1.1 2025年AI资本市场融资规模、轮次分布与区域格局
我翻了翻今年前九个月的全球AI融资数据,一个很直观的感受是:钱还在往里涌,但姿势变了。2025年截至目前,全球AI领域披露的融资总额大概在680亿到720亿美元之间,比2024年同期微微上浮,可要是跟2023年那种狂飙突进的架势比,增速明显踩了刹车。有意思的是,融资笔数反而多了,单笔金额在往下走。这说明什么?说明市场在从“押注超级独角兽”转向“广撒网、多敛鱼”的阶段。我认识几个做FA的朋友,他们今年的体感特别一致——案源不少,可每单的规模都缩水了,基金出手更碎、更谨慎。
轮次分布这块,早期融资(种子轮到A轮)的占比从2023年的不到四成涨到了今年的接近五成五。B轮和C轮这个“死亡谷”区间的融资难度肉眼可见地加大了,不少公司卡在这里,估值上不去下不来,老股东不跟、新股东嫌贵。后期融资(D轮及以后)的笔数少得可怜,能走到这一步的基本都是细分赛道的头部玩家,融资新闻一出来就是“超额认购”的措辞,可你细看条款,老股转让的比例在悄悄增加。
区域格局上,中美双极的态势没变,但内部结构在分化。美国这边,硅谷和纽约的传统强势地位被奥斯汀和西雅图分走了一部分注意力,尤其是AI+能源、AI+国防这两个方向,德州和华盛顿州的融资活跃度涨得很快。中国市场的特点是国资背景基金的存在感越来越强,合肥、苏州、深圳三地的AI专项基金今年出手频率很高,市场化美元基金反而在收缩。欧洲和中东我倒觉得被低估了,阿联酋和沙特的主权基金今年在AI基础设施上的布局力度,值得单独拎出来看。
1.2 热门赛道资本流向:大模型、算力基础设施、AI应用与具身智能
大模型赛道今年的融资故事,关键词是“收敛”。2024年那种是个大模型项目就能拿钱的日子过去了,现在资本高度集中在头部五六家公司手里。我统计了一下,基础大模型公司拿走的资金占整个AI融资盘子的比例,从去年的三成多降到今年的两成出头。不是资本不看好这个方向了,是大家都明白了一件事——通用大模型最后能活下来的就那么几家,押注第三梯队性价比太低。资金在往两个极端跑:要么投已经跑出明显身位的头部,要么投垂直领域的小模型团队,中间层最难受。
算力基础设施反倒成了今年最大的吸金池。数据中心、AI芯片、推理优化、液冷散热这些细分方向加在一起,拿走了接近三成的融资总额。我跟一个做算力租赁的创业者聊过,他说今年见投资人不用讲太多愿景,把电费成本、机柜利用率和客户签约情况摆出来就够了。资本对这个赛道的态度很务实,不看故事看运营数据。尤其是推理算力这块,随着各家大模型进入应用落地期,训练侧的需求增速放缓,推理侧的需求曲线陡得吓人,钱跟着需求走,一点不含糊。
AI应用层的融资呈现明显的“两极分化”。一边是AI编程、AI客服、AI营销这些有清晰付费场景的方向,融资节奏快、估值也不便宜;另一边是通用型AI助手、AI社交这类变现路径模糊的项目,投资人聊完就没了下文。具身智能今年是真的火了,宇树、智元这些公司融资新闻一个接一个,可你仔细看投资方名单,产业资本和地方政府基金占了很大比重,纯财务投资人的参与度其实没有新闻标题看起来那么高。我个人的判断是,具身智能的融资热度有一部分是政策和产业招商驱动的,跟纯市场化资本的热情要分开来看。
1.3 融资新闻中的估值逻辑、投资主题与市场情绪变化
估值这件事,从今年的融资新闻里能读出很微妙的信号。去年很多新闻稿喜欢强调“投后估值XX亿美元”,今年更多公司选择不披露具体估值数字,只说是“数亿元”“近亿美元”。这不是低调,是怕被拿来横向比较。我跟几个投资人聊过,他们普遍反映现在的估值谈判比2023年难得多,创始人心理价位还停留在那个高位,可基金内部的估值模型已经调了好几轮参数。有些项目表面上融资成功了,实际上是“可转债+估值上限”的结构,真正的股权定价要等下一轮才见分晓。
投资主题的变化挺有意思。2024年最热的词是“AGI”“通用人工智能”,今年新闻稿里出现频率最高的变成了“商业化落地”“单位经济模型转正”“客户续费率”。资本市场的叙事逻辑从“相信未来”切换到了“验收现在”。我注意到一个细节——今年融资新闻里附带的客户案例和收入数据明显比以前详细了,以前可能就提一嘴“已服务多家世界500强”,现在会具体到某家银行、某家车企,甚至披露合同金额区间。这种变化说明投资人尽调做得更细了,也说明市场情绪从FOMO(错失恐惧)转向了JOMO(错失乐趣),大家没那么怕错过,反倒更怕投错。
市场情绪整体是“谨慎乐观”四个字。乐观的部分在于——AI技术本身的进步速度没有放缓,推理成本还在快速下降,这为应用爆发提供了基础条件。谨慎的部分在于——退出通道太窄了,IPO市场对AI公司的接纳度有限,并购退出的案例虽然在增加,可估值预期差距经常谈不拢。我跟一个LP聊过,他的原话是“DPI压力摆在那里,GP再讲AI的长期故事,出资人也要看真金白银的回报”。
1.4 政策监管、宏观环境与全球资本流动对AI投融资的影响
政策这条线今年特别值得关注。欧盟的AI法案进入实施阶段后,合规成本成了融资谈判桌上的固定议题。我接触的几个做AI医疗和AI金融的团队,融资材料里都专门加了一页合规架构说明,这在去年是很少见的。美国那边虽然没有联邦层面的统一立法,可各州的动作不少,加州和科罗拉多州的隐私法案对AI训练数据的约束,直接影响了投资人对数据合规风险的定价。中国市场的政策信号相对积极,各地AI产业园和专项基金的政策叠加,给早期项目提供了缓冲垫。
