自2023年下半年以來，已有25家人工智能相關(guān)企業(yè)在港交所IPO上市，僅2025年上半年就有5家AI企業(yè)成功上市?？梢夾I板塊正成為資金鏈條上最具確定性的增長(zhǎng)點(diǎn)。

資本的目光從來不會(huì)無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？哪些落地方向最具現(xiàn)實(shí)變現(xiàn)潛力？而想成為“AI第一股”的公司，又應(yīng)該怎么走？

作者|斗斗

編輯|皮爺

出品|產(chǎn)業(yè)家

2025年，AI似乎成了少數(shù)仍能匯聚確定性與想象力的方向，吸引著資金、人才與敘事的加速匯聚。

IT桔子數(shù)據(jù)顯示，截止今年三季度，共有764家AI公司獲得風(fēng)投投資，創(chuàng)下近五年新高，交易金額高達(dá)830億元。

表面上看，一級(jí)市場(chǎng)熱度在回升，但事實(shí)上，市場(chǎng)可投賽道并不多，而資金仍集中涌向了AI領(lǐng)域，呈現(xiàn)出一種風(fēng)景獨(dú)好的狀況。

這種“熱度集中”的現(xiàn)象，并非只出現(xiàn)在一級(jí)市場(chǎng)。二級(jí)市場(chǎng)的IPO動(dòng)向，同樣驗(yàn)證了AI的資本吸引力。據(jù)LiveReport大數(shù)據(jù)統(tǒng)計(jì)，自2023年下半年以來，已有25家人工智能相關(guān)企業(yè)在港交所IPO上市，僅2025年上半年就有5家AI企業(yè)成功上市?？梢夾I板塊正成為資金鏈條上最具確定性的增長(zhǎng)點(diǎn)。

資本的目光從來不會(huì)無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性？哪些落地方向最具現(xiàn)實(shí)變現(xiàn)潛力？而想成為“AI第一股”的公司，又應(yīng)該怎么走？

這些，正是下一階段AI產(chǎn)業(yè)競(jìng)爭(zhēng)的關(guān)鍵命題。

一、被資本選中的“AI寵兒”們

對(duì)比2024年，今年被資本選中的AI企業(yè)，顯然更加務(wù)實(shí)。

據(jù)產(chǎn)業(yè)家統(tǒng)計(jì)，2025年前三個(gè)季度，人工智能領(lǐng)域一級(jí)市場(chǎng)共發(fā)生548起交易事件，同比增長(zhǎng)44.59%，具體到細(xì)分賽道上，AI通用應(yīng)用和AI行業(yè)應(yīng)用占據(jù)近一半，成為增長(zhǎng)最迅猛的兩條主線；在交易金額上，AI行業(yè)應(yīng)用則躍升為資金最集中的洗到賽道，達(dá)到150億元。

這一趨勢(shì)與去年資本在AIGC層的狂熱完全不一樣。

2024年同期，AIGC賽道交易金額高達(dá)308億元，占總額六成。而今年這一數(shù)字銳減至111億元，同比下降64.01%。資本對(duì)AIGC“降溫”也直接拉低了整個(gè)AI交易金額，使得2025年前三個(gè)季度交易金額僅為460.64億元，同比下降8.43%。

然而，資金并未離場(chǎng)，而是更精準(zhǔn)地流向了“能落地”的領(lǐng)域。

資本將更多資源投向AI通用應(yīng)用、AI行業(yè)應(yīng)用以及AI基礎(chǔ)技術(shù)三大方向，分別增長(zhǎng)216%、36.8%和153.74%。值得注意的是，基礎(chǔ)層雖然拿到更多融資，但這在一定程度上與該領(lǐng)域設(shè)備重、投入高有關(guān)。資本不是收縮，而是在調(diào)整配置，把錢放在更能轉(zhuǎn)化為生產(chǎn)力的地方。

進(jìn)一步剖析前三季度一級(jí)市場(chǎng)獲得1億以上融資的企業(yè)，發(fā)現(xiàn)大部分公司主要是聚焦于醫(yī)療、物流、自動(dòng)駕駛、機(jī)器人、營(yíng)銷數(shù)字化這幾類具體的應(yīng)用場(chǎng)景。資本顯然在回歸一個(gè)原則，即AI要“接地氣”。

