过去两年，美国AI创业生态迎来了前所未有的繁荣期，资本以惊人的速度涌入这个领域，创造出一批批估值飙升的"AI独角兽"。

在这片热闹的创业浪潮中，明星创业公司是如何诞生的？领跑的创业者又是何种画像？哪些投资人正在幕后推动这场技术革命？更重要的是，对于踏入AI创业领域的创业者，这些公司能带来哪些启示？

带着这些问题，我们决定深入调查美国AI创业市场的资本流向。

通过系统筛选2022年以来美国成立的2443家AI初创公司，我们锁定了93个在融资金额或行业影响上表现突出的"明星项目"，并剖析了背后802位活跃投资人的特征与偏好。

我们力图通过这份研究，为中国AI领域创业者提供一张清晰的AI资本市场导航图，帮助他们了解哪些细分赛道正获得资本青睐，知名的创业公司如何制定自己的融资策略，哪些投资人可能会进一步影响行业的走向。

基于此次的研究，我们发现：

对2443家美国AI创业公司（2022年及以后成立，种子轮或早期融资阶段）分析显示，超过92%的项目尚处于Pre-Seed或Seed阶段，表明当前AI行业仍处于早期阶段。

早期项目的单轮融资金额普遍较小且节奏快：上一轮融资额在50万美元以下的项目多达855个，占据最大；超过70%的项目迄今总融资不足250万美元。

美国创业者普遍采取「小额快速」的融资策略，以尽早获得市场验证和迭代机会。

总融资超过1亿美元的仅有31个（<2%）。极少数头部项目获得了大笔押注。

To B企业级应用是美国早期AI创业的主流方向：明星项目中有近一半聚焦通用企业应用（如AI开发工具、办公自动化、营销等）和垂直行业应用（医疗、金融、法律等），在美国市场面向企业痛点的AI解决方案因商业模式清晰、变现路径确定而备受创业者和投资人青睐。

AI中间层技术栈（开发者工具、MLOps、数据中间件等）正在崛起：重点集中在模型开发效率和安全两大方向，反映出AI系统工程化需求的提高（例如模型监控、版本管理、隐私防护等）。

硅谷在地理分布上“一骑绝尘”：加州（尤其湾区）汇聚了约2/3的明星AI项目，凭借密集的技术人才、大模型基础设施和风险资本生态形成高度垄断。

明星项目的早期融资背后共出现了802位投资人，呈现出高频协同的资本网络效应：多家基金联合投资、知名投资人频繁共同押注，早期AI投资圈高度互联，这也是典型的美国早期投资特色。

投资人结构方面，新兴黑马基金和个人天使数量最多，构成AI早期最活跃的出资群体；大型科技公司的CVC虽多在中后期或战略协同阶段入场，但整体占比正明显上升，企业资本开始加速布局AI创新。

对于AI创业者而言，尤其是要面向美国VC融资的AI创业者而言，我们建议重点关注：

美国投资人对‘小而精悍、效率至上’的AI初创公司尤为青睐。这些明星项目以不到50人的精干团队，在短短一到两年内，便实现了数千万乃至上亿美元的年度经常性收入（ARR）。例如，Midjourney以不足10人的团队，在两年内创造了2亿美元的ARR。

美国风险投资（VC）生态与中国市场存在显著差异：美国早期机构倾向于多家机构联合投资，而从A轮开始，则往往由一家机构进行重点投资；中国市场则相反，早期通常仅有1-3家投资机构参与，而从A轮开始，大量机构才会联合投资，以分散风险。这意味着，创业者可能在海外需要培养更强的社交能力，以及参与更多的社交活动，才能有机会完成早期的资金募集。

美国创业者在早期阶段选择多家机构进行投资，主要原因在于美国VC的资金多来源于企业家，容忍度较高。通常情况下，普通合伙人（GP）不会因低于数十万美元的投资金额而启动回购，也不会过多干预公司运营。然而，值得注意的是，美国董事会解雇创始人或首席执行官（CEO）的情况也时有发生。

