中国 AI 创业只是少数人的游戏

AI 一日，人间一年。

大语言模型的战局刚刚尘埃落定，Agent 的热潮又汹涌而至。

当推理成本大幅下降，曾经高不可攀的技术门槛正在迅速瓦解，所有对 AI 有所希冀的人们，又仿佛被拉回了同一条起跑线。

创业者们闻风而动，带着各自的创意和野心涌入这片蓝海，试图在新一轮 AI 浪潮中抢占先机。而技术狂奔的车轮下，却藏着中国 AI 创新生态最真实、最令人忧虑的生存命题。

钛媒体创投家历时一个月，分别与 12 位独立开发者、5 位 AI 社群主理人、7 位一线投资人进行了面对面的深谈，整理出接下来的文字。

这些声音拼出了中国 AI 创业者最真实的现状——不像发布会那样闪耀，却足够真实。

付费习惯

凡谈及国内 AI 生态的弊端，第一话题必定是付费习惯，这已经成为行业共识。

但付费习惯到底有多差？我们综合整理了一些报告和新闻报道中的数据，与北美市场相比，其 C 端付费率比国内市场高出了 3-4 倍，头部 AI 企业的 ARR 更是相差了 5-100 倍，B 端年平均采购预算也相差近 10 倍。

（数据来源：a16z《2024 State of AI Consumer Apps》、Bessemer《State of the Cloud 2024》、IT 桔子《2024 中美 AI 商业化对比报告》）

除了这些报告中的数据，一些独立开发者体感上的表达可能更为直接。

一位开发者对创投家表示，其团队在国内开发的一款 Agent 产品，上线不到 1 个月就积累了数万用户，但付费用户不到 10 人，这让他倍感无奈。而与之功能基本完全一致的另一款 Agent 在海外仅上线 3 个月，便实现了百万美金级别的收入。

数百万美金 ARR 的应用产品在北美市场并不少见，而且呈现出快速爆发的趋势。公开数据显示：AI 编程 Agent Cursor 的 ARR 已经到达 5 亿美元；另一款编程工具 Lovable 在上线第 8 个月就做到了 1 亿美元的 ARR；AI 伴侣应用 Tolan 上线仅几个月也达到了 1200 万美元的 ARR；AI 视频编辑工具 OpusClip 的 ARR 也达到了 2000 万美元。

反观国内，AI 商业化始终是一个硬伤。

根据 QuestMobile 数据，截至今年 3 月，国内 AI 原生 App 的月活用户数已达 2.7 亿，甚至超过 ChatGPT 的 1.8 亿。但真正实现规模化变现的产品，寥寥无几。哪怕是年收入突破 1 亿美元的可灵 AI，70% 以上营收也来自海外市场。

「大家的共识就是：产品一定要到海外发。悄悄地开发，闷声赚钱就好。在国内发产品，注定是亏损。如果实在条件不允许了，就全员迁到新加坡或者其他地方。」一位开发者对创投家表示。

国内软件市场的付费习惯差已经是一个老生常谈的问题，但深层次的原因却鲜被提及。

在 C 端，中美互联网用户使用习惯的差异决定了用户对软件产品的期望差异。在北美市场，互联网用户在 PC 端和移动端的使用率相差无几，而亚洲地区的移动端使用率（60%+）却远高于 PC 端（32%）。以 PC 作为主要互联网浏览工具的习惯，使得北美用户更加偏好功能多样、界面复杂的独立软件或应用，也形成了愿意学习并单独付费的使用习惯。

而成长于移动互联网时代的中国用户，则更习惯在「超级 App」的生态闭环中，享受高度整合、操作简便的「一站式」免费服务。在这样的环境下，用户对于独立软件的付费意愿自然被压缩到了极低的水平。

在 B 端，由于北美市场的人力成本极为高昂，相比之下，软件工具的订阅费用就显得非常廉价。所以哪怕一款应用只能为实际工作带来微小的效率提升，在他们看来，也是一笔回报率极高的投资。这也使得美国 B 端用户对于独立效率工具表现出强烈的付费意愿。

反观中国，相对较低的人力成本使得这种 ROI 计算不那么具有说服力，用户更倾向于选择免费模式的产品，即便这意味着需要忍受广告、功能限制或效率上的一些妥协。

另一方面，虽然中国在企业数字化上已经追赶了数十年，但现状仍有巨大差距。这也使得企业服务类工具的应用场景远不如北美成熟，很多数字化基础薄弱的行业和企业想要通过软件来提升效率的执行成本远高于预期收益，也直接导致决策者对付费软件的采购意愿大打折扣。

也有很多人会把国内软件市场「用户不愿意付费」的问题上升为民族价值观问题，比如不尊重知识产权、缺乏契约精神等，但事实上，这更多是社会基础结构与中国互联网「羊毛出在猪身上」这种运营策略共同孕育下的结果。

