在分析了2443家AI公司和802位投資人後，我們發現…

2025-04-21 01:46 十字路口Crossing

過去兩年，美國AI創業生態迎來了前所未有的繁榮期，資本以驚人的速度湧入這個領域，創造出一批批估值飆升的"AI獨角獸"。
在這片熱鬧的創業浪潮中，明星創業公司是如何誕生的？領跑的創業者又是何種畫像？哪些投資人正在幕後推動這場技術革命？更重要的是，對於踏入AI創業領域的創業者，這些公司能帶來哪些啟示？
帶著這些問題，我們決定深入調查美國AI創業市場的資本流向。
透過系統篩選2022年以來美國成立的2443家AI初創公司，我們鎖定了93個在融資金額或行業影響上表現突出的"明星專案"，並剖析了背後802位活躍投資人的特徵與偏好。
我們力圖透過這份研究，為中國AI領域創業者提供一張清晰的AI資本市場導航圖，幫助他們瞭解哪些細分賽道正獲得資本青睞，知名的創業公司如何制定自己的融資策略，哪些投資人可能會進一步影響行業的走向。
基於此次的研究，我們發現：
  • 對2443家美國AI創業公司（2022年及以後成立，種子輪或早期融資階段）分析顯示，超過92%的專案尚處於Pre-Seed或Seed階段，表明當前AI行業仍處於早期階段。
  • 早期專案的單輪融資金額普遍較小且節奏快：上一輪融資額在50萬美元以下的專案多達855個，佔據最大；超過70%的專案迄今總融資不足250萬美元。
  • 美國創業者普遍採取「小額快速」的融資策略，以儘早獲得市場驗證和迭代機會。
  • 總融資超過1億美元的僅有31個（<2%）。極少數頭部專案獲得了大筆押注。
  • To B企業級應用是美國早期AI創業的主流方向：明星專案中有近一半聚焦通用企業應用（如AI開發工具、辦公自動化、營銷等）和垂直行業應用（醫療、金融、法律等），在美國市場面向企業痛點的AI解決方案因商業模式清晰、變現路徑確定而備受創業者和投資人青睞。
  • AI中間層技術棧（開發者工具、MLOps、資料中介軟體等）正在崛起：重點集中在模型開發效率和安全兩大方向，反映出AI系統工程化需求的提高（例如模型監控、版本管理、隱私防護等）。
  • 矽谷在地理分佈上“一騎絕塵”：加州（尤其灣區）匯聚了約2/3的明星AI專案，憑藉密集的技術人才、大模型基礎設施和風險資本生態形成高度壟斷。
  • 明星專案的早期融資背後共出現了802位投資人，呈現出高頻協同的資本網路效應：多家基金聯合投資、知名投資人頻繁共同押注，早期AI投資圈高度互聯，這也是典型的美國早期投資特色。
  • 投資人結構方面，新興黑馬基金和個人天使數量最多，構成AI早期最活躍的出資群體；大型科技公司的CVC雖多在中後期或戰略協同階段入場，但整體佔比正明顯上升，企業資本開始加速佈局AI創新。

對於AI創業者而言，尤其是要面向美國VC融資的AI創業者而言，我們建議重點關注：
  • 美國投資人對‘小而精悍、效率至上’的AI初創公司尤為青睞。這些明星專案以不到50人的精幹團隊，在短短一到兩年內，便實現了數千萬乃至上億美元的年度經常性收入（ARR）。例如，Midjourney以不足10人的團隊，在兩年內創造了2億美元的ARR。
  • 美國風險投資（VC）生態與中國市場存在顯著差異：美國早期機構傾向於多家機構聯合投資，而從A輪開始，則往往由一家機構進行重點投資；中國市場則相反，早期通常僅有1-3家投資機構參與，而從A輪開始，大量機構才會聯合投資，以分散風險。這意味著，創業者可能在海外需要培養更強的社交能力，以及參與更多的社交活動，才能有機會完成早期的資金募集。
  • 美國創業者在早期階段選擇多家機構進行投資，主要原因在於美國VC的資金多來源於企業家，容忍度較高。通常情況下，普通合夥人（GP）不會因低於數十萬美元的投資金額而啟動回購，也不會過多幹預公司運營。然而，值得注意的是，美國董事會解僱創始人或執行長（CEO）的情況也時有發生。
本研究報告來自錦秋基金：

