半年3000亿涌向应用层，AI创业下半场为什么“技术最强”反而活不下来

一、两个信号：钱的方向，悄悄变了

判断一个行业处于什么阶段，最诚实的指标不是发布会上的参数，而是钱的流向。2026年8月以来，中国AI产业同时出现了两个方向相反的信号，把它们放在一起看，胜过一百份行业报告。

第一个信号，是大模型公司的估值与股价集体回调。8月18日，港股”大模型双雄”股价双双大幅走低：智谱（2513.HK）盘中一度跌近16.63%，股价最低触及1000港元关口；MiniMax（0100.HK）跌超12%。自2026年1月以116.2港元上市、一度触及2980港元历史高位以来，智谱股价已从高点回撤超六成；MiniMax从3月1330港元的高点跌至293港元附近，跌幅超过78%（据财联社、今日头条财经2026年8月18日报道）。一级市场同样冷暖自知：PitchBook数据显示，美国超过一半的独角兽企业已连续三年没有获得新融资，超过220家企业估值下跌（股融易2026年6月2日转引）。就连AI算力芯片的旗帜寒武纪，市值也从年内1.73万亿的巅峰回落至8100亿附近（21财经2026年7月13日）。曾经”沾AI就涨”的稀缺性溢价，正在加速瓦解。

第二个信号，是AI应用公司的融资明显回暖。据IT桔子统计，2026年上半年国内AI一级市场共发生1203起融资，总额突破3000亿元，仅半年时间就超过了2025年全年，吸走了全赛道近一半资金（搜狐2026年9月3日转引）。但更值得注意的是结构：早期融资TOP10里，具身智能与世界模型固然吸金，而大量中腰部资金正涌向AI Agent、垂直行业应用与企业级服务——8月18日，清华系AI Agent公司独到科技完成近亿元A+轮融资，赛富领投（36氪2026年8月19日）；8月19日，深耕法律行业十二年的智合AI宣布完成数千万元A轮融资（中国日报网2026年8月19日）；7月，商汤医疗完成超1亿美元B轮融资，投后估值突破百亿元（东方财富财富号2026年9月3日）。政策端也在同步加码：9月4日，工信部办公厅印发《人工智能中小企业创业支持计划（2026-2028年）》，提出发挥国家中小企业发展基金、国家人工智能产业投资基金引导作用，带动社会资本设立一批聚焦人工智能的早期风险投资基金，构建覆盖种子期、初创期、成长期的耐心资本支持体系（工信部2026年9月4日消息）。

（表格数据来源：财联社、21财经、36氪、中国日报网、IT桔子及工信部公开信息，截至2026年9月4日）

比数字更值得玩味的，是投资逻辑的整体切换。有行业观察把2025年称为AI投资的分水岭：在此之前，投资人见项目问的第一个问题通常是“你们用什么模型、参数多大、跑分多少”；在此之后，问题变成了“你们的前十大客户是谁、毛利多少、多久回本”（CSDN行业观察2026年9月1日）。观研天下的统计也印证了这一点：2026年上半年国内AI融资呈现显著的结构性分化，早期与中后期项目在融资体量、聚焦方向及资本逻辑上均存在明显差异，资本整体上从盲目追逐技术热点，转向ROI与商业化验证优先（新浪财经2026年9月2日转引）。东方财富号上一篇机构观察的概括更为直白：模型厂商的FOMO情绪已显著降温，市场呈现“头部分化、腰部收敛、尾部出清”的结构性变化。换句话说，钱不是变少了，而是变聪明了。

一冷一热之间，结论已经很清晰：钱没有离开AI，钱只是换了个流向——从模型层流向应用层，从”基础设施”流向”解决问题”，从讲故事的公司流向能算清账的公司。这就是我们判断”百模大战”结束、”百应用大战”开启的直接依据。

二、”百模大战”为什么结束了：三个底层变化

“百模大战”这个词，读者不会陌生。2023年到2024年，国内先后有超过两百家公司发布大模型，媒体称之为”百模大战”；到2024年10月，澎湃新闻已经写出”百模大战落幕，大模型’六小虎’开始分野”的判断；2025年5月，新华网进一步观察到市场已收敛为”基模五强”。而据财新数据2026年8月的梳理，”六小虎”中坚持投入预训练基座大模型的仅剩智谱AI、月之暗面、MiniMax和阶跃星辰四家。从”百模”到”五强”再到”四家硬撑”，这场战争不是被打输的，而是被三个更深层的变量终结的。

