硅谷投资人张璐：AI进入“祛魅时代”，成本、数据和安全是新战场

2026走向尾声,AI大模型仍在快速迭代,能力边界不断刷新。9月,OpenAI推出GPT-6 Astra后继续扩展GPT-6产品线;Anthropic也在同期推出Claude Opus 5.5和Sonnet 5.5。

然而麦肯锡调查显示,尽管88%的受访企业已在至少一个业务环节中使用AI,真正开始规模化部署的企业仅约三分之一。

模型能力与规模化部署现状的落差中,酝酿着AI产业下一阶段的核心发展方向。

“AI竞争已经不只是模型竞争,而是进入成本、数据和产业整合能力的竞争。”Fusion Fund创始合伙人张璐表示,“如何以更低成本、更高可靠性实现大规模部署,并真正将AI嵌入企业流程和实体产业,将成为AI规模化进入制造、医疗、金融和物流等产业的关键。”

从算力与模型能力的竞争,到真实世界的大规模部署,AI产业正在进入一个新的“祛魅阶段”。

作为深耕硅谷11年的前沿科技基金,Fusion Fund十余年来持续聚焦Enterprise AI、Healthcare AI和Deep Tech三大方向,目前已形成覆盖AI基础设施、应用层及多个垂直领域的完整布局。过去几年,随着AI基础设施、企业级应用、医疗AI和下一代计算等方向逐渐进入产业主流,市场关注也越来越集中到Fusion Fund长期研究和投资的领域。

这一趋势也开始在投资组合中得到体现。过去一年,Fusion Fund投资的6家以上AI基础设施公司被英伟达、高通等科技企业收购;更早期布局的SpaceX也于今年6月完成纳斯达克上市,GrubMarket则已宣布向美国SEC秘密递交IPO申请。

投资界对话张璐,和她聊了聊快速变化的AI产业正在经历哪些转向,以及值得关注的前沿机会。

Fusion Fund创始合伙人张璐

AI进入产业整合阶段,成本与开源受到重视

在张璐看来,AI竞争正进入更现实的落地与成本竞争阶段。

“大部分工业或企业级应用场景,并不一定能用到最出名、能力最强的AI,它们需要的是可靠度很高、成本足够低,而且部署过程足够容易和简单的AI解决方案。”张璐说道。

“推理成本正在逐渐变成经营指标。企业开始计算每次调用、每个Token和每项AI工作流的实际支出,以及这些投入能否真正转化为效率、收入或新的产品能力。”

这一变化也开始直接体现在最新的大模型竞争中。近期OpenAI和Anthropic在继续提升前沿能力的同时,都进一步强调不同模型和工作负载下的成本效率。

在Fusion Fund年会上,张璐将今年AI叙事的变化概括为四个方向:从聊天式AI走向Agentic AI,从语言模型走向世界模型及物理AI,从追逐模型性能指标转向安全的大规模部署,以及从集中式训练转向分布式的推理与边缘计算。

这些变化背后指向同一个趋势:AI竞争的重点正在从“如何构建更强的智能”,转向“如何让智能真正进入产业并规模化运行”。

在企业AI领域,Fusion Fund早期投资的Otter.ai就是这一转向的代表性案例。本月,Otter.ai获得General Catalyst旗下基金提供的3.2亿美元增长融资,用于进一步扩大企业业务和产品创新;其产品也正从AI会议助手向企业级Agentic Workflow延伸,将会议内容进一步转化为可进入企业工作流的信息与行动。

而在医疗、金融和制造等数据复杂、监管程度较高的行业,模型还需要适配企业既有的数据基础设施和业务系统。

这也让开源生态的重要性进一步上升。

开源模型降低了企业和初创公司使用先进模型的门槛,也使开发者能够根据自身行业、数据和硬件条件,对模型进行裁剪、微调和本地部署。Stanford AI Index 2026的数据显示,截至2026年3月,顶级闭源模型与顶级开源模型的性能差距仅为3.4%,开源模型已进入前沿竞争区间。

Fusion Fund团队

在8月举行的Ai4 2026上,张璐表示,随着开放权重模型能力持续提升,模型本身的稀缺性正在下降,长期价值可能更多向算力、专有数据、工作流和分发等更难复制的环节迁移。

