如果你和刘源谈AI，他会在第三分钟打断你的宏大叙事，然后问一个非常具体的问题：
“你说的这个智能体，现在能处理多少并发的生产指令？延迟是多少？在工业控制协议层面，它能对接哪些PLC标准？”
这是他真实的思维入口。
在中聚投资，刘源主导着AI赛道的整体布局。他的投资逻辑，从一个很不寻常的起点出发：他不从资本端往下推，他从技术端往上看，再往产业端横着走，最后才回到资本端做定价。
这套逻辑，让他在当下这轮AI投资热潮中，站在了一个相当特殊的位置。
很多投资人习惯先研究“市场情绪”，再决定“资金流向”，但刘源更在意的是另一件事：一项技术能否真正进入产业链、能否进入真实现金流、能否在生产系统中长期稳定运行。
他常说，真正改变世界的技术，往往不是发布会上的那一刻，而是它第一次进入工厂、仓库、支付系统和供应链的时候。
他为什么不投大模型？
2025年，中国AI领域最热的赛道是什么？很多人会说：大模型。
但中聚投资在大模型本身上没有重仓。这是刘源的主动选择。
“大模型是基础设施，”他说，“基础设施层的竞争，最终会变成一场国家级别的算力消耗战和资本消耗战。我们不是最适合打这场仗的选手。”
他的判断是：大模型的核心变量，一是算力（芯片+基础设施），二是数据（高质量训练数据），三是架构创新能力。前两个都极度资本密集，第三个需要世界级的顶尖研究人员。这三个维度，都已经被几家巨头公司以及国家级资本锁定。
但在大模型之上的应用层，尤其是产业级AI Agent的开发和落地，却存在一个巨大的空白地带。
“大模型公司很擅长把能力做出来，但他们往往不擅长、也没有动力去把这个能力嵌进具体的产业流程里，”刘源说，“中间有一层叫‘产业化’的工作，需要既懂技术又懂产业的人来做。这里才是我们的战场。”
在刘源看来，未来AI行业真正的分水岭，不是谁的模型参数更多，而是谁能率先把AI接进真实产业。
因为模型能力本身，最终一定会逐渐趋于标准化，但产业Know-How、供应链能力、场景数据、流程理解，这些东西无法被简单复制。
他认为，大模型更像“电力系统”，而产业Agent更像“电器设备”。“真正创造长期价值的，未必是发电厂本身，而是谁最先把电力变成生产力。”
所以中聚投资近两年的重点，不是追逐“最热模型”，而是在寻找那些能把AI真正变成“工业能力”的团队。这些团队未必流量最高，也未必天天出现在媒体头条，但它们往往掌握着真正的产业接口。
多智能体：他看到的下一个相变
在刘源的技术地图里，2026年最值得重点关注的技术趋势，是多智能体协作系统（Multi-Agent Systems）在B端的规模化落地。
他把这个趋势描述为一次“相变”，是物质从一种形态转变为另一种形态的那种质性跃迁，而不仅仅是量变。
“2024年之前，AI Agent主要是C端的，主要是对话类的，帮你写文案、帮你查资料，”他说，“但从2025年开始，Agent开始进入B端，开始进入生产流程。多个专业Agent可以像一个团队一样分工协作，一个负责感知，一个负责决策，一个负责执行，通过标准化协议实现协同。”
他举了两个他认为最典型的场景：
一是跨境电商。用智能体完成自动采购、风控、结算的全链路自动化。一个全球供应商网络里的询价-比价-下单-物流跟踪-结算流程，可以在几乎零人工干预的情况下，由多个协作的Agent完成。
二是制造业。用智能体实现生产调度、质量检测、预测性维护的协同。一个工厂里，感知层的视觉检测Agent、决策层的调度Agent、执行层的设备控制Agent，构成一个有机的闭环。
“这两个场景的共同特点是什么？都需要高频、低延迟、可信赖的结算能力，”他说，“你的智能体再聪明，如果它完成一笔交易的结算要等三天，这个闭环就是断的。”
这是他为什么同时布局“区块链+支付”的技术逻辑，这不是因为区块链是热词，而是因为高频可信结算是AI商业化落地的基础设施。
刘源认为，未来的企业组织结构，本质上也会被多智能体系统重构。很多今天依赖人工协调、跨部门沟通、重复确认的流程，未来会逐渐被“机器之间的协同”替代。
他甚至提出一个观点：“未来很多公司，可能白天看起来只有几十个人，但背后同时运行着几万个Agent。”
在他看来，这不是科幻，而是未来三到五年正在发生的现实。而真正的产业竞争，也会从“谁有更多员工”，逐渐变成“谁拥有更高效的智能体协作系统”。
半导体：国产替代的正确打法
在半导体赛道，刘源的逻辑同样不是跟着热点走。
