AI & 一级市场

Anthropic双线出击：并购Stainless+估值9000亿融资

5月13日，Anthropic传出两条同日重磅消息：其一，正与开发工具初创公司Stainless进行收购谈判，交易价格不低于3亿美元，Anthropic可能以股权和现金混合形式支付。Stainless专注于用AI自动生成API的SDK工具，其现有客户涵盖Anthropic、OpenAI、谷歌等主要AI公司。（据多家媒体报道）

其二，Anthropic正在洽谈规模介于300亿至500亿美元之间的新一轮融资，估值最高可达9000亿美元。若达成，Anthropic将在估值规模上超越OpenAI，成为全球最高估值的AI公司。谈判方据报涉及多家主权基金及战略投资方。（据公开市场信息）

这是Anthropic今年以来最大规模的并购动作。此前其已完成对Bun（开发工具）、Vercept、Coefficient Bio等三家公司的收购。若Stainless交易落地，Anthropic将把「API工具层」从外部供应商整合进自身生态，实现对开发者接入生态的底层掌控。（据企业官方公告）

【投黑马点评】
Anthropic同一天并购工具商、同一天启动超大体量融资，这套组合拳透露出它正在从「最安全的大模型公司」向「AI生态基础设施提供商」全面转型。收购Stainless的核心逻辑不在于价格，而在于：谁控制了SDK工具层，谁就掌握了大模型生态入口的定价权。对一级市场而言，这是「AI开发工具栈」赛道战略价值被头部公司加速验证的明确信号——相关早期标的仍有窗口，但时间正在快速收窄。

Isomorphic Labs拿下21亿美元B轮，AI制药独角兽崛起

5月12日，谷歌系AI制药公司Isomorphic Labs宣布完成21亿美元B轮融资，由Thrive Capital领投，Alphabet、GV、MGX、淡马锡、CapitalG及英国主权AI基金联合参投。至此，公司累计融资超26亿美元，是迄今AI制药领域规模最大的私募融资之一。（据企业官方公告）

Isomorphic Labs由谷歌AI负责人德米斯·哈萨比斯（Demis Hassabis）领衔，以诺贝尔奖级别的AlphaFold蛋白质结构预测技术为底座，构建了AI药物设计引擎IsoDDE，并已与诺华、礼来、强生等制药巨头签署商业合作协议。新一轮资金将用于推进IsoDDE全球规模化部署，以及将候选药物管线从发现阶段推向临床。

公司目标是将药物发现的平均周期从数年压缩至数月。从小分子到抗体，Isomorphic Labs在多个治疗领域同步布局，技术路径清晰且已有付费客户背书。（据企业官方公告）

【投黑马点评】
AI制药赛道的核心质疑一直是「何时商业化」。Isomorphic Labs的21亿美元给出了清晰答案：当你手握AlphaFold技术壁垒，且已与诺华、礼来签下付费合作，资本就不再质疑你的商业模式。反直觉的判断在于：这笔融资不代表该赛道估值见顶，而是意味着「技术-商业转化节点」已经跨越。对早期投资者而言，接下来的机会在于：AI制药赛道的「配套层」——数据标注、临床试验管理、AI辅助审批——这些环节的早期标的，估值仍未充分反映其战略价值。

Wispr Flow语音AI谈判20亿美元估值

5月12日，据报道，语音输入工具Wispr Flow的开发商Wispr AI正在洽谈新一轮融资，若成功，估值将突破20亿美元，较此前翻番以上。Wispr Flow支持全系统级语音输入——不限于特定App，可在任意桌面应用中将口述内容实时转为流畅文字。（据多家媒体报道）

Wispr Flow的核心差异化在于：结合AI大模型的实时润色能力，用户口述内容可被自动结构化和优化，使语音输入第一次在质量上真正媲美键盘输入。目前工具已在Mac平台积累相当规模的活跃用户，主要受工作效率场景驱动。

「语音→文字→结构化内容」这条链路，是AI原生交互层的关键赛道。与十年前的Siri式语音识别不同，大模型的引入使这条链路发生了本质跃升：不再只是「识别你说了什么」，而是「理解你想表达什么并优化输出」。（据多家媒体报道）

【投黑马点评】
20亿美元的估值对于早期工具产品偏高，但这反映了投资人对「AI原生人机交互入口」的提前卡位意愿。真正值得一级市场追问的问题是：这个赛道的壁垒究竟在哪里？是底层语音识别引擎、大模型接入能力，还是操作系统级的深度整合？不同的答案决定了Wispr这类公司的护城河深度。如果壁垒只在「先到的用户习惯」，20亿美元就是一个需要谨慎的数字；如果壁垒在「系统级整合+用户数据飞轮」，这个估值的空间则会大得多。

快手分拆可灵AI，视频生成独角兽估值冲高200亿

5月12日，消息人士透露，快手科技正计划将旗下视频生成AI业务「可灵AI」（Kling）从母公司分拆，以约200亿美元估值寻求Pre-IPO融资，规模预计约20亿美元，腾讯据悉在考虑参与本轮。受消息提振，快手港股当日早盘一度涨近10%。（据36氪、量子位报道）

这个估值有直观参照：截至5月11日，快手整体市值约288亿美元，可灵AI的预期估值已相当于母公司的近70%。而全球视频生成领域现有独立产品中，Runway估值约35亿美元。可灵若成交，估值将是Runway的五倍以上，坐上全球视频生成模型估值第一位。（据公开市场信息）

可灵AI目前年化收入约5亿美元（ARR），较今年春节前翻倍，产品已在全球40多个国家应用商店设计类下载榜拿下首位。分拆后，可灵将摆脱快手消费平台的估值体系，以独立AI公司逻辑参与资本定价。公司目标最快于2027年在香港完成上市。（据企业公开信息）

【投黑马点评】
分拆的本质是「让好资产脱离错误的估值框架」。可灵被困在快手体内，根本原因是消费娱乐平台和AI能力公司的定价逻辑完全不同——市场很难给快手贴两套估值标签。分拆后，可灵可以用ARR增速、全球渗透率、模型迭代节奏单独讲故事。对一级市场而言，「母体分拆独立」类标的值得格外关注：它们带着成熟商业模式和既有客户进入新资本市场，风险收益比比纯早期项目更清晰。可灵2027年港股IPO窗口如成立，接下来一年是验证其商业化能否持续加速的关键观察期。

智谱MiniMax纳入恒生科技指数，百亿被动资金待入场

5月13日前后，市场确认智谱AI（Knowledge Atlas Technology）与MiniMax将于6月8日正式纳入恒生科技指数，同步加入港股通。据分析机构测算，两家公司在指数中的合计权重预计在5%至7%之间，届时将引发约125亿至175亿港元的被动资金强制买入。（据多家媒体报道）

恒生科技指数被动基金须按权重配比强制持仓，新成员纳入意味着追踪该指数的基金无论估值情绪如何，均须在6月8日附近完成建仓。这是由规则驱动的强制资金流入，而非情绪推动的主动买盘。

MiniMax和智谱AI今年1月相继在港交所上市，IPO首日双双涨超100%。两家公司的产品覆盖AI文字、音频、视频及代码生成，是中国大模型商业化进展最快的企业之一。港股通开通后，内地资金也将获得直接配置通道。（据公开市场信息）

【投黑马点评】
指数纳入是「被动资金的强制买入指令」，本质上是从「情绪溢价」向「配置需求」的结构性转变。对一级市场更重要的是后续效应：随着大模型公司港股IPO通道被持续验证，后续的阶跃星辰、可灵AI等标的在选择上市地点时，港股吸引力将显著增强。今日看指数纳入，本质上是在为整个中国AI资本市场的定价体系打基桩。关注6月8日前后相关标的的建仓动态，是观察市场预期演变的一个可操作窗口。

科技商业

Google预警：黑客已将AI武器化，零日漏洞攻击门槛骤降

5月12日，谷歌威胁情报团队发布报告指出，威胁行为者正系统性地将AI用于网络攻击核心环节：协助发现应用程序漏洞、生成规避检测的混淆逻辑、自主协调攻击行动，以及用合成媒体制造虚假数字证据。（据企业官方公告）

报告特别指出，AI Agent在侦察阶段能大幅提升漏洞扫描速度，这实际上将黑客的技术准入门槛系统性降低。此前需要顶级安全专家才能完成的零日漏洞利用，在AI辅助下正逐步「民主化」——普通攻击者也能以更低成本发动复杂攻击。

这份报告与美国政府正在推进的AI安全测试机制形成协同：科技大厂在开放AI能力的同时，正被要求主动披露安全威胁，「AI安全预警」机制正在形成雏形。（据企业官方公告、监管机构公告）

【投黑马点评】
网络安全赛道的「AI原生替代」逻辑一直被讨论，谷歌这份报告是其加速的有力佐证。攻击侧AI化速度一旦快于防御侧，传统基于规则和特征库的安全产品贬值将骤然提速。一级市场在看网络安全赛道时，可以重点追踪那些不依赖签名库、以实时行为分析和意图识别为核心的「AI原生安全」早期公司——这类标的的战略价值在当前市场中仍被低估，是真正的左侧机会方向之一。

黄仁勋访华，港股AI算力链迎来做多窗口

5月13日，受英伟达CEO黄仁勋随特朗普访华消息延续发酵，香港股市中国科技板块整体上扬，国产算力链标的受到集中关注。分析机构指出，此次访华对中国AI科技股形成双向利好：若H200芯片对华出口实际落地，算力基础设施投资将提速；若受阻，国产算力替代的紧迫性将进一步验证，国产芯片受益。（据多家媒体报道）

国产AI芯片企业近期基本面表现强劲。寒武纪2026年第一季度营业收入达28.85亿元，同比增长159.56%，净利润增幅超185%。期间费用率从30%降至13%，显示规模效应正在快速释放。国产AI芯片在中国市场的出货占比已突破40%，较一年前显著提升。（据企业官方公告）

值得注意的是，此次港股AI板块上涨并非纯粹的情绪行情。支撑其背后的，是中国AI基础设施投资正在进入「实质扩张期」这一基本面——国内主要云厂商资本开支持续攀升，算力需求的真实增长为国产芯片厂商提供了稳定的需求底部。（据行业研究机构）

【投黑马点评】
「H200来了，国产芯片受益；H200没来，国产芯片更受益」——这个结构不是玩笑，而是当前国产算力投资逻辑最真实的写照。对一级市场而言，更重要的不是港股短期波动，而是国产AI芯片的商业客户转化速度：寒武纪Q1数据显示，「商业客户接力」已经出现。一旦国产芯片的商业客户占比持续提升，其定价逻辑将从「政策驱动」切换至「商业基本面支撑」。届时才是真正的左侧买入信号成立时刻。

