一句话看懂：淡水泉投资董事总经理陶冬在公开视频中指出，当前 AI 大模型本身盈利困难，真正的商业价值集中在 AI 应用层面，并判断“AI + 制造业”将成为中国制造业未来 20 年竞争力的核心来源。这一观点将市场注意力从模型层拉向产业落地层。
事件核心：发生了什么
2026 年 6 月 12 日，淡水泉（中国知名私募机构）高管陶冬发布视频观点，核心论断包括两点：一是 AI 大模型目前“不挣钱”，真正赚钱的是 AI 应用；二是 AI 与制造业的深度融合，将在中国制造业未来 20 年的全球竞争中扮演底层支撑角色。陶冬的发言聚焦于产业投资逻辑，而非具体模型或产品，因此没有涉及特定公司或技术参数，更多是对 AI 商业化路径的阶段判断。
为什么重要
这一观点反映了投资界对 AI 商业模式的真实审视。过去两年，大模型赛道（如闭源大模型和开源大模型）经历了巨额投入期，但多数厂商尚未实现规模级盈利。陶冬的论断将市场焦点从“算力军备竞赛”和“模型参数比较”转向“应用落地能力”。对中国制造业而言，AI 应用（如工业质检、智能调度、数字孪生、机器人推理）被认为可以重塑生产效率，这与 2024-2026 年间国内制造业智能化升级的宏观趋势相吻合。对于投资者和从业者来说，这暗示着“AI + 行业”的垂直应用项目可能比基础大模型更具回报潜力。
对用户/开发者/创作者的影响
对开发者：从模型选择上，开闭源之争的重要性可能下降，更关键的是 API 或模型能否稳定地在实际工业场景中运行（推理速度、延迟、硬件适配）。开发者应关注如何将大模型能力封装为可落地的工业软件或工具。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业采购决策者：陶冬的判断提示，在采购 AI 方案时，应优先评估应用的 ROI 和培训成本，而非单纯比较参数。制造业企业更应关注那些能直接融合到产线、供应链中的 AI 解决方案。
对内容创作者的启示：图像生成、文本生成等消费级 AI 应用市场已趋于饱和，而制造业垂直场景中的 AI 内容生成需求（如工业图纸、标准文档）或成为新的细分增长点。
值得关注的后续
1. 制造业大厂（如海尔、华为、比亚迪等）是否会加大在工业 AI 应用链的投资或自研，是观察市场是否转向的先行指标。2. 市场上是否会出现专为工业场景优化的轻量级大模型或专用推理芯片，从而降低落地成本。3. 监管层面对工业场景中的 AI 应用（如数据安全、产线责任划分）是否出台具体细则，将影响 AI 在制造业中的渗透速度。
来源：Readhub · AI
