2026년에는 AI 애플리케이션에 대한 자금이 어디로 갈까요?

이 기사에는 자동 번역이 포함될 수 있습니다. 확인할 수 있도록 원문 출처를 연결했습니다.

2026년에는 AI 애플리케이션에 대한 자금이 어디로 갈까요?

고정 초점One

2026.11.11 09:42

· 허베이에서

전문 5488단어

텍스트 | 딩자오원(dingjiaoone) 저자 | 리몽란 편집자 | 웨이자

2026년에도 AI 금융 시장의 '가장 큰' 돈은 여전히 대형 모델, 컴퓨팅 파워 등 기본 역량으로 흘러갈 것이다. 그러나 애플리케이션 계층에서 자금 조달 사례가 점점 더 자주 발생하기 시작합니다.

Zhixixi의 통계에 따르면 2026년 상반기 국내 AI 산업 체인에서 수억 위안의 자금 조달 중 AI 응용 방향에서 총 33건의 자금 조달 사건이 가장 많았습니다. 이 중 영상, 이미지, 3D 생성이 약 40%를 차지했고, AI 에이전트가 약 20%를 차지했다. 엔터프라이즈 애플리케이션, AI 의료/약품, AI 금융, AI 마케팅 및 기타 방향에서도 수십억 위안의 자금 조달이 이루어졌습니다.

Megan은 Origin Community의 GTM 공공 복지 커뮤니티 창립자이자 국내 C-end 애플리케이션 해외 무역업자입니다. 그녀는 투자기관과 소통한 경험을 통해 올해 AI 애플리케이션에 대한 자본의 태도가 일차적인 변화를 경험했다고 '포커스원'에 말했다. 상반기는 전반적으로 긍정적이었지만, 여름이 끝나고 초가을이 되자 일부 기관은 조심스러운 태도로 전환했습니다. 두 가지 이유가 있습니다. 첫째, 구체화된 지능과 같은 트랙이 관심을 돌렸습니다. 둘째, 일부 AI 애플리케이션은 많은 돈을 투자했지만 일상 활동, 대중성, 상용화를 달성하지 못했고 출구 경로에 대한 논의가 더 많아지기 시작했습니다. 10월 들어 시장의 관심이 높아졌지만, 투자자들은 자체 개발한 모델 역량, 기술적 장벽, 차이를 만들어낼 수 있는 소프트웨어와 하드웨어의 조합에 더 많은 관심을 쏟고 있습니다.

투자자들은 조심스러워졌고, 돈의 흐름은 고르지 않게 되었습니다. AI 창조 기업 Yanyu Technology는 6월에 시리즈 B+ 파이낸싱에서 약 3억 달러를 완료했으며, 투자 후 가치는 20억 달러가 넘습니다. 의료, 교육, 마케팅, 보안 등 산업에서는 수천만 위안에서 수억 위안에 이르는 자금을 지원받은 기업이 늘어났습니다. 동시에 Byte, Alibaba, Tencent, Kuaishou와 같은 주요 제조업체가 거의 모든 인기 애플리케이션 트랙에 등장합니다.

왜 돈이 몇 개의 트랙에 집중되어 있습니까? 자금 조달이 제한된 산업에는 기회가 더 적습니까? 대기업의 공격 속에서 스타트업은 어떻게 살아남을 수 있을까?

01. 영상, 이미지, 3D로 먼저 '큰돈' 벌자

올해 AI 응용 기업의 대규모 자금 조달을 종합하면 자금 흐름이 더욱 직관적이 될 것입니다.

IT Orange 통계에 따르면 올해 상반기 이미지 및 비디오 생성으로 대표되는 AIGC 애플리케이션 트랙에서 총 84건의 자금 조달이 조달되었으며 총 596억 5천만 위안, 거래당 평균 7억 1천만 위안으로 전체 AI 하위 부문 중 가장 높았습니다. 이 중 Shengshu Technology, Sand.ai, LiblibAI/Yanyu Technology, Aishi Technology 등 AIGC 애플리케이션 4개 기업이 총 93억7800만 위안을 조달했다.

올해 초부터 영상창작 관련 기업을 중심으로 대규모 자금조달이 계속됐다.

