Q1 AGI 融资万字盘点：单笔最高30亿、PMF海外已跑通、资本军备竞赛已开启

在这个风起云涌的 AI 时代，一场前所未有的资本军备竞赛正在火热上演。算力、算法、数据，这些被视为 AI 领域的三大基石，正成为各大公司争夺的焦点。然而，在这场看似技术驱动的竞赛背后，低成本资金的获取却成为了决定胜负的隐形推手。

对于众多 AI 创业者来说，这既是一个充满机遇的时代，也是一个充满挑战的时代。他们怀揣着改变世界的梦想，投身到这个充满无限可能的领域。在海外市场，诸如「AI 专家」、「AI 员工」、「AI 艺术家」等方向，正在跑通 PMF。AI 将是一次巨大的成本驱动型生产力革命，已经成为科技圈共识。

然而，资金短缺、竞争激烈、技术更新迅速等问题也会成为创业者们不得不去面对的难题。即使是在对于技术更为乐观的美国市场，也对 AI 公司的造血能力提出更高要求。

在这个技术快速迭代、商业方向扑朔迷离的时刻，深入了解行业趋势、把握市场机遇、制定合理的融资策略显得尤为重要。因此，我们也梳理了 2024 年第一季度全球 AI 领域相关的融资信息，希望能为 AI 创业者提供一些有价值的参考和启示。

从 2024 年 Q1 中国市场的投融资情况来看，早期市场依然利好明星开发者。延续了 2023 年 Q4 的趋势，几乎完成新一轮融资的都是明星创业者。

一方面，当前模型能力还未定性，做出产品 PMF 具有不确定性，持续融资能力就是投资机构考核创业者的隐性标准；另一方面，如果暂时还没有超低成本的获得用户或者客户的变局，商业上就比拼的是低成本的资金，明星创业者和大厂在这个阶段就更有优势。

对于非明星早期创业者而言，则需要快速形成一定程度的商业正循环，以较低融资额获得留在牌桌上。可以看到，Q1 美国早期资本市场上也呈现出类似的特征，公司的一轮融资中往往是获得了来自多家机构或者投资人的融资。

01

Scaling Law 的必备条件：

算力、算法、数据、低成本资金

Q1 全球共计有 8 笔超过 10 亿人民币（1.5 亿美元）的 AI 相关投融资交易。可以看到这些投资基本都还是 AI 的技术及基础设施层。其中单笔融资金额超过 5 亿美元的均为模型层公司，紧随其后的则是 AI 的基础设施，如云、数据标注、用于 AI 算力加速的光互联平台。

Q1 最大的单笔融资来自于 OpenAI 最主要的竞争对手 Anthropic。3 月底，Anthropic 宣布了 27.5 亿美元的追加融资，投资方为亚马逊。根据公开信息，去年 9 月，亚马逊已投资 Anthropic 12.5 亿美元。这也成为亚马逊迄今为止在生成式 AI 领域规模最大的一笔投资。有消息人士透露，本次交易按照 Anthropic 去年 12 月的最新估值进行，该估值约为 184 亿美元。此前，亚马逊收购全食超市，后者估值 137 亿美元。

中国市场，月之暗面宣布超 10 亿美元融资，MiniMax 宣布了超 6 亿美元融资。这三笔 5 亿美元以上的交易背后都体现了模型层公司对于算力的巨大需求。基本上投资方都至少通过算力进行了部分战略投资。

Q1 第 4 大体量的投融资交易来自 GPU 云服务商 Lambda，第 5 大体量的投融资交易来自光互连开发商 Celestial AI。也是与算力相关。

Lambda 创立于 2012 年，早年业务重点是销售 GPU 驱动的计算机，后转型为 GPU 云服务器租赁。Lambda 号称能提供全世界价格最低的 NVIDIA A100、H100 算力资源。2023 年 7 月，有消息称英伟达计划与其达成一笔价值 3 亿美元的交易。