再看AI領(lǐng)域的二級(jí)市場(chǎng)。

截止2025年7月，二級(jí)市場(chǎng)成功上市五家企業(yè)，涵蓋倉(cāng)儲(chǔ)物流、解決方案、無人礦卡等多個(gè)領(lǐng)域。

表面上看這些企業(yè)也屬于行業(yè)應(yīng)用，但不同點(diǎn)在于，IT桔子將這些企業(yè)歸于了AI基礎(chǔ)層和AI技術(shù)層。此外，這些企業(yè)普遍具備穩(wěn)健的盈利能力。例如極智嘉收入達(dá)人民幣10.25億元，同期增長(zhǎng)31.0%，這得益于倉(cāng)儲(chǔ)機(jī)械人跑通AI商業(yè)模式；云知聲雖整體利潤(rùn)增長(zhǎng)放緩，但其山海大模型收入近1億元，同比激增457%。顯示出AI技術(shù)在原有業(yè)務(wù)體系中的放大效應(yīng)。

值得注意的是，無論是一級(jí)市場(chǎng)還是二級(jí)市場(chǎng)，這些“AI寵兒”大部分AI屬性都不夠“純粹”。

換句話說，AI并非它們的唯一標(biāo)簽，大多數(shù)并不是AI原生公司。明略科技仍以政企數(shù)字化、知識(shí)圖譜和智能決策為主營(yíng)；云知聲早在2012年成立，定位也曾轉(zhuǎn)換；滴普科技的根基在數(shù)據(jù)分析。一級(jí)市場(chǎng)上，真正“純AI”的公司屈指可數(shù)，僅有的幾家，背后也都有巨頭加持或成熟產(chǎn)業(yè)鏈的資源托底。比如betteryear背靠阿里，Intent AI獲得的是戰(zhàn)略投資。

同樣地，二級(jí)市場(chǎng)的贏家往往是那些深耕行業(yè)已久，再借AI完成躍遷的企業(yè)。

這透露出一個(gè)耐人尋味的現(xiàn)象，無論是一級(jí)市場(chǎng)還是二級(jí)市場(chǎng)，資本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有著清晰的商業(yè)化路徑。

二、AI落地產(chǎn)業(yè)，真實(shí)溫度幾何？

資本的選擇，從不是孤立事件，這背后反映出的是市場(chǎng)對(duì)落地難易度的集體判斷。

回看AI技術(shù)熱潮襲來的這幾年，技術(shù)落地最多、最快的是界面層的改造。這一層改造集中發(fā)生在編程開發(fā)、客服、辦公、內(nèi)容營(yíng)銷等場(chǎng)景，它們具備“低風(fēng)險(xiǎn)、高頻率”的特征，AI在這些環(huán)節(jié)提升了操作效率、降低了人力成本，也迅速讓企業(yè)初步看到了ROI的正反饋。

比如在編程開發(fā)場(chǎng)景，GitHub的一項(xiàng)研究顯示，AI編程助手可使開發(fā)者完成任務(wù)的速度提升約26%，AI不僅擅長(zhǎng)代碼補(bǔ)全、單元測(cè)試生成、邏輯優(yōu)化，甚至參與初步的代碼審查。

但隨著AI進(jìn)入更高階的開發(fā)環(huán)節(jié)，短板逐漸顯現(xiàn)。MIT一項(xiàng)實(shí)驗(yàn)指出，對(duì)于資深開發(fā)者而言，AI對(duì)生產(chǎn)力的提升僅為8%～13%，甚至在某些場(chǎng)景中，AI的引導(dǎo)反而讓開發(fā)時(shí)間延長(zhǎng)了19%。

這也解釋了為什么在一級(jí)市場(chǎng)上，許多主打界面層應(yīng)用的AI初創(chuàng)企業(yè)在早期看似炙手可熱，卻很難持續(xù)放大營(yíng)收曲線。技術(shù)門檻不高、服務(wù)可替代性強(qiáng)、同質(zhì)化嚴(yán)重，是這個(gè)賽道的系統(tǒng)性難題。

這些界面層的AI改造，只有與業(yè)務(wù)流程深度串聯(lián)，才能釋放真正的生產(chǎn)力。一些企業(yè)已經(jīng)意識(shí)到這一點(diǎn)，開始將AI嵌入核心業(yè)務(wù)鏈條。由此，在醫(yī)療、金融、教育、物流、零售等領(lǐng)域，AI的重心正逐步下沉至流程層的改造。

