中美AI对比：独角兽篇

科技 2024-10-15 13:01 北京

—

中国独角兽公司的平均估值约为 27.83 亿美元，而美国独角兽公司的平均估值约为 52.16 亿美元。美国是中国的接近2倍。

来源 / 爆米花独角兽
作者 / VC Popcorn

01. AI总投资金额和数量

02. 独角兽对比

03. 创办时间

04. 估值对比

05. 团队分析

06. 赛道分布

07. Infra分析

08. Hardware分析

F1：中美AI独角兽陈列对比

中美AI独角兽（2015年后创办）对比

我们整理和挖掘了中美2015年-2024年，这10年时间的AI独角兽，并且将无人驾驶相关企业排除在外，主要是因为：

1.无人驾驶并非是现在的投资重点；

2. Scaling Law对无人驾驶的赋能尚不可知；

3.无人驾驶的估值偏高，但大多数企业都无法商业化，Waymo是2009年就已经成立，现在还没有商业化；

4.无人驾驶企业风险极高，例如头部企业如图森未来，2021年IPO时市值89亿美元，截止2024年10月3日，中概股暴涨一波行情后，估值5000万美元，跌幅超过99%，基本等同于归0，投资人血本无归；

综上，无人驾驶对我们做整体分析干扰极其严重，故将其排除。

去除无人驾驶赛道后，中美AI独角兽一共有总共有109家公司，其中73家公司来自美国（USA），36家公司来自中国（China）。请参考下表是全部AI独角兽的对比

AI总投资金额和数量

在AI领域，VC和PE的投资通常集中在少数大型交易中，因此不仅要关注资金总额，还需要重视交易的数量。从我们的数据库中查阅得知，美国的投资交易数量接近60,000笔，远远超过中国的8,200笔。在投资金额方面，差距也非常显著，美国的总投资额约为6,050亿美元，而中国仅为860亿美元。

然而，根据2024年国家经济研究局发布的研究报告，从2000年到2023年，中国政府的风险投资基金在AI领域投资了9,623家独立公司，完成了超过20,000笔交易，总金额达1,840亿美元。该研究将AI公司定义为从事大数据、图像处理、面部识别、自然语言处理、机器学习、深度学习、神经网络、机器人、自动化、计算机视觉、数据科学和认知计算等领域的企业（这个数据的原始数据我们无法查询，因此数据统计原则我们不得而知）。

F2：AI投资数量和金额

创办时间

如图F3 和F4，中美两国独角兽在创办时间上，并没有出现明确规律。值得一说的是2020年，中国出现的企业后面成为独角兽的数量更多。

F3: 中美AI独角兽创办时间

F4: 中美AI独角兽创办时间

估值对比

中国独角兽公司的平均估值约为 27.83 亿美元，而美国独角兽公司的平均估值约为 52.16 亿美元。美国是中国的接近2倍。

中国独角兽公司的平均每年估值增长为 4 亿美元，而美国独角兽公司的平均每年估值增长约为 7.6亿美元。美国是中国的接近2倍。

中国的Hardware（芯片）领域的平均估值高于美国公司，所以我们将hardware和其他没有中国独角兽的细分领域去除后，包括去除了OpenAI，因为它估值实在太高了（1500亿美元），我们发现中美之间的差异反而有所缩小。

F5：中美独角兽数量，平均估值，平均每年增长估值对比

团队分析

如F6所示，中美独角兽团队都是豪华创业，美国质量1-3的团队占比达到54%，中国有52%。但是质量为最高等级的（grade 1），美国占比8.3%，中国只有3.7%，是美国的一半。而质量最低（grade 7），美国占比是中国的小一半，代表中国草根创业比例更高。

F6:不同团队分数，中美占比

我们详细拆分一下不同细分赛道的团队情况，由于中国没有Horizontal和Consumer独角兽，我们对比其他赛道，除此之外，我们把中国企业集中的赛道拿出来单独比较，分别是芯片，模型，和AI医疗。如F7，可以看出，中美在Subcategory（赛道），团队评分差距是很小的，只有机器人赛道差距巨大，那是因为细分赛道不同，美国在此领域的创业集中在具身智能和人形机器人（技术门槛更高）。而中国则集中在消费端，例如扫地机器人（多数为草根创业）。