Celestial AI 创立于 2020 年，司创始人 David Lazovsky 和 Preet Virk 在几年前就意识到 AI 和机器学习将遇到算力升级和内存拓展的矛盾，他们与著名贝尔实验室的前研究员 Phil Winterbottom 设计并开发了这一光互连技术，开发了用于存储和计算的光互连技术平台 Photonic Fabric，为光学可扩展、分类数据中心计算和内存提供性能加速。全球两大主要半导体供应商三星和 AMD 也参与了该轮融资。

这些大额融资，再次验证了 AGI 领域的 Scaling Law 的必备条件：算力、算法、数据、低成本资金。其中，低成本的资金则是往往被忽略的一点。

算力对于 Scaling Law 的重要性已无需多言。它直接关系到 AI 模型的训练速度、模型的能力、复杂度与精细度。英伟达是率先吃到 AI 发展红利的公司，股价在一年之内飙升了 260%，目前市值已经突破 2.2 万亿美元。

算法则依赖于天才科学家的创新。OpenAI 的 Ilya、Anthropic 的 Dario 等对于本轮 AGI 的技术创新产生了巨大的推动作用。

高质量的数据对于模型性能的提升至关重要，也被认为是核心壁垒之一。模型公司往往要经过大量的实验，消耗大量的 GPU 与时间，才能摸索出来。

算力、 算法天才、数据背后都意味着巨大的成本开支。

本轮 AGI 的创投热潮来自于美国科技巨头的持续加码。微软、Google、亚马逊、英伟达等持续加码，背后则是因为其资金成本低、资本效率更高。具体来说：

• 首先，被投公司都是微软 Azure、亚马逊 AWS 当前新增的算力消耗大客户。

• 其次，行业热度也将为这些云服务厂商带来更多的客户深度。

• 再次，本轮的生成式 AI 技术特性，对于微软、AWS 等本身的产品性能提升明显，可以帮助其增加新的付费产品 SKU，如微软 M365 Copilot 功能定价 30 美元/月，GitHub Copilot10 美元/ 月、100 美元/年。

• 第四，几家公司均因为加强布局 AI，市值提升。

• 第五，AGI 是科技巨头不能输的战场。

科技巨头对于 AGI 的投资，正逐步显现效果。

以在本轮 AI 领域投资激进的微软为例。微软的股价获得了大幅提升。2023 年初，微软的股价还是 230 美元左右，近期已经达到了 420 美元左右。

根据最新的公开信息及 2 月的 2024 年第二季度财报电话会议记录，已经显示出 AI 对于微软业务和业绩的提升。几个有代表性的数据是：

• 微软 Azure 本季度收入约 182 亿美元，本季度 Azure 收入的 6% 来自 AI 贡献（上季度贡献 3%）；
• Azure 目前有 5.3 万个 AI 客户，其中 1/3 是新客户；
• Azure AI 部分收入环比翻倍；
• 一半的财富 500 公司使用 Azure OpenAI；
• Azure Cosmos DB 交易量增加了 42%；
• 23 年四季度 GitHub Copilot 有 130 万订阅者（同比增长 30%），主要集中在代码生成、审查和建议上，售价 10 美元/ 月、100 美元/年；
• Windows 上的 Copilot 已经在超过 7500 万台 Windows 10 和 Windows 11 PC 上可用；

• Edge 份额增加，目前已经创建了 50 亿张图像，进行了 50 亿次聊天，同比翻番。

进入到 2024 年，AGI 领域的技术淘汰赛已经开启。

随着技术的差距拉开，资金需求量提升，创业公司融资的难度还在大幅提升。有消息称，Claude-3 和 GPT-4.5 训练成本可能 2-3 亿美元，下一代的模型训练成本至少可能是 10 亿美元。

拾象科技认为，「如果没有 100 亿美金的储备、而且有机会转化成 GPU，是没有办法待在全球第一梯队的，这是一个硬标准」。

海外，本季度，2 家知名的 AI 公司已发生了严重的负面新闻。

估值 40 亿美元的 Inflection AI 的 CEO Mustafa Suleyman 成为新设立的微软 AI 项目的 CEO，联合创始人 Karén Simonyan 成为微软 AI 首席科学家，其他大部分核心员工也加入微软 AI。

Stability AI 三位高管和骨干研发人员离职，自从在 2022 年累计融资约 1.5 亿美元后，在 2023 年 10 月试图以估值 40 亿美元融资未果。