变化一：大模型技术趋同，基础能力差距越来越小

上半场的估值溢价，建立在”模型能力有代差”这个假设之上——谁跑分领先，谁就该享受稀缺性溢价。但2026年，这个假设基本失效了。最标志性的数据是：2026年4月，开源模型的Token调用份额还只有11%；到8月17日，这一数字飙升至51%，开源模型调用份额首次反超闭源模型，硅谷延续多年的”闭源霸主”格局被彻底改写（新浪看点2026年9月3日）。8月31日，DeepSeek在Hugging Face正式开源V4系列首个多模态模型，284B参数、MIT协议，文本与视觉能力双在线（新浪财经2026年9月1日）。与此同时，ChatGPT的全球市场份额首度跌破五成（光明日报2026年9月3日刊发）。

更能说明问题的是一个”出口转内销”的细节：8月下旬，美国法律AI独角兽Harvey宣布推出首个自有法律模型Harvey Tenet，其基础模型选择的不是OpenAI或Anthropic，而是中国月之暗面的开放权重模型Kimi K3，与美国AI基础设施公司Fireworks共同后训练而成。Harvey目前服务超2400家机构客户、覆盖20多万名律师（腾讯科技2026年8月22日报道）。当一家美国头部垂直AI公司都开始在中国开源模型之上构建核心产品时，”基础模型能力”作为一种竞争壁垒的含金量，已经肉眼可见地稀释了。人民日报海外版9月3日的判断是：随着Kimi、DeepSeek等中国开放权重模型能力持续提升，越来越多海外AI企业开始在其基础上进行后训练。模型本身，正在从”高技术壁垒”变成”水电煤式的基础设施”。

变化二：算力成本下降，做应用的门槛大幅降低

第二个变量是成本曲线的陡峭下行。9月初，数据服务商Silicon Data推出的大语言模型Token支出指数首次跌破每百万Token 1美元关口，报0.97美元，创下该指数推出以来的最低纪录；该指数以彭博代码SDLLMTK发布，按使用量加权计算全球主流大模型的调用成本（21世纪经济报道2026年9月4日）。同一周，媒体以”直降超50%！中国大模型击穿价格底线”为标题报道了这轮降价潮（新浪财经2026年9月3日）。海外同样惨烈：xAI发布的Grok 4.6以85%的价格折扣实现了与旗舰模型相当的基准性能。

价格降下来之后，发生的是调用量的爆发：中国日均Token调用量从2025年初的约7万亿，飙升到2026年3月的140万亿，两年间暴涨近1400倍（据公开数据，今日头条2026年5月27日转引）。这组数字翻译成创业语言就是：过去做一个AI应用，模型调用成本可能吃掉你大半毛利；今天，一个三五人的小团队，用开源模型加云端推理，就能以极低的边际成本搭建起可商用的产品。做应用的门槛大幅降低，意味着”会用大模型”不再稀缺，竞争自然就从技术侧转移到了别的维度。

变化三：客户变理性了，只为”解决问题”买单

如果说前两个变化发生在供给侧，第三个变化则发生在需求侧，而且杀伤力最大——客户不再为”大模型”这四个字买单了，只为”解决我什么问题”买单。中国信通院联合360发布的企业级智能体报告给出了一个清晰的阶段判断：企业AI正从”模型采购期”进入”系统改造期”，评价标准从技术参数转向部署成本、人效提升比和投资回报率（用友2026年7月24日引述）。这句话背后的现实是：企业客户开始要求供应商讲清楚，这套系统替代了多少人工、缩短了多少周期、省下了多少真金白银。

理性化的另一面是清醒。Gartner的一份报告指出，尽管全行业高喊”All in AI”，AI规模化落地率却不足25%（搜狐2026年9月3日转引）。2026世界人工智能大会期间，阿尔法公社刘罡的判断更为直白：AI商业化正从”能力展示”进入”收入验证”（经济观察网2026年7月20日）。企业客户经历过太多”PPT智能”之后，采购流程里多了验收条款、对赌协议和ROI复盘。阿里云开发者社区甚至出现了专门的方法论文章，讨论”指标体检、流程焊点与验收对赌”的工程实践，帮助项目告别”技术成功、业务失败”。当客户开始用放大镜审视效果，靠概念拿单的时代就彻底结束了。

