2026年AI融资流向：视频、图像和3D拿走大头，Agent成第二热点

视频、图像和3D拿走了大部分资金。

定焦One（dingjiaoone）原创

2026年，AI融资里金额最大的那些钱，仍然落在大模型、算力这类基础能力上。不过，发生在应用层的融资故事正变得越来越密集。

智东西的统计显示，2026年上半年国内AI产业链的亿元级融资中，AI应用方向的事件数量居首，共33起。视频、图像和3D生成在其中占了将近四成，AI Agent大约两成；企业应用、AI医疗/药物、AI金融、AI营销等方向也都有亿元级融资出现。

原点社区GTM公益社区发起人Megan，同时也是国内C端应用出海的操盘手。她向「定焦One」回忆，从与投资机构打交道的体感看，今年资本对AI应用的态度拐了几道弯：上半年整体偏积极；夏末秋初，部分机构开始收着投，原因有两个——具身智能等赛道吸走了注意力，另外一些AI应用砸下大量资金后，日活、声量和商业化都没能跑出来，退出路径也因此被更多讨论。10月之后关注度有所回暖，但投资人更愿意看自研模型能力、技术壁垒或者软硬件结合这类能做出差异的项目。

投资人一谨慎，钱的分布也就冷暖不一。AI创作公司演语科技6月完成近3亿美元B+轮融资，投后估值超过20亿美元；医疗、教育、营销、安全等行业里，更多公司拿到的是数千万元到数亿元的融资。另一边，字节、阿里、腾讯、快手等大厂几乎在每一个热门应用赛道上都露了面。

资金为何扎堆在少数赛道？融资少的行业，机会就更小吗？大厂压境之下，创业公司又凭什么活下来？

01.视频、图像和3D，最先拿到“大钱”

把今年AI应用公司的大额融资排在一起看，钱往哪流会清楚很多。

IT桔子的统计是：今年上半年，图片和视频生成为代表的AIGC应用赛道共84起融资，总额596.05亿元，单笔平均7.10亿元，在AI各细分赛道里排第一。生数科技、Sand.ai、LiblibAI/演语科技、爱诗科技这四家AIGC应用公司，合计融资93.78亿元。

大额融资今年持续往视觉创作类公司靠拢。

AI视频公司爱诗科技3月完成3亿美元C轮融资，7月整体C轮规模做到29.8亿元；6月，LiblibAI母公司演语科技完成近3亿美元B+轮融资，投后估值超过20亿美元；7月，生数科技完成5亿美元B+轮融资；AI 3D公司VAST在9月宣布B轮和B+轮融资合计约30亿元，不到半年累计融资约50亿元；Meshy 7月完成近4亿美元B轮融资。

视频和3D为什么能最先拿到大钱？

德物资本投资人丁柏然对「定焦One」说，资本最先掂量的还是市场天花板。ToC应用里，视频至今是承载内容最丰富、需求最广的媒介形态之一，3D则有可能成为下一阶段的内容新载体。对需要押注“大机会”的资本来说，这类赛道更装得下大公司，也值得长期下注。

市场够大只是门槛。Alumni Ventures投资总监Bryan Liu向「定焦One」表示，视觉生成还有个容易被资本盯上的特点：产品反馈周期短。

他的原话是：“生成一段视频、一张图片或一个3D素材之后，内容是否可用、用户是否愿意使用和付费，往往能够在较短时间内得到验证。”这样一来，视觉生成比那些要长期才能验证效果的行业应用，更容易讲清这一代产品比上一代强在哪。

一批视觉生成公司已经提前交出了可量化的商业化成绩。

爱诗科技旗下PixVerse在2024年11月启动商业化，到2025年10月披露的ARR已超过4000万美元，用户超过1亿，收入以会员订阅为主，且主要来自海外；演语科技披露，截至2026年5月公司整体ARR达到3亿美元。资本由此可以用用户规模、订阅收入、API调用这些更接近传统互联网公司的指标，来衡量一家AI应用企业。

商业化快也不是全部原因。视觉生成在AI应用里属于资本投入偏重的一类。爱诗科技的融资用途覆盖视频生成基础模型、实时世界模型和全球化产品增长；VAST一边运营Tripo，一边持续投3D基础模型、数据和世界模型研发——这些都要长期烧钱。