本研究报告来自锦秋基金：

01 本研究的项目筛选逻辑

研究基础

为确保分析覆盖具有代表性的高潜力项目，我们依据以下标准对美国AI创业公司进行了系统筛选，共筛选出2443个项目作为研究基础。

成立时间：2022年及以后成立

地区：企业总部设在美国

阶段：融资阶段处于Seed或Early Stage Venture，优先覆盖成长初期的高潜项目

行业领域：聚焦 人工智能 领域

在上述2443家满足条件的创业公司中，我们进一步甄选出一批明星项目用于深入研究。

明星项目

基础标准 （指标的合理性+数据的可获得性）

A类：已完成 上一轮融资金额 ≥ 3500 万美元 的项目（共计 61个），代表资本认可度高、具备快速扩张能力；

B类：仅完成 种子轮（Seed）融资，但单轮融资金额已达 2000 万美元以上 的早期高潜力项目（共计 12个），体现出极强的市场关注与创始团队溢价；

补充来源

C类：经常被国内主流科技/投资媒体报道，具有较高行业声量与热度的代表性项目（共计 20个），具备典型性和讨论热度

以下是93个项目的简单介绍。

如需获得这93个项目的进一步资料，欢迎在本公众号后台留言『底表』获得项目相关资料。

02 明星项目画像

2.1 在美国，成为明星项目也不容易

我们首先统计了2022年后成立的AI公司的轮次分布。

整体来看：

融资阶段早，项目大多处于种子活跃期：在2443个项目中，Pre-Seed和Seed阶段的项目多达2256个，占比超过92%。相较之下，进入A轮的项目仅有159个（约6.5%），B轮及以上更不足30个（约1.1%）

融资金额分布： 早期AI项目的单轮融资金额整体偏小，“小额快跑”成为普遍现象数据显示，在最新一轮融资中，融资额低于50万美元的项目数量最多，达到855家，占比约35%；低于100万美元的项目累计接近60%。即使将门槛提高到千万美元级别，最近一轮融资超过2000万美元的项目也仅有区区118家（不到5%）。

总融资额特征： 受单轮融资规模偏小影响，多数AI初创公司目前的累计融资额也不高。超过70%的项目总融资额尚不足250万美元，显示出资本在绝大部分项目上的投入仍处于试水阶段。相比之下，能够一路获得上千万甚至上亿美元资金加持的项目凤毛麟角：总融资超过1亿美元的只有31家，不到样本数的1.3%；超过5000万美元的项目在样本中也仅占不到3%。

最新一轮融资阶段分布

最新一轮融资额分布

总融资额分布情况

从这些数据不难看出，即使在美国，明星项目的占比也是很少。最新一轮融资超过2000万美元的交易也仅有118笔。作为对比，上一轮融资额在50万美元以下的项目多达855个，占据最大；超过70%的项目迄今总融资不足250万美元

2.2 在美国，To B 、中间件、infra更容易出明星项目

从行业格局来看，美国早期阶段AI创业项目高度集中于应用层，尤其是企业通用应用（26个项目）与企业垂直应用（17个项目），二者合计占总样本的逾46%。

中间层（如开发工具、MLOps、数据中间件等）项目数量亦达17个，与垂直应用层持平，显示出AI系统“工程化”正在成为创业与投资重点。

2.2.1 ToB，最容易出明星项目

从行业格局来看，美国AI创业项目高度集中于应用层，尤其是企业通用应用（26个项目）与企业垂直应用（17个项目），二者合计占总样本的逾46%。

一方面美国toB市场根基稳定且坚实，美国企业本身就有很好的订阅付费环境，AI创业公司都倾向于一开始就确定下来，是什么场景、什么领域，产品能提供什么样的作用，解决什么痛点问题，怎么盈利；

另一方面，ToB项目有更清晰的用户画像和PMF验证，能提供更可预测的回报和较低的风险。机构投资者从理性角度出发，更倾向于投资ToB项目。

2.2.1.1 企业通用应用

企业通用应用中，AI+Coding 引领，共有8个明星项目，是通用应用中最多的子类，体现出AI辅助开发工具（如代码补全、低代码平台、多人协作IDE等）已成为AI应用的“爆款标配”。

其他高频子类包括：企业自动化（5个）、AI+营销（4个），说明AI在提升组织效率、降低边际人力成本方面，具备明确的ROI优势。

这反映出组织效率提升、边际人力成本降低是企业用户非常看重的价值点。借助AI显著改善企业运营指标（例如节省人力、提高转化）的产品，更容易获得企业客户和资本的双重青睐。