对于医疗、金融等高度监管行业,开放权重模型还有另一层价值:能够本地部署和修改,为企业保留对核心数据和模型使用方式的“控制感”。

“它们希望在现有的工作流程里面把AI植入,而不是AI进来之后重新定义工作流程。”张璐表示。

这也为初创企业创造了新的机会:基于开源模型进行进一步优化,再将其封装成能够直接进入企业工作流的成熟产品。

Fusion Fund近年来持续布局开源AI生态。被投企业AgileRL今年与英伟达展开开源模型合作,将Nemotron模型引入其强化学习平台;另一家被投企业DeepReinforce发布的开源模型在Hugging Face累计下载量已接近8000万次。此前投资的AI云基础设施公司Lepton AI则于2025年被英伟达收购。

张璐认为,随着AI进入大规模产业部署,小语言模型和边缘模型也将受到更多关注。

AI走向物理世界,数据成为核心瓶颈

今年AI加速的另一个方向,是机器人、自动驾驶、智能制造和医疗设备等物理世界场景。

与大语言模型不同,物理AI需要理解空间、物体运动、环境变化,并预测行动可能产生的后果。世界模型因此成为近年来AI研究和投资的重要方向,为机器人和具身智能系统提供规划与决策能力。

但现实环境远比模拟环境复杂。Stanford AI Index 2026的数据显示,机器人在软件模拟环境RLBench中的操作成功率已达89.4%;而在另一项真实家庭任务评测中,成功率仅为12%。

Fusion Fund近期发布的《World Model for Embodied AI》行业报告指出,世界模型市场尚未形成统一的技术路线,而数据、评估体系和记忆基础设施可能成为近期更具价值的环节。

“物理AI目前最大的瓶颈之一仍然是数据。”张璐表示。机器人训练数据往往来自真实设备、传感器和工业环境,不仅采集成本高,格式和标准也并不统一。如何将这些信息整理为可持续使用的训练数据,正成为物理AI落地的关键。

另一方面,许多企业虽然已经积累了大量数据,却仍无法直接将其用于AI训练。张璐将这些原始信息比作“尚未打磨的钻石”:医疗、保险、制造和金融机构的数据通常分散杂乱,也未必满足质量、隐私和权限要求。

数据整理与治理因此成为新的基础设施机会。Fusion Fund投资的Orbifold AI能够处理文本、图像、音频和视频等多模态数据,并将其转化为可用于模型训练的数据资源库。

“只有形成高质量的数据资源库,才谈得上进行AI训练。”张璐表示。

类似的数据问题也存在于医疗、保险等高度监管行业。AI落地,如何在保障隐私的前提下利用分散数据?

以Fusion Fund投资的Rhino Federated Computing为例,其通过联邦计算,让模型在数据所在的环境中运行,无需转移敏感的原始信息。2025年,Rhino完成1500万美元A轮融资,并成为FAITE医药联盟的技术合作伙伴。

张璐认为,物理AI的机会不只来自模型本身,更来自支撑其规模化部署的数据、计算、安全和端侧基础设施。例如,Fusion Fund投资的Tactilogy正从触觉感知切入,让机器人能够通过触觉进一步理解和交互物理世界。公司由斯坦福大学教授鲍哲南共同创立,其技术源于斯坦福团队在电子皮肤和柔性传感领域超过15年的研究积累。

Fusion Fund也在持续关注专用芯片、光子计算、存内计算等下一代计算架构,以提升算力效率、降低能耗。

从“幻觉”到现实后果,AI安全需要前置

随着AI开始控制机器人、工业设备、医疗系统和物流基础设施,安全的重要性也再次提升。

“过去模型出现幻觉,大家可能不满意,笑一笑就过去了。但AI进入真实世界以后,错误可能导致人员受伤、生命危险,甚至引发产业级事故。”张璐表示,“在物理AI时代,安全已经不是nice to have,而是must have。”

