在 LEAP East 2026 的 DeepFest 座談會上，The Metaverse Institute 執行長 Dr. Christina Yan Zhang、MPC 創始合夥人 Harry Man、Insilico Medicine 執行長 Alex Zhavoronkov 與 AI Palette 執行長 Somsubhra GanChoudhuri 齊聚一堂，探討亞洲 AI 獨角獸的潛在賽道。 這場對話為市場帶來雙向啟發：它既是提醒 VC 擺脫技術迷思、看重商業變現與退出路徑的「避坑指南」；也是指導 AI 創業者精準對齊資本胃口的「融資劇本」。 AI 投資已告別單純的模型軍備競賽，下一批亞洲獨角獸未必是基礎模型公司，而是能將複雜市場、垂直數據、實體基建與退場結構完美結合的企業
投中獨角獸並非終點 持股比例才是回報核心
Harry Man 開宗明義指出，創投不應以「投中幾家獨角獸」為 KPI，而應關注持股比例、退出路徑與最終回報：「We don’t count by numbers. We count by returns.」
這點出了 AI 熱潮中最易被忽略的「基金數學（Fund Math）」：即便公司晉升獨角獸，若進場估值過高、持股被稀釋過度，或退出窗口太窄，也無法為基金帶來實質回報。對投資委員會（IC）而言，不應只問「這是否為下一個獨角獸」，更要評估進場價格、跟投能力與退出機率是否足以產生現金回報（DPI）。真正值得投資的公司，除了估值成長快，更重要的是能讓基金在退場時順利獲利。
投資邏輯由「追逐模型」轉向「買入商業效率」
當中美頂尖 AI 模型效能差距明顯收窄，收入、成本效率與商業化能力便成為估值的分水嶺。Harry Man 提到，雖然模型能力可用學術指標比較，但投資者最終看重的是企業的創收能力，而中國在應用層及開源模型上正具備顯著優勢。
換言之美國以外市場的 AI 價值鏈可能迎來重組：基礎模型的價值未必全由 API 收費捕捉，反而可能透過部署、整合、合規與企業工作流程（Workflow）來變現。亞洲企業的機會，是利用低成本模型，在金融、製造、消費品等領域建立客戶願持續付費的應用，而非再造一個 OpenAI。能否切實降本增效，並轉化為高續約率的經常性收入，才是核心問題，而非展示炫酷的 AI Demo。
亞洲的複雜性是被低估的「護城河」
Somsubhra GanChoudhuri 分享了 AI Palette 在亞洲處理多語言（如泰、越、中、日文）與跨文化消費趨勢分析的經驗。這種創業初期的「環境劣勢」，最終反轉為吸引跨國企業的全球化優勢。
若一間公司能在多語言、多監管的碎片化環境中成功推出產品，其輸出海外的競爭力將遠超僅在英語市場成長的競品。AI 實現的「規模化個人化（Personalization at scale）」亦正重塑消費品創新週期，將社群數據、口味偏好與地區語境串聯，大幅縮短產品開發與本地化測試的時間。這類應用雖無基礎模型的光環，卻最接近企業願意付費的真實投資報酬率（ROI）。
AI 生技不能只看演算法，需具備「實驗閉環」與剛性需求
針對 AI for Science，Alex Zhavoronkov 強調 AI 雖能加速科研，卻無法繞過藥物研發最艱難的臨床實驗與監管檢核。他指出，中國在製藥方面，除了 AI 技術，更大的優勢在於龐大的實驗基礎設施與快速驗證能力。
AI 生成假設只是起點，真正的護城河在於將 AI、委託研究機構（CRO）、濕實驗與臨床驗證網絡形成閉環。以 Insilico Medicine 為例，其透過 AI 開發的藥物 Rentosertib 已進入臨床三期試驗。隨著 AI 讓科學研究民主化，市場將充斥更多未經檢驗的「假設」，這使得「驗證層」變得更加稀缺與值錢。投資者應關注能提供實驗自動化、安全性評估等快速將 AI 假設轉化為審批證據的周邊產業（Picks-and-shovels）。
Alex 亦點出健康與長壽是人類的終極剛需：「你可以沒有聊天機械人，但不能沒有生命。」這為 AI 醫療賦予了強大的抗週期防守性，使其成為最值得長線投入的資產。
避開「人形機械人」迷思，佈局自動化與「治理層」
