2026年了，很多人跟我说一句话：感觉创业节奏被“科技”统治了。
我是陆延，从 2013 年做移动互联网，到 2017 年摸索 SaaS，再到 2021 年开始押注深度学习基础设施，如今在一家早期科技基金做合伙人，自己还带着一个十几人的创业小团队。日常工作，就是被各种“新趋势”砸脸：大模型、Agent、AIGC、低代码、国产替代、数据要素、算力下沉……每个词单拎出来都能写一份 BP。
这篇文章，我想把虚的口号剥掉，用行业里真实发生的变化，聊清楚一个问题：2025年科技创业趋势，究竟在卷什么？作为创业者，你该跟着卷，还是要换一个战场？
我会站在“连续创业者 + 投资人”的双重视角说话，不讲心灵鸡汤，也不做 PPT 式段落拆解，更想帮你在一堆热闹里，找到少数真正值得押注的方向。
2024 年底到 2025 年，技术圈有个明显的气氛变化：追着模型参数跑的人少了，追着真实 GMV 和付费转化的人多了。
OpenAI 在 2025 年初发布的新一代 GPT 系列模型，把多模态交互、长上下文和工具调用做得更顺滑；国内各家厂商在 2025 年中已经普遍支持十几万到百万 Tokens 的上下文。这种演进有一个很现实的影响：创业公司再去做“一个大模型公司”，机会已经极度狭窄，但围绕模型做“行业工具”的窗口期刚刚打开。
在我们基金 2025 年上半年看到的项目池里，有两个数字很扎眼：
- 2024 年底到 2025 年中，新递交的“模型公司”BP 占比下降到不足 8%，而 2023 年时这个比例还在 20% 左右。
- 相反，“AI 嵌入业务流程”的应用项目，占到我们看过科技项目的接近 40%，且其中约一半具备明确的收费结构和可验证的 ROI。
这说明什么？大模型已经不再是“产品卖点”，而是“基础设施默认值”。创业者真正需要卷的，不再是“谁的模型多 2 个点的准确率”，而是：
- 谁能把“AI 能力”嵌进业务流程的关键节点，而不是挂个聊天窗口。
- 谁能用一整套数据闭环，把 AI 工具从“帮员工省一点时间”升级成“直接推动营收/降本指标”。
身边有个做跨境电商 SaaS 的朋友，2025 年把客服和选品流程用大模型重写了一遍，没有再强调“AI 多智能”，却拿出一组冷冰冰的数字：他们服务的中型卖家，客服人力成本平均下降 30% 左右，店铺响应时间缩短一半，转化率提升 10% 左右，续费愿意付溢价的客户比例明显提升。这种结果，在投资决策里比“自研模型”三个字有分量得多。
如果你打算在 2025 年创业，围绕大模型的正确姿势，更像是：
- 把模型当成“通用认知引擎”，用在行业里原本被忽略的小决策点；
- 把行业 know-how 和数据沉淀成“你自己的私有资产”，而不是自豪于“我们也调用了某个大模型”。
模型红利在褪色，但“AI 真正进入业务”的红利才刚刚开局。
这两年我最深的一个体感：很多科技公司死在基础设施，而不是死在产品想象力。
2025 年全球算力市场的公开数据显示，AI 相关算力投入增速依然在 30% 左右，而企业上云迁移和多云架构的比例持续提升。国内几大云厂商在 2025 年推出了一系列“算力包 + 模型 + 工具链”的一体化方案，从我接触的一些客户来看，企业的真实问题不是“能不能买到算力”，而是“这堆算力到底怎么用出价值”。
这里对创业者释放了两个信号：
- 围绕算力和数据的“中间层工具”有很大的机会。{image}比如：帮助企业做多云成本优化、训练任务调度、数据资产治理、安全合规审计等，这些都不是炫酷的 Demo，却是 CTO 每天头疼的真实问题。
- 数据基础设施已经从“IT 运维问题”升级成“战略问题”。哪些数据可以被用来训练模型？哪些数据会触碰合规红线？数据打通后，业务流程要怎么重构？这些问题不解决，再聪明的模型也只能跑在玩具场景里。
我们在 2025 年投的一个数据基础设施项目，很典型：它并不对外宣称做“AI 公司”，而是帮助大型制造企业把生产线数据、设备数据、质检数据打通，并预留好“供 AI 使用”的接口。上线半年，某头部制造企业的良品率提升 3% 左右，节约的原材料成本直接覆盖了项目投入。这类项目的特征是：技术含量不低，但更重要的是懂行业，懂流程，愿意扎在工厂里跑。
如果你对底层技术有兴趣，又不想卷模型，有几个方向值得留心：
- 做“算力治理”和“成本优化”的工具，而不是裸卖算力；
- 做行业化的数据中台或 DataOps/ML Ops 工具，把企业散落的数据变成“可用资产”；
- 做安全、合规、隐私计算等配套服务，让大模型在企业内部跑得安心。
一句话：2025 年的科技创业，越来越像是“基础设施 + 行业落地”的复合题，而不是单选题。
如果要用一句话形容 2025 年的 B 端客户：好奇心还在，冲动消费没了。
