視訊、圖像和3D拿走大頭。
2026年，AI融資市場最“大筆”的錢，依然流向大模型、算力等基礎能力。但越來越頻繁的融資故事，開始發生在應用層。
據智東西統計，2026年上半年，國內AI產業鏈上億元融資中，AI應用方向融資事件最多，共33起。其中，視訊、圖像和3D生成佔了近四成，AI Agent約佔兩成，企業應用、AI醫療/藥物、AI金融、AI行銷等方向也都出現了億元級融資。
Megan是原點社區GTM公益社區發起人，也是一名國內C端應用出海操盤手，她告訴「定焦One」，從和投資機構交流的體感來看，今年資本對AI應用的態度經歷過一輪變化。上半年整體積極，到了夏末秋初，部分機構轉向謹慎，原因有二：一是具身智能等賽道分走了注意力，二是一些AI應用在投入大量資金後，日活、聲量和商業化都沒有跑出來，退出路徑也開始受到更多討論。進入10月後，市場關注度有所回升，但投資人更看重自研模型能力、技術壁壘或軟硬體結合這類能拉開差異的項目。
投資人變得謹慎，錢的流向也冷熱不勻。AI創作公司演語科技6月完成近3億美元B+輪融資，投後估值超過20億美元；而在醫療、教育、行銷、安全等行業，更多公司拿到的是數千萬元到數億元的融資。與此同時，字節、阿里、騰訊、快手等大廠，幾乎出現在每一個熱門應用賽道上。
錢為什麼集中在少數賽道？融資不多的行業，機會是否就更小？在大廠的夾擊下，創業公司又靠什麼留下來？
01.視訊、圖像和3D，率先拿到“大錢”
把今年AI應用公司的大額融資擺在一起，資金流向會更直觀。
IT橘子統計顯示，今年上半年，以圖片和視訊生成為代表的AIGC應用賽道共發生84起融資，總額596.05億元，單筆平均7.10億元，在AI各細分賽道中最高。其中生數科技、Sand.ai、LiblibAI/演語科技、愛詩科技，四家AIGC應用公司合計融資93.78億元。
今年以來，大額融資持續向視覺創作相關公司集中。
AI視訊公司愛詩科技3月完成3億美元C輪融資後，7月整體C輪融資規模達到29.8億元；6月，LiblibAI母公司演語科技完成近3億美元B+輪融資，投後估值超過20億美元；7月，生數科技完成5億美元B+輪融資；AI 3D公司VAST於9月宣佈完成B輪和B+輪融資，金額合計約30億元，不到半年累計融資約50億元；Meshy 7月完成近4億美元B輪融資。
為什麼率先拿到大錢的是視訊和3D？
德物資本投資人丁柏然對「定焦One」表示，資本首先看的還是市場天花板。在ToC應用中，視訊依然是目前承載內容最豐富、需求最廣泛的媒介形態之一，而3D又可能成為下一階段新的內容載體。對於需要押注“大機會”的資本來說，這類賽道更容易容納大公司，也更值得持續投入。
市場夠大隻是前提。Alumni Ventures投資總監Bryan Liu向「定焦One」稱，視覺生成還有一個容易被資本看中的特點：它的產品反饋周期更短。
“生成一段視訊、一張圖片或一個3D素材之後，內容是否可用、使用者是否願意使用和付費，往往能夠在較短時間內得到驗證。”這種特點，使視覺生成比一些需要長期驗證效果的行業應用，更容易展示這一代產品比上一代好在那裡。
一批視覺生成公司已經提前跑出了可以量化的商業化指標。
愛詩科技旗下的PixVerse在2024年11月啟動商業化，到2025年10月披露的ARR已經超過4000萬美元，使用者超過1億，收入主要來自會員訂閱，並以海外市場為主；演語科技則披露，截至2026年5月，公司整體ARR達到3億美元。資本開始能夠用使用者規模、訂閱收入、API呼叫等更加接近傳統網際網路公司的指標，去衡量一家AI應用企業。
不過，商業化快還不是全部原因。視覺生成也是AI應用中資本投入較重的一類。愛詩科技的融資用途包括視訊生成基礎模型、即時世界模型和全球化產品增長；VAST既營運Tripo，也持續投入3D基礎模型、資料和世界模型研發，這些都需要持續消耗資金。
愛詩科技此前透露，如果不計算自研大模型投入，其產品業務已經基本能夠自負盈虧。也就是說，產品產生的收入與整個公司的資本需求之間，還隔著一層持續的模型投入。
另一類公司則證明，不自研底層模型，同樣能拿到高估值。比如演語科技沒有依靠自研通用基礎模型建立產品，而是聚合不同模型，將更多能力放在創作工具、工作流和使用者生態上。公司從LiblibAI社區進一步擴展到設計Agent星流、視訊創作平台LibTV，截至今年5月ARR已經達到3億美元。
