AI終端驅動下的芯片產業：新周期的起點與方向｜甲子引力X

在AI時代具備競爭力，必須構建垂直整合的生態體系。

在人工智能浪潮席捲全球的當下，芯片作為這場技術革命的底層基石，正迎來一個全新的發展周期。

從雲端算力到邊緣智能，AI不僅催生了前所未有的芯片需求，重塑着整個半導體產業的技術路徑、生態格局與競爭法則。在這場關乎未來的「芯」競賽中，中國半導體產業面臨着前所未有的挑戰與歷史性的機遇。

在8月21日舉辦的「渡口——2025甲子引力X中國科技產業投資大會」現場，元禾璞華合夥人牛俊嶺擔任主持，與龍鼎投資創始人兼董事長吳葉楠、新鼎資本創始合夥人兼董事長張馳、華映資本管理合夥人章高男、泰達科投合夥人張鵬、松禾資本董事總經理陳穎峰、同創偉業董事總經理楊曉敏，六位深耕半導體領域的頂級投資人，共同剖析AI時代的芯片破局之路。

圍繞中國AI芯片產業的宏觀格局，嘉賓們普遍認為，儘管在覈心製造與軟件生態上仍扮演「跟隨者」角色，但貼近終端應用市場、快速迭代的商業模式以及在特定場景的系統級創新，正構成中國獨特的競爭優勢。

張馳直言，若製造與裝備端無法突破，設計端的創新便無從談起，根本性追趕有賴於此。章高男和張鵬則從另一視角強調，AI時代芯片與算法、軟件的深度耦合，正打破過往「軟硬解耦」的模式，為具備跨界理解與系統架構能力的企業帶來了新的機會。

對於如何突破NVIDIA的CUDA生態壁壘，吳葉楠提出了「兼容現有生態」與「尋找特定場景突破」的雙軌路徑，而張馳則預判市場將分化為商業化與「信創」兩大生態並長期共存。

針對先進製程受限的困境，陳穎峰認為以Chiplet為代表的先進封裝技術，是中國有望實現「從跟隨到引領」的賽道。章高男則指出，汽車是未來五到七年最大的增量市場，將為專用芯片提供廣闊空間。

展望芯片投資的「下半場」，嘉賓們一致認為，GPU等傳統算力芯片的投資窗口期已過，未來機會更多存在於高速互聯、光電芯片、先進封裝以及下游AI應用等領域。

正如張鵬在最后所總結的：「未來很美，現在很難」。AI芯片產業無疑藴藏巨大潛力，但從業者還需跨越層層周期與挑戰。

以下是本場「AI終端驅動下的芯片產業：新周期的起點與方向」圓桌對話實錄，經「甲子光年」編輯，有刪改。

牛俊嶺（元禾璞華合夥人）：今天非常榮幸作為嘉賓和主持，與六位業內大咖一起探討新AI驅動下芯片未來的新機會。請六位專家先介紹一下自己、所在公司，以及在芯片領域的投資情況。

吳葉楠（龍鼎投資創始人兼董事長）：大家好，我是龍鼎投資的吳葉楠。龍鼎投資成立於2015年，成立之初就專注於半導體賽道的投資，把半導體作為核心方向。目前在產業鏈上下游已投出90多家企業，涵蓋設計、EDA、IP，以及裝備、材料、製造等環節。

龍鼎伴隨半導體行業從「冷門」到「熱門」逐步成長。目前管理規模突破100億元，仍然聚焦在半導體產業鏈，通過資源整合尋找新方向，孵化新項目。

張馳（新鼎資本創始合夥人、董事長）：大家好，我是新鼎資本的張馳。新鼎資本成立於2015年，到今年剛好十年。我們一直專注於五大賽道：集成電路、商業航天、人工智能、生物醫藥、新能源汽車，其中集成電路佔比最高。十年間累計投資90多億元，其中集成電路超過一半，約50多億元，覆蓋約100個項目。目前已有21個項目成功上市，還有一批在推進中，累計備案基金超過270只。

在集成電路領域，我們過去重點佈局在裝備和材料環節。例如，在寒武紀投資了約1億元，在海光投資了2億多元。在光刻、離子注入等設備，以及材料和頭部項目上，我們的佈局相對完整。整體上偏向於投資后期的成熟項目，同時也覆蓋設計類企業和第三代半導體等核心領域。

