AI（人工智能）给创业镀上了一层暖金色：在越来越强的模型支撑下，“单枪匹马做出伟大产品”看似触手可及，“OPC（One Person Company，一人公司）”被频繁提起，许多地区提出相应扶持计划，但前方果真一马平川？

作为长期参与我国创业孵化体系建设的资深专家，科技部火炬中心原主任梁桂送上一份冷静的专业判断。在日前举行的上海科技企业孵化器大会上他指出，AI只是拉低了创业者“做出来”的门槛，并未抹平“用起来”的挑战。

针对AI时代创新创业新趋势、新特征，全社会、尤其是创业孵化体系需要相应调整。而上海作为全国科技孵化龙头，更应发挥关键作用。为此梁桂建议，上海全力打造AI时代硬科技孵化的制度样板和产业入口，不断夯实孵化底座、对接关键资源，使孵化器真正成为AI创业“生产线”和“转化加速器”。

更快出现 更快出局？

当前，AI创业圈处于一种奇特的“体感错位”。

一方面，AI让创业者能在短短几天甚至几小时内，拿出一个不错的演示版（Demo）。硅谷知名孵化器YC透露，在其去年支持的创业企业中，约1/4的公司，95%的代码由AI生成。GitHub的数据显示，AI让开发速度提升过半。AI还使部分创业项目“起步即起飞”，涌现出Emergent这类能在几个月内实现500万用户、5000万美元收入的“新物种”。这也构成了各部门纷纷拥抱OPC、下注“超级个体”的底气所在。

但另一方面，AI加持的“Demo繁荣”，并未转化为更高的创业成功率。据梁桂观察，自OpenAI掀起这轮AI热以来，创业失败率不降反升。知名股权管理平台Carta的数据显示，创业企业关闭数显著增加，A轮增幅达61%，B轮飙升到133%。知名科技媒体TechCrunch也观察到类似趋势。

整体上，AI让创业第一步变轻松，之后则是“更快出现、更快出局”。梁桂直言，现在路演项目越来越多，Demo越来越漂亮，落实到采购、上线、续单的比例却很少。创业“死亡谷”没有消失，而是后移——原先约70%项目死在最早期，现在推迟到规模化阶段，失败峰值甚至更高。

新趋势也改变了VC（风险投资）的行为方式——从“赌你能不能做出来”转向“赌已做成的能不能放大”。

私募资本市场数据平台PitchBook显示，过去两年，全球AI投资越来越趋向“确定性”，投资C轮及之后阶段的资金超过六成。国内情形与之相似。据梁桂观察，AI催生了大量早期项目，但获取的资金量很少，大部分投资集中在后期；处于中间阶段的创业企业面临极大压力。

“三个不等号”凸显落地难

更容易的“从0到1”，为什么没能让AI创业变简单？梁桂认为，关键是“三个不等号”难以化解：技术可行≠产业可用，算法有效≠场景成立，演示成功≠订单成立。

换言之，当AI催生的Demo无法实际交付和规模化，AI创业从“1到10再到100”之路就会无比艰难。

根据麦肯锡公司的报告，当前企业级AI应用本身就存在“试点繁荣、规模化稀缺”的断层。在财务等应用领域，约45%的组织正尝试生成式AI，但最终规模化落地的仅6%。麻省理工学院相关团队的研究结论与之相近：应用到生产环境的AI比例仅约5%。

要跨越Demo，单靠AI创业者和技术不足以形成价值闭环。梁桂将其中的难点总结为以下几方面：

首先，AI开发原型的成本固然很低，但应用时，企业仍需在数据、算力、监控、评估等环节大量投入，使得单位成本显著抬高；其次，前端的AI设计和介入，与后端应用之间难以衔接，AI嵌入流程和场景步履维艰；再次，AI至今无法根除幻觉，用户因此也难以对其形成充分信任。

说到底，AI要发挥作用，必然会在组织内部“接管”部分认知流程，比如起草、审核、研发……如果组织不对内部的人员岗位、授权链条、治理合规等作出深刻调整，AI很难从“玩具”落地为工具。

