AI初创企业价值创造蓝皮书

执行摘要全球

AI

产业正处于从“技术震撼”向“商业价值”转型的临界点。2025年标志着生成式

AI

渗透率达

90%

的同时，市场正经历从实验探索到规模化盈利的结构性调整。本报告基于对全球约6,000

家

AI初创企业的全样本追踪，揭示行业正面临“估值剪刀差”的严峻考验：一级市场基于未来收入预期的高估值与二级市场要求自由现金流的理性回归形成断层，企业必须在12–24个月内证明其营收能力足以覆盖高昂算力成本。核心发现一：中美“双头垄断”格局固化，创新资源高度向核心城市集聚全球

AI

价值创造呈现极端的地理集中性。美国以1,788

家企业、3.46

万亿美元估值占据全球近

80%

份额，企业平均估值达19.35

亿美元；中国以679

家企业、6,230

亿美元估值位居第二，平均估值

9.17亿美元，约为美国的

47%

。前十国家聚集了全球绝大部分商业价值，而前十城市（美国

7

座、中国

3

座）贡献了

61.7%

的估值总额。

旧金山以

1.23

万亿美元估值独居全球首位，北京（2,867

亿美元）超越硅谷核心城市成为全球第三极，上海、深圳亦跻身前十。这种“赢者1通吃”的集聚效应意味着，非核心区域的

AI

初创企业面临严峻的融资与人才获取挑战。核心发现二：技术范式从“副驾驶”向“自动驾驶”跃迁，智能体与具身智能成为新价值高地AI

正经历从生成式工具向自主执行系统的根本性转变。AI

智能体（Agentic

AI）已占据全球

AI

总估值的

48%（2.1

万亿美元），尽管企业数量占比不足四分之一，显示出资本向头部超级独角兽的极端集中。美国以638

家智能体企业、1.79

万亿美元估值主导该领域，中国（

172

家、2,209

亿美元）稳居全球第二。具身智能领域呈现“中国数量领跑、美国估值领先”的双寡头特征。全球

199

家具身智能企业中，中国占据

51%（

101

家），估值占比

31%（707亿美元）；美国以62

家企业、1,511亿美元估值位居估值榜首。深圳（208亿美元）凭借硬件供应链优势跻身全球城市第三，北京、杭州、上海共同构成中国“四角”创新集群。这表明，依托制造业基础，中国已在物理

AI

载体领域建立起独特的产业壁垒。核心发现三：应用场景分化，中国在AI+

农业与

AI+教育领域实现全球领先AI+

医疗仍是中美博弈的核心战场。全球

500

家医疗

AI

企业估值4,460

亿美元，美国（

3,421

亿美元）在源头创新上领先，中国（

678亿美元）在商业化落地上追赶。上海以238

亿美元估值超越北京，成AI初创企业价值创造蓝皮书（2025）2为中国医疗

AI

高价值企业的集聚地。AI+

农业是中国最具全球主导力的细分赛道。

中国企业在全球

79家农业

AI

企业中占比

33%（26

家），估值占比高达

43%（99

亿美元），北京（68.3

亿美元）以绝对优势位居全球城市榜首。无人机植保、智慧供应链等务实应用与美国的生物育种技术路线形成鲜明对比，展现出“从

1

到

N”的规模化优势。AI+

教育呈现中美双强格局。全球

112

家教育

AI

企业中，中国占据

45%（50

家），估值占比

47%（461

亿美元），与美国（480

亿美元）几乎持平。上海（

185

亿美元）在该领域估值全球第一，显示出中国在教育科技商业化上的强劲实力。核心发现四：价值驱动逻辑呈现“美国技术溢价”与“中国市场闭环”的路径分野全球（尤其美国）市场高度依赖“技术新颖性”（40%

）与顶尖团队（31%

），资本乐意为颠覆性底层架构支付极高溢价，侧重“从

0

到

1

”的原始创新。中国则呈现“技术

+

市场”双轮驱动特征，“市场因素”占比

31%（全球仅

16%），表明中国企业的核心竞争力在于依托庞大消费与产业市场，快速构建商业闭环，侧重“从

1

到

N”的规模化应用与效率提升。这种务实的模式，构成了中国

AI

产业在全球竞争中保持韧性的关键。AI初创企业价值创造蓝皮书（2025）3战略启示与行动建议对投资者：l

警惕“估值剪刀差”风险，重点评估企业营收覆盖算力成本的清晰路径，优先选择已验证单位经济模型的标的l

关注“小模型

+边缘计算”赛道，端侧

AI

的兴起将重塑成本结构，为发展中国家市场创造新机会l

在具身智能领域布局中国供应链企业，该领域硬件制造壁垒高，中国企业的规模化落地能力具备全球比较优势对企业：l

从“降本”转向“增收”，仅帮助客户削减成本的

AI

服务商易陷入价格战，能够创造新收入模式的企业将获得定价权l

构建“智能体优先”战略，未来三年竞争焦点将从内容生成转向复杂工作流的自主执行能力l

平衡技术深度与场景闭环，中国企业在追求技术突破的同时，必须保持对庞大应用场景的快速响应能力对政策制定者：l

强化核心城市创新集群建设，AI价值的极端集聚性要求资源向头部城市集中以形成全球竞争力l培育“主权

AI”基础设施，数据安全与地缘政治考量下，区域性算力中心与本土模型能力成为战略必需l

应对劳动力市场极化风险，AI

智能体对入门级认知工作的替代可能抽离发展中国家的传统产业升级阶梯，需前瞻性设计社会安全网AI初创企业价值创造蓝皮书（2025）4与再培训体系结语AI

产业正经历从资本狂热向商业本质的回归。未来的头部企业将是那些能够平衡前沿技术探索与商业落地、在“大模型”与“小应用”之间找到精准切口、并能适应地缘政治复杂性的进化者。随着技术泡沫的挤出与产业根基的夯实，AI将正式从新兴技术演变为驱动全球经济社会发展的核心生产要素，开启一个高效、智能且人机协同共生的新纪元。面向未来，全球