此外，我們也在加快佈局商業航天、低空經濟、人工智能、機器人等新興領域的項目。

章高男（華映資本管理合夥人）：大家好，我是華映資本的章高男。華映資本成立於2008年，累計管理規模約120億元，投資了超280家公司。整體投資方向主要包括消費科技和硬科技等。我個人更偏重科技賽道。

在芯片領域，我們的佈局沒有張總那麼專業，但因為堅持選擇高技術門檻的方向，自然會投到芯片。算力是我們最主要的方向，我過去投過三家GPU公司，涉及算力、存儲、高速互聯，這些都是長期的基礎性賽道，以芯片為核心。未來我還會在服務器級別CPU和一些異構的XPO端持續關注，包括存儲技術的創新，這些都是我個人重點方向之一。

我過去投了本源量子做通用量子計算，這里面也有核心的芯片設計，另外衞星互聯網，無論是是激光通信還是微波通信都與芯片相關，這是我個人特別關注的方向，我們正在簽署一個做相控陣數字波束成型（DBF）的芯片公司，我個人很看好這個方向的發展空間。

在汽車領域，我們關注高技術難度的供應鏈環節，最近我們投資了線控制動和電驅及熱管理兩個項目。其中熱管理項目就涉及碳化硅芯片的設計和封裝。

智能製造也是我們重點關注的方向，已經持續六年。比如在視覺芯片方面，投過3D結構光項目，以及基於新型CMOS實現高精度感光的企業。雖然我們涉獵不少芯片項目，但並非從產業鏈系統性角度佈局。目前也在觀察AI帶來的芯片產業鏈結構性變化與設備升級的機會。

張鵬（泰達科投合夥人）：大家好，我是泰達科投的張鵬。泰達科投成立於2000年，主要聚焦半導體、生物醫藥和智能製造方向的投資。在半導體領域，我們算是國內的「老兵」，持續投資佈局十多年，累計投資接近100家產業鏈企業，涵蓋芯片設計、裝備材料和半導體制造及服務。目前已有18家被投半導體企業在國內A股上市。

泰達科投重點關注半導體等硬科技領域的早期和成長期投資，未來也會繼續深耕產業鏈，並關注AI帶來的算力和基礎設施方面的新機會。

陳穎峰（松禾資本董事總經理）：大家好，我是松禾資本的陳穎峰。松禾資本總部位於深圳，是國內最早一批專注硬科技的投資機構之一。從1997年開始做科技投資，到現在累計管理規模超200億元，投出500多個標的，上市退出項目超過七十家。

我們是綜合性機構，重點投資數字經濟、精準醫療、創新材料三大板塊。其中，芯片半導體是主要賽道之一，早在多年前就開始系統性佈局，尤其在設計環節投入最多。同時我們也關注前沿領域，比如EDA、IP、大算力芯片等AI基礎設施項目。在設備和材料環節，我們更關注封裝相關項目，類腦芯片等方向也有所佈局。

楊曉敏（同創偉業董事總經理）：大家好，我是同創偉業的楊曉敏。同創偉業成立已有25年，是國內老牌投資機構，目前管理規模約350億元，投資了700家企業，其中100多家已經上市。

我們的投資方向包括硬科技、數字經濟和醫療健康。硬科技主要涉及半導體、先進製造和新能源，其中新能源是非常重要的賽道。半導體方面，我們覆蓋全產業鏈佈局，從材料、裝備到設計環節都有深入投資。近年來也重點關注AI相關的算力驅動方向。半導體是我們收穫頗豐的領域，值得深入探討。

牛俊嶺（元禾璞華合夥人）：在半導體領域，我們也深耕多年。我簡單介紹一下我們公司：目前管理規模約200億元，投資了超過200個項目，其中50多個已上市。我們對整個半導體產業鏈持續關注和佈局已超過十年。

元禾璞華合夥人牛俊嶺

1.AI時代的「芯」格局

牛俊嶺：現在最新的浪潮就是AI浪潮。在這個周期里，它的特點是什麼？是以技術範式為主的架構創新，還是以商業模式為主的變革？

吳葉楠：我先談一下經驗總結。AI是半導體領域中對芯片需求量最大的賽道之一，也是推動全球半導體市值增長的重要力量。現在各地都在建設數據中心，需求極其龐大，尤其是美國的數據中心建設規模比中國高一個數量級。這些都需要大量的GPU、互聯網芯片、光通信芯片、以太網接口芯片、交換芯片、電源芯片等，需求量大幅提升。

