。
但要说提升也是实打实的：我们从一开始就是AI编程驱动，研发按周迭代，比传统方式快四五倍；交付周期从过去的2到3个月缩短到1个月左右——这直接影响毛利率和回款。
辛梓：
那A面的背后一定是B面。模型变强，哪些地方反而更难了？
周麒：
模型迭代越快，越反向倒逼基础设施。软件改动很快，但硬件是固态的，设计完成就不会变，要让硬件去适配模型的快速变化，挑战非常大。
模型能力越强，我们做的事反而更多。就像电发明后效率提高，煤炭需求不降反增，因为好用、用的人更多。对我们这种规模有限的创业公司来说，要承接更多，就必须理顺流程、优化内部工作流和组织结构，这很有价值。
温德亮：
三个痛点。第一个直观感受Token成本在变贵，每次模型升级，Token消耗都在加深；第二，组织要适配AI的节奏——AI编程两天就能实现一个功能，但人去验证它的有效性和安全性，可能要花一周，人反而跟不上模型的生产力了；第三，AI本身有安全隐患。我们服务一个客户时发现，上一个供应商用AI编程交付的代码里遗留了注入漏洞，密码生成逻辑简单到可以被快速撞库破解，后台几乎是裸奔状态。这些都是直接影响收入、间接影响信任、甚至关乎未来的真问题。
辛梓：
范总从投资人的视角看呢？
范阳：
今天用AI改造的是更庞大的物理世界。过去几十年我们完成了初步的数字化，接下来要进入智能化时代，这个过程未来几年一定会加速。但今天很多行业的工作方式还是"手工作坊式"的——基于经验和试错，没有标准化流程。
以生物技术产业为例，今天AI对它的改造可能还不到5%。更强的模型能先帮科学家把这5%的瓶颈问题更快解决，但剩下95%才是行业真正要发生变化的部分。AI是强力的高铁子弹头引擎，但更大的期待，在那95%里。
2
从第一单到第N单：
客户到底为什么买单？
辛梓：
技术强不等于好卖。那我们聊点务实的——第一单是怎么拿的？
周麒：
可以追溯到2023年底、2024年初。当时我们在分析DeepSeek的MoE架构，判断模型规模会越做越大，而行业还没有面向MoE的好的基础设施方案。我们决定先做一个超节点原型机。
带着上下游合作伙伴来看原型机时，他们觉得这个方向很领先。我们用初代原型机就能把R1级别的模型服务得很好，这直接促成了2025年那一波从1到10、甚至1到100的扩展。
辛梓：
那从第一单到第N单，靠的是什么？
周麒：
是复制，更是组织能力。在实验室里"搓"出一个东西是可为的，但要大批量量产、推向市场，有一个很大的门槛要跨过去。这时候依赖的已经不是技术能力，技术你已经验证过了，而是工程能力和体系化的组织能力。
尤其做基础设施是系统工程，你要理解模型的计算过程，理解硬件工程，理解软件如何服务好大规模用户，还要支持私有化部署。把这些都理解透，才有可持续的商业化。
温德亮：
我们选择人工智能客服这个场景，是因为它需要跟人长期打交道——这样才能知道什么该记、什么不该记，记错了怎么办。
第一单是跟四大云厂商正面PK：免费POC，做结果验证，效果比他们好，还更便宜。那时候公司才10个人，只做这一个项目。做完这一单，我们底层的记忆能力、Agent能力和应用产品能力就构建起来了。
有了第一单，在运营商体系里就有了名头，基于政企服务部，第二、三、四、五、六、七、八单跟着来了——不是我们主动BD的，是运营商各个部门帮我们BD的，口碑效应自动扩展。后来我们发现渠道客户太散、不聚焦，又转向品牌客户，按行业和场景做成交转化。总结下来就是：先做渠道把产品打磨好，再做品牌客户扩量，补充直销。
辛梓：
很多初创公司面临一个问题——用标杆客户换案例，特殊案例怎么变成规模化的生意？
温德亮：
我们一开始就想得很清楚：这个赛道能不能被AI革新？如果市场不够大，你在小市场里做创新，没有任何商业化机会。一定要找大市场，且具备技术革新的机会点。人工智能客服的上一代是NLP逻辑，用大模型重构智能客服，当时没人做，我们是第一家，这就是先发优势。
还有一个选行业的逻辑：大家都说某个行业卷，你要思考它为什么卷。卷意味着有机会；不卷，说明没人关注、没有价值。
至于卷赢的原因，结论很朴素——所有的关系，都没有你的产品说话重要。产品OK才是一切商业模式的基础。基于产品竞争力，把技术指标和达成效果显性量化出来，做到第一名，你就有机会。
辛梓：
To G、To B、To C三条路径，哪条现金流最好？哪条最容易规模化？
温德亮：
现金流最好的是To C订阅，先付款后服务。但To B和To G有账期，大型企业有自己的财务流程，一走就是1到2个月——现金流不好，但可以规模化复制。反过来，大B、大G客户有毛利，订阅的毛利率却极低，最火的也就5%左右。
