2025年AI创投生态转型：商业化落地与AI智能体崛起

来源：界面新闻图库

核心观点：步入2025年，人工智能创业投资领域的焦点已从技术概念炒作转向实际商业应用，AI独角兽企业正逐步验证其可持续的盈利模式。AI智能体和“AI原生”独角兽商业模型的成熟，为创新企业形态和创业方式创造了新的可能性。

AI行业驱动全球独角兽生态规模扩张

2024年至2025年，全球AI初创企业的融资规模呈现爆发式增长：在2025年新诞生的54家估值超10亿美元的公司中，超过一半（57%）属于AI领域。资本正密集涌入这一赛道，风险投资中近半数资金流向AI初创企业。仅2025年上半年，AI行业的融资额就已超越2024年全年总额（图1）。

图 1：2025年上半年AI行业的融资额已超过2024去年 资料来源：CB Insights

早期AI投资主要关注“AI+行业”的赋能逻辑，投资者侧重于如何利用AI优化现有业务流程。但2024年后，投资逻辑发生根本性变化。资本开始追逐那些仅由AI才能创造的全新价值——例如，ThinkinMachinesLab（由前OpenAI首席技术官MiraMurati联合创立）在未发布任何产品的情况下，以120亿美元估值完成20亿美元种子轮融资，这在传统创投逻辑中几乎难以想象（表1）。

表 1：2025年新晋的前五AI独角兽 资料来源：Pitchbook

超级独角兽的涌现是本次AI投资集中化的直观体现。在近一年连续完成巨额融资后，全球估值前十的独角兽中已有四家AI企业（大模型开发商OpenAI、Anthropic和xAI，数据智能和AI平台服务商Databricks）。这些企业的核心价值在于其对算力、算法和模型的掌控，代表了市场对AGI（通用人工智能）潜力的最高估值（表2）。

表 2：2025年AI领域融资规模前五公司  资料来源：根据公开资料收集整理

这些市场趋势反映了对AI技术“范式突破”的预期。投资者押注的不再是渐进式改进，而是指数级飞跃——从弱人工智能到强人工智能、从任务执行到自主决策、从工具辅助到智能协作。高估值背后的逻辑是：一旦技术突破实现，市场空间将呈非线性扩张。

从商业化水平看，目前全球约有15家AI公司的年度经常性收入（ARR）超过1亿美元。ARR突破10亿美元的有三家：大模型企业OpenAI（100亿美元）、Anthropic（40亿美元），以及AI数据标注企业ScaleAI（15亿美元）。而ARR在5000万美元到10亿美元之间的AI企业，则主要以各类AI应用为主。

AI智能体与AI原生企业加速商业化进程

2025年，AI行业的创投热点向平台层和应用层全面扩展，尤其是AI智能体（AI Agent），催生了颠覆性产品与体验。

AI智能体是基于大语言模型（LLM）的系统，旨在通过推理、规划和与外部工具交互，代表用户独立完成任务。

在不到一年时间里，AI智能体领域已从约300家企业发展到数千家。从电子商务到工业领域，智能体正逐步融入各垂直行业的工作流程。底层模型能力的每一次提升，都直接推动AI原生创业企业ARR的阶跃式增长。

这些创业企业的产品价值主张完全建立在AI能力之上。Cursor的代码补全、Harvey的法律文书生成、Abridge的医疗记录自动化——这些功能在没有AI的时代根本无法实现。其产品核心价值随模型性能提升而增强，而非依赖运营效率。

例如，2024年9月，法务AI初创公司Harvey宣布，OpenAI的o1推理模型结合特定领域知识和数据，使其能够构建法律智能体。该公司于2025年2月以30亿美元估值融资3亿美元，过去6个月销售团队规模翻倍，并达到1亿美元营收门槛（表3）。

(选填)图片注：Cursor为Anysphere公司推出的AI智能体  资料来源：CB Insights描述

2025年新晋独角兽中，五分之一正致力于开发AI智能体，这些企业展现出惊人的成长速度。Anysphere从成立到估值99亿美元仅用3年，其产品Cursor的ARR已达5亿美元。Lovable成立仅2年即实现1亿美元ARR和35亿美元估值。这些数字在传统SaaS时代需要7-10年才能达成。

快速增长背后是AI技术对产品开发周期的极度压缩。传统软件企业需要大量工程师、漫长开发周期和反复测试迭代。而AI原生企业可利用基础模型快速构建原型、通过生成式AI自动化开发工作、依靠智能化产品实现自然增长。这种“AI加速的AI创业”形成正向循环：更快产品迭代→更佳用户体验→更快营收增长→更多资本支持→更强技术投入。

在商业化模式上，AI服务正从早期软件订阅转向结果导向型付费。对于能自主执行复杂任务的AI智能体功能，则可能采用按任务成功率或计算时长按需付费。这种模式的灵活性更好地服务于不同规模和需求的客户。

当AI智能体能自主完成高价值任务（如自主生成法律文件、优化复杂供应链），收费将基于交付结果的质量和业务影响，而非仅使用时长或用户数量。这种结果导向的商业模式解决了传统订阅模式无法匹配AI提供的非线性价值的问题。

“数字同事”从概念迈向现实应用

AI智能体初创公司在2024年融资38亿美元（几乎是2023年总额的三倍），所有大型科技公司及领先的大模型开发商都在开发通用AI智能体或提供相关工具。更自主的AI智能体将对企业产生深远影响，从改变员工结构（建立人类与AI智能体组成的新型混合团队）到通过完全自动化日常任务来最大化运营效率。