半導體產業整體是以技術驅動為主。談到技術創新，國內相對較弱，更多是跟隨。硅谷承擔創新，國內則負責低成本化。

硅谷可能十年磨一劍，推出跨時代的產品；兩三年后，國內企業會逐步消化並迭代，推出2.0、3.0的低成本版本。當一個產品毛利低於50%時，硅谷公司會放棄；低於30%時，日韓公司會放棄；低於20%時，主要由大陸企業來做。

國內企業的優勢更多在於貼近客户。

大部分終端廠商在中國，國內企業利用成熟技術為客户提供更有利的解決方案。整體來看，中國模式大約是「70%技術驅動+30%商業創新」，與歐美大公司的標準化產品形成差異化，這正是優勢。特別是在先進製程受限的情況下，本土要生產高性能芯片難度很大。

國內曾提出過一些新架構，比如存算一體、光計算。但這些應用範圍很窄，難以在未來五到七年內替代先進製程的高性能計算。它們更多停留在科學研究和細分領域。

表面上看，這些架構似乎可以繞開先進製程的瓶頸，但短板明顯，僅針對特定算法，集成度和通用性都不如先進製程。因此，國內主要任務還是結合應用場景，做快速迭代的產品，而不是拼性能和指標。

龍鼎投資創始人兼董事長吳葉楠

張馳：我比較認同吳總的觀點。在人工智能大爆發的時代，中國在AI芯片領域仍是跟隨者。但這是一個大機會，所有投資機構都在關注。底層主要有三類機會：算力芯片、存儲芯片和傳輸芯片。

這些芯片國內大多處於跟隨階段，主要做國產替代。光芯片和電芯片90%以上依賴進口，GPU算力芯片也幾乎完全依賴進口，還沒有形成自主創新突破。

目前國內的邏輯是：做到和進口產品差不多，但性價比更高，從而實現國產替代。

AI芯片要真正追趕，本質問題在製造能力，比如14納米、7納米光刻機。GPU已經進入7納米時代，而中國在光刻機上仍有明顯短板。

如果製造和裝備端沒有突破，設計端也難以發揮。要實現反超，必須先在製造、裝備和光刻機領域取得突破，設計端纔有可能產生真正創新。

目前投資AI芯片的邏輯，就是看誰能接近或替代進口產品。在中美博弈的背景下，只要能實現替代，就會有客户使用，也就有投資機會。

章高男：我從另一個角度談一下。我曾在手機行業工作十年，對芯片發展有一些體會。最初是PC驅動，以億級規模計數；隨后真正帶動芯片產業的是手機，每年達到十億級規模。現在是AI的算力需求驅動，也會帶來巨大的增量。

AI端芯片和PC、手機端芯片在底層上有差異。PC和手機時代，軟硬件相對解耦。硬件只需IC設計，CPU內核數、內存、接口都相對標準，操作系統則獨立發展，雙方相互配合。

而AI芯片與算法的解耦沒有完全實現，尤其是與模型和框架高度耦合。模型是多維算法的組合，這決定了芯片架構會發生變化。

例如，DeepSeek推出后，FP8結構迅速流行，特別是最近剛火的Deepseek UE8M0 FP8，直接影響到芯片的結構，這使得我投資的很多GPU公司馬上面臨新的挑戰，下一代產品必須重新考慮。這説明AI芯片設計和算法框架高度耦合，對算力芯片提出了兩點要求：

第一，做AI算力芯片不僅要懂芯片，還必須深刻理解算法和框架的發展趨勢，只有跨界結合才能做出好產品。

第二，算力依賴高速互聯技術的發展，比如CXL的異構互聯，scale-up和scale-out的技術路線、光模塊的LPO, CPO 以及未來OIO帶來的帶寬巨大升級潛力等等。這些都需IC設計者要具備系統架構設計的趨勢預測能力，而不僅僅是單點突破。

張鵬：我也有類似觀點。從PC時代到移動互聯網，再到AI時代，都可以看到芯片+操作系統這一核心推動力的身影。正如PC時代奠定了Intel和Windows的地位；移動互聯網時代，服務器端還是Intel和Windows，但終端側則轉向高通和安卓，AI時代又出現了英偉達和OpenAI。

