当前，全球正步入由人工智能驱动变革的“智能新纪元”｡人工智能(AI)作为新一轮科技革命的核心驱动力，将引领未来至少几十年的产业变革｡在这场全球人工智能竞赛中，中美已成为绝对的超级大国和第一梯队｡美国在人工智能领域具有先发优势，已在技术迭代进程中积累成熟经验｡中国则依托庞大的市场､强有力的政策支持与快速迭代的应用创新，加速追赶｡作为全球AI竞赛两大核心引擎，中美对人工智能产业链的资本配置动向已成为全球瞩目焦点，将直接决定AI未来技术路线､产业生态与规则主导权｡

一､全球AI投资浪潮与大国竞争格局形成

近年来，随着ChatGPT-4､DeepSeek-R1等生成式大模型的持续突破，全球人工智能步入加速迭代周期，相关产业发展潜力再上一个高峰｡全球海量资本正加速布局AI产业链｡据斯坦福大学统计，2024年全球企业对人工智能的投资规模已达2523亿美元，同比增长25.5%(如图1所示);其中，私募风险投资(VC/PE)和并购交易两种投资形式的增长最为显著，分别同比增长44.5%和12.1%｡据Pitchbook数据，2025年全球私募风险投资交易额达到5120亿美元，其中52.7%涉及AI领域投资｡未来，全球AI投资有望保持快速增长，以支持AI技术不断突破和产业化落地｡据瑞银预测，2026年全球AI资本支出将突破5710亿美元，并有望在2030年达到1.3万亿美元，未来五年复合增长率将达到25%｡

图1 全球企业人工智能领域的投资规模

①生成式人工智能(Generative AI)是人工智能的一个分支，能够根据用户输入自主创造文本､图片､声音､视频､代码等新内容，其技术核心包括生成对抗网络(GAN)､生成式预训练Transformer(GPT)及扩散模型等多模态模型｡

图2 2013—2024年全球人工智能领域的私募风投总额

从地理区域来看，美国是全球AI领域私募风险投资的领头羊｡2013-2024年间，美国AI私募风险投资规模累计达4709亿美元，中国则以1193亿美元排在其次；除中美之外，其他国家的AI私募风险投资规模均不足300亿美元(如图2所示)｡

从投资方向来看，2024年全球私募风险投资最多､增长最快的领域是AI基础设施､研究和管理，规模达373亿美元，同比增幅达2.6倍；其次是数据管理和处理(166亿美元),以及医疗保健(110亿美元)｡

在传统增长动能普遍乏力困境下，人工智能已成为全球经济增长的关键驱动力｡Haver数据库资料显示，2025年美国对科技软硬件设备投资高达1万亿美元，贡献了其GDP增量的三分之一｡不仅如此，人工智能已渗透全球经济的几乎各个领域，其并非垂直技术，而是一个可嵌入医疗､制造､金融､物流及消费应用等各行业的横向平台，潜在市场机遇庞大｡前瞻性的资本布局正成为各国抢占未来产业制高点的关键抓手｡

从产业链看，人工智能由上游､中游和下游三个核心环节构成｡上游基础层提供算力硬件和存储支持，算力硬件(芯片､服务器､存储设备等)是AI产业链中的关键基础板块，主要负责为AI系统提供强大的计算能力，代表企业有英伟达､寒武纪等｡中游属于核心技术层，主要包括云计算与数据中心､算法与模型开发，代表企业有DeepSeek､OpenAI等｡下游是应用需求层，能反向促进技术迭代和基础设施升级，主要包括AI应用程序､端侧设备(AI手机､AIPC､AI眼镜等)和AI机器人，代表企业有宇树科技机器人､波士顿动力机器人等｡

从发展情况看，目前中美两国走在人工智能发展前列，且呈现出“美国强于基础与核心､中国强于应用与规模”的差异化特征｡由于先发优势，美国在人工智能研究和模型开发方面长期领先，中国位居世界第二，且正在加速赶超｡

一是人工智能研究｡2024年美国以669篇AI学术论文发表数量位居榜首，中国以268篇紧随其后，德国则以80篇位列第三｡近年来，全球人工智能论文发表的格局分布基本稳定｡2019-2024年间，美国以3158篇占据绝对优势，中国(1100篇)和英国(485篇)分列第二､第三位｡

二是模型开发｡2022年底，美国OpenAI开发的AI大模型ChatGPT横空出世，代表彼时顶尖的大模型水平｡2025年初，中国DeepSeek-R1推出引发广泛关注，其技术和性能表现快速跻身第一梯队｡2024年1月美国顶尖模型在LMSYS竞技测评中的表现比中国最佳模型高出9.3%,到2025年2月，这一差距已缩小至仅1.7%(如图3所示),且中国DeepSeek与美国OpenAI测评分已近乎持平｡

图3 中美AI大模型测评分

三是AI产业链｡芯片半导体等高性能硬件是AI技术持续进阶的基础和核心驱动力｡目前美国在半导体领域处于领先地位｡英伟达凭借旗下高性能GPU､CUDA生态及先进制程优势，在AI基础层形成垄断格局，并通过出口管制对中国“卡脖子”｡

图4 2023年按地理区域分列的工业机器人安装数量

一方面，通过限制英伟达､AMD等企业的高性能GPU对华出口，阻挠资本与技术流动，试图在基础设施层对中国“卡脖子”;另一方面，通过主导基础算法与开源框架研发，控制人工智能技术演进的路径与节奏，并对基础大模型的权重和代码实施闭源或限制共享，达到维持垄断的目的｡但产业下游AI工业机器人(即部署配备人工智能软件技术的机器人)安装方面，中国的领先优势非常显著｡2023年中国以27.63万台工业机器人安装量稳居全球首位，是日本4.61万台的6倍，美国3.76万台的7.3倍(如图4所示)｡四是AI人才竞争｡美国长期保持全球顶尖AI人才磁吸效应｡据IFF报告，全球AI人才总量约300万人，美国约占33%,中国以24.4%紧随其后｡现居美国的32.2万名顶尖AI人才中，有40%来自其他国家｡中国在高端人才领域更有优势｡据《全球人工智能人才追踪2.0》数据，在全球排名前20%的顶尖AI人才中，47%为中国国籍，远超美国的18%和欧洲的12%｡在青年人才梯队方面，全球AI领域青年科学家中，中国占比高达42.72%,中美两国合计占比近60%｡