中美最大的差距出现在Model领域，很显然中国独角兽的团队背景，不论是学术成就，还是工作成就都与美国独角兽差距巨大。从他们的履历来看，似乎追上美国大模型是永远不可能完成的任务。好在LLM技术本身没有壁垒，但是数据是有壁垒的，只要美国不断开源新模型，中国凭借深厚的中国语料储备，是可以在中文大模型上超越美国的。

F7:不同赛道，子赛道中美团队分数

这里要说明一下，技术通常只有门槛，没有技术壁垒，有专利壁垒。

壁垒指的是我在这里建了一个东西，能把别人挡住。门槛指的是，只要认知达到某个水准，都可以实现，没人拦着你。因此，基础模型只要公开发表论文就不是壁垒，而只是门槛，但是数据是壁垒。

但是，最近三年，AI学术研究进入了至暗时刻，相关论文越来越少，取而代之的是技术报告，

技术报告缺乏技术细节，使得研究人员无法同行审阅，或者去复制其实验成果（也因此，无法判断实验结果的可靠性）。经年累月，也许技术就也有“壁垒”了。

赛道分布

参考下图F8, F9, F10 和 F11，中美赛道分布如下：

• 美国公司的主要赛道包括：Consumer，Horizontal，Infra，Robotic AI，Vertical；

• 中国公司的主要赛道包括：Infra，Robotic AI，Vertical。

中国公司没有Consumer和Horizontal相关的独角兽企业。

F8：中美AI独角兽总数量对比（不同Category）

F9: 中美AI独角兽数量对比（不同Category）

F10：中美独角兽赛道分布数量，平均估值

F11：不同Category，估值对比

基础设施Infra

如F12，在Infra赛道里，中国只有Data，Hardware和Model相关细分领域里有独角兽，中美大热的Agent领域，中国尚未出现独角兽，虽然中国已经有了一些头部创业企业，例如Genspark，秘塔等，但是他们并非独角兽。而美国已经有 3 家独角兽。

美国在ML Ops方面有4家独角兽，而ML Ops作为一个非端到端的解决方案，在中国商业化难度高，且易受到巨头倾轧，相对而言不受VC喜爱，难以出现独角兽。

至于Computing即卡集群，算力优化等领域，国内起步较晚，但是极为重视，我相信很快会出现独角兽。

F12：中美Infra细分领域独角兽数量对比

中美Infra细分领域独角兽估值对比

如图 F13 和 F15

01.Data:

中国：2,050.00 M美元

美国：5,466.67 M美元

美国是中国估值的2.5倍。

02.Hardware:

中国：4,026.25 M美元

美国：1,800.00 M美元

中国估值是美国的接近3倍。

03.Models:

中国：1,955.56 M美元

美国：38,610.42 M美元

由于中美在这个领域创新能力和领导力的巨大差距，OpenAI，Anthropic等项目的估值远高于中国对标企业。导致Model赛道的估值差异巨大，接近20倍的差距。

F13：中美独角兽子赛道平均估值对比

F14：中美Data，Hardware，Models独角兽估值对比

硬件（芯片为主）Hardware

中国独角兽多出现在芯片领域，显示了近年来我国在该领域的政策支持与市场扩展。美国独角兽则比较均衡。如图F15和F16，

F15：中美Hardware数量和估值对比

如F17所示，中国芯片独角兽在数量和估值上都远超美国同行，一方面展示了中国市场不论是出于政治或者经济因素，对芯片的强劲需求，另一方面则表示了其估值与市场规律的背离，事实上和现在大模型企业的估值如出一辙，也是整个AI领域资本市场的缩影，一切的泡沫终究都有破掉的一天。

F16：中美Hardware独角兽数量和估值对比

中美Hardware独角兽出现时间分析:

我们发现中国芯片独角兽扎堆出现在2020年，如F18，有如下原因：

01.全球芯片短缺危机

2020年全球范围内开始出现芯片短缺现象，主要原因包括新冠疫情导致的供应链中断、需求激增（特别是消费电子、汽车等行业）。这种短缺使得全球对芯片的需求大幅增加，同时推动了中国国内更多企业进入芯片制造和研发领域，以弥补市场缺口。

02.资本市场支持

在2020年,资本市场对芯片企业表现出极大的兴趣和支持。大量投资机构对芯片初创企业进行融资和投资，尤其是在A股市场上的科技创新板（科创板）吸引了许多芯片公司上市。此外，国家半导体基金等政府背景的资本也在积极推动相关企业的发展。

F17：中美Hardware独角兽出现时间

To be Continued

加入我们

专题推荐

▼点击图片即可跳转阅读

点个「在看」，和我们一起聊聊

ToB行业头条

一起关注ToB领域的新产品、新公司、新趋势。了解 ToB行业的人物、金钱与故事。

最新文章

投资人开始密集出手，热钱涌向AI应用

胖东来的魔法：飞书里的高效、爱与先进

中关村科金喻友平：平台＋应用＋服务是企业大模型落地最佳路径

为什么外国公司不用 OA ？

中国大模型生存战：巨头围剿，创业难熬

对话宝洁：百尺竿头后的数字化思考

高盛承认：65亿打水漂了

胖东来、珀莱雅、霸王茶姬们的选择

世界气象组织最新报告：AI 正在革新天气预报，更快、更便宜、更易获得

移动云携手中小企业，迈向数字化新时代

中国AI基础设施领域如何寻求突破？

大公司难解“违规报销”题，是管理方式出现问题了吗？

AI 影响最大的行业？LLM 如何让教育产品化

透过170家AI公司，我看到了这些AI创业新趋势

MCtalk·CEO对话×销售易丨To B企业如何让客户满意，又兼顾盈利？

SaaS的范式正在转变为SaS，海外AI风投在后软件时代的投资逻辑

VMware带来的不安全感，谁来守护？

国内SaaS企业的两大困惑：付费意愿与边界之难

央视请了9位投资人给VC“把脉”

企业内部数科公司干不好的真正原因

要做物理世界的模拟器？群核科技首次公开两大技术引擎

AI在广告投放上的应用正在大爆发

科技大厂裁员背后的数据和启发

给巨亏526亿的AI巨头一点建议

为什么很多行业巨头，至今不愿做数字化 ...

如何突破SaaS商业化困局？

汤道生论道新加坡金融科技周腾讯云服务全球万家金融机构

SaaS出海众生相：有人保守，有人试探，有人直面挑战

是我们“辜负”了IBM、SAP么？

ToB产品从0到1：从项目中走出来

8年云计算销售，决定去做自媒体

央国企成立数科公司底层逻辑与相关定位

刘润年度演讲2024：进化的力量（演讲全文）

麦肯锡最新预测：50%工作被AI取代？时间窗口只剩6年

MCtalk·CEO对话×爱分析丨数字化转型提出的这十年，看见高效能企业的共性

腾讯云数据库TDSQL再破世界纪录，实现“双榜第一”

AIGC加速商业化落地，抖音开放平台如何打造新ToB商业模式？

从市值超1700亿美元的Intuit，看SaaS对企业软件的破坏性创新

零一万物李开复：绝不放弃预训练，ToB领域找到破局空间

破发暴跌超50%！七牛智能登陆港股

为什么说“全面绩效”是企业管理的必选项？

脉脉林凡：AI落地商业的3词6字5概念

中美AI对比：独角兽篇

80%的AI公司，就要凉凉了

“万亿级”合并背后，谁将成为央国企“数智化严选”？

“不发模型、不上新功能”的OpenAI开发者大会，还能期待啥？

国际 SaaS 的三大误区、真相与建议

利唐i人事推出全面绩效管理：构建企业持续竞争力

100亿，90后都用过的办公APP上市了

关于国家工信部突然官宣的“国产光刻机”，你需要知道的10件事

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉

中美AI对比：独角兽篇

来源 / 爆米花独角兽 作者 / VC Popcorn

来源 / 爆米花独角兽
作者 / VC Popcorn