泰達科投合夥人張鵬

這説明硬件和軟件的耦合推動了產業發展。但AI時代卻又與前兩次浪潮有一些不同：

第一，AI行業快速的技術迭代和對算力需求指數級的提升，推動產業鏈和商業模式重構。

過去硬件性能由芯片企業定義，而硬件性能又決定了應用的範圍，開發者只能基於芯片定義的功能開發應用。這個生態相對封閉，迭代速度較慢，行業的價值分配被芯片和操作系統企業定義分配。

而AI時代則有較大變化，大模型對算力的需求快速提升，模型迭代速度也在不斷加快，這種趨勢打破了過往在PC時代和移動互聯網時代由芯片企業推動定義行業應用發展的模式，進而帶來了商業模式和產業鏈重構的機會。

芯片性能迭代的速度跟不上模型迭代速度提升的需求，越來越成為發展的約束條件。而這將推動出現芯片架構創新、及系統性公司定義芯片的新趨勢和新機遇。

第二，應用牽引和模型創新推動芯片技術發展帶來供應鏈的重構。

目前國內AI芯片供應鏈受限於美國長臂管制的原因，造成我們在工藝上實現上無法達到國際先進水平，而AI芯片設計和工藝工藝能力又是強綁定的，這種內生推動力和外部約束環境，將推動從系統端設計到加工封裝工藝改進、以及新的設備和材料應用的諸多新變化，同時也會孕育新的機會，這和過去按部就班的模式有一定的差異。

總體來看，隨着對算力的極大需求，未來對半導體產業的推動是值得期待的。

陳穎峰：PC時代是「Windows+Intel」，移動互聯網時代是「ARM+安卓」，都是相對解耦的巨頭體系。而AI時代發生了較大變化，主要源於AI任務的複雜性。訓練、推理、邊緣和雲端的多樣化應用，都需要芯片與軟件的深度優化和協同。

松禾資本董事總經理陳穎峰

這造就了英偉達的領先地位。它不僅有完整的硬件體系，還有配套的軟件生態，開發者脱離它的成本極高，形成了從硬件到軟件再到開發者的良性循環。

這表明，在AI時代具備競爭力，必須構建垂直整合的生態體系。這個生態中有很多價值節點，值得深入挖掘。

同時，技術創新迭代很快，新架構層出不窮。例如存算一體等概念已經提出很久，未來是否會出現實質性突破，從而加速生態演進、形成新格局，需要持續關注。AI時代的競爭，既包括生態體系之爭，也包括技術架構的突破。

楊曉敏：前面幾位嘉賓已經講得很全面。我補充一個關於時機的觀點。當前正處於技術爆發期，從深度學習到Transformer、大模型，迭代速度極快，未來也會持續加快。這種背景下，無論是AI終端芯片還是雲端芯片，創業和投資都有新的機會。

過去芯片行業基礎相對落后，尤其與國際水平相比差距很大。但現在從材料到製造，全產業鏈都在推進，差距正在縮小。一旦新技術出現，國內的承接能力也明顯增強。

同創偉業董事總經理楊曉敏

另外，中美科技競爭反而為國內企業創造了保護性市場。即便產品性能暫時不足，也有試錯和迭代的機會。從時機上看，現在正是AI芯片創業和投資的黃金時期。

2.投資路徑與應用突圍

牛俊嶺：接下來想針對每位嘉賓提一些問題。第一個問題請教吳總和楊總：在AI領域，你們是採取「廣撒網」的投資邏輯，還是更注重精準選擇，從多個項目中挑出最優的？

吳葉楠：我們的策略是在賽道早期階段，挑選最優秀的團隊進行重點孵化。一個賽道通常只佈局一到兩家企業，我們更看重生態體系的建設，而不僅僅是單點投資。

在AI領域，我們研究了很久。從芯片角度看，靈活性和效率始終是蹺蹺板，靈活性越高效率往往越低。

我們對軟件定義有很深的關注，靈活性強意味着軟件複雜度高，生態建設周期也更長。英偉達黃仁勛一直強調，英偉達本質上是一家軟件公司，它真正的護城河在於軟件生態，而非單顆芯片，這是國內公司最難替代的地方。

國內GPGPU公司之所以發展較好，是因為能夠借用CUDA生態，減少了大量生態建設的工作。

而NPU或DSA架構的公司發展不如GPU，原因在於大模型需要更高的靈活性而非單純效率。大模型訓練需要高精度計算，通常依賴FP32、FP64，甚至TF16、BF32等特殊格式。

