今年年初，DeepSeek發(fā)布推理模型DeepSeek R1正式版，同步開源模型權(quán)重，一經(jīng)發(fā)布立即火爆全網(wǎng)。當(dāng)人們感嘆DeepSeek R1處理復(fù)雜任務(wù)時的出色表現(xiàn)時，其開源路徑進(jìn)一步降低了AI創(chuàng)新的門檻和成本，千行百業(yè)正以前所未有的速度被重塑，AI應(yīng)用的商業(yè)化落地也有望跑出“加速度”。

新的機(jī)會必然伴隨著新挑戰(zhàn)，面對時代機(jī)遇，如何將AI應(yīng)用快速轉(zhuǎn)化為真金白銀的營收和利潤？什么樣的AI應(yīng)用才具備高長期的資本價值？

4月2日，由盛景聯(lián)合中關(guān)村企業(yè)家顧問委員會、中關(guān)村100企業(yè)家俱樂部、中關(guān)村高新技術(shù)企業(yè)協(xié)會等合作伙伴在北京中關(guān)村全球科創(chuàng)路演中心舉辦的“上市公司AI應(yīng)用第二曲線創(chuàng)新閉門研討會”上，盛景嘉成管理合伙人王湘云分享了AI RaaS（“AI包工頭”模式）的全球?qū)嵺`與產(chǎn)投邏輯，并指出搶占AI產(chǎn)業(yè)升級窗口期的關(guān)鍵。

以下為分享內(nèi)容整理，enjoy～

對于AI RaaS（即“AI包工頭”模式），盛景在兩年前投資相關(guān)項目時就已開始思考。今年春節(jié)DeepSeek發(fā)布其開源推理模型DeepSeek R1，成為中國科技崛起的重要里程碑，也讓我們更加堅定了一個觀點：AI RaaS模式加速落地的時機(jī)已經(jīng)到來。

隨著AI技術(shù)的進(jìn)步，在實現(xiàn)“技術(shù)平權(quán)”和“知識平權(quán)”的同時，現(xiàn)有的產(chǎn)業(yè)結(jié)構(gòu)正在被顛覆。因為技術(shù)和知識的稀缺性、壁壘和重置成本在同步發(fā)生了改變，直觀體現(xiàn)在原有的壁壘可能將消失，稀缺性可能也將不復(fù)存在。此時，各行各業(yè)的競爭格局、價值體系和商業(yè)模式將如何升級，是企業(yè)家創(chuàng)業(yè)者們必須要思考的問題。

自2022年11月底ChatGPT正式推出以來，已過去兩年半左右的時間�；仡欉@一發(fā)展歷程，我們對人工智能大趨勢的關(guān)鍵預(yù)判基本得到了驗證：

第一個判斷，基礎(chǔ)大模型的持續(xù)迭代與開源，會引發(fā)AI價值鏈的重構(gòu)。以DeepSeek的開源實踐為典型代表，它的推出引發(fā)了基礎(chǔ)大模型的價值重估，使得資本對基礎(chǔ)大模型的投資布局開始變得審慎；

第二個判斷，大廠在2C市場的后發(fā)優(yōu)勢和長期壁壘。我們看到DeepSeek推出以后，一眾大廠快速跟進(jìn)，成為前者開源的最大受益方。這揭示出頭部企業(yè)在AI價值鏈中具備持續(xù)迭代升級的能力，由此也引發(fā)了一個靈魂命題：如何避免被大廠踩踏？

基于上述研判，我們得出一個明確的結(jié)論：簡單“套殼”走不遠(yuǎn)。為此，盛景創(chuàng)新性地提出并率先實踐“AI RaaS（Result as a Service，結(jié)果即服務(wù)）”或者叫“AI包工頭”的商業(yè)模式。