轻松一刻

安卓小机器人「变透明」，谷歌品牌焕新亮相

5月13日，谷歌正式揭晓Android品牌的最新视觉升级：陪伴全球用户十余年的绿色小机器人Bugdroid，换上了彩色半透明的全新造型。这是Android品牌自2019年以来最大规模的视觉迭代，据报道与即将发布的Android 16系统深度关联。（据多家媒体报道）

新版Bugdroid采用立体感更强的3D造型，从固定的纯绿色变为可变的彩色半透明材质，品牌字体也同步调整，整体风格向当下流行的「材质感设计语言」靠拢。预计这只新机器人将随Android 16一起，出现在全球十几亿台安卓设备的界面上。

不少网友发现，谷歌这次悄悄把Bugdroid「变透明」的同时，也意味着一件大事：Android 14年来第一次在核心品牌元素上动大手术——这通常预示着系统层面将有超出以往的重大更新。Google I/O 2026将于5月19日开幕，届时答案揭晓。（据多家媒体报道）

【投黑马点评】
谷歌选在这个时间节点大改Android品牌，是在为Google I/O 2026（5月19-20日）热身。品牌焕新通常预示系统级大动作，而本届I/O的核心看点包括Android 16与AI Agent的操作系统级整合，以及Android XR眼镜消费版进展。对消费电子产业链投资者而言，这波换装背后有明确信号：新一轮安卓生态软硬件适配窗口正在开启，端侧推理芯片、光波导、AI眼镜方向的产业链标的，将在接下来90天内迎来关注度的阶段性提升。

今日左侧信号

信号：AI工具链并购进入加速期，中国视频生成AI开启独立上市新纪元，AI原生网络安全赛道等待结构性加速

追踪方向：Anthropic收购Stainless揭示「API工具层」的战略价值，国内可关注模型中间件、Agent框架、SDK自动化方向的早期团队；可灵AI分拆逻辑若成立，将推动更多大模型平台型产品加速独立融资，建议追踪阶跃星辰、月之暗面后续是否跟进类似动作；网络安全赛道的「AI原生替代」窗口已被谷歌官方确认，具备实时行为基线分析能力的早期标的值得优先进入尽调名单。建议深挖 → 融资观察（AI工具链并购方向）/ 黑马雷达（AI原生网络安全）

── 投黑马研究团队

黄仁勋临时加入访华商业代表团，阿拉斯加经停时登机

5月13日，英伟达CEO黄仁勋（Jensen Huang）在最后一刻加入了访华商业代表团。据现场媒体记者报道，黄仁勋在专机经停阿拉斯加安克雷奇期间被目击登机，这一消息迅速引发行业震动。

此前公布的随访商界领袖名单中并未包含黄仁勋。直到5月12日晚间，名单上仍不见他的名字。据知情人士透露，黄仁勋在出发当天早上接到邀请电话后，随即飞往安克雷奇与代表团会合。

英伟达在声明中表示：「Jensen是应邀出席峰会的，以支持美国和本届政府的目标。」白宫发言人Steven Cheung确认了黄仁勋的行程安排在最后时刻发生变化，并表示日程调整「刚好都能配合得上」。（据企业官方公告、据多家媒体报道）

此前，黄仁勋缺席代表团一事曾引发行业广泛讨论，外界猜测可能与英伟达先进AI芯片的出口安排有关。过去一年，黄仁勋频繁与美国政府沟通，推动为AI产业发展扫清障碍，包括调整出口管制相关政策。据知情人士透露，随访高管均来自在中国拥有大量业务的企业，预计将参与此次访问的商业议程。（据多家媒体报道）

去年12月，英伟达H200 AI芯片获准向中国出口，美方将从中收取25%的费用。但据美国商务部信息，由于中方企业尚未获准采购，实际出口尚未发生。与此同时，黄仁勋一直支持对更先进芯片维持出口限制，包括Blackwell处理器和即将推出的Vera Rubin系列。（据公开市场信息、据监管机构公告）

【投黑马点评】
从「缺席名单」到「深夜登机」，黄仁勋行程的戏剧性反转本身就是最值得解读的信号。随访高管均来自在华业务体量巨大的企业，商业议程指向明确。对一级市场而言，H200芯片出口一旦实际落地，中国AI算力产业链的供给格局将发生实质变化——从芯片分销到算力基础设施，多个环节的早期标的窗口可能同时打开。这通「最后一刻的电话」，比任何公开声明都更能说明英伟达在全球AI产业链中不可替代的战略权重。

── 投黑马研究团队

你在2023年初投了一家AI应用公司，投前估值3亿。创始人名校出身，Demo惊艳，赛道叙事完美。12个月后，同赛道涌入30家竞品，大模型厂商亲自下场做同样的功能，你投的公司收入增速掉到个位数，下一轮融资估值打了五折。你复盘时发现：不是公司不好，是你在技术曲线最陡峭的位置入场，买的不是价值，是共识的峰值溢价。这个代价本可以避免——如果你当时有一张「技术成熟度-资本温度」的对照地图。

一、为什么90%的AI投资人都在曲线的错误位置入场？

2021到2022年，全球AI领域风险投资超过650亿美元。到2024年底回头看，早期批次中大量项目估值腰斩甚至归零。据行业研究机构PitchBook数据，2021年入场的AI基金，超过三分之一的项目经历了Down Round。同期进入的早期项目中，据公开市场信息整理，约90%未能在18个月内达到下一轮融资所需的里程碑。

问题不在于「AI不行」——恰恰相反，AI赛道的长期价值几乎没有人怀疑。问题在于：绝大多数投资人在技术成熟度曲线的峰值区域完成了建仓。他们为一个正确的长期判断支付了错误的短期价格。

这不是运气问题，是认知结构问题。

当一项新技术从实验室走向市场时，资本市场对它的定价并不线性跟随技术进步，而是跟随注意力和共识的浓度。Gartner在1995年提出的技术成熟度曲线（Hype Cycle）精确描述了这个规律：每项新技术都会经历「触发期→膨胀期→幻灭谷→爬升期→成熟期」五个阶段。投资圈几乎人人都知道这条曲线——但知道和用好之间，隔着一条巨大的鸿沟。几乎没有人把它转化为一套可操作的投资时机判断工具。

为什么？因为大多数人把Hype Cycle当作一张「事后解释图」：出了事才指着图说「你看，当时就在膨胀期」。但它真正的价值是「事前定位工具」——在入场之前，帮你判断当前的市场热度处于曲线的哪个位置，从而决定你承受的到底是认知差红利还是共识溢价税。

投黑马的核心观点是：技术成熟度曲线不是一张科普图表，而是左侧投资者最重要的时机地图。 你在曲线的哪个位置入场，决定了你获取的是「结构性α」还是「情绪性β」。

二、「曲线位置-资本温度」映射模型：一张图看清你该在哪里出手

我把Gartner的技术成熟度曲线与一级市场的资本行为叠加，提炼出一个「曲线位置-资本温度」映射模型。这个模型的核心判断是：技术曲线的每个阶段对应着完全不同的资本温度，而左侧投资者的最优入场窗口，不是技术最热的时候，而是资本最冷的时候。

五个阶段，对应五种资本状态：

曲线阶段	资本温度	典型投资人行为	左侧机会
触发期	冰点	只有技术背景的天使在看	极早期种子，信息极度不对称
膨胀期	过热	所有人抢额度，估值脱离基本面	陷阱区
幻灭谷	冰点回归	机构撤退，媒体唱衰，融资困难	最优左侧窗口
爬升期	回暖	有业绩验证的公司开始获得关注	右侧确认，仍有空间
成熟期	恒温	估值反映真实价值，超额收益消失	配置型资金入场

这张映射表揭示了一个反直觉的结论：左侧投资者的黄金窗口，恰好在所有人都不看好这个赛道的时候。

不是因为你比别人聪明，而是因为在幻灭谷阶段，三个结构性条件同时成立——

第一，噪音过滤完成。膨胀期涌入的投机项目已经死掉或转型，剩下的是真正在解决问题的团队。你的筛选成本大幅降低，看十个项目能找到三个值得深入的——而在膨胀期，这个比例是看三十个才找到一个。

第二，估值回归合理。前一轮的共识溢价被市场情绪击碎，创始人对估值的预期被重置。膨胀期投前5亿的公司，在幻灭谷中往往愿意接受投前1.5-2亿的价格。你能以合理甚至偏低的价格拿到更好的资产——因为经历过幻灭谷的公司，产品成熟度和团队韧性都远超膨胀期时的状态。

第三，竞争退潮。机构投资人的LP压力传导到前台，大量基金暂停或缩减在该赛道的投资。头部机构忙着应对存量项目的down round，没有精力看新机会。你面对的竞争对手从三十家变成三家。

这三个条件的叠加，构成了左侧投资者的结构性认知差。市场不是没有信息——信息是公开的；市场缺的是在情绪极度悲观时仍能理性判断的能力。

如何判断当前处于曲线的哪个位置？

模型的实操难点不在于「知道幻灭谷好」，而在于实时判断你正站在曲线的哪个位置。这里提供三个锚定信号：

信号一：媒体叙事的极性翻转。 当主流科技媒体的标题从「XX将改变一切」转向「XX泡沫破裂」「XX已死」时，通常意味着曲线正在从膨胀期滑入幻灭谷。这个转折点往往发生在领域内第一批明星公司出现「增长不及预期」或「裁员」新闻之后的3-6个月。投黑马团队内部有个简单的判断标准：当你在一周内看到三篇以上「XX赛道凉了」的文章，就该开始建立观察名单了。

信号二：融资轮次的断层。 观察该赛道的融资活动：如果A轮以后的项目大面积融资困难（融资周期从3个月拉长到12个月以上），而种子轮/天使轮仍有零星交易发生，说明市场已经进入幻灭谷的中段。投机资本退场了，但认知领先的少数投资人仍在低位收集筹码。这个信号的准确度非常高，因为它直接反映了资本对该赛道的真实态度——不是口头上的「我们还在看」，而是钱包层面的「我真的愿意出手」。

信号三：技术应用的「笨办法期」。 当真实用户开始用复杂的临时方案（拼凑API、手动串联工作流、用Excel做流程管理、自己写脚本实现自动化）来实现某个功能时，说明需求是真实且迫切的，但供给侧尚未成熟到能提供标准化产品。这是幻灭谷末段的典型特征——也是最强的入场信号。因为它同时验证了两件事：需求存在、供给缺位。下一个能把这些「笨办法」产品化的团队，就是你应该投的标的。