01 本研究的專案篩選邏輯

研究基礎

為確保分析覆蓋具有代表性的高潛力專案，我們依據以下標準對美國AI創業公司進行了系統篩選，共篩選出2443個專案作為研究基礎。
  • 成立時間：2022年及以後成立
  • 地區：企業總部設在美國
  • 階段：融資階段處於Seed或Early Stage Venture，優先覆蓋成長初期的高潛專案
  • 行業領域：聚焦 人工智慧 領域
在上述2443家滿足條件的創業公司中，我們進一步甄選出一批明星專案用於深入研究。

明星專案

基礎標準 （指標的合理性+資料的可獲得性）
  • A類：已完成 上一輪融資金額 ≥ 3500 萬美元 的專案（共計 61個），代表資本認可度高、具備快速擴張能力；
  • B類：僅完成 種子輪（Seed）融資，但單輪融資金額已達 2000 萬美元以上 的早期高潛力專案（共計 12個），體現出極強的市場關注與創始團隊溢價；
補充來源
  • C類：經常被國內主流科技/投資媒體報道，具有較高行業聲量與熱度的代表性專案（共計 20個），具備典型性和討論熱度
以下是93個專案的簡單介紹。
如需獲得這93個專案的進一步資料，歡迎在本公眾號後臺留言『底表』獲得專案相關資料。

02 明星專案畫像

2.1 在美國，成為明星專案也不容易

我們首先統計了2022年後成立的AI公司的輪次分佈。
整體來看：
  • 融資階段早，專案大多處於種子活躍期：在2443個專案中，Pre-Seed和Seed階段的專案多達2256個，佔比超過92%。相較之下，進入A輪的專案僅有159個（約6.5%），B輪及以上更不足30個（約1.1%）
  • 融資金額分佈： 早期AI專案的單輪融資金額整體偏小，“小額快跑”成為普遍現象資料顯示，在最新一輪融資中，融資額低於50萬美元的專案數量最多，達到855家，佔比約35%；低於100萬美元的專案累計接近60%。即使將門檻提高到千萬美元級別，最近一輪融資超過2000萬美元的專案也僅有區區118家（不到5%）。
  • 總融資額特徵： 受單輪融資規模偏小影響，多數AI初創公司目前的累計融資額也不高。超過70%的專案總融資額尚不足250萬美元，顯示出資本在絕大部分專案上的投入仍處於試水階段。相比之下，能夠一路獲得上千萬甚至上億美元資金加持的專案鳳毛麟角：總融資超過1億美元的只有31家，不到樣本數的1.3%；超過5000萬美元的專案在樣本中也僅佔不到3%。

最新一輪融資階段分佈

最新一輪融資額分佈

總融資額分佈情況

從這些資料不難看出，即使在美國，明星專案的佔比也是很少。最新一輪融資超過2000萬美元的交易也僅有118筆。作為對比，上一輪融資額在50萬美元以下的專案多達855個，佔據最大；超過70%的專案迄今總融資不足250萬美元

2.2 在美國，To B 、中介軟體、infra更容易出明星專案

從行業格局來看，美國早期階段AI創業專案高度集中於應用層，尤其是企業通用應用（26個專案）與企業垂直應用（17個專案），二者合計佔總樣本的逾46%。
中間層（如開發工具、MLOps、資料中介軟體等）專案數量亦達17個，與垂直應用層持平，顯示出AI系統“工程化”正在成為創業與投資重點。