也许解决问题的方案并不是培养用户追上北美的付费习惯，而是继续践行「羊毛出在猪身上」的逻辑，探索一种新的中国 AI 商业化路径。但为此浪费的时间和形成的研发差距，也只能默默承受。

隐藏的门槛

总有人说 AI 创业的热潮已经快重现互联网时代的繁荣了，每天都在刷屏的产品迭代和融资新闻，人头攒动、声势浩大的大型峰会，东奔西跑、如饥似渴的投资经理，还有遍地开花、层出不穷的自媒体和创业社群，连中关村创业大街这个被尘封已久的地标也逐渐恢复了人气，恍惚间好像确实有了些当年的光景。

数据显示：全球 2025 H1 新诞生的 AI 公司总量接近 5,000 家，相当于平均每天诞生 27 家。其中中国 1,380 家，平均每天诞生 7 家。从融资口径看，2025 H1 全球 AI 初创企业共获得约 1,400 亿美元风险投资，为 2024 年同期（约 700 亿美元）的两倍，AI 在全球风投中的占比历史性升至 53–58%，而 2024 年同期仅为 25–30%。中国 2025 H1 在 AI 领域共发生 938 起投融资事件，披露金额合计 5,968.75 亿元人民币（约 820 亿美元）。（数据来源：CB Insights《2025 H1 Global AI Report》）。

与互联网创业黄金期相比，2015 年，中国互联网行业共发生 3,932 起融资事件，全年披露总融资金额约 1,780 亿元人民币（约 278 亿美元）。当年，仅中关村创业大街这条街区一年就孵化 1,791 家互联网创业团队，日均新增 4.9 家。（数据来源：清科研究中心《2015 中国股权投资年度报告》）

数据意义上，创投繁荣好像确实已经离当年的盛况相差无几了，甚至在投资总额上已经超越。但细节上却又有一些隐秘的差别。

一位资深独立开发者向创投家表示：AI 创业并不真像互联网时代那样能够成为一个「大众创业」的赛道，因为它的隐藏门槛要比想象中高得多。低成本的接口、渠道、算力，高质量的训练数据和配套生态都是极为稀缺资源。这些资源对于开发者来说，甚至比技术、资金、产品逻辑都更为重要。也是这些创业者能够从早期项目跃迁至规模化 AI 公司的必要条件。

而真正能够拿到这些资源的创业者，只有少数具备深厚技术背景和强大资源网络的开发者，他们往往来自全球顶尖的 AI 大厂和顶级高校实验室。这也是为什么行业里流传着前 10% 的头部团队拿走了市场上 90% 的钱的原因。

多位一线 AI 投资人也向创投家表示：大家的的案例 deal map 都差不了太多，共识就是那些全球顶尖 AI 大厂的核心人才，名单上的 founder 不会超过 200 人。谁能触达到这些顶尖人才，建立信任并争取到项目份额，谁就在 AI 投资上占据了绝对先机。而这件事说起来简单，却与投资人自身的教育背景、工作背景、资源网络、社交能力甚至年纪等因素息息相关。所以，能否搞定那些核心 founder 也成为了 AI 时代投资人们拉开等级差距的最核心因素。

在这样的背景下，AI 创投更像是少数人的游戏。

当然，这并不意味着「非头部开发者」完全没有了机会，当下已经有越来越多的投资机构、孵化机构开始主动向这些「非头部开发者」抛出橄榄枝，各种各样的 Agent 开发者大赛、开发者社群、AI 训练营、算力补贴计划层出不穷，试图从底层挖掘潜力股。一些投资人也意识到，过度追逐头部效应可能导致泡沫堆积，反而是那些尚未被过度关注的技术和团队，可能藏着非共识的机遇。但这条路径，也注定不会平坦。

大厂的阴影

中国科技巨头们，在 AI 的舞台上显得有些力不从心。

2024 年，当美国四大科技公司豪掷 1.7 万亿元人民币用于 AI 资本开支时，中国的七家头部互联网大厂却只能拿出 6300 亿元。「要知道，这个已经相当难看的比例，还是建立在腾讯阿里等公司在 2024 年四季度有了 Deepseek 之后奋起直追的基础之上。」

这不仅仅是数字的差距，更是战略布局的不同选择。国内大厂们似乎更愿意将资金投入到股票回购、分红和偿债中，而非 AI 基础设施的建设。尽管美国芯片出口限制造成一定影响，但根本原因还是在于中国科技公司自己的意愿不足。这就像是一场赌博，他们押注在短期的利益上，而非长远的未来。