三、三步定位法：从识别位置到做出决策

知道了模型的逻辑，落地到具体投资决策还需要三个步骤。这不是一个可以跳过的环节——很多投资人「道理都懂」但执行时回归直觉，原因就是缺少一套结构化的操作流程。

第一步：画出你目标赛道的「注意力曲线」

不要用Gartner的官方报告作为直接投资依据——那是面向企业IT采购者的，更新频率是年度级别，对一级市场投资决策的颗粒度远远不够。你需要自己画一条更精确的曲线：

• X轴：时间（以季度为单位，回溯3-5年）
• Y轴：用三个指标的加权平均——「该赛道新成立公司数量」（权重40%）+「该赛道融资总额」（权重35%）+「主流媒体报道频次」（权重25%）

数据来源：Crunchbase/PitchBook的融资数据、各地工商注册数据、36氪/TechCrunch等媒体的报道数量。不需要精确到个位数，趋势判断就够。

当三个指标同时到达峰值后开始下降，就是膨胀期→幻灭谷的转折点。当「新成立公司数量」跌至峰值的30%以下，但「用户侧需求指标」（搜索量、GitHub相关项目活跃度、产品使用数据）仍保持平稳或微增，就是幻灭谷的底部区域。

第二步：在幻灭谷底部建立「存活名单」

进入幻灭谷后，你的首要任务不是找最好的公司，而是找还活着的公司。这个顺序很重要：幻灭谷的淘汰率极高，能存活本身就是一种筛选。能穿越幻灭谷的项目通常具备三个特征：

• 有真实付费客户（哪怕收入规模很小，年化几十万就够）。关键词是「付费」和「复购」——免费试用用户不算。
• 现金储备能支撑18个月以上。 这意味着创始人在膨胀期融到了足够的钱且花得克制，或者在幻灭谷初期就开始控制成本。
• 创始人的叙事已经从「改变世界」转向「解决具体问题」。 这是最微妙也最有价值的信号。经历过幻灭谷洗礼的创始人，如果还在讲宏大叙事，说明他还没接受现实；如果已经转向「我们帮XX行业的XX岗位每天节省XX小时」这种具体表述，说明他完成了从「创业表演者」到「问题解决者」的转变。

这三个条件缺任何一个，穿越幻灭谷的概率大幅降低。投黑马的实践是：在幻灭谷阶段首先建立「存活名单」，从中筛选投资标的，而不是在广泛赛道中盲目搜索。

第三步：在爬升期初段验证并加仓

幻灭谷建仓后，你需要耐心等待爬升期的确认信号。不要急——幻灭谷的持续时间通常是12-24个月，你有足够的时间观察和追加。典型的确认信号包括：

• 存活名单中的头部公司获得新一轮融资（且估值至少持平或温和上涨）
• 行业出现标志性收购事件（大厂收购幻灭谷存活者）
• 下游应用场景开始规模化落地（从「试点」变成「采购」）
• 新一代创业者开始进入这个赛道（说明产业基础设施已经成熟到可以支撑新进入者）

确认信号出现后，可以在已投项目的下一轮中追加投资，或在同赛道的其他存活公司中寻找新标的。此时的风险收益比仍然优秀，因为市场的整体情绪尚未从悲观转为乐观——大多数机构需要再观察1-2个季度才会重新入场。

四、实战还原：2023-2025年AI Agent赛道的完整映射

让我用一个完整的历史案例，逐步走一遍「曲线位置-资本温度」映射模型的全流程。

赛道：AI Agent（AI智能体/自主代理）

2022年底-2023年上半年：触发期。 ChatGPT发布后，「AI Agent」概念从学术圈进入产业视野。AutoGPT在2023年3月上线一周内GitHub星标突破10万，BabyAGI、LangChain等框架项目迅速涌现。此时只有极少数技术背景的天使投资人在关注这个方向。资本温度：冰点。绝大多数主流VC的反应是「有意思，但看不清商业模式」——他们看到了技术的可能性，但无法量化商业价值。

2023年下半年-2024年上半年：膨胀期。 大量AI Agent创业公司成立，融资热度飙升。据公开市场信息整理，2023年Q3到2024年Q1，全球AI Agent方向的早期融资事件数量环比增长超过300%。明星项目的估值在六个月内翻三倍甚至更多。某些Pre-Revenue的AI Agent公司拿到了上亿美元估值。几乎所有主流VC都声称自己在「重仓AI Agent」。资本温度：严重过热。

这个阶段入场的投资人面临的核心风险是：他们为「叙事的确定性」支付了巨大溢价，但AI Agent的技术成熟度远未到达可规模化交付的水平。大量项目的Demo很惊艳——在展示环境中Agent能完成复杂任务，但生产环境中的可靠性不到60%，安全性未经审计，单次调用成本是人工成本的数倍。估值反映的是「如果这一切成真」的期望，而不是「已经证明可行」的事实。

2024年下半年-2025年上半年：幻灭谷。 转折来得很快。多个高估值AI Agent项目被曝出核心场景落地困难、客户续费率远低于预期、技术路线需要推翻重做。媒体叙事迅速翻转：「AI Agent的泡沫正在破裂」成为主流标题。融资环境骤冷——膨胀期拿到天使轮或种子轮的项目，超过60%在18个月内未能完成下一轮融资。多家明星项目裁员、转型甚至关闭。资本温度：冰点回归。

但此时发生了什么？真实需求不仅没有消失，反而在加速。 企业用户仍在用「笨办法」构建AI工作流——用Zapier串联多个AI API、用Python脚本编排多步骤任务、用内部IT团队手搓Agent框架。这些替代方案的使用量在幻灭谷期间反而在增长。这正是幻灭谷底部最关键的「笨办法期」信号：供给侧退潮，需求侧仍在增长。

如果用三步定位法在当时进行操作：

• 画注意力曲线： 2024年Q3，新成立AI Agent公司数量已从峰值下降了约65%，融资总额环比缩减超70%。但GitHub上AI Agent相关开源项目的Star增速、企业侧的PoC数量仍在稳步上升。曲线判断：幻灭谷底部区域。
• 建存活名单： 筛选出仍有付费客户、现金跑道18个月以上、创始人叙事已转向具体场景的AI Agent公司。这个名单大约在整个赛道的10-15%——换句话说，85%以上的项目已经或即将出局。
• 等待确认信号： 2025年Q2开始，存活名单中的头部公司陆续获得新一轮融资，估值温和上涨；某大厂以数亿美元收购了一家垂直场景的AI Agent公司；多个行业（客服、财务、法律）的AI Agent解决方案开始从「试点」变成「部门级采购」。爬升期确认。

在幻灭谷窗口中布局的投资人获得了什么？第一，存活公司的技术成熟度远超膨胀期——产品已从Demo进化到可规模交付，技术风险大幅降低。第二，估值回到合理区间——膨胀期投前5亿的项目，幻灭谷中以投前1.5-2亿就能拿到。第三，到2025年下半年爬升期启动时，早期投资人的账面回报已经开始兑现。

框架复盘： 这个案例完整验证了「曲线位置-资本温度」映射模型的核心逻辑——不是AI Agent在2024年下半年变差了，恰恰相反，技术在持续进步；变的是市场情绪和估值水位。认知差来自于：你能区分「技术的真实进展」和「市场对技术的情绪定价」。

投黑马 · 信号解读

技术成熟度曲线的投资密码不在于预测技术走向，而在于识别资本温度与真实价值的错配窗口。当所有人都在为一项技术的「未来故事」买单时，你支付的是共识溢价；当所有人都在为同一项技术的「当下困境」离场时，你获取的是认知差红利。

这个模型帮左侧投资者避免的最大陷阱是「FOMO入场」——在膨胀期追逐明星项目额度的行为，本质上是用一级市场的钱去交二级市场追高的学费。幻灭谷不是风险区，而是风险被市场情绪过度定价后留下的套利空间。

使用前提：这套模型解决的是赛道级别的时机判断，不替代公司层面的尽调。你仍然需要在正确的时机窗口内，用正确的标准筛选正确的公司。曲线位置告诉你什么时候该看这个赛道，不告诉你该投哪家公司。

── 投黑马研究团队

延伸阅读：

• 赛道研究的终极问题：这个市场为什么现在才出现？——时机验证矩阵与本文的曲线位置判断形成互补工具
• 前共识校准模型：最好的左侧投资不是逆势，而是等共识来找你——识别曲线位置后，如何校准自己的判断与市场共识的距离
• 估值锚定陷阱：你的「合理估值」可能只是上一轮的惯性——在幻灭谷建仓时，如何避免被上一轮峰值估值锚定

AI & 一级市场

DeepSeek首轮融资500亿元，梁文锋亲自出资200亿，估值剑指515亿美元

5月11日，DeepSeek首轮外部股权融资的核心细节进一步明朗。据多家媒体报道，计划融资金额约500亿元人民币（约73.5亿美元），投后估值指向3500亿元人民币（约515亿美元），有望成为国产AI大模型有史以来规模最大的一笔融资。（据多家媒体报道）

本轮融资有一个在一级市场极为罕见的细节：创始人梁文锋计划以个人名义出资200亿元，占本轮融资总额的40%。在核心创始人通常以股权换流动性的行业惯例中，这个比例释放的信号异常强烈。（据多家媒体报道）

国家集成电路产业投资基金（国家大基金）据报洽谈领投，腾讯、阿里巴巴亦作为战略投资方参与。这意味着DeepSeek正在同时获得国家战略背书与互联网流量生态的双重加持。（据多家媒体报道）

投黑马注意到，此轮融资若顺利落地，将标志着国产大模型估值体系正式进入「500亿美元时代」——一个过去只有OpenAI能达到的定价区间。

【投黑马点评】
DeepSeek此番融资，拿到的不是钱，而是「定义权」。梁文锋用200亿元个人资金做最大背书，释放的信号是：创始人认为现在是跑赢窗口期的关键时机，而不是退出套现的节点。对一级市场而言，反直觉的判断在于——515亿美元估值看似高企，但若DeepSeek的技术架构成为全球开发者的默认底层，这个定价反而可能是低估。投资者真正要追踪的不是「估值是否合理」，而是：国家队加互联网巨头的双向背书，是否会将其推向「战略资产」而非「纯商业资产」的定价轨道。

阶跃星辰25亿美元融资落定，腾讯重仓跟投，港股IPO提速

5月11日，阶跃星辰近25亿美元的新轮融资正式确认落地，腾讯再度跟投并与其达成战略合作，香港投资管理有限公司（港投公司）同步参与，本轮融资合计约合人民币170亿元。（据多家媒体报道）

此次融资的机构阵营尤其值得关注。华勤、龙旗、豪威、中兴等手机及消费电子产业链公司集体入场，覆盖从整机制造到上游核心器件的完整硬件生态。阶跃星辰正在将融资结构从「纯AI大模型」向「AI+端侧硬件」双轮驱动转型。（据多家媒体报道）