宏观环境对AI投融资的影响,最直接的体现是资金成本。美联储利率虽然从高位下来了一些,可风险资本的募资难度并没有明显缓解。美元基金的新募资额还在低位徘徊,这直接限制了他们在AI赛道上的出手能力。我了解到的情况是,不少美元基金今年在AI方向只做“加注现有portfolio”的事,开新仓非常克制。人民币基金的情况相对好一些,国资和产业资本的弹药充足,可他们的投资偏好也很明确——要产业落地、要区域贡献、要可预期的退出路径。
全球资本流动方面,中东的钱在AI领域的配置比例在快速提升。沙特PIF和穆巴达拉今年在AI基础设施和算力项目上的出手频率很高,甚至开始直接接触中国的AI芯片和应用公司。新加坡和香港的家族办公室也在增加AI资产的配置,不过他们更偏好后期和Pre-IPO阶段,风险偏好比主权基金低不少。这种资本流动的区域再平衡,给AI创业者带来的直接影响是——融资故事需要针对不同区域的资本偏好做定制化调整,一套PPT打天下的时代结束了。
1.5 AI投融资新闻的信息来源、关键指标与解读方法
看AI投融资新闻,我现在习惯先看几个固定信源。一级市场数据平台里,PitchBook和CB Insights的更新速度最快,国内的IT桔子和企查查在人民币基金事件的覆盖上更全。可数据平台有个通病——披露延迟,很多融资消息在官方新闻稿出来之前,工商变更信息可能已经能查到了。我自己的习惯是交叉验证:英文媒体看TechCrunch和The Information,中文看36氪和晚点,再配合工商信息做校准。有些融资新闻里的“独家”其实在工商系统里已经挂了好几个月,只是没人发现而已。
解读融资新闻有几个关键指标我每次都会留意。融资额和估值要分开看,很多新闻只说融资额不提估值,这种时候要去反推——老股东有没有跟投、跟投比例是多少、有没有对赌条款。投资方阵容也很说明问题,纯财务投资人和产业资本的比例决定了这家公司未来的资源禀赋。我特别关注的是“融资用途”那段,虽然大部分公司写得都很模板化,可如果出现“补充流动资金”“偿还债务”这类字眼,基本能判断这家公司的现金流状况不太乐观。
有个容易被忽略的细节——新闻发布的时机。周五下午发融资新闻的公司,多半是希望低调处理,不想被媒体过度解读。选择跟行业大会或产品发布会同期发布的,往往是想借势放大声量。还有一类新闻值得单独拎出来看——人才招聘新闻里透露的融资信号。有些公司会在融资官宣前先发一轮核心团队加盟的通稿,这种“人才先行、资本跟进”的节奏,在一级市场信息不对称的环境里,是个很有用的领先指标。我自己就靠这个习惯提前捕捉到了两三个后来被验证的融资案例。
2.1 头部大模型公司融资事件盘点与估值跃迁路径
今年我跟踪最紧的就是头部那几家基础大模型公司的融资动向,说实话,节奏比去年慢了不少,可单笔金额依然吓人。OpenAI年初那轮400亿美元的融资震得整个圈子半天说不出话,软银领投、微软跟投,投后估值直接干到3000亿美元。我跟一个在硅谷做母基金的朋友聊起这事,他的原话是“这轮融资的新闻稿读起来像一份宣言书,告诉全世界AGI的入场券就这几张了”。Anthropic那边也不含糊,3月份完成了一轮35亿美元的E轮融资,估值冲到615亿美元,领投方是General Catalyst和Lightspeed,战略投资方里能看到亚马逊和谷歌的影子。有意思的是,Anthropic这轮融资有一部分钱是以可转换票据形式进来的,估值上限设得比投后估值高出一截,这种结构去年还不太常见。
国内这边,智谱AI和月之暗面今年的融资动作最密集。智谱在年初完成了一轮由北京市人工智能产业基金领投的融资,具体金额没披露,可据我从FA渠道了解到的情况,投后估值大概在40亿到50亿美元之间,比上一轮涨了将近一倍。月之暗面那边年初有一轮由阿里和腾讯共同参与的融资,投后估值报到33亿美元左右,可后来因为老股东跟投意愿的问题,这轮融资的实际到账时间比新闻稿发布晚了快两个月。我印象很深的是MiniMax的融资节奏,他们今年选择了一种“小步快跑”的模式——6月和9月各完成了一轮,单轮金额都不算大,可两轮之间的估值涨幅控制在15%到20%的温和区间,创始人跟媒体交流时直接说“不想把估值透支得太狠”。这种打法在头部公司里挺少见的,多数人还是想着一口气把估值拉到天花板。
估值跃迁路径这块我梳理了一下,今年头部大模型公司的估值逻辑跟前两年有个根本区别。2023年那会儿投资人看的是模型参数、榜单排名、论文数量;2024年开始看API调用量、付费客户数;今年最看重的是收入增速和毛利率改善的斜率。我拿OpenAI的估值做个对标,3000亿美元对应的是大概35亿到40亿美元的年化收入,市销率接近80倍,这个数字放在任何行业都算离谱,可投资人愿意买单的理由是“推理成本还在往下掉、企业客户渗透率还在往上走”。Anthropic的估值逻辑类似,615亿美元对应年化收入大概12亿到15亿美元,市销率40倍出头,比OpenAI便宜一半,硅谷那边有投资人私下说“Anthropic的估值吸引力其实比OpenAI大”。
