全球 AI 创投
2024-10 至 2026-04

十家公司拿走了八成的钱。

Top 10 = $528B，占总盘 81%。Top 30 = 90%。 剩下 373 家分不到两成。

八成的钱进了十家公司。这是实际到账。

集中不等于死局。Top 30 之外，还有 120 家早期公司拿到了种子轮或 A 轮： Rillet (Vertical AI · $95M)、Emergent (Agents & Applications · $93M)、Aspora (Other Tech · $88M)、Modus (Agents & Applications · $85M)、Gimlet Labs (AI Infra · $80M)。它们分散在长尾里。

问题是：这八成里面，多家 VC 同时押注的真实热度和单家 VC 单笔造成的假象，各占多少？

热度本身不是信号，热度的形状才是。

30 个细分赛道，分走了 92% 的钱。 同时满足"交易多、估值高、多家领投"三个条件的，只有少数几条。 其余的热度多是单家 VC 集中投一家公司带高的均值。

三项同时进前 1/4 才算真热：交易数量、中位估值、领投方数量。 满足条件的只有 3 条： 通用 LLM、编程 Agent、云计算。

数据库 是典型假热：交易数排第 10， 估值排第 2， 但领投方只有 3 家，整条的估值就是 Databricks ($134B) 一家撑起来的。 自动驾驶 同属这种模式——Wayve 一家拉高整条均值。医疗健康 相反：交易不少，领投方也多，但估值还没起来。

每条赛道每轮能融多大？

不是「能不能融到」，是每一轮能融多大。

52 个赛道 × 5 个阶段，中位单轮融资额。 这不是 cohort 存活率——窗口期内公司散在不同阶段，读不出"多少公司能走通"。 能读的是：到了这个阶段，一笔钱大概多大。

三条赛道，三种节奏。通用大模型全程超大额：种子轮 $220M，A 轮 $1.3B，B 轮 $627M，C 轮 $2.0B，D+ $13B。小团队连入场券都拿不到。

编程 Agent 是 SaaS 的扩张节奏：A 轮 $55M，B 轮涨四倍到 $218M，C 轮再翻倍到 $400M，D+ 之后增速放缓。前期估值跳得快，后期看的是客户数和续约率。

垂直医疗 步幅最小，但每步有收入验证：A 轮 $32M，B 轮 $141M，C 轮 $126M，D+ $363M。其他 Agent 应用 入场门槛最低：种子轮 $30M，A 轮 $29M。钱少，竞争也分散。

看钱从谁手里出来。

被 5 家领投过和被 1 家领投过，本质上是两个赛道。

29 家机构 × 46 个赛道，279 笔领投。 列头数字 = 该赛道被多少家独立机构领投过。数字越大，下一轮可找的潜在领投方越多。

满足≥ 3 家独立领投的赛道有 31 条。最集中的是 通用 LLM：22 家机构，累计 30 笔领投。出手最多的三家是 Shanghai Guotou Pioneer Fund×3、SoftBank Vision Fund×3、Lightspeed Venture Partners×2。

只有 1 家领投过的赛道有 5 条： 垂直 · 教育、创意工具、MLOps、其他。那家基金一旦换届或转向，你的下一轮得从零找领投方。

出手最频繁的是 Andreessen Horowitz，45 笔领投，覆盖 22 个赛道，占全部样本 16%。

前面的数字都是名义金额。这些钱是真的现金，还是算力换股的纸面数字？

$250B 的 headline 写进新闻稿，真金落到 OpenAI 账上的可能只有 $75B。

639/666 笔是纯现金。 剩下 22 笔 是算力换股或混合型，占 72% 的名义金额。 新闻稿数字和实际到账的现金之间，差距可达 2-5 倍。

双口径：新闻稿金额和到账现金是两套数字。 Crunchbase 记新闻稿；本文同时记两套——把头条数字与真实现金口径分开列。

Microsoft × OpenAI（2025-10）： 新闻稿写了 $250B， 没有即时现金，全是五年的 Azure 锁定。 实际现金当量 $75B， 打了七折。

Amazon × Anthropic（2026-04）： 名义金额 $25B（$5.0B 现金 + 扩展承诺）， 但 Anthropic 同时要承诺花 $100B 在 AWS 上。 现金当量 $5.0B， 打了八折。对比 2024-11 那笔只折了 12%。两年内，云巨头合同里的现金 / 算力比例从 9:1 调到 1:4。

NVIDIA × OpenAI（2025-09）： 意向书 $100B 现金 + $100B GB200 采购绑定。现金当量区间从 $10B 到 $100B，跨度说明结构本身不确定。

对照：Microsoft × Anthropic（2025-11） 纯现金 $5.0B， 新闻稿金额 = 现金当量。这才是正常融资。

每家基金的 portfolio 就是它的答案：「什么才算 AI」。

AI 原生公司：去掉 AI，产品不存在。AI 增强公司：AI 是产品的一个功能模块。 把 35 家投资人的 portfolio 按这个比例排开，每一条 bar 就是一家基金对"什么叫真 AI"的答案。

