Куда пойдут деньги на приложения ИИ в 2026 году?

Статья может содержать автоматический перевод. Для проверки используйте ссылку на первоисточник.

Куда пойдут деньги на приложения ИИ в 2026 году?

Фиксированный фокусOne

2026.11.11 09:42

· Из Хэбэя

Полный текст 5488 слов.

Текст | Динцзяо Уан (dingjiaoone), автор｜Ли Мэнгрань, редактор｜Вэй Цзя

В 2026 году «самые большие» деньги на рынке финансирования ИИ по-прежнему будут направлены на базовые возможности, такие как большие модели и вычислительные мощности. Но все более частые истории финансирования начинают происходить на прикладном уровне.

Согласно статистическим данным Zhixixi, в первой половине 2026 года среди сотен миллионов юаней финансирования во внутренней цепочке индустрии искусственного интеллекта направление применения искусственного интеллекта имело наибольшее количество финансовых мероприятий, в общей сложности 33 случая. Среди них на генерацию видео, изображений и 3D пришлось почти 40%, а на AI Agent — около 20%. Корпоративные приложения, ИИ-медицина/лекарства, ИИ-финансы, ИИ-маркетинг и другие направления также получили финансирование в миллиарды юаней.

Меган является основателем сообщества общественного благосостояния GTM Origin Community и зарубежным торговцем отечественными приложениями C-end. Она рассказала «Focus One», что, судя по опыту общения с инвестиционными институтами, отношение капитала к приложениям ИИ в этом году претерпело ряд изменений. Первое полугодие в целом было позитивным, но к концу лета и началу осени некоторые институты стали проявлять осторожность. Причин две: во-первых, такие следы, как воплощенный интеллект, отвлекают внимание; во-вторых, некоторые приложения искусственного интеллекта не смогли добиться повседневной активности, популярности и коммерциализации после вложения больших денег, и путь выхода стал предметом все большего обсуждения. После начала октября внимание рынка возросло, но инвесторы уделяют больше внимания возможностям самостоятельно разработанных моделей, техническим барьерам или комбинациям программного и аппаратного обеспечения, которые могут создавать различия.

Инвесторы стали осторожными, а поток денег стал неравномерным. Компания Yanyu Technology, занимающаяся созданием искусственного интеллекта, в июне завершила финансирование серии B+ на сумму почти 300 миллионов долларов США, а послеинвестиционная оценка составила более 2 миллиардов долларов США. В таких отраслях, как здравоохранение, образование, маркетинг и безопасность, больше компаний получили финансирование в размере от десятков до сотен миллионов юаней. В то же время крупные производители, такие как Byte, Alibaba, Tencent и Kuaishou, появляются практически во всех популярных приложениях.

Почему деньги концентрируются в нескольких направлениях? Имеют ли отрасли с ограниченным финансированием меньшие возможности? Как смогут выжить стартапы под атакой крупных производителей?

01. Видео, изображения и 3D, первыми получите «большие деньги»

Объединив в этом году крупное финансирование компаний, занимающихся приложениями искусственного интеллекта, поток средств станет более интуитивным.

Статистика IT Orange показывает, что в первой половине этого года в рамках приложения AIGC было привлечено в общей сложности 84 финансирования, представленных генерацией изображений и видео, на общую сумму 59,605 млрд юаней, при этом в среднем 710 млн юаней на транзакцию, что является самым высоким показателем среди всех подразделений искусственного интеллекта. Среди них Shengshu Technology, Sand.ai, LiblibAI/Yanyu Technology и Aishi Technology, четыре компании-разработчика приложений AIGC, собрали в общей сложности 9,378 млрд юаней.

С начала этого года крупномасштабное финансирование по-прежнему фокусируется на компаниях, связанных с визуальным творчеством.

После того, как в марте компания AI-видео Aishi Technology завершила раунд финансирования серии C на сумму 300 миллионов долларов США, общий масштаб финансирования серии C в июле достиг 2,98 миллиарда юаней; в июне материнская компания LiblibAI Yanyu Technology завершила раунд финансирования B+ на сумму почти 300 миллионов долларов США с послеинвестиционной оценкой более 2 миллиардов долларов США; в июле Shengshu Technology завершила раунд финансирования B+ на сумму 500 миллионов долларов США; Компания AI 3D VAST объявила о завершении раундов финансирования серий B и B+ в сентябре на общую сумму около 3 миллиардов юаней и совокупную сумму финансирования примерно на 5 миллиардов юаней менее чем за полгода; В июле Меши завершил финансирование серии B на сумму почти 400 миллионов долларов США.

