自2023年下半年以來，已有25家人工智能相關企業(yè)在港交所IPO上市，僅2025年上半年就有5家AI企業(yè)成功上市?？梢夾I板塊正成為資金鏈條上最具確定性的增長點。

       資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性?哪些落地方向最具現(xiàn)實變現(xiàn)潛力?而想成為“AI第一股”的公司，又應該怎么走?

       2025年，AI似乎成了少數(shù)仍能匯聚確定性與想象力的方向，吸引著資金、人才與敘事的加速匯聚。

       IT桔子數(shù)據(jù)顯示，截止今年三季度，共有764家AI公司獲得風投投資，創(chuàng)下近五年新高，交易金額高達830億元。

       表面上看，一級市場熱度在回升，但事實上，市場可投賽道并不多，而資金仍集中涌向了AI領域，呈現(xiàn)出一種風景獨好的狀況。

       這種“熱度集中”的現(xiàn)象，并非只出現(xiàn)在一級市場。二級市場的IPO動向，同樣驗證了AI的資本吸引力。據(jù)LiveReport大數(shù)據(jù)統(tǒng)計，自2023年下半年以來，已有25家人工智能相關企業(yè)在港交所IPO上市，僅2025年上半年就有5家AI企業(yè)成功上市?？梢夾I板塊正成為資金鏈條上最具確定性的增長點。

       資本的目光從來不會無的放矢。那些被資本選中的“AI寵兒”們，究竟具備怎樣的共性?哪些落地方向最具現(xiàn)實變現(xiàn)潛力?而想成為“AI第一股”的公司，又應該怎么走?

       這些，正是下一階段AI產(chǎn)業(yè)競爭的關鍵命題。

       一、被資本選中的“AI寵兒”們對比2024年，今年被資本選中的AI企業(yè)，顯然更加務實。

       據(jù)產(chǎn)業(yè)家統(tǒng)計，2025年前三個季度，人工智能領域一級市場共發(fā)生548起交易事件，同比增長44.59%，具體到細分賽道上，AI通用應用和AI行業(yè)應用占據(jù)近一半，成為增長最迅猛的兩條主線;在交易金額上，AI行業(yè)應用則躍升為資金最集中的洗到賽道，達到150億元。

       這一趨勢與去年資本在AIGC層的狂熱完全不一樣。

       2024年同期，AIGC賽道交易金額高達308億元，占總額六成。而今年這一數(shù)字銳減至111億元，同比下降64.01%。資本對AIGC“降溫”也直接拉低了整個AI交易金額，使得2025年前三個季度交易金額僅為460.64億元，同比下降8.43%。然而，資金并未離場，而是更精準地流向了“能落地”的領域。

       資本將更多資源投向AI通用應用、AI行業(yè)應用以及AI基礎技術三大方向，分別增長216%、36.8%和153.74%。值得注意的是，基礎層雖然拿到更多融資，但這在一定程度上與該領域設備重、投入高有關。資本不是收縮，而是在調整配置，把錢放在更能轉化為生產(chǎn)力的地方。

       進一步剖析前三季度一級市場獲得1億以上融資的企業(yè)，發(fā)現(xiàn)大部分公司主要是聚焦于醫(yī)療、物流、自動駕駛、機器人、營銷數(shù)字化這幾類具體的應用場景。資本顯然在回歸一個原則，即AI要“接地氣”。

       再看AI領域的二級市場。

       截止2025年7月，二級市場成功上市五家企業(yè)，涵蓋倉儲物流、解決方案、無人礦卡等多個領域。

       表面上看這些企業(yè)也屬于行業(yè)應用，但不同點在于，IT桔子將這些企業(yè)歸于了AI基礎層和AI技術層。此外，這些企業(yè)普遍具備穩(wěn)健的盈利能力。例如極智嘉收入達人民幣10.25億元，同期增長31.0%，這得益于倉儲機械人跑通AI商業(yè)模式;云知聲雖整體利潤增長放緩，但其山海大模型收入近1億元，同比激增457%。顯示出AI技術在原有業(yè)務體系中的放大效應。

       值得注意的是，無論是一級市場還是二級市場，這些“AI寵兒”大部分AI屬性都不夠“純粹”。

       換句話說，AI并非它們的唯一標簽，大多數(shù)并不是AI原生公司。明略科技仍以政企數(shù)字化、知識圖譜和智能決策為主營;云知聲早在2012年成立，定位也曾轉換;滴普科技的根基在數(shù)據(jù)分析。一級市場上，真正“純AI”的公司屈指可數(shù)，僅有的幾家，背后也都有巨頭加持或成熟產(chǎn)業(yè)鏈的資源托底。比如betteryear背靠阿里，Intent AI獲得的是戰(zhàn)略投資。

       同樣地，二級市場的贏家往往是那些深耕行業(yè)已久，再借AI完成躍遷的企業(yè)。

       這透露出一個耐人尋味的現(xiàn)象，無論是一級市場還是二級市場，資本押的不是AI，而是“能AI化的公司”，真正走向IPO的公司更是有著清晰的商業(yè)化路徑。

        二、AI落地產(chǎn)業(yè)，真實溫度幾何?