2.2.1 ToB，最容易出明星專案

從行業格局來看，美國AI創業專案高度集中於應用層，尤其是企業通用應用（26個專案）與企業垂直應用（17個專案），二者合計佔總樣本的逾46%。
一方面美國toB市場根基穩定且堅實，美國企業本身就有很好的訂閱付費環境，AI創業公司都傾向於一開始就確定下來，是什麼場景、什麼領域，產品能提供什麼樣的作用，解決什麼痛點問題，怎麼盈利；
另一方面，ToB專案有更清晰的使用者畫像和PMF驗證，能提供更可預測的回報和較低的風險。機構投資者從理性角度出發，更傾向於投資ToB專案。

2.2.1.1 企業通用應用

企業通用應用中，AI+Coding 引領，共有8個明星專案，是通用應用中最多的子類，體現出AI輔助開發工具（如程式碼補全、低程式碼平臺、多人協作IDE等）已成為AI應用的“爆款標配”。
其他高頻子類包括：企業自動化（5個）、AI+營銷（4個），說明AI在提升組織效率、降低邊際人力成本方面，具備明確的ROI優勢。
這反映出組織效率提升、邊際人力成本降低是企業使用者非常看重的價值點。藉助AI顯著改善企業運營指標（例如節省人力、提高轉化）的產品，更容易獲得企業客戶和資本的雙重青睞。
對於創業者來說，聚焦企業剛需、提供可量化ROI的AI解決方案，無疑是在當下環境中打動投資人的有效路徑。

2.2.1.2 企業垂直應用

企業垂直應用中，AI醫療強勢領跑，醫療類AI專案多達9個，涵蓋AI病歷生成、診療建議、藥物研發平臺等，是目前垂直應用中最具技術深度與商業確定性的賽道。
除了醫療外，金融、法律、物流等傳統“資料密集型”行業也開始引入AI技術來提升效率，比如用AI輔助合同審閱、最佳化供應鏈排程等 。
總體而言，降低人力成本，尤其是專業服務領域的成本是美國AI初創公司的重要方向。

2.2.2 中介軟體

中間層（如開發工具、MLOps、資料中介軟體等）專案數量亦達17個，與垂直應用層持平，顯示出AI系統“工程化”正在成為創業與投資重點。
其中安全與MLOps最受關注。
安全/隱私/其他工具鏈方向佔據8項，反映出市場對AI模型輸入輸出監控、攻擊防禦、合規審計等能力的關注度明顯提升。
MLOps相關專案（7個）強調模型訓練、版本控制、部署自動化等工程化能力，為模型在實際生產中的持續更新提供保障。
在一個新技術浪潮中，賣“鏟子”和提供基礎設施往往是一門好生意：當無數團隊在應用層百舸爭流時，為他們提供工具和平臺的公司可以從中獲得穩定且持續的需求。當前AI中間層的活躍正驗證了這一商業邏輯。

2.2.3 infra

基礎層：
晶片賽道延續熱度，共有11個基礎層專案，其中計算晶片佔6項。受益於大模型推理需求爆發，推理加速晶片（如Etched、EnCharge等）成為資本青睞方向。

2.2.4 應用層：

AIGC仍是熱點但逐步理性。創作者應用（共9個）集中在聲音/音樂與影片生成領域。隨著AIGC工具湧現，內容製作的門檻被迅速拉低，但同質化與商業閉環問題仍待驗證。
C端應用（僅6個）大多集中在個人助手、電商推薦、情感陪伴等方向，仍處產品探索與使用者教育階段。普通消費者對新興AI應用的接受需要時間培養，很多概念新穎的產品在早期都面臨著如何讓使用者理解並習慣使用的難題。同時，C端市場往往意味著大規模的使用者獲取和燒錢補貼，這與早期“小額快跑”的融資環境並不契合。因此不少投資人目前對純C端AI專案持觀望態度，除非專案表現出異常強勁的增長或留存，否則難以在眾多企業服務專案中勝出。