Почему видео и 3D первыми приносят большие деньги?

Дин Боран, инвестор Dewu Capital, рассказал «Focus One», что первое, на что смотрит капитал, — это рыночный потолок. В приложениях ToC видео по-прежнему остается одной из форм мультимедиа с самым богатым содержанием и наиболее широко востребованным контентом, а 3D может стать новым носителем контента на следующем этапе. Для капитала, который должен делать ставку на «большие возможности», этот тип пути с большей вероятностью подойдет крупным компаниям и более достоин продолжения инвестиций.

Рынок достаточно большой, и это лишь необходимое условие. Брайан Лю, инвестиционный директор Alumni Ventures, рассказал «Fixed Focus One», что у визуальной генерации есть еще одна особенность, которой легко отдается предпочтение капиталу: цикл обратной связи по продукту короче.

«После создания видео, изображения или 3D-материала часто можно проверить, доступен ли контент и готов ли пользователь использовать его и платить за него за относительно короткий период времени». Эта функция упрощает создание визуальных эффектов по сравнению с некоторыми отраслевыми приложениями, которые требуют долгосрочной проверки эффектов, чтобы показать, насколько это поколение продуктов лучше, чем предыдущее поколение.

Группа компаний по производству визуальной продукции уже заранее достигла количественных показателей коммерциализации.

PixVerse, дочерняя компания Aishi Technology, начнет коммерциализацию в ноябре 2024 года. К октябрю 2025 года раскрытая ARR превысила 40 миллионов долларов США, а количество пользователей превысило 100 миллионов. Доход в основном поступает от членских подписок, в основном на зарубежных рынках; Yanyu Technology сообщила, что по состоянию на май 2026 года общая ARR компании достигла 300 миллионов долларов США. Capital начинает иметь возможность использовать такие показатели, как масштаб пользователей, доход от подписки и вызовы API, которые ближе к традиционным интернет-компаниям, для измерения компании, занимающейся приложениями искусственного интеллекта.

Однако быстрая коммерциализация – это не единственная причина. Визуальная генерация также является категорией, требующей больших капиталовложений среди приложений искусственного интеллекта. Цели финансирования Aishi Technology включают базовые модели создания видео, мировые модели в реальном времени и глобальный рост продукции; VAST не только управляет Tripo, но и продолжает инвестировать в исследования и разработки базовых 3D-моделей, моделей данных и мира, которые требуют постоянного потребления средств.

Ранее Aishi Technology сообщила, что если не учитывать инвестиции в крупные модели, разработанные собственными силами, ее продуктовый бизнес может быть в основном самофинансируемым. Другими словами, между доходом, получаемым от продукта, и потребностями в капитале всей компании существует прослойка непрерывных модельных инвестиций.

Компании другого типа доказали, что они все еще могут достигать высоких оценок без разработки собственной базовой модели. Например, Yanyu Technology не полагается на самостоятельно разработанные базовые модели при создании продуктов. Вместо этого он объединяет различные модели и расширяет возможности творческих инструментов, рабочих процессов и пользовательской экологии. Компания вышла за рамки сообщества LiblibAI и разработала Agent Star Stream и платформу для создания видео LibTV. По состоянию на май этого года ARR достигла 300 миллионов долларов США.

Таким образом, за тем, что «видео и 3D привлекают больше всего денег», на самом деле накладываются две разные логики: один тип компании должен использовать крупный капитал, чтобы продолжать улучшать возможности модели; другой тип также может полагаться на само приложение для формирования пользователей, доходов и экосистемы.

Помимо визуальной генерации, «Агент» — еще одно направление, где начинают появляться большие объемы финансирования. В октябре компания Today AI, персональный агент, которая только что запустила свой продукт, объявила, что ее совокупное финансирование превысило 200 миллионов долларов США. Другая звездная агентская компания, Manus, в том же месяце завершила новый раунд финансирования на сумму более 500 миллионов долларов США с целевой оценкой примерно в 4 миллиарда долларов США, став одним из самых популярных крупномасштабных проектов финансирования в сегменте агентов в этом году.

