AGI浪潮潜力赛道榜单：基石资本张任奇
（来源：华夏基石e洞察）
- 根据2026年4月22日至23日基石资本峰会分享整理，文章仅代表作者本人观点
4月22日至23日，由基石资本主办的“2026中国深圳企业家峰会”在深圳成功举行。本次峰会以“开启AI纪元，共赴星际征程”为主题，聚焦人工智能、算力、自动驾驶、具身智能、商业航天、量子科技、可控核聚变等前沿领域。基石资本执行董事张任奇在会上发表了题为“AGI浪潮下的一级市场投资机会”的主题演讲。以下为演讲核心内容整理。
自2022年11月ChatGPT横空出世，人工智能行业已历经三年多的狂飙突进。这三年多里，技术迭代、产品落地、商业化探索，几乎每天都在刷新我们的认知。今天，就结合近期观察到的一系列真实产业动态，与各位探讨一下在AGI浪潮下，一级市场有哪些值得关注的投资方向与底层逻辑。
一、超大规模模型能力持续突破，Scaling Law尚未收敛
首先来看超大规模模型的进展。当前，行业主流大模型的参数规模普遍在1万亿到2万亿之间，这属于“常规”大规模模型的范畴。然而，Anthropic推出的10万亿参数模型，则正式将竞争拉入了“超大规模”的级别。这一量级的跃升，直接将模型的智能水平推上了一个新台阶，在多项核心能力上超出了市场预期。正因其能力过于强大，该模型在网络安全、代码生成等领域表现尤为突出，甚至展现出突破现有安全规则体系下沙箱环境的能力。
也正因如此，Anthropic对该模型的开放极为审慎，目前仅定向面向12家机构进行测试，同时团队仍在全力优化其安全能力。这件事释放出一个明确信号：大模型的能力天花板远未触及。行业内常说的Scaling Law（缩放定律）远未收敛，模型的性能提升空间依然广阔，技术的边界仍在不断拓展。
二、Agent技能封装全面普及，成为行业核心热点
第二个显著趋势，是Agent（智能体）技能封装正成为全行业的热点。一个标志性事件是，美团内部已出台强制要求，所有员工——无论前台业务还是后台支撑岗位——都必须将核心工作技能标准化，封装成可共享的插件，并发布到内部平台。插件的使用次数将直接作为衡量技能价值、甚至纳入员工考核的指标。这种推进力度，足以说明行业内部的重视程度。
目前，这一趋势已从美团快速蔓延至网易等大型互联网公司，大量中小企业也开始全面跟进。这背后传递的信号非常清晰：AI对部分岗位的替代，正从预期走向现实。网络上已有不少讨论，例如将管理者的决策风格封装成插件，或由AI自动处理日常财务事务。可以说，Agent技能封装已成为当前AI领域最具落地价值的核心方向之一。
三、Harness Engineering成为产业核心，Coding Agent是关键载体
结合硅谷与国内市场的动态来看，当前行业发展的主线已然清晰。Agent概念并非新鲜事物，但其规模化普及的瓶颈在于底层模型能力不足。直到OpenAI、Claude等主流模型实现能力跨越，Agent才真正步入产业应用快车道。随之兴起的，是硅谷提出的“Harness Engineering”（驾驭工程）理念，其核心在于实现模型与具体任务环境的高效、稳定交互与精准控制，而实现这一目标的关键执行单元，正是Coding Agent（编码智能体）。
一套完整的Harness Engineering体系，通常包含几个关键模块：一是主智能体与子智能体的协同架构，以处理复杂任务与上下文隔离；二是分层记忆系统，满足从短时工作记忆到生活常识记忆的不同需求；三是垂直领域的专业技能插件体系；四是多维度的工具调用能力。
从投资视角看，对于非通用基座模型类的创业公司，产品能力是核心评判标准。而产品能力的本质，就是Harness Engineering的构建水平——即能否高效匹配底层模型，最大化释放其潜能。这已成为筛选项目、判断企业竞争力的重要依据。
四、中国大模型Token调用量领先，但智力与商业化差距显著
第四个需要厘清的方向，是大模型Token调用的市场格局与中美差距。根据2026年4月的最新数据，中国大模型的Token调用量已远超美国，成为全球最活跃的市场。核心驱动力在于成本：在达到相近能力水平的前提下，国内模型的价格仅为美国模型的十分之一左右，巨大的成本优势直接推动了调用量的激增。
