01中美AI融资现状：异同何在？
•2023上半年全球AI领域融资255亿美金•
国外风投数据分析公司PitchBook数据显示，2023上半年全球AI领域共计发生融资1387件，筹集融资金额255亿美金，平均融资金额达2605万美金。
根据Crunchbase数据，2022年全球融资环境放缓，全球风险投资仅为4450亿元，相较于2021年同比下降35%。
•2022年国内在AI领域的发展速度放缓，而人工智能赛道依旧保持稳定•
自2012年至2023年上半年，中国一级市场从初创到上市前的AI公司总融资金额有7862亿元，交易数量为5423起，融资的公司数量有2000家。
国内AI投融资始于2017、2018年，彼时是第一批人工智能公司如商汤、旷视、云从、格灵深瞳等后来的知名独角兽们获得资本市场关注并密集融资的时段。
根据私募通数据，国内一级市场AI相关投资案例数在2014-2022年连续8年呈递增走向，接棒“互联网+”投资浪潮：
（1）案例数上看，2022年达峰值1155例，超前7年总和；
（2）投资金额上看，在2013-2019年期间增长明显，CAGR达125.57%，19年达到峰值水平为1134.24亿元；
（3）AI方向投资金额占全行业比重上看，2019-2021年保持10%以上，2021年增至峰值14.81%后明显回落，且全行业排名上，从2021年的第2名退至2022年的第13名。
至2021年，此前的AI技术公司走向成熟阶段，融资体量增加；另一方面在国产替代化大背景下，AI芯片、数据平台、操作系统等便基础层的公司获得大规模的融资。2021年，中国AI领域投融资交易高达2251.8亿元。
AI单笔投资金额与平均估值水平变动趋于一致，2022年骤降（单笔投资额同比降幅超过95%）且赛道逐渐走向细分。根据私募通数据，一级市场AI领域单笔案例投资金额普遍较高：近十年平均单个案例投资金额近5亿元，其中2018-2021年高达9亿元（集中流向AI芯片及半导体方向，如集创北方、地平线、中芯南方等企业）。伴随AI一级市场估值回落与项目数激增形成“错位”，2022年单笔投资金额骤降至约3000万元，且投资赛道多元化。
总体来看，中国人工智能一级市场投资从2017年算起，先是通用技术类公司受到较多关注，此后是大量不同方向的应用类公司接力。门槛颇高的基础层公司在2021年后才开始迎来资本大力注入。整体一级市场人工智能始终是相对稳定的融资赛道，虽有起伏，但波动远小于其他赛道。目前有约60家AI公司走向了二级市场，在各地上市，如商汤科技、寒武纪、联影医疗、涂鸦智能、云天励飞、云从科技、创新奇智等等，在AI领域做出了不小的突破。
•中国AIGC赛道一级市场融资不减反增•
从企名片的数据中我们了解到，AIGC赛道的融资事件出现于2016年，2016-2022年我国AIGC行业投融资规模及整体数量整体波动变化，呈稳步且缓慢的增长趋势。2021年行业内共发生投资时间共866起，投资金额总计2125.63亿元，达到近年内最高。直至2022年，我国AIGC行业共发生526起投资事件，投资金额达939.77元。
从2022年第四季度开始AI领域热度爆发，直到2023年6月，国内AIGC赛道企业融资规模达84.87亿人民币，占比2020-2022年总计融资额的116.28%，仅2023年上半年融资总额达73.99亿元，融资次数共计56次，均远超过往历年的全年。
从AIGC的投资轮次分析，目前国内AIGC行业的融资轮次仍处于早期阶段，D轮后的融资寥寥无几。根据前文的分析，2021年尽管AIGC行业的融资时间和融资金额水涨船高，结合轮次分析，也是主要集中在C轮之前，众多初创企业进入，获得了投资机构的关注和早期投资。
值得一提的是，国内众多家AIGC初创公司同时在2023年上半年获得来自美元基金的投资比重明显增高，共计64.70亿人民币。
•随历史稳步增长后，2022年美国AI领域融资金额受到震荡•
2022年全球融资环境放缓，美国AI领域融资数目、融资金额也出现了同比下滑，分别为下降19%、46%。
从历史维度来看，美国AI领域融资项目数及融资金额稳步增长。
根据Crunchbase数据库，2011-2023年共计3658个AI领域融资项目（仅统计500万以上融资金额的项目，且融资公司所在地为美国），美国AI领域融资项目数及融资金额稳步增长。2022年美国风投AI领域融资项目数为574个，2011-2022年CAGR达29.3%；2022年美国AI领域融资金额为243.5亿美元，2011-2022年CAGR达422.5%。