对于创业者来说，聚焦企业刚需、提供可量化ROI的AI解决方案，无疑是在当下环境中打动投资人的有效路径。

2.2.1.2 企业垂直应用

企业垂直应用中，AI医疗强势领跑，医疗类AI项目多达9个，涵盖AI病历生成、诊疗建议、药物研发平台等，是目前垂直应用中最具技术深度与商业确定性的赛道。

除了医疗外，金融、法律、物流等传统“数据密集型”行业也开始引入AI技术来提升效率，比如用AI辅助合同审阅、优化供应链调度等 。

总体而言，降低人力成本，尤其是专业服务领域的成本是美国AI初创公司的重要方向。

2.2.2 中间件

中间层（如开发工具、MLOps、数据中间件等）项目数量亦达17个，与垂直应用层持平，显示出AI系统“工程化”正在成为创业与投资重点。

其中安全与MLOps最受关注。

安全/隐私/其他工具链方向占据8项，反映出市场对AI模型输入输出监控、攻击防御、合规审计等能力的关注度明显提升。

MLOps相关项目（7个）强调模型训练、版本控制、部署自动化等工程化能力，为模型在实际生产中的持续更新提供保障。

在一个新技术浪潮中，卖“铲子”和提供基础设施往往是一门好生意：当无数团队在应用层百舸争流时，为他们提供工具和平台的公司可以从中获得稳定且持续的需求。当前AI中间层的活跃正验证了这一商业逻辑。

2.2.3 infra

基础层：

芯片赛道延续热度，共有11个基础层项目，其中计算芯片占6项。受益于大模型推理需求爆发，推理加速芯片（如Etched、EnCharge等）成为资本青睐方向。

2.2.4 应用层：

AIGC仍是热点但逐步理性。创作者应用（共9个）集中在声音/音乐与视频生成领域。随着AIGC工具涌现，内容制作的门槛被迅速拉低，但同质化与商业闭环问题仍待验证。

C端应用（仅6个）大多集中在个人助手、电商推荐、情感陪伴等方向，仍处产品探索与用户教育阶段。普通消费者对新兴AI应用的接受需要时间培养，很多概念新颖的产品在早期都面临着如何让用户理解并习惯使用的难题。同时，C端市场往往意味着大规模的用户获取和烧钱补贴，这与早期“小额快跑”的融资环境并不契合。因此不少投资人目前对纯C端AI项目持观望态度，除非项目表现出异常强劲的增长或留存，否则难以在众多企业服务项目中胜出。

2.2.5 硬件

AI硬件以机器人方向为主，典型项目如Figure，体现AI与实体融合趋势。

2.3 地理位置分布：硅谷仍是创新高地

美国AI初创公司的地域分布极不均衡，创投资源呈现出向顶尖科技中心集中的趋势。

毫不意外，硅谷所在的加州是AI创业的绝对核心高地。我们的明星项目中将近三分之二来自加州 。

硅谷之所以能够垄断早期AI生态，离不开其独有的综合优势：世界顶尖的AI科研人才、大模型研发机构云集于此（OpenAI、Google Brain等均在湾区布局），同时本地聚集了众多AI计算基础设施和丰富且密集的风险资本 。

这种人才、技术、资本的高度集成，为AI创业提供了近乎完美的生长温床。

位列第二梯队的包括纽约州、马萨诸塞州和华盛顿州等地，它们在特定领域展现出竞争力。

纽约作为金融重镇，在金融科技（FinTech）和企业应用型AI方面有较强基础 ——华尔街的金融数据和需求孕育了不少AI创新，公司可以就近服务金融机构和大企业客户，投资人也偏好相关赛道。

马萨诸塞州（主要是波士顿地区）依托麻省理工学院等顶尖学府的科研实力，擅长学术驱动的AI孵化，比如机器人和生命科学方向的AI创业受学院派推动明显 。

华盛顿州则借力西雅图的大厂生态，微软、亚马逊等科技巨头的总部带动了本地AI创业氛围，不少离职员工创办的AI初创公司选择留在西雅图发展，以便利用大厂资源和人才网络 。

此外，德州等地在自动驾驶、航空航天AI等细分领域也有所布局。

虽然这些地区无法与硅谷在数量上抗衡，但各自形成了“靠近需求或资源”的差异化优势。对于非加州的AI创业团队来说，充分利用本地的产业资源和人才聚集，也能打造出有竞争力的项目。例如，在纽约开发AI交易算法、在波士顿做AI医疗科研成果转化，抑或在西雅图孵化云计算相关的AI服务，都有可能成为区域性的明星。

总的来说，美国AI早期创业版图虽然呈现硅谷一极集中，但多点开花的趋势也不可忽视。创业者在选择公司所在地和战略时，可以考虑所在区域的独特优势：要么深入硅谷腹地获取一线资源，要么立足其他科技重镇，服务好垂直领域客户、借助本地支柱产业崛起。无论身处何地，与领先的AI生态接轨、融入区域网络都是关键。