2024 年那一波 AI 浪潮，很多企业试过“买一个酷炫智能助手”的产品，结果用两个月就闲置。不少 CIO 在内部复盘之后，对供应商提的要求变成了三件事：
- 不看 Demo 细节，只问：能不能接我现有的系统？
- 不接受模糊的“效率提升”，只要清晰可量化的指标和回收周期；
- 对“闭源黑盒”的耐心明显下降，更偏好能掌控数据流向的方案。
在我们接触的十几家大型企业客户里，2025 年对科技类解决方案的评估，大概有这样的共性：
- 预算在缩，只是更加聚焦在“能快速见效”的项目；
- 对项目 ROI 的回看期从 18 个月收紧到 12 个月以内；
- 采购决策不再看“谁技术领先”，而是看“谁集成成本低、谁运维简单”。
这直接改变了科技创业的打法。你会发现，那些能签下大单的项目，往往不是技术做得最炫的，而是“接缝接得最顺”的。
我在看项目时，有一个很粗糙但好用的判断方式：如果一个 AI 相关 SaaS 产品，在 PPT 里需要花 5 页解释“AI 能力有多强”，但只用 1 页说明“如何接入企业现有系统”，大概率会在销售周期里被拖死。
2025 年的 B 端科技创业，更实际的思路是：
- 产品设计阶段就反向思考：落地到企业需要多少“非技术工作”？培训、流程改造、权限体系调整，这些都要算进成本；
- 把“方案标准化”做在产品里，而不是靠售前团队每个项目重新做一版；
- 提前准备好案例数据，例如“平均在 XX 行业，帮助客户降低多少人工时/减少多少错误率”，这样才符合客户日益“财务思维化”的采购逻辑。
冷静的客户，看起来难搞，实际上给认真做事的团队留下更干净的机会。因为一旦你交付出结果，黏性会比任何一次热点更长。
2025 年，让我感觉变化最大的一点，不在技术、不在资本，而是在人。
早几年，我习惯看一个团队：CTO 多强，算法岗有没有名校博士，创始人有没有大厂背景。到了 2025 年，我更加在意的问题变成了：
- 这个团队有没有真正懂行业一线场景的人？
- 技术、产品、业务之间，是不是能坐在一间屋子里吵完架立刻敲定方案？
- 创始人是不是愿意放弃“全能型高手”的幻觉，承认自己需要互补？
我们基金在复盘 2024–2025 年的项目时发现，那些迭代速度快、能在一年里找到清晰商业模式的团队，大多有类似特征：
- 至少有 1 个深度懂目标行业的合伙人或核心骨干，不是“调研了三个月”，而是干过几年；
- 技术负责人不再只做“架构和模型”的话题，而是深度参与到“价格策略、交付方式、客户成功”里；
- 产品角色变得更像“翻译 + 组织者”，一脚踩在技术，一脚踩在客户业务流程上。
很多人问我，2025 年创业团队要怎么配？我倾向于这种组合：
- 一个“技术-产品混血”的核心角色：能写代码，也能拉着客户画流程，不把技术当成自嗨；
- 一个“行业 insider”：带来真实场景、人脉和对行业细节的敏感度；
- 一个不怕脏活累活的业务负责人：跑渠道、谈合作、盯回款，这些没人愿意干，但公司需要活下去。
技术工具越来越强，大模型已经可以生成大量代码、文档甚至产品雏形，反而让“人”的结构和分工显得更关键。2025 年的科技创业，拼的不是单个天才，而是一支互相补位的小队。
写到这里，我知道你心里可能还有几个更现实的问题：那我该做什么？2025 年再创业，是不是晚了？是不是还要一定做“AI + 某某”？
我自己的判断会偏冷静也偏务实一些：
- 趋势确实清晰，但绝大多数人不需要站在趋势最前沿。算力基础设施、通用大模型的头部位置早被巨头占满，可围绕这些基础设施长出来的“具体业务问题”，仍旧分散、琐碎且机会足够多。
- 与其纠结“我要不要做 AI”，不如先问“我能深入哪个行业三年”。医疗、制造、供应链、出海服务、政企数字化，这些领域都在 2025 年持续释放升级需求，但真正懂一线流程的人，非常稀缺。
- 从一个可验证的小切口开始，比梦想做平台要现实得多。先把一个工厂的质检流程彻底数字化，再谈“工业大脑”；先拿下 50 家跨境卖家的客服自动化，再谈“智能运营平台”。
如果你已经在考虑 2025 年的创业方向，可以给自己设几个“硬问题”：
- 我能拿出一个真实场景，清晰说出 3 个痛点，并知道谁愿意付费解决？
- 我打算用的技术栈，是不是能在 6 个月内迭代出第一个可收费版本，而不是无限期“技术预研”？
- 我有没有一个愿意扎进行业现场的伙伴，而不是大家都只在远程会议里讨论？
趋势不会替你创业，但会放大你做对或做错的每一步。2025 年科技创业的关键，不是追新的 Buzzword，而是慢一点、深一点，把技术真正和行业结合，把基础设施打牢，把团队搭成一个战斗单元。
如果你已经在路上，希望这些来自一线的观察，能帮你少走一些无意义的弯路，把力气用在真正对的地方。