01

AI包工頭模式的第一性：

以AI為支點撬動更大利潤池

在闡釋“AI包工頭”模式的第一性原理時，需回歸企業(yè)經(jīng)營的底層邏輯——利潤池。這是盛景在多年的投資過程當(dāng)中，梳理總結(jié)提出的概念。

之所以要強(qiáng)調(diào)“利潤池”，是因為AI技術(shù)的升級和進(jìn)步，將構(gòu)建新的價值杠桿，幫助企業(yè)以AI為支點去撬動更大利潤池，這也是AI Raas模式具備巨大商業(yè)價值的核心所在。

企業(yè)本質(zhì)上有五大利潤池，分別是：

1、數(shù)字化利潤池，包括企業(yè)自研、外采、委托開發(fā)的軟件和IT服務(wù)等資金投入。

2、人力資源利潤池，包括企業(yè)自雇、外包的人力資源性資金投入。

3、資產(chǎn)利潤池，包括采購和租賃的無形資產(chǎn)、設(shè)備/產(chǎn)線、土地/廠房/辦公場所等資金投入。

4、供應(yīng)鏈利潤池，包括為產(chǎn)品研發(fā)和制造而外采的原材料、半成品、零部件、耗材用品等資金投入。

5、資本/資金利潤池，包括企業(yè)為貸款而支付的資金利息，繳納的各項稅費(fèi)，股東的稅后利潤等。

假設(shè)一個企業(yè)的收入是100%,五大利潤池占比為X1+X2+X3+X4+X5=100%，拆解如下圖：

● 數(shù)字化利潤池：占到總收入X1%，通常情況為1%-2%，甚至更低；

● 人力資源利潤池：占到總收入X2%，通常情況下為20%-40%左右；

● 資產(chǎn)利潤池：占到總收入X3%，通常情況下為10%-20%左右；

● 供應(yīng)鏈利潤池：占到總收入X4%，通常情況為20%-40%左右；

● 資本/資金利潤池，占到總收入X5%，通常情況為10%-20%左右；

由此可見，企業(yè)的數(shù)字化利潤池，也就是我們所說的軟件和IT服務(wù)產(chǎn)業(yè)，占比僅僅為1%-2%。軟件和IT服務(wù)行業(yè)，雇傭著行業(yè)平均受教育程度最高的人力資源，但卻僅僅在一塊最小的數(shù)字化利潤池中高強(qiáng)度競爭，高度內(nèi)卷。

再來看一組更直觀的數(shù)據(jù)：

2022年全球GDP為100.22萬億美元，但全球軟件支出額僅為6750億美元，即使再加上12651.27億美元的IT服務(wù)支出額，合計也還不到全球GDP的2%（僅為1.87%）。

即便是對SaaS最友好的美國市場，情況也沒有本質(zhì)性的改變：2022年美國GDP為25.4萬億美元，美國軟件及服務(wù)支出額約為7890億美元，也僅占美國當(dāng)年GDP的3.1%，若扣除IT服務(wù)，美國軟件市場的總規(guī)模占美國當(dāng)年GDP僅1.2%。

所以，如何打破這樣的困局？AI能力的突破，AI包工頭模式的出現(xiàn)，將突破數(shù)字化利潤池的天花板。三種不同的商業(yè)模式下，收入、利潤量級將相差10倍以上。

●A區(qū)工具模式：按照License/用戶數(shù)，收取一次性買斷的費(fèi)用或者按年度訂閱（SaaS），但本質(zhì)上都是工具型商業(yè)模式，覆蓋數(shù)字化利潤池。

●B區(qū)人力外包模式：按照外包人力的數(shù)量向客戶收費(fèi)，從絕對規(guī)模上來看，比數(shù)字化的利潤池要大，即使沒有AI加持，整體產(chǎn)業(yè)規(guī)模依然巨大。

在AI技術(shù)賦能的推動下，基于人工智能的數(shù)字員工已進(jìn)入廣泛應(yīng)用階段。以盛景投資的今日人才這家公司為例，該公司已向深圳福田區(qū)政府成功部署數(shù)十個AI數(shù)字員工，用于提升公共服務(wù)效率。

