文 | 我们可能想错了

2026年开年，港股出现大模型公司上市潮，北美头部模型公司继续推进超大额融资与基础设施投入。热度不缺，但更关键的问题变成了同一个：资本究竟在为哪些能力定价，以及这些能力能否在未来两年兑现为更稳定的现金流与毛利质量。本文以TechCrunch汇总的北美AI初创单笔超过1亿美元融资清单为样本，聚焦大额资金的押注结构与兑现门槛，而非刻画全量创新活跃度。

一、热度未退，但资金更集中：杠铃式分布加深

2025年AI融资的关键变化不在热度，而在资金用更集中的方式表达确定性。多家统计机构的年度口径一致指向，AI在全球风险投资中的权重仍在抬升，资金并未因宏观不确定性而明显退潮。但总量上行并不等同于行业更健康，真正的变化发生在分布与风险偏好上。

看大额轮次最直观。TechCrunch对北美市场单轮融资达到或超过1亿美元的清单，更像一支温度计：当资本不再愿意用广覆盖去换概率时，大额轮次会先成为集中押注的出口。对比2024与2025的清单，可以看到一个稳定趋势：达到阈值的公司数量维持在高位，同时同一年内出现多次大额融资的公司更多了。清单不代表全量创新，但足以说明资金在更倾向于把筹码堆到少数生态位更清晰的主体上，而不是均匀铺向腰部。

这类集中不必然意味着头部更接近盈利，更可能是退出偏紧下的风险压缩。二级市场定价更苛刻、并购与IPO不确定性更高时，资本更容易把风险收敛到更少的主体上，用集中换确定性。于是，单笔体量更大、节奏更密集的融资更常发生在头部模型公司、算力相关公司，以及具备平台化扩张逻辑的标的上。

与之对应的是中间层融资体感走弱。多口径的交易反馈普遍指向，A/B轮项目更容易在估值、条款与节奏上遭遇挤压，非AI赛道也相对承压。结果是杠铃式分布进一步加深：一端是超头部模型与平台公司，另一端是早期火种，中间层更容易出现资金断层。本文后续引用的TechCrunch清单以超过1亿美元融资为样本，适合观察集中度与结构变化，不用于刻画全量创新活跃度。

资金杠铃式分布加深

二、从押技术到押路径：大额融资进入审计期

2025年AI融资的热没有消失，但资本的表达方式更像进入审计期。统计数据给出的直观信号是：一方面，达到门槛的公司数量依然可观；另一方面，出现同一年多轮大额融资的公司数量较2024年更多（2024年为3家、2025年为8家），且Anthropic在2025年出现两轮超过10亿美元的大额融资这一类极端案例仍然存在。需要强调，这份清单是用来观察大额资本如何集中、如何给确定性定价的温度计，而不是全量创新活跃度或全市场融资景气的代表。

审计项A：收入与留存是否可验证（更偏开发者工具与企业平台、以及可复制的垂直应用）

在2025的大额融资样本里，离续费/扩张曲线更近的公司更容易拿到更大的筹码：开发者工作流入口、企业级平台化产品、以及能标准化交付的垂直应用都在名单中占据显著位置。典型例子包括开发者侧的Cursor在11月披露的23亿美元融资，以及更偏企业平台与交付的Uniphore（2.6亿美元）、DistylAI（1.75亿美元）、Sierra（3.5亿美元）等。

这些公司的共同点不是有没有商业模式，而是更容易被追问并回答清楚：客户是谁、为什么付费、是否能续费扩张、增长是否能被经营指标持续解释。

审计项B：推理成本曲线能否下行（更偏基础设施与推理/算力公司）

清单里另一条强信号是，基础设施与推理链路仍在吸走大额资金，因为这里直接对应单位成本能否下降的硬约束。2025年样本中，推理与基础设施相关的大额融资非常突出：例如Anthropic 9月的130亿美元融资、Cerebras的11亿美元融资、Groq的7.5亿美元融资，以及偏产能/效率底座的Baseten的1.5亿美元、FireworksAI的2.5亿美元等。

这类资金需求确实也有更烧钱、CAPEX更重的属性，不应简单归因为确定性更高；但它们之所以能持续获得大额定价，核心仍落在同一条审计逻辑：调用增长不等于盈利增长，资本要看到单位成本下降的路径，以及把成本优化固化为交付能力的可能性。

审计项C：同年多轮大额融资意味着什么（路径可见性更强，但不等于接近盈利）

TechCrunch在总述中明确指出，2025年出现更多公司在同一年完成多轮大额融资，并点名Anthropic两轮超10亿美元融资这一现象。这类同年复投/加注不必然代表企业已接近盈利，更稳妥的解释是：在退出偏紧、二级定价更苛刻的环境里，资本把下注从技术潜力进一步推向路径可复核。当一家公司的收入扩张逻辑、成本优化路径、以及生态位更容易被连续验证时，资本更愿意用多轮大额融资把不确定性压缩在少数主体上。

把三条审计项合在一起，结构信号并不复杂：资金并非只是在追热，而是在用更高门槛筛选可复核的增长。增长判断从收入规模转向毛利质量×路径可复核，这才是2025年大额融资读起来更像成长赛道的关键原因。

三、钱都堆在哪：底座、工具链与可复制行业应用

TechCrunch的这份清单更像一张资金偏好热力图：不代表全部创新活跃度，但足够回答一个更硬的问题，在必须押中可规模化能力的约束下，大额资金主要堆在哪些能力形态上。