融资难的背后则是这一轮技术创新叠加低成本的资金助推，马太效应明显加速。

在红杉美国的 AI Ascent 大会上，红杉美国估算，GenAI 在出现后一年间创造的总收入约为 30 亿美元（不包括科技巨头和云服务厂商通过 AI 产生的收入）。根据公开信息，2023 年 OpenAI 营收达到 16 亿美元，但赛道的第二名 Anthropic 则很可能在 1 亿美元左右。

上文提到的 Inflection AI、Stability AI 两家公司的财务数据都并不理想。过去三个月，Inflection AI 旗下的 Pi 网站每月平均访问量只有不到 400 万左右，全球 AI 产品排名在 50 名开外。Stability AI 每个月的开销大概是 800 万美元，莫斯塔克曾在本周曾自曝称公司 2023 年 8 月的营收大概是 120 万美元，1 月有机会超过 300 万美元。

02

正在跑通 PMF 的海外市场：

AI 专家、AI 员工、AI 艺术家

根据企查查数据，2024 年 Q1 全球 AI 相关的投融资交易共计 590 笔（包括 20 笔并购交易、1 笔捐赠）。其中，国内市场约为 243 笔投融资交易。

中国市场的 AI 相关融资交易依然活跃，除早期（种子轮+天使轮）外，基本上作为一个地区与全球其他地区的交易之和相近。

从实际获得融资的早期项目来看，AI 的应用场景已经非常广泛。

但从投融资金额外，AI 客户支持、AI 虚拟陪伴 和企业知识库是非常典型的获得大额投资的三个领域。其中，AI 客户支持、企业知识库均是 To B 场景。

海外在早期阶段的投融资数量领先，主要聚焦在以下几个热点的创投领域，可以概括为「AI 专家」、「AI 员工」、「AI 艺术家」。

1. AI 专家

「AI 专家」是指利用人工智能技术替代或辅助人工完成复杂、繁琐、高难度的专业服务工作。诸如，法律、医疗等都属于需要高度专业知识和技能的专业服务领域。

「AI 专家」凭借计算能力、数据分析能力、行业 Know-how，能够迅速处理大量信息，并在复杂情况下作出精准判断，提高专业服务的效率，或者降低专业服务的成本。

将 AI 应用在法律、医疗等专业服务场景是最具代表性的「AI 专家」场景。

比如，法律 AI 是硅谷 VC 在过去 12 个月非常主流的一个投资方向。可以看到，Harvey 和 Evenup 等公司做出了不错的 ARR 并获得了融资，包括 Menlo Ventures、Greylock、Lightspeed 等一线基金都在积极投资这个方向的公司。

2024 年 Q1，共有 4 家法律 AI 公司获得融资。其中，初创公司 Norm Ai 获得了来自于 Coatue 等投资机构的 1110 万美元融资；DraftWise 获得了包括 Index、YC 等在内的 2000 万美元融资。成立于 2019 年的英国法律 AI 公司 Robin AI 获得了来自于淡马锡等投资机构的 2600 万美元融资。

近期，市场上有代表性的法律 AI 公司包括：

医疗 AI 也一直是美国市场上的投资热点，也是专家服务方向重要的应用场景。2024 年 Q1，美国至少有 20 家医疗 AI 公司获得了融资。

代表性的投融资交易包括：

医疗 AI 领域也会经常出现大额融资。比如，Q1 第 8 大体量的投融资交易来自于 Abridge。Abridge 是一款专门为医疗对话设计的人工智能平台，能够实时将患者与临床医生之间的对话转换为结构化的临床笔记，并直接集成到 EMR（电子病历）系统中。根据公开信息，该产品能够为临床医生每月节省超过 70 小时的文档记录时间，提供 50 多个专业领域的临床准确摘要和医学术语。

2. AI 员工

「AI 员工」类项目和服务，往往是利用人工智能技术，高效、精准地完成一系列基础工作，从而释放人力资源，提升工作效率。把 AI 培养成企业内部的不同工种的员工，是这一类项目的共同特征。一般来说，诸如财税处理、客户服务、运营、HR 等工作领域，具有可实现性。