“国产替代不是口号，是约束条件，”他说，“问题不是‘要不要做’，而是‘怎么做才能真正替代’。”
他的判断是：半导体的国产替代，核心不是在技术参数上完全追上美国，而是在特定场景下的工程化能力和生态整合能力。以摩尔线程为例，这家公司2025年12月在科创板上市，首日涨幅超过400%，市值突破4000亿元。但刘源对这个案例的解读，重点不在涨幅，而在路径。
“摩尔线程从成立到上市用了五年，这个速度本身说明了什么？说明了在AI算力这个赛道，国内的资本市场、监管体系、产业生态，现在已经能够支持这种速度的价值实现，”他说，“这是一个非常重要的信号。”
他认为，未来最值得关注的半导体投资机会，不在最高端的制程之争，而在两个维度：一是AI训练和推理场景下的定制芯片（ASIC），这里的需求是确定的、可验证的；二是具身智能和机器人系统需要的边缘计算芯片，这里是下一个真正的增量市场。
“机器人的关节里要有芯片，机器人的眼睛里要有芯片，机器人和机器人之间要通信，”他说，“这是一个巨大的、目前市场上还没有被完全看到的需求空间。”
刘源尤其关注一个很多人容易忽略的问题：AI时代真正的瓶颈，不只是“算力”，还有“能耗”。因为未来大量AI能力会从云端走向边缘端，从数据中心走向机器人、无人设备、工业终端。
“实验室里的性能第一，不等于产业里的可落地第一。”这是刘源反复强调的一句话。
所以他判断，未来真正具备长期价值的中国半导体企业，不一定是“参数最激进”的，而是最懂产业场景、最懂系统协同、最懂工程化落地的公司。
具身智能：他认为最难也最值得的赛道
在刘源的AI版图里，具身智能是他着墨最重、言辞也最谨慎的赛道。
“具身智能是AI所有方向里，我认为最难、但长期来看影响最深远的，”他说，“难在哪里？难在它不只是软件问题，它是软件、硬件、机械、传感器、控制算法的高度集成，是一个‘系统工程’，任何一个环节的短板都会成为整体的瓶颈。”
但他认为这个赛道在2026年已经越过了“概念验证”阶段，开始进入“规模化能力构建”阶段。
他的布局逻辑是：不追求在全栈自研上押注一家公司，而是沿着机器人系统的关键瓶颈点做投资：关节模组、力觉传感器、端到端控制算法、仿真训练环境。这些是机器人产业链里技术壁垒最高、国产化程度最低、同时需求最确定的环节。
“低空经济也是同样的思路，”他补充说，“不投造飞行器的，投调度网络、投关键零部件、投空域管理的基础设施。”
在刘源看来，具身智能真正的挑战，并不是“机器人会不会动”，而是“机器人能不能长期稳定地工作”。
因为一个真正进入产业场景的机器人，需要面对的是复杂、动态、不可预测的真实世界，而不是实验室里的标准环境。
他说：“一个机器人在展厅里连续演示十分钟，和它在工厂里连续工作三个月，是两件完全不同的事。”所以他非常看重“系统稳定性”这个指标。
指标听起来不性感，但真正决定了一个机器人公司最后能不能商业化。
投资决策的“双重验证“机制
在中聚投资，刘源建立了一套他称之为“双重验证”的投资决策机制。
第一重验证是技术验证：这个技术方向是否已经越过了关键的技术成熟度门槛？它的核心技术风险是否已经被识别和量化？技术路线是否有明确的迭代路径？
第二重验证是产业验证：这个技术在实际产业场景里有没有被真实使用？使用方是否愿意为它付费？付费的规模和频率是否能支撑一个可持续的商业模式？
“很多AI项目失败，不是因为技术不行，是因为找错了场景，或者找对了场景但找错了客户，”他说，“我们希望在投资决策的时候，就把这两层都想清楚。”
他强调，中聚的董事会已经建立了“金融+科技双维度论证”的专业化决策机制，严格遵循港股上市规则，保障每一项投资的科学性、透明度和合规性。
尾声：技术的终点是产业，产业的终点是人
采访快结束时，刘源说了一句让我印象很深的话：
“技术是手段，产业才是目的，产业的背后是人。如果一项技术没有让工厂里的工人变得更安全、更有效率，没有让一个企业主的现金流压力小一点，没有让一个普通人的生活变得更方便一点——那它再先进，也只是实验室里的展品。”
这句话，有点不像一个投资人说的，更像一个工程师说的。
但也许，这正是这位90后新贵投资人的独特之处。
在今天这个越来越容易被“概念”和“情绪”裹挟的时代，刘源身上最难得的一点，或许恰恰是他的克制。他既不迷信资本，也不迷信技术本身，而是始终把“产业是否真正发生变化”作为最终判断标准。
而这种视角，也许正是下一代中国科技投资人最重要的能力之一。
（来源：点财网）