2.2.5 硬體

AI硬體以機器人方向為主，典型專案如Figure，體現AI與實體融合趨勢。

2.3 地理位置分佈：矽谷仍是創新高地

美國AI初創公司的地域分佈極不均衡，創投資源呈現出向頂尖科技中心集中的趨勢。
毫不意外，矽谷所在的加州是AI創業的絕對核心高地。我們的明星專案中將近三分之二來自加州 。
矽谷之所以能夠壟斷早期AI生態，離不開其獨有的綜合優勢：世界頂尖的AI科研人才、大模型研發機構雲集於此（OpenAI、Google Brain等均在灣區佈局），同時本地聚集了眾多AI計算基礎設施和豐富且密集的風險資本 。
這種人才、技術、資本的高度整合，為AI創業提供了近乎完美的生長溫床。
位列第二梯隊的包括紐約州、馬薩諸塞州和華盛頓州等地，它們在特定領域展現出競爭力。
紐約作為金融重鎮，在金融科技（FinTech）和企業應用型AI方面有較強基礎 ——華爾街的金融資料和需求孕育了不少AI創新，公司可以就近服務金融機構和大企業客戶，投資人也偏好相關賽道。
馬薩諸塞州（主要是波士頓地區）依託麻省理工學院等頂尖學府的科研實力，擅長學術驅動的AI孵化，比如機器人和生命科學方向的AI創業受學院派推動明顯 。
華盛頓州則借力西雅圖的大廠生態，微軟、亞馬遜等科技巨頭的總部帶動了本地AI創業氛圍，不少離職員工創辦的AI初創公司選擇留在西雅圖發展，以便利用大廠資源和人才網路 。
此外，德州等地在自動駕駛、航空航天AI等細分領域也有所佈局。
雖然這些地區無法與矽谷在數量上抗衡，但各自形成了“靠近需求或資源”的差異化優勢。對於非加州的AI創業團隊來說，充分利用本地的產業資源和人才聚集，也能打造出有競爭力的專案。例如，在紐約開發AI交易演算法、在波士頓做AI醫療科研成果轉化，抑或在西雅圖孵化雲計算相關的AI服務，都有可能成為區域性的明星。
總的來說，美國AI早期創業版圖雖然呈現矽谷一極集中，但多點開花的趨勢也不可忽視。創業者在選擇公司所在地和戰略時，可以考慮所在區域的獨特優勢：要麼深入矽谷腹地獲取一線資源，要麼立足其他科技重鎮，服務好垂直領域客戶、藉助本地支柱產業崛起。無論身處何地，與領先的AI生態接軌、融入區域網路都是關鍵。

2.4 一個重要的變化：小團隊是融資的隱性條件

“小團隊，高回報”現象。過去科技創業往往需要鉅額融資來擴張團隊規模，而現在創業公司藉助AI工具極大提升了人效，一方面，這意味著透過充分利用AI技術和工具來“以小搏大”是可行的路徑——精幹的團隊專注於產品和業務本身，也有望贏得亮眼的增長曲線，從而吸引投資人持續加碼。另一方面，也應該注意，這在全球範圍內都是獲得投資的硬性隱性條件。
錦秋基金總結了32個融資超過1億美金的專案，其中13個專案， 員工人數在11-50區間。

03 明星專案捕手

明星專案之所以能嶄露頭角，離不開背後資本的加持與賦能。那麼，是哪些投資人在推動美國AI早期專案蓬勃發展？透過梳理93個明星專案歷輪融資公開資訊，我們得以勾勒出這套活躍投資人譜系。

