這一趨勢與去年資本在AIGC層的狂熱完全不一樣。

2024年同期，AIGC賽道交易金額高達(dá)308億元，占總額六成。而今年這一數(shù)字銳減至111億元，同比下降64.01%。資本對AIGC“降溫”也直接拉低了整個AI交易金額，使得2025年前三個季度交易金額僅為460.64億元，同比下降8.43%。

然而，資金并未離場，而是更精準(zhǔn)地流向了“能落地”的領(lǐng)域。

資本將更多資源投向AI通用應(yīng)用、AI行業(yè)應(yīng)用以及AI基礎(chǔ)技術(shù)三大方向，分別增長216%、36.8%和153.74%。值得注意的是，基礎(chǔ)層雖然拿到更多融資，但這在一定程度上與該領(lǐng)域設(shè)備重、投入高有關(guān)。資本不是收縮，而是在調(diào)整配置，把錢放在更能轉(zhuǎn)化為生產(chǎn)力的地方。

進(jìn)一步剖析前三季度一級市場獲得1億以上融資的企業(yè)，發(fā)現(xiàn)大部分公司主要是聚焦于醫(yī)療、物流、自動駕駛、機器人、營銷數(shù)字化這幾類具體的應(yīng)用場景。資本顯然在回歸一個原則，即AI要“接地氣”。

再看AI領(lǐng)域的二級市場。

截止2025年7月，二級市場成功上市五家企業(yè)，涵蓋倉儲物流、解決方案、無人礦卡等多個領(lǐng)域。

表面上看這些企業(yè)也屬于行業(yè)應(yīng)用，但不同點在于，IT桔子將這些企業(yè)歸于了AI基礎(chǔ)層和AI技術(shù)層。此外，這些企業(yè)普遍具備穩(wěn)健的盈利能力。例如極智嘉收入達(dá)人民幣10.25億元，同期增長31.0%，這得益于倉儲機械人跑通AI商業(yè)模式；云知聲雖整體利潤增長放緩，但其山海大模型收入近1億元，同比激增457%。顯示出AI技術(shù)在原有業(yè)務(wù)體系中的放大效應(yīng)。

值得注意的是，無論是一級市場還是二級市場，這些“AI寵兒”大部分AI屬性都不夠“純粹”。

換句話說，AI并非它們的唯一標(biāo)簽，大多數(shù)并不是AI原生公司。明略科技仍以政企數(shù)字化、知識圖譜和智能決策為主營；云知聲早在2012年成立，定位也曾轉(zhuǎn)換；滴普科技的根基在數(shù)據(jù)分析。一級市場上，真正“純AI”的公司屈指可數(shù)，僅有的幾家，背后也都有巨頭加持或成熟產(chǎn)業(yè)鏈的資源托底。比如betteryear背靠阿里，Intent AI獲得的是戰(zhàn)略投資。

同樣地，二級市場的贏家往往是那些深耕行業(yè)已久，再借AI完成躍遷的企業(yè)。

這透露出一個耐人尋味的現(xiàn)象，無論是一級市場還是二級市場，資本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有著清晰的商業(yè)化路徑。

二、AI落地產(chǎn)業(yè)，真實溫度幾何？

資本的選擇，從不是孤立事件，這背后反映出的是市場對落地難易度的集體判斷。

回看AI技術(shù)熱潮襲來的這幾年，技術(shù)落地最多、最快的是界面層的改造。這一層改造集中發(fā)生在編程開發(fā)、客服、辦公、內(nèi)容營銷等場景，它們具備“低風(fēng)險、高頻率”的特征，AI在這些環(huán)節(jié)提升了操作效率、降低了人力成本，也迅速讓企業(yè)初步看到了ROI的正反饋。

比如在編程開發(fā)場景，GitHub的一項研究顯示，AI編程助手可使開發(fā)者完成任務(wù)的速度提升約26%，AI不僅擅長代碼補全、單元測試生成、邏輯優(yōu)化，甚至參與初步的代碼審查。

但隨著AI進(jìn)入更高階的開發(fā)環(huán)節(jié)，短板逐漸顯現(xiàn)。MIT一項實驗指出，對于資深開發(fā)者而言，AI對生產(chǎn)力的提升僅為8%～13%，甚至在某些場景中，AI的引導(dǎo)反而讓開發(fā)時間延長了19%。

