2026年AI融资图谱：视频图像3D吸金，Agent成新热点

2026年，AI融资市场里金额最大的几笔钱，仍然投向大模型、算力这些基础能力。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最多，达到33起。视频、图像和3D生成合计占了近四成，AI Agent大约占两成；企业应用、AI医疗/药物、AI金融、AI营销等方向同样出现了亿元级融资。

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」，从与投资机构打交道的感受看，今年资本对AI应用的态度经历了一轮起伏：上半年整体偏积极，夏末秋初部分机构转向谨慎。原因有两个，一是具身智能等赛道分走了注意力，二是一些AI应用砸下大量资金后，日活、声量和商业化都没能跑出来，退出路径也引发更多讨论。10月之后市场关注度有所回升，但投资人更看重自研模型能力、技术壁垒或软硬件结合这类能形成差异的项目。

钱往哪儿流，冷热并不均匀，投资人出手也比从前谨慎。AI创作领域的演语科技6月拿到近3亿美元B+轮融资，投后估值超过20亿美元；医疗、教育、营销、安全这些行业里，更多企业获得的融资落在数千万元到数亿元区间。另一头，字节、阿里、腾讯、快手等大厂，几乎每个热门应用赛道都能看到它们的身影。

资金为何扎堆少数赛道？融资少的行业，机会是否就更小？大厂夹击之下，创业公司又靠什么留下来？

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摆到一起，资金的去向会看得更清楚。

IT桔子的统计显示，今年上半年，以图片和视频生成为代表的AIGC应用赛道共发生84起融资，总额596.05亿元，单笔平均7.10亿元，在AI各细分赛道中居首。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。

今年以来，大额融资不断向视觉创作相关公司聚拢。

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月宣布完成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」表示，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、需求最广泛的媒介形态之一，3D则可能成为下一阶段新的内容载体。对于要押注“大机会”的资本而言，这类赛道更容易长出大公司，也值得持续下注。

市场够大只是前提。Alumni Ventures投资总监Bryan Liu向「定焦One」表示，视觉生成还有一个容易被打动的地方：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需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里。

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调用等更接近传统互联网公司的指标，来衡量一家AI应用企业。

商业化跑得快，并不是事情的全部。视觉生成在AI应用里同样属于资本下注较重的方向。爱诗科技把这笔钱投向视频生成基础模型、实时世界模型和全球化产品增长；VAST一边运营Tripo，一边往3D基础模型、数据和世界模型研发里持续投入。说到底，这些都是烧钱的活。

爱诗科技此前透露，如果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，产品赚来的收入与整个公司的资本需求之间，还隔着一层持续的模型投入。

另一些公司则证明，不自研底层模型，同样能拿到高估值。演语科技没有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社区进一步扩展到设计Agent星流、视频创作平台LibTV，截至今年5月ARR已经达到3亿美元。

所以，“视频和3D最吸金”的背后，其实叠着两套逻辑：一类公司要靠重资本继续拉高模型能力；另一类靠应用本身也能形成用户、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，另一家明星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。

个人Agent和视觉生成不一样，投进来的钱主要赌的是团队和入口。Today AI的产品9月才上线，资本看重的是创始团队在大厂做产品的经验，还有个人Agent成为下一代AI入口的可能性。

02.融资体量偏小的地方，就没有机会了吗？

从金额上看，视频、图像和3D差不多是今年AI应用里最抢眼的赛道。可要论发生频率，更垂直的行业应用反倒更热闹。

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）融资金额仅257.92亿元，融资事件却有133起，在它统计的几个大方向里数量最多，平均单笔约1.94亿元。

这么看，行业应用拿到钱的次数并不少，只是每笔金额更分散。

Bryan Liu的判断是，这两类赛道没法直接放在一起比。视频、图像和3D说的是技术和产品形态，医疗、教育、营销、安全说的是行业。真正的差别在于，不同生意证明自己值钱的路子不一样。

头一种，得花更长时间才能把“结果”摆出来。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、合规以及资本化路径的约束。对医疗初创公司来说，拿到行业数据、做完产品验证、再走进真实业务流程，周期更长；教育类公司则卡在资本化上。

Bryan进一步解释，医疗要证明临床效果，教育要验证学习效果，有些ToB场景还得把采购、支付和责任主体一整套打通。“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。”

商汤医疗就是个例子。这家从商汤分拆出来的公司，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要攒的东西显然不止模型能力，还有医院、临床数据和合规体系。

