2026年AI融资流向：应用层33起领跑，视频图像3D吸金最猛

2026年，大模型、算力这些基础能力仍然吃下了AI融资市场里最“大笔”的钱。不过，越来越多的融资故事正发生在应用层。

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应用方向的融资事件数量居首，共33起。视频、图像和3D生成合计占了近四成，AI Agent大约两成，企业应用、AI医疗/药物、AI金融、AI营销等方向也各有亿元级融资出现。

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。她告诉「定焦One」，跟投资机构打交道下来的体感是，今年资本对AI应用的态度走了一轮变化：上半年普遍积极，夏末秋初部分机构转为谨慎。原因有两个，一是具身智能等赛道分走了注意力，二是有AI应用砸下大量资金后，日活、声量和商业化都没跑出来，退出路径也被更多人拿出来讨论。10月之后关注度有所回升，但投资人更看重自研模型能力、技术壁垒或者软硬件结合这类能拉开差距的项目。

投资人一谨慎，钱的流向也就冷热不均。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、快手等大厂几乎出现在每一个热门应用赛道上。

资金为什么扎堆在少数赛道？融资不多的行业，机会就更小吗？大厂夹击之下，创业公司又凭什么留下来？

01.视频、图像和3D，率先拿到“大钱”

把今年AI应用公司的大额融资排在一起看，资金流向会清楚很多。

IT桔子的统计显示，今年上半年，图片和视频生成为代表的AIGC应用赛道发生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。

大额融资今年以来一直在向视觉创作类公司聚拢。

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轮融资规模达到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为什么最先拿到大钱？

德物资本投资人丁柏然对「定焦One」说，资本首先看的是市场天花板。ToC应用里，视频仍是承载内容最丰富、需求最广的媒介形态之一，3D则可能成为下一阶段新的内容载体。对需要押注“大机会”的资本来说，这类赛道更装得下大公司，也更值得持续投。

市场够大只是前提。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看中的特点：产品反馈周期更短。

“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。”这让视觉生成比一些要长期验证效果的行业应用，更容易说明这一代产品比上一代强在哪。

已经有一批视觉生成公司跑出了可量化的商业化指标。

爱诗科技旗下的PixVerse在2024年11月启动商业化，到2025年10月披露的ARR已经超过4000万美元，用户超过1亿，收入主要来自会员订阅，且以海外市场为主；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。

商业化快还不是全部。视觉生成在AI应用里也属于资本投入偏重的一类。爱诗科技的钱要投视频生成基础模型、实时世界模型和全球化产品增长；VAST一边运营Tripo，一边持续投入3D基础模型、数据和世界模型研发，样样都烧钱。

爱诗科技此前透露，不算自研大模型的投入，其产品业务已基本能自负盈亏。换句话说，产品赚的钱和整个公司的资本需求之间，还隔着持续不断的模型投入。

也有公司证明，不自研底层模型照样能拿到高估值。演语科技就没靠自研通用基础模型做产品，而是聚合不同模型，把更多能力放在创作工具、工作流和用户生态上。公司从LiblibAI社区扩展到设计Agent星流、视频创作平台LibTV，截至今年5月ARR已达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抬高模型能力，另一类靠应用本身也能做出用户、收入和生态。

视觉生成之外，Agent是另一个开始出现大额融资的方向。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，是今年Agent赛道最受关注的大额融资之一。

跟视觉生成不一样，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。

02.融资规模没那么大的地方，机会就小吗？

单看融资规模，视频、图像和3D几乎是今年AI应用里最显眼的赛道。但看频率的话，更垂直的行业应用反而更活跃。

艾媒咨询的统计显示，2026年上半年AI行业应用（不含AIGC、AI通用应用）融资金额为257.92亿元，融资事件却达到133起，在几大方向中数量最多，平均单笔约1.94亿元。

换句话说，行业应用拿到钱的次数不少，只是单笔金额更散。

Bryan Liu的看法是，这两类赛道不宜直接放在一起比。视频、图像和3D属于技术和产品形态，医疗、教育、营销、安全则按行业划分。差距真正的来源，是不同生意验证价值的路子不一样。

一类生意得花更长时间才能把“结果”证明出来，医疗和教育就是反馈周期偏长的典型。

丁柏然提到，医疗和教育都受数据安全、隐私、合规或资本化路径制约。医疗初创公司拿到行业数据、做完产品验证、进入真实业务流程，周期更长；教育类公司则在资本化上难有突破。

Bryan Liu进一步说明，医疗要看临床效果，教育要看学习效果，部分ToB场景还得把采购、支付和责任主体打通。“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。”

商汤医疗可以拿来说明。这家由商汤分拆而来的公司，今年4月完成超5亿元A轮融资，估值突破10亿美元；7月又完成超1亿美元B轮融资，投后估值超过100亿元。其SenseCare平台目前披露已与500多家医院合作，并取得30多张医疗器械注册证。一款C端应用上线后靠用户增长就能验证，医疗AI要攒的东西明显不止模型，还有医院、临床数据和合规体系。

