AI獨角獸，直面全新KPI | AI進化論

「AI進化論」是長江商學院推出的AI+主題欄目，匯聚全球AI領域的原創洞見、產業實踐及前瞻研判。從技術突破到產業應用，從戰略布局到倫理邊界，在這里，一起與AI同頻進化。

AI創業的狂潮之下，一場無聲的淘汰賽已然打響�？駸嶂�，市場開始用最冰冷的標尺衡量商業價值——你的AI，究竟為客戶省下了多少真金白銀的人力成本？

兩年內，AI獨角獸市場將迎來洗牌期或淘汰潮。今天和你分享長江商學院滕斌圣教授、何澗石研究員最新發表于經濟觀察報的文章。文章指出，未來衡量AI商業模式成功與否的新KPI將是“凈勞動力獲取”，即廠商能將企業多少“人力薪酬預算”成功轉化為“軟件采購支出”。

作者 | 滕斌圣 何澗石

來源 | 經濟觀察報

原標題 | AI獨角獸生態：繁榮、驗證與分化

滕斌圣

長江商學院戰略學教授

戰略研究副院長

新生代獨角獸全球生態體系研究部主任

AI獨角獸生態：

爆發式增長與美國主導

2025年至今，全球AI獨角獸的數量和融資規模繼續爆發式增長。根據創投數據平臺CB Insights的統計，2025年人工智能領域的風險投資交易額同比接近翻倍，達到了創紀錄的2258億美元（圖 1）。

2026年第一季度，生成式AI領域的融資額已達到1635億美元，較去年同期增長599%。2025年全年誕生的新晉獨角獸中，有六成是AI獨角獸。截至2026年初，全球的AI獨角獸已有約370家。AI獨角獸的誕生節奏在2025年每季度均在提速，且進入2026年后未見放緩跡象。

圖1 投資者正趨向對少數頭部標的進行更大規模的資本下注

資料來源：CB Insights

在全球AI獨角獸生態中，美國依然是無可爭議的中心，全球約八成的AI融資發生在美國，全球超過四成的AI公司總部位于美國。美國包攬了絕大多數千億估值級別的“巨無霸”（表 1）。

表 1 全球估值超過百億美元的GenAI獨角獸

中國則是全球唯一能在底層大模型（尤其是開源大模型）上與美國抗衡的國家。中國的AI獨角獸集中分布在更廣義的人工智能領域（涵蓋大模型及基礎應用、智能駕駛和機器人三大板塊）。

與美國重金押注基礎大模型的邏輯不同，中國將優勢集中于“技術+產業場景”的結合，融合了軟件智能與實體機器人的具身智能正在加速崛起，成為中國科技經濟體系的新熱點。

2025年中國新晉的8家AI獨角獸中，有7家聚焦于機器人或具身智能領域。未來，具備預測和規劃能力的“世界模型”將與物理硬件深度結合，推動人形機器人和工業自動化在制造、倉儲等場景的大規模商用。

在細分領域中，垂直應用在融資數量上占據絕對主導，但AI的核心基礎模型與底層技術依然吸納了市場上最多的資本（表 2）。

隨著底層技術的逐步成熟，解決特定行業痛點的垂直AI應用在融資數量上迎來了大爆發，特別是企業服務和醫療健康領域。醫療領域的獨角獸在2025年第一季度占據了新晉AI獨角獸的55%，它們正在接管耗時的醫療文書和院內行政工作。

表 2 最熱門前五的AI賽道分布

資料來源：CB Insights

AI獨角獸進入

商業模式驗證期

國內外頭部的AI獨角獸從2025年開始陸續上市。中國的兩大AI獨角獸智譜和MiniMax已在港上市，美國的OpenAI、Anthropic、xAI有望在今年IPO。頭部AI企業天量級的研發和算力開支已無法僅依靠一級股權市場輸血維持，必須通過公開市場獲取更大規模、更低成本的長期資金。

“超級獨角獸”的巨額募資可能會吸干市場的流動性，令那些缺乏獨特優勢的中小型獨角獸面臨融資上的困難。

這也預示著AI獨角獸將在商業化能力上接受更大考驗。

AI獨角獸的生存和發展不僅依靠技術的顛覆性和模型的參數規模，更在于商業護城河、資本轉化效率以及能否跨越推理成本的可持續定價模式。

比如在代碼生成、營銷領域，被稱為“Copilot for X”的代碼生成或生產力工具，僅僅是建立在底層大模型之上的套殼應用。它們缺乏深厚、可防御的護城河，隨著基礎模型能力的自我進化，這些無產品壁壘的初創公司將在傳統企業被AI“吞噬”之前更早被淘汰。

生成式AI正在不可逆轉地重塑醫療、企業軟件、工業運營、金融、專業服務、媒體和教育等傳統行業各個部門的商業流程甚至邏輯。

其中具代表性的垂直應用構成了當前AI風險投資交易體量的絕對主力。如Cursor的代碼補全、Harvey的法律文檔生成、Abridge的醫療記錄自動化——這些產品的核心功能在沒有AI的時代根本無法實現。

成功的垂直AI獨角獸必須走向行業深水區，掌控底層數據記錄系統，通過在專有非公開記錄上微調模型，建立通用大模型無法復制的深度業務邏輯，重構特定領域的商業工作流，解決特定垂直商業痛點并建立起專有數據護城河。