而很多NPU仍停留在FP8或FP16水平，其他的算子效率較低，導致在訓練精度和效率上不足，結果就是國內仍難以擺脫對英偉達架構的依賴。

所以算力和帶寬的單點提升沒有意義。

CUDA迭代速度極快，算子庫更新頻繁，軟件生態壁壘越來越高。未來需要探索兩條路徑：

一是兼容現有生態，少走彎路，實現快速產業化；

二是在特定應用和場景中找到突破口，降低對軟件生態的依賴，轉而追求能效比，這些方向可能實現對GPU的替代。

楊曉敏：我們機構的特點是人民幣基金色彩比較明顯，這也是當前主流基金的特徵。整體來説我們採用兩種路徑：一方面會重點佈局具備確定性、符合IPO要求、業績增長穩定、合規且符合政策導向的成熟項目；另一方面也會投早、投小，佈局種子項目和早期團隊，關注AI的新技術、新架構和新人才。

總體上，我們不會盲目撒網，而是基於深入研究進行早期和后期的結合式佈局。

牛俊嶺：下面想請章總談談。AI終端的推理芯片，包括GPGPU、專用芯片等，其中專用芯片已經有不錯的應用。未來在AI PC、智能汽車、機器人等終端場景中，哪些應用對於專用芯片而言會形成最大的市場空間？哪些又可能只是碎片化的市場？

章高男：無論是否有AI，我的投資思路一直是「端—邊—雲」全面覆蓋。

AI出現后，市場的增量依然由需求決定。就需求規模來看，最大的增量市場首先來自汽車。

傳統汽車需要300—500顆芯片，新能源汽車芯片芯片數量要求更多，隨着不同級別自動駕駛的普及，芯片需求將大幅增加。汽車市場規模龐大，計算和安全需求極高，是未來五到七年最大的增量市場。

相較之下，工業端需求也會增長，但是相對長尾分散，沒有單一大家伙，但我相信未來至少還有一兩家能達到瑞芯微級別公司的機會。

若放到二十年時間跨度，機器人尤其是具身智能機器人是芯片巨大的增量市場，但當前極不成熟，需要相當的時間耐心觀察。

華映資本管理合夥人章高男

牛俊嶺：請問陳總，在先進製造和新材料領域，你們也有很多經驗。先進封裝和新材料在后摩爾時代可能發揮重要作用，您怎麼看其在AI端的應用前景？

陳穎峰：我們本身在設備和材料端聚焦於封裝，Chiplet就是非常具有革命性的路徑。通過異構集成和堆疊，可以更好地實現算力與能效的平衡，同時降低成本，滿足碎片化的需求。

它能夠將計算、存儲、加速模塊堆疊在一起，把先進製程與成熟製程結合，在先進製程受限的情況下開闢一條新道路。終端需求零散多樣，Chiplet正好可以靈活應對。

這為國內先進封裝產業帶來了巨大機遇。我認為未來封裝將不再只是后端工序，而會演變為綜合性服務商，產業地位實現躍遷。中國憑藉強大的工藝體系，有望在這一方向上實現從跟隨到引領的轉變。這一過程中，從設備到材料，都藴含着豐富的投資機會。

牛俊嶺：我也非常認同陳總的觀點。先進封裝和新材料未來有望成為中國超越美國的重要賽道。剛纔大家也提到，終端芯片不僅需要硬件，還需要軟件生態。目前國內AI終端芯片領域依然多以跟隨為主，許多產品需要兼容CUDA，還沒有形成自己的獨立生態。請問張總，您認為中國該如何突破這一問題？

張馳：我認為可以從兩方面來看。第一，出於商業化的考慮，很多企業只能借鑑美國和英偉達的CUDA生態。下游客户像騰訊、阿里、字節等都要求產品「拿來即用」，這迫使上游GPU公司必須兼容CUDA或ARM架構。當前市場上主流GPU企業幾乎都採用這種方式，生態已經形成。

第二，還有一部分市場是「信創」市場，必須實現自主可控和國產替代。在這個市場中，特定場景和核心行業需要使用自主可控的底層芯片架構，避免后門和安全隱患。

新鼎資本創始合夥人兼董事長張馳

因此，未來會出現市場切分：大部分GPU公司做商業化，服務於大廠；另一部分企業則深耕信創市場，形成獨立的生態和系統，服務超算中心、保密系統等八大核心行業。

最終，商業化生態和自主生態會長期並存，就像CPU市場曾演變出多家核心企業一樣，GPU市場也會走向多元化。

牛俊嶺：張鵬總也投資了很多半導體項目。過去大家都強調國產替代，如今在此基礎上又強調自主可控。您認為未來有哪些挑戰和機遇？

張鵬： 過去國內半導體投資主要目標就是國產替代，如今依然如此。但在自主可控的大背景下，我認為最大的挑戰在於產業鏈差距，特別是在先進工藝製造上的差距。受制於設備、材料等因素，中國目前仍在追趕。