教育的情况相近。2023年成立的智备科技，今年1月完成Pre-A轮融资，金额数百万美元；同年成立的与爱为舞，旗下AI老师产品“爱学”已跑出千万元级月收入，截至2025年11月完成4轮融资，融资总金额约1.5亿美金。产品上线前，它花了好几个月测试完课率、退费率等指标。至于一款AI教育产品能不能真的改善学习效果，观察期往往更长。

这类公司要让资本等的，是产品把效果摆出来。

另一类生意可以直接用经营数据证明价值。融资规模未必大，收入和客户数据却可能更早跑清楚。今年热起来的GEO便是一例。

2025年成立的智推时代，今年完成数千万元天使轮。截至今年上半年，公司披露ARR已突破亿元；目前服务超过400家客户，预计2026年全年ARR接近2亿元。同样在2025年成立的深度云海，2026年10月完成千万级天使轮融资，年收入达数千万元。

和训练视频基础模型相比，这类公司的资金需求不在一个量级。融资额小，并不妨碍它们先用客户和收入验证需求。

还有一类生意要等需求成熟，融资节奏跟着市场成熟度走，AI安全就属于这种。

一位AI安全从业者告诉「定焦One」，安全不是没需求，而是不少企业对AI风险的重视程度还没跟上应用速度。足够强烈的风险事件没出现之前，企业不愿单独为AI安全留预算。

可一旦Agent真的碰到企业内部数据、动手调用工具，甚至自己把任务跑完，这件事就绕不开了。亿格云5月拿到数亿元B轮融资，产品线从办公安全扩到“人+AI”的统一治理；到了9月，近亿元B+轮融资也落了地，钱还是往人与AI Agent的企业治理平台上投。

有些行业要等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。

融资多少并不等于机会大小。有的赛道等效果被证明，有的先用收入说话，有的等需求成熟。看一个赛道有没有机会，与其盯着它拿了多少钱，不如看它靠什么方式、要多久证明自己的价值。

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，今天成立的产品，明天可能被基础模型的一次更新覆盖。另一边，豆包、元宝在抢通用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也挤满了大公司。

Megan认为，大厂的优势不止是钱多。和创业团队比，它们产品产出更快，投流渠道和用户增长机制更成熟，手里还握着大量既有用户和数据。新应用缺了这些经验，光补用户增长这一课，就会比它们慢不少。

创业公司要证明的，是大厂进来之后自己还能留下什么。

首先，大厂既是盟友也是对手，创业公司能不能立住自己的独立价值。

眼下大厂与创业公司的关系越发复杂。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，投资方中同时出现腾讯和蚂蚁集团，天使轮还有大模型公司阶跃星辰参与。其创始人齐俊元，此前是字节飞书产品副总裁、豆包PC端负责人。

图源 / pexels

另一边，腾讯自己也在推Agent产品，蚂蚁旗下的灵光同样在加强个人任务执行能力。产业资本给Today AI带来了资金和资源，竞争却一点没少。它还得和股东旗下的产品抢下一代个人AI入口。

这种关系如今越来越普遍：大厂一边投外部公司，一边亲自做相近的生意。创业公司要证明的是，就算离开股东的资源，自己仍有难以被轻易替代的价值。

其次，模型能力迭代很快，应用公司的技术壁垒也在接连受到冲击。

Bryan Liu认为，一家公司的优势如果只是调用了一个更好的通用模型，那这种能力并不独占。模型升级甚至可能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，另一边也可能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。

Today AI也承认这种压力。其团队今年接受媒体采访时说，Personal AI眼下仍处在高度同质化竞争的阶段，一两个功能点上的差异，很快就会被对手补齐。

Megan的看法是，创业公司的一类机会藏在足够细分、足够实验性、大厂暂时没动力进入的场景里；另一条路是先围绕一小群核心用户把社区和关系搭起来，再让产品从中长出来。这类公司的优势不一定来自更强的技术，可能来自对特定用户更深的理解，也来自团队在社群、增长或某个行业里的积累。

丁柏然判断AI应用公司时，看重的是独有数据、行业know-how、客户关系，以及对真实工作流的嵌入。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，形成数据飞轮。这些是大厂短期内难以复制的东西。如果能拿到足够融资、加快后续客户获取，就能形成一定壁垒。

不过Megan认为，“数据”本身未必天然就是壁垒。一次性拿到的静态数据，比不上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公司在“做深行业”的过程中，很容易变成一家project-based service company（项目制交付为主的服务公司）。

早年间，有些AI公司只靠给少数客户做深度服务，收入就挺可观。可问题在于，客户每增加一个，流程就得重新设计一遍，工程师和服务人员也得多投一批，收入往上走，成本跟着往上走。这么一来，哪怕对行业的know-how再深，做的可能也只是把项目制生意摊大，真正能规模化的AI产品并没做出来。比如AI医疗公司，得证明头部医院的样板能复制到更多医院；GEO公司则要证明增长靠的是产品，不是堆人力。

大厂全面杀进应用层、底层模型又一轮轮升级，这种局面下，做视觉生成的头部玩家，模型能力还是入场券。可对更多AI应用公司而言，决定它们最终能走多远的，恐怕是这三道考题，而不是“用了什么模型”。