醫(yī)療行業(yè)是一個(gè)典型樣本，阿里云白皮書提出的四象限模型顯示，醫(yī)學(xué)影像診斷與藥物研發(fā)處于“高成熟度+高潛力”區(qū)間，其中醫(yī)學(xué)影像AI產(chǎn)品商業(yè)化率已達(dá)90%；英矽智能其生成式AI平臺(tái)將抗體研發(fā)周期壓縮10倍，實(shí)現(xiàn)四項(xiàng)藥物授權(quán)合作，總金額超15億美元。而就在今年這家企業(yè)獲得多筆大額融資。

AI在醫(yī)療行業(yè)的落地，不僅限于研發(fā)。BD公司通過預(yù)測(cè)性分析優(yōu)化庫(kù)存管理，將預(yù)測(cè)準(zhǔn)確率提升20%，顯著降低庫(kù)存成本；而森億智能的智慧醫(yī)院解決方案，通過AI驅(qū)動(dòng)的病歷生成與質(zhì)控，將醫(yī)生文書時(shí)間縮短50%；西門子的AI平臺(tái)，在提升診斷精度的同時(shí)，將放射科工作流程效率提升40%，實(shí)現(xiàn)協(xié)同優(yōu)化。

這些案例背后的共同點(diǎn)在于AI不再只是工具，而是嵌入系統(tǒng)之中的決策變量。一旦進(jìn)入流程，它便成為企業(yè)最深的護(hù)城河，也因此成為資本最愿意押注的方向。

但流程層的改造并不輕松。首先是數(shù)據(jù)，企業(yè)的數(shù)據(jù)分散在不同系統(tǒng)、格式不統(tǒng)一，AI模型要理解需要大量清洗與標(biāo)注。其次是組織，要讓AI接管決策流程，意味著管理層要放權(quán)給算法。多數(shù)企業(yè)依然在“AI+人工”雙軌狀態(tài)，模型決策還需要人工驗(yàn)證。

醫(yī)療場(chǎng)景就凸顯了這種復(fù)雜性。數(shù)據(jù)偏差、解釋性不足、倫理責(zé)任模糊、流程嵌入復(fù)雜等問題，使得AI目前在醫(yī)療行業(yè)主要承擔(dān)質(zhì)控、影像判讀、醫(yī)患溝通等角色，離“獨(dú)立診斷”仍有顯著距離。

不過，從技術(shù)節(jié)奏來看，這仍不是AI落地的盡頭。

AI真正的價(jià)值，在于對(duì)業(yè)務(wù)邏輯的重新定義。這一層不是工具升級(jí)，也不是流程優(yōu)化，而是對(duì)整個(gè)系統(tǒng)運(yùn)行機(jī)制的重塑。自動(dòng)駕駛、具身智能，以及像京東、快手構(gòu)建的AI導(dǎo)購(gòu)系統(tǒng)，阿里國(guó)際站的“AI合伙人”，本質(zhì)上都在探索一種AI原生的組織與運(yùn)營(yíng)方式。

但這一步也最遠(yuǎn)。它要求的不僅是高質(zhì)量數(shù)據(jù)和巨額算力投入，更需要多年的工程落地驗(yàn)證。在當(dāng)下，能進(jìn)入這一層的公司寥寥，大多數(shù)仍處于實(shí)驗(yàn)室驗(yàn)證或局部試點(diǎn)階段。

總的來說，界面層AI持續(xù)變現(xiàn)難，業(yè)務(wù)邏輯重塑層AI投的是未來，而流程改造層AI則可能是眼下最容易兌現(xiàn)的商業(yè)化區(qū)間。

這也解釋了為什么一級(jí)市場(chǎng)真正“純AI”的公司數(shù)量極少，而二級(jí)市場(chǎng)上大多數(shù)被歸為“AI概念股”的上市企業(yè)，其實(shí)是“AI+多年行業(yè)經(jīng)驗(yàn)”的組合體。

三、尋找AI浪潮里的下一個(gè)IPO

在AI領(lǐng)域，下一個(gè)敲鐘的人，正在加速趕來。

數(shù)據(jù)顯示，截至2025年7月24日，港交所已有214家公司遞交上市申請(qǐng)，其中AI相關(guān)企業(yè)多達(dá)48家，占比22.43%。換句話說，每5家擬上市公司中，就有1家與AI相關(guān)。