阶跃星辰已于4月完成股改、拆除红筹架构——这是赴港IPO的关键前置步骤。有「港版淡马锡」之称的港投公司，目前大模型领域仅押注阶跃一家，为其上市路径提供了重要背书。（据多家媒体报道）

【投黑马点评】
阶跃星辰这轮融资的「惊喜」不在金额，而在投资方结构。消费电子产业链集体入场，意味着资本市场在押注「端侧AI+大模型」协同将成为下一代智能硬件的核心架构。对早期投资者而言，真正的左侧信号是：手机供应链的钱已经在提前布局，下一代AI手机、AI眼镜背后的算力和模型标的，时间窗口可能比多数人预期的更短。港投公司的加持，也让阶跃的IPO时间表从「计划中」变成了「大概率落地」。

科技商业

OpenAI成立AI部署公司，头部模型商抢占落地服务层

5月11日，OpenAI宣布成立「OpenAI Deployment Company」，专门帮助企业将AI整合进核心业务流程，以工程团队驻场的方式协助中大型机构完成AI系统改造。（据企业官方公告）

此举与Anthropic本月初宣布联合Blackstone、Goldman Sachs成立企业AI服务公司形成直接呼应——两大头部AI公司同步从「卖模型」切换至「卖服务」，路径与传统软件公司的SaaS向服务层迁移高度相似。（据多家媒体报道）

对AI产业链上游的创业公司而言，头部模型商亲自下场做实施层，将直接压缩传统系统集成商的利润空间，但同时为垂直场景的专业化服务商留出细分窗口。

【投黑马点评】
OpenAI成立部署公司，是一个值得早期投资者高度警觉的产业信号。这宣告了AI创业赛道的一次「向下攻」——头部模型商不再满足于API收费，开始主动抢占下游服务层利润。反直觉的判断：这对细分垂直赛道的早期AI公司未必是坏消息。OpenAI覆盖的是通用型落地，而法律、医疗、制造等深度垂直场景的数据壁垒和合规门槛，短期内难以跨越。窗口期留给了专精型选手，但留给的时间正在快速收窄。

Google I/O 2026下周开幕：Gemini 4领衔，Android 17、AI眼镜同台亮相

5月11日，Google I/O 2026大会相关预热内容密集发布。主会场定于5月19日至20日在加州Shoreline Amphitheatre举行，全程线上直播。（据企业官方公告）

本届I/O的核心看点：旗舰AI模型Gemini 4发布（据报推理能力大幅提升）；Android 17系统预览，内置Agentic AI特性；AluminiumOS——Android与ChromeOS深度融合后的全新笔记本平台操作系统；以及Android XR眼镜的消费版本进展。（据多家媒体报道）

投黑马研究团队注意到，今年I/O的核心叙事已从「大模型发布会」切换至「Agentic AI规模落地」，Google正试图将AI能力从对话框拉升至操作系统层，构建更深的用户黏性护城河。

【投黑马点评】
Google I/O 2026的真正看点不是Gemini 4的跑分，而是AluminiumOS和Android XR眼镜。前者意味着Google在以操作系统为切入点重新定义PC；后者则是智能眼镜赛道重新洗牌的信号。对早期投资者而言，AI眼镜产业链的核心器件——光波导、微型显示、低功耗推理芯片——正进入主流机构的标的视野。一旦Google I/O给出明确的产品时间表，这条产业链的融资节奏将在接下来90天内显著加速。

微软Windows 11五月更新今日推送，AI Agent正式进驻操作系统任务栏

5月12日，微软开始向用户推送Windows 11 May 2026更新，AI Agent监控模块首次内嵌至系统任务栏，Xbox模式支持、文件资源管理器增强及安全策略调整同步上线。（据企业官方公告）

这是微软将AI Agent能力从独立应用（Copilot）整合进操作系统底层的重要一步。与此前AI功能「以插件形式存在」不同，此次更新将AI Agent能力以系统级原生模块的方式部署，标志着Windows正在以AI为核心调度层进行架构重构。（据企业官方公告）

【投黑马点评】
AI Agent进入操作系统任务栏，是一个容易被低估的里程碑。这不是一次功能更新，而是「AI接管人机交互主入口」的第一步。对一级市场而言，真正的左侧信号在于：一旦操作系统层的AI Agent成熟，依赖特定App和SaaS工具的传统软件公司将面临结构性压力，而能够适配Agent调用范式的API优先公司将获得长期竞争优势。早期投资者应重点追踪：哪些企业软件赛道的标的在主动拥抱Agent接入范式，而非被动等待替代。

阿里千问接入淘宝天猫40亿件商品，对话式购物大规模落地

5月10日，阿里巴巴宣布将千问AI平台直接接入淘宝与天猫，覆盖超过40亿件商品。用户可通过与AI对话完成浏览、比较、购买全流程，不再依赖关键词搜索或人工筛选。（据企业官方公告）

这是千问从「AI助手」向「商业基础设施」迁移的关键动作。阿里选择在自有电商生态内先跑通对话式购物的完整链路，再向外开放，延续了其当年「云计算先自用再输出」的打法。（据企业官方公告）

【投黑马点评】
40亿商品的对话式购物，把「AI电商」从概念变成了基础设施。真正反直觉的判断：这对独立AI电商创业公司是一个高风险信号——阿里选择自己做而不是开放给外部创业者，意味着大平台不打算在核心场景留出生态位。左侧投资者更该关注的是：内容电商、跨境电商，以及美妆、服饰等垂直品类的AI导购工具——这些是大平台短期内顾不上精耕的细分市场，也是下一批真实的早期机会。

中国新能源车4月渗透率破53%，再创历史新高

据行业研究机构数据，中国新能源汽车4月新车销量占比达53.2%，连续多月突破半数关口，新能源对传统燃油车的「翻转节点」已成事实。（据行业研究机构）

比亚迪、鸿蒙智行（问界）、小鹏、理想等主要车企均公布4月销量，竞争格局持续分化：比亚迪稳居绝对销量第一，高端新势力在25-40万元区间激烈角逐；小米汽车则宣布正面竞争理想与问界的30万元区间产品。（据多家媒体报道）

【投黑马点评】
53%渗透率意味着新能源车赛道的增量逻辑已经转变：从「替代燃油车」切换至「在新能源内部争排名」。下一个左侧机会不在整车，而在智能化配置的深度渗透——座舱AI、端侧大模型、智能驾驶算法，这些才是未来三年利润率真正分化的竞争层。投黑马建议追踪一个先行指标：各车型的「软件功能订阅率」——这将是判断整车企业能否从硬件商转型为服务商的核心验证指标。

轻松一刻

火星岩石「反咬」好奇号，工程师跨3亿公里远程「拔刺」

5月10日前后，NASA「好奇号」火星探测车遭遇了13年任务史上的「头一遭」。4月25日，好奇号钻入一块名为「阿塔卡马」的火星岩石取样时，意外将整块重约13公斤的岩石拔出地面——岩石随即死死夹住钻头，拒绝脱落。（据行业研究机构）

工程师团队在随后6天内持续尝试各种远程解法：震动钻头、旋转、倾斜……岩石纹丝不动。好奇号与地球距离约3亿公里，一条指令来回传输约需30分钟，每一次「拔刺」都是一场跨行星的耐心博弈。（据多家媒体报道）

直到5月1日第三次综合尝试时，岩石终于断裂脱落，轰然落在火星地面。好奇号的第1.35万个火星日，以一场意外「石劫」留名。

【投黑马点评】
一块岩石「赖」了好奇号6天，最让人回味的是：解决方案不是「更强大的技术」，而是「更耐心的工程师」。某种意义上，这是最接近早期投资现实的隐喻——在充满不确定性的环境里，真正管用的往往不是更猛的资源投入，而是更精准的判断加上足够的耐心。

今日左侧信号

信号：国产AI大模型估值体系正式进入「500亿美元时代」，头部集中加注与港股IPO潮并行

追踪方向：关注DeepSeek、阶跃星辰融资落地后，是否触发B轮及以下国产AI应用层公司的估值重新定价；追踪阶跃星辰赴港IPO路径，港股是否成为国产大模型的主流上市场所；同时密切关注Google I/O 2026（5月19-20日）的Gemini 4发布和AI眼镜进展，是否会刺激端侧AI产业链融资节奏在90天内加速。建议深挖 → 黑马雷达（端侧AI硬件产业链）/ 融资观察（国产大模型头部估值重定价）/ 前沿信号（Agentic AI系统级落地）

── 投黑马研究团队

AI & 一级市场

a16z越洋领投1600万美元，瑞典初创Pit走出隐身模式

5月7日，斯德哥尔摩初创公司Pit宣布完成1600万美元融资并正式公开亮相，本轮由Andreessen Horowitz（a16z）领投，Lakestar及来自OpenAI、Anthropic、谷歌、Revolut等公司高管跟投。

Pit定位为「AI原生企业运营平台」，目标是用AI替代企业中拼凑的电子表格、收件箱和各类SaaS工具。公司由Voi（欧洲最大电动滑板车平台）和Klarna（瑞典金融科技独角兽）团队联合创办，已服务多家百亿美元级的医疗、移动出行、电信和工业客户。

a16z普通合伙人Alex Rampell表示：「Pit卖的是经得起时间考验的速度——安全、有治理、为长期运营而生。这是一个全新品类。」（据公开市场信息）

【投黑马点评】
a16z越洋投资一个$16M的欧洲种子项目，信号远不止融资本身。Pit代表的赛道——「AI原生企业运营基础设施」——正在将ERP、CRM、BI整合成一个能自我进化的智能操作系统。这条赛道在欧洲几乎是空白：美国类似公司（如Glean、Dust）已在A轮估至1-3亿美元，欧洲对标选手仍在种子期。投黑马判断：18个月内，这条赛道在国内也会出现拿到大额A轮的对标公司，当前是卡位窗口。

Freshworks CEO宣告：超半数代码已由AI编写，同步裁员500人

5月7日，企业软件公司Freshworks宣布全球裁员约500人，占员工总数的11%。CEO Dennis Woodside在全员信中明确表示，公司超过一半的代码目前已由AI工具编写。

裁员的直接背景是AI重组——公司削减管理层级、合并销售团队，节省的费用将重定向至核心增长业务Freshservice（IT服务管理）。尽管裁员，Freshworks 2026年第一季度营收同比增长16%至2.286亿美元，盈利能力持续改善。

这是Freshworks在两年内的第三次重大裁员，公司在2023年和2024年分别裁减约600人和700人。本次预计产生约800万美元一次性重组费用。（据公开财报）