国内公司的估值支撑要弱一些。智谱的40亿到50亿美元估值对应年化收入大概在1.5亿到2亿美元之间,市销率20倍出头,看着比美国同行理性。可你细看收入结构,政府项目和国企订单占了不小的比重,纯市场化收入的质量要打折扣。月之暗面的情况更特殊,33亿美元估值对应的是C端订阅收入刚起步、B端API调用量还在爬坡的阶段,估值里预埋的“未来预期”成分很重。我跟一个投过月之暗面的投资人聊过,他承认“这一轮定价确实不便宜,可头部标的就这几个,不投就只能去第二梯队里捡,那个风险更大”。
2.2 独角兽与新锐大模型企业融资节奏及估值分化
第二梯队大模型公司的融资故事,今年听起来没那么热闹了,可细看下来,分化得非常剧烈。我统计了一下,去年还能拿到大额融资的十几家通用大模型新锐里,今年能顺利完成新一轮的不到一半。剩下那些没融到钱的,有的在跟老股东谈桥贷,有的悄悄裁了算法团队,还有的干脆转型做垂直应用了。有个创始人跟我吃饭时说了句大实话:“去年投资人问的是你们模型能力什么时候追上GPT-4,今年问的是你们账上现金还够发几个月工资”。
融资节奏上有个现象挺值得琢磨。头部公司今年普遍选择半年到十个月一轮的节奏,可新锐公司里跑得最快的几家,比如法国的Mistral AI和德国的Aleph Alpha,融资间隔反而拉长了。Mistral今年6月那一轮融资,领投方从去年的a16z换成了General Catalyst,估值从60亿欧元涨到大概90亿欧元,涨幅50%,比去年那轮翻倍的速度慢了不少。我跟一个欧洲的VC聊过这事,他的判断是“Mistral的估值到了一个需要业绩验证的关口,下一轮如果收入数据撑不住,估值可能会平着走甚至往下调”。Aleph Alpha的情况更微妙,今年那轮融资里老股东的跟投比例只有六成左右,剩下四成是靠新进产业资本补上的,这个信号在融资新闻里根本看不出来,可在一级市场圈子里传得很开。
国内新锐大模型公司的估值分化更夸张。百川智能今年一季度完成了一轮由社保基金和中信证券旗下基金联合投资的融资,投后估值冲到200亿人民币左右,可与此同时,另一家去年还估值60亿的通用大模型公司,今年找老股东做了一轮“平轮+老股转让”的操作,实际估值差不多打了七折。我认识一个在那家公司做中层的人,他跟我说“新闻稿写的是完成新一轮融资,可实际上钱是老股东内部凑的,估值没涨,还搭了一些优先清算条款”。这种表面光鲜底下暗流涌动的事,在一级市场太常见了。
估值分化的背后有一条很清晰的线——有没有拿得出手的商业化数据。我整理了一下今年拿到新一轮融资的新锐公司名单,几乎每一家在融资新闻里都附带了具体的客户案例和收入区间。没有这些数据的公司,融资新闻的措辞会含糊很多,比如“完成数千万美元融资”但不提投后估值,或者“获得产业资本战略投资”但不披露投资方名字。有个做FA的朋友跟我说,今年帮客户写融资新闻稿,最头疼的就是“怎么在数据不够漂亮的情况下把故事讲圆”,以前还能靠团队背景和模型测评分数撑一撑,现在投资人根本不看那些了。
2.3 垂直行业大模型、开源模型与AI基础设施公司的融资特征
垂直行业大模型今年的融资热度其实比通用大模型高,只是新闻声量没那么大。我梳理了一下医疗、金融、法律、能源这四个方向的融资事件,发现一个共同特征——产业资本领投的比例特别高。比如医疗大模型领域的Tempus和Insitro,今年各自完成了一轮由药企战略投资部门领投的融资,估值涨幅都在30%到50%之间,比通用大模型公司温和,可投资方阵容里有辉瑞、诺华这些大药厂的名字,给后续商业化铺路的意味很明显。国内的情况类似,金融大模型公司拿的是银行系基金的钱,法律大模型拿的是头部律所和出版集团的钱,纯财务VC在垂直赛道里的存在感反而在下降。
开源模型的融资逻辑跟闭源公司完全不一样。我观察到的规律是——开源模型公司融的钱,七成以上要花在算力和数据上,可投资人看重的指标里,“社区活跃度”和“衍生项目数量”的权重比收入还高。Hugging Face今年那轮融资就是个典型例子,估值冲到45亿美元,可年化收入也就7000万到8000万美元的量级,市销率接近60倍。领投方跟我解释过他们的逻辑——“Hugging Face的社区里长出了几十万个模型和数据集,这种生态位是闭源公司花多少钱都买不到的”。国内的开源模型公司融资要难一些,投资人普遍担心“开源了怎么赚钱”这个问题,所以能拿到钱的往往是“开源核心模型、闭源企业版”这种混合模式的公司。
AI基础设施公司的融资特征最务实。我跟几个做推理优化和液冷散热的创业者聊过,他们见投资人的PPT第一页就是运营数据——PUE值、机柜出租率、客户签约年限。有个做推理芯片的创始人跟我说“投资人尽调的时候带了个工程师团队来,把我们芯片跑各种模型的功耗和延迟数据全测了一遍,测完才谈估值”。这类公司的估值倍数比大模型公司低不少,通常年化收入的10倍到15倍就是上限了,可好处是收入确定性高、客户黏性强。今年这个赛道拿钱最多的反倒是做“算力调度和推理云”这类中间层的公司,比如Together AI和Fireworks AI,估值涨幅都在两倍以上,吃的是大模型应用落地后推理需求爆发的红利。
2.4 大模型融资背后的算力成本、商业化进展与估值支撑逻辑