全样本加权均值 76%。过半投资选了 AI 原生。

但拆到单家基金，分歧比标签大。Greylock Partners 被市场当 SaaS 老钱，88% 的 portfolio 是 AI 原生（24/27），比硅谷任何一家都激进。Andreessen Horowitz 讲"构建未来"，只有 69%（58/83）。 七三开，管 83 笔资金自然需要分散。

最专一的是 Menlo Ventures：96%，只投 AI 原生平台。 对 AI 原生标签最漠视的是 Founders Fund（58%）、SoftBank Vision Fund（44%） 和 Balderton Capital（39%）。 Founders Fund 的逻辑是 Anduril、Hadrian——AI 是零件，不是产品。软银和 Balderton 买的是营收增速，不是技术定义。

主流押注之外，有没有被忽视的大赛道？

主流 AI 叙事看不到的地方，真正在收大钱的三条赛道。

大模型和 Agent 占据报道焦点。按单轮融资金额排，三个赛道排在前列： 国防 AI、机器人与具身智能、垂直法律。 合计 45 家公司、65 笔交易、$23.3B。 每条都有估值超百亿美元的独立公司。

三条赛道的共同点：模型厉不厉害不重要。 国防 AI 卖的是战场上别出 bug。具身智能的瓶颈在电机和减速器，不在算法。法律 AI 用现成 API 加合规护栏，替换律师按小时收的钱。 这些生意的定价逻辑不跟模型能力挂钩——跟客户合同金额挂钩。

Helsing 在德国，Wayve 在英国，Agibot 在中国，Legora 在瑞典。没有一家在湾区。 AI 资本的版图比"硅谷 + 中国"的叙事更复杂。

钱从美国出发，经过欧洲，回流美国。中国基本自循环。

666 笔投资，拆成 14 条资金流向。 海外资金进入美国的有 88 笔（占 13%）； 中国内部消化的有 74 笔，流出去的只有 2。 欧洲 A 轮 post-money 中位数是硅谷的三分之一——这是数据集里能看到的最直接的入场价差。

口径说明：本章数字按全量 666 笔投资聚合 （含 14 条 2024-02..2024-09 期间的历史背景交易）。 按严格 18 个月窗口（2024-10..2026-04）筛选后总量为 652，中国→中国 ≈ 68 / 美国→美国 ≈ 383 / 美国→欧洲 ≈ 55 / 欧洲→欧洲 ≈ 49——形状一致，套利论点不变。

US→US 389 笔，占比最大。 SG→US 29、 ME→US 21、 JP→US 15、EU→US 21。 全球资本单向流入硅谷。

Series A post-money 中位数： 美国 $1.5B（n=23）， 欧洲 $500M（只有美国的 33%，n=5）， 中国 $500M（n=3，样本极小）。 同一阶段、同一窗口，欧洲与中国的入场估值显著低于美国——这是数据集里能看到的最直接的入场价差。 资金来源：美国投欧洲的 56 笔，加上欧洲本地的 50 笔。 中国是封闭循环，数据集中没有海外资本流入 CN 的记录。

把前九章的信号 ranking 一次，剩下八条值得做。

五个维度打分：交易密度 领投方多样性 近期加速度 入场融资额 估值空间。 门槛：≥4 笔交易、≥3 家领投方、交易数 ≤50（剔除已被巨头占满的赛道）。 取前 8 条。

算出来的，不是挑出来的。Top 1 垂直 · 医疗：得分 0.86，26 笔交易、11 家领投方、近期增速 4.0×。 算法公开，改权重重新排即可。

共同特征：没有通用大模型，也没有自动驾驶——这两类要么饱和，要么被一两家头部公司主导。 垂直领域占多数（2 条垂直赛道 + 3 条 Agent 应用），都是大模型无法直接替代的具体工作流。 入场门槛适中：中位融资额 $29M， 中位领投方 7 家。

最后一个变量：拿到钱的是什么人？

VC 的资金不是均匀分布在赛道里，而是落在几个 cluster 上。

759 位创始人， 403 家公司。 四张面板：前公司背景分布、连续创业者地理差异、博士占比按赛道、前十学校。

全体 28% 博士、26% 连续创业。 做基础模型的过半为博士、AI 基础设施约三分之一为博士；做垂直应用的博士占比明显下来。 面板 A 里两条最长的线：学术界出身（发完论文创业）和被收购公司出身（上一轮套现后再次创业）。

博士占比按地区：美国 25%， 欧洲 33%， 中国 55%。 中国创业者学历最高，清北系博士 + GPU/机器人硬科技的组合最常见。美国的大厂出身和连续创业者把平均博士比例拉低了。

Anthropic：6/7 来自 OpenAI，Jared Kaplan 来自学术界。 Cursor：4/4 人在 MIT 读书或刚毕业，无大厂履历。 Mistral 的班底是 DeepMind London + FAIR Paris。 沐曦 三个创始人全从 AMD 中国出来。 壁仞 一人 AMD 背景、一人商汤背景。

数据全部来自公开数据集：666 笔投资、 403 家公司、 36 家投资人、 759 位创始人。 源数据、方法、局限全部公开，见第十二章。

数据如何来，边界在哪里。

数据窗口、覆盖范围、局限、source ledger、原始数据下载。