核心观点：进入2025年，AI创投生态的焦点正从技术炒作转向商业化落地，AI独角兽们开始证明其可持续的收入模式。AI Agent和“AI原生”独角兽商业模式的发展成熟为全新的企业形态和创业模式提供了可能。
AI行业引领全球独角兽生态规模的增长
2024至2025年，全球AI初创企业的融资规模呈现出指数级增长：在2025年迄今为止诞生的54家估值超过10亿美元的公司中，超过半数（57%）是AI公司。资本正疯狂涌入这一赛道，风险投资中几乎每两笔就有一笔流向了AI初创企业。仅2025年上半年的AI行业融资额，便已超过2024年全年总和（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
早期的AI投资主要聚焦于“AI+行业”的赋能逻辑,投资人关注的是如何用AI改造现有业务流程。但2024年后,投资逻辑发生了根本性转变。资本开始追逐那些只有AI才能创造的全新价值——如ThinkinMachinesLab（由前OpenAI首席技术官MiraMurati联合创立）在未推出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不可想象（表1）。
表 1：2025年新晋的前五AI独角兽 资料来源：Pitchbook
超级独角兽的崛起是本轮AI投资集中化最直观的体现。在近一年来相继完成巨额融资之后，全球估值前十的独角兽之中，已经有四家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它们对算力、算法和模型的掌握，它们代表了当前市场对于AGI（通用人工智能）潜力的最高定价（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
这些市场风向反映了市场对AI技术“范式突破”的预期。投资人押注的不再是渐进式改进,而是指数级跃迁——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，市场空间将呈现非线性扩张。
从商业化水平上来看，目前全球约有15家AI公司的ARR（年度经常性收入）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），和AI数据标注企业ScaleAI（15亿美元）。而ARR从5000万美元到10亿美元之间的AI企业则基本上以各类AI应用为主。
AI Agent和AI原生企业逐步实现商业化能力
2025年，AI行业的创投热点向平台层和应用层全面铺开，特别是AI Agent（AI智能体），催生了颠覆性的产品与体验。
AI Agent是一个基于大语言模型（LLM）的系统，旨在通过推理、规划和与外部工具交互，代表用户独立执行任务。
在不到一年的时间里，AI Agent领域已从大约300家企业发展到数千家。从电子商务到工业，Agent正在逐渐融入各个垂直行业的工作流程。而底层模型能力的每一次跃升，都直接转化为AI原生创企ARR的阶跃式增长。
这些创企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——这些产品的核心功能在没有AI的时代根本无法实现。它们的产品核心价值随模型的性能提升而提升，而非运营效率。
例如，2024年9月，法务AI初创公司Harvey宣布，OpenAI的o1推理模型，加上特定领域的知识和数据，使其能够构建法律Aent。该公司于2025年2月以30亿美元的估值融资3亿美元，过去6个月其销售团队规模翻了一番，并达到了1亿美元的营收门槛（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，五分之一正在打造AI智能体，这些独角兽展现出惊人的成长速度。Anysphere从成立到估值99亿美元仅用了3年,其产品Cursor的ARR已达5亿美元。Lovable成立仅2年即达到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年才能实现。
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、漫长的开发周期、反复的测试迭代。而AI原生企业可以利用基础模型快速构建原型、通过生成式AI自动化大量开发工作、依靠智能化产品实现自然增长。这种“AI加速的AI创业”形成了正向飞轮：更快的产品迭代→更好的用户体验→更快的营收增长→更多的资本支持→更强的技术投入。
在商业化模式上，AI服务正在从早期的软件订阅转向结果导向型付费。对于能够完全自主执行复杂任务的AI Agent功能，则可能采用按任务成功率或计算时长按需付费。这种模式的灵活性能够更好地服务于不同规模和需求的客户。
当AI Agent能够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），收费将基于其交付的结果质量和业务影响，而非仅仅是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软件订阅模式无法匹配AI所提供的非线性价值的问题。
“数字同事”正在从概念走向现实
AI Agent初创公司在2024年融资38亿美元（几乎是2023年总额的三倍），所有大型科技公司领先的大模型开发商都在开发通用的AI Agent或为其提供工具。更加自主的AI Agent将对企业产生深远的影响，从改变员工结构（建立由人类和AI Agent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。
由于大部分企业倾向于选择成熟的供应商，大型科技公司在AI智能体开发方面拥有显著优势。同样，像Salesforce（Agentforce）和ServiceNow（AI Agent Marketplace）这样的企业软件巨头已经推出了针对其现有客户群的智能体平台。
然而，技术栈各层的初创公司正在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、专业化的参与者也拥有许多机会。在AI时代，专业化深度与生态位选择同样重要。
以ARR已达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通用大模型等不同，Glean基于对企业数据的整合+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Agent如何以更有突破性的形态出现。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，而不是在传统产品上叠加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版图中占比最高。这一细分领域主要包括面向企业的初创公司，提供跨行业的通用应用，横跨不同企业系统（包括ERP、CRM、HRM等），覆盖人力资源/招聘、市场营销和安全运营等各种工作职能。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和带来巨大价值。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够负责从需求分析、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那些重复性高、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Agent不仅能执行单一任务，还能理解跨系统的业务逻辑，实现端到端的流程自动化。
创意与开发辅助工具：AI编程Agent在商业化方面遥遥领先，其中6家软件开发代理名列前茅，包括Anysphere的Cursor（ARR5亿美元）和Replit（ARR1.5亿美元）等市场领先者。根据创投数据机构CB Insights的统计，客户服务AI Agent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编程工具提质增效。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，可以精准预测用户下一次编辑，并且一次为用户提供跨多行代码建议，加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Agent也在不断涌现。初创公司通过解决特定行业的客户问题来开辟细分市场，特别是在监管严格和数据敏感的领域，例如前文提到的Harvey。Harvey在法律领域的成功证明：当AI掌握了领域知识、理解了行业工作流、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创企正在复制这一模式，通过“行业数据+合规框架+工具化能力”的深耕，吃下完整工作流。
AI智能体的可靠性仍然是该领域面临的一大挑战。智能体一旦出现故障、出现幻觉或行为异常，就会立即带来业务风险。随着人工智能能力的提升，我们预计会有更多初创公司在自主性方面迈进。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对创业组织形态和发展模式的革新
随着基础模型能力的提升，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智能体的不断发展，创业者将发现生成式AI使创业变得廉价和方便——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一个中型组织的生产力。这不仅显著降低了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地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，而非传统的渠道或人力规模。
AI智能体和数字员工的发展将推动“AI平权”的新一波浪潮——创业者的技术背景将不一定最为重要，重要的是发现能够用AI解决的问题，这又要求创业者对AI的能力和局限有深刻的理解，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对创业者带来了可观的前景，但它也让快速复制创意变得更加容易。要想在AI创业生态占据一席之地，创业者需要花更多心思打造独特的竞争优势，比如能够解决ChatGPT和DeepSeek等通用型聊天机器人无法解决的问题，而非仅仅是提供边际效率改进。
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
金鼎配资提示：文章来自网络，不代表本站观点。