3.1 93個明星專案和他們背後的802個投資人

對93個明星專案歷輪融資披露資訊統計，經去重後形成完整參與投資人名單，共802位投資人（包含大白馬基金、黑馬基金、個人天使投資人、CVC和其他）。部分專案中存在多輪跟投、復投、高頻協作型基金，反映出 AI 早期創業生態呈現強資本網路效應。
尤為引人注目的是早期AI賽道中新興基金和天使投資人的活躍。在802位投資者中，黑馬基金（成立時間較短但風格激進的新基金）和個人天使的數量最多 。許多明星專案的融資中，都能看到這些新面孔的身影。
他們有的由矽谷知名投資經理人或大廠高管創立，有的本身是連續創業成功者轉型而來，擁有獨立見解和快速決策的風格。在AI創業大潮中，這類新銳資本往往敢於搶佔早期輪次，對前沿技術趨勢判斷大膽，下注果斷，成為推動新專案脫穎而出的加速器。
同一專案的多輪融資中，甚至多次出現同一家基金反覆跟投或多位志同道合的天使結伴投資的情況 。
這些現象表明早期AI創業存在明顯的資本網路效應——有影響力的投資人往往彼此熟識且理念相近，他們會共同圍繞有前景的專案形成“投資朋友圈”，持續協作支援專案成長。
對於創業者來說，這意味著如果能贏得圈核心心投資者的青睞，往往會帶來連鎖效應：領投的加入會吸引更多跟投者，從資金、資源到行業聲譽都為專案加碼。
值得一提的是，除了市場導向的VC和天使之外，大型科技公司旗下的CVC（Corporate Venture Capital）在AI早期投資中的存在感也在上升 。
這些產業資本通常投資風格穩健，更注重戰略協同價值，過去多在專案中後期才介入。然而隨著AI技術對產業格局影響加深，科技巨頭們不願錯過早期優質專案，透過CVC更積極地提前佈局新生態、擴充套件自身平臺。

3.2 個人天使投資人發揮了舉足輕重的作用

本次研究發現，在AI明星專案的投資陣容中，個人天使投資人發揮了舉足輕重的作用。許多在科技圈德高望重的個人，以自己的資金和經驗頻繁出現在早期專案的股東名單裡。
他們有的是知名網際網路公司的前高管，有的是成功創業後的連續投資者，還有的是AI研究領域的頂尖專家。這些個人天使往往既有財富又有資源人脈，對前沿技術有敏銳嗅覺，因此成為連線資本與創業專案的橋樑。
舉例來說，被譽為矽谷“超級天使”的前谷歌高管 Elad Gil，在我們的樣本中投資了多達20個明星項。他有一個顯著特點：全週期陪伴式投資。從種子輪到D輪，我們都能看到Elad多次出現在同一專案的不同輪次融資中。
例如，AI問答搜尋公司Perplexity和法律AI助手Harvey的多輪融資背後都有他的身影，連續四輪跟投。這種長線支援表明Elad Gil傾向於選定優秀團隊後長期陪跑，給予資金和戰略指導上的持續助力。對於創業者而言，能吸引這樣“有耐心、有遠見”的天使無疑是寶貴的——不僅解決了早期資金問題，更在後續融資中獲得了一個堅定的背書者。
我們也整理了個人天使投資人中出手明星專案頻次5以上的人。
在這批美國AI早期明星專案的融資網路中，一批超級天使投資人的身影尤為矚目：Elad Gil 這位前谷歌高管在樣本中出手最多，累計投資了 20 個專案，尤其多次跟投 Perplexity、Harvey 等；
Nat Friedman（前 GitHub CEO）則對開發者工具和生成式 AI 情有獨鍾，前後 13 次下注 Replit、Codeium 等平臺；
Daniel Gross（前 Apple 技術總監、YC AI 合夥人）同樣動作迅速，在 8 個專案擔任早期投資人或領投，青睞搜尋與智慧輔助類方向；
深度學習大牛 Andrej Karpathy（前 OpenAI 創始成員、特斯拉 Autopilot AI 負責人）出手 5 次，偏好底層架構創新，投資了 Resolve.ai 等技術驅動專案；
谷歌 AI 總架構師 Jeff Dean 也有 5 次記錄，多聚焦計算體系與模型協同的早期團隊；
而 Guillermo Rauch（Vercel CEO、Next.js 框架核心開發者）則專攻 AI 開發者平臺，以 5 次出手支援了 Braintrust、ElevenLabs 等程式碼生成和協作工具。

這些超級天使的共同點在於：深厚的技術背景+強大的行業信任網路。他們憑藉專業眼光選中未來之星，又因為自己的背書讓專案更受追捧，從而吸引後續更多資本跟進。可以說，在AI早期創業生態中，這些技術領袖型天使起到了“專案叢集效應”的關鍵紐帶作用——將優秀的人和專案連線起來，形成正反饋迴圈。