AI

发展亟需构建公平包容的治理体系，通过算力民主化、人力资本建设、语境化应用开发及跨境数据框架，确保技术红利普惠全球而非加剧发展鸿沟。站在

2025年的节点，AI

产业已完成从实验室到经济主战场的跨越，唯有回归价值本质、锚定实际效用、构建开放协同生态，方能在这场范式转换中把握主动权。AI初创企业价值创造蓝皮书（2025）5致

谢我们要向所有为本蓝皮书撰写做出贡献的人士致以诚挚的感谢。我们特别感谢项目负责人——牛津大学傅晓岚教授和澳门大学傅晓青教授，以及中国发展战略学研究会潘教峰理事长和张凤副理事长，感谢他们在整个研究过程中给予的悉心指导与学术引领。我们还要感谢吴佳慧、戴晓冕、李书舒、沈华、吴静为本研究提供的宝贵协助。我们亦向

OxValue.AI研究和技术团队致以谢意，感谢他们在本研究中应用和完善评估平台所付出的不懈努力。最后，我们衷心感谢黄永超教授、瞿思思、武伟和叶逗逗的宝贵意见与建议，他们的反馈对提升本文质量裨益良多。ExecutiveSummaryThe

global

AIindustry

stands

at

aninflection

point,

shifting

from“technologicalawe”todemonstrablecommercial

value.

Generative

AI

penetrated

90%

of

leading

enterprises

in

2025,

yet

the

market

isundergoing

a

structural

transition

from

experimental

exploration

to

scaledprofitability.

Based

on

tracking

roughly

6,000AI

startups

worldwide,

thisreport

identifies

a

pronounced

“valuation

scissors

gap”:

high

valuations

inprimary

markets

driven

by

future

revenue

expectations

versus

the

rational

returns

in

secondary

markets

grounded

in

free

cash

flow.

Companies

must

demonstrate

revenue

capacity

sufficient

to

cover

rising

compute

costs

within

12–24months.Key

Finding1:

The

US–China

Duopoly

and

GeographicConcentrationof

InnovationGlobal

AI

value

creation

is

highly

concentrated

geographically.The

United

States

accounts

for1,788

companies

and

$3.46

trillion

invaluation—about

80%

of

the

global

share—with

an

average

companyvaluation

of$1.94billion.

Chinaranks

secondwith679companiesand$6231billioninvaluation

(average

$0.92billion,~47%

ofU.S.

levels).

The

top

tencountries

capture

the

majority

ofglobal

commercial

value,

and

the

top

tencities

(seven

intheUnited

States,three

in

China)

contribute

61.7%

of

totalvaluation.

San

Francisco

leads

globally

with

$1.23

trillion

in

valuation;Beijing

surpasses

core

SiliconValley

citiestobecome

a

global

“thirdpole”at

$286.7

billion,

with

Shanghai

and

Shenzhen

also

among

the

top

ten.Thiswinner-takes-mostagglomerationcreatesafinancing

and

talent-accessbottleneckforstartupsoutsidecoreregions.KeyFinding2:Paradigm

Shiftsfrom

Copilot

toAutopilot;AgentsandEmbodied

AIasNewFrontiersAI

ismoving

from

generativetoolsto

autonomous

execution

systems.AI

agents

(AgenticAI)

now

command

48%

ofglobalAI

valuation

(~$2.1

trillion)

despite

representing

less

than

a

quarter

of

company

count,signaling

extreme

capital

concentration

toward

a

few

super-unicorns.

TheUnited

States

leadswith

638

agent-focused

companies

and

$1.79trillion

invaluation;Chinafollowswith

172companiesand$220.9billion.Embodied

AI

reveals

a

China–U.

S.

duopoly:

among199

globalembodied

AI

companies,

China

accounts

for

51%

(101

companies)

and31%

of

valuation

($70.7billion),whiletheUnited

Statesleads

in

valuationwith62companiestotaling$151.1billion.

Shenzhenranksthirdgloballybyvalue

($20.8

billion),

leveraging

hardware

supply-chain

advantages,

withAI初创企业价值创造蓝皮书（2025）2Beijing,

Hangzhou,

and

Shanghai

forming

China’s

four-corner

innovationcluster.

This

points

to

China

building

durable

industrial

moats

in

physicalAIcarriersthroughitsmanufacturingbase.Key

Finding

3:

DivergentApplicationAreas;

China

Leads

inAI+Agricultureand

AI+EducationAI

applications

diverge

by

sector.AI+

healthcare

remains

a

primarybattleground

between

the

two

nations.

Among

500

global

healthcare

AI

companies,

total

valuation

is

$446

billion,

with

the

U.

S.

leading

in

innovation

(approx.

$342.1

billion)

and

China

closing

the

gap

incommercialization

($67.8

billion).

Shanghai

has

emerged

as

the

principalhigh-valuehealthcare

AIhubinChina,surpassingBeijing.In

AI+

agriculture,

China

is

globally

dominant,

accounting

for

33%of

the

world’s

79

agricultural

AI

companies

(26

companies)

and

43%

ofvaluation

($9.9

billion).