由于多数企业倾向于选择成熟供应商，大型科技公司在AI智能体开发方面具有显著优势。同样，像Salesforce（Agentforce）和ServiceNow（AI Agent Marketplace）这样的企业软件巨头已推出针对现有客户群的智能体平台。

然而，技术栈各层的初创公司正通过解决特定技术挑战并突破智能体能力边界来建立市场地位，规模较小、专业化的参与者同样拥有许多机会。在AI时代，专业化深度与生态位选择至关重要。

以ARR达1亿美元的AI+办公独角兽Glean为例，其核心产品包括Copilot产品Glean Assistant、Glean Agents、Glean Search等。Glean通过深度理解企业数据结构和权限体系，构建了一个“企业内部的Google”。与ChatGPT等通用大模型不同，Glean基于对企业数据的整合与RAG（检索增强生成）技术，实现企业内部AI搜索。

展望未来，值得关注的是智能体如何以更具突破性的形态出现。这方面的早期迹象体现在“AI原生”产品——这些工具和平台从一开始就围绕AI能力构建，而非在传统产品上叠加AI功能。

通用AI助手与企业工作流自动化：横向AI智能体创业公司目前在整个智能体市场占比最高。这一细分领域主要包括面向企业的初创公司，提供跨行业通用应用，横跨不同企业系统（如ERP、CRM、HRM等），覆盖人力资源/招聘、市场营销和安全运营等工作职能。主打生产力与个人助理的公司，包括OpenAI及其Operator智能体，则直接面向消费者和员工。

发展势头最强和竞争最激烈的AI智能体领域是客户服务和软件开发（包括编码以及代码审查与测试智能体），智能体能够为明确定义的工作流程带来巨大价值。以软件开发为例，智能体的能力已从代码辅助工具发展到能负责从需求分析、架构设计到部署监控的全流程自主软件开发。

企业工作流自动化则聚焦于重复性高、规则明确但仍需人工处理的任务。从发票处理到客户服务，从库存管理到合规审查，AI智能体正在接管这些“无人喜欢但必须完成”的工作。这些智能体不仅能执行单一任务，还能理解跨系统业务逻辑，实现端到端流程自动化。

创意与开发辅助工具：AI编程智能体在商业化方面领先，其中6家软件开发代理名列前茅，包括Anysphere的Cursor（ARR 5亿美元）和Replit（ARR 1.5亿美元）等市场领先者。根据创投数据机构CB Insights统计，客户服务AI智能体的估值溢价最高，平均为收入倍数的219倍。这种估值差距反映了投资者对该赛道的信心，以及企业将迅速用AI取代人工团队的预期。

AI+编程场景渗透率高，海内外科技公司程序员普遍使用AI编程工具提升质量与效率。其中佼佼者为2025年新晋独角兽Anysphere的产品Cursor。Cursor上下文管理能力较强，其功能出众的Tab键补全可精准预测用户下一次编辑，并提供跨多行代码建议，增强沉浸式代码创作体验，广受用户好评。

垂直领域智能体：面向特定行业的垂直行业智能体不断涌现。初创公司通过解决特定行业的客户问题开辟细分市场，特别是在监管严格和数据敏感领域，例如前文提到的Harvey。Harvey在法律领域的成功证明：当AI掌握领域知识、理解行业工作流并能生成符合专业标准的输出时，它可以承担律师助理甚至初级律师的部分工作。医疗和金融领域的AI创业企业正复制这一模式，通过“行业数据+合规框架+工具化能力”的深耕，覆盖完整工作流。

AI智能体的可靠性仍是该领域面临的一大挑战。智能体一旦出现故障、幻觉或行为异常，会立即带来业务风险。随着人工智能能力提升，预计会有更多初创公司在自主性方面取得进展。推理能力和记忆能力的提升将带来更复杂的决策、适应能力和任务执行能力。

AI对创业组织形态与发展模式的革新

随着基础模型能力提升，智能体预计将变得越来越自主——从静态任务执行演变为更具适应性、以推理为驱动的系统，支持动态决策。随着AI智能体不断发展，创业者将发现生成式AI使创业变得廉价和便捷——任何人都能成为创业者，就像任何人都能成为自媒体博主一样。AI将信息密度和处理能力集中到极少数关键人才手中，赋予个体创业者相当于中型组织的生产力。这不仅显著降低初创企业的资本需求，也使得组织决策和产品迭代速度实现指数级加快。

AI原生企业的核心商业逻辑在于由“人机混合”团队构建组织杠杆：少量专家与大模型/智能体协作，完成过去需大规模人力的研发、客服、运营等。一旦基础模型和智能体架构发展成熟，其边际成本会极速下降。模型的每一次迭代都可能带来产品的非线性性能提升，而不需要传统企业那样线性增加人力或运营投入。它们的价值增长依赖于对专有数据的捕获和利用，而非传统渠道或人力规模。

AI智能体和数字员工的发展将推动“AI平权”新浪潮——创业者的技术背景不一定最为重要，重要的是发现能用AI解决的问题，这要求创业者对AI的能力和局限有深刻理解，以及能否构建出比通用模型更优越、更专业的产品。

但另一方面，尽管生成式AI为创业者带来可观前景，它也让快速复制创意变得更加容易。要在AI创业生态占据一席之地，创业者需花更多心思打造独特竞争优势，比如解决ChatGPT和DeepSeek等通用型聊天机器人无法解决的问题，而非仅提供边际效率改进。

作者：滕斌圣，长江商学院战略学教授，战略研究副院长，新生代独角兽全球生态体系研究中心主任/何涧石，长江商学院新生代独角兽全球生态体系研究中心研究员