2.4 一个重要的变化：小团队是融资的隐性条件

“小团队，高回报”现象。过去科技创业往往需要巨额融资来扩张团队规模，而现在创业公司借助AI工具极大提升了人效，一方面，这意味着通过充分利用AI技术和工具来“以小搏大”是可行的路径——精干的团队专注于产品和业务本身，也有望赢得亮眼的增长曲线，从而吸引投资人持续加码。另一方面，也应该注意，这在全球范围内都是获得投资的硬性隐性条件。

锦秋基金总结了32个融资超过1亿美金的项目，其中13个项目， 员工人数在11-50区间。

03 明星项目捕手

明星项目之所以能崭露头角，离不开背后资本的加持与赋能。那么，是哪些投资人在推动美国AI早期项目蓬勃发展？通过梳理93个明星项目历轮融资公开信息，我们得以勾勒出这套活跃投资人谱系。

3.1 93个明星项目和他们背后的802个投资人

对93个明星项目历轮融资披露信息统计，经去重后形成完整参与投资人名单，共802位投资人（包含大白马基金、黑马基金、个人天使投资人、CVC和其他）。部分项目中存在多轮跟投、复投、高频协作型基金，反映出 AI 早期创业生态呈现强资本网络效应。

尤为引人注目的是早期AI赛道中新兴基金和天使投资人的活跃。在802位投资者中，黑马基金（成立时间较短但风格激进的新基金）和个人天使的数量最多 。许多明星项目的融资中，都能看到这些新面孔的身影。

他们有的由硅谷知名投资经理人或大厂高管创立，有的本身是连续创业成功者转型而来，拥有独立见解和快速决策的风格。在AI创业大潮中，这类新锐资本往往敢于抢占早期轮次，对前沿技术趋势判断大胆，下注果断，成为推动新项目脱颖而出的加速器。

同一项目的多轮融资中，甚至多次出现同一家基金反复跟投或多位志同道合的天使结伴投资的情况 。

这些现象表明早期AI创业存在明显的资本网络效应——有影响力的投资人往往彼此熟识且理念相近，他们会共同围绕有前景的项目形成“投资朋友圈”，持续协作支持项目成长。

对于创业者来说，这意味着如果能赢得圈内核心投资者的青睐，往往会带来连锁效应：领投的加入会吸引更多跟投者，从资金、资源到行业声誉都为项目加码。

值得一提的是，除了市场导向的VC和天使之外，大型科技公司旗下的CVC（Corporate Venture Capital）在AI早期投资中的存在感也在上升 。

这些产业资本通常投资风格稳健，更注重战略协同价值，过去多在项目中后期才介入。然而随着AI技术对产业格局影响加深，科技巨头们不愿错过早期优质项目，通过CVC更积极地提前布局新生态、扩展自身平台。

3.2 个人天使投资人发挥了举足轻重的作用

本次研究发现，在AI明星项目的投资阵容中，个人天使投资人发挥了举足轻重的作用。许多在科技圈德高望重的个人，以自己的资金和经验频繁出现在早期项目的股东名单里。

他们有的是知名互联网公司的前高管，有的是成功创业后的连续投资者，还有的是AI研究领域的顶尖专家。这些个人天使往往既有财富又有资源人脉，对前沿技术有敏锐嗅觉，因此成为连接资本与创业项目的桥梁。

举例来说，被誉为硅谷“超级天使”的前谷歌高管 Elad Gil，在我们的样本中投资了多达20个明星项。他有一个显著特点：全周期陪伴式投资。从种子轮到D轮，我们都能看到Elad多次出现在同一项目的不同轮次融资中。

例如，AI问答搜索公司Perplexity和法律AI助手Harvey的多轮融资背后都有他的身影，连续四轮跟投。这种长线支持表明Elad Gil倾向于选定优秀团队后长期陪跑，给予资金和战略指导上的持续助力。对于创业者而言，能吸引这样“有耐心、有远见”的天使无疑是宝贵的——不仅解决了早期资金问题，更在后续融资中获得了一个坚定的背书者。

我们也整理了个人天使投资人中出手明星项目频次5以上的人。

在这批美国AI早期明星项目的融资网络中，一批超级天使投资人的身影尤为瞩目：Elad Gil 这位前谷歌高管在样本中出手最多，累计投资了 20 个项目，尤其多次跟投 Perplexity、Harvey 等；

Nat Friedman（前 GitHub CEO）则对开发者工具和生成式 AI 情有独钟，前后 13 次下注 Replit、Codeium 等平台；

Daniel Gross（前 Apple 技术总监、YC AI 合伙人）同样动作迅速，在 8 个项目担任早期投资人或领投，青睐搜索与智能辅助类方向；

深度学习大牛 Andrej Karpathy（前 OpenAI 创始成员、特斯拉 Autopilot AI 负责人）出手 5 次，偏好底层架构创新，投资了 Resolve.ai 等技术驱动项目；