這也解釋了為什么在一級市場上，許多主打界面層應(yīng)用的AI初創(chuàng)企業(yè)在早期看似炙手可熱，卻很難持續(xù)放大營收曲線。技術(shù)門檻不高、服務(wù)可替代性強、同質(zhì)化嚴(yán)重，是這個賽道的系統(tǒng)性難題。

這些界面層的AI改造，只有與業(yè)務(wù)流程深度串聯(lián)，才能釋放真正的生產(chǎn)力。一些企業(yè)已經(jīng)意識到這一點，開始將AI嵌入核心業(yè)務(wù)鏈條。由此，在醫(yī)療、金融、教育、物流、零售等領(lǐng)域，AI的重心正逐步下沉至流程層的改造。

醫(yī)療行業(yè)是一個典型樣本，阿里云白皮書提出的四象限模型顯示，醫(yī)學(xué)影像診斷與藥物研發(fā)處于“高成熟度+高潛力”區(qū)間，其中醫(yī)學(xué)影像AI產(chǎn)品商業(yè)化率已達(dá)90%；英矽智能其生成式AI平臺將抗體研發(fā)周期壓縮10倍，實現(xiàn)四項藥物授權(quán)合作，總金額超15億美元。而就在今年這家企業(yè)獲得多筆大額融資。

AI在醫(yī)療行業(yè)的落地，不僅限于研發(fā)。BD公司通過預(yù)測性分析優(yōu)化庫存管理，將預(yù)測準(zhǔn)確率提升20%，顯著降低庫存成本；而森億智能的智慧醫(yī)院解決方案，通過AI驅(qū)動的病歷生成與質(zhì)控，將醫(yī)生文書時間縮短50%；西門子的AI平臺，在提升診斷精度的同時，將放射科工作流程效率提升40%，實現(xiàn)協(xié)同優(yōu)化。

這些案例背后的共同點在于AI不再只是工具，而是嵌入系統(tǒng)之中的決策變量。一旦進(jìn)入流程，它便成為企業(yè)最深的護城河，也因此成為資本最愿意押注的方向。

但流程層的改造并不輕松。首先是數(shù)據(jù)，企業(yè)的數(shù)據(jù)分散在不同系統(tǒng)、格式不統(tǒng)一，AI模型要理解需要大量清洗與標(biāo)注。其次是組織，要讓AI接管決策流程，意味著管理層要放權(quán)給算法。多數(shù)企業(yè)依然在“AI+人工”雙軌狀態(tài)，模型決策還需要人工驗證。

醫(yī)療場景就凸顯了這種復(fù)雜性。數(shù)據(jù)偏差、解釋性不足、倫理責(zé)任模糊、流程嵌入復(fù)雜等問題，使得AI目前在醫(yī)療行業(yè)主要承擔(dān)質(zhì)控、影像判讀、醫(yī)患溝通等角色，離“獨立診斷”仍有顯著距離。

不過，從技術(shù)節(jié)奏來看，這仍不是AI落地的盡頭。

AI真正的價值，在于對業(yè)務(wù)邏輯的重新定義。這一層不是工具升級，也不是流程優(yōu)化，而是對整個系統(tǒng)運行機制的重塑。自動駕駛、具身智能，以及像京東、快手構(gòu)建的AI導(dǎo)購系統(tǒng)，阿里國際站的“AI合伙人”，本質(zhì)上都在探索一種AI原生的組織與運營方式。

但這一步也最遠(yuǎn)。它要求的不僅是高質(zhì)量數(shù)據(jù)和巨額算力投入，更需要多年的工程落地驗證。在當(dāng)下，能進(jìn)入這一層的公司寥寥，大多數(shù)仍處于實驗室驗證或局部試點階段。

總的來說，界面層AI持續(xù)變現(xiàn)難，業(yè)務(wù)邏輯重塑層AI投的是未來，而流程改造層AI則可能是眼下最容易兌現(xiàn)的商業(yè)化區(qū)間。