盡管當(dāng)前數(shù)字員工的能力與人類員工相比仍有差距，但其顯著優(yōu)勢在于極低的邊際成本，這種成本優(yōu)勢正推動著數(shù)字員工在各領(lǐng)域?qū)崿F(xiàn)規(guī)模化應(yīng)用，形成新型勞動力補(bǔ)充形態(tài)。

●A+B+C區(qū)運(yùn)營外包模式（“包工頭”模式）：不僅包含對數(shù)字化、人力資源能力的覆蓋，也包含對設(shè)備、產(chǎn)線、資源以及一些獨(dú)有的生產(chǎn)力的覆蓋，實現(xiàn)全流程的端到端外包服務(wù)，按照工作量和結(jié)果收費(fèi)，覆蓋更大規(guī)模的利潤池。

這種運(yùn)營外包模式，并不是新鮮事物，如美國的Accenture，印度的Infosys，包括中國頭部的IT服務(wù)企業(yè)，都有大量的運(yùn)營外包業(yè)務(wù)屬于包工頭模式。

過去，在很多人的傳統(tǒng)意識中認(rèn)為，這種模式干的都是苦活、累活、臟活，且盈利能力不強(qiáng)，但如今在AI的加持下，這種模式不僅擁有一個巨大的利潤池，更形成了兼具高科技屬性與強(qiáng)勁盈利前景的創(chuàng)新商業(yè)模式。

以礦山無人駕駛為例，一家擁有500臺車輛的露天礦山：

如果只是賣自動駕駛套件，一年該礦山的購買上限也就是在2000萬人民幣以內(nèi)，利潤按10%計算不超過200萬，若要派員工去現(xiàn)場做定制化開發(fā)，可能利潤更微薄。

如果把無人駕駛技術(shù)+車輛整合在一起，按照單臺60萬元計算，每年的采購上限約7000萬左右，利潤率按照15%計算僅1000萬人民幣。

AI包工頭模式下，一年的土石方運(yùn)輸外包（按照每立方米不超過10元人民幣計算）一年的收入約10億元，即使利潤率按照5%的傳統(tǒng)利潤水平計算，也有約5000萬人民幣，相比于工具模式下的200萬凈利潤，AI包工頭模式下的利潤池實現(xiàn)了20-30倍左右的放大。

因此，我們在探討未來構(gòu)建AI SaaS模式時，必須回歸第一性原理：基于AI技術(shù)實現(xiàn)AI SaaS的時候，能否幫助企業(yè)獲得一個更大的利潤池，并且有潛力達(dá)到10倍以上的量級，這是核心邏輯所在。

02

DeepSeek R1:

為什么優(yōu)質(zhì)的推理模型這么重要？

關(guān)于優(yōu)質(zhì)的推理模型為何如此重要，春節(jié)期間推出的DeepSeek給出了很好的解釋。

此前，行業(yè)一直在討論AI Agent，但若沒有優(yōu)質(zhì)推理模型支撐，AI Agent便淪為偽概念。DeepSeek R1作為優(yōu)質(zhì)且開源的推理模型，在它推出之前，所謂的AI Agent僅能完成簡單任務(wù)，無法處理復(fù)雜任務(wù)。

黃仁勛在3月舉行的英偉達(dá)GTC大會上，直觀展示了DeepSeek R1與Llama 3.3（Meta推出的開源大模型）之間的差異：優(yōu)質(zhì)的推理模型不僅提供正確結(jié)果，還能呈現(xiàn)完整可視化的推理過程。

在大會現(xiàn)場，兩個模型需要同時完成婚宴座位的安排提示，不僅要滿足傳統(tǒng)習(xí)俗、拍照的角度美觀，還要兼顧調(diào)節(jié)家族成員矛盾等多項復(fù)雜約束。Llama 3.3做推理，Token數(shù)量僅439個，雖然速度快，但答案是錯誤的，而DeepSeek R1通過8559個token詳細(xì)展示了推理過程，并得出正確結(jié)論。兩者Token數(shù)量相差近20倍。