AI 비디오 회사인 Aishi Technology가 3월에 3억 달러 규모의 시리즈 C 자금 조달을 완료한 후, 7월에 전체 시리즈 C 자금 조달 규모는 29억 8천만 위안에 도달했습니다. 6월, LiblibAI 모회사인 Yanyu Technology는 미화 20억 달러 이상의 투자 후 가치로 거의 미화 3억 달러에 달하는 B+ 라운드 자금 조달을 완료했습니다. 7월에 Shengshu Technology는 미화 5억 달러 이상의 자금 조달을 완료했습니다. AI 3D 기업 VAST는 지난 9월 시리즈 B 및 B+ 라운드 파이낸싱을 완료했다고 발표했습니다. 총 자금 조달 규모는 약 30억 위안, 반년도 채 안 되어 누적 자금 조달 규모는 약 50억 위안입니다. Meshy는 7월에 시리즈 B 파이낸싱에서 약 4억 달러를 완료했습니다.

비디오와 3D가 가장 먼저 큰 돈을 벌 수 있는 이유는 무엇입니까?

Dewu Capital의 투자자 Ding Boran은 "Focus One"에 자본이 가장 먼저 보는 것은 시장 상한선이라고 말했습니다. ToC 애플리케이션에서 비디오는 여전히 가장 풍부한 콘텐츠와 가장 널리 요구되는 콘텐츠를 갖춘 미디어 형식 중 하나이며, 3D는 다음 단계에서 새로운 콘텐츠 전달자가 될 수 있습니다. "큰 기회"에 베팅해야 하는 자본의 경우 이러한 유형의 트랙은 대기업을 수용할 가능성이 더 높으며 지속적인 투자 가치가 더 높습니다.

시장은 충분히 크며 이는 단지 전제 조건일 뿐입니다. Alumni Ventures의 투자 이사인 Bryan Liu는 "Fixed Focus One"에서 시각적 세대에는 자본이 쉽게 선호하는 또 다른 기능이 있다고 말했습니다. 바로 제품 피드백 주기가 더 짧다는 것입니다.

"동영상, 사진, 3D 자료를 생성한 후 콘텐츠 사용 가능 여부, 사용자가 사용 및 결제할 의향이 있는지를 상대적으로 짧은 시간 내에 확인할 수 있는 경우가 많습니다." 이 기능을 사용하면 현 세대의 제품이 이전 세대보다 얼마나 나은지 보여주기 위해 장기적인 효과 검증이 필요한 일부 산업 응용 프로그램보다 시각적 생성이 더 쉬워집니다.

일단의 영상세대 기업들은 이미 정량화 가능한 상용화 지표를 미리 달성했습니다.

Aishi Technology의 자회사인 PixVerse는 2024년 11월에 상용화를 시작할 예정입니다. 2025년 10월까지 공개된 ARR은 4천만 달러를 초과했으며 사용자는 1억 명이 넘었습니다. 수익은 주로 해외 시장에서 회원 가입으로 발생합니다. Yanyu Technology는 2026년 5월 현재 회사의 전체 ARR이 미화 3억 달러에 도달했다고 밝혔습니다. 캐피탈은 AI 응용 기업을 측정하기 위해 사용자 규모, 구독 수익, API 호출 등 전통적인 인터넷 기업에 더 가까운 지표를 사용할 수 있게 되었습니다.

그러나 급속한 상용화가 이유의 전부는 아니다. 비주얼 제너레이션 역시 AI 애플리케이션 중 막대한 자본 투자가 이뤄지는 카테고리다. Aishi Technology의 자금 조달 목적에는 비디오 생성 기본 모델, 실시간 세계 모델 및 글로벌 제품 성장이 포함됩니다. VAST는 Tripo를 운영할 뿐만 아니라 지속적인 자금 소비가 필요한 3D 기본 모델, 데이터 및 월드 모델의 연구 개발에 지속적으로 투자하고 있습니다.

앞서 아이시테크놀로지는 자체 개발한 대형 모델에 대한 투자를 제외하면 제품 사업은 기본적으로 자체 자금조달이 가능하다고 밝힌 바 있다. 즉, 제품으로 창출되는 수익과 회사 전체의 자본 수요 사이에 지속적인 모델 투자 계층이 있습니다.