算力成本这件事,问创始人基本都是“压力很大”四个字,可具体数字能吓死人。我跟一个月之暗面的早期投资人算过一笔账,他们今年花在训练和推理上的钱大概占了总支出的七成以上,单月的算力账单按千万美元级别来算。这还是在用了各种优化手段之后的结果。OpenAI那边更夸张,有分析师估算他们今年算力支出可能在50亿到60亿美元之间,这个数字跟他们的年化收入基本打平,等于说“赚的钱全喂给算力了”。投资人对此的态度很分裂——一派认为“这是规模效应的必经阶段,推理成本每年降一半,明年就能看到毛利转正”,另一派私下说“这就是个无底洞,模型越大成本越高,商业化收入永远追不上算力支出”。
商业化进展这块,我拿到的信息比新闻稿里写的要复杂。头部大模型公司的收入构成基本是三块——API调用、企业私有化部署、C端订阅。API调用这块增长最快可毛利最低,有些公司为了抢客户把价格压到成本线以下,等于赔钱赚吆喝。企业私有化部署毛利高可拓展性差,一个项目要配一个交付团队,人力成本吃掉了大半利润。C端订阅的毛利最健康可规模天花板明显,除了ChatGPT这种现象级产品,其他公司的订阅收入占比都不高。我跟一个在国内某头部大模型公司做商业化的人聊过,他原话是“我们对外报的收入数字里,把很多还没确认的合同金额也算进去了,实际回款进度比新闻稿里说的慢不少”。
估值支撑逻辑今年发生了一个关键转变——从“对标法”切换到“现金流折现+期权价值”的组合。前两年投资人给大模型公司定价特别喜欢对标,OpenAI对标谷歌、Anthropic对标OpenAI、国内公司对标Anthropic,一层一层往下折价。今年市场发现对标法不灵了,因为头部公司的收入增速开始放缓,可成本还在涨。现在机构内部的估值模型里,确定性的“未来三年可预见收入”这块给20倍到30倍市销率,剩下的部分按“AGI期权价值”单独定价,期权这部分能给多少完全看基金的风格和LP的容忍度。有个美元基金合伙人的话我印象很深——“现在投大模型公司,六成仓位是VC逻辑看收入,四成仓位是PE逻辑看毛利,两种逻辑打架的时候,估值就僵在那里了”。
2.5 典型融资新闻案例拆解:投资方阵容、交易条款与市场信号
我挑三个今年的融资案例来拆,都是新闻稿写得热闹、可仔细一读能读出不少门道的。
第一个是Anthropic的E轮融资,35亿美元、615亿估值,新闻稿里列了一长串投资方名字,可真正值得看的是亚马逊和谷歌的参与方式。亚马逊这轮追加了8亿美元,可钱是以“算力抵扣”的形式进来的,不是现金——等于Anthropic拿到的是一堆AWS的credit,同时亚马逊把算力采购跟股权绑在了一起。谷歌那边更隐蔽,通过可转债形式投了5亿美元,转股价设得比本轮估值高30%,摆明了是想在下一轮或者IPO时再转股。这种“战略投资方用资源换股权”的手法今年特别多,新闻稿里统称“战略投资”,可实际条款差异巨大。我看到的另一个信号是这轮融资里老股东的跟投比例只有不到四成,剩余部分全靠新进资金补,说明现有投资人对继续加注这件事开始犹豫了。
第二个案例是高德地图前CEO创立的AI公司“零一万物”的A轮融资。新闻稿里只写了“数亿美元”,可我从工商信息和FA圈子里拼出来的情况是——这轮融资分了两批交割,第一批在3月份完成,金额大概8000万美元,第二批在7月份才close,金额1.2亿美元左右,两批之间的估值差了将近20%。这种分批交割的结构今年特别流行,投资人管它叫“里程碑式融资”,说白了就是先给一笔钱让你跑三个月数据,数据达标了再给第二笔,估值按两批分别定。新闻稿当然不会写这么细,只会说“完成数亿美元A轮融资”。这种结构的好处是投资人风险敞口小,坏处是创始人的心理压力巨大,我认识的一个创业者形容“每个月都在交考卷”。
第三个案例是Mistral AI的B轮。新闻稿里强调的是“估值翻倍”,可放大看投资方阵容的变化就很有意思——去年A轮领投的a16z这轮没跟,换成了General Catalyst和Bpifrance(法国国家投资银行)联合领投。a16z退出的原因坊间传闻是对Mistral的开源策略有分歧,可更实际的原因我猜是估值涨得太快、基金内部的回报模型算不过账来。Bpifrance的进场则释放了另一个信号——法国政府把Mistral当成了“欧洲AI冠军”来扶持,这笔钱里有一部分是政策性资金,附带的条件包括“核心团队和知识产权留在法国”。这种政府资本在融资新闻里通常一笔带过,可它对公司的长期战略影响比财务投资人要大得多。
这三个案例放在一起看,我读出的市场信号是一致的——2025年大模型公司的融资,表面看是钱在流动,底层逻辑是“风险分担机制”在变复杂。投资人不再愿意一次性把估值打满、把支票开足,而是通过各种交易结构设计把风险切碎了分批承担。对创业者来说,融资新闻官宣的那一刻当然值得庆祝,可签term sheet时那些条款细节,才是决定公司未来两三年走向的真正变量。
3.1 AI企业IPO进程、上市表现与资本市场反馈
今年我盯IPO这块盯得挺紧,说实话,AI公司在二级市场的日子没有一级市场那么风光。Cerebras Systems那个IPO我印象太深了,年初递表的时候承销商阵容豪华得不行,摩根士丹利和高盛联合保荐,估值目标定在250亿美元左右。可路演阶段就出了问题,机构投资人问得最多的问题是“你们跟英伟达的差距到底有多大”,这个问题根本没法给出让所有人满意的答案。最后上市时间推迟了将近两个月,发行价定在区间下限,募资规模比原计划缩了快三成。上市首日涨了12%,看着还行,可第二个星期就跌破了发行价,到现在还在发行价附近晃荡。我跟一个参与打新的对冲基金朋友聊,他说“AI芯片这个故事在私募市场讲得通,到了公开市场,每个季度都要拿财报说话,压力完全不一样”。