受落地难困扰最大的正是创业中间层（A/A+/B轮）企业，尤其是势单力孤的OPC和“超级个体”。迈过原型开发的蜜月期后，他们很快就会面临中试、首单、规模化等挑战。一旦VC不愿投，政府经费又难覆盖，他们手中的资源很难抵抗高企的运营成本和延宕的转化周期。

AI时代重塑创业范式，创业孵化也要与之对齐。梁桂的看法很明确：孵化器要变，要从“想法诞生的地方”，转向“确定性发生的地方”。

为此，孵化器不能只提供资源，要帮助创业者穿越瓶颈；从物理空间、创业活动的提供者，变为AI产业场景组织者。对越来越小的AI创业团队来说，物理工位的价值越来越低。由此，AI时代孵化器的核心底座应该是“AI资源栈”，包括算力、模型、数据，以及评测体系、合规顾问、行业渠道等，某种意义上相当于一个即插即用的赋能中心。

AI（人工智能）给创业镀上了一层暖金色：在越来越强的模型支撑下，“单枪匹马做出伟大产品”看似触手可及，“OPC（One Person Company，一人公司）”被频繁提起，许多地区提出相应扶持计划，但前方果真一马平川？

作为长期参与我国创业孵化体系建设的资深专家，科技部火炬中心原主任梁桂送上一份冷静的专业判断。在日前举行的上海科技企业孵化器大会上他指出，AI只是拉低了创业者“做出来”的门槛，并未抹平“用起来”的挑战。

针对AI时代创新创业新趋势、新特征，全社会、尤其是创业孵化体系需要相应调整。而上海作为全国科技孵化龙头，更应发挥关键作用。为此梁桂建议，上海全力打造AI时代硬科技孵化的制度样板和产业入口，不断夯实孵化底座、对接关键资源，使孵化器真正成为AI创业“生产线”和“转化加速器”。

更快出现 更快出局？

当前，AI创业圈处于一种奇特的“体感错位”。

一方面，AI让创业者能在短短几天甚至几小时内，拿出一个不错的演示版（Demo）。硅谷知名孵化器YC透露，在其去年支持的创业企业中，约1/4的公司，95%的代码由AI生成。GitHub的数据显示，AI让开发速度提升过半。AI还使部分创业项目“起步即起飞”，涌现出Emergent这类能在几个月内实现500万用户、5000万美元收入的“新物种”。这也构成了各部门纷纷拥抱OPC、下注“超级个体”的底气所在。

但另一方面，AI加持的“Demo繁荣”，并未转化为更高的创业成功率。据梁桂观察，自OpenAI掀起这轮AI热以来，创业失败率不降反升。知名股权管理平台Carta的数据显示，创业企业关闭数显著增加，A轮增幅达61%，B轮飙升到133%。知名科技媒体TechCrunch也观察到类似趋势。

整体上，AI让创业第一步变轻松，之后则是“更快出现、更快出局”。梁桂直言，现在路演项目越来越多，Demo越来越漂亮，落实到采购、上线、续单的比例却很少。创业“死亡谷”没有消失，而是后移——原先约70%项目死在最早期，现在推迟到规模化阶段，失败峰值甚至更高。

新趋势也改变了VC（风险投资）的行为方式——从“赌你能不能做出来”转向“赌已做成的能不能放大”。

私募资本市场数据平台PitchBook显示，过去两年，全球AI投资越来越趋向“确定性”，投资C轮及之后阶段的资金超过六成。国内情形与之相似。据梁桂观察，AI催生了大量早期项目，但获取的资金量很少，大部分投资集中在后期；处于中间阶段的创业企业面临极大压力。

“三个不等号”凸显落地难

更容易的“从0到1”，为什么没能让AI创业变简单？梁桂认为，关键是“三个不等号”难以化解：技术可行≠产业可用，算法有效≠场景成立，演示成功≠订单成立。

换言之，当AI催生的Demo无法实际交付和规模化，AI创业从“1到10再到100”之路就会无比艰难。

根据麦肯锡公司的报告，当前企业级AI应用本身就存在“试点繁荣、规模化稀缺”的断层。在财务等应用领域，约45%的组织正尝试生成式AI，但最终规模化落地的仅6%。麻省理工学院相关团队的研究结论与之相近：应用到生产环境的AI比例仅约5%。

