文 | 新眸，作者 | 棠宁
OpenAI 的 GPT-4 发布时，硅谷投资人安德烈斯 · 霍夫曼曾断言：" 我们正站在计算革命的起点。" 三年过去，这句话已从预言变成现实。
但若将视线拉长至历史维度，这场变革更像是一场 " 迟到的觉醒 "。2012 年，AlexNet 在 ImageNet 竞赛中横空出世，深度学习的种子悄然埋下；2016 年 AlphaGo 击败李世石，AI 的 " 超凡能力 " 初现端倪；2022 年 ChatGPT 点燃公众想象，资本、人才、算力开始疯狂涌入。
尤其是今年以来，创投领域迎来历史性转折点：AI 初创企业首次捕获全球风险投资总额的 51%，超过其他所有领域的总和。这一数据来自 CB Insights 的最新报告，标志着资本对人工智能的空前追捧。其中，美国在浪潮中占据绝对主导，贡献了 85% 的 AI 融资额和 53% 的交易量。
数据显示，全球 AI 市场投资规模接近 2000 亿美元，但真正具备 " 苹果级 " 颠覆能力的企业尚未诞生。复盘苹果的崛起路径，1976 年乔布斯创立苹果时，个人电脑是 " 工程师的游戏 "，但 Macintosh 以图形界面和用户体验重新定义了人机交互；1998 年 iMac 打破彩色电子产品的 " 工业设计枷锁 "；2007 年 iPhone 将手机从通讯工具变为移动互联网入口。每一次颠覆，苹果都完成了从技术突破到生态构建的闭环。
如今，AI 行业的玩家正试图复制这一路径：大模型是 "Macintosh"，硬件是 " 芯片 "，应用是 "App Store"。但问题是——在 AI 的 " 寒武纪大爆发 " 中，谁能在技术、生态、商业三者间找到平衡点，最终成为新时代的 " 苹果 "？
AI 创业：一半火焰，一半海水
回顾近三年 AI 创业历程，可清晰地划分为三个鲜明阶段。
2022-2023 年是大模型奠基期。ChatGPT 横空出世，点燃生成式 AI 热潮，全球科技巨头和初创公司纷纷押注底层模型开发。
2024 年进入应用探索期。随着技术逐渐成熟，Cursor、Midjourney、Perplexity 等应用层工具迅速崛起，标志着 AI 从技术展示走向实用价值创造。
2025 年则迈入垂直整合期。AI 创业公司开始深度嵌入各行各业，寻求在特定场景下的商业化路径。
2025 年 YC 夏季演示日的 169 家初创公司中，超过一半的项目将 AI 代理（AI Agent）作为核心方向。这些公司不再追求通用大平台，而是拼命往垂直领域深耕，瞄准那些 " 人不愿意做、做不好、还特别贵 " 的工作。
举个例子，Solva 用 AI 自动化保险理赔，上线 10 周就做到年化收入 24.5 万美元；Autumn 专门解决 AI 公司复杂的计费问题，已被数百个 AI 应用和 40 家 YC 初创公司使用。在医疗领域，Perspectives Health 通过监听医患对话，实时生成病历和表单，为医生节省了一半的文书时间，试点阶段保持每周 25% 的增长。
然而，繁荣背后暗藏隐忧。AI 创业正呈现明显的两极分化：一边是应用层公司的蓬勃发展，另一边却是基础设施领域的高门槛与资源集中。
事实也的确如此，数据显示，全球 AI 独角兽新增数量实际上同比下降了 12.50%，环比下降 6.67%，表明市场正在经历结构性调整。国内市场同样如此，从早期的 "AI 六小虎 " 到杭州的 "AI 六小龙 "，多数企业生态和持续运营能力乏善可陈，能够实现规模化收入的企业寥寥无几。
资本市场的态度也趋于理性。投资者不再仅仅看重技术的新颖性，而是更关注用户留存、单位经济效益和算力成本。也就是说，AI 创业正从追逐热点的狂热期，步入价值验证的结构调整期。
距离苹果，AI 创业还差什么？
苹果之所以成为苹果，靠的不仅是 iPhone 或 MacOS，而是一套 " 反直觉 " 的底层逻辑。