LMSYS机器人竞技测评(ChatbotArena)是由开源研究组织LMSYSOrg开发的大语言模型(LLM)盲测评测平台，由加州大学伯克利分校､圣地亚哥分校和卡内基梅隆大学的研究人员联合创建，于2023年6月正式推出｡

二､美国人工智能产业链投资演进路径与特征

(一)美国AI投资布局演进路径

20世纪中叶至20世纪70年代：早期美国军事国防部门通过直接研发､高价采购等方式，为仙童半导体等提供了至关重要的启动资金｡20世纪60年代至70年代，美国政府和研究机构开始大量资助AI研究｡如1965年美国国防高级研究计划局(DARPA)投资75万美元，支持斯坦福开发出世界上首台AI应用机器人｡

20世纪80至90年代中期：为了与日本第五代计算机项目竞争，1987年DARPA每年提供1亿美元支持美国半导体制造技术战略联盟，并联合14家半导体公司进行光刻机､晶圆清洗等技术开发｡同时，随着计算机与信息技术蓬勃兴起，大量商业资本(包括VC/PE､IPO､企业利润再投资等)开始投资IT领域，支持思科､IBM等一众科技企业快速发展，推动美国信息技术和芯片性能大幅进步｡

日本国家级科研项目，1982年启动，旨在通过软件技术革新实现计算机成本降低与人工智能能力突破｡

20世纪90年代末至2010年：1997年IBM超级计算机“深蓝”战胜国际象棋冠军，标志着AI应用实现突破｡叠加光纤通信､万维网和GPU等快速发展，算力积累再迈上一个台阶，掀起政府和市场对AI的投资兴趣｡美国国家科学基金会(NSF)资助更多高校在机器学习､神经网络等领域开展长期基础研究｡私募风投开始前瞻性布局AI产业链｡2004年红杉资本投资谷歌，正是看重其已布局“机器学习”团队，并把AI视为未来基础产业｡

2010年至2019年：美国VC/PE和科技巨头开始成为推动AI产业化的核心动力｡2010年英伟达推出专为AI设计的芯片，在高效处理大规模并行计算和深度学习上优势显著｡敏锐的风险资本迅速关注“通用人工智能”(AGI)及相关产业，加大支持斯坦福､麻省理工等顶尖学术团队，并对计算机视觉､自然语言处理等有明确商业应用场景的AI技术加快投资｡

2019年至今：特朗普政府签署《2020年国家人工智能倡议法案》,正式将AI研发提升至联邦政府资金投向的优先级别｡随着AI技术成为国家竞争力的核心，以及中国AI应用快速崛起，联邦政府对AI研发与部署的投资空前强化，重点在供应链韧性､关键基础设施等领域展开(见表1)｡2025年推出“星际之门”等超大规模的AI基础设施投资计划，旨在维护美国AI地位｡

表1 近年来美国加强AI战略投资政策

(二)AI产业链投资的关键领域

目前中美两国对AI的投资都主要集中在基础技术､大模型､AI基础设施等壁垒高､研发周期长的“硬核”领域，其次是技术层和终端，但两国投资特征略有不同｡美国AI投资关键领域主要有以下几方面:

第一，投资算力与技术等先发优势板块，以延续和巩固算力霸权｡算力是未来AI能否快速迭代的关键｡美国拥有强大的芯片研发､设计能力和成熟的算力产业链，尤其英伟达在高端芯片领域长期占据主导｡2024年美国AI芯片企业的市场份额占比合计超过97%｡

据Bernstein Research统计，2026年仍将占据全球芯片封装技术产能的60%,但华为等中国厂商将在半导体领域实现明显增长｡为了强化头部效应，美国保持对高端AI芯片的高额资本支出，并积极推动本土制造能力提升｡根据最新财报，2026年亚马逊､谷歌､微软和Meta四家科技巨头在数据中心与芯片领域的资本支出合计将高达6600亿美元，增幅超60%｡目前美国前十大独角兽基本上都涉及AI,其中半数以上涉及算力基础设施布局｡作为英伟达代工厂，台积电于2026年初宣布将累计投资2500亿美元用于在美国新建晶圆厂､封装厂等，以扩大美国在半导体､能源及人工智能领域产能｡

CoWos:Chipon Waferon Substrate,关键的晶圆芯片封装技术｡

第二，强化AI数据中心等上游基础设施的投资支出｡随着AI迭代升级和应用拓展，未来其所需运算能力将远超现有物理基础设施规模｡在巨大能耗需求下，AI数据中心､电力电网､冷却技术等AI基建已成为美国投资焦点｡据麦肯锡报告，到2030年全球企业将在数据中心基础设施方面投资近7万亿美元，其中超过40%的支出预计集中在美国｡谷歌､微软等科技巨头大规模建设自有AI算力基础设施(如数据中心集群),以保障核心业务的战略自主性与成本优势｡据摩根大通预测，2026年全球AI基础设施投资可能突破5000亿美元，其中美国占比超60%｡

冷却技术是美国AI基建的重点投资方向｡作为AI数据中心的核心组成部分，液冷等冷却技术对高性能GPU散热愈加重要｡目前先进液冷技术主要来自墨西哥和德国，电池储能系统高度依赖中国｡据Futubull预测，2026年全球液冷市场规模有望达到千亿元，其中英伟达平台液冷需求规模约697亿元，ASIC芯片需求约353亿元｡