       資本的選擇，從不是孤立事件，這背后反映出的是市場對落地難易度的集體判斷。

       回看AI技術熱潮襲來的這幾年，技術落地最多、最快的是界面層的改造。這一層改造集中發(fā)生在編程開發(fā)、客服、辦公、內容營銷等場景，它們具備“低風險、高頻率”的特征，AI在這些環(huán)節(jié)提升了操作效率、降低了人力成本，也迅速讓企業(yè)初步看到了ROI的正反饋。

       比如在編程開發(fā)場景，GitHub的一項研究顯示，AI編程助手可使開發(fā)者完成任務的速度提升約26%，AI不僅擅長代碼補全、單元測試生成、邏輯優(yōu)化，甚至參與初步的代碼審查。

       但隨著AI進入更高階的開發(fā)環(huán)節(jié)，短板逐漸顯現(xiàn)。MIT一項實驗指出，對于資深開發(fā)者而言，AI對生產(chǎn)力的提升僅為8%～13%，甚至在某些場景中，AI的引導反而讓開發(fā)時間延長了19%。

       這也解釋了為什么在一級市場上，許多主打界面層應用的AI初創(chuàng)企業(yè)在早期看似炙手可熱，卻很難持續(xù)放大營收曲線。技術門檻不高、服務可替代性強、同質化嚴重，是這個賽道的系統(tǒng)性難題。

       這些界面層的AI改造，只有與業(yè)務流程深度串聯(lián)，才能釋放真正的生產(chǎn)力。

       一些企業(yè)已經(jīng)意識到這一點，開始將AI嵌入核心業(yè)務鏈條。由此，在醫(yī)療、金融、教育、物流、零售等領域，AI的重心正逐步下沉至流程層的改造。

       醫(yī)療行業(yè)是一個典型樣本，阿里云白皮書提出的四象限模型顯示，醫(yī)學影像診斷與藥物研發(fā)處于“高成熟度+高潛力”區(qū)間，其中醫(yī)學影像AI產(chǎn)品商業(yè)化率已達90%;英矽智能其生成式AI平臺將抗體研發(fā)周期壓縮10倍，實現(xiàn)四項藥物授權合作，總金額超15億美元。而就在今年這家企業(yè)獲得多筆大額融資。

       AI在醫(yī)療行業(yè)的落地，不僅限于研發(fā)。BD公司通過預測性分析優(yōu)化庫存管理，將預測準確率提升20%，顯著降低庫存成本;而森億智能的智慧醫(yī)院解決方案，通過AI驅動的病歷生成與質控，將醫(yī)生文書時間縮短50%;西門子的AI平臺，在提升診斷精度的同時，將放射科工作流程效率提升40%，實現(xiàn)協(xié)同優(yōu)化。

       這些案例背后的共同點在于AI不再只是工具，而是嵌入系統(tǒng)之中的決策變量。一旦進入流程，它便成為企業(yè)最深的護城河，也因此成為資本最愿意押注的方向。

       但流程層的改造并不輕松。首先是數(shù)據(jù)，企業(yè)的數(shù)據(jù)分散在不同系統(tǒng)、格式不統(tǒng)一，AI模型要理解需要大量清洗與標注。其次是組織，要讓AI接管決策流程，意味著管理層要放權給算法。多數(shù)企業(yè)依然在“AI+人工”雙軌狀態(tài)，模型決策還需要人工驗證。

       醫(yī)療場景就凸顯了這種復雜性。數(shù)據(jù)偏差、解釋性不足、倫理責任模糊、流程嵌入復雜等問題，使得AI目前在醫(yī)療行業(yè)主要承擔質控、影像判讀、醫(yī)患溝通等角色，離“獨立診斷”仍有顯著距離。