Beijing

leads

globally

by

a

wide

margin

($6.83billion).

Practical

deployments—such

as

drone-based

crop

protection

andintelligent

supply

chains—illustrate

a

capacity

for

scale,

contrasting

withU.S.

biotech

breeding

approaches

and

demonstrating

“1-to-N”

scalabilityadvantages.InAI+

education,

the

U.S.

and

China

share

leadership.

Of

112

globaleducation

AI

companies,

China

holds

45%

(50

companies)

and

47%

ofvaluation

($46.1

billion),

nearly

matching

the

U.S.

($48

billion).

ShanghaiAI初创企业价值创造蓝皮书（2025）本报告来源于三个皮匠报告站（）,由用户Id:1181721下载,文档Id:1270730,下载日期:2026-06-243leads

globally

in

this

segment

($18.5

billion),

underscoring

China’s

strongcommercializationcapabilityinEdTech.Key

Finding

4:

Value

Drivers

Diverge:

US

Technology

Premiumvs.ChinaMarketMonetizationGlobalmarkets,particularlytheUnitedStates,emphasizetechnologicalnovelty

(about

40%)

and

elite

teams

(roughly

31%),

with

capital

pricingextremepremiumsforbreakthroughfoundationalinnovations.Chinaadoptsadual-wheelapproach:technologyplusmarketfactors(about

31%

vs.

16%globally).CoreChinesecompetitivenessliesinrapidlybuildingcommercialclosed

loopsthroughvast

consumer

and

industrialmarkets,prioritizing

“1-to-N”

scalable

applications

and

efficiency

gains.

This

pragmatic

model

iscentraltotheresilienceandglobalcompetitivenessof

China’s

AIindustry.StrategicImplicationsand

ActionableRecommendationsFor

Investors:l

Bewarethevaluationscissorsgap.Favorcompanieswithclearpathstorevenuethatcoversrisingcomputecostsandthatdemonstrate

strongunit

economics.l

Focuson“smallmodels+

edge

computing.”

On-deviceAIreshapescoststructuresandopensopportunitiesin

developingmarkets.l

Position

in

China’s

embodiedAI

supply

chain.

Significant

barriersAI初创企业价值创造蓝皮书（2025）4to

hardware

manufacturing

and

scalable

deployment

confer

a

globaladvantagetoChineseplayers.For

Companies:l

Shiftfromcost-cuttingtorevenuegrowth.

AIserviceprovidersthatrely

solely

onpricereductionsrisk

erodingmargins;those

that

create

new

revenuemodelswillcommandpricingpower.l

Build

an

“agent-first”

strategy.

The

competitive

edge

over

the

next

three

years

will

shift

from

content

generation

to

autonomous

execution

of

complexworkflows.l

Balance

depth

with

scalable

application—maintain

rapid

deployment

across

large-scale

use

cases

while

pursuing

meaningful

technologicalbreakthroughs.For

Policymakers:l

Strengthen

core

city

innovation

clusters.

Giventhe

concentration

ofAIvalue,targetedresourceallocationtoleadingcities

is

essential

to

sustainglobalcompetitiveness.l

Develop

sovereignAI

infrastructure.

Regional

compute

capabilitiesand

domestically

developed

models

address

data-security

and

geopolitical

considerations.l

Address

labor

market

polarization.

As

AI

agents

replace

routine

cognitive

tasks,

implement

proactive

social

safety

nets

and

reskillingprogramstosupportdevelopingeconomies.AI初创企业价值创造蓝皮书（2025）5ConclusionThe

AI

industry

is

transitioning

from

capital-driven

exuberanceto

solid

commercial

fundamentals.

Future

leaders

will

balance

frontierexplorationwithpracticaldeployment,findingstrategicpositioningbetweenlarge