第三，加大电力电网投资以支持AI算力增长｡AI芯片单卡功耗是普通服务器的4-7倍，大模型训练耗电堪比数万个美国家庭年用电量｡据国际能源署(IEA)数据，全球数据中心耗电量将从2024年的415太瓦时增至2030年的945太瓦时，中美合计贡献近八成增量｡

埃森哲预计，2030年美国数据中心用电量将达413-509太瓦时，占全社会用电量9%-11%｡为化解美国电力短缺的瓶颈，美国正加大电力基建投资｡如2023年拜登政府拨款130亿美元推进电网现代化｡同时，核电成为关键突破口｡特朗普在2026年达沃斯论坛明确“为满足AI电力需求将快速批准核电项目”,微软､谷歌､亚马逊等科技巨头已投入数十亿至百亿美元重启杜安・阿诺德等核电站，实现从“买电”向“造电”转型｡

第四，大力投资布局未来产业｡量子计算(被视为下一代颠覆性算力)､太空数据中心､可控核聚变等面向未来的产业关系到一国能否在全球科技价值链占据高位｡近年来，美国政府正在加大对未来产业的投资布局｡一是美国政府与资本巨头共同充当耐心资本，长期押注量子计算､神经形态芯片､AIforScience等可能颠覆现有范式的“下一代技术”,意图掌控未来规则｡二是投资建设下一代AI超级计算中心与国家实验室算力集群，为前沿研究和国家安全提供专用基础设施｡三是将算力基建升维至太空维度｡2026年2月，马斯克将xAI并入SpaceX,旨在利用太空能源､星链卫星网络等满足未来AI数据中心的巨大算力需求｡四是资助量子计算､神经形态计算等颠覆性架构的早期研发｡重点布局量子计算､神经形态计算等下一代技术｡2025年特朗普“创世纪计划”将量子计算､核聚变列为优先发展领域，旨在将AI打造成21世纪战略武器｡英伟达､OpenAI等24家顶尖人工智能公司签署加入，协力推进AI超级计算机开发､数据平台搭建､AI和超算基础设施建设等｡2025年11月，美国能源部宣布投入6.25亿美元续建五个国家级量子信息科学研究中心，每个中心获1.25亿美元､五年期资助，聚焦量子计算､网络､传感与材料等方向｡

(三)资本结构与布局动向

资本结构上，中美投资AI均以政府投入､科技巨头和风险投资为三大主要力量｡美国以市场为主､政府为辅，且市场力量中VC/PE和科技巨头利润再投资占很大比重｡据美国智库《赢得未来技术竞赛》报告，2024年美国AI领域投资总额达1140亿美元，其中市场部门投资额为1091亿美元｡

第一，联邦政府重在政策引导，财政预算直投AI规模并不高｡2025年美国政府在AI和IT领域的总投资金额为112亿美元，较2021年的82亿美元增长38%｡支出主要方向上，核心人工智能投入19.6亿美元，占比18%(见表2)｡预算主要来源于美国网络和信息技术研究与开发局(NITRD)投资；其次是大规模数据管理与分析占17%;高能计算基础设施占14%｡值得注意的是，《芯片与科学法案》等战略性立法给予AI企业补贴和减税，但本质目的是撬动大规模私人资本进入｡如特朗普5000亿美元“星际之门”项目的核心出资方是OpenAI､软银､甲骨文和阿布扎比投资基金MGX等｡

AI核心领域研发包括：机器视觉通用方法研究､机器学习技术､人工智能特有网络安全挑战､计算语言学算法，及针对神经网络优化的神经形态计算架构或芯片｡

表2 联邦预算按功能划分的总研发及人工智能资金投入(单位：亿美元)

第二，高度活跃且风险偏好的美国私募风投为AI发展提供了关键资金支持｡私募风险投资对美国AI初创企业的早期孵化有重要作用，它们往往具有更加敏锐的市场洞察力，在早期价值发现和专业能力判断等方面表现突出｡英伟达等大型企业从上市到估值超过100亿美元，平均耗时超过十年｡在此期间，私募创投的不断注资是这些企业持续获得资金和实现资本增值的重要力量｡

图5 2024年美国人工智能私募风险投资情况

美国VC/PE对AI加速迭代提供了关键支持｡2024年美国AI私募创投总额达1090.8亿美元，占全球72.5%,是排名第二的中国92.9亿美元的近12倍，是英国45亿美元的24.1倍(如图5所示)｡据PitchBook,2025年美国AI相关VC融资额高达1750亿美元｡近年来，美国在生成式AI领域的私募风投规模显著增长，是推动ChatGPT4.0等大语言模型快速进步的关键动力｡2024年美国私募风投对生成式AI的投资达到290.43亿美元，远高于中国､欧盟(如图6所示)｡

图6 美国生成式AI私募风险投资大幅增加

第三，科技巨头的巨额资本支出构成美国AI产业扩张的基石｡谷歌､Meta等科技巨头是美国AI战略布局与系统生态构建上的最重要参与者，其将自身利润反哺AI前沿领域研发创新，极大驱动了AI应用转化｡2025年美国龙头企业对AI产业链在基础层和技术层的投资规模达到4000亿美元左右，是中国840亿美元的近5倍｡其中，微软､谷歌､亚马逊､Meta四家公司资本支出总和达3150亿美元，同比增长40.4%(如图7所示)｡投资重点用于其自身AI数据中心和算力集群建设，采购英伟达高端GPU,以及云基础设施､基础模型研发等｡

图7 近年来美国科技巨头资本支出情况

此外，海外资本已成为注资美国AI的关键力量｡例如，沙特主权基金等盟友资本通过“阿拉伯半岛AI超算走廊”注入资金，形成“美国主导､盟友参与”的技术生态，量子计算与核聚变列为优先发展领域｡2025年日本软银集团(SoftBank)完成了对OpenAI的410亿美元巨额注资，彰显了全球资本向头部基础模型公司的聚集趋势｡