또 다른 유형의 회사는 자체 기본 모델을 개발하지 않고도 여전히 높은 가치 평가를 달성할 수 있음을 입증했습니다. 예를 들어 Yanyu Technology는 자체 개발한 일반 기본 모델에 의존하여 제품을 제작하지 않습니다. 대신 다양한 모델을 통합하고 창의적인 도구, 워크플로 및 사용자 환경에 더 많은 기능을 추가합니다. 회사는 LiblibAI 커뮤니티에서 Agent Star Stream 및 비디오 제작 플랫폼 LibTV를 설계하기 위해 더욱 확장했습니다. 올해 5월 현재 ARR은 3억 달러에 도달했다.

따라서 "비디오와 3D가 가장 많은 돈을 끌어들인다"는 사실에는 두 가지 다른 논리가 중첩되어 있습니다. 한 유형의 회사는 모델 기능을 지속적으로 향상시키기 위해 막대한 자본을 사용해야 하며, 다른 유형의 회사는 막대한 자본을 사용해야 합니다. 다른 유형은 애플리케이션 자체에 의존하여 사용자, 수익 및 생태계를 형성할 수도 있습니다.

비주얼 제네레이션 외에도 에이전트는 대규모 자금조달이 등장하기 시작하는 또 다른 방향이다. 지난 10월, 막 제품을 출시한 개인 에이전트 회사 투데이에이아이(Today AI)는 누적 자금조달액이 2억 달러를 넘어섰다고 발표했다. 또 다른 스타 에이전트 회사인 Manus는 같은 달에 약 40억 달러의 목표 가치로 5억 달러 이상의 새로운 자금 조달을 완료하여 올해 에이전트 트랙에서 가장 주목받는 대규모 자금 조달 중 하나가 되었습니다.

비주얼 제너레이션과 달리 개인 에이전트가 받는 돈은 주로 팀과 입장료에 투자된다. 오늘날 AI의 제품은 9월에야 출시되었습니다. Capital은 창립팀의 주요 제조업체 제품 경험과 개인 에이전트가 차세대 AI의 입구가 될 가능성에 관심이 있습니다.

02. 자금 조달 규모가 크지 않은 경우 기회가 더 적습니까?

자금 조달 규모 측면에서 비디오, 이미징 및 3D는 올해 AI 애플리케이션의 가장 두드러진 트랙입니다. 그러나 빈도를 살펴보면 수직 산업 응용이 더 활발합니다.

iiMedia Consulting 데이터에 따르면 2026년 상반기 AI 산업 애플리케이션(AIGC 및 AI 일반 애플리케이션 제외)의 자금 조달 금액은 257억 9200만 위안에 불과했지만 통계의 주요 방향 중 가장 많은 자금 조달 이벤트가 발생한 범주인 133건의 자금 조달이 발생했으며 거래당 평균 약 1억 9400만 위안입니다.

산업계 애플리케이션에서 돈을 얻는 빈도는 낮지 않지만 자금이 더 분산되어 있음을 알 수 있습니다.

Bryan Liu의 관점에서는 두 가지 유형의 트랙 자체를 단순히 수평적으로 비교할 수는 없습니다. 비디오, 이미지, 3D는 기술과 제품 형태인 반면, 의료, 교육, 마케팅, 보안은 산업입니다. 실제로 격차를 확대하는 것은 다양한 기업이 자신의 가치를 검증하는 다양한 방식입니다.

첫 번째 유형은 '결과'를 입증하는 데 더 오랜 시간이 걸리는 사업입니다. 의료와 교육은 전형적인 "장기 피드백" 사업입니다.

Ding Boran은 의료와 교육 모두 데이터 보안, 개인 정보 보호, 규정 준수 또는 자본화 경로의 적용을 받는다고 믿습니다. 의료 스타트업의 경우 업계 데이터 획득, 제품 검증 완료, 실제 비즈니스 프로세스 진입의 주기가 더 긴 반면 교육 기업은 자본화를 달성하기 어렵습니다.

Bryan은 또한 치료는 임상 효과를 입증해야 하고, 교육은 학습 효과를 검증해야 하며, 일부 ToB 시나리오에서는 조달, 지불 및 책임 주체를 추가로 연결해야 한다고 설명했습니다. "이러한 산업에는 기회가 적다는 것이 아니라 검증 경로가 다르고 일부 산업에는 더 많은 시간이 필요하다는 것입니다."