Harry Man 特別區分了「一般機械人（Robot）」與「人形機械人（Humanoid）」。實體 AI（Physical AI）的估值核心，是部署密度、維修成本、停機風險及客戶付費意願，而非炫酷的展示影片。能為工業、物流或高風險場景切實節省人力的自動化系統，往往能比人形機械人更早創造可見收入。
隨著實體 AI 步入商業化，Harry Man 提醒機械人必須遵守人類社會既有的規範，這將催生出機械人資安、合規稽核、保險定價與責任界定等全新的「基礎設施市場」。對 B2B 投資者而言，這些提供「治理層」服務的公司，可能比單一機械人硬件品牌更早形成穩定的付費場景。
退出機制（Exit）是亞洲 AI 投資的終極瓶頸
整場 Panel 最具戰略價值的討論聚焦於「退出機制」。Harry Man 與 Somsubhra 皆指出，亞洲 VC 高度依賴 IPO，缺乏美國市場成熟的併購（M&A）與二級市場流動性。
不同 AI 資產需匹配不同的退出策略：具備清晰收入的中小型 SaaS 較適合 M&A；而深科技、生技等需長週期研發的公司，則高度依賴 IPO 或戰略收購。為了解決流動性不足，Dr. Christina Yan Zhang 提出「代幣化（Tokenization）」作為潛在的補充機制。Harry Man 進一步強調，科技自主也包含建立獨立且具持續性的「資本市場」。香港的定位不應只是一個上市地，更應成為亞洲 AI 資本循環的樞紐，形成涵蓋一級融資、M&A、跨境 LP 參與的完整資金閉環。
基金生命週期決定了投資 不能只買「遠期故事」
傳統 VC 基金多受限於 5 至 10 年的年期，投資決策必須考量「該資產能否在基金剩餘年期內變現」。面對 AI 基礎設施 3 至 5 年的消化期，投資組合應採取「槓鈴策略（Barbell Strategy）」：一端配置高潛力但長週期的深科技與生技資產；另一端則佈局能在短期內證明續約率與 M&A 價值的應用層公司。
正如 Somsubhra 以電力普及為喻，企業必須專注於「價值創造」以熬過技術採用期；Alex 呼籲將資金投入基礎設施與有價值的實體 IP；Harry Man 則提醒捨棄行銷標籤，回歸基本面。
AI 創業者破局指南：如何提升 VC 投資成功率
過去幾年，AI 創業者習慣用「改變世界」的宏大敘事來募資。但從這場 Panel 可以看出，如今的 VC 已經對「首家上市基礎模型公司」等行銷標籤免疫。要在一級市場募得資金，創業者必須學會用「資本退出的語言」來重新包裝自己的 AI 願景，並具體在以下四個維度與投資人的期待對齊：
撕下技術標籤，改賣「單位經濟效益」：
在商業計畫書中，不要再把重點放在模型參數有多大。創業者必須直擊投資報酬率（ROI），具體證明你的 AI 能為客戶節省多少成本、提升多少轉化率，並清楚展示這些效益如何轉化為高續約率的經常性收入（ARR）。
將「亞洲劣勢」翻轉為「全球化護城河」：
面對亞洲市場的碎片化，創業者不應將其視為估值打折的理由，或只強調「廉價工程師」。相反，應將克服多語言、多文化與複雜法規的實戰經驗，定位成「強大的壓力測試場」。向投資人證明，正因為團隊能搞定最複雜的亞洲本地化痛點，跨國企業未來將更依賴你們的解決方案。
停止只 Show Demo，展示「實體驗證閉環」：
對於深科技與生技醫療領域，投資人深知演算法產生的「假設」已不再稀缺，真正值錢的是「實體驗證能力」。創業者必須將募資亮點放在展示閉環——例如成功串接委託研究機構（CRO）、取得臨床實證數據，或是證明機械人系統能在高風險場景中穩定部署且維修成本極低。
主動幫投資人寫好「退場故事」：
創投基金通常受限於 5 至 10 年的壽命限制，最怕資金卡死無法套現。創業者不應只描繪十年後的遠景，更要主動提供清晰的退出路徑：若為 SaaS 應用，應說明未來被大型軟件商併購（M&A）的潛力；若是深科技，則需具體給出能達到 IPO 或大型戰略收購標準的里程碑時間表。證明自己具備「可退出性」，是拿到資金的最強底牌。
結語：下一個獨角獸，藏在可退出的結構裡
2026 年之後的 AI 投資，企業能否在基金年期內創造可見的回報，才是真正的考驗，而非單純比拼模型強弱。唯有將亞洲的複雜市場、開源模型、科學驗證能力、工業場景、機械人治理需求與成熟的資本市場連成完整的循環，下一批 AI 獨角獸才能從估值神話，變成真正落袋為安的現金回報。