3.3 CVC介入早期專案的現象也越發明顯

隨著AI創業版圖的擴張，大型科技公司透過旗下CVC介入早期專案的現象也越發明顯。傳統VC更多從財務回報出發挑選專案，而CVC則肩負著母公司戰略延伸和生態佈局的使命，其投資邏輯與產業需求緊密相關。
在我們的明星專案資料中，多家知名科技企業的CVC出現在投資人名單裡，而且有些頻率相當高。
我們也整理了個人CVC中出手明星專案頻次5以上的機構。
CVC（企業風險投資）方面，最為活躍的是 NVIDIA 與其最新設立的 NVentures，合計在樣本中投資了 12 次，集中押注推理加速晶片、AI 模型基礎設施和機器人硬體（如 Etched、Figure 等）。
Google Ventures (GV) 同樣出手 12 次，覆蓋通用 AI、大模型、健康醫療等多個方向（如 Perplexity、BridgeBio），側重對谷歌生態的戰略協同；
Salesforce Ventures 則在 8 個明星專案（如 Harvey、AI 寫作助手 Writer）中埋下種子，著眼企業效率和 CRM 生態擴充套件；
Databricks Ventures 出手 7 次，鎖定資料處理、RAG 工具鏈、企業級 MLOps（如 Glean、Contextual AI），助力自身資料智慧平臺；
M12 (Microsoft) 在 6 個專案（如 Protect AI、ModelX）上投入資源，完善 Azure AI 的安全和部署服務；
Bloomberg Beta 則以 6 次出手聚焦知識工作自動化（如 Hugging Face、NeuroBlade）；
此外，OpenAI Startup Fund 目前已投資 5 家生成式 AI 專案，緊扣自家 GPT 模型生態。

總體而言，CVC的積極佈局為AI創業公司提供了另一條發展路徑。這些產業投資人在帶來資金的同時，更提供了寶貴的場景資源和後續合作可能。
對於創業者來說，如果產品方向與某家巨頭的戰略需求高度契合，爭取CVC資金將是一舉多得的選擇。它不僅緩解融資壓力，還可能意味著一條快速融入成熟生態、實現規模化的捷徑。

3.4 AI創業熱潮也孕育出一批風格鮮明的新興VC基金

AI創業熱潮也孕育出一批風格鮮明的新興VC基金，它們由業界知名人物創立，在短時間內展現出令人矚目的投資業績，被視為創投圈的“黑馬”。
這些基金通常專注於AI領域，具備敏銳的趨勢判斷和快速出手的魄力。在我們的明星專案統計中，就有幾家黑馬基金頻繁現身，成為多個專案的早期支持者。
我們也整理了黑馬基金中出手明星專案頻次5以上。
前 Greylock 合夥人 Sarah Guo 創立的 Conviction 基金憑藉“AI 原生”理念頻繁出手 12 次（如 Agent 框架 Pilot、模型安全工具 Sentient），並常以多輪跟投形式陪伴專案成長；
Thrive Capital 則在 8 個案例中展現出強力領投風格（如 Cleary、Lovable），傾向於為通用 AI 與 Agent 平臺提供大額種子或 A 輪；
聚焦底層基礎賽道的 Mango Capital 出手 5 次（如 Fireworks AI、Prins），著重企業資料處理和 MLOps 方案。
相較傳統大白馬 VC，這些新銳基金更具激進與靈活性，依賴明星合夥人的專業眼光與人脈網路，在 AI 賽道迅速聚集了一批潛在獨角獸。

黑馬基金的崛起說明：AI的黃金時代不僅在孕育新創業公司，也在催生新一代投資機構。這些基金由具備獨立認知的資深人士掌舵，不拘泥於傳統VC的節奏和條條框框，而是根據對技術趨勢的判斷靈活出擊、重兵投入。他們的存在，為創業者提供了更多元的融資選項和更貼合AI領域的增值服務。


相關文章