【投黑马点评】
Freshworks CEO那句「过半代码由AI写就」不是炫耀，而是宣告企业软件研发成本结构发生了结构性断裂。下一代SaaS公司的人效可以比上一代高出5-10倍。那些还在用「研发人头数」衡量竞争壁垒的投资人，正在用2015年的量尺丈量2026年的公司。投黑马提示：重点关注工程团队规模小于竞争对手一半、但产品迭代速度不落后的早期SaaS标的，这类公司的边际利润率将在未来2年内系统性超预期。

微软51年首次：8750名员工收到自愿退休计划通知

5月7日，微软向美国约8750名符合资格的员工正式发出自愿退休计划通知，这是这家成立51年的科技巨头历史上的首次主动退休提案。

符合条件的员工为高级总监及以下级别、在职年限与年龄之和达到70以上的美国籍员工（即「70规则」），约占美国员工总数的7%。员工将有30天时间决定是否接受，补偿金额从8周至39周基本薪资不等。

此次自愿退休计划是微软2026年人员调整的组成部分。4月，微软已宣布约9000人的裁员，预计本次退休方案将带来约9亿美元的一次性财务影响。（据企业官方公告）

【投黑马点评】
微软用「退休」包装的实质是对高年资工程师岗位的系统性出清。适用「70规则」的恰恰是公司里经验最丰富、薪酬成本最高的那批人——他们的替代者不是年轻工程师，而是AI Coding Agent。这个信号对早期创业者极具参考价值：中大型企业开始主动清理「人力冗余」，意味着企业级AI工具的买家决策周期将比预期更短、内部阻力更小。投黑马判断，这批高年资工程师的离职潮，也是下一批企业SaaS创业者中最被低估的人才来源。

四大巨头$725B砸向AI算力，同期科技行业裁员11.4万

5月7日，行业研究机构的分析数据显示，亚马逊、微软、谷歌、Meta四家公司2026年合计资本支出预算达7250亿美元，较2025年增长约77%，几乎全部指向AI基础设施建设。

与此同时，2026年以来的科技行业裁员已累计影响11.4万名员工，涉及179起裁员事件。其中Meta在5月初裁撤了约8000个岗位，微软合计受影响员工超过1.2万人。

值得注意的是，四巨头的AI资本支出总量约为其全体员工薪资成本的4-5倍。即便将所有人力完全替换为AI，也仅能节省数百亿美元，远低于其算力投入规模——这说明裁员与AI支出的驱动逻辑并不相同：前者是组织效率重构，后者是基础设施卡位。（据行业研究机构）

【投黑马点评】
一个容易被误读的结构性事实：大科技公司的裁员潮与AI资本支出是两条独立的逻辑线，裁员节省不了多少钱，AI基础设施才是护城河的来源。对早期投资者而言，真正的信号是：当四大巨头争抢同一批GPU和数据中心运营商时，算力供应链每一个细分环节——从冷却系统、光互连到电力基础设施——都将迎来至少3-5年的确定性增长窗口。投黑马建议重点追踪算力服务链上的B轮前标的。

科技商业

DJI Osmo Mobile 8P全球上市：最大亮点是拆下来的那块屏幕

5月7日，DJI Osmo Mobile 8P正式在全球同步上市。这款手持稳定器最引人注目的设计是一块可拆卸显示模块——取下后即可变身独立遥控器，用于远程取景、调整拍摄参数和控制云台运动。

Osmo Mobile 8P保留了三轴稳定算法，新增「AI拍摄建议」功能，可在实时取景过程中提示最佳构图角度。续航约10小时，充电方式为USB-C。

从产品定位看，Osmo Mobile 8P的主要目标人群是内容创作者和短视频团队，尤其适合需要单人完成跟拍和远程操作场景的用户。（据企业官方公告）

【投黑马点评】
DJI这次「拆开来也是另一个产品」的设计逻辑，比堆参数的迭代更有产品价值。更值得关注的产业链信号是：内置AI拍摄建议意味着端侧推理芯片的场景需求正在从手机、耳机快速蔓延至拍摄稳定器这类垂直硬件品类。下一个窗口可能在：为消费电子硬件提供低功耗端侧AI推理方案的芯片设计公司。这个品类在国内尚无强势玩家。

华为单日发布三款新品：MatePad Pro Max、Nova 15 Max与Watch Fit 5

5月7日，华为在曼谷举行「创新产品发布会」，一口气发布三款新品：MatePad Pro Max大尺寸平板、Nova 15 Max旗舰手机，以及Watch Fit 5和Watch Fit 5 Pro两款智能手表。

MatePad Pro Max搭载华为自研旗舰芯片，主打生产力与多任务能力；Nova 15 Max定位影像旗舰，配备徕卡认证相机系统；Watch Fit 5新增24小时心电连续监测功能。

此次发布选址东南亚，是华为持续加速布局东南亚中高端市场的重要节点。（据企业官方公告）

【投黑马点评】
华为选在曼谷发布三款新品，背后是清晰的市场卡位逻辑：东南亚中高端消费电子市场正在快速扩容，华为在该区域的品牌认知和渠道建设已远超过去五年。对产业链投资者而言，华为高端产品线持续推进意味着国产芯片、显示模组、摄像头模组等供应链将持续受益于这条增量需求，相关供应链公司值得作为中期追踪标的。

轻松一刻

螃蟹横着走，是2亿年前祖先留下来的「遗产」

科学家终于搞清楚了螃蟹为什么横着走——这是一次发生在约2亿年前的进化事件留下的特征，此后所有真正的螃蟹（短尾下目）都继承了这个「横行基因」。

研究团队分析了50种蟹类的运动方式，发现35种以横向移动为主，只有15种选择向前走。更有意思的是，至少6种螃蟹在进化历程中曾经「反悔」，重新学会了向前走——比如蜘蛛蟹和豆蟹。

研究认为，横着走可能让螃蟹在躲避天敌时运动轨迹更难预测，成为三叠纪末期大灭绝后的生存优势。（据行业研究机构）

【投黑马点评】
一个2亿年前的运动习惯，至今还在影响全世界所有的螃蟹——这比任何科技产品的「路径依赖」都要彻底得多。大自然是最极端的legacy code工程师。

今日左侧信号

信号：AI工具正在将企业软件研发成本结构性压缩，SaaS赛道的人效门槛已被系统性抬高。

追踪方向：关注工程团队规模极小但迭代速度不落后的AI原生SaaS早期标的（以Freshworks式的上市公司财报披露数据作先行指标）；同步追踪算力供应链中冷却系统、光互连、电力基础设施等细分环节的B轮前公司。建议深挖 → 黑马雷达 / 前沿信号

── 投黑马研究团队

AI & 一级市场

月之暗面Kimi即将完成20亿美元新融资，估值突破200亿美元，不到半年累计融资超39亿

5月6日，据晚点LatePost消息，Kimi（月之暗面）即将完成新一轮20亿美元融资，投后估值突破200亿美元（按现汇率约合1368亿元人民币）。本轮由美团龙珠领投，中国移动、CPE（中信产业基金）等参投，仅美团龙珠一家出手就超过2亿美元。

这并非Kimi的孤立一役。今年1月至2月，月之暗面密集完成三轮融资，分别为5亿、7亿和7亿美元。算上本轮，不到半年Kimi已融资超39亿美元，累计融资额超过376亿元人民币，成为大模型创业公司中累计融资最多的企业。

与此同时，Kimi的估值从去年11月约43亿美元飙升至如今的200亿美元以上，半年内翻了四倍有余。4月20日，月之暗面还发布并开源了最新模型Kimi K2.6，在代码编写、长程任务执行及Agent集群能力方面实现全面升级，在「终极人类考试」（Humanity’s Last Exam）、SWE-Bench Pro等基准测试中表现持平或优于GPT-5.4、Claude Opus 4.6和Gemini 3.1 Pro等闭源模型。（据晚点LatePost）

【投黑马点评】
月之暗面半年内融资超39亿美元，表面是资本豪赌，但这轮由美团龙珠领投、中国移动参投，透露了一个关键信号：Kimi的商业化路径已从「用户增长」转向「产业嵌入」。外卖、出行、运营商是规模最大的AI应用落地场景，这三类股东不是财务投资人，而是分销渠道。估值从43亿到200亿翻4倍，反映的是投资人对「产业AI」这条路径的信心，而非单纯的模型竞赛估值。左侧机会在于：围绕Kimi和美团生态做垂直Agent开发的早期公司，采购窗口正在打开。

字节跳动Doubao-Seed-2.0-lite升级：豆包家族首款全模态理解模型，音画文原生统一处理

5月6日，字节跳动旗下火山引擎宣布Doubao-Seed-2.0-lite升级新版本，这是豆包大模型家族首款全模态理解模型，支持视频、图像、音频、文本的原生统一理解，Agent、Coding与GUI能力同步提升。

新版本在物理（HiPhO）、医疗（MedXpertQA）等高阶学科推理上大幅超越2月发布的Doubao-Seed-2.0-pro，并在细粒度感知（BabyVision、WorldVQA）与具身理解（ERQA）等关键领域达到SOTA水平。

该模型的核心卖点是「同等算力成本下的高性价比」，定位企业大规模批量化部署全模态推理任务，融入语音理解后可直接处理必须「音画结合」才能判断的复杂业务需求。（据企业官方公告）

【投黑马点评】
字节把Doubao-Seed-2.0-lite做成「全模态」，不是技术展示，而是一次针对企业客户的主动收割。多模态统一理解意味着企业不再需要用多个专项模型拼接工作流，大幅降低集成成本。字节的打法一贯如此：用极致性价比打穿中小企业市场，再从中筛出高价值客户升级付费版。对做企业AI服务的早期团队来说，这是「基础设施层在持续降价」的信号——越早拿下应用层的差异化护城河，成本优势窗口越宽。

OpenAI发布GPT-5.5 Instant并设为ChatGPT全用户默认模型，高风险场景幻觉率下降52.5%

5月5日，OpenAI将GPT-5.5 Instant正式设为所有ChatGPT用户的默认模型，取代此前的GPT-5.3 Instant。

与上一代相比，新模型在医疗、法律、金融等高风险专业场景中的幻觉率下降52.5%，不准确表述减少37.3%。这是OpenAI目前最强的「推理+速度」平衡版本。

GPT-5.5于4月23日发布，面向Plus和Pro用户的个性化功能将在未来数周内扩展至免费版、企业版和商业版本，API版本已同步上线。（据企业官方公告）

【投黑马点评】
每次「幻觉率」数字刷新，都是一次企业采购决策的催化剂。52.5%这个数字意味着：原本因准确率问题被排除在法律文件、医疗记录、金融合规流程之外的AI应用场景，今天起可以重新评估。对一级市场来说，真正的机会不在OpenAI本身，而在那些已经在等「模型够用了再上」的垂直行业SaaS公司——这批公司的等待期，可能刚刚结束。

