写在前面：我们分析了2015年后成立的6500家AI公司，覆盖Web 2、Web 3及全球市场。为确保数据全面，收集了尽可能多的海内外信息源。
在两个月内，我们团队清理了所有数据，剔除不相关公司，整理公司产品、团队和融资信息，并为每家公司打上至少6个标签，最终完成统计分析。若无ChatGPT帮助，这项工作可能需四个月完成。
我们坚持原创研究，基于原始数据，因为数据或标签错误都会导致污染。GPT也面临类似问题，已雇佣数百人清理污染数据。因此我们必须保持认知统一，易于修正错误。对于AI而言，数据也是最重要的。
我们将陆续发布研究成果。首篇文章《AI独角兽国际篇》剔除了中国和无人驾驶项目，整理出94家AI独角兽公司。后续会有团队篇、机构篇和中国篇等内容。
选择2015年，是因为这是OpenAI创办之年，也是我首次投资AI的一年。
Figure I： AI 独角兽（国际版）2015-2024。
一、AI独角兽与国家战略
Table 1：AI独角兽国家数量
• 美国主导AI独角兽：美国以72个项目占据了绝大多数AI独角兽，显示出其在全球AI领域的主导地位。这也反映了美国在技术创新、资金投入和市场需求方面的强大优势。
• 新兴市场的潜力：如阿联酋、智利等新兴市场虽然只有1个独角兽项目，但也显示出这些国家在AI领域的潜力，可能成为未来的增长点。
• 与中国的比较会在后面发单独一篇文章进行分析。
Figure 2：AI独角兽国家与主赛道数量。因为美国的独角兽数量远超其他国家，故在这张图中没有涉及美国。
Figure 3：不同国家的AI优势
如Figure2和Figure3 所示：
英国
强项：英国在多个AI领域都有显著的代表性，特别是在基础设施和 横向应用方面。英国有多个高估值公司，如Graphcore、Stability AI和Quantinuum。
细分领域： 英国在硬件、量子计算和低代码平台方面表现突出，显示出英国在AI硬件基础设施和创新型计算技术方面的优势。
印度
强项：印度的AI公司更多集中在基础设施和 纵向应用领域。
细分领域：在物流、社会媒体和基础模型方面，印度表现出色。例如，Shiprocket在物流领域和Glance在社交媒体领域的表现尤为突出，这表明印度在AI驱动的服务平台和应用方面具有优势。
新加坡
强项：新加坡的AI领域集中在基础设施和 纵向应用上，尤其是在金融和半导体领域。
细分领域：例如，Advance Intelligence Group在金融领域，以及Silicon Box在芯片领域表现较为突出，显示出新加坡在高科技和金融科技领域的竞争力。
以色列
强项：以色列在基础设施方面具有强大优势，特别是在芯片技术和基础模型领域。
细分领域： Hailo Technologies专注于AI芯片，而AI21 Labs在基础模型方面具有优势。这表明以色列在AI硬件和智能系统开发方面具有独特的竞争力。
德国
强项： 德国在机器人AI和 基础设施方面具有优势。
细分领域： 德国的Helsing专注于无人机和AI技术，Aleph Alpha则在基础模型方面有重要影响力。这显示了德国在高科技制造和AI创新方面的强项，尤其是与自动化和智能系统相关的领域。
阿联酋
强项：阿联酋在基础设施领域表现突出，特别是在云计算领域。
细分领域： G42在云计算领域的高估值表明阿联酋在利用AI技术进行基础设施发展方面具有很大的潜力，尤其是在数据和云计算服务方面。
法国
强项： 法国的AI公司集中在基础设施领域，尤其是基础模型开发。
细分领域： Mistral AI在基础模型领域表现突出，显示出法国在先进AI算法和模型开发方面的实力。
智利
强项： 智利的AI公司主要集中在纵向应用领域。
细分领域： NotCo在植物基肉类替代品领域表现突出，表明智利在AI驱动的食品科技创新方面具有潜力。
加拿大
强项： 加拿大在基础设施和 量子计算 方面有显著表现。
细分领域： Cohere在基础模型方面具有重要影响力，而Xanadu专注于量子计算，这表明加拿大在前沿AI技术方面处于领先地位。
总结：
• 基础设施是多数国家的选择，尤其是在AI硬件和基础模型方面。英语国家，美国、加拿大、英国都选择推出了自己的大模型企业；欧洲法国、德国也不甘落后；简而言之，传统强国都有属于自己的大模型。其次印度、以色列、日本也都推出了自己的大模型。大模型很明确是战略共识，那么这次中国AI大模型没有上车的VC，就好比刘备失去了荆州，已经失去了完成隆中对的机会。
• 纵向应用在印度、新加坡和智利表现突出，一方面代表他们在世界范围内的技术竞争优势，另一方面也符合各自的国力。