Databricks的IPO进程更有意思。他们去年就说要上,拖到今年年中才正式交表,估值目标从430亿美元一路调到了大概380亿美元。可市场反馈依然冷淡,承销商不得不把发行规模砍了又砍。有个在Databricks做BD的朋友跟我吐槽“内部本来指望IPO能造一批百万富翁,现在这个估值水平,期权行权价都快倒挂了”。这话听着夸张,可反映了一个真实问题——2021年那波高估值融资的AI公司,现在IPO时的定价往往撑不住当年的估值,员工期权和早期投资人的回报都被严重压缩。
国内AI公司IPO的路径更曲折。今年我知道的有三家AI应用层公司分别在港股和科创板交了表,可真正走完流程的只有一家做AI视觉检测的。那家公司做的是工业质检,收入规模不大,一年大概七八亿人民币,可利润是正的,毛利率能到60%以上。上市首日涨了40%,可随后一个月阴跌不止。我跟他们一个早期投资人聊,他说“能上就不错了,我们基金今年就靠这个项目回血,DPI全靠它撑着”。科创板那边对AI公司的态度明显收紧,尤其是未盈利的大模型公司,基本没有通道。有个券商投行的人跟我说“现在科创板看AI项目,第一个问题就是收入里有多少是政府补贴,第二个问题是有没有稳定的商业客户,两个答案不够硬的话,连辅导备案都过不了”。
港股这边反倒成了AI公司IPO的一个避风港。港交所去年改了18C章的适用范围,把AI基础设施和算力调度这类公司也纳进来了,今年确实有几家公司在走这个通道。可我观察下来,18C上市的AI公司普遍发行估值不高,有个做推理优化的公司发行市值才40亿港币出头,对应的市销率不到8倍。这个估值水平放在一级市场根本拿不到钱,可创始人跟我说“先上了再说,上了就有流动性,后续可以增发”。这话听着心酸,可确实是不少AI公司创始人的真实心态。
3.2 AI领域并购交易案例与产业整合逻辑
并购这块今年热闹得有点出人意料。我梳理了一下,光是上半年公开披露的AI领域并购交易,金额超过10亿美元的就有七八起。最大的一笔是AMD收购Silo AI,作价大概6.65亿美元,这个价格说高不高说低不低,可战略意义特别清楚——AMD要补的是软件和模型层的短板,Silo AI在芬兰和北欧有现成的企业客户和模型调优团队,买过来直接能往AMD的芯片生态里塞。我跟一个在AMD做战略的人聊过,他的说法很直白“我们自己从头建一个AI软件团队,时间和成本都不可控,买是最理性的选择”。
更值得琢磨的是产业资本在并购市场里的角色变化。前两年AI领域的并购主力是谷歌、微软、亚马逊这些巨头,今年产业资本的范围明显扩大了,传统行业的公司也开始进场扫货。我印象很深的是制药巨头诺和诺德收购了一家做AI药物发现的丹麦公司,金额不大,大概两三亿美元,可释放的信号很强烈——大药厂不想再等AI公司自己慢慢长大了,直接买过来嵌到自己的研发管线里。类似的事在能源、金融、制造业都在发生。有个做并购顾问的朋友跟我说“现在传统行业客户问得最多的问题是‘帮我找一家收入两三千万美元、有成熟产品的AI公司’,他们要的是能马上并表的资产,不是故事”。
国内AI并购市场的逻辑跟海外不太一样。今年有几起交易都是上市公司收购AI初创公司,收购方绝大多数是制造业或者软件行业的A股公司,标的方是做了两三年、有一定客户基础可融资困难的AI应用公司。交易结构很有意思——上市公司发股份收购,标的方创始人拿到的现金很少,大部分是上市公司股票,还附带三年业绩对赌。有个被收购的创始人跟我说“对赌条件其实挺苛刻的,可没办法,基金到期要退出,IPO走不通,卖给上市公司是唯一的路”。这种“上市公司+AI标的”的并购模式今年特别流行,可后遗症也不少,我认识的一个标的方团队在被收购一年后核心算法人员走了大半,对赌业绩完成度不到六成,上市公司那边商誉减值压力很大。
还有一类并购交易在新闻里不太显眼可规模不小——AI基础设施领域的横向整合。比如做数据标注的公司合并、做推理芯片的公司被EDA厂商收购、做向量数据库的公司被云厂商收编。这类交易的金额通常在几千万到两三亿美元之间,可逻辑特别硬——客户重合度高、技术互补性强、合并后能立刻省掉重复的销售和研发开支。我跟一个做向量数据库的创始人聊过,他们今年年初被一家中型云厂商收购了,他原话是“独立发展的话,明年就得跟Pinecone和Weaviate打价格战,卖掉了反而能给客户一个更稳定的承诺”。
3.3 投资机构退出路径:IPO、并购、老股转让与S基金交易
今年AI投资机构的退出压力,我在好几个场合都感受到了。有个美元基金合伙人跟我说“2019年到2021年投的那批AI项目,现在到了必须退的时候,可IPO窗口半开半闭,并购市场买家挑三拣四,S基金折价厉害,三条路都不好走”。这话基本概括了今年AI退出市场的基本面。我统计了一下今年上半年AI领域的退出案例分布,并购退出占了将近一半,老股转让差不多三成,IPO退出不到两成,剩下的零头是S基金交易和回购。