models

and

scalable

applications,

all

while

navigating

geopoliticalcomplexity.As

bubbles

deflate

and

industrial

foundations

solidify,AI

will

evolve

from

an

emerging

technology

into

a

core

production

factor

that

drives

global

economic

and

social

development,

catalyzing

a

new

era

ofefficiency,intelligence,andhuman–machinecollaboration.AI初创企业价值创造蓝皮书（2025）6目

录第一部分AI

初创企业概况

…………

11.1

AI初创企业的定义与分类框架

………………11.2

AI初创企业发展现状

…………

71.3

AI初创企业发展趋势

…………131.4

AI初创企业价值创造分析

……16第二部分人工智能发展重点方向……

272.1

AI

智能体初创企业价值分析

…………………

272.2具身智能初创企业价值分析…………………

34第三部分人工智能重要应用场景……

423.1

AI+

医疗

………

423.2

AI+

科学发现

…………………

493.3

AI+教育

………………………563.4

AI+

农业

………………………63结语…………………

71参考文献…………………

73附录…………………

76图表目录图

1–12025年

AI

采用率与采用阶段………………9图

1-2

AI创新活动在不同区域的分布

………………12图

1-3

AI

基座大模型成本

……………15图

1-4全球

AI初创公司

Top

10国家

………………18图

1-5全球

AI初创公司

Top

10城市

………………19图

1-6中国

AI

初创公司

Top

10

城市

………………

20图

1-7全球

AI初创公司价值创造维度（%）

………

26图

1-8中国

AI

初创公司价值创造维度（%）

………

26图

2-1全球

AI

智能体

Top

10国家

…………………30图

2-2全球

AI

智能体

Top

10城市

…………………30图

2-3中国

AI

智能体

Top

10

城市

…………………31图

2-4全球

AI

智能体初创公司价值创造维度（%）

………………34图

2-5中国

AI

智能体初创公司价值创造维度（%）

………………34图

2-7全球具身智能

Top

10城市

……………………38图

2-8中国具身智能

Top

10城市

……38图

2-9全球具身智能初创公司价值创造维度（%）…

41图

2-10中国具身智能初创公司价值创造维度（%）

………………

411图

3-1全球

AI+医疗

Top

10

国家……………………

45图

3-2全球

AI+医疗

Top

10

城市……

45图

3-3中国

AI+医疗

Top

10

城市……

45图

3-4全球

AI+

医疗初创公司价值创造维度（%）………………

48图

3-5中国

AI+医疗初创公司价值创造维度（%）………………

49图

3-6全球

AI+

科学发现

Top

10国家………………52图

3-7全球

AI+

科学发现

Top

10城市………………52图

3-8中国

AI+

科学发现

Top

10

城市………………53图

3-9全球

AI+

科学发现初创公司价值创造维度（%）…………56图

3-10中国

AI+

科学发现初创公司价值创造维度（%）…………56图

3-11全球

AI+教育

Top

10国家

…………………59图

3-12全球

AI+教育

Top

10城市

…………………59图

3-13中国

AI+

教育

Top

10

城市

…………………60图

3-14全球

AI+教育初创公司价值创造维度（%）………………62图

3-15中国

AI+

教育初创公司价值创造维度（%）………………63图

3-16全球

AI+

农业

Top

10国家

…………………66图

3-17全球

AI+

农业

Top

10城市…………………66图

3-18中国

AI+

农业

Top

10

城市

…………………67图

3-19全球

AI+

农业初创公司价值创造维度（%）………………

70图

3-20中国

AI+

农业初创公司价值创造维度（%）………………

70表

1–1近两年海内外头部

AI初创企业融资情况

…11AI初创企业价值创造蓝皮书（2025）2表

1-2全球

AI初创企业名单（Top30）

……………

21表

1-3中国

AI

初创企业名单（Top

30）

……………

22表

2-1全球和中国

AI

智能体初创企业名单（Top

10）

……………32表

2-2全球和中国具身智能初创企业名单（Top

10）………………39表

3-1全球和中国

AI+

医疗初创企业名单（Top

10）………………

46表

3-2全球和中国

AI+

科学发现初创企业名单（Top

10）…………54表

3-3全球和中国

AI+教育初创企业名单（Top

10）………………

61表

3-4全球和中国

AI+

农业初创企业名单（Top

10）………………68AI初创企业价值创造蓝皮书（2025）3第一部分AI

初创企业概况1.1AI初创企业的定义与分类框架步入

2025

年，全球人工智能（AI

）产业正伫立在一个决定性的历史关口。一方面，以生成式

AI（GenAI）为代表的技术创新，正以前所未有的速度渗透至全球经济的毛细血管之中。仅在

ChatGPT

发布后的短短三年间，就有近

90%

的国际上市公司宣称在其业务中应用了AI

技术（Singla

等

,

2025

年）。另一方面，市场正经历着深刻的结构性调整，即从早期的探索实验阶段过渡到更为严苛的规模化落地与实际应用阶段。资本市场的狂热情绪与企业实际利润贡献之间的脱节，引发了关于“AI

泡沫”的激烈辩论。本白皮书的第一部分，旨在综合国内外权威机构的最新研究，结合行业专家的深度访谈，厘清

AI

初创企业的定义、全球现状与发展趋势，从而为后续的价值创造分析奠定坚实基础。1.1.1AI初创企业的定义人工智能并非单

一

的技术点，而是涵盖机器学习（

MachineLearning）、深度学习（Deep

Learning）、强化学习（

Reinforcement1Learning）以及生成式模型（Generative

AI）等多种技术的计算机科学分支。其应用领域广泛，包括自然语言处理（NLP

）、计算机视觉（CV）及控制系统等，核心目标在于创造能够模拟人类推理、学习、决策和感知等认知能力的智能系统。为在全球范围内形成政策与法规的共识，经济合作与发展组织（OECD

）对“AI

系统”提出了一个权威且被广泛接受的定义：即一个基于机器的系统，能够根据明确或隐含的目标，通过接收输入信息进行推断，以生成能够影响物理或虚拟环境的输出，如预测、内容、推荐或决策。该定义的关键在于其“技术中立性”，即不局限于具体的实现方法，而是聚焦于系统的功能性，从而能够适应技术的快速迭代（OECD，2025年；OECD，2023年）。“初创企业”（Startup）则是一种独特的组织形态，区别于传统的中小企业（SMEs

），具有成立时间短、规模较小、可扩展性强和创新性强等显著特点（Shen

等，2025年；Spender

等，2017年）：l成立时间短：OECD

和中国国家统计局通常将成立

5年或

10年以内的企业界定为“初创”。l规模较小：企业组织规模通常较小，员工数量少，且初期营收往往有限。l可扩展性：其商业模式设计具备高度的可扩展性，即能够以极低的边际成本服务不断增长的客户群体，通常借助技术和互联网触达全球市场。l创新性：初创企业是创新的引擎，通过高强度的研发活动，创造出全新的产品、服务或商业模式。AI初创企业价值创造蓝皮书（2025）2综合上述分析，本报告为AI