要跨越Demo，单靠AI创业者和技术不足以形成价值闭环。梁桂将其中的难点总结为以下几方面：

首先，AI开发原型的成本固然很低，但应用时，企业仍需在数据、算力、监控、评估等环节大量投入，使得单位成本显著抬高；其次，前端的AI设计和介入，与后端应用之间难以衔接，AI嵌入流程和场景步履维艰；再次，AI至今无法根除幻觉，用户因此也难以对其形成充分信任。

说到底，AI要发挥作用，必然会在组织内部“接管”部分认知流程，比如起草、审核、研发……如果组织不对内部的人员岗位、授权链条、治理合规等作出深刻调整，AI很难从“玩具”落地为工具。

受落地难困扰最大的正是创业中间层（A/A+/B轮）企业，尤其是势单力孤的OPC和“超级个体”。迈过原型开发的蜜月期后，他们很快就会面临中试、首单、规模化等挑战。一旦VC不愿投，政府经费又难覆盖，他们手中的资源很难抵抗高企的运营成本和延宕的转化周期。

AI时代重塑创业范式，创业孵化也要与之对齐。梁桂的看法很明确：孵化器要变，要从“想法诞生的地方”，转向“确定性发生的地方”。

为此，孵化器不能只提供资源，要帮助创业者穿越瓶颈；从物理空间、创业活动的提供者，变为AI产业场景组织者。对越来越小的AI创业团队来说，物理工位的价值越来越低。由此，AI时代孵化器的核心底座应该是“AI资源栈”，包括算力、模型、数据，以及评测体系、合规顾问、行业渠道等，某种意义上相当于一个即插即用的赋能中心。

AI（人工智能）给创业镀上了一层暖金色：在越来越强的模型支撑下，“单枪匹马做出伟大产品”看似触手可及，“OPC（One Person Company，一人公司）”被频繁提起，许多地区提出相应扶持计划，但前方果真一马平川？

作为长期参与我国创业孵化体系建设的资深专家，科技部火炬中心原主任梁桂送上一份冷静的专业判断。在日前举行的上海科技企业孵化器大会上他指出，AI只是拉低了创业者“做出来”的门槛，并未抹平“用起来”的挑战。

针对AI时代创新创业新趋势、新特征，全社会、尤其是创业孵化体系需要相应调整。而上海作为全国科技孵化龙头，更应发挥关键作用。为此梁桂建议，上海全力打造AI时代硬科技孵化的制度样板和产业入口，不断夯实孵化底座、对接关键资源，使孵化器真正成为AI创业“生产线”和“转化加速器”。

更快出现 更快出局？

当前，AI创业圈处于一种奇特的“体感错位”。

一方面，AI让创业者能在短短几天甚至几小时内，拿出一个不错的演示版（Demo）。硅谷知名孵化器YC透露，在其去年支持的创业企业中，约1/4的公司，95%的代码由AI生成。GitHub的数据显示，AI让开发速度提升过半。AI还使部分创业项目“起步即起飞”，涌现出Emergent这类能在几个月内实现500万用户、5000万美元收入的“新物种”。这也构成了各部门纷纷拥抱OPC、下注“超级个体”的底气所在。

但另一方面，AI加持的“Demo繁荣”，并未转化为更高的创业成功率。据梁桂观察，自OpenAI掀起这轮AI热以来，创业失败率不降反升。知名股权管理平台Carta的数据显示，创业企业关闭数显著增加，A轮增幅达61%，B轮飙升到133%。知名科技媒体TechCrunch也观察到类似趋势。

整体上，AI让创业第一步变轻松，之后则是“更快出现、更快出局”。梁桂直言，现在路演项目越来越多，Demo越来越漂亮，落实到采购、上线、续单的比例却很少。创业“死亡谷”没有消失，而是后移——原先约70%项目死在最早期，现在推迟到规模化阶段，失败峰值甚至更高。

新趋势也改变了VC（风险投资）的行为方式——从“赌你能不能做出来”转向“赌已做成的能不能放大”。

私募资本市场数据平台PitchBook显示，过去两年，全球AI投资越来越趋向“确定性”，投资C轮及之后阶段的资金超过六成。国内情形与之相似。据梁桂观察，AI催生了大量早期项目，但获取的资金量很少，大部分投资集中在后期；处于中间阶段的创业企业面临极大压力。