从具体玩家看，2026年2、3月的数据显示，Kimi、MiniMax、通义千问等国内主流模型占据了绝大部分市场份额。然而，必须清醒认识到，调用量的领先绝不意味着全面领先。差距主要体现在两方面：
一是模型智力水平。中国大模型与硅谷顶尖闭源模型（如Google Gemini、GPT系列、Anthropic Claude）之间仍存在持续性的差距，需要不断追赶。当然，国内模型也在快速迭代，例如Kimi 2.6、DeepSeek V4等版本都在努力向头部靠拢。
二是商业化规模。OpenAI、Anthropic的年化收入已达两三百亿美金量级，而国内已上市的智谱、MiniMax等企业，年化收入仅在一两亿美金左右，差距高达百倍。这一差距的形成，与国内商业化生态的成熟度及模型能力本身都有关联。但反过来看，这种明确的差距，恰恰为人工智能领域的国产替代提供了清晰的投资逻辑与价值空间。
五、多类型模型次第成熟，新领域仍具长期投资潜力
第五个现象是，多类型模型正逐步迈入成熟发展轨道。过去几年，大语言模型、图片生成模型、视频生成模型已先后进入成本下降、用户规模增长的成熟期。例如，视频生成领域的头部企业年化收入已达2亿美金，进入同质化竞争阶段。3D生成模型也在近期迎来商业化拐点。
相比之下，世界模型、具身智能基座模型、医疗垂直专用模型等领域，尚未真正进入成熟落地阶段，技术、产品与商业化仍处于探索期。对于一级市场而言，这些方向具备长期跟踪和提前布局的高价值，是未来行业增长的重要动力。
六、硅谷引领模型新范式，国内新范式团队逐步涌现
第六个前沿方向，是硅谷引领的模型新范式创新。当前基于Transformer、MoE（混合专家）架构的模型，在能力上存在明确上限。因此，硅谷一批顶尖人才创办的“小而美”团队，正将商业化暂时搁置，全力攻关底层架构缺陷，探索全新范式。
其中有两家代表性企业值得关注。一家是由OpenAI前联合创始人兼首席科学家Ilya Sutskever创办的Safe Superintelligence（SSI）。该公司在追求能力提升的同时，将安全合规置于同等高度，构建了新型模型范式架构，估值已超300亿美金。另一家是Thinking Machines Lab，专注于通过后训练技术提升模型性能与稳定性，估值已达500亿美金。
硅谷在新范式领域持续创新，而国内市场一方面在追赶主流技术，另一方面也开始涌现一批聚焦新范式的优质创业团队，这同样是一级市场需要重点覆盖和提前布局的方向。
七、AI应用层与基础设施投资方向明确
最后，来看人工智能应用层的巨大潜力。回顾云计算时代，产业结构呈典型的倒三角，应用层诞生了Adobe等一大批高市值巨头。AI时代必然会复刻这一路径，但当前产业链结构恰好相反，呈正三角——约70%的利润集中在以英伟达为代表的算力环节，应用层的市场空间尚未爆发。
然而行业共识是，AI技术将全面重塑传统行业，并催生大量原生AI应用。下一阶段，AI应用层的投资弹性将远超其他环节，是最关键、最具想象空间的布局方向。
基于此，我们的投资重点聚焦模型层与应用层两大板块。模型层重点关注世界模型、具身模型、记忆系统、新范式等方向；应用层则布局To B Agent基础设施与解决方案、To C社交生活及生产力应用、AI for Science（制药、材料）等领域，并将具身智能、智能硬件作为独立赛道重点覆盖。
在AI基础设施层面，英伟达在2026年GTC大会发布的Vera Rubin架构，为行业树立了清晰标杆。该架构构建了完整的AI工厂体系。相应的，AI基础设施投资可围绕计算、存储、网络、辅助硬件四大方向展开，光模块迭代、液冷散热、新型能源供给等领域存在大量机会。
基石资本已在AI全产业链完成布局。上一周期，我们在算力层投资了摩尔线程、壁仞科技；模型层布局了商汤、第四范式、思谋科技、MiniMax等；应用层累计投资了六七家企业，覆盖具身智能、工业制造、自动驾驶、消费硬件等场景。我们采用CVC式布局思路，构建了庞大的被投企业生态，其产业实践为我们的投资决策提供了宝贵依据。
同时，我们在算力云平台拥有独特资源优势，可提供“算力+资本”的综合方案，在获取热门项目时更具竞争力。我们的投资团队大多具备深厚产业背景，能实现产业资源与投资能力的高效匹配，更好地服务于被投企业。
以上便是本次分享的全部内容。