基于公开信息，目前，AI 已经被培养成「工程师」、「客服」、「数据分析师」等不同的工种。

更有包括 Ema 在内的创业公司，激进的希望打造「全能员工」。根据公开信息，Ema 是一家 AI 办公自动化解决方案提供商，通过其生成式工作流引擎（GWE）和 EmaFusion 模型，实现工作流程自动化。Ema 近期宣布成功完成了 2500 万美元的融资，由 Accel、Section 32 和 Prosus Ventures 共同领投，多家机构及包括 Jerry Yang 等在内知名个人投资者也参与了本轮融资。

此外，Q1 世界上第一个完全自主的 AI 软件工程师 Devin 刷屏。背后的公司 Cognition Labs，此前也获得了 2100 万美元 A 轮融资。投资人包括了 Funders Fund 、Stripe 的两位兄弟创始人 Patrick Collison 和 John Collison, Elad Gil, Sarah Guo, Chris Re, Eric Glyman 和 Karim Atiyeh, Erik Bernhardsson, Tony Xu, Fred Ehrsam 等。值得一提的是，投资人 Elad Gil 还与 Nat Friedman 和 Daniel Gross 投资了赛道的另一公司 Magic AI。

再如，Version Lens 希望能取代初级产品经理的工作，让高级产品经理有更多时间进行战略规划和产品创新，完成了 160 万美元融资。

红杉美国认为，AI 将是一次巨大的成本驱动型生产力革命，帮助我们在社会的关键领域以更少的资源做更多的事；客服是第一批在企业中真正实现产品 PMF 的 AI 应用场景之一，也是「AI 员工」主要的应用场景。

比如，Q1 第 7 大体量的投融资交易来自 Kore.ai。Kore.ai 成立于立于 2013 年，主要为银行、医疗、零售、营销等行业提供定制化类 ChatGPT 助手。最初 Kore.ai 主要做企业对话式平台，在这个过程中积累了丰富的技术和数据资源，结合大语言模型相结合，通过预训练、微调的方式，再结合客户特定业务的优质数据，可打造不同的类 ChatGPT 助手，同时可以与本地系统实现数据互动。

Q1 不少获得融资的项目均是充分利用了 LLM 的特性，并应用在了客服场景。

比如，YC 孵化的 Bland AI 、Retell AI 主要提供技术服务，Bland AI 可自动化客户支持、调查、销售等工作，价格 0.12 美元/分钟，Retell AI，帮客户构建低延迟的语音 AI，，价格 0.1 -0.17 美元/分钟；再如，YC 孵化的 Arini 则通过 AI 帮助牙医诊所实现全天候 100% 接听电话，回答客户问题。

2024 年 Q1 AI 客服领域的代表性投融资交易包括：

3. AI 艺术家

Q1 刷屏的 Suno 则是这一方向的代表。3 月，Suno 被 A16Z 推荐为 Top 100 生成式 AI 产品。3 月 22 日，Suno 发布 V3 版本，支持生成 2min 长度、广播质量级别的、多样化音乐。V3 版本的发布被不少人视为「音乐界的 ChatGPT 时刻」。

Suno 的创始人认为，「目前音乐听众的数量远远超过音乐创作者是「如此失衡」，并将 Suno 视为解决这种感知不平衡的工具」。这也是「AI 艺术家」这类创业方向背后代表的想象力平权、创作平权。

类似的项目还包括了 Lightricks。Q1 推出了一款新的人工智能电影制作工具，名为 LTX Studio，旨在帮助创作者从构思阶段生成人工智能驱动的短片。

4. AI 安全

当 AGI 应用如火如荼的展开，AI 相关的安全也备受关注。可以看到，Q1 不同的安全方案公司也都获得了融资。获得融资的主要是两类公司，要么是解决 AI 的安全问题的，要么是用 AI 来解决安全问题的。

比较具有代表性的投融资交易包括：

Cyera

Cyera 开发人工智能增强工具，以准确了解数据在组织网络中的使用地点和方式。这家公司，即将完成一轮近 3 亿美元的融资，估值将增加两倍达到 15 亿美元。此前，该公司已筹集了总计 1.6 亿美元的资金，估值为 5 亿美元，之前的支持者包括红杉资本、Accel、Redpoint 等。