В отличие от визуальной генерации, деньги, полученные отдельным агентом, в основном инвестируются в команду и вход. Сегодня продукты AI были запущены только в сентябре. Capital заинтересован в опыте работы команды основателей с продуктами от крупных производителей и в возможности личных агентов стать входом в ИИ следующего поколения.

02. Там, где масштабы финансирования не столь велики, возможности меньше?

С точки зрения масштабов финансирования, видео, изображения и 3D являются едва ли не наиболее заметными направлениями для приложений ИИ в этом году. Но если вы посмотрите на частоту, то увидите, что более вертикальные отраслевые приложения более активны.

Данные iiMedia Consulting показывают, что в первой половине 2026 года, хотя объем финансирования отраслевых приложений ИИ (без учета AIGC и общих приложений ИИ) составил всего 25,792 млрд юаней, произошло 133 финансирования, что является категорией с наибольшим количеством финансовых событий среди основных направлений статистики, со средней суммой около 194 млн юаней на транзакцию.

Видно, что частота получения денег от отраслевых приложений не низкая, но средства более рассредоточены.

По мнению Брайана Лю, сами по себе два типа треков нельзя просто сравнивать по горизонтали. Видео, изображения и 3D — это технологии и формы продуктов, тогда как медицина, образование, маркетинг и безопасность — это отрасли. Что действительно увеличивает разрыв, так это разные способы, которыми разные предприятия подтверждают свою ценность.

Первый тип — это бизнес, которому требуется больше времени, чтобы доказать «результаты». Медицинское обслуживание и образование являются типичными видами бизнеса с «длинной обратной связью».

Дин Боран считает, что как медицина, так и образование подлежат безопасности данных, конфиденциальности, соблюдению требований или путям капитализации. У медицинских стартапов цикл получения отраслевых данных, прохождения верификации продукта и входа в реальные бизнес-процессы более длительный, а образовательным компаниям сложно добиться капитализации.

Брайан далее пояснил, что медицинское лечение должно доказать клинический эффект, образование должно подтвердить эффективность обучения, а некоторые сценарии ToB должны дополнительно связать закупки, платежи и ответственные лица. «Дело не в том, что у этих отраслей меньшие возможности, а в том, что пути проверки разные, и некоторым отраслям требуется больше времени».

SenseTime является примером. Эта компания, выделенная из SenseTime, в апреле этого года завершила финансирование серии А на сумму более 500 миллионов юаней, а ее оценка превысила 1 миллиард долларов США. В июле компания завершила финансирование серии B на сумму более 100 миллионов долларов США с послеинвестиционной оценкой более 10 миллиардов юаней. Платформа SenseCare в настоящее время сообщает, что она сотрудничает с более чем 500 больницами и получила более 30 регистрационных сертификатов медицинского оборудования. По сравнению с приложением C-side, которое можно проверить по росту числа пользователей после запуска, медицинский ИИ, очевидно, должен аккумулировать не только возможности модели, но и больницы, клинические данные и системы соответствия.

Образование аналогичное. Компания Zhibei Technology, основанная в 2023 году, завершила раунд финансирования Pre-A в январе этого года на сумму в несколько миллионов долларов США; Ежемесячный доход компании Dance with Love, основанной в том же году, и ее продукта для учителей искусственного интеллекта «Ай Сюэ» превысил десятки миллионов юаней. По состоянию на ноябрь 2025 года компания завершила 4 раунда финансирования на общую сумму около 150 миллионов долларов США. Прежде чем выйти в Интернет, ее продукты потратили несколько месяцев на тестирование таких показателей, как процент завершения курса и процент возврата средств. Действительно ли образовательный продукт с использованием ИИ может улучшить эффективность обучения, часто требует более длительного наблюдения.

В компаниях такого типа капиталу приходится ждать, пока продукт докажет свою эффективность.

Второй тип — это бизнес, ценность которого может быть непосредственно подтверждена его операционной эффективностью. Масштаб их финансирования может быть невелик, но они могут заранее иметь четкие данные о доходах и клиентах. Примером может служить GEO, который в этом году быстро набирает обороты.

