新质生产力导向下的中国人工智能一级市场（一）：资本生态与机构博弈

{"text":[[{"start":11.69,"text":"当今是全球科技飞速发展的时代，人工智能作为新质生产力的核心载体，正在引发国内一级市场的结构性重塑：当前市场呈现典型的K型分化：头部底层硬核项目估值溢价严重，资本扎堆内卷；大量垂直应用项目则因技术路线快速迭代、商业化验证周期长，难以凝聚投资共识。在本文中，笔者将从新质生产力对资本评价标尺的重塑入手，系统梳理国家级基金、市场化VC/PE、大厂产业资本（CVC）及垂直早期基金四类主体的禀赋、偏好与博弈逻辑，深入解析“头部溢价内卷”与“技术认知撕裂”两大核心矛盾的形成机制。"}],[{"start":52.03,"text":"新质生产力战略重塑国内AI一级市场的资本生态"}],[{"start":56.660000000000004,"text":"中国政府在发展AI产业方面有清晰的战略定位，而资本市场的配套改革也同步落地：在2026陆家嘴论坛上，证监会主席吴清明确提出“扩大科创板第五套上市标准适用范围至人工智能领域，支持优质AI大模型企业上市”；上交所同步发布《上海证券交易所发行上市审核规则适用指引第10号——人工智能大模型企业适用科创板第五套上市标准》，明确大模型企业申报需满足产品上线、规模化应用等验证要求，打通尚未盈利硬核AI企业资本化通道。"}],[{"start":91.93,"text":"顶层政策的持续落地，叠加算力、大模型、智能体(Agent)、具身智能等技术迭代，共同推升AI一级市场热度，但资本分配、技术判断、商业化兑现之间的结构性矛盾逐步凸显。就当下而言，我们亟需厘清各类资本的行为逻辑，完善科技金融引导机制。"}],[{"start":112.39000000000001,"text":"在新质生产力框架下，AI一级市场底层评价标尺已经发生了根本性变化：资本评价从互联网时代优先看用户、流量、短期变现，转向“底层自主可控+产业场景落地+长期技术迭代”的三维标准，直接重塑了资金供给、投决导向、退出预期三大环节。"}],[{"start":132.23000000000002,"text":"1.资金供给端：国家级科创基金、地方政府引导基金加大对算力、AI芯片、基础模型等长周期“卡脖子”赛道的配置，长期资本占比提升；市场化资本则向具备可验证行业订单、边际成本可控的垂直模型、行业智能体倾斜。"}],[{"start":150.18,"text":"2.投决导向端：单纯的“Demo演示、PPT融资”的模式逐步失效，监管与资本共同强化对规模化落地、真实付费、数据合规、算力成本的尽调权重，区分“底层范式创新”和“开源微调、工程包装”。"}],[{"start":165.8,"text":"3.退出预期端：科创板第五套扩围和港交所第18C章特专科技上市机制改革，为无盈利硬核AI企业提供了多元出口，改变了过去“必须盈利才能上市”的约束，引导资本敢于承担基础层创新的长期风险。"}],[{"start":181.92000000000002,"text":"AI一级市场生态重塑的衍生结果，是资本分层和主体分化，不同属性机构的目标函数之间的差异拉大，形成了当前市场复杂的博弈格局。"}],[{"start":192.96,"text":"AI一级市场投资主体图谱：禀赋、偏好与博弈特征"}],[{"start":198.13,"text":"如前所述，国家级基金、市场化VC/PE、大厂产业资本以及垂直早期基金这四类核心资本构成了当前国内AI一级市场的主力，其资金周期、考核目标、风险约束天然的不同，这是同一项目往往估值分歧巨大、认知撕裂的根源。在此，我们将这四类资本的核心目标、资金周期、赛道偏好、核心优势、内生短板和典型博弈行为总结如下："}],[{"start":null,"text":"

"}],[{"start":225.10999999999999,"text":"综上所述，我们看到：市场分歧的原因往往并不是技术的好坏本身，而是考核周期、风险底线、收益诉求不一致。国资看产业链安全、CVC看生态协同、财务VC看退出回报、早期基金看细分变现。在这样差异化的目标函数下，同一项目自然就会形成多维度的定价差异。而这一现象，也加剧了当前AI一级市场的结构性矛盾，即：头部资产的溢价内卷与技术路线的认知撕裂。"}],[{"start":256.66999999999996,"text":"虽然资本市场从来都是蛮荒丛林，但目前国内的AI一级市场并非普涨行情，而是强分化的K型结构。事实上，以下两大矛盾互为因果。"}],[{"start":268.9,"text":"第一，头部硬核标的供给稀缺，资本内卷推高估值。算力芯片、头部通用大模型、顶尖科学家团队等核心资产的供给极少，国资、头部VC、大厂CVC集中争抢份额，Pre-A、A轮估值显著抬升。一旦后续商业化兑现不及预期、开源模型快速替代，容易出现融资断档、估值回调风险。清科数据显示，2026年一季度AI近600起融资案例中，大额融资高度集中于基础层与头部模型企业，资金的“马太效应”突出。"}],[{"start":304.42999999999995,"text":"第二，技术路线迭代快，大量非头部项目难以形成共识。对于诸如开源模型的持续降本、规模定律(Scaling Law)边界的持续讨论、智能体范式的快速演进等等专业问题，多数投资人很难区分哪些是底层的原创创新，哪些是基于开源基座的微调与场景包装。很多项目缺少可量化的客户付费、边际推理成本以及专属闭环的数据，这导致不少机构不敢出手、不愿出手，从而形成了“好项目抢不到、普通项目看不懂”的市场温差。"}],[{"start":335.91999999999996,"text":"不难发现，在AI一级市场这个丛林中，充满了隐性博弈。概括来说，技术只是变量，后续轮次接盘资本、产业真实订单、持续算力现金流、核心人才稳定性等因素，共同决定一个项目的生死。事实上，不少大模型项目不是死于技术失败，而是死于高烧钱率下融资的断裂。"}],[{"start":358.48999999999995,"text":"（作者介绍：金涛系美国罗切斯特大学数学博士，哈佛大学经济学博士，“高黎数学”创始人，清华大学恒隆房地产研究中心研究员、中国金融学会理事，北京雁栖湖应用数学研究院访问教授。原清华大学五道口金融学院副教授、美国联邦储备银行波士顿分行研究员、美国国家经济研究局研究助理。金涛教授也在微信公众号“高黎数学”、“金岩咨询”与“新世说”上撰写文章。吴璟晴系中改经济研究院副院长。本文仅代表作者观点。责任编辑邮箱：tao.feng@ftchinese.com）"}]],"url":"https://audio.ftcn.net.cn/album/a_1787094263_8280.mp3"}