三、下半场比拼之一：对行业的理解深度

进入下半场，第一项核心竞争力是对行业的理解深度。这里有一个残酷但真实的错配：懂技术的人很多，懂行业的人很少，既懂技术又懂行业的人，凤毛麟角。

为什么行业理解突然变得值钱？因为大模型解决的是”通识智能”，而客户付钱买的是”专业判断”。一个通用模型可以流畅地写合同、看病历、做标书，但离”能用在律所、医院、招投标现场”还隔着最后一公里——这一公里里埋的全是行业知识：法律AI要懂证据链的严谨性，医疗AI要懂循证医学的可溯源要求，标书AI要懂评标规则和废标红线。上面提到的Harvey之所以能做到2400家机构客户，靠的不是模型比别人强，而是把法律工作流拆到了极致；国内对标OpenEvidence的产品也意识到，不能只满足于”回答问题”，而要深入医生和律师的真实工作流，用可追溯、可验证的AI能力重塑行业决策范式（今日头条2026年9月4日）。再看智合AI——这家公司最引人注目的资产不是算法，而是”十二年行业积累”（中国日报网2026年8月19日）。十二年攒下的行业认知，在通用模型白菜化的今天，反而成了最硬的通货。

对企业客户来说，采购逻辑也变了。央国企的AI招标越来越强调场景颗粒度：不是”采购一个大模型平台”，而是”供应链智能体””工业智能体”这样贴着业务流程长出来的需求（参见2026年央国企AI场景标杆案例集）。招标方要看的不再是跑分榜单，而是你在他这个行业里做过几个项目、踩过多少坑、能不能对验收结果负责。这时候，一个在行业里泡了十年的老销售加一个会用开源模型的工程师，往往比一个顶尖算法博士团队更有胜算。

软盟资讯想提醒创业者的是：行业理解没有捷径，它藏在客户的抱怨里、业务的流程里、一线的脏活累活里。上半场大家比的是谁更懂Transformer，下半场比的是谁更懂客户的那本生意经。

四、下半场比拼之二：获客和销售能力

第二项核心竞争力，是获客和销售能力。这句话听起来一点都不”性感”，但它恰恰是技术型创始人最容易轻视、也最容易因此而死掉的一环：好产品也要能卖出去，To B尤其如此。

To B生意的复杂度，被很多技术创业者严重低估了。一笔企业级订单的成交链条包括：找到关键人、理解采购预算、通过合规审查、挤进供应商短名单、扛住POC测试、谈定商务条款、熬过回款周期——每一步都是专业活，每一步都可能让产品力归零。C端产品可以靠增长黑客和流量投放起量，B端产品没有销售体系，再好的产品也只能躺在仓库里。这也是为什么今年上半年资本明显偏爱”团队里有行业老兵”的应用公司：投资人尽调时问的第一个问题，已经从”你们的模型用什么架构”变成了”你们的前十大客户是谁、复购率多少、销售负责人有没有十年以上的行业资源”。

几个风向标案例值得细品。Cursor——AI编程工具的现象级产品——在短短3个月内将年收入翻倍至超过20亿美元，企业客户占收入比例攀升至约六成（UNWIRE.PRO 2026年3月3日报道）。支撑这个数字的，除了产品本身，还有一套成熟的企业销售与客户成功体系：大客户的采购决策、席位扩张、续约管理，每一个环节都在考验组织的销售能力。反过来看国内，大模型公司也在集体”下海”赚钱：2026年5月以来，ChatGPT调整免费策略、豆包推出付费订阅、DeepSeek启动首次外部融资，免费换流量的时代正在终结（CSDN行业观察2026年9月3日）。当所有玩家都开始认真收钱，”会不会卖”就成了分水岭。

To B销售的难度，还在于周期与回款这两道硬门槛。一个典型的企业级AI项目，从首次接触到合同落地往往需要三到六个月，涉及需求梳理、POC验证、安全评估、财务审批多个环节；合同签订之后，回款周期又可能长达半年。这意味着团队在没有外部融资的条件下，必须精确计算“每单收入能否覆盖同期成本”，否则订单越多、现金流越紧。这也是为什么成熟的To B团队会把“客户成功”当作销售体系的一部分：续约与增购才是To B生意的利润来源，第一单往往只是入场券。能活得好的应用公司，几乎都在组织架构里给了销售和客户成功与产品同等的地位——这是上半场的技术型创业者最需要补的一课。