於是，“視訊和3D最吸金”背後，其實疊加了兩種不同邏輯：一類公司需要用重資本繼續拉高模型能力；另一類則靠應用本身也可以形成使用者、收入和生態。
視覺生成之外，Agent是另一個開始出現大額融資的方向。10月，產品上線不久的個人Agent公司Today AI宣佈累計融資超過2億美元；另一家明星Agent公司Manus，同月完成超過5億美元新一輪融資，目標估值約40億美元，成為今年Agent賽道最受關注的大額融資之一。
和視覺生成不同，個人Agent拿到的錢，押的主要是團隊和入口。Today AI的產品9月才上線，資本看中的，是創始團隊的大廠產品經驗，以及個人Agent成為下一代AI入口的可能。
02.融資規模沒那麼大的地方，機會就小嗎？
就融資規模看，視訊、圖像和3D幾乎是今年AI應用最顯眼的賽道。但如果看頻率，更垂直的行業應用反而更加活躍。
艾媒諮詢資料顯示，2026年上半年，AI行業應用（不含AIGC、AI通用應用）雖然融資金額只有257.92億元，卻發生了133起融資，是其統計的幾大方向中融資事件最多的一類，平均單筆約1.94億元。
可以看出，行業應用拿錢的頻率並不低，只是資金更加分散。
在Bryan Liu看來，這兩類賽道本身不能簡單橫向比較。視訊、圖像和3D是一種技術和產品形態，醫療、教育、行銷、安全則是行業。真正拉開差距的，是不同生意驗證價值的方式不同。
第一種，是需要更長時間證明“結果”的生意。醫療和教育就是典型的“長反饋”生意。
丁柏然認為，醫療、教育都受到資料安全、隱私、合規或資本化路徑的約束，對醫療初創公司而言，獲得行業資料、完成產品驗證和進入真實業務流程的周期更長，而教育類公司則難以實現資本化。
Bryan進一步解釋，醫療需要證明臨床效果，教育需要驗證學習效果，部分ToB場景還要進一步打通採購、支付和責任主體。“不是這些行業機會更小，而是驗證路徑不同，某些行業需要更多時間。”
商湯醫療是一個例子。這家從商湯分拆出來的公司，今年4月完成超5億元A輪融資，估值突破10億美元；7月又完成超1億美元B輪融資，投後估值超過100億元。其SenseCare平台目前披露已與500多家醫院合作，並取得30多張醫療器械註冊證。相比一款上線後即可通過使用者增長驗證的C端應用，醫療AI需要積累的顯然不只是模型能力，還有醫院、臨床資料和合規體系。
教育也類似。2023年創立的智備科技，在今年年1月完成了Pre-A輪融資，金額數百萬美元；同年創立的與愛為舞，旗下AI老師產品“愛學”已經跑出千萬元級月收入，截至2025年11月，完成了4輪融資，融資總金額約1.5億美金。它的產品在上線前花了數月測試完課率、退費率等指標，而一款AI教育產品是否真正改善學習效果，往往需要更長時間觀察。
對這類公司來說，資本需要等的是產品把效果證明出來。
第二種，是可以直接用經營情況證明價值的生意。它們的融資規模未必大，卻可能更早跑出明確的收入和客戶資料。今年快速升溫的GEO就是一個例子。
2025年才成立的智推時代，今年完成數千萬元天使輪。截至今年上半年，公司披露ARR已經突破億元；目前服務超過400家客戶，預計2026年全年ARR接近2億元。同樣2025年才成立的深度雲海，2026年10月完成千萬級天使輪融資，年收入達數千萬元。
與訓練視訊基礎模型相比，這類公司的資金需求顯然不在同一個量級。但較小的融資額，並不妨礙它們先用客戶和收入驗證需求。
第三種，是要等需求成熟的生意，融資節奏取決於市場成熟度。AI安全就是這樣的賽道。
一位AI安全從業者對「定焦One」表示，安全並非沒有需求，而是很多企業對AI風險的重視程度還沒有完全跟上應用速度。在沒有出現足夠強烈的風險事件之前，企業並不願意專門為AI安全劃出預算。
但隨著Agent開始接觸企業內部資料、呼叫工具甚至自主執行任務，這種需求已經開始顯性化。億格雲今年5月完成數億元B輪融資後，將產品從辦公安全進一步延伸至“人+AI”的統一安全治理；9月又完成近億元B+輪融資，資金繼續投向人與AI Agent的企業治理平台。