這種差距正是優(yōu)質(zhì)推理模型的價值所在，另一方面，也正是由于優(yōu)質(zhì)推理模型DeepSeek R1的開源，讓AI具備了解決復(fù)雜問題、長流程場景的可能性，即提升了AI的能力上限。同時推理的可視化還打破了AI黑箱，使得人與人工智能以及工具之間的交互和協(xié)同變得更好。

另外， DeepSeek的開源比較徹底，它把模型的權(quán)重開源了，這就意味著所有人都可以無差別地使用其模型，那么這也消除了產(chǎn)業(yè)上下游對AI投資的不確定性和不可控性的疑慮。

至此，DeepSeek R1開源所釋放的技術(shù)勢能，推動產(chǎn)業(yè)變革開啟。有了這些技術(shù)支持，基于AI包工頭模式重構(gòu)千行百業(yè)的歷史性機(jī)遇也打響了發(fā)令槍。

03

AI包工頭模式：不跟進(jìn)則出局，

傳統(tǒng)軟件/SaaS不再值錢

在AI技術(shù)加速滲透的背景下，傳統(tǒng)SaaS（軟件即服務(wù)）行業(yè)的價值邏輯正在被顛覆。

1、傳統(tǒng)SaaS代碼資產(chǎn)價值貶值

這一代AI最重要的能力之一就是實現(xiàn)了自動化編程，目前自動化編程的占比已經(jīng)達(dá)到70%-80%，而且在AI維護(hù)升級迭代上，也實現(xiàn)了更高比例的自動化。

此前，亞馬遜CEO安迪?賈西就宣布，公司的生成式人工智能助手“Amazon Q”在軟件升級方面取得了顯著成效，相當(dāng)于4500個開發(fā)人員一年的工作量。

所以，AI自動化編程能力將使傳統(tǒng)SaaS軟件的重置成本10倍速、100倍速的下降，傳統(tǒng)SaaS以代碼資產(chǎn)為核心的競爭壁壘將加速瓦解。

2、傳統(tǒng)SaaS數(shù)據(jù)模式和數(shù)據(jù)接口過時

在AI時代，MCP（Model Context Protocol，模型上下文協(xié)議）提供了一種統(tǒng)一標(biāo)準(zhǔn)的方式，將 AI Agent 和模型與外部數(shù)據(jù)和工具集成。它是一個強(qiáng)大的連接框架，不僅僅是另一個 API，它使智能、動態(tài)和上下文豐富的 AI 應(yīng)用成為可能。傳統(tǒng)SaaS企業(yè)長期構(gòu)筑的數(shù)據(jù)壁壘，面臨系統(tǒng)性穿透。

3、AI的介入將重構(gòu)企業(yè)的業(yè)務(wù)邏輯

基于傳統(tǒng)SaaS的標(biāo)準(zhǔn)化模塊所建立的標(biāo)準(zhǔn)化流程、業(yè)務(wù)邏輯，正在被動態(tài)智能化的調(diào)度所產(chǎn)生的智能化決策所取代。

微軟的CEO納德拉曾大膽預(yù)言：AI Agent將終結(jié)所有SaaS。他認(rèn)為，傳統(tǒng)的SaaS應(yīng)用，本質(zhì)上都是具有業(yè)務(wù)邏輯的增刪改查的數(shù)據(jù)庫，這些業(yè)務(wù)邏輯將來會被AI替代。后臺的增刪改查的數(shù)據(jù)庫將變得更加開放，所影響的不僅是前臺的業(yè)務(wù)端，比如CRM這樣的業(yè)務(wù)應(yīng)用，后臺的財務(wù)、運(yùn)營等等應(yīng)用，也都將被瓦解。