Эра умных продаж, начавшаяся только в 2025 году, в этом году завершила ангельские раунды на десятки миллионов юаней. По состоянию на первую половину этого года компания сообщила, что ARR превысила 100 миллионов юаней; в настоящее время он обслуживает более 400 клиентов, и ожидается, что ARR за весь 2026 год составит около 200 миллионов юаней. Deepin Yunhai, также основанная в 2025 году, завершила многомиллионный раунд ангельского финансирования в октябре 2026 года, годовой доход которого достиг десятков миллионов юаней.

По сравнению с обучающими видео-моделями финансовые потребности таких компаний явно не на одном уровне. Однако меньшая сумма финансирования не мешает им в первую очередь сверять свои потребности с клиентами и доходами.

Третий тип — ждать бизнеса со зрелым спросом, а темпы финансирования зависят от зрелости рынка. Безопасность ИИ – это такой путь.

Практикующий специалист по безопасности ИИ рассказал «Focus One», что дело не в том, что нет спроса на безопасность, а в том, что внимание многих компаний к рискам ИИ не в полной мере соответствует скорости применения. До того, как произойдет достаточно серьезное событие риска, предприятия не желают выделять бюджет специально на безопасность ИИ.

Но когда агенты начинают получать доступ к внутренним данным предприятия, вызывать инструменты и даже выполнять задачи автономно, эта потребность стала становиться очевидной. После того, как в мае этого года EgeCloud завершила финансирование серии B на сотни миллионов юаней, она расширила свои продукты от офисной безопасности до унифицированного управления безопасностью «люди + ИИ». В сентябре компания завершила финансирование серии B+ на сумму около 100 миллионов юаней, и средства продолжают инвестироваться в платформу корпоративного управления людей и агентов искусственного интеллекта.

Возможности в некоторых отраслях откроются до тех пор, пока ИИ действительно не войдет в основной бизнес-процесс, и тогда первоначальный потенциальный спрос станет очевидной покупкой.

Таким образом, объем финансирования не равен размеру возможности. Некоторым направлениям приходится ждать, пока будут подтверждены результаты, некоторым — дождаться, когда первым заговорит доход, а некоторым — дождаться, пока созреет спрос. Чтобы судить о том, есть ли у трека шанс, вместо того, чтобы смотреть на то, сколько денег он требует, лучше посмотреть, как он используется и сколько времени требуется, чтобы доказать свою ценность.

03. Когда гиганты обречены, начинающим компаниям все равно придется преодолеть три препятствия

Конкуренция в области приложений искусственного интеллекта намного сложнее, чем несколько лет назад.

С одной стороны, возможности крупных моделей все еще быстро совершенствуются. Продукт, который сегодня кажется признанным, завтра может быть покрыт обновлением базовой модели. С другой стороны, Дубао и Юаньбао конкурируют за общий доступ к ИИ. Alibaba, Tencent и Byte работают над офисами и агентами. Производство видео, программирование искусственного интеллекта, образование, маркетинг и даже медицина также заняты крупными компаниями.

По мнению Меган, преимущество крупных производителей – это не просто больше денег. По сравнению с предпринимательскими командами они производят продукты быстрее, имеют более зрелые инвестиционные каналы и механизмы роста пользователей, а также имеют большое количество существующих пользователей и данных. Если новые приложения не имеют такого опыта и просто изучают рост пользователей, они будут намного медленнее их.

Стартапам необходимо доказать, что они могут оставить после себя после прихода крупных производителей.

Во-первых, смогут ли стартапы создать собственную независимую ценность, когда крупные компании являются одновременно союзниками и соперниками.

Сейчас отношения между крупными компаниями и стартапами становятся все более сложными. В октябре стартап личного агента Today AI объявил, что завершил финансирование на сумму более 200 миллионов долларов США. Среди инвесторов также фигурировали Tencent и Ant Group, участвовали в ангельском раунде и крупная модельная компания Step Star. Ее основатель Ци Цзюньюань ранее был вице-президентом по продуктам Byte Feishu и ответственным за версию Doubao для ПК.

Но с другой стороны, Tencent продвигает свои собственные продукты Agent, а Lingguang, принадлежащая Ant, также расширяет возможности выполнения личных задач. Для Today AI промышленный капитал принес средства и ресурсы, но не устранил конкуренцию. Ему все еще приходится конкурировать с продуктами акционеров за следующее поколение средств персонального искусственного интеллекта.