爱诗科技此前透露过，若不算自研大模型的投入，其产品业务基本可以自负盈亏。换句话说，产品挣的钱和公司整体的资本需求之间，还隔着一层持续的模型投入。

另一类公司则说明，不自研底层模型也能拿到高估值。演语科技就没有靠自研通用基础模型撑产品，而是把不同模型聚合起来，把更多能力放在创作工具、工作流和用户生态上。公司从LiblibAI社区延伸到设计Agent星流、视频创作平台LibTV，截至今年5月ARR达到3亿美元。

所以“视频和3D最吸金”的背后，其实叠着两种逻辑：一类公司要靠重资本继续推高模型能力；另一类靠应用本身也能攒出用户、收入和生态。

视觉生成之外，Agent是另一个开始冒出大额融资的方向。10月，产品上线不久的个人Agent公司Today AI宣布累计融资超过2亿美元；同月，明星Agent公司Manus完成超过5亿美元新一轮融资，目标估值约40亿美元，成为今年Agent赛道最受关注的大额融资之一。

与视觉生成不同，个人Agent拿到的钱押的主要是团队和入口。Today AI的产品9月才上线，资本看重的是创始团队的大厂产品经验，以及个人Agent成为下一代AI入口的可能性。

02.融资规模没那么大的地方，机会就小吗？

单看融资额，视频、图像和3D差不多是今年AI应用里最扎眼的赛道。可要是论发生频率，更垂直的行业应用反倒更热闹。

艾媒咨询的数据显示，2026年上半年AI行业应用（不含AIGC、AI通用应用）融资金额只有257.92亿元，融资事件却达到133起，在它统计的几大方向里属于融资事件最多的一类，平均下来单笔约1.94亿元。

这么看，行业应用拿到钱的频率并不低，只是钱撒得更散。

Bryan Liu的看法是，这两类赛道没法简单放在一起比。视频、图像和3D属于技术和产品形态，医疗、教育、营销、安全则是行业。真正把差距拉开的，是不同生意验证价值的路子不一样。

头一种，得花更长时间才能把“结果”证明出来。医疗和教育就是典型的“长反馈”生意。

丁柏然提到，医疗、教育都受数据安全、隐私、合规或资本化路径的约束。医疗初创公司拿到行业数据、做完产品验证、再进入真实业务流程，周期更长；教育类公司则卡在资本化上。

Bryan接着解释，医疗要证明临床效果，教育要验证学习效果，部分ToB场景还得把采购、支付和责任主体打通。他的原话是：“不是这些行业机会更小，而是验证路径不同，某些行业需要更多时间。”

商汤医疗可以拿来看。它从商汤拆分出来，今年4月拿到超5亿元A轮融资，估值过了10亿美元；到7月又完成超1亿美元B轮，投后估值超100亿元。按目前披露，SenseCare平台合作医院500多家，医疗器械注册证拿到30多张。C端应用上线后靠用户增长就能说明问题，医疗AI要积累的东西却显然不止模型能力，医院、临床数据、合规体系都得有。

教育赛道也类似。2023年成立的智备科技，今年1月完成Pre-A轮，金额为数百万美元；同为2023年创立的与爱为舞，AI老师产品“爱学”已做到千万元级月收入，到2025年11月共完成4轮融资，总额约1.5亿美金。产品上线前，它花了好几个月测完课率、退费率这些指标。至于一款AI教育产品能不能真的改善学习效果，通常得看更长时间。

这类公司，资本等的是产品把效果摆出来。

第二种，能直接用经营情况证明价值。它们融的钱未必多，却可能更早跑出明确的收入和客户数据。今年快速升温的GEO就是一例。

智推时代2025年才成立，今年拿到数千万元天使轮。公司披露，截至今年上半年ARR已过亿元；目前客户超过400家，预计2026年全年ARR接近2亿元。深度云海同样成立于2025年，2026年10月完成千万级天使轮，年收入已有数千万元。

跟训练视频基础模型比，这类公司的资金需求显然不在一个量级。可融资额小，并不耽误它们先用客户和收入把需求验证一遍。

第三种，得等需求成熟，融资节奏跟着市场成熟度走。AI安全就是这样的赛道。

一位AI安全从业者告诉「定焦One」，需求并不是没有，问题在于不少企业对AI风险的重视没跟上应用铺开的速度。只要还没出现足够强的风险事件，企业就不太愿意单独给AI安全留预算。

可Agent一旦接触企业内部数据、调用工具，甚至自主执行任务，这笔需求就摆到桌面上了。亿格云今年5月完成数亿元B轮后，把产品从办公安全延伸到“人+AI”的统一安全治理；9月又完成近亿元B+轮，钱继续投往人与AI Agent的企业治理平台。

