陈寻（Eric Chen），北大与斯坦福物理/电子工程/芯片背景，职业生涯围绕科技投资与科技创业两条主线交替展开。
在硅谷创立大型算法优化与计算公司。Dotcom泡沫破灭后最冷的一年起步，2007年被ASML收购，陈寻出任全球副总裁。
当时全球最大科技行业PE，陈寻帮其建立整个亚洲投资团队（香港、东京、上海）。
全球最大AI投资基金，陈寻任管理合伙人，负责整个中国业务，投资全世界最优秀的AI相关企业。
联合创始人兼董事长。定位：AI三要素（算力、数据、算法）的安全流通、高效匹配与价值创造。
陈寻提出了一个理解大模型本质的核心比喻：语言大模型的学习过程是一种"反刍"。人类先观察世界，总结出规律，用语言这种符号载体记录下来。OpenAI等公司再从这些已经"消化过一遍"的语言中去学习。
语言是人类对宇宙观察的符号化。爱因斯坦说E=MC2，这是知识沉淀的载体。语言大模型选择从语料中学习，是在对人类已经消化过一遍的表达进行"二次消化"。这已经非常惊艳，但本质上仍只是反刍。
陈寻明确指出：没有人说机器智能不能从直接观察世界来得出自己的结论，甚至发明出自己的符号（很可能是零和一）。机器能看到红外紫外，一秒钟能处理1000帧画面，它对世界的认知没有理由与人类相同。已经让大家觉得是"比移动互联网还要大十倍的机会"，但其实还只是起步。
陈寻将人工智能发展划分为三个清晰的世代，每个世代有根本不同的技术范式和商业逻辑。
| 世代 | 代表技术 | 关键特征 | 核心挑战 |
|---|---|---|---|
| AI 1.0 | 专家系统 | 规则驱动，人工编码知识 | 无法扩展，覆盖面极窄 |
| AI 2.0 | 深度学习（2016年AlphaGo打败李世石） | 数据驱动，能做前所不能之事 | 可变成本极高，每个应用从头来过 |
| AI 3.0 | 大模型（Transformer/GPT） | 将可变成本变为固定成本，门槛大幅降低 | 生态协作中的安全与产权问题 |
陈寻在软银愿景基金投资全球顶尖AI企业时深刻感受到：2.0时代每个AI应用都需要从收集数据、整理、标注、开发模型、调优到嵌入业务全链条走一遍。"这件事情很重"——无论金钱、人力、高端人才、企业文化变革，都是巨大摩擦力。成功的企业有一个共同特点：找到了一个单一的、可放大的市场（如人脸识别），使前期成本得以摊销。
陈寻认为大模型时代最根本的变化，是把AI落地过程中的可变成本变成了固定成本。
陈寻用"有技术自尊的企业"这个独特表述来描述AI普及的广度：不仅是科技公司，任何有技术追求的企业都在尝试大模型。这与2.0时代只有头部企业才有能力探索AI形成鲜明对比。门槛的降低不仅是技术意义上的，更是组织和人才意义上的。
面对"模型是否越大越好"的问题，陈寻从人脑的工作机制出发，给出了一个深层判断。
人脑是模组化的，不同模组处理不同事务。一个模组在算个人财务（"你可能买不起"），另一个在释放购物欲望（"买吧买吧"）。两个模组打架时，人脑有一个arbitration（仲裁）机制，决定采纳哪个模组的意见。很多时候不是理性胜出，而是情绪胜出。
陈寻明确指出，对企业来说正确的问题不是"我需要大模型还是小模型"，而是"我要面对什么客户，满足什么需求，能否比竞争对手做得更好"。答案自然会导向需要怎样的模型组合。这避免了技术驱动的陷阱，回归到商业本质。
陈寻指出，AI 3.0时代提出了一个2.0时代不存在的根本性问题：开放与封闭之间的矛盾。
小模型时代每件事从头做到尾，在可控范围内完成，没有"开放与封闭的矛盾"。大模型从本质上要求整个生态协作：有人做基础模型，有人做行业优化，有人做服务。一旦涉及协作，就必须解决信息安全和商业利益保障问题。
陈寻透露一方建树将于8月30日发布一款产品，正是为解决这个根本问题：让基础大模型提供方放心地把模型提供出来，使用方安全地优化微调，同时保护双方的知识产权和商业机密，并形成大家认可的商业分配机制。这本质上是为大模型生态建设"信任基础设施"。