(四)投资特征与问题

第一，美国人工智能领域的资本资源高度向少数科技巨头及头部初创企业集聚｡据Pitchbook,目前美国AI投资布局的头部效应尤为突出，科技巨头融资占全美VC交易总额的七成｡同时，美国前十大VC支持的初创企业已占据全美独角兽市场总值的半数以上，资本正以前所未有的速度向少数头部平台集中｡截至2025年三季度，美国AI初创企业已占私募风投交易总价值的65%;AI初创企业比非AI企业的D+轮估值高达三倍以上｡这种高度集中的资本配置模式一方面确保了AI关键技术赛道的资源聚焦，另一方面会使大量中小创新企业面临融资挤压，进而形成“赢家通吃”的两极化格局｡

第二，美国AI下游应用端布局稍弱，高估值低营收的结构性矛盾正在浮现｡美国投资高度集中于算力芯片､基础模型和数据中心等上游环节，而制造业､工业自动化和实体经济场景等应用层投入相对薄弱，存在“上游过热､下游偏冷”情况，导致行业出现高估值､低营收的结构性矛盾｡2025年OpenAI年化经常性收入约200亿美元，与每年数千亿美元的基础设施资本支出形成巨大反差｡亚马逊､微软､谷歌和Meta四家巨头的资本支出在2026年迎来爆发式增长，但财报发布后股价反而持续走弱，投资者对“债务驱动型投资”和短期利润挤压的担忧正在升温｡摩根士丹利预测，亚马逊2026年自由现金流将为负170亿美元｡这一现象折射出美国AI投资模式中“重基建､轻落地”的潜在隐患｡

第三，美国AI投资过度依赖出口管制与供应链封锁，长期或反噬自身竞争力｡美国一方面通过限制英伟达､AMD等企业的高性能GPU对华出口，试图在基础设施层维持技术代差；另一方面投资推动半导体制造回流｡2026年4月美国商务部启动“美国人工智能出口计划”,通过在硬件､AI模型和开源算法上设置关卡，试图将中国AI企业排除在全球主流AI技术生态之外｡然而，出口管制正在损害美国芯片企业的市场空间｡英伟达2026年AI芯片收入预计达1940亿美元，占86%全球市场份额，但高端AI训练芯片的中国市场份额已从巅峰时期的95%降至2025年清零，且CUDA生态失去中国反馈｡2025财年英伟达中国区(含香港)营收为171.08亿美元，占全球收入比例降至13.1%,连续三年下滑｡

三､中国人工智能产业链投资演进路径与特征

(一)中国AI投资布局演进路径

中国人工智能产业起步虽然较晚，但在国家战略引领､市场需求驱动与资本迭代深度协同下，正在实现加速跃升，投资布局经历了从追赶､并跑到卓越的战略升级过程｡

起步阶段(20世纪70年代末至90年代中期):1978年《1978-1985年全国科学技术发展规划纲要》将“智能模拟”列为计算机科学的四个重要研究方向之一，被视为中国AI研究正式起点｡1986年起，智能计算机系统､智能机器人､智能信息处理等重大项目已被列入国家高技术研究发展计划｡这一时期，AI研究投资来源主要是财政拨款，集中于高校和科研院所，旨在构建基础研究能力｡

探索阶段(20世纪90年代末至2010年):中国AI产业形态尚处于上游通信和数据积累阶段，但为后续爆发储备了核心人才与技术种子｡例如1998年搜狐网获得英特尔､晨兴资本等220多万美元投资；新浪网以40%的股权换得650万美元投资｡2006年深创投､达晨创投等本土创投机构对同洲电子投资获巨大成功｡一些敏锐的风投机构开始关注中国AI技术的商业化潜力，但行业尚处于播种与观望期｡

加快阶段(2010至2017年):互联网兴盛时期，中国积累了庞大的用户群体和海量数据资源，赋予AI视觉､语音识别等应用场景便利，叠加全球深度学习革命兴起，中国人工智能发展进入由市场需求驱动的爆发期｡与此同时，本土与海外资金对中国AI领域的投资加快｡2011年华登国际成立了上海华芯基金，旨在投资中国半导体产业，规模共计5亿元｡2014年国家集成电路产业投资基金成立，募资1387亿元，其中67%投向集成电路芯片制造领域｡同时中国涌现许多优质VC/PE机构布局芯片半导体等｡如元禾原点创投在2016年领投了寒武纪科技的天使轮融资，2017年旷视科技获得中国国有资本风险投资基金､蚂蚁金服､富士康共同领投的4.6亿美元C轮投资｡

华登国际投资集团，高科技领域风险投资机构，1987年由陈立武成立于美国硅谷｡华登国际是全球半导体产业的重要投资方，在全球12个国家投资了超过500家公司，其中包括超过120家半导体公司，已有110多家被投企业成功在全球多个资本市场上市｡

旷视科技，2011年成立，以深度学习为核心竞争力，自研Brain++人工智能生产力平台和天元深度学习框架｡2025年以185亿元人民币估值入选《2025全球独角兽榜》｡

协同发力阶段(2018年至今):2017年人工智能首次被写入《政府工作报告》,同年国务院印发《新一代人工智能发展规划》｡2018年科创板登场，为高精尖科创企业上市和VC/PE退出提供了重要通道，激发了创投资本的AI投资热情｡2022年以来，生成式AI成为投资热点｡如智谱AI在2022年8月完成由君联资本和启明创投联合领投的1亿元B轮融资，之后更获得社保基金中关村自主创新专项基金等投资｡2025年以来，随着DeepSeek获得全球关注，国内AI投融资活动热度进一步提升，多家AI应用企业获2亿元至10亿元投资支持｡2025年有577家AI应用企业完成融资(如图8所示)｡

图8 近年来中国AI应用企业年度融资情况

一家专注于生成式AI和通用人工智能(AGI)领域研究的中国人工智能企业｡该公司2025年以525亿元估值位列胡润全球独角兽榜第331位｡

图9 中国AI芯片本地供给与需求预测

(二)对AI产业链投资的关键领域

在外部技术管制加剧和生成式AI快速发展等内外因素驱动下，中国正加紧在以下AI关键领域展开投资布局:

第一，着力投资本土芯片､半导体等算力产业｡近年来，中国在半导体设备､芯片制造等领域成长非常迅速｡2025年全球Top20半导体设备制造商中，中国公司数量已由2022年的1家增至3家｡据BernsteinResearch报告，2025年中国AI芯片市场中华为销售额达到102.68亿美元，而英伟达销售额为101.98亿美元，均占市场40%左右(如图9所示);预计2028年中国能实现AI芯片自给自足(如图10所示)｡

图10 中国AI芯片本地供给与需求预测

头部科技企业领投芯片研发和AI基建｡据中国通信工业协会，2025年阿里巴巴､腾讯､字节跳动等中国头部科技企业的AI算力投入约4500亿元(约643亿美元),其中，国产芯片验证与适配占比为30%,算力基础设施建设占比70%｡据GlobalSemiResearch预测，字节跳动2026年资本支出或将达到3000亿元(2025年约为1600亿元),主要用于自建算力中心､AI芯片研发和数据中心建设｡

第二，夯实电力电网等核心AI基建优势｡与美国相比，中国电力电网基建有明显优势｡多年来，中国电网覆盖和电力消费都稳居全球第一｡然而，随着AI等高算力场景对电力需求激增，需要更加重视对未来电力电网的规划｡据国际能源署预测，2025-2027年中国数据中心及5G网络电力消耗量快速增长，数据中心电力消耗量占比预计将从3%增长到6%左右｡国家对电力电网的投资建设正在有条不紊进行，着力增强能源自主保障能力｡据中国电力企业联合会，2025年全国电网工程建设完成投资6395亿元，同比增长5.1%｡2026年2月国家电网公布4万亿元的“十五五”电网投资计划｡

第三，加速规模化应用，推动AI与实体经济深度融合｡依托丰富的应用场景､完备的产业链配套及密集的资本投入，中国AI前沿技术正在快速､大规模融入现有产业体系｡一是技术应用频繁突破｡目前中国AI大模型已处于全球领先水平，应用普及度不断提高｡字节“豆包”､腾讯“元宝”､阿里“通义千问”等AI应用活跃用户规模大幅增长，Seedance2.0等大模型技术不断实现突破，标志着生成式AI正加速进入全民级应用场景｡未来AI在制造业､金融､医疗等场景的应用拓展仍有无限潜力，相关创业投资机会巨大｡二是具身智能领域飞速发展｡近年来，具身智能等前沿赛道涌入大量资本支持｡据中国信息通信研究院数据，2025年中国具身智能领域融资总额达735.43亿元，投资事件超740起，涉及机器人､智能运载装备及新型智能产品三大类别｡中国在工业机器人领域的主导地位正持续稳固｡2024年中国工业机器人安装量达29.5万台，占据全球一半以上份额，是日本的6.6倍､美国的8.6倍｡

第四，国家战略已明确未来产业方向｡近年来，国家已通过顶层设计明确了未来产业的重点方向，并在量子通信､脑机接口等多个关键赛道布局｡《中华人民共和国国民经济和社会发展第十五个五年规划纲要》将量子科技､生物制造､氢能与核聚变能､脑机接口､具身智能､第六代移动通信(6G)确立为未来产业的重点发展方向｡这标志着未来产业已从概念探索全面升级为国家战略，国家正着力构建多元投入机制，引导长期资本入场｡

(三)资本结构与布局动向

中国对未上市科创企业的股权投资支持方式更多被称为创业投资，出资人LP包括政府､科技企业､金融机构､外资和市场机构等，构成了庞大且丰富的AI投资生态｡与美国相比，中国是政府+市场双驱动模式，且政府部门占比更高｡这一结构对推动AI算力､基础设施和重大技术攻关起到重要作用｡

图11 LP结构：按认缴出资金额统计占比

图12 近年来中国互联网大厂资本开支及预测

第一，国有资本成为AI领域直接投资的核心力量｡随着“十五五”规划有序推进，政府高度重视对AI核心技术实现突破的资本支持｡一方面，国资出资规模大幅提高｡据执中ZERONE数据，2020-2025年LP出资结构中国有属性资金占比已由48.9%升至67.5%(如图11所示);2025年政府引导基金认缴出资3982亿元，同比增加73%;国家级引导基金出资2304亿元，较2024年增长20倍以上｡另一方面，国资支持形式愈加丰富多样｡近年来，政府通过设立国家人工智能产业投资基金､国家创业投资引导基金､社保科创基金与专项基金等多种方式，增加对AI的国有出资｡

执中ZERONE是一家专注于另类资产投资领域的数据与科技服务平台，核心业务围绕私募股权投资展开，并逐步拓展至多元另类资产｡服务对象包括多家大型国有银行､券商､政府引导基金等｡

国家集成电路产业投资基金(又称“大基金”)｡三期基金注册资本3440亿元，重点投向先进制造､半导体设备和AI芯片等核心技术领域｡其中，2025年成立的“国家人工智能产业投资基金”是“大基金”三期专项子基金,资金规模为600.6亿元，投资方向聚焦算力芯片､存储芯片等关键领域｡2025年12月，国家人工智能产业投资基金领投了杭州云深处科技，支持其完成了数亿元人民币Pre-IPO轮融资｡

国家人工智能产业投资基金，2025年1月由“大基金三期”､国智投(上海)私募基金公司共同出资成立｡

国家创业投资引导基金｡2025年12月启动的国家创业投资引导基金注册资本1000亿元，投资战略定位“投早､投小､投长期､投硬科技”,聚焦人工智能､量子科技等前沿领域｡

社保科创基金与专项基金｡2025年10月以来，全国社保基金联合地方国资､银行AIC分别在浙江､江苏､福建等地搭建社保科创基金，基金首期规模达1600亿元，存续期最长达18年(见表3)｡截至2025年末，社保中关村专项基金已累计投资超30亿元，带动社会投资总额超240亿元，投向涵盖AI芯片与大模型､算力基础设施､手术机器人､脑机接口､商业航天､量子科技等前沿科技领域｡