SenseTime이 그 예입니다. SenseTime에서 분사된 이 회사는 올해 4월 5억 위안 이상의 시리즈 A 자금 조달을 완료했으며, 가치 평가액은 10억 달러가 넘습니다. 지난 7월에는 1억 달러 이상의 시리즈 B 자금 조달을 완료했으며, 투자 후 가치 평가는 100억 위안이 넘습니다. SenseCare 플랫폼은 현재 500개 이상의 병원과 협력하고 30개 이상의 의료기기 등록 인증서를 획득했다고 공개합니다. 출시 후 사용자 성장으로 검증할 수 있는 C사이드 애플리케이션에 비해 의료 AI는 모델 역량뿐만 아니라 병원, 임상 데이터, 규정 준수 시스템까지 축적해야 한다.

교육도 비슷합니다. 2023년에 설립된 Zhibei Technology는 올해 1월 수백만 달러 규모의 Pre-A 자금 조달을 완료했습니다. 같은 해에 설립된 Dance with Love와 AI 교사 제품인 'Ai Xue'는 월 매출이 수천만 위안을 넘었습니다. 2025년 11월 기준으로 총 4차 펀딩을 완료했으며, 총 펀딩 금액은 약 1억 5천만 달러에 이릅니다. 해당 제품은 온라인에 접속하기 전에 과정 이수율, 환불율 등의 지표를 테스트하는 데 수개월을 보냈습니다. AI 교육 제품이 실제로 학습 효과를 향상시킬 수 있는지 여부는 더 오랜 관찰이 필요한 경우가 많습니다.

이러한 유형의 회사의 경우 자본은 제품이 그 효과를 입증할 때까지 기다려야 합니다.

두 번째 유형은 영업실적을 통해 직접적으로 가치가 입증되는 사업이다. 자금 조달 규모는 크지 않을 수 있지만, 더 일찍 명확한 수익과 고객 데이터를 확보할 수 있습니다. 올해 급속도로 뜨거워지고 있는 GEO가 대표적이다.

2025년에야 비로소 확립된 스마트 푸시 시대는 올해 엔젤 라운드에서 수천만 위안을 완료했습니다. 올해 상반기 기준으로 회사는 ARR이 1억 위안을 초과했다고 공개했습니다. 현재 400명 이상의 고객에게 서비스를 제공하고 있으며 2026년 전체 ARR은 2억 위안에 가까울 것으로 예상됩니다. 마찬가지로 2025년에 설립된 Deepin Yunhai는 2026년 10월에 수백만 엔젤 라운드 자금 조달을 완료했으며 연간 수익은 수천만 위안에 달했습니다.

비디오 기반 모델 교육과 비교할 때 그러한 회사의 재정적 요구는 분명히 같은 수준이 아닙니다. 그러나 파이낸싱 금액이 적다고 해서 고객과 수입에 대한 요구 사항을 먼저 확인하는 것이 방해가 되는 것은 아닙니다.

세 번째 유형은 수요가 성숙한 기업을 기다리는 형태로, 자금 조달 속도는 시장 성숙도에 따라 달라집니다. AI 안전이 바로 그런 트랙이다.

AI 보안 실무자는 '포커스원'에 "보안에 대한 수요가 없는 것은 아니지만, 많은 기업들이 AI 리스크에 대해 강조하는 것이 적용 속도를 충분히 따라가지 못하고 있다"고 말했다. 충분히 강력한 위험 이벤트가 발생하기 전에 기업은 AI 보안을 위해 특별히 예산을 할당할 의향이 없습니다.

그러나 에이전트가 기업 내부 데이터에 액세스하고, 도구를 호출하고, 심지어 자율적으로 작업을 수행하기 시작하면서 이러한 요구가 분명해지기 시작했습니다. EgeCloud는 올해 5월 시리즈 B 파이낸싱에서 수억 위안을 완료한 후 사무실 보안에서 '사람 + AI'의 통합 보안 관리로 제품을 더욱 확장했습니다. 9월에는 시리즈 B+ 파이낸싱에서 약 1억 위안을 완료했으며 자금은 사람과 AI 에이전트의 기업 거버넌스 플랫폼에 계속 투자되고 있습니다.