初创企业提出以下定义：指其核心技术或价值主张建立在人工智能技术之上，从事人工智能算法开发或为下游行业提供技术软件及服务的、成立时间在十年内的企业。此定义既是语义上的界定，也是估值视角的选择。它内在地将

AI初创企业划分为两种基本类型：AI

能力的创造者和

AI

能力的应用者。前者属于深度科技（Deep

Tech）企业，其核心资产是知识产权；后者通常是

B2B

SaaS

、PaaS

或服务型公司，其核心资产在于客户关系和市场渗透率。此外，这一定义也揭示了

AI

初创企业面临的一个内在矛盾：初创企业传统上被认为是轻资产、敏捷运营的，但企业级

AI的开发与部署却具有内在的复杂性，需要对数据基础设施、算力及专业人才进行大规模的资本投入。这意味着

AI

初创企业既要保持初创公司的敏捷性和实验精神，又要承担成熟企业般的资本密集型基础设施建设。这种张力导致

AI

初创企业相较于传统软件初创企业，通常具有更高的初始资本需求和更长的研发周期，这对它们的融资节奏、资金消耗率以及最终的估值模型都产生了深远影响。1.1.2AI初创企业的分类对

AI

初创企业进行系统性分类，是进行横向估值比较和识别价值驱动因素的前提。然而，目前业界尚未形成统一的分类标准，对

AI企业的分类主要存在以下几种主流视角：视角一：AI价值链模型（UBS,2025年）这是一种常见的技术分层视角，将市场划分为不同层次，包括：AI初创企业价值创造蓝皮书（2025）3l

基础设施

/赋能层（Infrastructure/Enabling

Layer）：提供基础硬件（如半导体、服务器）和云计算平台的公司。l

智能

/平台层（Intelligence/Platform

Layer）：开发核心

AI

基座模型（如大语言模型）和数据基础设施的公司。l

应用层（Application

Layer）：将

AI

工具嵌入到面向最终用户的产品和服务中的公司。视角二：商业模式框架（Oracle,2025年）l

核心

AI（Core

AI）：开发与行业无关的、用于

AI

创建流程本身的技术。这属于人工智能领域的基础创新，集中在算法层面。创新主体包括大学研究机构、衍生企业以及创新企业的研发部门。l

应用

AI（Application

AI）：开发用于跨行业执行特定水平任务的技术。l

行业

AI（IndustryAI）：应用AI

的细分领域，旨在将

AI

应用于解决特定垂直领域的具体业务问题。视角三：应用场景治理（中华人民共和国国务院，2025年）国务院此前印发的《关于深入实施“人工智能

+

”行动的意见》，从自上而下的国家战略视角出发，强调通过

AI

的广泛应用来驱动经济社会发展。该计划明确了AI

与六大重点领域的深度融合：科学技术、产业发展（工业、农业等）、消费提质、民生福祉（医疗、教育等）、治理能力和全球合作。此框架的核心是“需求拉动”，即由各经济部门的应用需求牵引

AI技术的发展和落地。为进行深入的估值分析，本报告综合以上视角，提出一项双层分AI初创企业价值创造蓝皮书（2025）4类框架。该框架首先将

AI

初创企业区分为

“人工智能算法开发”和“AI

赋能应用场景”两大类，随后在每个类别下进行细分。这一结构旨在清晰地隔离不同类型的风险特征和价值驱动因素。类别一：人工智能算法开发该类别包含那些以研发和商业化新型

AI

算法、模型及平台为核心业务的初创企业。它们的产出是技术能力本身，而非直接面向最终用户的解决方案。这类企业对应于商业模式框架中的“核心

AI”以及价值链中的“基础设施

/

智能层”。本报告将其进一步划分为两个前沿子领域：l

子类别

A：具身智能（Embodied

Intelligence）。具身智能涉及将

AI

系统与物理实体（如机器人）相结合，使其能够主动在物理世界中感知、推理和交互。不同于由用户提供数据的传统机器学习系统，具身智能通过自身传感器主动收集数据、整理训练并进行决策。严格来说，具身智能和

AI

智能体存在交集。此领域的初创企业专注于开发人形机器人（如

Agility

Robotics）或为各种物理系统提供通用自主性模型（如

Field

AI

）。l

子类别

B：AI

智能体。AI

智能体是一种能够感知环境、进行推理规划，并在最少人类干预下自主执行复杂多步任务以实现目标的软件系统，其基础是强化学习和大语言模型。“智能体”（Agent）一词源自传统的控制科学和现代的强化学习，代表了从简单的任务自动化向目标导向的复杂问题解决的范式转变。智能体既包括机器人领域中做决策的实体（Actor

），也包括大语言模型中的专家（Expert）——AI初创企业价值创造蓝皮书（2025）5每个专家可以是一个学习和决策的系统，既可以是增加了注意力机制的神经网络（Transformer），也可以是多个网络的联合体。类别二：AI赋能重点应用场景该类别包括利用现有或专有

AI

技术，为特定垂直市场创造软件或服务的初创企业。这与商业模式框架中的“行业

AI”以及“人工智能

+”行动计划的精神相符。l子类别

C：AI+教育。此类初创企业开发

AI驱动的平台以创造个性化的学习体验，包括能够根据学生个人需求调整课程的自适应学习平台、智能辅导系统和自动化评分工具。市场增长的主要驱动力来自于对更高效、更具成效的教育成果的需求，前景广阔。l子类别