•美国AIGC一级市场在2023年上半年达到世界融资金额的55%•
据光锥智能不完全统计数据显示，2023年上半年美国AIGC一级市场中，硅谷在人工智能领域共完成了42起融资，总金额约140亿美元，占世界总融资金额的55%。平均轮次融资金额为3.3亿美元，是平均融资水平的近13倍之多。其中，8家人工智能明星独角兽公司拔地而起，平均轮次融资金额3.3亿美元。
据CBInsights数据统计的250+AIGC公司中，33%尚未筹集任何外部股权融资，另外51%仍处于A轮之前。据融资服务机构Carta数据显示，2023年Q1，美国A轮AI初创公司融资环比增长58.4%，种子轮公司估值增长了19%。
以OpenAI为首的AI新贵成为当之无愧的主角，在获得投资的40家公司中，有近60%的公司成立时间在一年之内。其融资轮次也处于早期阶段，42起融资事件中，种子轮次占了40%，B轮以前（包含B轮）占了86%。
截至目前，按融资金额数量的AIGC初创公司的排名分别为：OpenAI（113亿美元）、Inflection（15.25亿美元）、Cohere（4.45亿美元）、Adept（4.15亿美元）、Runway（1.955亿美元）、Character.AI（1.5亿美元）和StabilityAI（约1亿美元）。
来自Twitter一位KOL@chiefaioffice的数据统计，整个AIGC市场在2023年5月诞生了23家独角兽，截至2023年6月新增至29家。
将整个AIGC市场的分类划分开来，市场营销、音频和客户支持等AI公司是目前获得融资数量最多的。在总计150亿美元的AI融资中（不包括OpenAI），获得最多资金的类别是MLOps（包含LLMOps）和平台工具。大额资金纷纷投入到机器学习和MLOps领域。
02AI投融资：两国竞逐，谁更具偏好？
•国内一级市场AI投资流向变迁，从基础层和技术层转向应用层•
2015年以前国内一级市场的AI投资偏向于基础层和技术层（如AI芯片、深度学习、机器学习等），2015年之后开始重点关注AI应用层，尤其以智能驾驶、机器人、智能制造领域为主。其中，智能驾驶在2021年热潮期（占比超过25%）后明显遇冷，智能制造与机器人在2022年AI理性后占比领先。
国内一级市场AI投资偏好大致遵循从基础层和技术层（如服务器、芯片、算法等）转向应用层（如智能客服、机器人、智能驾驶等）。根据私募通数据，近年AI领域通用与行业应用层单笔案例投资金额较高（19-21年热度期平均为6.87亿元，基础与技术层则平均小于5亿元）。
此外，截至2023年Q1，通用与行业应用层案例占比升至76%新高。与技术层、基础层比较，应用层领域研发成本低，商业场景丰富，研发落地周期短，更易受资本青睐。
国内一级市场资本热衷AI行业垂直应用同时，同时注重AI基础层与技术层的投资：一方面，基础层芯片领域长年保持投资金额占比10%以上水平，另一方面，近年累计投资金额排名中AI芯片、传感、深度学习领域高居Top7。
•从美国AI融资项目数来看，风险投资机构偏好AI软件、医药、机器人领域•
根据Crunchbase数据库，2023年1-5月，AI融资项目中，AI软件、医药、机器人、安防、金融占比依次为55.7%、13.4%、9.4%、6.7%、6.7%，目前美国风险投资机构仍聚焦于AI软件、医药和机器人三大领域。从历史变化来看，AI软件融资项目数占比持续提升，AI医药融资项目数占比有所下滑，机器人融资项目数占比基本维稳。
2020-2021年，美国AI领域大额投资主要聚焦于智能安防、智能客服、智能医疗等人工智能应用场景。2022年，AI领域的细分关注赛道逐步向AIGC、语义识别、智能交互等中游软件层转移。2023年，受AIGC热潮拉动，自然语言处理等底层技术同步受到关注。
•美国风险投资机构较关注早期AI项目•
根据Crunchbase数据统计，在美国AI融资项目中，种子轮、A轮和B轮项目占比依次为13.26%、41.34%、24.55%，合计占比达79.15%，美国风险投资机构投资早期AI项目的数量占比较多。
03大量并购掀起浪潮：中美在人工智能领域将面临何种未来？
2023年上半年，中美两国不断发生收购事件，对国内外AI领域带来不小的响动。并且集中在6月底，两国分别发生了AIGC行业最大的收购事件，分别为：
•美团收购光年之外•