关于基础大模型最终会出现几家，陈寻的判断与主流预期不同：不会是寡头垄断，而会有几十个。
关键在于能否将技术领先迅速转化为其他商业壁垒。Google并非靠技术不可复制取胜，而是形成了商业生态。OpenAI如果做到了这个转换就可能成为下一个Google；如果做不到，大家都可以去瓜分蛋糕。陈寻的判断：目前的不确定性还很大。
陈寻用"多树状网络"来描述未来的模型生态：
面对2023年下半年大模型在全球的降温，陈寻从技术周期的视角给出了冷静判断。
陈寻提出的技术周期观点贯穿全场：(1) 技术周期与经济周期、意识形态周期不同，是单向上升的，浮动的只是进步速度；(2) 越大的技术突破，短期内波动越大，但长期价值不减；(3) 人类通常对短期过于乐观，对长期过于悲观。当前的降温恰恰说明市场在从狂热走向理性。
陈寻对大模型产业最重要的前瞻判断之一：未来三年，行业将从"建大模型"转向"用大模型"。
陈寻给出了一个判断产业成熟度的清晰指标：去问任何一家大模型公司或开源机构，他们的推理量有多大。答案是"并不大"。这说明整个行业尚未完成从开发阶段到使用阶段的过渡。推理量的爆发将标志着大模型真正进入价值创造阶段。
陈寻对当前算力供不应求的局面给出了分阶段的解决路径。
一方建树的"揽瑞星洲"平台做的正是这件事：感知分布在内蒙古、贵州、上海、北京等地的算力，匹配供需变化，实现跨区域的负载平衡和调度，最大限度利用现有算力。
"有技术自尊还有一定财力的企业"多半都在积累算力。国家、地方政府、国企央企都在大力建设智算中心。新算力将在接下来数月逐步上线，有望缓解供不应求的局面。
国产算力芯片和系统已有不错产品，但生态问题（软件、应用、协作）需要时间解决。三到五年是陈寻对国产算力生态成熟的预判。
陈寻指出一个被忽视的事实：虽然算力依赖物理芯片和服务器，但对使用者来说已经被完全虚拟化。"你今天来我们平台说要做个语言大模型，我可以从中国的任何一个角落给你调。你也不关心这个算力在哪。"与数据和模型一样，算力也是虚拟化的资产，要流通就必须解决安全、虚拟化、匹配的问题。
陈寻对AI发展给出了三个时间框架的预判，并特别讨论了世界模型与语言大模型的关系。
| 时间窗口 | 关键事件 | 核心逻辑 |
|---|---|---|
| 3年内 | 从训练到推理的过渡，推理生态爆发 | 行业从"建大模型"转向"用大模型" |
| 3-5年 | 国产算力生态成熟 | 需求驱动 + 国家推动 + 技术公关成果开始落地 |
| ~10年 | 下一个大的技术跃迁 | 从2016年深度学习到大模型用了8年，下一次横空出世预计在类似周期内 |
陈寻反复强调当前仍是"起步阶段"——不是修辞，而是有具体依据：推理量不大、行业应用刚开始、国产算力尚未成熟、世界模型还未出现。这意味着当前围绕大模型的所有讨论（估值、竞争格局、商业模式）可能都在一个远未成熟的快照上进行。
多年中后期投资经验让陈寻发展出了一种独特的"商业模式美学"——对商业模式好坏的直觉品味。
什么样的商业模式是"美好的"？答案看似简单：有持续盈利能力。但陈寻指出，中后期投资人看的不是PE（市盈率），而是EV/EBITDA。原因是EBITDA是现金流的替代品，反映的是对商业模式中现金流的重视程度，比会计意义上的盈利更重要。
这句话对当前AI投资热潮有极强的现实意义。陈寻明确反对赛道式的粗放投资思维（至少在中后期投资中），强调必须深入理解每个企业的差异性。这与他后面讨论早期投资的"赛道策略"形成有趣对比。
陈寻同时拥有银湖（成熟期PE）和软银愿景（成长期）两段投资经历，对不同阶段投资的差异有切身体会。
| 维度 | 银湖 | 软银愿景 |
|---|---|---|