还需要正视的一个现实是渠道生态的变化。字节跳动8月底发布”豆包工作”AI办公智能体，深度打通飞书生态（界面新闻AI应用周度观察2026年8月31日）；各大模型厂商都在把Agent商店、插件生态、行业解决方案伙伴体系搭起来。对创业公司而言，这既是威胁——大厂的流量入口随时可能变成天花板——也是机会：把自己变成生态里的”垂直解决方案供应商”，借船出海，往往是小团队获客的捷径。但无论走直销还是走生态，销售能力都必须长在自己身上，因为客户关系和信任，是唯一无法开源的东西。

五、下半场比拼之三：现金流和盈利能力

第三项核心竞争力，也是最朴素的一项：现金流和盈利能力。靠融资输血的时代结束了，靠自己赚钱的时代开始了。

上半场的游戏规则是”融资驱动”：融到钱、买算力、发模型、拉估值、再融资，收入和利润是遥远的将来时。这套玩法在2026年遭遇了系统性收紧——前文提到的220家美国独角兽跌落神坛、港股大模型公司股价深调，本质上都是市场对”烧钱换增长”模式投出的不信任票。反观活下来的样本，无一例外在向”自我造血”切换：月之暗面冲刺港股时披露的关键数字是3亿美元ARR（格隆汇2026年7月20日）；MiniMax上半年业绩前瞻的核心看点是毛利率修复——摩根士丹利预测其上半年营收约1.15亿美元，计算效率优化带来的毛利改善成为估值重构的关键（财联社2026年8月26日）；智谱虽然仍处于”营收7.24亿元、亏损32亿元”的投入期（据其披露及媒体报道，2026年4月），但市场讨论的焦点已经从”技术多领先”变成了”亏损何时收窄”。风向的转变一目了然：资本市场不再为亏损本身定价，而是为亏损收窄的速度和路径定价。

应用层的盈利故事则更加赤裸。观点网9月3日的一篇观察指出：AI应用创业公司普遍”高增长难盈利”——知识空间产品Kuse未融资但毛利微正；而明星产品Cursor虽然年收入超20亿美元，毛利率却被曝为-23%，摊销掉补贴与推理成本后仍在大笔失血（观点网2026年9月3日）。这组对比极具警示意义：收入规模不再是唯一的荣耀，单位经济模型（Unit Economics）才是下半场的生死线——每一个订阅赚不赚钱、每一个客户回本周期多长、烧钱换来的增长能不能沉淀为留存，这些”算账”问题决定了一家应用公司能走多远。那些融不到资但毛利为正的小团队，反而可能比收入百倍于己的明星公司活得更久。

对创业者而言，现金流管理的实操含义有三条：第一，把”Runway”（现金跑道）当作最高优先级指标，融资环境不会再无条件兜底；第二，定价要从成本倒推转向价值倒推——按解决问题的价值收费，而不是按Token成本加成收费；第三，敢于对亏损客户、亏损场景说不，To B世界里，错误的客户比没有客户更致命。

（表格为软盟资讯基于公开信息整理的观点归纳，截至2026年9月4日）

六、下半场最有机会的三类AI公司

判定了竞争要素，接下来回答更实际的问题：钱和机会会集中在哪里？综合上半年的融资结构与商业案例，软盟资讯认为，以下三类AI公司在下半场胜出概率最大。

第一类：垂直行业深度应用。不做通用工具，而是吃透一个行业。这类公司的价值公式是”行业Know-how × 模型能力”，前一项决定壁垒，后一项随开源生态免费升级。智合AI十二年法律行业积累换来A轮融资，本质上是资本市场为”行业深度”定价；Harvey把法律工作流拆到极致，换来2400家机构客户——两者的共同点是把一个行业吃穿吃透。垂直深应用的护城河在于：客户替换成本高、数据壁垒随时间加厚、竞争对手难以跨界复制。

第二类：AI+传统服务。用AI改造一个传统行业——法律、教育、医疗是三条最宽的赛道。医疗方向，商汤医疗7月完成超1亿美元B轮融资，”医疗世界模型”概念叠加Pre-IPO预期；对标OpenEvidence的循证医学产品试图用可溯源的AI能力进入医生的真实决策流程（今日头条2026年9月4日）。教育方向，海亮科服等教育科技公司在WAIC 2026上入选权威成果，语料与教学场景的结合成为落地抓手（证券时报2026年7月19日）。法律方向，从合同审查到证据分析再到国际律所的自有模型训练（Harvey Tenet基于Kimi K3），链条上的每个环节都在长出生意。这类公司的机会本质是：传统服务市场规模巨大、人力成本高、专业判断密集——恰好是AI性价比最高的改造对象。