D：AI+科学发现。此类初创企业提供

AI平台以加速科学研究与开发（R&D

）流程，应用场景涵盖文献分析、试验设计、数据分析、产物预测等，多用于生物、医药和环境等领域。应用层面的典型案例包括谷歌

DeepMind

开发的

AlphaFold（基于注意力机制的生成式

AI

预测蛋白质结构），以及微软开发的Aurora（预测天气变化）。基础科学领域包括物理信息融合网络（PINN

）、深度学习在有限元模拟（如流体力学、固体力学、材料）

中的应用、基于贝叶斯优化的生物实验设计（Optimal

Experimental

Design）以及分子动力学模拟等。该领域的核心价值在于赋能科学家，使其更快地取得突破性发现。l

子类别

E：AI+

医疗。AI

被广泛应用于靶点预测、药物模拟、生物制药、影像处理、病情诊断、精准医疗、治疗规划和行政自动化等任务。该领域主要基于机器学习、强化学习、计算机视觉和生成式AI初创企业价值创造蓝皮书（2025）6AI

等技术，目前已涌现出大量的初创企业。l

子类别

F：AI+

农业。此类初创企业专注于精准农业，应用场景包括机器人自动化、作物检测、虫害防治等，旨在利用AI

优化资源使用、提高作物产量。1.2AI初创企业发展现状步入

2025年，全球AI

版图及AI

初创企业生态呈现出鲜明的“双速”特征：即技术迭代与扩散的速度极快，但商业价值的捕获却呈现高度集中态势。这种不均衡性广泛体现在技术演进、市场推广、融资结构以及创新分布等多个维度。1.2.1技术迭代2025年初，中国的深度求索公司（DeepSeek）发布DeepSeek-R1模型，凭借在

GRPO

算法、MoE

架构及

MLA机制等技术层面的创新，仅通过

6,710

亿参数便实现了比肩

ChatGPTo1

模型的性能。同年

8

月和

11

月，OpenAI

与

Google

先后发布

GPT-5

和

Gemini

3.0，通过在参数量、训练数据规模、上下文窗口及架构类型等技术指标上的显著提升，不断推高基座模型的能力天花板。目前，AI

底层技术正处于“飞轮迭代”的关键阶段。这种迭代主要体现在两个维度：首先是算法模型的持续优化（如

MoE

架构、稀疏注意力机制），使得单位算力的智能产出大幅提升；其次是硬件性AI初创企业价值创造蓝皮书（2025）7能的指数级增长。随着芯片制程向N2

节点推进以及先进封装技术的发展，GPU

性能正以每年翻倍的速度膨胀，而单位算力的成本正在经历断崖式下降。例如，NVIDIA

下一代

Rubin平台的

GPU

性能预计将是

Hopper

平台的数百倍，而单位性能成本降幅可能超过

90%（浦银国际证券研究部，2025年）。然而，以高盛团队为代表的分析师指出，当前

AI

行业的繁荣在一定程度上是由“供应商融资”（Vendor

Financing）支撑的：芯片巨头投资云服务商，云服务商投资模型初创企业，而初创企业融到的资金最终又回流用于购买芯片和云服务。这种循环掩盖了终端市场真实需求的不足。一旦资本注入放缓，缺乏自我造血能力的初创企业将面临剧烈的估值修正（Goldman