所以在這種情況下，基于AI的包工頭模式，反而在新時代擁有了高長期的資本價值。

04

AI包工頭模式：

“五高”=高長期資本價值

傳統(tǒng)包工頭模式賺錢不值錢的原因：投資人顧慮低科技含量、重人力成本、高人力管理難度帶來的交付質(zhì)量的不可控，從而導(dǎo)致難以大規(guī)模復(fù)制，難以形成規(guī)模化收入、利潤和持續(xù)增長，以及人力資源合規(guī)成本高等原因，即所謂“規(guī)模、收益、確定性“的不可能三角。

但是，AI包工頭模式將有可能打破“不可能三角”，在10倍利潤池放大的同時，還能實現(xiàn)“五高”，而“五高”也是投資人判斷項目是否具有長期資本價值的標(biāo)準(zhǔn)。

所謂“五高”，一是高科技含量；二是高系統(tǒng)性優(yōu)化，指的是你的能力不是單一的，需要具備完整的組合能力，這樣才能有高壁壘；三是高可控和可復(fù)制性，即交付能力和質(zhì)量高度可控，能夠最大限度降低人為因素的影響（比如，因為作業(yè)環(huán)境惡劣導(dǎo)致作業(yè)人員招工難且流失嚴(yán)重等，由此所導(dǎo)致的效率、成本、質(zhì)量的惡化）四是高客戶粘性和復(fù)購；最后是高財務(wù)確定性和可預(yù)測性。

我們相信，未來AI SaaS（“包工頭”模式）在“五高”的共同作用下，會有效消除前述減損資本價值的各種因素，從而實現(xiàn)高長期資本價值。

同時，我們也必須清醒地認(rèn)識到，未來1-2年內(nèi)，若企業(yè)不能以AI SaaS這種模式完成市場卡位戰(zhàn)，就意味著可能將喪失產(chǎn)業(yè)升級的入場券。AI的門檻不會是永久的，所以企業(yè)要抓住這樣一個窗口性時機(jī)。

05

從計件計量制到AI業(yè)主：

AI包工頭模式的四大進(jìn)化層級

隨著人工智能技術(shù)的深入應(yīng)用，AI產(chǎn)業(yè)鏈中的“包工頭”模式也有四個進(jìn)化階段。每個階段的進(jìn)化不僅體現(xiàn)了技術(shù)能力的提升，更標(biāo)志著AI從工具屬性向資產(chǎn)屬性的跨越。

第一個階段，簡單、標(biāo)準(zhǔn)化任務(wù)按工作量計費(fèi)，提升初級效率。例如，由OpenAI董事會主席所孵化的美國AI客服公司Sierra，目前所提供的就是比較標(biāo)準(zhǔn)的客服服務(wù)，在沒有人類介入的情況下獨(dú)立完成處理客戶工單的任務(wù)，它提升的是簡單任務(wù)的初級效率。

第二個階段，軟硬結(jié)合復(fù)雜系統(tǒng)按工作量計費(fèi)，提升綜合效率。真正賺錢的任務(wù)，也就是規(guī)模更大的任務(wù)，會涉及到更為復(fù)雜的系統(tǒng)，這就要求把軟件和硬件結(jié)合起來，然后按工作量計費(fèi)。

如前文所述的礦山無人駕駛項目，為什么它運(yùn)土石方的收入一年能達(dá)到10多億，就是因為這個項目涉及到軟件、設(shè)備、地圖、調(diào)度，5G通信等，是一個非常復(fù)雜的系統(tǒng)，同時還要把人有機(jī)地結(jié)合進(jìn)去，所以要完成的是一個綜合系統(tǒng)的效率升級以及AI保障，這也是礦山場景商業(yè)價值和資本價值上限更高的原因所在。