老股转让这个渠道今年特别活跃,可折价幅度让很多LP难以接受。我知道的一个案例是一家知名VC把自己在某个AI独角兽里3%的股份卖给了另一家成长型基金,交易对价对应的估值比上一轮融资估值打了七五折。买方基金的投资人跟我解释“我们觉得这个价格合理,因为标的公司下一轮融资能不能维持住上一轮估值都不好说,折价是给流动性付的对价”。卖方那边其实也没太多选择,基金到期了,LP催着要DPI,能变现就不错了。
S基金交易在AI领域的渗透率今年明显上升。我跟几个做S交易的机构聊过,他们今年接的AI资产包大多来自2018到2020年成立的那批专项基金,底层资产是五六家AI公司的老股组合。定价方式很粗暴——先看头部那一两个项目的公允价值,其他的基本按零估值或者象征性对价打包。有个S基金合伙人跟我说“AI资产包我们现在只挑有明确IPO时间表的项目,其他的不碰,看不清楚”。这种挑肥拣瘦的做法导致S市场上的AI资产流动性分化严重,头部项目被抢,尾部项目无人问津。
回购条款的触发今年在AI圈子里成了敏感话题。我至少知道有四五家AI公司在今年触发了投资协议里的回购条款,可创始人根本拿不出钱来回购。有个创始人跟我说“投资人发律师函了,可公司账上的钱只够发四个月工资,我上哪找钱回购去”。最后这些案子的处理方式大多是投资人和创始人重新签协议,把回购期限往后延两三年,估值做一定调整,再搭上一些优先权条款。这种“私下和解”的比例远高于走法律程序的比例,因为真把公司逼死了,投资人手里的股权更不值钱。
3.4 退出案例中的回报水平、流动性压力与估值倒挂风险
回报水平这块,我拿到的数据比新闻里写的要冷峻得多。今年完成退出的AI项目里,真正给基金赚到钱的不到三成,大部分项目的退出回报在1倍到2倍之间,扣掉管理费和资金成本,LP拿到手的净回报很有限。有个人民币基金的合伙人跟我算过一笔账“我们2019年投的一个AI视觉项目,今年通过老股转让退出了,账面算下来IRR不到15%,扣掉carry之后LP拿到的年化收益就个位数”。这个回报水平在AI赛道里已经算中等偏上了,更多项目的结局是本金亏损或者勉强回本。
流动性压力是今年退出市场的核心矛盾。我认识的好几个VC基金今年都面临LP的赎回压力,尤其是2018年到2020年成立的那批基金,存续期到了第七年,按协议该给LP退钱了,可钱都在项目里出不来。有个基金的IR跟我抱怨“上个月LP电话会,三个LP直接问我们什么时候能分配,我只能说在推进在推进,可实际上手里那堆AI公司的股权根本卖不掉”。这种流动性错配让不少GP开始反思前几年“投AI就是投未来”的粗放策略,有个GP在私下场合说了句大实话“当年投得太快太散,现在退不出来,怨不得别人”。
估值倒挂的风险今年已经从个例变成了普遍现象。我对比了一下今年完成退出的AI项目和它们最后一轮融资时的估值,超过一半的项目退出估值低于上一轮融资估值,倒挂幅度从两成到五成不等。最极端的案例是一家做AI客服的公司,最后一轮融资估值15亿人民币,今年被上市公司收购的对价只有6亿人民币,早期投资人拿回本金,后期进来的机构基本血亏。这种倒挂对一级市场定价的冲击特别大,有个FA跟我说“现在帮AI公司融资,投资人第一句话就问上一轮估值多少,一听是2021年的估值,直接说打五折再谈”。估值预期的重置是一个痛苦又漫长的过程,可对市场的长期健康未必是坏事。
3.5 典型退出新闻案例及对一级市场定价与融资预期的影响
我挑一个今年特别典型的退出案例来拆——某AI芯片公司通过并购退出的交易。这家公司2021年融资时估值冲到12亿美元,是当时的明星独角兽,投资人阵容里包括两家一线美元基金和一家产业资本。可芯片流片一再延期,客户验证进度落后,到2024年底账上现金只够撑三个月。最终他们被一家台湾地区的半导体公司收购,交易对价大概3.5亿美元,算下来投资人整体亏了七成。这个案例在圈子里传得很广,因为它的信号太直白了——AI芯片这种高投入、长周期的赛道,一旦技术里程碑没达成,估值的蒸发速度比想象中快得多。有个投过这个项目的投资人跟我说“这笔投资我们内部复盘了三次,结论是尽调时太相信团队的履历,没把流片风险和客户导入周期算透”。这个案例之后,今年几家AI芯片公司融资时投资人都开始要求设置“流片里程碑对赌”,估值也比去年理性了不少。
另一个值得说的案例是一家AI医疗公司的IPO退出。这家公司做的是医学影像辅助诊断,2020年到2023年融了三轮,估值从3亿人民币涨到25亿人民币。今年年初在港股18A上市,发行市值大概35亿港币,看着不错,可上市后成交量一直很低,基金要退出的话,稍微卖多一点股价就崩。他们一个早期投资人的原话是“IPO只是拿到了退出的门票,真正能不能退出来、退出来什么价格,完全是另一回事”。这个案例让不少投AI医疗的机构开始重新算账——上市不是终点,流动性才是。今年新募的AI医疗基金在LPA里普遍加了“IPO后锁定期内不得按IPO估值计算基金业绩”的条款,意思是GP别拿账面浮盈忽悠LP,真金白银退出来才算数。
这两个案例放在一起看,对一级市场定价和融资预期的影响是很直接的。我跟好几个正在融资的AI公司创始人聊过,他们普遍反映今年投资人给的term sheet里,估值条款比去年强硬得多,反稀释条款、优先清算倍数、对赌条件都比前两年苛刻。有个做AI制药的创始人跟我说“去年投资人还愿意给1倍清算优先权,今年直接要2倍,还说这是行业标配”。融资预期的下调已经传导到了创业端,我认识的好几个AI创始人今年主动把融资目标估值下调了30%到40%,有个人的说法是“先把钱拿到手再说,估值高了反而给自己挖坑”。
