119家AI公司拿走943亿美元：没产品没收入，投资人在赌什么

最近，越来越多 AI 创业公司开始讲 Neolab 的故事：核心是围绕技术假设展开研究，先聚集人才、算力和资本，产品和市场之后再说。公司训练自己的模型主要为寻求技术突破，产品只是研究的下游结果，早期甚至研究本身就是产品。

资本正大量涌入。Thinking Machines 尚未发布产品，就以 120 亿美元估值融到 20 亿美元；Jeff Dean 离开谷歌后创办的 Discovery Loop，也计划以约 100 亿美元估值融资 10 亿美元。据硅谷 VC Leonis Capital 统计，自 2024 年以来，投资者已向 119 家 Neolab 投入 943 亿美元，其中大多数尚未产生收入，一些甚至还没有产品。这些公司几乎覆盖当前 AI 最前沿、也最烧钱的方向，包括前沿模型、Physical AI 与机器人、世界模型、AI for Science 等。

但现实问题是，如果技术拐点和商业前景都不明确，投资人该用什么给 Neolab 定价？Leonis Capital 的系统分析发现，给 Neolab 定价，很多时候就像拍卖离开大厂创业的人才。谁在做、谁愿意加入、谁愿意背书，都会成为估值的一部分。甚至这一轮融资有多受追捧，也可能成为下一轮提价的依据。这股热潮未必全盘崩塌，更可能发生的是不同类型资本重新分流，风险投资、战略资本和主权资本最终将流向更符合自身回报逻辑的项目。

基础模型改变了风险投资的权衡。它将研究风险与更接近软件速度的商业化结合在一起。当实验室取得技术突破时，从研究突破走向付费客户，所需时间可以用月而不是用十年来衡量。OpenAI 和 Anthropic 已证明，研究型组织能以巨大规模完成这种转变。基础模型还在不断吸收过去属于应用层的能力，强化了“持久价值或许会积累在更靠近模型层”的判断。

但数据集里的 119 家实验室大多仍处于商业化之前。一家 Neolab 可以凭一个研究假设和一支创始团队融资数亿乃至数十亿美元，再将资金用于算力和研究人员薪酬，但其研究的商业价值仍不明确，甚至可能在没有推出多少产品的情况下以更高估值再次融资。最终形成的是由多轮私募融资支持的漫长研究周期，其间只有零星外部进展信号。

风险投资过去曾资助过与 Neolab 高度相似的资产：生物科技。但生物科技有围绕临床证据建立的里程碑体系，SaaS 则随产品采用转化为收入、增长和留存而重新定价。Neolab 没有对应的外部进程序列，能够将估值锚定在证据上。它依靠另一套信号重新定价：创始人履历、顶尖研究人员加入、重大算力承诺、选择性展示的内部评测、对外宣布的战略合作。这些都可能提高成功概率，却没有一个能提供留存率或临床终点那样的可比性。技术里程碑确实存在，但彼此异质、大多不公开，也很少能相互比较。在没有统一外部计分板衡量研究风险降低了多少的情况下，估值可能在外界能理解的技术成果出现前大幅变动。

其结果是，即便公开证据变化甚微，Neolab 也会出现异常大幅的重新定价。据报道，Thinking Machines 在 2025 年末寻求以 500 亿美元估值融资，约为此前估值的四倍。新一轮融资最终没有完成，因此其上一轮完成融资时的 120 亿美元估值仍是最后一个有效价格。通常而言，380 亿美元的估值区间意味着投资者对底层资产做出了截然不同的假设，但在这里，这一差距似乎更多反映投资者情绪，而非研究本身出现了与之相当的公开变化。

收入尤其凸显了这种投资评估真空。119 家 Neolab 里，只有 16 家披露收入，绝大多数没有。即使已产生收入，估值与商业产出之间也没有清晰映射。例如，Mistral 披露 ARR 约 4 亿美元，估值为 140 亿美元；Skild 披露收入 3000 万美元，估值同样为 140 亿美元。同一个价格，被用在了两家估值证据完全不同的公司身上。Mistral 越来越多依据商业产出获得估值，Skild 的估值仍主要基于技术潜力，目前市场对两者使用了同一套估值语言。对于其余 103 家没有披露收入的实验室，市场依赖替代信号，如估值上调速度、研究人员数量与履历、已签约算力，以及通常不会公开的内部评测。这些指标描述的主要是研究项目的投入。估值上调速度甚至更加循环论证，因为投资者的热情既是被衡量的对象，又成了证明下一次提价合理性的部分依据。

定价问题在一定程度上也是劳动力市场问题。Neolab 让研究人员能够把自己的技术确信转化为一笔独立的研究预算。资本可以买到算力等资源，却无法轻易制造出另一名有能力领导前沿模型训练项目的研究人员。真正稀缺的投入，是全球范围内那一小群能够可信地领导接近前沿水平训练任务的人，人数很可能只有几千。Neolab 正在成为这类人才的价格发现机制。当一名研究人员对某个方向的确信超过他在现有实验室内部所能获得的算力配额时，外部资本便可以直接为这场押注提供资金。因此，新实验室的供给在一定程度上来自前沿实验室的组织架构变化。Mira Murati 离开 OpenAI，一家估值 120 亿美元的种子阶段公司随之出现；Yann LeCun 离开 Meta，欧洲便多了一家十亿美元级别的实验室。研究人员的流动，就是一场公开进行的拍卖。

这场拍卖还说明，估值是业务的一项投入，不是业务的产出。要从 OpenAI 或 DeepMind 挖走一名资深研究人员，公司可能需要提供一份股权方案，与八位数乃至九位数美元的留任报价竞争。高额账面估值和大规模融资，有助于支付这种薪酬。从这个意义上说，估值