Sachs，2025年）。1.2.2市场应用AI

初创企业已渗透至多个行业，包括但不限于软件、电子、计算机、传媒、机器人及汽车等，以大模型为代表的技术突破已对这些行业产生深刻影响。麦肯锡

2025

年的全球调查显示，88%的受访组织表示正在使用

AI，这一比例较

2024

年的

78%

进一步上升（如图1–1

）。生成式

AI

工具的普及使得个人和团队层面的采用变得触手可及，一系列垂类行业的

AI初创企业应运而生。AI初创企业价值创造蓝皮书（2025）8图

1

–

12025

年

AI

采用率与采用阶段但与此同时，目前的

AI

商业化也面临“采用易，规模化难”的痛点。只有约三分之一（33%）的企业成功将

AI项目从试点阶段推向

了全企业范围的规模化应用，其余三分之二的企业仍被困在“实验”或“试点”阶段。这意味着，对于大多数B2B

AI

初创企业而言，虽

然容易获得概念验证（POC

）合同，但难以转化为长期、大额的续约

收入。同时，仅有39%

的企业报告

AI

对其息税前利润（EBIT

）产生

了实质性影响。能够从

AI

中获取显著价值的“高效能企业”，通常不

仅仅关注成本节约和效率提升，更致力于利用AI

推动收入增长和商

业模式创新（Singla

等，2025

年）。AI初创企业价值创造蓝皮书（2025）91.2.3资本估值以中美为代表的科技巨头正在进行一场预计耗资数万亿美元的基础设施“军备竞赛”。截至2025

年

11

月，全球

AI

年度投资总额已超过

4,000

亿美元，未来五年预计全球

AI

投入将超

4

万亿美元（申万宏源证券研究所，2025年）。在一级市场，头部初创企业的估值几乎以季度为单位跳涨，它们不断引入新的融资以提升自身价值（如表1–1

）。然而，高盛指出

AI

在美国一级市场和二级市场的估值逻辑已经脱钩（Goldman

Sachs，2025

年）。

一级市场依然基于“未来的收入预期”和“市销率”（P/S）进行定价，导致估值高企；而二级市场已经开始回归理性，要求企业展示自由现金流（FCF

）和利润率（Margins）。这种巨大的“估值剪刀差”意味着一级市场的独角兽在上市时可能面临剧烈的价值重估风险。目前的

AI

投资热潮在很大程度上是由硬件和云服务商的防御性策略驱动的，它们通过投资初创企业来锁定未来的算力消耗。这种策略虽然在短期内支撑了硬件厂商（如

NVIDIA

）的收入，但也加剧了整个生态系统的脆弱性。如果应用层无法在未来12–24

个月内证明其能够产生足够的有机收入来覆盖算力成本，资本链条可能会面临断裂风险。AI初创企业价值创造蓝皮书（2025）10时间公司募资募资时估值2025

年

9

月Anthropic完成

130

亿美元的

F

轮融资，ICONIQ

等机构领投1,830

亿美元2025

年

7

月MiniMax接近完成近

3

亿美元融资，阿里巴巴领投超

40

亿美元2025

年

7

月智谱

AI获得

10

亿元战略投资，浦东创投等领投NA2025

年

4

月SSI完成

20

亿美元融资，Greenoaks领投，谷歌母公司及英伟达均有参与320

亿美元2025

年

4

月OpenAI宣布从软银及其他投资者筹得

400

亿美元融资3,000

亿美元2025

年

3

月Anthropic完成

35

亿美元的

E

轮融资615

亿美元2024

年

9

月SSI由

OpenAI

的前首席科学家创立，红杉领投完成10

亿美元的融资50

亿美元2024

年

9

月OpenAI计划向投资者筹集

65

亿美元1,570

亿美元2024

年

5

月智谱

AI智谱

AI

获

Prosperity7Ventures4

亿元美元

C

轮投资200

亿人民币2024

年

5

月ScaleAIAI

数据标注公司

ScaleAI

完成

10

亿美元的募资138

亿美元2024

年

5

月xAI马斯克为

xAI投入

60

亿美元的融资180

亿美元2024

年

5

月Kimi月之暗面截至当年

5

月，于阿里巴巴

2024

财年合计获得阿里巴巴投入

8

亿美元25

亿美元2024

年

4

月Anthropic亚马逊宣布完成了对

Anthropic（Claude）总计

40亿美元的融资。

2023年

9

月亚马逊提供了一笔

12.5亿美元的投资，之后又追加了

27.5亿美元184

亿美元2023

年

11月零一万物完成

10

亿美元的新一轮融资，由阿里云领投NA2023

年

10月Anthropic谷歌领投了

Anthropic

的

5

亿美元融资，此后又追加了20

亿美元的投资NA2023

年

4

月OpenAI微软领投了约

100

亿美元，多家

PE投资超

3

亿美元800

亿美元1.2.4创新极化世界银行的数据描绘了一幅极度不平等的创新地图。AI

并非像互联网那样是“平”的，而是高度峰谷分明的。截至2025

年

7

月，高收入国家占据了全球

86%

的

AI初创企业、91%的风险投资资金以及87%的著名

AI

模型。美国作为核心，其拥有的安全互联网服务器数量是低收入国家的

20,000倍（如图

1–2

）。表

1

–

1近两年海内外头部

AI

初创企业融资情况AI初创企业价值创造蓝皮书（2025）11图

1-2AI

创新活动在不同区域的分布（注：

HICs

指高收入国家、UMICs

指中等高收入国家、LMICs

指中等低收入国家、LICs

指低收入国家，国家分类来自世界银行

2024年分类（WorldBank，2025年））除去中国和印度，其他中低收入国家（LICs

&

MICs

）虽然拥有全球

48%

的人口，但在

AI初创企业融资、专利和模型贡献上合计占比不足

1%。这表明，全球

AI价值链的顶端（模型与基础设施）对大多数国家是关闭的。其中，中国占据了独特的生态地位，贡献了全球13%

的著名

AI

模型，并在

2014–2023

年间贡献了

66%

的生成式

AI专利申请，显示出其在模型层具有与美国抗衡的独立生态能力。世界银行提出的“4C”框架为揭示全球

AI

初创企业的极化分布提供了逻辑支撑（WorldBank，2025年）：l连接（Connectivity）：尽管全球互联网覆盖率有所提升，但

AI应用，尤其是多模态实时交互功能对网络质量提出了苛刻要求。l

算力（Compute）：算力已成为决定国家和企业竞争力的核心AI初创企业价值创造蓝皮书（2025）12资源，但其分配极度不均。l

语境（Context

）：“语境”是

AI

落地的关键。通用大模型通常基于英语互联网数据训练，缺乏对特定文化、语言或垂直行业的深度理解。l

能力（Competency）：AI

人才正以前所未有的速度向高收入国家流动，加剧了发展中国家的“人才流失”（Brain

Drain），使得这些国家难以建立自主的

AI

生态系统。OECD

的调查同时揭示了一个危险的信号：虽然私营部门正在积极吸纳

AI人才，但公共部门和监管机构在AI

素养上存在巨大缺口（OECD和

WorldEconomicForum，2025年）。1.3AI初创企业发展趋势当前，AI

产业正从早期的“震撼效应”（Wow

Factor

）阶段迈入务实的“效用效应”（Utility

Factor）阶段。技术演进的焦点已不再局限于单纯的模型参数竞赛，而是转向架构效率的提升、与物理世界的深度交互以及自主执行能力的构建。1.3.1AI智能体崛起2025

年最为显著的技术趋势，是从生成式

AI

向

AI

智能体的战略转型。如果说传统的生成式

AI是“副驾驶”（Copilot），主要通过人机对话辅助人类生成内容；那么智能体则是“自动驾驶”（Autopilot），具备规划、工具调用、记忆保持和自我反思的能力，