对一级市场定价体系的影响可能更深远。前几年AI公司融资定价基本靠“对标+拍脑袋”,今年退出市场的残酷现实倒逼着投资人开始认真做DCF模型和可比交易分析。有个母基金合伙人跟我说“我们今年对GP的考核里加了一条——投AI项目必须提供退出路径分析,要写清楚三年内通过什么方式退出、预期回报倍数多少、关键假设是什么”。这种要求在前几年是不可想象的,那时候大家默认“只要投进头部AI公司就能赚钱”。现在这个假设已经不成立了,市场在逼着所有人回到常识——AI公司也是公司,投资也是投资,退出才是硬道理。
4.1 从融资新闻看AI投资周期、热点轮动与市场情绪
我翻了一遍今年前八个月的AI融资新闻,越看越觉得这个市场正在经历一次挺明显的周期切换。2023年到2024年上半年那波狂热期,融资新闻的关键词是“超额认购”“估值跳涨”“成立六个月估值翻十倍”,现在你再翻新闻,高频词变成了“战略融资”“估值调整”“上市前轮”。有个做FA的朋友跟我抱怨“去年帮客户融资,BP发出去一周能收十几个TS,今年同样质量的BP,发出去一个月连个明确的拒绝理由都收不到”。这话一点都不夸张,我跟踪的十几家AI初创公司里,今年能按计划完成融资的不到一半,剩下的要么在延期,要么在缩减融资规模,要么干脆先停一停把收入做上去再说。
热点轮动的节奏也明显加快了。2023年大家一窝蜂看大模型,2024年上半年算力基础设施抢尽风头,到了今年下半年,我观察到的资金流向已经分散到具身智能、AI Agent和垂直行业应用这几个方向上了。有个母基金的投资总监跟我说“大模型基础层的格局基本定了,头部那三四家吃掉了绝大部分资金,新钱再进去意义不大,我们现在的策略是往应用层和具身智能走”。可应用层的融资也不轻松,我认识一个做AI法务工具的创始人,产品数据挺漂亮,ARR过了两千万人民币,可聊了十几家机构,大多数给的反馈是“再看一个季度的留存数据”。市场情绪的转变特别真实——从怕错过变成了怕投错,投资人的决策周期拉长了至少一倍。
市场情绪的另一个观察窗口是融资新闻里投资方的构成变化。去年大模型公司的融资新闻里,财务投资人还是主力,今年你再仔细看,产业资本和地方政府引导基金的比重明显在上升。有个拿了地方基金投资的AI公司创始人跟我说“财务投资人现在都谨慎,地方基金反而积极,条件是公司注册地迁过去、在当地建一个研发中心”。这种钱不是不好,可它带着附加条件,对公司的长期架构和未来海外上市都有影响。我跟几个关注AI赛道的LP聊过,他们的说法很一致——GP现在募资难,能拿到的钱很多有地域或产业诉求,投出去的项目自然也就带上了这些烙印。
4.2 投资机构布局策略:赛道选择、阶段前移与投后赋能
今年我接触的AI投资人,聊到策略调整几乎是必聊话题。有家专注早期硬科技的基金,去年还在追大模型项目,今年彻底转向了具身智能和AI硬件。他们的合伙人跟我解释“大模型我们研究了大半年,结论是这个赛道只适合两种钱——超大额资金和产业资本的钱,我们这种规模两三亿美元的基金,进去连个董事席位都拿不到,退出也没什么话语权”。这个判断挺有代表性,不少中型基金今年都在做类似的仓位再平衡,把大模型基础层的敞口降下来,挪到应用层和中间件上去。
阶段前移是另一个特别明显的趋势。我统计了一下今年AI领域的天使轮和种子轮融资事件数量,比去年同期多了将近四成。有个做AI视频生成的创业团队,产品还没正式上线,就拿到了两千万人民币的种子轮,投后估值八千万。我跟领投方的投资经理聊,他的逻辑是“等产品上线、数据跑出来,估值至少翻三倍,那时候再进成本太高了”。这种“宁可投早错,不愿投晚贵”的心态在今年的AI投资圈特别普遍。可投早也意味着赌的成分更大,有个天使投资人跟我说他今年投了七个AI项目,有三个已经明显跑不出来了,“就当交学费,剩下四个里有一个能跑出来就回本”。
投后赋能这件事,前几年大家说得很多但做得很少,今年明显动真格了。我看到好几个机构招了专门的投后岗位,帮被投企业做客户对接、招聘甚至政府关系。有个AI Agent公司的创始人跟我说“我们投资人比我还积极,每周都推客户线索过来,还帮我们对接了两家云厂商的渠道合作”。这种变化背后的逻辑不难理解——项目退出难,IPO和并购都不好走,GP只能通过把公司本身做得更扎实来提升退出概率。有个GP的原话是“以前投完就等下一轮估值涨,现在得亲自下场帮着推收入,不然下一轮根本融不到钱”。投后赋能从加分项变成了必选项,这个转变对整个行业是好事,只是对GP的能力要求高了一大截。
4.3 AI估值泡沫、商业化不确定性与退出渠道风险
估值泡沫这事我得说实话,虽然整体市场在降温,但局部泡沫依然存在。具身智能赛道今年就有点过热的意思,我知道有一家做通用人形机器人的公司,产品还在实验室阶段,今年融资估值已经喊到了15亿美元,是去年同期的三倍。有个投了同赛道的投资人私下跟我吐槽“这个估值完全没法用基本面解释,就是卡位逻辑——机构怕错过下一个Figure AI,宁可先投进去再说”。这种FOMO情绪在具身智能、AI视频生成和AI制药这三个细分方向上都存在,可商业化的进度远远跟不上估值涨的速度。我聊过好几个具身智能公司的商业化负责人,他们普遍反馈是“客户有兴趣,愿意做POC,可真正掏钱批量采购的只有汽车和物流两个行业,其他行业都在观望”。
