最近在园区和创始人交流听到类似的困惑：
「去年竞品一分钱收入没有，融了近亿元；今年我有客户、有数据，估值反倒被压掉了一半。」
「BP 发出去三十多家机构，聊得愉快的不少，真正走到尽调的，一只手数得过来。」
这几句话，说的是同一个反差：新闻里的AI融资一轮比一轮大，可真轮到早期团队，投资人却问得更细、看得更慢。
这个落差是真实存在的。三季度全球风投一共投出1590亿美元，其中 1020亿美元流向 AI 公司，占比仍然高达64%。但同一时间，27笔10亿美元以上的大额融资，拿走了全部资金的三分之一。
它们并不矛盾，只是说明 AI 投资正在换位置：从“证明模型能做什么”，转向“谁能把模型变成稳定的生产力”。
01.
钱没有消失，只是在向两端集中
如果只看AI占风投比重，一季度是80%，二季度降到70%以上，三季度继续降到64%，很容易得出“AI 开始退潮”的判断。
▲ AI 占全球风投比重，2026年一至三季度
但退潮解释不了另一组数字：三季度全球种子轮总额达到130亿美元，其中约两成单笔超过1亿美元。Databricks、Safe Superintelligence 各自拿到50 亿美元，几家做算力和模型基础设施的公司，单轮也都在30亿美元以上。
▲ 2026年三季度，全球风投的钱去哪了
占比下降不是热情消失，而是第一阶段的“能力竞赛”，开始让位给第二阶段的“交付竞赛”。
一位长期看早期项目的投资人朋友有个说法，放在这里很合适：「大钱在替巨头买门票，那跟早期团队已经不是一个市场。我们现在看项目不听概念和故事。」
02.
早期机构在投的，不是更炫的模型，而是更具体的工作
把 a16z 和红杉美国近两个月公开披露的28笔投资拆开看，最多的不是人形机器人，也不是通用聊天助手，而是替企业完成具体工作的公司。
▲ 28笔公开披露投资的赛道归类（a16z + 红杉美国）
这些公司听起来并不都“性感”：Valon管房贷流程，EliseAI做房产保险，Blacksmith 给 AI 写出来的代码做测试，还有公司替机加工厂生成报价、替销售团队训练话术。
它们有一个共同点：不是把一个工具交给客户，让客户自己学着用，而是直接接管客户流程里的一段工作，资本看重了三个确定性：
预算本来就存在
企业过去就为房贷处理、保险服务、软件测试、销售培训付过钱，不需要从零教育市场。
结果可以验收
报价是否更快，代码是否通过测试，保单是否按时处理，都比“AI 体验不错”更容易衡量。
流程会沉淀数据
每服务一次客户，系统就更懂这个行业的规则、异常和边界。模型大家都能调用，真正难复制的是客户在长期交付中留下来的流程和数据。
机器人并不是没人投，而是投得更早、更底层。红杉领投 Mecka AI不造机器人本体，做的是人体动作数据，也就是人形机器人的训练材料。YC 最新一批项目里，海上核动力数据中心、无人机、机器人训练数据同样受到关注。资本不只是买“一个会动的机器人”，而是在买机器人进入真实世界之前必须具备的能源、数据、场景和供应链。
还有一位投资人朋友的问题更直接：「模型明天免费了，你还剩什么？」
能把这个问题答清楚的团队，答案往往离不开前面说的那三样东西：已有的预算、可验收的结果、沉淀下来的流程和数据。
03.