表3 2025年各地社保科创基金的规模及投向

第二，产业资本为塑造AI产业生态提供了重要投资支持｡相比美国科技巨头来说，中国龙头企业等产业资本对AI基础设施投资的资本支出规模有一定差距，但整体呈现不断上升趋势(如图12所示)｡近年来，产业资本对AI投资支出愈加活跃｡据执中ZERONE,2025年中国VC/PE市场中的产业资本共出资1857亿元：其中，上市公司出资317亿元，同比增加24.8%;企业投资平台出资391亿元，同比增加67.8%｡同时，产业资本对政策与国有资本导向的跟随度高｡例如2026年1月上海AI独角兽阶跃星辰完成50亿元B+轮融资，领投者涵盖了上海国投先导私募基金､国寿股权等多家地方国资和险资，腾讯､启明等产业资本积极跟投｡

第三，私募创投是AI领域的早期投资主力｡VC/PE是中国AI领域“投早､投小､投硬科技”的重要力量｡私募创投一直是AI初创期项目中最活跃的机构类型，尤其在AI早期技术验证与商业化临界点突破阶段发挥关键作用｡部分头部私募机构通过设立长期基金､嵌入投后赋能机制，扮演着支持AI发展的耐心资本｡虽然国资在AI基础层投入较多，但私募创投凭借市场化机制，在早期项目筛选､灵活决策､投后管理等方面更具效率，填补了国有资本在灵活性与响应速度上的短板｡据IT桔子，2025年AI行业早期投资事件数量激增90%,达到754起，创近五年新高；天使轮投资事件334起，约占总量三分之一，同比增长108.8%｡随着人工智能赛道火热，中国私募创投市场也不断升温｡据投中嘉川，2026年1月中国VC/PE市场投资案例达1118起，投资规模1324亿元，同比分别增长62%和71%｡其中，人工智能凭借122起投资事件首次登顶各行业之首，披露投资额115.18亿元，远超其他赛道｡

第四，银行､保险等金融机构以丰富形式积极支持AI投资与发展｡银行等金融机构作为创投基金的LP出资人，为人工智能领域带来了更多长周期､大规模的资金支持｡据执中ZERONE统计，2025年共有148家银行､保险等金融机构向VC/PE市场累计出资2612亿元，同比增加22%｡银行AIC加速入场｡近年来，银行系AIC在硬科技领域的布局明显提速，成为一级市场重要的“耐心资本”势力｡据执中ZERONE统计，2025年硬科技赛道获银行AIC728亿元重点布局｡银行AIC不仅为AI产业注入了大规模､长周期的资金供给，还协助被投企业对接产业链资源，推动技术成果在智能制造､智慧金融等场景落地应用｡券商系资本亦积极布局｡如：2026年2月中银证券旗下子公司参与设立了“北京中瀛先锋人工智能产业投资基金”,目标规模不低于10亿元，投资将聚焦人工智能软硬件､核心应用技术及场景化落地；同月，工银投资､鲁信创投等共同出资10亿元成立了“山东省鲁信工融新动能人工智能创业投资基金”,重点投向人工智能产业链上下游｡

(四)主要投资特征

第一，国有资本显著“耐心化”,长周期､大体量成为常态配置模式，且发挥着战略引领作用｡国家顶层设计明确AI产业发展目标，聚焦AI芯片､核心算法等“卡脖子”技术攻关，推动产业向自主可控方向发展｡国资基金作为耐心资本，风险承受能力更强，尤其注重核心技术自主可控以及AI技术赋能本地优势产业的协同带动作用｡“大基金”三期､国家人工智能产业投资基金的存续期也均在13年及以上，国家创业投资引导基金存续周期长达20年，打破传统创投基金“7+3”周期限制，旨在通过超长期资本供给破解硬科技研发周期与资本回报周期错配的核心矛盾｡这种长周期､大体量､前瞻性的国有资本投入有效弥补了市场化资本对早期硬科技项目“不敢投､不愿投”的短板，为AI基础研究和关键核心技术攻关提供了稳定的资金保障｡

第二，产业资本注重“产投融合”,以实体产业需求为导向牵引AI技术创新｡大量科技企业对AI产业链投资布局的同时，能够实现以产业需求牵引技术创新，达到双向赋能的目的｡尤其在具身智能领域，中国产业资本集聚现象明显｡例如，2026年2月具身智能企业“千寻智能”融资近20亿元，其中TCL创投､宁德时代等产业资本不仅提供资本支持，还为其提供了应用场景､数据和生态协同｡千寻智能旗下人形机器人“小墨”已在宁德时代中州基地产线投入运行｡

第三，投资布局兼顾基础层与应用层，重点推动AI技术与实体经济深度融合｡近年来中国AI投资最显著的特征是“脱虚向实”,资本不再追捧单纯的技术叙事，而是更加注重技术能否在制造业､汽车出行等实体经济领域落地｡AI投资重心从概念验证加速向产业应用化迁移｡这种兼顾短中长期､覆盖从芯片到场景的全链条投资格局，使中国AI产业在保持基础追赶的同时，率先在规模化应用端形成全球竞争优势｡此外，目前中国AI领域的投早投小趋势十分突出，意味着AI投融资正向“底层海量早期创新､顶层少数巨头博弈”的金字塔结构转变｡

四､中国AI投资值得关注的几个问题

(一)资金来源仍需丰富，募资结构有优化空间

从国际经验来看，美国AI投资格局以风险投资和产业资本为主，私人部门持续贡献规模可观的增量资金｡而中国AI领域的长期资金主要来源于国有资本，募资结构呈现“国资主导､民资活力偏低”特征｡在支持基础层研究､前沿技术攻关等“硬骨头”时，国有资本发挥着不可或缺的压舱石作用；但在培育壮大包括AI在内的新兴产业､未来产业时，民营风险投资､产业资本等市场化力量的参与度稍显不足｡这在一定程度上削弱了市场对技术路线的多元化探索和对初创企业的精细化赋能，难以更好促进前沿创新和生态孵化｡因此，我国资本支持AI等“硬科技”发展的方式仍有优化空间，民营资本的支持力度仍有待提高｡