首先是战略定力：从 1998 年 iMac 到 2007 年 iPhone，苹果用了 9 年时间将 " 消费电子 " 升维至 " 生活方式品牌 "；其次是生态闭环：App Store、AirPods、Apple Watch 构成的 " 硬件 - 软件 - 服务 " 铁三角，让竞争对手难以模仿；最后是组织韧性：乔布斯的 " 偏执 " 文化与库克的 " 运营哲学 " 形成互补，确保企业在创新与盈利间平衡。
反观当前 AI 行业，三大短板制约着 " 苹果级 " 企业的诞生：第一，技术与商业的割裂：大模型开发者和硬件厂商缺乏生态协同，导致技术无法高效转化为产品；第二，组织能力缺失：多数 AI 公司仍停留在 " 工程师思维 "，忽视用户体验和品牌建设；第三，资本周期错配：风险投资过度追逐短期热点，而忽视长期基础设施。
也就是说，AI 创业公司大多仍停留在 " 工具提供者 " 阶段，未能形成真正的生态闭环。
具体来讲，国内 AI 创业呈现出 " 从 6 小虎到 6 小龙 " 的代际更替。早期 "AI 六小虎 " 因过度依赖 to B 场景，近年集体陷入亏损泥潭；而新一批创业者则瞄准 to C 赛道，如 AI 写作、代码生成平台，但这些企业同样面临挑战——如何在巨头的生态封锁和开源模型的冲击下生存？
据 Gartner 统计，2023 年全球 AI 初创公司中，62% 的产品在 18 个月内迭代超过 3 次，但仅有 17% 能实现商业化正循环。这揭示了一个残酷现实：AI 创业的本质是 " 算力杠杆 " 的博弈——谁能在模型性能、数据质量和成本控制之间找到最优解，谁就能活下去。
从投资市场的变化，也能看出 AI 行业的阶段性特征。数据显示，2025 年第三季度，全球风险投资总额达到 956 亿美元，但交易数量却降至 2016 年以来的最低水平。这表明投资者正变得更加挑剔，将更大规模的资金投向更成熟、有高潜力的项目。
是新周期也是新机会
回顾历史，AI 经历了三次浪潮：1980 年代专家系统：因缺乏数据和算力昙花一现；2000 年代机器学习：依赖人工特征工程，未能突破 " 黑箱 " 困境；2020 年代大模型：通过自监督学习和海量数据实现通用智能，但落地仍受制于场景。
与前两次 AI 浪潮相比，这次大模型革命带来的变革的确更为剧烈，具备 " 双螺旋结构 "，体现在技术突破（大模型）与产业需求（数字化）同步爆发。根据 IDC 数据，2025 年上半年中国 AI IaaS 市场规模同比激增 122.4%，达到 198.7 亿元。GenAI IaaS 市场增速更是高达 219.3%。
除此之外，国内外 AI 发展也呈现出不同特征。
海外市场由基础模型创新驱动，OpenAI、Anthropic 等公司不断推高模型能力上限；中国市场则更注重应用落地，依靠庞大的用户基础和丰富的场景资源推动 AI 商业化。
若从行业角度分析，根本问题不在于业务本身的想象力，而在于供需关系的变化。一方面，算力供给趋于多元，国内外云厂商纷纷布局自研芯片，算力市场的资源供给与价格整体稳定。另一方面，需求结构正在重塑。企业不再满足于单纯的模型训练，更关注如何将 AI 能力融入业务流程，实现价值闭环。
在这样的背景下，一些新兴力量正在悄然崛起。
以芯片设计为例，海光信息前三季度营收增长 54.65%，寒武纪营收更是激增 2386.38%，展现出国产 AI 芯片的潜力。而专注 AI 视觉创作的 LiblibAI 完成 1.3 亿美元 B 轮融资，成为国内 AI 应用赛道最大单笔融资，显示出资本市场对应用层公司的重新评估。
换句话说，AI 正从 " 资源供给 " 驱动转向 " 创新赋能 " 驱动。
某种程度上，苹果的诞生，是 1976 年乔布斯在车库里的 " 疯狂 " 与 1997 年库克接手时的 " 理性 " 共同作用的结果。至于谁能成为 "AI 时代的苹果 "？或许答案藏在这些关键词里：长期主义、生态思维、用户至上。就如 1998 年 iMac 用彩虹色彩打破电子产品的 " 灰暗传统 "，未来的 AI 公司必须找到属于自己的 " 破界点 " ——不是在模型参数上比拼谁更大，而是用技术重新定义人与世界的关系。