目前，大家討論比較多的是能否通過先進封裝的方式繞開工藝短板。我認為這很難是一個一勞永逸的辦法。硬件和軟件行業有一個較大的不同是顛覆式創新或者體系化創新的不確定性和成本很大，換句話講就是很難出現彎道超車的機會，尤其是半導體這種需要全產業鏈共同創新的行業。

因此，一方面我們必須沿着先進工藝路線持續投入，補齊短板；另一方面可以考慮在系統層面進行創新。比如從系統架構優化設計入手，推動AI芯片的定製化開發。

硬件迭代周期遠長於軟件，沿着別人走過的路追趕雖安全但也較為漫長，但在特定應用中進行系統級創新是有機會的。

此外，局部的技術突破也可能彌補差距。例如通過先進封裝等方式彌補部分工藝短板。從整體來看，自主可控的關鍵仍在製造、設備和材料環節。

3.芯片投資的下半場

牛俊嶺：在今天的主題下，請各位嘉賓結合自身觀察，談一談在芯片與AI結合的背景下，未來最值得關注的投資方向和機會在哪里。

吳葉楠：從中國自身發展來看，要實現自主可控、應對海外製裁，需要從幾個方面着手：

一是軟硬件一體化，通過軟件優化降低硬件消耗，使軟硬件結合后性能接近國際一流水平；

二是應用新技術，包括先進封裝和高效互聯技術，提升算力集羣整體性能。通過綜合手段，避免在國際競爭中掉隊，形成相對可用的一流水平。

張馳：我們一直在思考人工智能芯片的投資邏輯。當前GPU賽道機會有限，國內GPU公司基本已經跑出來，算力領域也沒有太多新增機會；存儲市場被頭部企業佔據，顆粒級機會不多；

光模塊中國已經有突破，剩下的可能在上游光芯片和電芯片。人工智能芯片還存在互聯芯片、集羣芯片的投資機會，但整體來看，最大的投資窗口已過，未來更多機會會出現在下游的AI應用和應用級市場。

章高男：我認同張總的觀點，大機會確實不多。我關注兩個方向，一個是混合計算XPU方面的創新和突破，這個跟具體場景相關特別是工業里有很多需求。

另一個是算力高速互聯，既包括異構芯片的CXL，也包括AI算力芯片RDMA的級聯方式，目前主要是兩類，一類是高速專有通信接口，另一類是博通為代表的高速以太網；同時配套的光模塊技術的演進；我認為都有機會，也是我個人關注的重點。

張鵬：未來很美，但現在很難。整體而言，我依然看好國內半導體在先進工藝和AI帶動下的發展機會。作為半導體從業者，我覺得這個賽道已開始進入下半場。

上半場我們做了很多事情，拉近了和國外先進國家的技術差距。但需要正視的是我們與國外仍有很大的差距，尤其在先進工藝上。值得期待的是，在AI應用的引領下，產業鏈和供應鏈價值的重塑，以及對半導體尤其是先進工藝需求的快速提升，未來依然有很大的想象空間。

陳穎峰：我們的策略和前面幾位嘉賓基本一致。在生態體系的競爭中，仍有一些難啃的環節。雖然機會不像以前那麼多，但互聯、光芯片等硬核領域仍然值得關注。同時我們也緊盯前沿方向，包括量子、光子計算等，持續跟進最新趨勢。

楊曉敏：從汽車到AI應用，再到具身智能機器人，這些未來場景都能清晰預見。AI芯片整個產業鏈依然有很大成長空間。寒武紀股價的走勢也能帶來啟示：從高點下跌后，再經歷十幾倍的增長。AI芯片的創業投資同樣如此，可能會經歷低谷，但只要堅持，最終依然大有可為。

牛俊嶺：未來我們這些半導體人、AI人，要在「0到1」的創新上加快突破，同時加強產業整合，努力培育出具有國際競爭力的巨頭企業。感謝六位專家，也感謝各位的參與！

（封面圖及文中配圖來源：「渡口——甲子引力X2025科技產業投資大會」）