• 机器人AI方面，依旧是德国，一如既往地体现着自动化和无人系统方面的传统强势。
二、赛道Category
Figure II： AI 独角兽赛道一览
我们把Category分为了5大类，但是Consumer也可以算作Horizontal中的一种。
Infra：
在AI领域，Infra 通常指的是支撑AI运行的基础设施，包括基座模型、硬件、软件架构、以及支持机器学习模型和大数据处理的技术栈。这一类别强调的是提供必要的技术基础以支持AI的运行和发展。
Horizontal AI：
指的是跨行业应用的AI技术，这些技术不特定于任何一个垂直市场，而是可以广泛应用于多个行业。通常是企业服务的同义词，例如，营销工具，客服工具，财务工具，编程工具等等。
Vertical AI：
指专注于特定行业或市场领域的AI应用，这些AI解决方案是为了解决特定行业内的具体问题而设计的。例如，针对医疗行业的AI诊断工具、针对零售行业的库存管理AI系统，或者针对金融服务的风险评估模型。
Consumer：
在AI领域，涉及到直接面向消费者的应用和服务。这包括智能个人助理、AI伴侣、以及通过AI增强的消费者娱乐体验等。
Robotic AI：
这包括用于制造业、物流、家庭和服务行业的自动化机械，以及与物理世界互动的各种智能设备。Robotic AI通常强调感知、决策和运动控制的集成应用。包括具身智能，无人机，自动驾驶等。但是本人不涉及自动驾驶。
Figure 4：2015-2024年创办独角兽赛道一览
Figure 5：AI独角兽不同赛道比例：
Table 2：AI独角兽的基本信息图
Figure 6：AI独角兽的估值融资额回报比区间
Figure 7：AI独角兽的估值融资额回报比范围
如Table2，Figure6，Figure7所示，融资与估值的关联性：
• Infra 类别具有最高的融资和估值；
• Horizontal 和 Consumer 类别的公司尽管融资相对较少，但却能获得较高的估值，对团队的要求较低，对技术门槛要求较低，因此创业风险更大，所以回报更高，详细分析，见《AI创业：离钱越远，估值越高？》分析文章；
• Vertical 和 Robotic AI 类别的公司同等融资额情况下，估值增长有限，公司股份稀释多，可能是由于这些领域的市场需求和技术挑战较大，需要更多的资源投入。
Table 3：赛道估值、融资额回归分析
• 在上述表1的回归分析结果所示，整体样本融资对估值的回归系数为正且在1%的水平显著，表明融资更多，公司估值越大，融资对公司的价值增长起到显著正向作用。
• 具体而言在各赛道中，infra和robotic AI赛道融资对公司价值增长的促进作用更加明显；
• 其他三个如Horizontal、Vertical、consumer赛道中系数不显著，甚至负向显著，说明融资对这三个赛道的价值增长促进作用不大甚至有反向抑制作用。
三、子赛道Subcategory
Figure 7：AI独角兽创业时间子赛道时间分布图
Figure 8：AI独角兽创业时间子赛数量与估值
• 如Figure 7，Figure8所示，我们观察到不同子赛道项目的数量，估值，融资额，投资回报比各不相同，于是我们采取进一步统计分析，去观察不同子赛道的差异是否显著。
Figure 9：AI独角兽子赛道平均融资额与平均估值
• 如Figure 9 ，不同子赛道的数据的差异并没有显著性；对于平均融资额和平均估值的多项式回归分析显示，添加二次项并未显著提高模型的解释力。非常低的R平方值以及回归系数的非显著p值表明，子类别与平均融资额或估值之间的关系，即使考虑了潜在的非线性效应，依然没有统计上的显著性。这可能是因为数量太少的原因。
分析总结：
• fundation models 以显著优势成为最受VC青睐的子类别，这表明基础模型相关的技术和应用受到了广泛关注和投资。
• Hardware 和 Enterprise 同样也吸引了大量投资，可能由于这些领域的核心技术需求和市场潜力。
• Data mangement 和 Healthcare 是技术驱动型行业中的关键子类别，它们的投资热度反映了对数据处理和健康技术的高需求。
写在后面
本次报告仅仅是完整的AI报告的一小部分，我们会在后续报告，继续分享独角兽相关的内容，包括中国篇，团队篇，机构篇，Web 3 AI篇。
这期间，还有插科打诨，行业吐槽等等；总的来说，研究是手段，吐槽才是目的。
我只想投资可以一夜Pop成独角兽的企业 。