      不過，從技術節(jié)奏來看，這仍不是AI落地的盡頭。

      AI真正的價值，在于對業(yè)務邏輯的重新定義。這一層不是工具升級，也不是流程優(yōu)化，而是對整個系統(tǒng)運行機制的重塑。自動駕駛、具身智能，以及像京東、快手構建的AI導購系統(tǒng)，阿里國際站的“AI合伙人”，本質上都在探索一種AI原生的組織與運營方式。

       但這一步也最遠。它要求的不僅是高質量數(shù)據(jù)和巨額算力投入，更需要多年的工程落地驗證。在當下，能進入這一層的公司寥寥，大多數(shù)仍處于實驗室驗證或局部試點階段。

       總的來說，界面層AI持續(xù)變現(xiàn)難，業(yè)務邏輯重塑層AI投的是未來，而流程改造層AI則可能是眼下最容易兌現(xiàn)的商業(yè)化區(qū)間。

       這也解釋了為什么一級市場真正“純AI”的公司數(shù)量極少，而二級市場上大多數(shù)被歸為“AI概念股”的上市企業(yè)，其實是“AI+多年行業(yè)經(jīng)驗”的組合體。

       三、尋找AI浪潮里的下一個IPO

       在AI領域，下一個敲鐘的人，正在加速趕來。

       數(shù)據(jù)顯示，截至2025年7月24日，港交所已有214家公司遞交上市申請，其中AI相關企業(yè)多達48家，占比22.43%。換句話說，每5家擬上市公司中，就有1家與AI相關。

       更有意思的是，這48家AI概念擬上市公司中，11家為A+H公司，占比高達22.92%。這意味著AI領域已有一批技術成熟、商業(yè)化路徑清晰、具備國際化布局能力的“頭部企業(yè)”嶄露頭角。它們正通過雙重上市來穩(wěn)固資本根基、放大全球影響力。

       天下英雄如過江之鯽，誰能脫穎而出，成為下一個真正意義上的產(chǎn)業(yè)敲鐘人?

       回看2025年前后成功登陸資本市場的一批AI公司，可以發(fā)現(xiàn)一種隱性的共識：落地路徑要“以點帶面”，技術打法需“以場景起家”。

       無論是云知聲的醫(yī)療AI、明略的營銷AI，還是極智嘉的倉儲機器人、斯年智駕的港口無人車，幾乎都遵循了類似軌跡，那就是從一個確定性高的業(yè)務場景出發(fā)，深挖需求、打磨產(chǎn)品，做到業(yè)內領先，再逐步橫向擴張相近領域。

       云知聲選擇的突破口是病歷質控和地鐵語音購票兩個場景。通過樹立標桿項目，它構筑起能用、好用的早期用戶認知，為后續(xù)通用大模型的應用拓展提供了現(xiàn)實抓手。海致科技也是類似路徑，其通過知識圖譜技術切入金融反欺詐場景，逐步將能力延展至運營風控與數(shù)據(jù)治理，實現(xiàn)了“場景突破—平臺沉淀”的良性循環(huán)。

       這些AI企業(yè)在商業(yè)化的路徑選擇上，也普遍繞開了與通用大模型正面競爭，轉而采取“垂直化+專精化”的策略。

       值得注意的是，這批走到“敲鐘”前線的AI企業(yè)，還有一個共性，那就是他們幾乎都在早期就投入建設了自己的平臺型產(chǎn)品或基礎技術架構。

       比如云知聲擁有自研的大模型平臺“云知大腦”與語音芯片Atlas;滴普科技打造了FastData與FastAGI雙平臺，分別對應數(shù)據(jù)引擎與智能引擎;明略在“秒針系統(tǒng)”與“小明助理”之間構建起從分析到?jīng)Q策的全鏈路AI運營系統(tǒng);而極智嘉和斯年智駕則圍繞AI應用場景構建了軟硬件一體化的全棧方案，實現(xiàn)從算法、感知、決策、執(zhí)行的端到端閉環(huán)。

       這些自主平臺一方面凝聚了核心算法、模型、工具鏈，形成技術壁壘，另一方面也方便產(chǎn)品標準化復制，降低項目交付成本。是AI企業(yè)從人力密集型項目向產(chǎn)品化、規(guī)模化發(fā)展的必要階段，誰的平臺能力強，誰就更能主導商業(yè)化節(jié)奏。

      據(jù)IDC等機構預測，中國AI解決方案市場未來5年仍將保持50%以上年增長，2030年規(guī)?？赏^萬億元。這既是巨大機遇，也是激烈戰(zhàn)場。

      大模型時代技術日新月異，唯有掌握獨特場景數(shù)據(jù)和know-how，才能抵御同質化競爭，成為下一個敲鐘的人。