6月29日，美团发布公告称，已经签订协议全面收购光年之外。代价包括购买境外股权支付2.3亿美元（约合16.68亿元），境内债务3.67亿元，以及现金1元。据IT桔子数据，就在6月5日，光年之外才刚获得了2.3亿美元（约合16.68亿元）的战投，投后估值达到12.3亿美元（约合89.2亿元）。这笔钱加上王慧文自带的5000万美元（约合3.63亿元），和账上的现金相差无几。可见晋升独角兽的光年之外，还没来得及花钱做更多事情体现价值，就遭遇变故。
•汤森路透（ThomsonReuters）宣布以6.5亿美元收购了AI法律初创公司Casetext•
当地时间6月26日，汤森路透（ThomsonReuters）宣布以6.5亿美元收购了AI法律初创公司Casetext，并表示将补充其现有的人工智能计划。
汤森路透总裁兼首席执行官SteveHasker在新闻稿中表示：“收购Casetext是我们‘构建、合作和收购’战略的又一步，旨在为我们的客户带来AIGC解决方案。”“我们相信Casetext将加速并扩大我们这些产品的市场潜力——彻底改变专业人士的工作方式以及他们所做的工作。”
该交易预计将于今年下半年完成。
汤森路透成立于2008年，是由加拿大汤姆森公司（TheThomsonCorporation）与英国路透集团（ReutersGroupPLC）合并而成的商务和专业智能信息提供商，业务板块包括新闻机构路透社和法律研究平台Westlaw。
Casetext成立于2013年，利用AI和机器学习为法律专业人士提供技术服务。根据声明，该公司已经获得了OpenAI的GPT-4大语言模型的使用权，其最近推出的AI法律助手CoCounsel也是由GPT-4驱动。
•数据巨头Databricks以13亿美元收购AI初创公司MosaicML•
同样于6月26日，大数据巨头Databricks宣布已签署最终协议，将以13亿美元的价格，收购位于旧金山的AI初创公司MosaicML，成为今年以来AIGC领域内已知的最大一笔收购案。
值得注意的是，MosaicML是一家非常年轻的生成式AI公司，它于2021年成立于旧金山，目前只公开披露过一轮融资，员工仅62人。在上一轮的融资中，其估值为2.2亿美元，也就是说，此次收购MosaicML的估值直接跃升了6倍。
•金融自动化平台Ramp收购OpenAI对手Cohere.io•
6月26日同日，金融自动化平台Ramp收购了OpenAI对手Cohere.io。Ramp表示，该交易旨在将AIGC引入金融领域，帮助实现客户工作流程自动化，改善用户体验，为企业降本增效。
04洞察国内AI领域的未来走向
对比中美Al产业，中国的优势主要在于人才储备和数据量方面，而总体而言与美国存在明显差距，主要体现在：
1）国内AI相关企业数量、融资规模以及计算力指数低于美国；
2）国内互联网头部企业在AI专利、AI芯片方面弱于美国；
3）AIGC方面，国内模型开发历史晚于美国、现有模型的参数量偏低，且国内AIGC产业的变现模式尚不清晰。
•国内AI领域追赶维度•
模型训练充分度、数据容纳度：预训练引发了AIGC技术能力的质变，目前已存在很多干亿规模参数的模型。
可用数据数量、数据标准化和连通性水平：高质量数据训练是大模型实现升级迭代的基础。据EPOCH研究，按照目前机器学习的发展速度，优质语言数据存量将在2026年耗尽，视觉数据存量将在2030-2060年耗尽高端芯片自主能力：美国限制A100高端GPU或影响大模型发展速度。技术采纳程度：软件、云计算、边缘计算、计算、大数据、高级分析技术采用程度。
可用人力资本的数量和质量、技能建设以及对人才的吸引力：MarcoPolo的调研显示，中国是全球输出AI人才最多的国家，然而本科后中国顶级AI人才出现流失。
法规和政策的完善程度，对鼓励和加速采用AI有推进作用：据中伦律师事务所，以ChatGP模式为例可能暗藏数据安全、著作权侵权、深度伪造、商业机密泄露、违法信息传播等风险。相关领域立法工作刻不容缓。
商业实体基于企业对AI赋能的理解能力，从而制定清晰的战略路线来实施和扩展AI，实现自生生态更好的发展。由此也可见垂直领域利益相关体达成定义新标准和合作生态，才能抓住人工智能的机会。
05展望中美AIGC领域未来：趋势预测
•中美AGI领域：市场格局和生态差异，硅谷更偏向中间层和垂直应用层•
在硅谷，基础大模型并不像预期那样炙手可热，唯独OpenAI垄断了这一领域，只有谷歌和Meta等大公司才有实力对其发起挑战，而创业公司很少涉足基础大模型方面。相反地，硅谷更加关注中间层和垂直应用层的发展。然而，在国内的AI创业领域，情况却相反，很少有公司除了大模型以外的创新，而更多的是中等或大型规模的企业。