Такие отношения становятся все более распространенными. Хотя крупные компании инвестируют во внешние компании, они также сами занимаются аналогичным бизнесом. Стартапу необходимо доказать, что даже без ресурсов акционеров он по-прежнему имеет ценность, которую невозможно легко заменить.

Во-вторых, из-за быстрого обновления возможностей модели постоянно возникают технические барьеры компаний-разработчиков приложений.

Брайан Лю считает, что если преимущество компании состоит в том, чтобы просто создать лучшую общую модель, то эта способность не является исключительной. Модернизация модели может даже иметь два противоположных эффекта одновременно. С одной стороны, это может помочь компаниям-разработчикам приложений снизить затраты на разработку и доставку; с другой стороны, оно также может превратить изначально заложенные в компанию функции непосредственно в базовые возможности, которые может получить каждый.

Сегодня ИИ признает это давление. В интервью СМИ в этом году его команда заявила, что Personal AI все еще находится на стадии весьма однородной конкуренции, и различия в одном или двух функциональных пунктах вскоре могут быть заполнены конкурентами.

По мнению Меган, один из типов возможностей для стартапов исходит от сценариев, которые достаточно сегментированы и экспериментальны, что у крупных компаний временно отсутствует мотивация для входа; Другой путь — сначала построить сообщества и отношения вокруг небольшой группы основных пользователей, а затем позволить продукту расти. Преимущества таких компаний не обязательно связаны с более сильными технологиями, но могут исходить из более глубокого понимания конкретных пользователей и объединения команды в сообществе, росте или определенной отрасли.

Когда Дин Боран оценивает компании, занимающиеся приложениями искусственного интеллекта, он ценит уникальные данные, отраслевые ноу-хау, отношения с клиентами и внедрение в реальные рабочие процессы. Например, приложения ToB могут быстро привлекать клиентов и встраивать их в рабочие процессы клиентов, а приложения ToC могут быстро привлекать клиентов и накапливать пользовательские данные, образуя маховик данных. Это вещи, которые крупным производителям сложно скопировать в краткосрочной перспективе. Если удастся получить достаточное финансирование и ускорить последующее привлечение клиентов, могут возникнуть определенные барьеры.

Но Меган считает, что «данные» сами по себе не обязательно представляют собой естественный барьер. По сравнению со статическими данными, полученными один раз, более ценным является поведение, взаимодействие и память, оставленные пользователями, использующими продукт в течение длительного времени, а также постоянное понимание пользователей, формируемое предприятием в процессе.

Кроме того, стартапам также необходимо ответить на более реалистичный вопрос: можно ли воспроизвести преимущества в больших масштабах.

Брайан напомнил, что некоторые вертикальные компании, занимающиеся искусственным интеллектом, могут легко стать проектными сервисными компаниями в процессе «углубления отрасли».

Некоторые компании, занимающиеся искусственным интеллектом, могут получать хороший доход, обслуживая небольшое количество клиентов на ранней стадии. Однако если каждый дополнительный клиент потребует перепроектирования процесса и инвестиций в большее количество инженеров и обслуживающего персонала, то с ростом доходов вырастут и затраты. В этом случае, даже если у вас есть глубокие отраслевые ноу-хау, вы, возможно, просто расширяете проектный бизнес, а не создаете по-настоящему масштабируемый продукт ИИ. Например, медицинской компании, занимающейся искусственным интеллектом, необходимо доказать, что она может скопировать модель ведущей больницы в большее количество больниц, а компании GEO необходимо доказать, что рост зависит от продуктов, а не от рабочей силы.

Таким образом, когда крупные производители полностью переходят на уровень приложений, а базовые модели постоянно обновляются, для ведущих игроков в области создания визуальных изображений возможности моделей по-прежнему являются ключевым моментом, но для большего числа компаний, занимающихся приложениями ИИ, эти три тестовых вопроса могут быть более решающими, чем «какая модель используется», чтобы определить, как далеко они в конечном итоге могут зайти.

Уважение к оригинальной работе, если вы квалифицированы, вас следует ценить.

В соответствии с требованиями Закона о кибербезопасности в отношении настоящего имени, пожалуйста, привяжите свой номер мобильного телефона, прежде чем оставлять комментарий.

Выражать