所以我们的打法是两条腿走路：订阅产品转本地化，中小客户持续培育。一定不能压死在一条腿上。
辛梓：
范总作为投资人，怎么看一家技术驱动企业的商业化质量？
范阳：
最终还是拿产品说话。我分享一个案例：有一家做自动化实验室系统的团队，十个人左右，一开始并不强调自己的价值在模型或AI，而是深入客户，做国产化替代和软硬件整合，一单一单定制化地把业务做起来。两三年时间，营收就做得很快，靠口碑在园区和客户之间迅速转介绍。有了第一步的营收，才能更可持续地往模型能力、数据闭环上走。
反过来看，聚光灯下的模型公司竞争要激烈得多——如果只有模型，早期能拿到合作意向，但盈利空间会被压缩。真正随模型能力提高，大家要朝着盈利空间更高的市场去。
3
上下楼就是上下游：
生态里哪些连接真能赚钱？
辛梓：
在模速空间，大家常提到的一句话"上下楼就是上下游"，它把大家从物理空间上拉近了距离，但更重要的是，能不能在真实的订单和业务上促成合作？各位希望哪些链接在模速发生？
周麒：
我们是生态链上非常需要聚合的公司——做基础设施，依赖算力厂商和供应链；做推理服务，依赖开发者和应用；用户给我们提什么需求，也是生态链的重要一环。我更想了解前沿模型公司在解决下一代、下下代模型上的想法，好让基础设施提前准备；也希望能多和Agent公司、端到端应用公司沟通，理解什么形态的模型更匹配哪种业务场景。
辛梓：
有没有已经发生的有效连接的例子？
周麒：
有。比如我们和一家模型公司做联合发布——在双方保密的前提下，他们提前同步内容给我们，我们做相应适配，然后一起上线。还有一家模速空间的著名企业，我们在两个方面合作：既供应自研的基础设施，也把推理栈和软件能力输出给他们，帮助他们构建基础的大模型操作系统。这种拉通是非常有效的。
而大家谈了一个意向，签了战略合作，最后没有目标、没有项目，看上去很大，实际上没有供方和需方的平衡驱动，没有解决一个真实问题——这就是无效。
温德亮：
我们A轮的股东之一，就是模速推荐的——这很直接了。几个比较重要的KA客户，也是模速空间推荐的。一个空间又给钱又给资源，说实话不太多。
我也提一个建议：有些服务该收费就收费。停留在纸面上、嘴面上的东西，最终不付费，就一定不是真实需求。发现需求、提供服务、获得收入，才会挖掘出更多同样的需求，生态才会繁荣。
辛梓：
那您见过无效的连接吗？
温德亮：
在模速没有。但市面上很多活动要提前了解背景——创业者本质上是时间分配机器，不要把精力过度分散在无效的活动和组织上。活动看起来很高大上，但跟你当前阶段没关系，参加了也没用；跟你当前阶段匹配的，才是刚需。比如路演对初创企业就很有用，一次性可以链接20个投资人，加快融资速度。
辛梓：
范总参加过模速的几次活动，感受如何？
范阳：
我参加的模速活动都比较聚焦，提前会知道来的人。未来我希望看到更多小场深谈——组织者和参与者都愿意投入时间，提前了解对方。最好的活动往往又有一些机缘巧合，超出预期的东西。空间到最后，最可持续、最长久的，还是里面人的网络。
我还有一个具体建议：可以办"Researcher Day"，让前沿研究员分享正在做的研究，听听大家的反馈。很多人会专程来。
辛梓：
说到上下游，周总做AI Infra是大的基座，温总的应用正是您的下游。两位有什么可以碰撞的空间？
周麒：
应用是对基础设施很重要的重定义。现在的基建很多是被模型定义的，但未来很多可能性是模型会随着应用去改。像温总做的记忆场景，对基础设施如何服务好它，就是一个需要连接的点。也欢迎温总和范总到我们实验室看看。
温德亮：
我先澄清一点——记忆本身不吃Token，它是帮你减少会话、提高业务准确率的；吃Token的是应用服务。应用是最终商业化实践的产品，对模型依赖非常强。比如模型并发，我们经常受制于云厂商限流：C端客户聊着聊着突然不能聊了，人家转身就走，直接影响线索和转化。所以稳定的Token供给、全网最优算力的调度，对应用端价值非常大。
周麒：
这也是我们为什么要自建基础设施。客户很多时候并不完全是为一个API或Token买单，更多层面，他是为确定性买单——保证稳定、保证服务质量、保证能触达客户。所以我们做ICT、做设备、做推理栈、做Token工厂，而不是简单做一个API路由。
辛梓：
上下楼解决的是物理问题，上下游真正实现业务达成，靠的是生态里每一个人建立真实的信任。
4
下一个三年：
AI商业化的赢家画像
辛梓：
面向未来的三年，什么样的AI商业化赢家会跑出来？
周麒：