物理AI系统的风险来源也更加复杂。除了模型本身的错误,还可能涉及训练数据污染、传感器欺骗、指令注入、供应链攻击,以及模型对真实环境状态的错误判断。

在张璐看来,对于半导体、制造、物流、医疗和金融等行业,AI安全系统不能等到AI部署完成后再补充,而应成为企业采用AI之前的基础设施层。

张璐在最新年会上将这一观点进一步概括为:治理已经成为规模化部署的前置条件。对高监管行业而言,治理、安全、审计和控制已经从附加功能变成AI进入生产环境的准入条件。与数据、推理和垂直模型一样,治理正在成为新一轮AI基础设施的重要组成部分。

这一趋势也体现在Fusion Fund被投企业的快速发展中。

深度伪造检测公司Reality Defender的A轮融资规模于2024年扩展至3300万美元,次年入选世界经济论坛Technology Pioneers名单,并进入纽约梅隆银行的Ascent项目,在真实金融场景中验证合成媒体和身份欺诈检测能力。

AI安全的重要性也正在现实世界中迅速显现。本周,两项借助AI发现的PHP严重漏洞也再次引发业界关注。

Fusion Fund还在这一领域投资了Portal26和Zeroport:前者聚焦企业AI监管,AI使用的可见性、治理和安全,后者则通过硬件级隔离,为关键基础设施和AI Agent访问敏感系统提供安全边界。

近期,张璐以创始委员身份加入AI for Good Global Commission,与包括卢旺达总统保罗·卡加梅、Salesforce联合创始人及CEO马克·贝尼奥夫、英伟达创始人及CEO黄仁勋等来自政府、产业和国际组织的40余位全球领导者共同讨论可信、普惠的AI治理。

她认为,AI治理不能只依靠限制。“创新通常很难由限制推动,但可以由激励推动。”当安全、透明和可信本身能够带来客户采用和商业回报时,治理也会从合规要求转化为企业的竞争优势。

“不能等到AI已经大规模铺设之后,再开始讨论治理。”张璐表示,“AI治理需要先行,而且需要科技界、产业界、政府、学术界和社会组织共同参与。”

从AI基础设施到太空经济:改变世界,也创造财富

过去十余年间,AI经历了从算法和数据基础设施,到生成式AI、边缘AI和物理AI的多轮变化,但Fusion Fund判断早期项目的核心标准并未改变。

“我们希望投资的公司既能够创造财富,也真正有机会改变世界。”她表示,“技术路线会变化,但创始人的愿景和热情、企业的技术壁垒,以及它能否真正推动产业变革,是我们一直坚持的判断标准。”

这一理念也体现在Fusion Fund对AI医疗的长期布局中。基金早在2017年便开始关注这一方向,包括AI驱动的数字化治疗、数字化生物学和医疗系统智能化。其中,Fusion Fund早期投资的Cellular Intelligence正在构建人体细胞层面的基础模型,用于支持干细胞研究及细胞治疗,并于2025年完成超过4700万美元A轮融资。

今年,Fusion Fund进一步把医药 AI(Pharma AI)单独列为下一阶段重点研究方向。张璐表示,基金的关注范围也从临床应用进一步延伸至生物数据和治疗开发等环节。

在AI之外,太空经济也是Fusion Fund持续关注的方向之一。

今年以来,SpaceX的Starship测试继续快速推进。9月底完成的Flight 14实现入轨,并部署了Starlink V3卫星;SpaceX在最新财报电话会上表示,计划于下一次Flight 15尝试同时回收助推器和飞船,进一步向完全可重复使用的运载系统迈进。

张璐认为,随着发射成本持续下降,太空产业的机会也正在从火箭本身向更广泛的基础设施延伸。Fusion Fund投资的一家太空基础设施初创企业,成立一年多后订单规模已经超过1亿美元。在她看来,当进入太空的成本下降,机器人、能源、通信和资源利用等新的基础设施需求也将随之出现。

AI与能源的交叉领域同样值得关注。随着模型推理、数据中心和物理AI系统不断扩张,能耗正在成为AI进一步发展的现实约束。如何提升计算效率、降低数据中心能耗,并让AI在更小、更分散的设备上运行,将继续带来新的基础设施机会。

在张璐看来,无论是AI、太空经济还是下一代计算,真正值得长期关注的,始终是那些拥有真实技术壁垒、能够重塑产业,同时具备长期商业价值的创新。