感谢网友 软媒新友2497150、啊俊、hh_kk 的线索提供！
12 月 17 日讯，今日，小鹏汽车董事长何小鹏在其社交平台发布动态，围绕 AI 是否存在泡沫、物理 AI 的演进路径、美国新兴创业生态与机器人发展态势，以及通用人工智能（AGI）的现实进展等焦点议题，分享了个人观察与思考。
何小鹏指出，人形机器人赛道未来将主要由科技巨头主导竞争；而面向特定场景的专用机器人，则会涌现大量垂直领域创新企业，并孕育极为丰富的商业成功机会。
在他看来，当前AI领域并不存在系统性泡沫，AI所承载的产业空间与社会价值仍处于爆发前夜，潜力巨大。
附：何小鹏朋友圈原文实录
此次赴美期间，我与近三十位来自AI领域的内外部同仁进行了深入交流。几点体会如下：
关于美国的新创热潮与机器人趋势
观察发现，美国在AI、生物科技及金融科技等方向的创业活跃度较高。尤其在硅谷，AI相关创业项目集中于SaaS服务与物理AI机器人两大方向，融资估值普遍偏高。本次交流对象中，约半数为机器人方向创业者，分布高度密集。相较而言，中国机器人企业多从机械关节、运动控制等硬件层切入；而美国团队则更倾向于以大模型为起点构建系统能力。我判断：人形机器人终将是头部科技公司角力的主战场；而面向工业、医疗、农业、物流等细分场景的专用机器人，则将吸引大量差异化玩家入场，具备极强的孵化土壤与成长确定性。
大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...
关于物理AI的发展前景
维特根斯坦曾言：“语言即世界。”语言是知识凝练与信息传递的载体，却也在无形中框定了我们对现实的理解边界。许多能力无法单靠语言习得——比如孩童学步、初学游泳，核心依赖的是对真实世界的感知、模仿与持续反馈强化。因此，业界正积极寻求从纯语言大模型，迈向多模态融合乃至具备环境理解与推理能力的“世界模型”。我认为，未来三年内最具突破可能性的方向，未必是数字世界中的算法迭代（正如OpenAI虽以AGI为愿景，但现阶段重心明显偏向商业化落地；当然，我们也期待下一代Transformer架构或训练成本的断崖式下降），反而更可能出现在物理AI领域：例如自动驾驶或将直接跃升至准L4甚至全场景L4水平；人形机器人则有望实现从类比自动驾驶L1阶段向L4初级阶段的跨越式演进。尽管物理AI的技术爬坡节奏慢于数字AI，但其对人类生产生活方式的重塑力度，或将远超前者。
关于AI是否存在泡沫
回顾历史，每一轮技术浪潮都伴随阶段性或局部性的估值过热现象——互联网时代如此，新能源汽车崛起期亦然。这本质是市场从混沌走向有序过程中必经的竞争筛选机制。总体来看，AI驱动的社会变革已是不可逆趋势，而当下整体仍处于0到0.1的萌芽初期。若非要讨论泡沫，目前中国市场的估值相对理性务实，美国部分项目的定价则略显激进；中国更聚焦技术落地与产业适配，美国则更侧重基础理论探索与前沿范式突破。
综上，我认为现阶段AI并无全局性泡沫，其背后蕴藏的市场机遇才刚刚拉开序幕。
关于AGI的到来节奏
当前AI的能力本质，仍主要建立在“模仿学习”（如研读教材、复现他人操作流程）与“强化学习”（如海量刷题、反复优化执行效率）两大范式之上。这类似于自动驾驶——因可快速汇聚百万级真实驾驶行为数据进行训练，故短期内即可超越多数人类驾驶员的安全性与稳定性，并涌现出部分意料之外的新能力。但这类能力尚不等同于真正意义上的创造力。通往AGI的道路，还需补齐多项关键能力：包括从多模态感知迈向具备因果推演与内在逻辑的世界模型（类似人类“知其所以然”的认知升级，或可视为自动驾驶世界模型中“左右互搏式自我博弈”的高阶延伸）；支持终身演进的持续学习机制；以及覆盖长周期、跨任务的深度洞察能力与战略规划能力等。这些能力尚未完全成熟，预计仍需数年沉淀，并有待底层技术的下一次关键跃迁。