给今年的定义是Agent百花齐放的一年。但现在的Agent生态，有点像早年互联网刚起步时每个企业都做自己的官网——有很多技能和轻量级应用涌现，但没有一个统一的平台、分类和规范。互联网时代的"雅虎"还没有出现。我觉得三年左右，应该能形成平台化、标准化、分类化的Agent生态，我把它定义为Agent OS。
另一个大变化在模型本身。Transformer这一代在范式上没有太大变化，主要是推理能力和Token效率的提升。下一代是不是一定这样？硅谷和国内都有很多lab在探索，我们也要为下一代模型变化准备下一代基础设施。
辛梓：
如果让温总从今天开始再创业，会做什么？
温德亮：
从赛道角度，我看三个方向。第一，AI安全会成为新赛道——任何应用都要建立在安全之上；第二，中国的底层基础研究、学科基础研究，用AI可以快速补齐短板，这里会涌现一批新创业者；第三，当Token成本急剧下降，AI的C端应用会迎来新的爆发——谁能产出更优质的内容和社交链接方式，谁就能改变产品形态。
我判断，AI应用真正的爆发，要等到算力成本降到跟今天5G流量成本一致的时候。受制于硬件和底层基础设施，这个过程至少还要三年起步。现在的AI时代更像PC互联网时期，真正的商业模式，要等到跳到"移动互联网"那一刻才会出现。
辛梓：
范总频频点头，AI for Science正是您的方向。
范阳：
很多赛道会变成轨道和旷野。我的判断是：随着AI能力越来越强，它对科学的改变会非常大。生物这么复杂的系统，背后都是复杂系统，这可能是未来真正消耗最多Token的地方。
我想象的未来是：AI for Science让科学变得越来越像基础设施，像淘宝一样——你带着创意、带着热爱，随时可以"下单"去做研究。下一代更年轻的创业者和学生，可以像今天做创意行业一样，去追寻自己真正感兴趣的问题。那一天，社会会特别富足。
辛梓：
未来三年再投AI项目，您会更看重人的哪些能力？
范阳：
今年的一个转向是：早期投资要聚焦于个人。人是真正能穿越未来几年周期、适应这个时代的最好资产。
创业者要有很强的学习能力，智商情商都要高；既要有理想主义——没有理想主义，你讲不出打动人的、有"活人感"的故事，吸引不到好人才和投资人；又要非常务实——每天要处理具体工作，要带订单回来，像每天打猎回来一样给团队士气。这样的人没那么多，但当你看到他的时候，你一下子就明白了。
模小速：
如果只把一条最真实的商业化经验留给模速校友，会是什么？下一个三年，最希望模速生态帮你链接到什么？
周麒：
找一个规模很大的传统领域——有稳定客户群、稳定上下游——如果你能用AI让它的效率提升10倍乃至100倍，未来的价值空间会更大。我们其实就在干这件事。未来我希望在模速链接到更前沿的研究者和研究团队，去touch更多模型发展的方向，也链接更创新的Agent开发者，了解他们希望下一代基础设施长什么样。
温德亮：
旧地图找不到新大陆。未来一定是商业化为王，选择赛道时一定要考虑增速——这才是未来最该看的指标。我希望在模速链接到更多有创意的少年天才，多来交流，随时欢迎来找我。
范阳：
今天应该充分挖掘上海作为国际化大都市，从科技到AI到商业的整个生态，跟上下游、跟更大商业生态里的公司去连接。模速是这里面最有公信力的平台之一，能给校友企业提供强力背书——自己去产生连接很难，依然需要一个中心化的枢纽。我希望模速成为上海新时代生态系统的枢纽，大家在这里发现更多志同道合的人，也达成非常大的商业结果。
✦
✦
✦
后记
这场两小时的对谈，始于一个看似简单的问题：模型越来越强，商业化就会越来越容易吗？
三位嘉宾给出的答案并不一致，却殊途同归。做基础设施的周麒说，模型变强让飞轮转了起来，但硬件的固态和模型的快节奏之间，隔着组织能力的鸿沟；做应用的温德亮说，企业客户从不为"更新的模型"买单，只为"稳定的结果"买单；做投资的范阳说，AI对大多数行业的改造还不到5%，真正的机会在剩下的95%里。
分歧之下，有一条共识贯穿全场：AI商业化的竞争，已经从"模型能力"转向了"确定性"。客户买的不是API，不是Token，而是稳定、可预期、可持续的服务；投资人看的不是故事，不是参数，而是产品、营收和那个"带订单回来"的人。
这也解释了第一单和第N单的区别。第一单靠认知，敢不敢提前下注；第N单靠组织能力，把原型变成量产系统，把标杆案例变成可复制打法，把一次性交付变成长期复购。
模速空间的价值，正在这条进化链的中间，链接投资股东、KA客户、联合发布等，实现生态系统共建，让“上下楼就是上下游”变成真实订单与信任。AI企业的「商业化进化论」，才刚刚翻开新的一页。
模速空间