一些行業的機會要等AI真正進入核心業務流程之後，原本潛在的需求才會變成明確的採購。
所以，融資多少並不等於機會大小。有的賽道要等效果被證明，有的先用收入說話，有的要等需求成熟。判斷一個賽道有沒有機會，與其看它拿了多少錢，不如看它用什麼方式、需要多長時間證明自己的價值。
03.巨頭下場，創業公司還要過三關
AI應用的競爭，比幾年前複雜得多。
一方面，大模型能力仍在快速升級，今天看起來成立的產品，明天可能就被基礎模型的一次更新覆蓋。另一方面，豆包、元寶爭奪通用AI入口，阿里、騰訊、字節都在做辦公和Agent，視訊生成、AI程式設計、教育、行銷甚至醫療等方向同樣擠滿了大公司。
在Megan看來，大廠的優勢不只是錢更多。相比創業團隊，它們產品生產速度更快，有更成熟的投流管道和使用者增長機制，還手握大量既有使用者和資料。新的應用如果沒有這些經驗，僅僅是學習使用者增長，就會比它們慢很多。
對創業公司來說，需要證明在大廠進入之後，自己還能留下什麼。
首先，是在大廠既是盟友、也是對手的情況下，創業公司能不能建立自己的獨立價值。
現在，大廠與創業公司的關係正在變得越來越複雜。10月，個人Agent創業公司Today AI宣佈累計完成超過2億美元融資，投資方中同時出現了騰訊和螞蟻集團，天使輪還有大模型公司階躍星辰參與。它的創始人齊俊元，此前是字節飛書產品副總裁、豆包PC端負責人。
圖源 / pexels
但另一邊，騰訊在推進自己的Agent產品，螞蟻旗下的靈光也在加碼個人任務執行能力。對Today AI而言，產業資本帶來了資金和資源，卻沒有消除競爭，它依然要和股東旗下的產品爭奪下一代個人AI入口。
這樣的關係正變得越來越常見。大廠一邊投資外部公司，一邊親自下場做相近的生意。創業公司需要證明即使離開股東的資源，它仍然擁有無法被輕易替代的價值。
其次，在模型能力快速迭代的情況下，應用公司的技術壁壘也在不斷被衝擊。
Bryan Liu認為，如果一家公司的優勢只是呼叫了一個更好的通用模型，這種能力並不具有獨佔性。模型升級甚至可能同時產生兩種相反的影響。一方面可以幫助應用公司降低開發和交付成本；另一方面，也可能把一家公司原本收費的功能，直接變成所有人都能獲得的基礎能力。
Today AI也承認了這種壓力。其團隊今年接受媒體採訪時表示，目前Personal AI仍處於高度同質化競爭階段，一兩個功能點上的差異，很快就可能被競爭對手補齊。
在Megan看來，創業公司的一類機會來自那些足夠細分、足夠實驗性，大廠暫時缺乏動力進入的場景；另一條路徑，是先圍繞一小群核心使用者建立社區和關係，再讓產品長出來。這類公司的優勢不一定來自更強的技術，而可能來自對特定使用者更深的理解，以及團隊在社群、增長或某個行業裡的積累。
丁柏然在判斷AI應用公司時，看重的是獨有資料、行業know-how、客戶關係以及對真實工作流的嵌入。比如，ToB應用能快速獲客並嵌入客戶工作流，ToC應用能快速獲客並沉澱使用者資料，形成資料飛輪。這些都是大廠短期難以複製的東西。如果能獲得足夠融資、加速後續客戶獲取，則能形成一定壁壘。
但Megan認為，“資料”本身也未必天然構成壁壘。相比一次性獲得的靜態資料，更有價值的是使用者長期使用產品留下的行為、互動和memory，以及企業在這個過程中形成的持續使用者理解。
除此之外，創業公司還要回答一個更現實的問題：優勢能不能規模化複製。
Bryan提醒，一些垂直AI公司很容易在“做深行業”的過程中變成一家project-based service company（項目制交付為主的服務公司）。
一些AI公司早期可以通過深度服務少數客戶獲得不錯的收入，但如果每增加一個客戶，都需要重新設計一遍流程、投入更多工程師和服務人員，那麼收入增長的同時，成本也會同步增加。這種情況下，即使擁有很深的行業know-how，也可能只是在把一門項目制生意做大，而不是形成真正可規模化的AI產品。例如，AI醫療公司要證明能把頭部醫院的樣板複製到更多醫院，GEO公司要證明增長靠的是產品，而不是人力。
所以，當大廠全面進入應用層、底層模型不斷升級，對視覺生成的頭部玩家來說，模型能力仍是入場券，但對更多AI應用公司來說，這三道考題，可能比“用了什麼模型”更能決定它們最終能走多遠。(定焦One)