(二)基础层研发资金的需求缺口仍是巨大的

在全球科技竞争日趋激烈､供应链不确定性增加的背景下，攻坚底层技术是必然选择｡与美国相比，中国在基础芯片研发､大模型竞赛中的资本投入强度仍有差距｡尽管中国在华为昇腾､寒武纪等芯片领域取得突破，但国产芯片设计能力与英伟达相比还较为薄弱，软件生态､先进制造工艺及EUV光刻机等领域与美国仍存显著差距｡芯片材料与设备的对外依存度也较高，“卡脖子”特征明显｡例如，英伟达已在CUDA生态系统积累了400万开发者，而摩尔线程的MUSA生态开发者仅有20万｡受美国出口管制影响，中国无法获得EUV光刻机，这直接导致中芯国际等企业难以量产3nm､2nm等先进制程芯片｡而一般7nm芯片先进工艺以下的一座晶圆厂成本高达200亿美元｡因此在芯片半导体等AI上游基础产业仍需要更多长周期､敢投入､担风险的“耐心资本”大力支持｡

(三)中国AI投资存在“重投前､轻投后”倾向

目前创投市场存在“前端过热､后端脱节”的现象｡不仅是AI,其他领域也同样如此｡资本在前期技术概念阶段竞相涌入，推动估值快速攀升，但投后管理能力仍相对不足，导致许多企业的技术优势难以有效转化为可持续的商业闭环｡具体而言，许多投资机构在注资后仍停留在“财务监督”的传统角色，缺乏为初创企业对接产业资源､拓展应用场景､整合供应链及搭建商业团队的深度赋能能力｡同时，投后阶段的风险管控短板正逐步暴露｡

一方面，监管合规风险仍需关注，如携程曾因涉嫌算法滥用､价格歧视等问题被监管部门调查等｡另一方面，支撑企业早期发展的政策红利面临续期压力，部分依赖税收减免､政府补贴的AI初创企业尚未建立起独立的“造血”能力，一旦政策支持退坡，其生存根基将受到直接冲击｡这种“重前端融资､轻后端治理”的模式不仅削弱了资本配置效率，更可能在政策与市场的双重压力下放大行业系统性脆弱性｡例如，砺算科技是成立于2021年的芯片企业，旨在实现中国首颗全自研6nm GPU,技术实力备受认可，并获得数亿元融资，但由于投后管理缺位，砺算科技的营收一直为零，净亏损累计达数亿元｡2024年8月，上市公司东芯股份(我国存储芯片设计领域的中小容量存储龙头)以2亿元领投成为其第一大股东，并委派财务负责人深度介入公司治理｡2025年9月，砺算首款GPU芯片“7G 100”系列正式启动量产；12月完成首批订单交付，标志着从研发进入商业化阶段｡尽管2025年砺算仍然整体亏损，但其存储板块实现了盈利，且毛利率逐渐提升｡2026年其融资结构进一步优化，亨通集团等产业资本及地方国资成为新进投资方，投前估值从2亿元飙升至35亿元｡更重要的是，国资背景带来的政策红利和潜在的订单预期为其产品导入下游客户创造了条件｡可见，将单一资本关系升级为“产业协同+国资背书+技术验证”的多维深度绑定，将单纯的“财务输血”升级为“造血”是问题解决的关键｡

(四)退出渠道不畅是中国AI投资循环的核心瓶颈

退出机制作为股权投资“募投管退”闭环的关键环节，其畅通程度直接决定资本循环效率与行业再投资能力｡当前国内AI领域退出渠道的结构性短板日益凸显，正成为制约资本良性循环的核心梗阻｡一方面，IPO仍是目前最主要的退出路径，且赴港上市成为多数AI企业的优先选择｡但另一方面，国内企业扎堆赴港上市恰恰反映出A股市场对未盈利AI资产的接纳度仍有限，资本退出路径高度依赖单一通道，缺乏多元化缓冲机制｡更为关键的是，并购退出这一成熟市场的核心通道在国内尚未打通｡在美国，并购已成为VC/PE退出的成熟渠道｡2010-2019年全球共发生635起AI领域收购案，其中美国市场占据主导，而在中国，A股对AI资产的定价机制仍不成熟，产业资本接盘意愿不足，导致大量存量项目难以通过并购实现有序退出｡2026年3月，国家发展改革委已明确表示将于年内推动“国家级并购基金”落地，旨在打通创投退出堵点｡但在落地过程中仍要关注一些潜在不容忽视的问题｡例如，由于存在AI技术迭代快､核心技术资产难定价､商业模式不确定等特点，难以形成统一的合理估值预期，且一级市场的高估值容易与并购基金注重现金流的偏好存在冲突，可能引发“卖方要溢价､买方给低价”等估值匹配问题｡

五､相关建议

(一)优化募资结构，培育多元资本生态

一是发挥国有资本的“压舱石”与“杠杆”双重作用｡国家人工智能产业投资基金､社保科创基金等国有资本应聚焦基础层､前沿技术等“硬骨头”领域，通过“领投+跟投”“直投+母基金”等方式撬动社会资本，形成“国家队+地方队”协同网络｡

二是多措并举激活民间资本投资热情｡针对民营VC/PE“不敢投､不愿投”困境，可给予一些资源支持奖励和回馈｡例如，若该民营资本支持的初创企业符合新兴产业､未来产业等长期战略需要，可给予未来十年内的优先IPO辅导资质､优先参与国家级并购基金项目的资质等，或支持其将财务回报存在特定理财机构，享受高息理财指导､更多智库资料、财富管理等资源支持，以更好稳定民资的未来预期｡对攻坚硬科技､前沿领域的创投机构给予一定的税收递延或减免，将增值税､所得税减免与投资期限挂钩，引导资本“长钱长投”｡