第三個階段，收入分成與傭金模式——深度綁定業(yè)務(wù)成果。進(jìn)階至第三層級的AI包工頭模式，不再滿足于按量收費(fèi)，而是通過收入分成或傭金與客戶業(yè)務(wù)成果深度綁定。

該模式的成功，取決于能否幫助客戶實現(xiàn)增收，而不僅僅是客戶內(nèi)部運(yùn)營能力和流程的優(yōu)化，這需要觸達(dá)到客戶最核心的資產(chǎn)（客戶資產(chǎn)），而一旦觸達(dá)就有可能實現(xiàn)更高層面的AI業(yè)主模式。所以收入分成與傭金模式，一方面要求企業(yè)和客戶的信任度要更強(qiáng)，另一方面對數(shù)據(jù)質(zhì)量和算法泛化能力要求更高。

第四個階段，AI業(yè)主模式：從服務(wù)提供者到資源掌控者。最高階段的進(jìn)化是從“AI包工頭”進(jìn)一步躍升為“AI業(yè)主”，升級到對資產(chǎn)的獲取。

典型案例是AI探礦公司KoBold Metals，由兩位哈佛博士聯(lián)手創(chuàng)立，利用AI技術(shù)進(jìn)行礦產(chǎn)勘探。相比于傳統(tǒng)的探礦模式，這家公司將探礦成功率提升了10倍，同時把探礦效率也提升了10倍。比如勘探一個礦藏，傳統(tǒng)模式下需要大概5-7年的時間，現(xiàn)在半年時間即可完成，而且成本僅為傳統(tǒng)模式的25%。

當(dāng)AI帶來實質(zhì)性提升之后，未被認(rèn)知到的資產(chǎn)價值發(fā)現(xiàn)能力也在被重構(gòu)。2024年2月，KoBold Metals在贊比亞的明戈巴項目上發(fā)現(xiàn)了巨型銅礦儲量，成為了該國一個世紀(jì)以來最大的銅礦，其儲量價值為100-150億美元。而僅在14個月之前，這家公司才出資近1.5億美元買下該礦床52%的股權(quán)，之所以能以這樣的價格成交，是因為在它發(fā)現(xiàn)這個礦床之前，大家都沒有認(rèn)識到這一資產(chǎn)的價值。

事實上，該礦床所在位置也曾經(jīng)被不少探礦隊鉆探過，但由于埋藏較深亦或是運(yùn)氣全部失之交臂，而這也從側(cè)面反映出AI能力之強(qiáng)。

所以，AI不僅能讓我們成為一個好的服務(wù)企業(yè)，未來還能讓我們成為更優(yōu)質(zhì)的資產(chǎn)和資源的掌控者。

06

AI包工頭模式：

必須完成四大認(rèn)知升級

認(rèn)知1：AI包工頭模式，必須垂直、垂直、再垂直；不專注，必敗

與傳統(tǒng)軟件追求跨行業(yè)通用性不同，AI包工頭模式一定要圍繞著垂直行業(yè)、垂直場景。盡管底層的AI模型會差不多，但當(dāng)觸及更長的價值鏈時，行業(yè)壁壘開始顯性化：跨行業(yè)人才復(fù)用性低、專用設(shè)備體系獨(dú)立、產(chǎn)業(yè)合作伙伴的整合也不一樣……在這種情況下，唯有持續(xù)聚焦細(xì)分行業(yè)，做垂直場景，才能構(gòu)建技術(shù)、數(shù)據(jù)、行業(yè)認(rèn)知、行業(yè)資源生態(tài)、風(fēng)險控制能力五重護(hù)城河，才不會把寶貴的窗口時機(jī)讓給競爭對手。

認(rèn)知2：AI包工頭模式：無人則敗，人機(jī)協(xié)同方可勝出

AI包工頭模式的成敗關(guān)鍵在于能否有效整合人類價值，而非盲目追求“純AI替代”。未來隨著AI包工頭模式的成熟，該模式里的“人”一定是各個領(lǐng)域的專家，各個場景的專家。