首先是底座供给。清单里最重资产的钱仍然集中在算力与推理基础设施，以及围绕训练/推理效率的工程化底座。典型如OpenAI的400亿美元融资、Anthropic的超大额融资，以及Cerebras的11亿美元、Groq的7.5亿美元、Lambda的4.8亿美元、TogetherAI的3.05亿美元等，背后押的不是某个单点应用的想象力，而是供给侧瓶颈能否被工程交付解决，并在效率与吞吐上形成可持续的单位经济改进。

第二类是执行层工具链，尤其是开发者与企业工作流入口相关的产品。它们离收入更近，复用更强，也更容易把模型能力固化为付费、留存与扩张。清单里Cursor的9亿美元、Sierra的3.5亿美元、Baseten的1.5亿美元、FireworksAI的2.5亿美元等，基本都指向同一件事：谁能更深地嵌入开发、部署、调用与运维的日常流程，谁就更可能把技术进步翻译成持续收费的产品形态。它们的兑现门槛也更硬，不是做出功能，而是形成工作流黏性，让迁移成本来自流程与组织协同，而不是单点功能差异。

第三类是行业应用，资金没有离场，但筛选明显更挑剔，更偏向高频付费、预算明确、交付可标准化的场景。清单里能看到Glean的1.5亿美元、Harvey在2025年内披露的第二笔3亿美元融资、Abridge的3亿美元、EvenUp的1.5亿美元等案例，集中在企业知识工作、法律与医疗等能用指标验收的场景。这里的兑现门槛也更清楚：单位经济模型站得住、交付能标准化、扩张能复制，三者要同时成立，否则就容易从项目型收入回到定制型成本。

把三类能力形态放在一起，2025年大额融资结构传递的信号可以压成一句话：钱不是从模型转走，而是从想象力转向可商品化与可复制。底座解决供给与效率，工具链占据执行入口，行业应用把预算与复购跑通，谁能同时跨过效率、黏性与复制这三道门槛，谁更可能被当作成长赛道而不是热潮叙事。

中国市场同样在底座与应用两端推进：既有以 DeepSeek、Kimi、智谱、MiniMax 为代表的模型与推理能力建设，也有文心、通义、混元、豆包等大厂体系持续投入；在应用与入口层，由金山办公、钉钉等工作流平台承接，行业交付侧则以科大讯飞、商汤等为代表。与北美大额融资更强调供给侧能力与平台化扩张不同，中国资本与产业在定价时更依赖工程化兑现的可验证性，交付稳定性、推理成本可控性以及行业模板的复制效率，往往决定了节奏与估值。

四、生态红利退潮：壁垒从接入关系转向独立性

与平台深度集成仍能显著加速增长，但在2025年的大额融资语境里，它也成了资本最敏感的风险源之一：入口可以放大规模，同样也可能把一家初创锁死在平台的战略边界里。TechCrunch的融资清单呈现的分化，并不只在赛道层面，更在公司层面，同样在生态里，有的公司被当作可持续扩张的资产，有的公司更像随时可能被平台功能化的模块。理解这一点，才能解释资本为何宁愿集中押注少数主体：它们能协同平台，但不依附平台生存。

在AI生态中，深度集成曾是初创公司的最短增长路径：降低获客摩擦，加速交付落地，快速补齐算力与工程底座。但代价也很现实：企业上限容易被绑定在平台的战略边界内。平台可以给入口，也可以重做入口；可以开放能力，也可以把能力商品化成标准模块吸收进自家产品矩阵。对很多功能型、工具型产品而言，被替代风险往往不来自技术落后，而来自权力结构本身。

因此，资本在2025年之后更在意的不是接入了谁，而是增长是否建立在可持续的独立性上。独立性不等于拒绝集成，而是集成之外是否有不可替代的自变量，能把被功能化的风险降到可控。

这种独立性通常落在三类可复核的能力上。第一类是工程化效率能否沉淀为优势，例如推理效率、模型压缩、端侧部署与特定场景性能边界，决定成本结构与交付稳定性是否能拉开差距。第二类是数据与工作流黏性，迁移成本来自流程与治理，而不是单点功能。第三类是行业入口与交付模板，能否从能交付走向可复制交付，决定增长是否脱离项目制。

放回融资结构看，这解释了为什么同样高增长公司，估值与复投强度差异很大。协同当然能带来增长，但只有把协同转化为自身的效率、黏性与复制能力时，增长才不会在平台策略变化时被归零。

五、未来2–3年怎么验：融资结构×成本曲线×生态边界

未来两年的分化不会由热度决定，而会落在三条可复核的硬尺度：融资结构是否恢复连续梯度、单位推理成本是否跑赢调用增长、企业是否守住生态边界与定价权。

第一看融资结构。健康信号不是头部继续拿大钱，而是非头部能否在合理估值下持续融资、轮次是否重新出现连续梯度；若资金长期只在超头部与极早期之间摆动，中间层断层会削弱生态厚度，反过来拖慢应用扩张。

第二看成本曲线。营收增长只能证明需求，真正的门槛是单位推理成本能否持续下降并快于调用增长；能拉开差距的公司，往往把蒸馏/压缩、推理加速、缓存路由、端侧与云端混合架构做成工程化优势，把毛利改善从算力账单里抠出来。

第三看生态边界。判断是不是功能插件，关键看能否跨平台部署、渠道是否相对独立、交付是否标准化可复制；集成重要，但价值取决于集成之外是否仍有迁移壁垒与定价空间。

结论可以压成一句：钱会继续在，但只奖励能把增长、毛利、壁垒同时跑通的公司。

TechCrunch汇总的北美AI初创单笔超过1亿美元融资清单