商业化的不确定性在垂直行业AI应用里体现得最直接。今年我重点关注了AI医疗和AI金融两个方向,看到的共性问题特别明显——客户预算在收紧,采购周期在拉长,对效果的要求越来越苛刻。有个做AI辅助诊断的公司创始人跟我说“医院现在采购AI系统,要求你证明能提升诊断准确率,还得保证跟现有HIS系统无缝对接,光这两条就刷掉了大部分供应商”。AI金融那边的情况类似,有个做智能风控的创业者跟我吐槽“银行客户今年预算砍了三分之一,采购流程多了两道审批,我们一个小单子从接触到签约花了八个月”。商业化上不去,估值的故事就撑不住,这个道理所有人都懂,可真正愿意在估值上让步的创始人还是少数。
退出渠道的风险今年已经被反复验证了。IPO那边,A股对未盈利AI公司的口子基本收紧了,港股18C虽然是个通道可流动性堪忧,美股上市的中概AI股估值普遍不高。并购市场看着热闹,可买家挑得厉害,我认识的一个并购顾问跟我说“现在买方尽调清单比三年前长了一倍,连标的公司的GPU采购合同都要逐条看”。老股转让和S基金倒是有交易,可折价幅度让很多2019到2021年那批基金疼得不行。有个美元基金合伙人跟我说了句挺悲观的话“这批AI项目里能收回本金的估计也就一半,赚到钱的能有十分之一就不错了”。退出端的压力会反过来影响募资端,LP看到DPI上不去,下一期出资意愿直线下降,GP两头受挤,今年的日子确实不好过。
4.4 2025—2026年AI资本市场动态展望与新闻关注要点
往后看一年半,我觉得AI资本市场会呈现“整体收紧、结构分化”的基本格局。整体融资规模不太可能回到2023年的高点,可头部公司和特定赛道依然能拿到钱。大模型基础层的融资会进一步向三四家头部集中,新进入者几乎拿不到像样的融资。算力基础设施这块会从“买卡建集群”往“算力调度和优化”方向转,我最近看到好几家做推理优化和算力虚拟化的公司在融资,这个方向的投资逻辑比单纯堆算力更扎实。具身智能和应用层会持续吸金,可投资人会越来越看重订单和收入,纯讲Demo故事的项目融资难度会大幅上升。
IPO方面,我预计2026年上半年会有一批AI应用层公司在港股和美股上市,这些公司大多收入在五到十五亿人民币之间、利润接近打平或者已经盈利。未盈利的大模型公司上市窗口短期内很难打开,这类公司大概率还得靠一级市场和老股转让来提供流动性。并购市场会继续活跃,产业资本尤其是传统行业上市公司的并购需求很旺盛,他们会是AI资产的重要买家。S基金交易在AI领域的渗透率会进一步提升,可定价分化会更严重,头部项目抢手、尾部项目折价也卖不掉的情况会持续。
新闻关注要点我梳理了几个:一是头部大模型公司的融资节奏和估值口径,这直接决定整个赛道的估值锚;二是具身智能公司的订单落地情况,这是验证赛道的核心指标;三是港股18C和科创板对AI公司的政策变化,这影响退出预期;四是主要AI公司的老股转让价格,这是市场真实定价的体温计。有个做投资的朋友跟我说“现在看AI新闻不能只看融资金额和估值,得看钱是谁给的、条款怎么设的、老股东有没有跟投,这些细节比标题重要得多”。这话我特别认同,2025年的AI融资新闻,表面光鲜的标题下面往往藏着很多值得琢磨的信息。
4.5 企业融资与退出策略建议:应对估值调整与资本竞争
跟几个正在融资的AI创始人聊完,我觉得有几条策略建议挺实在的。融资节奏上,别等到账上只剩六个月的钱才开始接触投资人,现在的融资周期普遍拉长到了四到六个月,提前九到十二个月启动比较稳妥。估值预期上,别死咬着上一轮估值不松口,有个创始人跟我说他坚持上一轮估值谈了三个月没融到钱,最后主动降了百分之三十,一个月就close了。他的原话是“早点拿钱做业务比多要那点估值重要一百倍”。条款上要特别留意清算优先权和对赌条件,这两条在市场不好的时候会变成要命的东西。有个法务顾问跟我说“今年AI项目融资协议里的回购条款触发条件越来越宽松,创始人签字前一定要让律师逐条过”。
退出策略层面,我的观察是别把IPO当成唯一出路。今年完成退出的AI项目里,并购和老股转让占了大头,很多创始人对并购有心理障碍,觉得“卖公司”是失败。有个被并购的创始人跟我说“当初也觉得不甘心,可回过头看,团队拿到了更好的平台和资源,投资人也拿回了钱,比死撑着强”。退出时机也很重要,别等到现金流快断了才被动找买家,那时候议价能力基本为零。有个并购顾问的建议是“账上还有十二个月的钱的时候,就开始跟潜在战略买家保持接触,不用急着卖,可信息要通”。
资本竞争这块,我看到一个挺明显的趋势——头部公司融资越来越容易,腰部公司融资越来越难,马太效应加剧。腰部AI公司要想拿到钱,得在细分场景里做出绝对领先的位置,泛泛地讲“AI+”的故事已经不好使了。有个投资人跟我说“我现在投AI应用,只投在某个具体场景里能做到行业前三的,第四名以后的基本不看”。这话听着残酷,可这就是2025年AI资本市场的现实。对创业者来说,把资源收窄、把场景做深、把收入做实,比讲更大的故事更能打动现在的投资人。对投资机构来说,退出前置、投后做实、估值理性,是在这个周期里活下来的基本要求。市场冷下来不是坏事,冷下来才能把真正有生命力的公司筛出来。