结果就是，客观上国产大模型与美国顶尖模型之间，仍存在代际差距。「相较于国产大模型，Claude Opus 4 等国外先进模型，在复杂推理链条，跨领域、多条件推导上能保持更稳定的逻辑一致性，出错率更低。且在上下文长度上，也已做到百万级别。在严格按照格式、生成长且结构化的文档、代码、JSON 等方面稳定性颇高，这些都是当前国内模型尚难实现的水准。」

除去直接投入上的差距，国内大厂在 AI 生态构建上的思路也与美国同行存在明显差异。有媒体直接表达了「美国正在用万亿美元级别的「重资产」把 AI 变成下一代水和电；中国还在用「轻资产」的流量思维做 AI。」

部分独立开发者们认为：国内大厂们表面上不计成本地投入 AI 生态建设，实际上却往往陷入流量变现的惯性思维中。他们的恐惧来源于 AI 功能的实现是否能减缓平台流量的流失，是否会影响现有商业模式的核心数据，是否能稳定住市值。而非真正为了推动技术突破与行业变革而开展动作。也因此，国内大厂在 AI 生态建设上，会更倾向于把核心资源和技术都投入到内部的项目孵化上，而非真正开放给外部开发者和合作伙伴。这种「大厂主导，小厂陪跑」的模式，不仅抑制了初创企业的成长，也让整个行业的发展模式变得单一而僵化。

AI 生态的薄弱，最直接的影响就是 AI 人才的流失。根据宝尔森基金会的报告，全球 47% 的顶尖 AI 研究者本科毕业于中国院校，但只有 51.35% 的人选择留在中国深造，最终留在中国工作的更是少之又少。这些人才的流失让国内的 AI 企业失去了宝贵的创新力量。

多位头部开发者对创投家表示，如果自己再次开启一个新的项目，大概率不会选择国内大厂的 AI 生态，甚至不会优先选择市场化投资机构的资金。既能提供资金支持，也能提供良好的 AI 生态扶持的 open AI 的孵化器，才是他们的首选。

同样，国内大厂们也正积极发生着改变。大幅增加的 AI 投入，全球最积极开源的生态架构，逐步开放的核心资源，都在释放出积极信号。我们理应给国内的大厂更多的时间，只要他们在正确的路径上。

崛起的 AI 硬件

在软件层面上，中美的 AI 创业生态因为上述的各种原因确实存在客观上的差距，但令人庆幸的是，在 AI 硬件层面，中国却拥有着不可比拟的优势。

大疆、小米、影石、追觅、九号等全球领先的科技硬件企业，已经在多年的发展中，为国内积攒下来超强的供应链和丰富的人才储备，AI 硬件公司的超强出海能力，更是符合当前国际关系下中国科技企业「走出去」的战略需求。

更重要的是，科技硬件的故事，已经得到了二级市场充分的认同。无论是科创板还是港股，市场对于这些智能硬件公司的反馈都非常积极，这也给一级市场带来了非常乐观的预期。在这样的背景下，中国 AI 硬件创业的浪潮正悄然兴起。

截至 2025 年 6 月，国内处于存续/运营状态的 AI 智能硬件企业约 1,180 家，根据 IT 桔子数据 2025 年 H1 新注册 312 家，同比 2024 H1 增长 73%。这些企业覆盖了机器人、AR/VR、智能车载、可穿戴设备等多个前沿领域。同期行业共披露 178 起股权融资事件，平均每天 1 起，其中 4 月单月就达 42 起，为历史最高。融资总金额 176 亿元人民币，较 2024 H1 增长 2.1 倍。这个数据还不包括当前大热的具身智能赛道。

多位人民币市场化投资机构的负责人对创投家表示：近半年来，AI 硬件项目成为了人民币投资圈里的香饽饽。地域上以深圳为核心的大湾区最为活跃，项目最多，供应链最强，产品迭代速度也最快；创始人画像上，拥有国内头部硬件厂商背景的创始人，愈发受到投资机构的青睐，尤其是那些曾在大疆、小米等企业核心岗位历练过的创业者。

部分软件开发者对于 AI 硬件的「AI 含量」表示了质疑，认为其对于模型的依赖程度并不高，甚至有些产品只是传统硬件叠加了一些基础算法。然而，这种看法忽略了 AI 硬件发展的阶段性特征。事实上，随着边缘计算能力的提升和大模型轻量化的发展，越来越多的 AI 硬件开始具备真正的「智能」。而在这条路径上，国内的 AI 硬件技术水准可以说完全不输于国际同行，甚至在某些细分领域已经实现了领先。

AI 硬件是 AI 创业生态中最具有中国特色的路径。不同于美国以软件和算法为核心的 AI 发展模式，中国依托制造业基础和全球领先的硬件产业链，在这一领域形成了独特优势。而这一优势或许会成为国内 AI 创新生态弯道超车的机会。