Bugcrowd

Bugcrowd 成立于 2012 年，公司总部在旧金山，是众多众包漏洞赏金平台之一，该平台将公司与「白帽黑客」对接起来，以众包方式修复漏洞。最近，公司利用平台上的 50 万黑客帮助 OpenAI 和美国政府等组织建立漏洞赏金计划，向能够识别代码中错误和漏洞的自由职业者提供现金奖励。

此次融资 1.02 亿美元，由 General Catalyst 领投，老股东 Rally Ventures 和 Costanoa Ventures 跟投。Bugcrowd 迄今为止已筹集超过 1.8 亿美元。2020 年，Bugcrowd 在由 Rally Ventures 牵头的 D 轮融资中募集了 3000 万美元。

根据公开信息，Bugcrowd 目前年增长率超过 40%，年收入接近 1 亿美元，其渗透测试即服务业务更是增长了近 100%。平台每年新增 5 万名黑客，客户数量达到 1000 家，过去一年新增 200 家。

Seal Security

Seal Security 主要利用大型语言模型 (LLM) 技术来提高企业的漏洞修补能力，支持对五种编程语言。公司表示，那个帮助客户修复过去五年中发现的超过 95% 的关键和高严重性漏洞，目前一些财富 100 强企业和一些大型组织正在尝试使用该公司技术。

根据公开信息，Seal Security 近期获得 740 万美元种子资金。其中投资方中包括了由多个 CISO 组成的投资机构 Cyber Club London。

Clarity

Clarity 的产品和服务主要用来快速识别和消除深度伪造，避免 AI 造假。公司利用多个经过训练的人工智能模型来识别视频、图像和音频中的深度伪造，同时，还提供了一种水印帮助客户表明其内容是合法的。

公司近期筹集了 1600 万美元种子轮融资，目前共有员工 13 人。

Vicarius

Vicarius 利用生成式人工智能自动生成用于漏洞检测和修复的脚本。公司研发了大语言模型 vuln_GPT，会自动生成软件漏洞的修复脚本，主打快速响应，在黑客利用漏洞前修复漏洞。Vicarius 最近获得了 3000 万美元融资，由 Bright Pixel Capital 领投。

此外，本季度 2 家 AI 安全相关的公司虽宣布融资信息，也获得了海外媒体的曝光。

Nijta

Nijta 主要面向欧洲市场，向需要遵守隐私要求的客户提供语音匿名技术。这里的主要背景是，在 欧洲 GDPR 政策的要求下，很多要通过语音数据训练人工智能的公司，通常需要首先删除生物识别信息。这家法国公司获得了大约 200 万欧元的投资，主要的投资方包括了 Elaia、Finovam Gestion 等基金。

Kin.art

Kin.art 通过工具来帮艺术家阻止 GenAI 模型在艺术品上进行训练。主要采用图像分割和标签随机化的技术，干扰模型在艺术品上的训练过程。

03

国内市场融资军备竞赛已开启，

PMF 难度更高

1. 模型层公司的融资军备竞赛已开启

春节前后，OpenAI 的 Sora 问世、刷屏，国内市场多模态模型公司迎来「生死存亡」时刻，不仅加速了创业公司的研发速度，也加速了融资的军备竞赛。

原本市场预期可能要到 2024 年底才会有相对成熟的多模态模型，但 Sora 的出现迫使国内以多模态模型为核心竞争力的公司更快速完成研发。诸多以多模态模型为核心竞争力的公司，春节后都加速了宣传进度和融资进度。过去 2 个月基本每家创业公司都出来进行了公开的宣传报道。进入 3 月中旬，陆续有公司锁定投资人意向，或者新融资，如生数科技公布 1 亿元新融资；爱诗科技公布亿级 A1 轮融资。

目前国内通用模型创业公司都还基本不具备多模态能力，OpenAI 指明了新的技术迭代方向，通用型模型公司同样需要资金储备以应对可能的 Sora 产品化竞争。如果 Sora 推出了类似 ChatGPT 这样的 ToC 产品，支持 60 秒视频的生成，若创业公司跟进，则除模型训练成本外，视频生成成本、存储成本、CDN 成本都是巨大的实时开支。