科技商业

Hyundai Atlas量产版完成首次现场演示：倒立、撑体，商业化路径最清晰的人形机器人

5月6日，现代汽车旗下Boston Dynamics发布Atlas量产版本体的现场演示视频。这台机器人完成了倒立和「L坐撑」两个高难度动作——双手支撑全身重量，展示出超越人类骨骼极限的关节控制能力。这是Atlas量产版首次在非控制环境下的公开展示。

与早期原型机的后空翻、跑酷展示不同，这次演示的核心意义在于：量产版本的机械设计已经具备工业级稳定性。Atlas配备了人形尺寸的触觉手掌、全旋转关节，最大承重50公斤，耐受温度从-20°C到40°C。

现代正在将Atlas引入自有工厂，初期目标是2028年完成首批工厂部署，Google DeepMind已承诺采购2026年首批产能。（据企业官方公告）

【投黑马点评】
量产版能完成高难度动态平衡动作，意味着关节伺服和实时控制算法已经突破工厂环境的最低门槛，而不只是实验室表演。更值得关注的是，Hyundai把「首次现场演示」选在正式部署前两年——这是给供应商和客户发的信号弹，人形机器人的采购窗口正在打开。上游精密减速器、关节传感器、触觉皮肤等细分供应商，是投黑马现在最值得追踪的标的方向。

Samsung市值突破1万亿美元，成继台积电之后第二家进入全球万亿俱乐部的亚洲企业

5月5日至6日，Samsung Electronics市值突破1万亿美元，成为继台积电之后第二家达到这一里程碑的亚洲企业。

过去一年，Samsung股价涨幅超过四倍，核心驱动是HBM（高带宽内存）和DRAM需求在AI训练市场的爆发。市值最高触及1,500万亿韩元（约1.03万亿美元），韩国综合股价指数KOSPI同日创下7,400点历史新高。

Samsung是全球最大内存芯片制造商，AI数据中心对内存带宽的极端需求正在重塑其业务结构——内存业务目前支撑了公司约一半的营收。（据公开市场信息）

【投黑马点评】
Samsung破万亿背后是一个被低估的逻辑：AI计算对「内存墙」问题的依赖远超过去任何一代计算架构，HBM不是配件，是AI算力的瓶颈。Samsung和SK Hynix的卡位，让韩国内存产业在这轮算力军备竞赛中拿到比晶圆代工更稳定的分成。左侧机会在于HBM供应链中游——测试设备、封装材料、基板——这些环节的扩产节奏还远未被市场定价完全。

AMD Q1 2026财报大幅超预期：营收103亿美元同比+38%，数据中心收入+57%

5月5日，AMD公布2026年第一季度财报。营收103亿美元，同比增长38%，超出市场预期约4%；非GAAP每股收益1.37美元，超预期约7%。

数据中心部门营收58亿美元，同比增长57%，核心驱动是EPYC服务器CPU和Instinct系列GPU出货提速。客户端与游戏部门营收36亿美元，同比+23%。

AMD同时给出Q2营收指引约112亿美元，高于华尔街预期约8%。这一指引推动AMD股价在5月6日盘前跳涨18%，带动半导体板块整体上行，Nasdaq当日收涨逾2%。（据公开财报）

AMD Q1 2026各业务板块营收对比（亿美元）
数据来源：据公开财报 / 图表：投黑马 Touheima.com

【投黑马点评】
AMD数据中心+57%背后有个细节值得注意：EPYC服务器CPU的份额增长说明「去英特尔化」进程正在加速，不仅仅是GPU需求拉动。这会传导到基础设施层的整个棋盘重组——原本围绕英特尔生态设计的配套IP、散热、互联方案，都需要一次新的适配。那些过去三年沉寂的系统级芯片设计公司，有可能迎来重新谈判的窗口。

Apple就Siri延迟AI功能被集体诉讼，达成2.5亿美元和解，每台设备最高赔95美元

5月5日，苹果公司同意以2.5亿美元和解一起集体诉讼，诉讼缘起是2024年iPhone 16发布时宣传的个性化Siri AI功能最终于2025年3月延期交付。

该诉讼覆盖2024年6月10日至2025年3月29日期间在美国购买的约3,700万台设备，包括iPhone 16全系和iPhone 15 Pro/Pro Max。依据申请人数，每台设备理论赔付金额在25至95美元之间。

和解已获得法院初步批准，通知邮件将在45天内发出。（据公开信息综合整理）

【投黑马点评】
这次和解的核心不是钱——2.5亿对苹果来说不过是备用金水平。真正的信号是：「AI功能承诺」已经具备了法律层面的约束力。每家面向消费者的科技公司，在发布会上用AI功能作为卖点之后，都可能面临同样的合规风险。这会让产品团队在「先宣传后交付」的惯用策略上变得更保守——对做AI功能核查、合规工具的早期公司，这是一个正在打开的商业入口。

轻松一刻

10年随机对照试验结论：膝关节半月板手术的疼痛缓解效果，和「假手术」没有统计学差异

一项历时10年、覆盖数百名患者的大型随机对照临床试验发布结论：对受损半月板进行修剪手术（半月板部分切除）的疼痛缓解效果，与实施「假手术」（仅在皮肤上切口、不做实质操作）的对照组相比，无统计学显著差异。

这一结论颠覆了骨外科领域数十年来的主流认知。全球每年有数百万台半月板手术，是最常见的骨科手术之一。下一步，研究团队计划扩展至其他常见骨科手术的验证。（据行业研究机构）

图片来源：投黑马 Touheima.com

【投黑马点评】
最有效的安慰剂，有时候是一把手术刀。这项研究让人不禁想问：还有多少临床「标准疗法」其实是安慰剂？医疗AI如果能在循证层面做严格的随机对照验证——那些被高估的常规操作，都可能是下一个被颠覆的市场。

今日左侧信号

信号：中国大模型头部公司正从「融资竞赛」转向「产业嵌入」，资本来源结构正在质变

追踪方向：重点关注美团、运营商等产业资本参投AI公司后的后续动向——从谁是股东可以反推谁是第一批规模化客户；同步追踪围绕Kimi、Doubao生态做垂直Agent开发的早期团队，以及Hyundai Atlas供应链中精密减速器、触觉传感器的细分窗口。

── 投黑马研究团队

AI & 一级市场

OpenAI季度目标双落标：用户增长与营收双双错失，CFO发出算力合同警报

4月28日，有报道披露，OpenAI在2026年一季度同时错过了ChatGPT周活用户内部目标（年底目标为10亿）和营收目标，缺口约为15%。

这是OpenAI少见地在同一季度遭遇双重落标。竞争格局正在生变：Anthropic依靠编程与企业服务持续蚕食市场份额，Google Gemini在消费端加速追赶，OpenAI在多个月份均出现营收目标落差。

内部张力随即浮现。据悉，CFO Sarah Friar曾多次向同事警告：若营收增速无法提速，公司履行未来算力采购合同的能力将承压。她与CEO Sam Altman在战略判断上的分歧，也随着财务数字的曝光逐渐公开化。

对于一家账面承诺超6000亿美元算力支出的公司而言，收入侧的任何失速，都将放大资产负债表的杠杆风险。（据公开市场信息）

【投黑马点评】
OpenAI的落标，揭示了一个更深层的结构性问题：算力支出在跑道上飞速扩张，但变现路径仍未跑通。CFO的警告背后，是「买入算力期权」的商业模式本身开始承压——如果模型能力优势不能转化为不可替代的产品粘性，算力合同就会从护城河变成烧钱黑洞。Anthropic、Mistral等在企业端垂直渗透的对手，正享有比OpenAI更健康的单位经济，这才是真正值得左侧关注的竞争格局演变。

DeepSeek V4发布：百万Token上下文、1.6万亿参数，首款专为华为昇腾优化的旗舰开源大模型

4月29日，DeepSeek发布开源旗舰大模型V4，上下文窗口扩展至百万Token级别，采用Mega MoE架构，参数规模约达1.6万亿。

V4传递了一个关键产业信号：这是DeepSeek首款在训练和推理环节对华为昇腾算力硬件进行专项适配的旗舰模型，同时在开源协议下发布，可自由商用。

就模型能力而言，同期发布的GLM-5.1在专业级软件工程测试（SWE-Bench Pro）中已超越GPT-5.4与Claude Opus 4.6。国产开源大模型的性能天花板，正以快于预期的速度上升。

这一进展的节点值得关注——在OpenAI启动新一轮融资的关键窗口前，开源生态已初步具备企业级替代的技术条件。（据企业官方公告）

【投黑马点评】
V4针对昇腾的专项适配，意味着一条独立的推理算力生态闭环正在成形：DeepSeek做模型，昇腾做硬件，两者互相背书形成商业关系。这对AI基础设施赛道是值得打标记的结构性信号——推理硬件厂商（如曦望、寒武纪）的市场空间，将直接随V4开源生态的商业渗透而扩大。投黑马认为，关注国产推理卡企业的窗口，就在未来两个季度。

Meta、谷歌、OpenAI人才出走潮：顶级研究员批量辞职，下一波AI创业浪潮正在积蓄

4月28日，多名行业观察者和媒体记录到，Meta、谷歌和OpenAI的高层研究员与工程师出现批量离职潮，多人已宣布自行创立AI实验室，并获得顶级机构的种子投资意向。

这一现象并非偶发。在Q1 2026风险投资额创下3000亿美元历史纪录（AI占80%）的背景下，顶尖人才对独立创业的预期回报，已超越大厂薪酬的留用能力。

DeepMind研究员David Silver于4月中旬完成11亿美元种子融资，成为众多在职研究员效仿的参照系。Sequoia、Lightspeed、Benchmark等头部机构已明确转向「人才孵化型」早期交易，把创始人背景置于技术方向之前作为核心投注依据。（据多家媒体报道）

【投黑马点评】
人才出走潮本质上是一次价值再分配事件：过去五年被大厂圈进来的顶级AI产能，正在分散进入初创生态。对早期投资者而言，「人才溢价」将是下一轮竞争的核心货币。投黑马判断：未来6个月，来自DeepMind、Google Brain、Meta AI Labs的创始团队融资公告将显著增多，融资估值的基准线也将继续被拉高。

科技商业

微软Q3财报：Azure增速40%超预期，AI年化营收跃至370亿美元同比翻倍

4月29日，微软发布FY2026 Q3财报，总营收829亿美元，同比增长18%。

最核心的数字：AI相关年化营收达到370亿美元，同比增长123%；Azure及云服务单季增速40%，高于分析师预期的39.3%，整体智能云业务营收348亿美元。微软Cloud总营收545亿美元，同比增长29%。