這意味著大量缺乏專有數據壁壘的單點AI應用獨角獸將需要進行合并，以構建更難被替換的復合平臺。

前文提到的Anysphere和估值200億美元的Perplexity即是重構了特定領域的商業工作流的獨角獸案例。Perplexity是重塑傳統搜索引擎模式的AI原生問答引擎。它不再返回網頁鏈接，而是實時搜索并綜合信息，直接為用戶提供帶有來源引用的對話式解答。

估值逾百億美元的Cognition和Sierra則是企業從“購買軟件”向“租賃數字勞動力”商業模式轉移的獨角獸案例。Cognition的“AI軟件工程師智能體” 代表了GenAI獨立執行復雜開發任務的能力。Sierra是由Salesforce前高管創立，專注于為企業構建處理客服和品牌互動的對話式AI智能體。

目前看，信息不對稱程度高、人力成本占比大、可標準化程度強的傳統行業（如法律、醫療、金融、軟件開發），正在被AI獨角獸重塑。

但要重新定義傳統行業的游戲規則，AI獨角獸還需要跨越三道鴻溝：技術鴻溝（從原型到生產級可靠性）、監管鴻溝（從能力展示到合規認可）、信任鴻溝（從工具使用到核心依賴）。

傳統SaaS軟件增加一個新用戶的邊際成本幾乎為零，但AI智能體（數字員工）需要持續消耗高昂的推理算力。

根據一級市場數據平臺Pitchbook的估算，如果軟件公司的毛利率因為AI算力成本被拖累到60%以下，其商業模型就宣告破產，AI獨角獸必須證明它們能夠將算力成本有效轉嫁給客戶。

為了讓企業冒險遷移到未經市場驗證的AI初創公司，AI獨角獸正在將定價模式向“基于結果收費”轉移，例如按成功解決的客訴工單、或生成的財務報表來計費。

未來，衡量AI商業模式成功與否的新核心指標（KPI）將是 “凈勞動力獲取”，即廠商能將企業多少“人力薪酬預算”成功轉化為“軟件采購支出”。

這也是傳統SaaS模式面臨的最大危機。

因為AI智能體的設計初衷就是減少人類工作量，如果客戶用AI裁掉了30%的員工，按人頭收費的軟件公司收入將自動縮水30%。如果AI獨角獸的價值與其創造的真實業務價值直接掛鉤，那將是對傳統行業商業邏輯的顛覆。

生態前瞻

AI的長期發展正面臨嚴重的物理瓶頸——電力與算力基礎設施。

根據Pitchbook的預測，2026年，數據中心的電力消耗將等同于日本的整體能源消耗量，到2030年，全球GPU容量將實現約50倍的驚人增長，未來的AI核心競爭將集中在算力和能源基礎設施上。

為了支撐這種極其龐大的算力需求，數據中心脫碳技術、液冷系統、核能等，將成為未來幾年最吸金的藍海賽道。

在商業模式上，AI軟件正在徹底從“輔助工具”走向“全自動數字勞動力”。未來，多模態AI智能體（結合語音、文本、圖像、視頻）將率先在企業客服等高價值領域完成跑馬圈地。

基礎模型提供商正展現出比普通應用層初創企業更強的防御力。

因為基礎模型正在成為企業AI工作流的默認基礎設施，隨著智能體工作流的大規模部署，AI推理將演變為一種經常性的公用事業服務，使得這些企業的商業模式具有極強的長線鎖定效應。

2025年是AI Agent概念爆炸式擴張的一年，2026年則是見證AI Agent能否兌現價值的一年。CB Insights的調查顯示，36%的受訪企業已經開始在核心運營工作流中使用或部署AI智能體平臺。例如，在客戶服務、軟件開發和IT運維領域，智能體已經開始自主接管工作。

AI Agent的核心命題將從“能否完成任務”進化為“能否在真實企業環境中規�；\行、并交付可量化的ROI”。

那些能夠跨越這道商業應用門檻的Agent公司，有望成為新一批的超級獨角獸。而無法處理企業級安全性與復雜性要求的創企，將迅速被市場拋棄。

市場火熱的另一面是熱門賽道的擁擠和創投市場的資金分配極度不均。

2025年，不到5%的頭部公司吸走了超過50%的市場資金，近76%的公司只能爭奪不足16%的資金。這使得非超級頭部的AI初創企業面臨嚴峻的生存壓力。

市場競爭愈加激烈的同時，AI獨角獸面臨的另一難關是隨著業務規模擴大，算力成本隨之上升。

例如，部分AI應用獨角獸雖然在幾個月內就達到了1億美元的經常性收入（ARR），但其面臨的模型推理成本卻暴漲了20倍。

這種單位經濟的惡化正迫使企業限制使用量或提高價格，許多創始人甚至開始尋求退出，被科技巨頭以收購團隊并獲取技術許可的方式吞并。預計在近兩年內，AI獨角獸市場就會迎來洗牌期或者淘汰潮。

文中圖片來自圖蟲創意，轉載需獲授權。

人工智能+產業企業家項目

全國商學院首個

從認知到行動完整閉環的

人工智能+學習項目

點擊下方卡片，關注長江商學院