| 投资阶段 | 成熟企业 | 中后期成长企业 |
| 现金流 | 比较稳定 | 通常未成熟 |
| 商业模式 | 已经成立 | 能预判但尚未证明 |
| 行业地位 | 比较确定 | 还在高速发展 |
| 风险程度 | 较低 | 仍有一定风险 |
陈寻对创业时机的判断经历了从"个人能力驱动"到"趋势驱动"的认知升级。
一位朋友说选择创业方向是因为"能最大化利用我积累的经验和能力"。陈寻回应：
陈寻的第一次创业恰在2002年——Dotcom破灭后最冷的一年。当时资本市场比现在冷得多。但回头看，2002年恰是互联网大潮的起始点，此后一路上行。他认为当前处于类似位置：面对一个几十年的技术大潮的开端，"你有的可扑腾"。关键区别是：当年他对技术大潮没有明晰认知，现在看得更清楚了。
陈寻的判断：在国际舞台上可以做出有价值的事甚至做得很好，但作为一个人的存在，文化的隔阂感无法解决。中国差不多年代的人有共同的记忆和体验，这就是文化的力量。
陈寻从投资人和两次创业者的双重视角，给出了清晰的创业建议框架。
锁定目标用户群，了解、发掘他们的需求。"不要轻而易举的就认为自己是Steve Jobs。"
用户说他要这个东西，你能不能做到？
差异化竞争优势在哪里？
远不仅仅是钱和人才。有些事需要国家的信任，有些需要生产能力，每个创业想法背后都牵扯一大堆事情。
在大趋势中你能做什么，能比别人做得更好？这才是最应该回答的问题。
陈寻引用NVIDIA CEO黄仁勋早年的创业心得——CEO只有三件事：省钱、赚钱、融钱。其中最花功夫的是融钱。"我要么就是在融钱，要么就是在为下一步的融资在做准备。"
当被问到中后期投资人是否关注创业者给自己发多少工资时，陈寻的回答出乎意料的宽容："我觉得每个人都要过日子。拿一份工资做一份事情，没有什么。只要不过分，完全可以理解。"这与早期投资人通常对创始人薪酬敏感的态度形成对比。
语言大模型本质上是在二次消化人类已有的认知。这意味着两件事：第一，当前能力已经足够惊艳但有上限（无法超越人类已有认知的总和）；第二，真正的突破将来自机器直接观察世界并建立独立认知。世界模型不是与语言模型的对立，而是从"反刍"走向"直接消化"的进化。
使用方必须喂入私有数据才能获得价值，但一旦喂入就无法控制泄露风险。提供方希望被广泛使用，但无法在衍生模型中保留商业利益。如果这个信任问题不解决，"万物皆可模型"的愿景将停留在口号层面。一方建树的定位——AI三要素的安全流通——正是瞄准这个关键卡点。
陈寻指出当前行业大部分精力仍在训练（开发）而非推理（使用），推理量并不大。这个判断如果正确，意味着大模型产业的真正商业价值释放尚未开始。投资者和创业者可以将推理量的变化作为判断行业从开发期进入应用期的关键信号。
经济周期和意识形态周期是中百星制的起伏（有涨有跌），但技术周期是单向上升的，浮动的只是进步速度。这意味着大模型降温不是"下跌"而是"减速"——技术能力从未后退。对投资者和创业者来说，在减速期入场恰恰是最佳时机，因为注意力和竞争压力都在降低，而技术基础仍在积累。
陈寻从中后期投资中发展出对商业模式好坏的直觉——核心是持续产生现金流。同样一亿订单可以有完全不同的"品味"。这对技术背景创业者尤其重要：技术能力再强，如果商业模式不"美"（无法持续产生现金流），最终难以成功。
多数人选择创业方向的逻辑是"最大化利用我的能力和经验"。陈寻反驳：个人能力放到最大"也就那么大"，正确的优化目标是"在未来五年十年的大趋势中，我能做什么比别人做得更好"。即使某些能力在趋势中用不上，"胳膊永远拧不过大腿"。
陈寻的分析框架很清晰：Google的一家独大不是因为技术不可复制，而是因为形成了商业生态。OpenAI要成为下一个Google，关键在于"在别人技术赶上你之前，你就不靠技术竞争"。目前不确定性很大，但陈寻倾向于认为最终会有"几十个"基础大模型而非寡头垄断。