第三类：小而美的AI工具。解决一个具体痛点，收费模式清晰。Kuse就是样本——不融资、毛利微正，靠订阅费活着（观点网2026年9月3日）。这类产品未必能长成独角兽，但它们是下半场最健康的物种：付费意愿明确、成本结构可控、不需要向资本市场证明任何叙事。当Token成本跌破每百万1美元，一批”一人公司”和三五人小团队都能跑出正现金流的生意。对于绝大多数普通创业者而言，这不是退而求其次的选择，而是最现实的最优解。

（表格数据来源：中国日报网、腾讯科技、观点网、今日头条等公开报道，截至2026年9月4日）

七、给AI创业者的三句话

值得强调的是，这三类机会并非互斥，而是一条清晰的演进路径：很多团队从“小而美的工具”起步验证需求，再沿着某个垂直行业纵深挖掘，最终长成“AI+传统服务”的完整解决方案商。反过来，如果一上来就贪大求全、什么都想做，反而容易在每一个环节都遭遇巨头的正面竞争。工信部《人工智能中小企业创业支持计划》里“构建覆盖种子期、初创期、成长期的耐心资本支持体系”的表述，也暗示了政策层对这种“从小到大、从点到面”成长路径的认可。对创业者而言，选赛道的第一原则不是哪个赛道最热，而是哪个赛道里你的既有积累最深。

行文至此，软盟资讯把核心判断收敛成三句话，送给正在或准备进入AI赛道的创业者。

第一句：别再追技术热点了，多去客户那里待一待。模型每周都在更新，今天追多模态、明天追世界模型、后天追具身智能，追到最后只会把自己追散架。技术热点属于巨头和头部实验室，中小创业者的时间应该花在客户现场——去听一线员工怎么抱怨流程，去看老板怎么算成本，去数一个环节到底消耗多少工时。所有值钱的AI应用，答案都不在论文里，在客户的业务里。WAIC 2026释放的产业信号已经很明确：不靠大团队、不用重资产的轻量化落地，正在成为主流路径。

第二句：小团队不要追求”做大”，先追求”赚钱”。上半场的叙事崇拜”大”——大估值、大模型、大平台；下半场的生存法则是”活”——活到客户离不开你，活到同行烧完钱，活到你自己能造血。一个毛利为正、十个客户续费的小生意，胜过一个估值十亿、月烧千万的空壳明星。把”赚钱”当作第一KPI不是格局小，恰恰是这个时代最大的格局——因为它意味着你的产品真的有人愿意掏钱，你的公司具备不依赖资本意志的独立生命。

第三句：技术是基础，但决定你能走多远的，是对人性和商业的理解。技术回答”能不能做到”，人性回答”别人为什么需要”，商业回答”这件事凭什么持续赚钱”。客户为什么宁可多花钱也要确定性？用户为什么会为一个功能付费却对另一个免费功能无感？采购决策链上谁才是真正的关键人？这些问题的答案不在任何模型里，而在几十年的商业常识里。上半场淘汰的是不懂技术的人，下半场淘汰的是不懂商业的人。

结语：上半场拼技术，下半场拼活法

回望这场从”百模大战”到”百应用大战”的转折，它并不意外。任何一次通用技术革命——电力、互联网、云计算——都走过同样的剧本：先是基础设施层的军备竞赛，巨头和资本把底层能力做到过剩；然后是应用层的百花齐放，真正创造价值的公司从场景里长出来。今天的AI正处在剧本的第二幕：模型成了水电煤，Token跌破了1美元，客户学会了算账，资本换了问法。

对创业者来说，这不是坏消息，恰恰是最好的消息——因为决定胜负的变量，第一次回到了普通人够得着的地方。你不需要百亿算力，不需要博士头衔，你需要的可能只是对一个行业的十年理解、一支会打仗的销售队伍、和一张算得清的现金流量表。技术平权之后，商业素养成了新的稀缺品。

站在2026年9月这个时点回望，三年前那些挤在发布会现场为参数欢呼的创业者们，如今已经站到了岔路口：有人还在等待下一轮技术奇迹为自己的故事续命，有人已经转身走进客户的车间、病房与法庭，在具体而微的需求里寻找真实的生意。历史经验一再证明，基础设施的红利终将被少数巨头收获，而应用层的机会永远属于那些离客户最近的人。

AI创业的上半场是技术驱动，下半场是商业驱动。能活下来的，不一定是技术最强的，但一定是最懂客户、最会赚钱的。下半场的哨声已经吹响，愿你带着现金流入场，带着利润离场。