일부 산업의 기회는 AI가 진정으로 핵심 비즈니스 프로세스에 들어갈 때까지 기다릴 것이며, 그 후에는 원래의 잠재 수요가 확실한 구매로 전환될 것입니다.

따라서 자금 조달 금액은 기회의 규모와 같지 않습니다. 일부 트랙은 결과가 입증될 때까지 기다려야 하고, 일부 트랙은 수입이 먼저 나타날 때까지 기다려야 하며, 일부 트랙은 수요가 성숙될 때까지 기다려야 합니다. 트랙에 가능성이 있는지 판단하려면 돈이 얼마나 드는지 보는 것보다 트랙이 어떻게 사용되는지, 그 가치를 입증하는 데 얼마나 오랜 시간이 걸리는지 살펴보는 것이 좋습니다.

03. 거대 기업이 멸망하더라도 스타트업 기업은 여전히 세 가지 장애물을 통과해야 합니다.

AI 애플리케이션 경쟁은 몇 년 전보다 훨씬 더 복잡해졌습니다.

한편으로는 대형 모델 역량이 여전히 빠르게 업그레이드되고 있다. 오늘 확립된 것처럼 보이는 제품은 내일 기본 모델 업데이트로 보호될 수 있습니다. 한편, 일반 AI 입시를 놓고 두바오(Doubao)와 위안바오(Yuanbao)가 경쟁하고 있다. Alibaba, Tencent 및 Byte는 모두 사무실과 에이전트를 운영하고 있습니다. 영상 제작, AI 프로그래밍, 교육, 마케팅, 심지어 진료까지 대기업으로 붐비고 있다.

Megan의 견해에 따르면 대규모 제조업체의 장점은 단순히 돈이 많다는 것이 아닙니다. 기업가적 팀에 비해 제품을 더 빠르게 생산하고, 더 성숙한 투자 채널과 사용자 성장 메커니즘을 보유하고 있으며, 기존 사용자와 데이터가 많습니다. 새로운 애플리케이션에 이러한 경험이 없고 단지 사용자 성장만 학습한다면 기존 애플리케이션보다 훨씬 느려질 것입니다.

스타트업의 경우 대형 제조업체가 진출한 후 무엇을 남길 수 있는지 입증해야 합니다.

첫 번째는 대기업이 동맹이자 경쟁자일 때 스타트업이 독자적인 가치를 확립할 수 있는지 여부이다.

이제 대기업과 스타트업의 관계는 점점 더 복잡해지고 있습니다. 지난 10월 개인 에이전트 스타트업 투데이에이아이(Today AI)는 총 2억 달러 이상의 펀딩을 완료했다고 발표했다. 투자자 중에는 텐센트와 앤트그룹도 등장했고, 엔젤라운드와 대형 모델회사 스텝스타도 참여했다. 창립자 Qi Junyuan은 이전에 Byte Feishu 제품의 부사장이자 Doubao의 PC 버전 책임자였습니다.

그러나 반면 Tencent는 자체 Agent 제품을 홍보하고 있으며 Ant가 소유한 Lingguang도 개인 작업 실행 능력을 높이고 있습니다. 오늘날 AI의 경우 산업 자본이 자금과 자원을 가져왔지만 경쟁을 제거하지는 못했습니다. 차세대 개인 AI 진입을 위해 여전히 주주 제품과 경쟁해야 합니다.

그러한 관계는 점점 일반화되고 있습니다. 대기업은 외부 기업에 투자하는 동시에 유사한 사업을 직접 영위하기도 한다. 스타트업은 주주의 자원이 없어도 쉽게 대체할 수 없는 가치가 있음을 입증해야 합니다.

둘째, 모델 기능의 빠른 반복으로 인해 응용 회사의 기술 장벽도 지속적으로 영향을 받고 있습니다.

Bryan Liu는 기업의 장점이 단지 더 나은 일반 모델을 호출하는 것이라면 이 능력은 배타적이지 않다고 믿습니다. 모델 업그레이드는 동시에 두 가지 반대 효과를 가져올 수도 있습니다. 한편으로는 애플리케이션 회사가 개발 및 납품 비용을 줄이는 데 도움이 될 수 있습니다. 다른 한편으로는 회사가 원래 담당했던 기능을 모든 사람이 얻을 수 있는 기본 기능으로 직접 전환할 수도 있습니다.