更有意思的是，這48家AI概念擬上市公司中，11家為A+H公司，占比高達(dá)22.92%。這意味著AI領(lǐng)域已有一批技術(shù)成熟、商業(yè)化路徑清晰、具備國(guó)際化布局能力的“頭部企業(yè)”嶄露頭角。它們正通過雙重上市來穩(wěn)固資本根基、放大全球影響力。

天下英雄如過江之鯽，誰(shuí)能脫穎而出，成為下一個(gè)真正意義上的產(chǎn)業(yè)敲鐘人？

回看2025年前后成功登陸資本市場(chǎng)的一批AI公司，可以發(fā)現(xiàn)一種隱性的共識(shí)：落地路徑要“以點(diǎn)帶面”，技術(shù)打法需“以場(chǎng)景起家”。

無論是云知聲的醫(yī)療AI、明略的營(yíng)銷AI，還是極智嘉的倉(cāng)儲(chǔ)機(jī)器人、斯年智駕的港口無人車，幾乎都遵循了類似軌跡，那就是從一個(gè)確定性高的業(yè)務(wù)場(chǎng)景出發(fā)，深挖需求、打磨產(chǎn)品，做到業(yè)內(nèi)領(lǐng)先，再逐步橫向擴(kuò)張相近領(lǐng)域。

云知聲選擇的突破口是病歷質(zhì)控和地鐵語(yǔ)音購(gòu)票兩個(gè)場(chǎng)景。通過樹立標(biāo)桿項(xiàng)目，它構(gòu)筑起能用、好用的早期用戶認(rèn)知，為后續(xù)通用大模型的應(yīng)用拓展提供了現(xiàn)實(shí)抓手。海致科技也是類似路徑，其通過知識(shí)圖譜技術(shù)切入金融反欺詐場(chǎng)景，逐步將能力延展至運(yùn)營(yíng)風(fēng)控與數(shù)據(jù)治理，實(shí)現(xiàn)了“場(chǎng)景突破—平臺(tái)沉淀”的良性循環(huán)。

這些AI企業(yè)在商業(yè)化的路徑選擇上，也普遍繞開了與通用大模型正面競(jìng)爭(zhēng)，轉(zhuǎn)而采取“垂直化+專精化”的策略。

值得注意的是，這批走到“敲鐘”前線的AI企業(yè)，還有一個(gè)共性，那就是他們幾乎都在早期就投入建設(shè)了自己的平臺(tái)型產(chǎn)品或基礎(chǔ)技術(shù)架構(gòu)。

比如云知聲擁有自研的大模型平臺(tái)“云知大腦”與語(yǔ)音芯片Atlas；滴普科技打造了FastData與FastAGI雙平臺(tái)，分別對(duì)應(yīng)數(shù)據(jù)引擎與智能引擎；明略在“秒針系統(tǒng)”與“小明助理”之間構(gòu)建起從分析到?jīng)Q策的全鏈路AI運(yùn)營(yíng)系統(tǒng)；而極智嘉和斯年智駕則圍繞AI應(yīng)用場(chǎng)景構(gòu)建了軟硬件一體化的全棧方案，實(shí)現(xiàn)從算法、感知、決策、執(zhí)行的端到端閉環(huán)。

這些自主平臺(tái)一方面凝聚了核心算法、模型、工具鏈，形成技術(shù)壁壘，另一方面也方便產(chǎn)品標(biāo)準(zhǔn)化復(fù)制，降低項(xiàng)目交付成本。是AI企業(yè)從人力密集型項(xiàng)目向產(chǎn)品化、規(guī)?；l(fā)展的必要階段，誰(shuí)的平臺(tái)能力強(qiáng)，誰(shuí)就更能主導(dǎo)商業(yè)化節(jié)奏。

據(jù)IDC等機(jī)構(gòu)預(yù)測(cè)，中國(guó)AI解決方案市場(chǎng)未來5年仍將保持50%以上年增長(zhǎng)，2030年規(guī)?？赏^萬億元。這既是巨大機(jī)遇，也是激烈戰(zhàn)場(chǎng)。

大模型時(shí)代技術(shù)日新月異，唯有掌握獨(dú)特場(chǎng)景數(shù)據(jù)和know-how，才能抵御同質(zhì)化競(jìng)爭(zhēng)，成為下一個(gè)敲鐘的人。