值得关注的是，微软同时宣布全年资本开支将达到1900亿美元，主因是内存芯片价格上涨推高了基础设施建设成本。商业剩余履约义务同比增长99%至6270亿美元，意味着未来收入已基本锁定。（据公开财报）

【投黑马点评】
Azure+40%的增速固然亮眼，但更值得关注的是6270亿美元的剩余履约义务——这些都是企业客户已承诺的未来支出，可见性极强。真正的左侧机会不在微软本身，而在其生态中：能帮助企业高效消耗Azure AI配额的中间件和垂直SaaS，将迎来最强的需求拉力窗口，这才是投黑马建议追踪的标的方向。

谷歌Q1财报：Cloud+63%至200亿美元，执行官直言「算力明显不够用」

4月29日，Alphabet发布Q1 2026财报，总营收1099亿美元，同比增长22%，超出分析师预期的1072亿美元。

最具看点的是Google Cloud：单季营收200亿美元，同比增长63%，大幅超越市场预期的181亿美元。管理层在财报电话会上直接表示：「如果我们能满足更多需求，云营收本可以更高。」Cloud积压订单规模近乎翻倍，已超4600亿美元。

搜索业务在AI整合后维持强劲，查询量达历史新高。YouTube广告收入达99亿美元，订阅用户增速首次超过广告收入增速，总付费订阅用户突破3.5亿。（据公开财报）

【投黑马点评】
谷歌一句「算力不够用」，是整个财报季最有价值的信号。Cloud增速63%还受制于供给侧时，这不是需求问题，是一个难得的供给侧机会——能帮谷歌在现有硬件上榨出更多推理效率的优化工具（编译器、调度系统、模型量化），此刻正处于极为稀缺的卖方市场，是投黑马重点追踪的前沿信号赛道。

Meta Q1财报：营收563亿增33%、净利268亿增61%，资本开支指引再度上调

4月29日，Meta发布Q1 2026财报，营收563亿美元，同比增长33%；净利268亿美元，同比增长61%；每股摊薄盈利10.44美元。

广告业务是核心引擎：广告展示量同比增长19%，平均广告单价提升12%，每用户平均收入（ARPU）升至15.66美元，超出分析师预期。

全年资本开支指引由此前的1150-1450亿美元再度上调至1250-1450亿美元。与此同时，Meta宣布裁减约8000名员工（约占总员工数10%），并取消6000个在招职位。（据公开财报）

【投黑马点评】
营收超预期、净利大涨、裁员、capex加码——四件事同步发生，背后是同一个逻辑：用AI替换人力、降低运营成本，再把节省出的资源投入AI基础设施，进一步提升广告算法效率，形成自我强化的效率飞轮。这个飞轮的产业传导值得追踪：广告主对AI生成创意素材的需求爆发，将从Meta底层流量变现能力向上传导至创意工具赛道。

亚马逊Q1财报：AWS增速达15季度最高，AI工作负载迁移加速

4月29日，亚马逊发布Q1 2026财报，总营收1815亿美元，超出分析师预期的1773亿美元；净利303亿美元，每股摊薄盈利2.78美元。

AWS单季营收375.9亿美元，同比增长约28%，创近15个季度最快增速。管理层将加速归因于企业AI工作负载迁移：越来越多的企业把训练和推理任务批量迁至云端。Q2收入指引1940-1990亿美元，同比增长16%-19%。（据公开财报）

【投黑马点评】
AWS「15季度最快增速」的背后，是企业AI落地正从POC阶段进入批量部署阶段的真实写照。这对企业AI应用层是正向信号，但要注意层次：迁移需求利好IaaS层，而对纯SaaS应用竞争格局反而更复杂。投黑马的判断：能在AWS生态中成为高频调用「算法插件」、而不被AWS自家服务取代的垂直SaaS，才是值得关注的早期标的筛选维度。

轻松一刻

Starship V3发射第三次推迟，马斯克的五月承诺：检查清单完成了5/17项

4月29日，SpaceX宣布，Starship第12次飞行（V3版本首飞）再度推迟，发射目标调整至不早于2026年5月。

这已经是Starship Flight 12在一年内第三次调整窗口——从最初的3月，到4月，再到5月。这次飞行意义非凡：V3是Starship的全面重新设计版本，近地轨道有效载荷超过100吨，约为上一代的3倍。目前，发射前检查清单的17个关键项目，已完成5项。

好消息是，SpaceX刚刚完成了V3上级的首次满功率静态点火测试，扫清了主要技术障碍。与此同时，SpaceX今年猎鹰9号已完成44次发射，继续以惊人的节奏刷新航天纪录。（据企业官方公告）

【投黑马点评】
三次推迟，五月继续。马斯克的发射日历已成为硅谷最具参考价值的「不靠谱信号源」之一——但也正因如此，每次Starship真的飞起来，都是货真价实的技术里程碑。检查清单5/17，至少说明这次他们是认真的。

今日左侧信号

信号：AI云基础设施全面供不应求——谷歌、微软、AWS三家同日发出「算力受限」或「capex大幅上调」信号，Q1合计资本开支指引超过4500亿美元

追踪方向：算力供给侧价值链正在重组。HBM高带宽内存、液冷散热解决方案、高速网络互联（IB/以太网交换）、以及定制ASIC设计工具等细分环节的早期标的，将直接受益于巨头2026年底前的算力投入浪潮。核心追踪指标：英伟达GB300/Blackwell Ultra供货时间表、台积电CoWoS封装产能及HBM4交货节点。建议深挖 → 前沿信号 / 黑马雷达

── 投黑马研究团队

AI & 一级市场

Physical Intelligence估值翻倍冲向110亿美元

物理AI赛道再起巨震。成立仅两年的机器人大脑公司Physical Intelligence在发布π0.7模型后，正在洽谈约1亿美元新一轮融资，投后估值将从56亿美元直接翻倍至110亿美元。公司累计融资已超10亿美元，投资者名单中包括贝索斯与OpenAI。这家公司的核心路线是「通用机器人基础模型」——面向多厂牌机器人硬件提供统一的视觉-语言-动作（VLA）大脑。（据公开市场信息)

【投黑马点评】
具身VLA大脑正在从「论文团队」升级为「平台型基础设施」。左侧窗口已不在整机厂一端，而是模型-数据-评测三位一体的机器人「大脑供应商」，以及数据标注与仿真平台的二梯队早期标的。

特斯拉AI5芯片完成流片，性能较AI4跳升40倍

特斯拉于4月15日官宣自研AI5芯片完成流片，设计已移交代工厂，计划2027年启动量产。AI5将由三星与台积电分别在美国本土工厂代工，单芯片性能对标英伟达Hopper架构，双芯规模接近Blackwell级别，官方宣称整体性能较AI4提升40倍，成本与功耗均更具优势。（据企业官方公告、综合公开信息整理)

【投黑马点评】
车企自研推理芯片开始对标GPU一线，信号已明确出现。留意为特斯拉做封装、测试、HBM与先进封装配套的二线供应商，以及具备多代号车规级ASIC量产经验、能切入自研芯片供应链的国内早期标的。

OpenAI Codex升级为桌面代理，Agents SDK迈向沙箱化

OpenAI于4月16日重做Codex并发布新一代Agents SDK。Codex可在用户桌面后台运行、打开任意应用、通过光标完成点击与输入；SDK新增原生沙箱执行、可配置记忆、标准化集成与会话快照能力，把Agent从浏览器工具推进到完整的桌面工作流。同日OpenAI还面向生命科学研究推出GPT-Rosalind。（据企业官方公告)

【投黑马点评】
Agent的消耗战场从云端API延伸到终端操作系统。一级市场可追踪终端控制层、Agent安全侧车、长时任务调度、以及Agent评测与可观测工具这四类早期基建——它们的订单方正在从单个App变成操作系统级入口。

SK海力士冲刺美股，目标6-7月募资约100亿

存储大厂SK海力士正以超预期节奏筹备美股上市，目标窗口锁定今年6至7月，拟募资约100亿美元。其HBM与DRAM一季度合约价分别翻倍与上涨90-95%，AI服务器对存储容量数倍于普通服务器的需求，持续拉动供给紧张。（据公开市场信息、据行业研究机构)

【投黑马点评】
存储正成为AI基建的第二根「卡脖子」。可重点追踪HBM封装辅材、TSV设备、先进制程测试机，以及国内HBM替代链与存算一体架构的早期标的——AI算力瓶颈的传导顺序正从GPU→电力→存储。

科技商业

亚洲富豪与家办250亿美元涌入AI私募

2025年全年，亚洲高净值个人与家族办公室共向全球AI私募项目投入243亿美元，2026年截至4月8日新增投资额已近9.5亿美元。这部分资金偏好晚期大额融资与AI基建项目，部分流入二线明星公司的Pre-IPO阶段。（据公开市场信息)

【投黑马点评】
晚期资金堆在顶层头部，给早期投资者留出了夹缝结构：被头部溢价挤出的二梯队团队、上一轮估值倒挂的明星项目老股、以及尚未进入亚洲家办雷达的细分赛道，都是2026年值得提前布阵的左侧区域。

Anthropic Opus 4.7落地，垂直模型竞争升温

Anthropic已将Claude Opus 4.7升级为通用可用，强化软件工程、视觉与长时Agent能力，新增任务预算与Code Review工具，并向Anthropic长期利益信托增补董事会成员。市场判断其当前3800亿美元估值相较OpenAI的8520亿美元「反倒像是折价」。（据企业官方公告)

【投黑马点评】
头部大模型竞争从「通用基准跑分」切向「垂直领域深度与Agent交付」。留意以Claude与GPT为底座、在代码审计、生命科学、网络安全、法律税务这四类垂直领域构建数据壁垒的应用层早期公司——这是被二级市场忽视的左侧价值洼地。

2026成全球Robotaxi关键拐点，中国领跑车队部署

第三方机构在4月14日的研究报告中判断，2026年将结束Robotaxi长达10年的孵化期，行业进入规模化商业化拐点。中国凭借端到端模型突破、车队规模扩张与V2X基础设施，在部署规模上领跑全球。特斯拉Cybercab计划本月推出，Waymo在美六城运营2500辆无人车并瞄准伦敦与东京。（据行业研究机构、据企业官方公告)

【投黑马点评】
Robotaxi从「讲故事」走向「看单车毛利率」。左侧窗口在调度算法、远程接管中心SaaS、事故责任保险、高精地图增量更新这类「车队服务层」，而不是整车方案商——此处的早期标的尚未被一级市场充分定价。

今日左侧信号

信号：物理AI正在从「算法独角兽」向「全链条基建」延伸，资本锚点上移。

追踪方向：芯片侧看车企自研ASIC与HBM封装配套；大脑侧看VLA与世界模型底座平台；落地侧看Robotaxi与具身集成的车队服务层。建议深挖 → 黑马雷达 / 前沿信号。