오늘날 AI는 이러한 압력을 인정합니다. 그의 팀은 올해 언론과의 인터뷰에서 개인 AI는 여전히 매우 동질적인 경쟁 단계에 있으며, 한두 가지 기능 포인트의 차이는 곧 경쟁사에 의해 채워질 수 있다고 밝혔습니다.

Megan의 견해에 따르면 스타트업을 위한 기회 중 하나는 대기업이 일시적으로 진입 동기가 부족할 정도로 세분화되고 실험적인 시나리오에서 비롯됩니다. 또 다른 방법은 먼저 소규모 핵심 사용자 그룹을 중심으로 커뮤니티와 관계를 구축한 다음 제품이 성장하도록 하는 것입니다. 이러한 회사의 장점은 반드시 더 강력한 기술에서 나오는 것은 아니지만 특정 사용자에 대한 더 깊은 이해와 커뮤니티, 성장 또는 특정 산업에 대한 팀의 축적에서 나올 수 있습니다.

Ding Boran은 AI 응용 기업을 심사할 때 고유한 데이터, 업계 노하우, 고객 관계 및 실제 워크플로우에의 삽입을 중요하게 생각합니다. 예를 들어, ToB 애플리케이션은 신속하게 고객을 확보하고 고객 워크플로우에 포함시킬 수 있는 반면, ToC 애플리케이션은 신속하게 고객을 확보하고 사용자 데이터를 축적하여 데이터 플라이휠을 형성할 수 있습니다. 이는 대형 제조사가 단기적으로 따라하기 어려운 부분이다. 충분한 자금 조달이 가능하고 후속 고객 확보가 가속화될 수 있다면 특정 장벽이 형성될 수 있습니다.

그러나 Megan은 "데이터" 자체가 반드시 자연적인 장벽을 구성하는 것은 아니라고 믿습니다. 한 번 얻은 정적인 데이터에 비해, 사용자가 오랫동안 제품을 사용하면서 남긴 행동, 상호작용, 기억, 그리고 그 과정에서 기업이 형성하는 지속적인 사용자 이해가 더 가치 있는 것입니다.

또한 스타트업은 장점이 대규모로 복제될 수 있는지 여부에 대한 보다 현실적인 질문에 답해야 합니다.

브라이언은 일부 수직적 AI 기업이 '산업 심화' 과정에서 쉽게 프로젝트 기반 서비스 기업이 될 수 있음을 상기시켰다.

일부 AI 회사는 초기 단계에서 소수의 고객에게 심층적인 서비스를 제공함으로써 좋은 수익을 올릴 수 있습니다. 그러나 고객이 추가될 때마다 프로세스를 재설계하고 더 많은 엔지니어와 서비스 인력에 투자해야 한다면 수익이 증가함에 따라 비용도 증가하게 됩니다. 이 경우 깊은 산업 노하우를 갖고 있다고 해도 진정한 확장성을 갖춘 AI 제품을 만들기보다는 프로젝트 기반 사업을 확장하는 것일 수도 있습니다. 예를 들어 AI 의료회사는 선두 병원의 모델을 더 많은 병원에 카피할 수 있다는 것을 증명해야 하고, GEO 회사는 성장이 인력이 아닌 제품에 달려 있다는 것을 증명해야 한다.

따라서 주요 제조업체가 애플리케이션 계층에 완전히 진입하고 기본 모델이 지속적으로 업그레이드되면 시각적 생성 분야의 최고 플레이어에게는 모델 기능이 여전히 티켓이지만 더 많은 AI 애플리케이션 회사의 경우 이 세 가지 테스트 질문이 궁극적으로 얼마나 멀리 갈 수 있는지 결정하기 위해 "어떤 모델이 사용되는지"보다 더 결정적일 수 있습니다.

원본 작품에 대한 존중, 자격이 있는 경우 감사해야 합니다.

사이버보안법 실명제에 따라 댓글 작성 전 반드시 휴대폰 번호를 바인딩해 주시기 바랍니다.

표현하다