硅谷重视技术，埋头升级大模型能力，而国内则更看重商业模式。
•当下硅谷对AI关注的主要集中在三个方向：一是基础大模型层；二是开发工具、数据库等所在的中间层；三是垂直应用层•
在硅谷，除了OpenAI、Anthropic两家公司在基础大模型领域，其他众多的初创企业则致力于开源模型的研发；在工具层，所有的初创公司都在集结精英人才，共同努力建设开源社区。其核心优势在于，他们正在创造一个极具创新性的开发者生态。应用层主要吸引了两类创业公司，一类是针对法律和招聘等垂直领域的公司，另一类则是从事与文案、文生图、文生视频等通用服务相关的公司。这两类公司在B端市场占据主导地位，而C端产品相对较少，他们正在努力在大公司的竞争压力下，实现自己的产品创新。
2023上半年，硅谷基础大模型层有8起融资，中间层有12起融资，垂直应用层面有23起融资。不过，在融资金额上却呈现反比，分别融资金额为110.8亿美元、3.5亿美元和25.2亿美元。原因是，基础大模型层实际上完全由OpenAI一家撑起来，如果把OpenAI的103亿美元巨额融资剔除，整个垂直大模型层的融资占比就直接从79%骤降至21%。
目前垂直应用层面是硅谷最热的投资领域，融资次数多，但单次融资金额不高；基础大模型层OpenAI占据绝对的领先地位，其他大模型公司虽然单轮次的融资较高，但难以与OpenAI相匹敌，其业务范畴也在弥补OpenAI的不足；中间层是VC们近期发掘的新大陆，目前，已投出了估值7.5亿美金的向量数据库公司Pincone，半只脚已踏入了独角兽行列。
•大模型引发了交互革命和生产力革命•
无论是美国硅谷，还是国内市场，最先受益的是自然语言驱动的行业，所以，智能客服、售前咨询、写作、翻译、垂直领域的法律、HR招聘等将成为交互革命爆发后的第一波受益者，这些易于摘取的“果实”在一开始就吸引了创业者们的注意。
中国AI领域企业创业方向大多是瞄准了企业服务的一个垂类，并跟AI结合，思路是先有了应用场景，找准客户，再去想怎么利用AI去提效，
在AI1.0时代，首先找到业务，再去反推需要什么技术，这个思路是完全正确的。但在AIGC的新时代，它是一场新的技术革命，会颠覆所有行业，带来很多倍的效率提升。在这个时代里，就会有技术驱动创新的创业空间。在阿尔法公社举办的AlphaFoundersClub（AFC）中，HiDream.ai创始人兼CEO梅涛提到以上观点。
包含OpenAI在内的大模型巨头公司，如今也来到了自身的发展瓶颈期。国外开源模型社区HuggingFace技术工程师尹一峰在接受光锥智能采访时提到，“至少半年内，技术可能很难有新的突破，这将极大地限制应用的大规模落地。”
•数据是AIGC时代的唯一壁垒•
模型和算力都不是AIGC时代的护城河。无论模型训练的打榜分数有多高，最终都要落到实际应用中，在场景中积累的用户分布数据会被纳入到企业的微调模型数据集，经过不断的迭代，就会在企业端形成数据飞轮，在这基础上被微调训练的大模型也会越来越精准，形成正向的反馈效应。
随着LLaMA2的开源，大模型的技术壁垒被进一步打破，正如傅盛所言“AI创业公司在半夜笑醒”，技术补齐的步伐加快，数据的竞争也会更加激烈。
•不是复制硅谷，而是中国式AI•
目前在硅谷，技术的发展已接近天花板，因此其不得不重新审视和加强中间层的技术实力。对于中国来说，这无疑是一次补齐产业链中关键环节的绝佳机遇。
若是将研发大模型类比为“盖房子”，那么AIInfra（AI基础设施）就相当于“工具箱”。参考硅谷的发展趋势，数据工具的研发、企业和移动端模型部署、AI助手的实践与应用，都是接下来的发展领域。
产业链中存在能够创造财富的聚宝盆，AI基础设施领域的聚宝盆正在发生转变，从集成式结构的平台化解决方案AutoML（以性能为主）转向模块化（灵活、速度、便利为主）。企业试图打破“黑盒化”，希望能够灵活调整模型和构建工作流程中的每一个组件，从而得到最适合其特定需求的系统和分析结果。
最具价值的环节也是最具挑战性的部分。目前，中国缺乏工具和原材料制造工厂，这也解释了为什么中国缺少有竞争力的大模型：基础层薄弱，上层爆发力不足。以AI三要素之一的数据为例，中国的数据相关产业链几乎都被云大厂包揽，缺乏在特定垂直领域的深度耕耘。然而，这为初创公司提供了每一个环节的机会，可以做到专精。“数据准备”是中国特色的发展机会，这其中包括数据质量、数据标注、数据合成和应用商城与工程。