三是提高产业资本参与深度，鼓励创新链､产业链､资金链深度融合｡强化AI上下游产业链之间技术关联｡砺算科技的案例表明，引入具有上下游产业资源的战略投资者非常关键｡应鼓励国内科技领军企业发挥“需求方”与“出资方”双重作用，通过战略投资､联合研发､场景开放等方式，与AI初创企业形成利益共享､风险共担的共同体｡一方面，领军企业开放应用场景和供应链资源，为初创技术提供真实的市场验证环境，以“订单牵引”替代“纯资本输血”｡另一方面，初创企业借助产业方的渠道网络和量产经验，加速技术迭代与商业化落地｡通过“资本+产业”双向赋能，不仅能有效降低试错成本，更能推动形成以大带小､协同创新的产业生态，切实提升硬科技企业的生存能力与竞争力｡此外，可比照高新技术企业投资抵免政策，对产业资本投资AI领域的支出给予税收优惠｡

四是支持金融机构联合产业资本设立AI专项产业基金，围绕算力芯片､垂直大模型､具身智能等关键环节开展纵向整合｡扩大银行系AIC股权投资试点范围，鼓励其采取分阶段注资､试点先行等灵活策略，联合地方国资和产业龙头围绕AI关键环节设立更多垂直领域基金，构建覆盖创新链全周期的资本支持体系｡

(二)集中力量攻坚基础层，构建“算力-生态-能源”协同体系

一是集中力量攻坚高端算力芯片｡发挥国家集成电路产业投资基金三期引领作用，支持华为昇腾､摩尔线程､壁仞科技等头部企业全链条能力提升｡加快5nm､3nm制程研发，长线布局EUV光刻机攻关､先进封装､HBM存储等“卡脖子”环节｡在攻坚方法上，跳出对芯片升级传统路径的刻板复制，支持华为芯片3D堆叠技术等创新集成技术路线｡针对传统制程微缩逼近物理极限､外部封锁加剧等问题，设立专项攻关资金，引导产业资源向创新方向集聚｡通过非传统制程缩放的方式提升芯片性能､能效和功能密度，减少对EUV光刻机依赖，以系统性架构创新实现弯道超车，在下一代算力竞争中抢占主动权｡

二是构建自主可控的软件生态｡一方面支持MUSA等生态与CUDA保持兼容，降低开发者迁移成本｡另一方面在重点行业场景培育原生应用，逐步形成差异化优势｡设立国家AI软件生态专项基金，支持开源社区建设､开发者工具链完善､高校课程体系嵌入等基础工作｡

三是强化算力与电力协同规划｡将电力电网纳入AI基础设施统筹布局，加快特高压输电､智能配电网､构网型储能等项目建设｡在“东数西算”枢纽周边布局核电､风电､光伏等清洁能源基地，探索“源网荷储”一体化模式，保障AI产业爆发式用电需求｡

(三)提升投后管理效能，推动产学研深度融合

一是强化投后赋能能力建设｡引导投资机构从单纯资金注入转向“全周期赋能”,在技术路线校正､产业资源对接､高端人才引进､商业化落地等方面提供专业化服务｡同时，搭建产学研联动平台，联合高校院所建立“科学家顾问团”,为被投企业提供前沿技术研判､研发节点把控等智力支持，推动实验室成果加速向产业化转化｡

二是重视投后人才引进与培育｡鼓励投资机构培育高素质的投后团队，吸纳或培养具备产业背景的复合型人才｡投后人员的考核与企业成长里程碑挂钩，改变“重投前､轻投后”的激励导向｡同时，协助被投企业完善核心团队配置，通过猎头资源共享､创业导师辅导等方式，帮助引进商业化负责人等关键岗位人才，实现企业内生能力与外部赋能的双向奔赴｡

三是完善风险预警和监管合规指引｡针对数据安全､算法歧视､知识产权等AI特有风险，出台分类分级监管指引，为企业提供清晰､稳定的合规预期｡面对AI技术迭代快､商业模式不确定等特点，加快构建核心风险指标体系，对项目开展动态评估，及时发现并规避潜在风险｡同时，推动行业自律与标准建设｡支持行业协会牵头制定AI伦理准则､数据使用规范等行业标准，引导企业合规经营｡

(四)畅通多元化退出渠道，形成“IPO+并购+S基金”良性循环

一是巩固港股IPO作为重要退出渠道｡港交所为AI企业提供差异化上市标准，应继续优化审核流程，提高可预期性｡推动内地科创板与创业板对AI企业更加包容，允许技术领先且符合条件的企业提前进行IPO预先审阅，优化新股发行定价等配套机制，形成A股与港股双轮驱动格局｡

二是畅通并购退出渠道｡针对AI企业技术溢价分歧大､一二级市场估值不匹配等痛点，由国家级并购基金提供相对公允的定价基准，打破买卖双方预期错配僵局｡聚焦“补链强链”开展定向并购，围绕算力芯片､垂直大模型､具身智能等关键环节，支持国家级并购基金联合地方国资对“小而散”的同质化标的进行纵向整合，通过并购重组提升产业集中度，从源头化解“内卷式”竞争｡

三是加快S基金发展步伐｡拓展S基金等创投退出渠道，鼓励S基金对优质未退出AI企业的份额转让提供流动性支持｡提升S基金对AI资产的理解与定价能力，创新交易模式，弥合买卖双方估值分歧｡针对国资背景基金份额转让，建立差异化评估机制，缩短决策周期，打通S基金交易的政策堵点｡

四是完善境外上市协调机制｡针对地缘政治因素对境外上市的影响，建立跨部门协调机制，为企业提供政策指导和风险预警｡加强与境外监管机构沟通，争取更加公平透明的上市环境｡通过构建多元化､高效率的退出体系，形成“募投管退”环节畅通的资本良性健康循环｡

原文刊载于《数字经济》2026年第5期 作者：中国银行研究院 吴丹