教育赛道也是这个路数。智备科技2023年成立，今年1月把Pre-A轮融资落了袋，金额为数百万美元；同一年创办的与爱为舞，旗下AI老师产品“爱学”月收入已到千万元级，截至2025年11月共融了4轮，累计约1.5亿美金。产品上线前，完课率、退费率这些指标花了好几个月测，可AI教育产品究竟有没有真提升学习效果，得看更长时间。

对这类公司来说，资本要等的是产品把效果证明出来。

第二种，靠经营情况就能直接证明价值。它们融资规模未必大，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就是一个例子。

智推时代2025年才起步，今年把数千万元天使轮融资做完。公司披露的ARR到今年上半年已过亿元；客户超过400家，按预计2026年全年ARR会接近2亿元。深度云海同样是2025年成立，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相比，这类公司的资金需求显然不在一个量级。可融资额小，并不妨碍它们先用客户和收入验证需求。

第三种，要等需求成熟，融资节奏跟着市场成熟度走。AI安全就是这样的赛道。

在一位AI安全从业者看来，需求并不是没有，问题在于不少企业对AI风险的重视跟不上应用铺开的速度。他告诉「定焦One」，风险事件还不够强烈的时候，企业不肯单为AI安全列预算。

不过，Agent一旦开始碰企业内部数据、调用工具，甚至自己动手执行任务，这种需求就摆到台面上了。亿格云5月完成数亿元B轮融资，产品从办公安全往“人+AI”统一安全治理延伸；9月又拿到近亿元B+轮，钱继续投进人与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之后，原本潜在的需求才会变成明确的采购。

融资数字大，不等于机会就大。有的赛道得等效果被验证，有的先拿收入证明自己，有的要等需求长熟。看一个赛道有没有机会，比它融了多少钱更有用的，是它靠什么路径、花多长时间把价值证出来。

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。

一边是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，豆包元宝在抢通用AI入口，阿里、腾讯、字节则押办公和Agent，视频生成、AI编程、教育、营销乃至医疗，这些方向也都挤着大公司。

Megan认为，大厂的长处不止是钱多。跟创业团队比，它们出产品更快，投流渠道和用户增长机制更成熟，手里还攒着大量既有用户和数据。新应用缺了这些积累，光补用户增长这一课，速度就要慢上一大截。

对创业公司而言，大厂进场之后自己还能剩下什么，是必须回答的问题。

头一道，是大厂既当盟友又当对手时，创业公司能否立起属于自己的独立价值。

眼下大厂和创业公司的关系越发微妙。10月，个人Agent创业公司Today AI宣布累计融资超过2亿美元，腾讯和蚂蚁集团同时出现在投资方名单里，天使轮还有大模型公司阶跃星辰参与。其创始人齐俊元，此前担任字节飞书产品副总裁、豆包PC端负责人。

图源 / pexels

可另一边，腾讯自己在推Agent产品，蚂蚁旗下的灵光也在加码个人任务执行能力。产业资本给Today AI带来了钱和资源，竞争却一点没少，它照样得和股东旗下的产品抢下一代个人AI入口。

这种关系越来越普遍。大厂一手投外部公司，一手亲自做相近的生意。创业公司要证明的是：离开股东的资源，自己依然有别人难以轻易替代的价值。

第二道，模型能力迭代太快，应用公司的技术壁垒不断受到冲击。

Bryan Liu的看法是，一家公司如果优势仅仅在于调用了一个更好的通用模型，这种能力谈不上独占。模型升级带来的影响甚至可能相反：既能让应用公司把开发和交付成本降下来，也可能把原本收费的功能变成人人可用的基础能力。

Today AI也认这份压力。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别，很快就会被对手补齐。

Megan眼中，创业公司的一类机会在那些足够细分、足够实验性、大厂暂时没动力进的场景；另一条路是先围绕一小群核心用户建起社区和关系，再让产品从中长出来。这类公司的优势未必来自技术更强，可能来自对特定用户理解更深，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。这些大厂短期内难以复制。若能拿到足够融资、加快后续客户获取，就能形成一定壁垒。

不过Megan认为，“数据”本身也未必天然就是壁垒。一次性拿到的静态数据不如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。

还有一道更现实的问题摆在创业公司面前：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）。

不少AI公司早期靠深度服务少数客户就能拿到不错的收入，可如果每多一个客户，都要重新设计一遍流程、多投工程师和服务人员，那么收入涨的同时成本也涨。这样一来，哪怕行业know-how很深，做的也可能只是一门项目制生意越做越大，而非真正可规模化的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、底层模型不断升级之后，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。