因為大部分中低端的場景和服務(wù)會被AI+設(shè)備所替代，但中高端的或者一些復(fù)雜的系統(tǒng)性的任務(wù)，仍然需要專家來做決策，做服務(wù)保障，所以沒有“人”必敗。

而且未來越是優(yōu)質(zhì)的頭部專家，薪資水平會越高，因為這類人才非常稀缺，所以未來的包工頭模式下，企業(yè)要盡快整合到所垂直的領(lǐng)域或場景的專家，與AI進(jìn)行人機(jī)協(xié)同，才能在激烈競爭中勝出。

認(rèn)知3：AI包工頭模式，不能排斥臟活累活，輕AI是短樂長痛

AI包工頭模式的真正壁壘，恰恰藏在那些被輕視的“臟活累活”中，如果企業(yè)沉迷于開發(fā)“輕量化AI”，只能做那些簡單的標(biāo)準(zhǔn)化的工作，而不是繁瑣、非標(biāo)、高摩擦的環(huán)節(jié)，企業(yè)的競爭門檻就比較低，就會在更高層次的AI競爭中出局。

所以，從理念或者從心智模式上就要接納這樣一個邏輯：不能排斥臟活累活，輕AI是短樂長痛。這樣我們AI才能有長期的競爭力。

認(rèn)知4：AI包工頭模式，一年內(nèi)是寶貴窗口期，需要快速落地拼執(zhí)行力；需要快速推進(jìn)組合式聯(lián)創(chuàng)，沒有時間慢慢交學(xué)費(fèi)

當(dāng)下，AI包工頭模式正處爆發(fā)前夜，一年窗口期是行業(yè)卡位的黃金階段。目前技術(shù)迭代速度遠(yuǎn)超場景滲透效率，先發(fā)者可通過快速落地?fù)屨紨?shù)據(jù)、客戶與行業(yè)標(biāo)準(zhǔn)的話語權(quán)。

因此，在寶貴的搶跑窗口期，需要企業(yè)快速推進(jìn)，但在這一過程中，可能會遭遇的問題包括，懂場景的，可能對AI不是很擅長；懂AI的，對場景和行業(yè)know-how可能又不是很在行。如何解決？最優(yōu)選就是用孵化器的模式，幫助大家進(jìn)行組合式聯(lián)創(chuàng)，加速覆蓋場景的能力，而不是靠企業(yè)自己慢慢滲透去交學(xué)費(fèi)，因為市場不會給你足夠的時間。

未來10年，AI包工頭模式將持續(xù)進(jìn)化，盛景通過“兩大抓手和一個基礎(chǔ)平臺”為有實力的產(chǎn)業(yè)公司或行業(yè)資源豐厚的產(chǎn)業(yè)老兵，抑或是AI應(yīng)用創(chuàng)業(yè)者，創(chuàng)造大展宏圖的機(jī)會。

其中，兩大抓手，一個是“AI包工頭聯(lián)創(chuàng)孵化營”，最新一期的孵化營將在4月推出；另一個是“AI RaaS早期基金”。“一個基礎(chǔ)平臺”則是盛景積淀多年的多維生態(tài)體系：首先是CIC產(chǎn)業(yè)孵化生態(tài)；其次是深度覆蓋清北中科院的頂級科創(chuàng)投資生態(tài)，系統(tǒng)化對接清華、北大、中科院優(yōu)秀的人工智能的科學(xué)家創(chuàng)業(yè)者，構(gòu)建起科技前沿與產(chǎn)業(yè)實踐的價值轉(zhuǎn)化通道；第三是盛景的母基金生態(tài)，通過與頭部基金的合作，形成對AI賽道領(lǐng)跑企業(yè)的投資覆蓋；最后盛景獨(dú)有的極簡戰(zhàn)略賦能體系，都將為AI RaaS提供基礎(chǔ)的平臺能力建設(shè)。