能够独立完成复杂的AI初创企业价值创造蓝皮书（2025）13多步骤工作流。麦肯锡的研究指出，只有当

AI

从辅助人类转向替代任务时，企业才能真正释放出数万亿美元的生产力价值。智能体能够解决传统流程自动化（RPA）无法处理的非结构化任务（如商务谈判比价、复杂代码重构、供应链异常处理），从而突破当前

SaaS

软件的效率天花板（Yee

等，2025年）。然而，智能体的规模化应用仍受制于模型的推理成本和可靠性。这推动了聚焦基座模型的初创企业对模型架构进行革新，从单一的密集型（Dense

）模型向混合专家（MoE

）架构以及更复杂的复合

AI

系统演进，强调模型与数据库、API

、搜索引擎等外部数据源的高效协同。1.3.2“小模型”与边缘计算随着高性能

NPU

被广泛集成至智能手机和

PC

端，参数量在1B-7B

之间的“小模型”已具备直接在本地运行的能力。这一转变不仅将推理成本降至零，还从根本上解决了隐私泄露的顽疾。对于发展中国家而言，“小模型”是跨越算力鸿沟、实现

AI普惠的可行路径。这一趋势预计将引发消费电子行业的新一轮换机潮，支持端侧大模型运行将成为智能终端的标配，进而带动存储、电池散热等产业链的全面升级。1.3.3降本增收与场景拓展近年来，AI

模型——尤其是“大模型

+

小模型

+

蒸馏

/优化后模型”的组合基础设施，其推理与部署成本正在急剧下降。根据业内分AI初创企业价值创造蓝皮书（2025）14析，自

2022

年至

2024

年间，达到类似

GPT-3.5

水平的模型调用成本，其每百万

token的费用从大约

20

美元降至约

0.07

美元，降幅高达约

280倍（如图

1–3

）。成本的下降意味着构建

AI

应用的门槛显著降低，对于初创企业而言，利用AI

降本增效变得更具可行性。然而，市场调研显示，在采用生成式

AI

降低运营成本的企业中，约有

75%

的相关项目最终未能达成预期的成本节约效果。这表明，仅仅帮助客户“降本”的初创企业容易陷入价格战的泥潭，而能够帮助客户“增收”的企业将获得定价权。增收的手段具体包括提高客户产品/服务的价值、创造新收入模式、提升客户单位经济产出（如客单价、用户转化率、服务扩展能力等）。从融资视角来看，投资人和市场的关注点也越来越倾向于那些能够实现场景化落地、真正为客户带来商业收益的

AI初创企业。AI初创企业价值创造蓝皮书（2025）图

1-3AI

基座大模型成本151.3.4主权

AI（Sovereign

AI）出于对数据安全和地缘政治的考量，各国政府越来越不愿意依赖通过海缆连接的美国数据中心。趋势显示，世界正在走向“主权

AI”时代。与此同时，各国纷纷建立由国家资助的、符合本地法律和文化

规范的算力基础设施。这虽然导致了全球

AI

市场的碎片化，但也为

区域性的

AI

基础设施提供商，以及深耕区域市场的初创企业创造了

巨大的市场机会。1.3.5劳动力市场极化效应逐渐显现在初期，由于高昂的学习成本、流程重构的摩擦以及算力投入，AI对劳动力市场的替代作用并不显著。但在深度整合后，劳动力市场的极

化风险逐渐显现。麦肯锡的数据显示，32%

的受访者预计未来一年企业员

工数量会因

AI

而减少，而认为会增加的仅占

13%（Singla等，2025）。世

界银行提出，历史上，发展中国家通过承接业务流程外包（BPO）、初级

代码编写等服务业工作实现经济爬坡。然而，AI智能体恰恰最擅长自动

化这些入门级的认知工作。这可能导致发展中国家传统的发展阶梯被抽

离，面临“未富先老”的过早去专业化风险（World

Bank，2025年）。1.4AI初创企业价值创造分析1.4.1全球和中国市场概况基于对全球

5,181

家

AI初创企业的深度追踪与全样本统计，当前AI初创企业价值创造蓝皮书（2025）16AI

市场呈现出高度集中的竞争格局，国家与城市层面均存在明显的梯队分化（见图

1–4

）。绝大部分市场份额与商业价值集中于少数领先国家及其核心城市——排名前十的国家聚集了全球

AI

产业的核心力量，其估值总额高达

42,818

亿美元，占全球总额的绝大比例，显示出极强的“头部效应”。在全球国家维度上，美国以1,788

家上榜公司和约

3.46

万亿美元的估值总额占据绝对主导地位。其估值总额占全球样本总额的比例接近

80%，公司平均估值高达

19.35亿美元，彰显了其在

AI

领域的深厚产业基础与极高的资本价值密度。中国以679

家公司位居全球数量第二，估值总额约为

6,230亿美元，平均估值约为

9.17亿美元。尽管中国在企业数量上具备显著的规模优势，但平均估值约为美国的

47%，显示出在单体企业价值创造上仍有较大的追赶空间。英国（

175

家，约668

亿美元）、德国（85

家，约

312

亿美元）、法国（66

家，约

250

亿美元）及加拿大（75

家，约

239

亿美元）构成了第二梯队，虽然具备一定的产业规模，但在估值体量上与美中两国存在显著差距。值得注意的是，以色列凭借115

家企业、平均估值1.38亿美元的初创生态，展现出极高的创新活跃度；而阿联酋虽然仅有11

家企业