“三个不等号”凸显落地难

更容易的“从0到1”，为什么没能让AI创业变简单？梁桂认为，关键是“三个不等号”难以化解：技术可行≠产业可用，算法有效≠场景成立，演示成功≠订单成立。

换言之，当AI催生的Demo无法实际交付和规模化，AI创业从“1到10再到100”之路就会无比艰难。

根据麦肯锡公司的报告，当前企业级AI应用本身就存在“试点繁荣、规模化稀缺”的断层。在财务等应用领域，约45%的组织正尝试生成式AI，但最终规模化落地的仅6%。麻省理工学院相关团队的研究结论与之相近：应用到生产环境的AI比例仅约5%。

要跨越Demo，单靠AI创业者和技术不足以形成价值闭环。梁桂将其中的难点总结为以下几方面：

首先，AI开发原型的成本固然很低，但应用时，企业仍需在数据、算力、监控、评估等环节大量投入，使得单位成本显著抬高；其次，前端的AI设计和介入，与后端应用之间难以衔接，AI嵌入流程和场景步履维艰；再次，AI至今无法根除幻觉，用户因此也难以对其形成充分信任。

说到底，AI要发挥作用，必然会在组织内部“接管”部分认知流程，比如起草、审核、研发……如果组织不对内部的人员岗位、授权链条、治理合规等作出深刻调整，AI很难从“玩具”落地为工具。

受落地难困扰最大的正是创业中间层（A/A+/B轮）企业，尤其是势单力孤的OPC和“超级个体”。迈过原型开发的蜜月期后，他们很快就会面临中试、首单、规模化等挑战。一旦VC不愿投，政府经费又难覆盖，他们手中的资源很难抵抗高企的运营成本和延宕的转化周期。

AI时代重塑创业范式，创业孵化也要与之对齐。梁桂的看法很明确：孵化器要变，要从“想法诞生的地方”，转向“确定性发生的地方”。

为此，孵化器不能只提供资源，要帮助创业者穿越瓶颈；从物理空间、创业活动的提供者，变为AI产业场景组织者。对越来越小的AI创业团队来说，物理工位的价值越来越低。由此，AI时代孵化器的核心底座应该是“AI资源栈”，包括算力、模型、数据，以及评测体系、合规顾问、行业渠道等，某种意义上相当于一个即插即用的赋能中心。

AI（人工智能）给创业镀上了一层暖金色：在越来越强的模型支撑下，“单枪匹马做出伟大产品”看似触手可及，“OPC（One Person Company，一人公司）”被频繁提起，许多地区提出相应扶持计划，但前方果真一马平川？

作为长期参与我国创业孵化体系建设的资深专家，科技部火炬中心原主任梁桂送上一份冷静的专业判断。在日前举行的上海科技企业孵化器大会上他指出，AI只是拉低了创业者“做出来”的门槛，并未抹平“用起来”的挑战。

针对AI时代创新创业新趋势、新特征，全社会、尤其是创业孵化体系需要相应调整。而上海作为全国科技孵化龙头，更应发挥关键作用。为此梁桂建议，上海全力打造AI时代硬科技孵化的制度样板和产业入口，不断夯实孵化底座、对接关键资源，使孵化器真正成为AI创业“生产线”和“转化加速器”。

更快出现 更快出局？

当前，AI创业圈处于一种奇特的“体感错位”。

一方面，AI让创业者能在短短几天甚至几小时内，拿出一个不错的演示版（Demo）。硅谷知名孵化器YC透露，在其去年支持的创业企业中，约1/4的公司，95%的代码由AI生成。GitHub的数据显示，AI让开发速度提升过半。AI还使部分创业项目“起步即起飞”，涌现出Emergent这类能在几个月内实现500万用户、5000万美元收入的“新物种”。这也构成了各部门纷纷拥抱OPC、下注“超级个体”的底气所在。