为什么偏偏是这些公司：模型越强，它们反而越值钱
Blacksmith 是一个很好的例子。
AI 写代码越快，企业积压的代码反而越多。代码生成不再是瓶颈，测试、构建、发布成了新的瓶颈。Blacksmith 不去和模型公司比谁更会写代码，而是把代码写出来之后的那段流程接过来。模型每升级一次，代码生成能力就更强，需要测试和交付的代码也更多。对 Blacksmith 来说，模型升级不是替代风险，而是需求放大器。
这背后是一个很重要的变化：AI 的价值正在从“生成答案”，转向“承担结果”。
企业不会因为一个 Agent 能聊天就持续付费。它愿意为更少积压的工单、更快完成的报价、更低差错率的代码、更及时处理的保单付费。客户买的是结果，不是模型调用量。
园区一位做工业软件的创始人朋友说得更直白：「客户根本不关心你后台挂的是哪家的模型，他只问两件事：性能是不是稳定的，出了错算谁的。」
红杉合伙人 Julien Bek 有一个很直观的算式：企业每花1美元买软件，大约会花6美元买服务。
▲ 企业软件预算背后的服务支出
过去，软件公司只能收那1美元，因为大量服务必须靠人完成。现在，AI 把一部分服务成本压下来，软件公司第一次有机会去赚原来属于人工服务的那6美元。
04.
几个正在发生的现象，背后是同一个逻辑
团队正在变小。
YC 最新一批公司的团队人数中位数只有2个人。AWS 对3400多位创业者的调研也显示，AI 原生公司平均3.5年长成独角兽，比过去快一倍；不少公司的支出正在从工资转向 Token 费用。现在两三个人可以借助模型、自动化和云端基础设施，完成过去一个小团队才能完成的流程。小不再是短板，交付不清才是。
一位创业朋友今年的状态就很典型：公司两个人，外加一组 Agent。「以前十个人的活，现在两个人就干了，」他说，「省下来的工资，全变成了 token 账单。」
消费应用变少，工业、医疗和安全场景变多。
通用聊天和轻量内容工具门槛太低，模型升级一次，产品可能就失去存在理由。相反，工业流程、医疗记录、金融合规、代码安全这些领域，客户要求更高，进入更慢，但一旦进入，流程、数据和信任都会沉淀下来。
“信任”开始成为一门生意。
Agent 不只是回答问题，还会调用系统、操作数据、发起流程。它越像员工，企业越需要知道：它是谁，能访问什么，做错了谁负责，结果怎么验证。身份认证、代码测试、数据治理、内容溯源，看起来是辅助环节，实际是 Agent 进入企业前必须铺好的路。
产业方正在变得更重要。
硬科技和具身智能尤其如此。只有资金，没有场景，团队很难完成从样机到产品的跨越；只有模型，没有供应链和客户，也很难验证商业闭环。红杉中国和宇树的合作，正是把“懂产业的人”和“懂资本的人”放到同一张桌子上。
这些现象看似分散却本质相同：模型能力越来越标准化，真正稀缺的是场景、数据、交付责任和产业协同。
05.
回到企业：别先问用了什么模型，先问替谁完成了什么工作
对早期团队来说，这些变化可以落成三个很具体的问题。
第一，客户原来为这件事花过钱吗？如果企业过去就为外包、人工审核、流程管理付过钱，AI 是在替代一项已有成本；如果从来没有人为这件事付费，团队就要准备好更长的市场教育周期。
第二，下一代模型发布时，产品是变得更好用，还是被直接替代？站在模型能力之上的产品，应该享受模型升级，而不是害怕模型升级。
第三，交付越多，沉淀下来的是什么？如果留下来的只是调用量，壁垒会很薄；如果留下来的是行业数据、客户流程、异常处理经验和信任关系，壁垒才会变厚。
先把真实场景、首批客户和产业链伙伴找到，再按项目阶段连接技术、市场、资本和出海资源，往往比先谈估值更有价值。
AI 投资没有变冷。它只是从热闹的演示台前，走进了更具体、也更考验交付能力的现场。
数据来自 a16z、YC、红杉公开材料及 Crunchbase、AWS、Carta 报告，截至 2026年11月；赛道归类依据公开报道人工整理，不构成投资建议。
望京科技・OPC智创空间
望京创客说