2. 中国市场的 PMF 难度更高

在应用层，与海外市场相比，国内跑通 PMF 的难度或许更高，融资的难度也更高。

在上文提到的「AI 专家」、「AI 员工」、「AI 艺术家」等场景中，目前国内获得融资的公司仍是少数。而市场上超过 1 亿元、5 亿元两档融资门槛的交易数量仍远低于海外。

「AI 专家」、「AI 员工」、「AI 艺术家」等场景中 PMF 难跑通的原因主要来自于两个方面：

• 一是，获得用户或者客户的成本及渠道没有发生根本改变。移动互联网时代之所以有大量创新公司及 PMF 的机会，是因为当时获客的成本几乎忽略不计了。目前这个阶段，这个变量还没有发生出现。若没有这样的变化，比拼的就是资金的成本。

• 二是，AGI 应用的技术成本居高不下，难以免费提供服务，但中美用户付费能力存在差异。2021 年，美国咨询公司 West Monroe 发布的《订阅服务开支现状》报告显示，2021 年美国消费者人均订阅服务开支为每月 273 美元（包含网费、手机话费等，约 150 美元），这是中国 C 端很难达到的付费水平。在 B 端，2021 年中国 SaaS 市场规模 443 亿元，仅为美国 6.6%。归根到底，差距背后是经济基础的差距，2023 年美国人均 GDP 达到了 8.29 万美元左右，中国则是在 1.26 万美元左右。

因此，中美两地的 AI 相关投资也呈现出明显的差异。2024 年 Q1，美国融到钱的赛道是医疗健康、人工智能、清洁能源三分天下，中国则基本是先进制造主题。此前，我们在在《拿钱、增长、TMF，大模型应用层创业的 13 个 Tips》一文里，也提到了 2023 年类似的情况。可以看到在生成式 AI 热点出现之前，中国资本市场对于 AI 的投资主要是以应用了 AI 技术的先进制造行业、ToB 应用为主。

这主要是因为，首先，从资金的来源来看，中国市场的资金普遍以政府及国资背景为主，这类资金则倾向于「有产线、有营收、有利润、有就业岗位、有税收」的项目。先进制造主题则是最有可能实现「五有」的技术方向之一。

其次，从成熟的投资范式来看，移动互联网时代，美国投资人在 SaaS 的投资中获得了稳定的回报，中国市场的投资人则普遍是在有硬件可以做大营收规模的产业实现了 IPO 退出，纯软件行业则仅有少量的投资机构在少量的并购交易中获得回报。

在 AGI 领域，我们正见证一场前所未有的资本军备竞赛。这场竞赛不仅涉及算力、算法、数据等关键要素的激烈争夺，更是一场关于低成本资金的较量。在这场竞赛中，那些能够获得充足且低成本资金的创业公司，无疑将拥有更大的竞争优势。

然而，这并非易事。对于大多数创业公司来说，这往往需要一套完整的公司发展策略以及相应的融资策略。仅仅依靠外部融资并不是长久之计，尤其是「大故事、大资金」的资本叙事已经不复存在，要想在 AGI 领域立足，创业者们还需要不断探索新的商业模式和盈利方式。

Vol 01：2024 年，中国的投资人们如何投 AI？

Vol 03：10位拿到钱的AI创业者：他们的焦虑、预判和规划

Vol 04：企业内部如何更好落地大模型？我们走访了 10+ 先行者

如果你是 AGI领域的创业者或者投资人，对投融资话题感兴趣，欢迎与我们沟通交流。

a16z 对话 Poe 创始人：大模型幻觉是创业公司的机会；AI 的未来是多模型、多模态

明星 AI 产品 Perplexity 宣布加入广告，AI 搜索的下一步只能是「谷歌」吗？

Sora 的算力困局：如果正式推出，可能需要 72 万张 H100

AI应用层创业再讨论：Killer App何时出现？利润会被大模型垄断吗？创业公司机会在哪里？