但另一方面，AI加持的“Demo繁荣”，并未转化为更高的创业成功率。据梁桂观察，自OpenAI掀起这轮AI热以来，创业失败率不降反升。知名股权管理平台Carta的数据显示，创业企业关闭数显著增加，A轮增幅达61%，B轮飙升到133%。知名科技媒体TechCrunch也观察到类似趋势。

整体上，AI让创业第一步变轻松，之后则是“更快出现、更快出局”。梁桂直言，现在路演项目越来越多，Demo越来越漂亮，落实到采购、上线、续单的比例却很少。创业“死亡谷”没有消失，而是后移——原先约70%项目死在最早期，现在推迟到规模化阶段，失败峰值甚至更高。

新趋势也改变了VC（风险投资）的行为方式——从“赌你能不能做出来”转向“赌已做成的能不能放大”。

私募资本市场数据平台PitchBook显示，过去两年，全球AI投资越来越趋向“确定性”，投资C轮及之后阶段的资金超过六成。国内情形与之相似。据梁桂观察，AI催生了大量早期项目，但获取的资金量很少，大部分投资集中在后期；处于中间阶段的创业企业面临极大压力。

“三个不等号”凸显落地难

更容易的“从0到1”，为什么没能让AI创业变简单？梁桂认为，关键是“三个不等号”难以化解：技术可行≠产业可用，算法有效≠场景成立，演示成功≠订单成立。

换言之，当AI催生的Demo无法实际交付和规模化，AI创业从“1到10再到100”之路就会无比艰难。

根据麦肯锡公司的报告，当前企业级AI应用本身就存在“试点繁荣、规模化稀缺”的断层。在财务等应用领域，约45%的组织正尝试生成式AI，但最终规模化落地的仅6%。麻省理工学院相关团队的研究结论与之相近：应用到生产环境的AI比例仅约5%。

要跨越Demo，单靠AI创业者和技术不足以形成价值闭环。梁桂将其中的难点总结为以下几方面：

首先，AI开发原型的成本固然很低，但应用时，企业仍需在数据、算力、监控、评估等环节大量投入，使得单位成本显著抬高；其次，前端的AI设计和介入，与后端应用之间难以衔接，AI嵌入流程和场景步履维艰；再次，AI至今无法根除幻觉，用户因此也难以对其形成充分信任。

说到底，AI要发挥作用，必然会在组织内部“接管”部分认知流程，比如起草、审核、研发……如果组织不对内部的人员岗位、授权链条、治理合规等作出深刻调整，AI很难从“玩具”落地为工具。

受落地难困扰最大的正是创业中间层（A/A+/B轮）企业，尤其是势单力孤的OPC和“超级个体”。迈过原型开发的蜜月期后，他们很快就会面临中试、首单、规模化等挑战。一旦VC不愿投，政府经费又难覆盖，他们手中的资源很难抵抗高企的运营成本和延宕的转化周期。

AI时代重塑创业范式，创业孵化也要与之对齐。梁桂的看法很明确：孵化器要变，要从“想法诞生的地方”，转向“确定性发生的地方”。

为此，孵化器不能只提供资源，要帮助创业者穿越瓶颈；从物理空间、创业活动的提供者，变为AI产业场景组织者。对越来越小的AI创业团队来说，物理工位的价值越来越低。由此，AI时代孵化器的核心底座应该是“AI资源栈”，包括算力、模型、数据，以及评测体系、合规顾问、行业渠道等，某种意义上相当于一个即插即用的赋能中心。

AI（人工智能）给创业镀上了一层暖金色：在越来越强的模型支撑下，“单枪匹马做出伟大产品”看似触手可及，“OPC（One Person Company，一人公司）”被频繁提起，许多地区提出相应扶持计划，但前方果真一马平川？

作为长期参与我国创业孵化体系建设的资深专家，科技部火炬中心原主任梁桂送上一份冷静的专业判断。在日前举行的上海科技企业孵化器大会上他指出，AI只是拉低了创业者“做出来”的门槛，并未抹平“用起来”的挑战。

针对AI时代创新创业新趋势、新特征，全社会、尤其是创业孵化体系需要相应调整。而上海作为全国科技孵化龙头，更应发挥关键作用。为此梁桂建议，上海全力打造AI时代硬科技孵化的制度样板和产业入口，不断夯实孵化底座、对接关键资源，使孵化器真正成为AI创业“生产线”和“转化加速器”。