谷歌 AI 总架构师 Jeff Dean 也有 5 次记录，多聚焦计算体系与模型协同的早期团队；

而 Guillermo Rauch（Vercel CEO、Next.js 框架核心开发者）则专攻 AI 开发者平台，以 5 次出手支持了 Braintrust、ElevenLabs 等代码生成和协作工具。

这些超级天使的共同点在于：深厚的技术背景+强大的行业信任网络。他们凭借专业眼光选中未来之星，又因为自己的背书让项目更受追捧，从而吸引后续更多资本跟进。可以说，在AI早期创业生态中，这些技术领袖型天使起到了“项目集群效应”的关键纽带作用——将优秀的人和项目连接起来，形成正反馈循环。

3.3 CVC介入早期项目的现象也越发明显

随着AI创业版图的扩张，大型科技公司通过旗下CVC介入早期项目的现象也越发明显。传统VC更多从财务回报出发挑选项目，而CVC则肩负着母公司战略延伸和生态布局的使命，其投资逻辑与产业需求紧密相关。

在我们的明星项目数据中，多家知名科技企业的CVC出现在投资人名单里，而且有些频率相当高。

我们也整理了个人CVC中出手明星项目频次5以上的机构。

CVC（企业风险投资）方面，最为活跃的是 NVIDIA 与其最新设立的 NVentures，合计在样本中投资了 12 次，集中押注推理加速芯片、AI 模型基础设施和机器人硬件（如 Etched、Figure 等）。

Google Ventures (GV) 同样出手 12 次，覆盖通用 AI、大模型、健康医疗等多个方向（如 Perplexity、BridgeBio），侧重对谷歌生态的战略协同；

Salesforce Ventures 则在 8 个明星项目（如 Harvey、AI 写作助手 Writer）中埋下种子，着眼企业效率和 CRM 生态扩展；

Databricks Ventures 出手 7 次，锁定数据处理、RAG 工具链、企业级 MLOps（如 Glean、Contextual AI），助力自身数据智能平台；

M12 (Microsoft) 在 6 个项目（如 Protect AI、ModelX）上投入资源，完善 Azure AI 的安全和部署服务；

Bloomberg Beta 则以 6 次出手聚焦知识工作自动化（如 Hugging Face、NeuroBlade）；

此外，OpenAI Startup Fund 目前已投资 5 家生成式 AI 项目，紧扣自家 GPT 模型生态。

总体而言，CVC的积极布局为AI创业公司提供了另一条发展路径。这些产业投资人在带来资金的同时，更提供了宝贵的场景资源和后续合作可能。

对于创业者来说，如果产品方向与某家巨头的战略需求高度契合，争取CVC资金将是一举多得的选择。它不仅缓解融资压力，还可能意味着一条快速融入成熟生态、实现规模化的捷径。

3.4 AI创业热潮也孕育出一批风格鲜明的新兴VC基金

AI创业热潮也孕育出一批风格鲜明的新兴VC基金，它们由业界知名人物创立，在短时间内展现出令人瞩目的投资业绩，被视为创投圈的“黑马”。

这些基金通常专注于AI领域，具备敏锐的趋势判断和快速出手的魄力。在我们的明星项目统计中，就有几家黑马基金频繁现身，成为多个项目的早期支持者。

我们也整理了黑马基金中出手明星项目频次5以上。

前 Greylock 合伙人 Sarah Guo 创立的 Conviction 基金凭借“AI 原生”理念频繁出手 12 次（如 Agent 框架 Pilot、模型安全工具 Sentient），并常以多轮跟投形式陪伴项目成长；

Thrive Capital 则在 8 个案例中展现出强力领投风格（如 Cleary、Lovable），倾向于为通用 AI 与 Agent 平台提供大额种子或 A 轮；

聚焦底层基础赛道的 Mango Capital 出手 5 次（如 Fireworks AI、Prins），着重企业数据处理和 MLOps 方案。

相较传统大白马 VC，这些新锐基金更具激进与灵活性，依赖明星合伙人的专业眼光与人脉网络，在 AI 赛道迅速聚集了一批潜在独角兽。

黑马基金的崛起说明：AI的黄金时代不仅在孕育新创业公司，也在催生新一代投资机构。这些基金由具备独立认知的资深人士掌舵，不拘泥于传统VC的节奏和条条框框，而是根据对技术趋势的判断灵活出击、重兵投入。他们的存在，为创业者提供了更多元的融资选项和更贴合AI领域的增值服务。