有些行业的机会，要等AI真正进入核心业务流程，原本潜在的需求才会变成明确的采购。

说到底，融资数字大不等于机会大。有的赛道得等效果被验证，有的先靠收入讲话，有的要等需求长熟。看一个赛道有没有机会，比它拿了多少钱更要紧的，是它打算用什么办法、花多久证明自己有价值。

03.巨头下场，创业公司还要过三关

AI应用的竞争，比几年前复杂得多。

大模型能力还在快速升级，今天看起来成立的产品，明天可能就被基础模型的一次更新覆盖。另一边，豆包、元宝争夺通用AI入口，阿里、腾讯、字节都在做办公和Agent，视频生成、AI编程、教育、营销甚至医疗等方向同样挤满了大公司。

Megan认为，大厂占优的不只是资金。相比创业团队，它们产品做得更快，投流渠道和用户增长机制更成熟，手里还攥着大量现成用户和数据。新应用要是缺这些经验，光补用户增长这一课，就会慢很多。

对创业公司来说，需要证明在大厂进入之后，自己还能留下什么。

先说头一道：大厂既是盟友又是对手，创业公司能不能立起自己的独立价值。

眼下大厂和创业公司的关系越搅越复杂。10月，个人Agent创业公司Today AI宣布累计完成超过2亿美元融资，投资方里腾讯和蚂蚁集团同时现身，天使轮还有大模型公司阶跃星辰参与。创始人齐俊元，此前是字节飞书产品副总裁、豆包PC端负责人。

图源 / pexels

可另一头，腾讯在推自己的Agent产品，蚂蚁旗下的灵光也在加码个人任务执行能力。对Today AI来说，产业资本给的是钱和资源，竞争却没因此消失，它照样得跟股东旗下的产品抢下一代个人AI入口。这种关系正越来越常见：大厂一边投外部公司，一边亲自下场做相近的生意。创业公司要证明的是，就算离开股东的资源，自己仍有不易被替代的价值。

再一道是模型能力迭代太快，应用公司的技术壁垒不断挨冲击。

在Bryan Liu看来，一家公司的优势如果只是调用了更好的通用模型，这能力就不具独占性。模型升级甚至可能同时带来两种相反的结果：一边帮应用公司压低开发和交付成本，一边把某家公司原本收费的功能，直接变成人人都能拿到的基础能力。

这种压力Today AI也认了。其团队今年接受媒体采访时说，Personal AI眼下还处在高度同质化竞争阶段，一两个功能点上的差异，很快就会被对手补齐。

在Megan看来，创业公司的一类机会来自那些足够细分、足够实验性、大厂一时没动力进的场景；另一条路是先围着一小群核心用户做社区、建关系，再让产品长出来。这类公司的优势不一定来自更强的技术，而可能来自对特定用户更深的理解，以及团队在社群、增长或某个行业里的积累。

丁柏然判断AI应用公司，看的是独有数据、行业know-how、客户关系和嵌入真实工作流的程度。比如ToB应用能快速获客并嵌进客户工作流，ToC应用能快速获客并沉淀用户数据，转出数据飞轮。这些大厂短期难复制。要是能拿到足够融资、加快后续客户获取，就能形成一定壁垒。

但Megan认为，“数据”本身也未必天然就是壁垒。跟一次性拿到的静态数据比，更值钱的是用户长期使用产品留下的行为、交互和memory，以及企业在这个过程中形成的持续用户理解。

除此之外，创业公司还得回答一个更现实的问题：优势能不能规模化复制。Bryan提醒，一些垂直AI公司很容易在“做深行业”的过程中变成一家project-based service company（项目制交付为主的服务公司）。

有些AI公司早期靠深度服务少数客户，收入能做得不错。可如果每多一个客户，都要重新设计一遍流程、再投更多工程师和服务人员，那收入涨的同时成本也涨。这种情形下，哪怕行业know-how很深，也可能只是把一门项目制生意做大，而不是做出真正可规模化的AI产品。例如，AI医疗公司要证明能把头部医院的样板复制到更多医院，GEO公司要证明增长靠的是产品，而不是人力。

所以，大厂全面进入应用层、底层模型又不断升级，对视觉生成的头部玩家来说，模型能力仍是入场券；但对更多AI应用公司来说，这三道考题，或许比“用了什么模型”更能决定它们最终能走多远。