這也解釋了為什么一級市場真正“純AI”的公司數(shù)量極少，而二級市場上大多數(shù)被歸為“AI概念股”的上市企業(yè)，其實是“AI+多年行業(yè)經(jīng)驗”的組合體。

三、尋找AI浪潮里的下一個IPO

在AI領(lǐng)域，下一個敲鐘的人，正在加速趕來。

數(shù)據(jù)顯示，截至2025年7月24日，港交所已有214家公司遞交上市申請，其中AI相關(guān)企業(yè)多達(dá)48家，占比22.43%。換句話說，每5家擬上市公司中，就有1家與AI相關(guān)。

更有意思的是，這48家AI概念擬上市公司中，11家為A+H公司，占比高達(dá)22.92%。這意味著AI領(lǐng)域已有一批技術(shù)成熟、商業(yè)化路徑清晰、具備國際化布局能力的“頭部企業(yè)”嶄露頭角。它們正通過雙重上市來穩(wěn)固資本根基、放大全球影響力。

天下英雄如過江之鯽，誰能脫穎而出，成為下一個真正意義上的產(chǎn)業(yè)敲鐘人？

回看2025年前后成功登陸資本市場的一批AI公司，可以發(fā)現(xiàn)一種隱性的共識：落地路徑要“以點帶面”，技術(shù)打法需“以場景起家”。

無論是云知聲的醫(yī)療AI、明略的營銷AI，還是極智嘉的倉儲機器人、斯年智駕的港口無人車，幾乎都遵循了類似軌跡，那就是從一個確定性高的業(yè)務(wù)場景出發(fā)，深挖需求、打磨產(chǎn)品，做到業(yè)內(nèi)領(lǐng)先，再逐步橫向擴張相近領(lǐng)域。

云知聲選擇的突破口是病歷質(zhì)控和地鐵語音購票兩個場景。通過樹立標(biāo)桿項目，它構(gòu)筑起能用、好用的早期用戶認(rèn)知，為后續(xù)通用大模型的應(yīng)用拓展提供了現(xiàn)實抓手。海致科技也是類似路徑，其通過知識圖譜技術(shù)切入金融反欺詐場景，逐步將能力延展至運營風(fēng)控與數(shù)據(jù)治理，實現(xiàn)了“場景突破—平臺沉淀”的良性循環(huán)。

這些AI企業(yè)在商業(yè)化的路徑選擇上，也普遍繞開了與通用大模型正面競爭，轉(zhuǎn)而采取“垂直化+專精化”的策略。

值得注意的是，這批走到“敲鐘”前線的AI企業(yè)，還有一個共性，那就是他們幾乎都在早期就投入建設(shè)了自己的平臺型產(chǎn)品或基礎(chǔ)技術(shù)架構(gòu)。

比如云知聲擁有自研的大模型平臺“云知大腦”與語音芯片Atlas；滴普科技打造了FastData與FastAGI雙平臺，分別對應(yīng)數(shù)據(jù)引擎與智能引擎；明略在“秒針系統(tǒng)”與“小明助理”之間構(gòu)建起從分析到?jīng)Q策的全鏈路AI運營系統(tǒng)；而極智嘉和斯年智駕則圍繞AI應(yīng)用場景構(gòu)建了軟硬件一體化的全棧方案，實現(xiàn)從算法、感知、決策、執(zhí)行的端到端閉環(huán)。

這些自主平臺一方面凝聚了核心算法、模型、工具鏈，形成技術(shù)壁壘，另一方面也方便產(chǎn)品標(biāo)準(zhǔn)化復(fù)制，降低項目交付成本。是AI企業(yè)從人力密集型項目向產(chǎn)品化、規(guī)?；l(fā)展的必要階段，誰的平臺能力強，誰就更能主導(dǎo)商業(yè)化節(jié)奏。

據(jù)IDC等機構(gòu)預(yù)測，中國AI解決方案市場未來5年仍將保持50%以上年增長，2030年規(guī)模可望超過萬億元。這既是巨大機遇，也是激烈戰(zhàn)場。

大模型時代技術(shù)日新月異，唯有掌握獨特場景數(shù)據(jù)和know-how，才能抵御同質(zhì)化競爭，成為下一個敲鐘的人。

763人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

25

0

掃描下載App