更快出现 更快出局？

当前，AI创业圈处于一种奇特的“体感错位”。

一方面，AI让创业者能在短短几天甚至几小时内，拿出一个不错的演示版（Demo）。硅谷知名孵化器YC透露，在其去年支持的创业企业中，约1/4的公司，95%的代码由AI生成。GitHub的数据显示，AI让开发速度提升过半。AI还使部分创业项目“起步即起飞”，涌现出Emergent这类能在几个月内实现500万用户、5000万美元收入的“新物种”。这也构成了各部门纷纷拥抱OPC、下注“超级个体”的底气所在。

但另一方面，AI加持的“Demo繁荣”，并未转化为更高的创业成功率。据梁桂观察，自OpenAI掀起这轮AI热以来，创业失败率不降反升。知名股权管理平台Carta的数据显示，创业企业关闭数显著增加，A轮增幅达61%，B轮飙升到133%。知名科技媒体TechCrunch也观察到类似趋势。

整体上，AI让创业第一步变轻松，之后则是“更快出现、更快出局”。梁桂直言，现在路演项目越来越多，Demo越来越漂亮，落实到采购、上线、续单的比例却很少。创业“死亡谷”没有消失，而是后移——原先约70%项目死在最早期，现在推迟到规模化阶段，失败峰值甚至更高。

新趋势也改变了VC（风险投资）的行为方式——从“赌你能不能做出来”转向“赌已做成的能不能放大”。

私募资本市场数据平台PitchBook显示，过去两年，全球AI投资越来越趋向“确定性”，投资C轮及之后阶段的资金超过六成。国内情形与之相似。据梁桂观察，AI催生了大量早期项目，但获取的资金量很少，大部分投资集中在后期；处于中间阶段的创业企业面临极大压力。

“三个不等号”凸显落地难

更容易的“从0到1”，为什么没能让AI创业变简单？梁桂认为，关键是“三个不等号”难以化解：技术可行≠产业可用，算法有效≠场景成立，演示成功≠订单成立。

换言之，当AI催生的Demo无法实际交付和规模化，AI创业从“1到10再到100”之路就会无比艰难。

根据麦肯锡公司的报告，当前企业级AI应用本身就存在“试点繁荣、规模化稀缺”的断层。在财务等应用领域，约45%的组织正尝试生成式AI，但最终规模化落地的仅6%。麻省理工学院相关团队的研究结论与之相近：应用到生产环境的AI比例仅约5%。

要跨越Demo，单靠AI创业者和技术不足以形成价值闭环。梁桂将其中的难点总结为以下几方面：

首先，AI开发原型的成本固然很低，但应用时，企业仍需在数据、算力、监控、评估等环节大量投入，使得单位成本显著抬高；其次，前端的AI设计和介入，与后端应用之间难以衔接，AI嵌入流程和场景步履维艰；再次，AI至今无法根除幻觉，用户因此也难以对其形成充分信任。

说到底，AI要发挥作用，必然会在组织内部“接管”部分认知流程，比如起草、审核、研发……如果组织不对内部的人员岗位、授权链条、治理合规等作出深刻调整，AI很难从“玩具”落地为工具。

受落地难困扰最大的正是创业中间层（A/A+/B轮）企业，尤其是势单力孤的OPC和“超级个体”。迈过原型开发的蜜月期后，他们很快就会面临中试、首单、规模化等挑战。一旦VC不愿投，政府经费又难覆盖，他们手中的资源很难抵抗高企的运营成本和延宕的转化周期。

AI时代重塑创业范式，创业孵化也要与之对齐。梁桂的看法很明确：孵化器要变，要从“想法诞生的地方”，转向“确定性发生的地方”。

为此，孵化器不能只提供资源，要帮助创业者穿越瓶颈；从物理空间、创业活动的提供者，变为AI产业场景组织者。对越来越小的AI创业团队来说，物理工位的价值越来越低。由此，AI时代孵化器的核心底座应该是“AI资源栈”，包括算力、模型、数据，以及评测体系、合规顾问、行业渠道等，某种意义上相当于一个即插即用的赋能中心。