── 投黑马研究团队

你花了两周分析一个Pre-A轮项目，觉得投前1.5亿「有点贵」。然后你发现，这家公司上一轮天使轮的投前估值是8000万，你的直觉反应是：半年涨了不到一倍，还算合理。于是你投了。三个月后复盘，你发现自己从未认真算过这1.5亿到底反映了什么基本面假设——你只是觉得「比上一轮贵一点」就是合理的。这不是估值，这是锚定。核心阅读要点：①为什么上一轮估值是最危险的参考系；②锚定脱敏三步法的完整框架；③如何在真实交易中识别并拆除估值锚点。

一、为什么「上一轮估值」是最危险的参考系

一级市场有一个几乎所有人都在犯、但没人承认的错误：用上一轮估值来判断这一轮估值是否合理。

场景是这样的——你拿到一个B轮项目的BP，投前估值5亿。你的第一反应不是去算这5亿背后隐含了什么增长假设，而是去查这家公司A轮融了多少、投前多少。查完发现A轮投前2亿，你心里立刻有了一个判断：「两年涨了2.5倍，考虑到业务进展，合理。」

这个判断过程看起来很专业，实际上是一个经典的认知偏误——锚定效应（Anchoring Effect）。诺贝尔经济学奖得主Daniel Kahneman在行为经济学领域的奠基性研究中证明：人在面对不确定性估计时，会不自觉地依赖最先接触到的数字作为「锚点」，后续所有的判断都是在这个锚点附近做微调，而不是从零开始独立推算。

一级市场的估值天然容易被锚定，原因有三个：

第一，没有公开市场定价。 二级市场的股票每秒都有成交价，你很难被某个历史价格锚定太久，因为新的价格信号不断冲刷你的认知。但一级市场的项目可能一年才融一次资，上一轮估值就是这一年里你能看到的唯一「价格」。

第二，估值的信息不对称极严重。 创始人知道自己公司的真实状况，投资人只能通过有限的数据去推断。在信息不足时，大脑会更强烈地抓住已有的锚点——上一轮估值恰好是最容易获取的那个数字。

第三，上一轮有「市场背书」的幻觉。 上一轮的估值不是一个人拍的，是一群投资人竞争出来的「市场价格」。这让它看起来比你自己的独立判断更可靠。但问题是：上一轮的投资人可能也被更早的锚点锚定了。

结果就是：整个一级市场的估值链条，可能从天使轮到C轮都建立在层层叠加的锚定效应之上，每一轮的投资人都在前一轮的基础上加一个「看起来合理」的溢价。直到IPO或被并购的那一刻，市场才第一次用真实的基本面给出独立定价——而这个价格经常和最后一轮的估值相差甚远。

这就是为什么我们需要一套系统的方法来「脱敏」——从锚点的引力中挣脱出来，回到独立估值的基本面。

二、框架核心：锚定脱敏三步法

「锚定脱敏三步法」是一套帮助左侧投资者在评估早期项目估值时，系统性识别并消除锚定效应的框架。

核心逻辑用一句话说：不从「上一轮值多少」出发，而从「这家公司现在值多少」出发。 听起来像废话，但在实际操作中，这两个起点会导向完全不同的估值结论。

三个步骤是递进关系：

第一步：锚点识别 → 找出你脑中的估值锚点是什么、从哪来的
第二步：归零重估 → 忘掉所有已知估值，用基本面独立推算
第三步：偏差校验 → 把独立估值和市场估值做对比，分析差距的原因

这个框架解决的问题是：当你面对一个有融资历史的项目时，如何做出不被历史估值污染的独立判断。它不解决的问题是：如何给一个从未融过资的项目定价——那是另一套方法论（涉及可比公司法和风险调整收益法）。

为什么叫「脱敏」而不是「去锚」？因为锚定效应不可能被完全消除——它是人类认知的底层机制，你知道它存在也无法让它消失。但你可以通过结构化的流程降低它对最终判断的影响，就像过敏体质的人通过脱敏治疗降低对过敏原的反应一样。框架的目标不是让你变成没有偏差的理性人，而是让你的偏差从「无意识地被锚定」变成「有意识地管理锚定」。

三、框架详解：三步拆解

第一步：锚点识别

定义： 在做出任何估值判断之前，先识别你脑中已经存在的「锚点」——那些不由你选择、但已经在影响你判断的数字。

核心问题： 我现在脑子里对这家公司的估值预期是多少？这个数字是从哪来的？

判断标准：

你需要诚实地列出所有已经进入你认知的估值相关信息。常见的锚点来源包括：上一轮融资估值、创始人的报价、同赛道已知公司的估值、媒体报道中的数字、同行的口头评价。

列出之后，标记每一个锚点的「污染风险」。规则很简单：越早接触到的数字，锚定力越强。 如果你在看BP之前就听说「这家公司估值2亿」，这个2亿就是你的主锚点，后续所有分析都会围绕它上下浮动。

反面示例： 最常见的误用是「我知道锚定效应，所以我不会被锚定」。知道偏差存在不等于能消除偏差——就像你知道视觉错觉是假的，但看到那两条线还是觉得不一样长。锚点识别的目的不是消除锚定，而是让你知道自己被什么锚定了，为下一步的归零重估建立基准。

第二步：归零重估

定义： 暂时忘掉所有已知的估值信息，用基本面数据独立推算这家公司「应该值多少」。

核心问题： 如果这家公司从来没有融过资，没有任何市场定价，仅凭它现在的业务数据和未来潜力，我愿意出多少钱买它X%的股份？

判断标准：

归零重估有三个子方法，适用于不同阶段的公司：

子方法A：里程碑折现法（Pre-Seed到Seed）。 列出这家公司在未来12-18个月需要达到的关键里程碑（产品上线、首个付费客户、月收入破X万），估算达到每个里程碑后公司「应该值多少」，然后按风险折现回现在。折现率反映的不是资金成本，而是里程碑不达标的概率。

子方法B：单位经济学倒推法（Seed到A轮）。 如果公司有了初步的收入数据，从单位经济学出发：客户获取成本（CAC）、客户生命周期价值（LTV）、LTV/CAC比率。用当前的单位经济学推算可持续增长率，再推算2-3年后的收入规模，最后用行业合理的收入倍数倒推现在的估值。

子方法C：可比退出倒推法（A轮到B轮）。 找到同赛道、同阶段已经退出（IPO或被收购）的公司，看它们在类似阶段的估值是多少，退出时的回报倍数是多少。用退出价格倒推回当前阶段的「合理入场价」。

不管用哪个子方法，关键原则是：这个过程中不允许出现「上一轮估值」这个变量。 如果你发现自己的推算过程中偷偷引用了上一轮的数字，重来。

反面示例： 有人做归零重估时，名义上用的是单位经济学，但在选择收入倍数时参考了「上一轮隐含的收入倍数」。这等于锚点从前门赶出去又从后门溜进来了。收入倍数应该参考同赛道的公开市场数据或行业基准，不应该从私募轮次中反推。

第三步：偏差校验

定义： 把你的独立估值和市场估值（创始人报价或上一轮估值）进行对比，分析差距的原因，做出最终判断。

核心问题： 我的独立估值和市场估值差了多少？这个差距能被合理解释吗？

判断标准：

计算偏差率：(市场估值 - 独立估值) / 独立估值 × 100%

• 偏差 ≤ 20%： 合理范围，市场定价基本反映了基本面。可以在市场估值附近谈判。
• 偏差 20%-50%： 灰色地带，可能存在合理的溢价因素（团队溢价、赛道热度、战略价值），但也可能是锚定叠加导致的虚高。需要逐一验证溢价因素是否成立。
• 偏差 > 50%： 高风险信号。市场估值大概率包含了非基本面因素——可能是上几轮锚定的累积效应，可能是赛道泡沫，可能是信息不对称导致的错误定价。除非你能找到一个你的独立估值模型遗漏的重大价值因素，否则应该放弃或大幅压价。

反面示例： 偏差校验的目的不是「证明市场是错的」。如果你的独立估值和市场估值差距很大，可能性有两个：市场被锚定了，或者你的独立估值遗漏了什么。偏差校验是让你去调查原因，而不是自动站在自己这边。

四、实战案例：一笔Pre-A轮的锚定脱敏全流程

2024年初，一家专注企业AI Agent的创业公司寻求Pre-A轮融资，创始人报价投前3亿人民币，融资5000万，出让约14%。这家公司2023年中完成天使轮，投前8000万，由一家知名天使基金领投。

一位左侧投资者收到BP后，没有直接评判3亿是否合理，而是用锚定脱敏三步法走了一遍。

第一步：锚点识别。 投资者列出了脑中已有的锚点：天使轮投前8000万（来自BP）、同赛道某公司刚以投前10亿完成A轮（来自上周的新闻）、创始人的3亿报价（来自FA转发的估值意向）。最强锚点是天使轮的8000万——因为它是最先接触到的具体数字，而且有「知名天使基金背书」的权威加成。

第二步：归零重估。 公司处于Seed到Pre-A阶段，有初步收入，适用单位经济学倒推法。当前数据：月收入约80万，客户数12家，平均合同额约8万/月，续约率尚未验证（产品上线不到8个月）。推算过程：假设续约率70%（企业SaaS早期保守估计），年化收入约960万，LTV/CAC比率根据当前获客方式估算约为2.5倍。参考企业级AI SaaS在公开市场的收入倍数范围（15-25倍ARR），取保守端15倍。独立估值 = 960万 × 15 = 1.44亿。

第三步：偏差校验。 市场估值3亿 vs 独立估值1.44亿，偏差率约108%。远超50%的高风险线。

投资者进一步分析偏差来源：创始人的3亿报价很可能是以天使轮8000万为锚点，叠加「半年业务进展」和「AI赛道热度」的溢价推算出来的。但从基本面看，月收入80万、客户仅12家、续约率未验证的公司，3亿投前意味着超过30倍的年化收入倍数——这在企业SaaS领域已经是成熟期高增长公司才有的水平。

最终判断： 投资者没有直接拒绝，而是给出了一个基于独立估值的还价方案——投前1.8亿（在独立估值1.44亿的基础上给了约25%的团队和赛道溢价）。创始人最终接受了投前2.2亿的折中方案。相比最初的3亿报价，这位投资者的锚定脱敏流程帮他避免了约27%的估值溢价——在一级市场，这个差距在退出时可能意味着数千万的回报差异。

五、投黑马·信号解读 + 延伸阅读

投黑马 · 信号解读

锚定脱敏三步法的核心不是教你「不要被锚定」——这做不到，锚定效应是写在人类认知底层的出厂设置。它教你的是在做估值判断前先给自己做一次「认知体检」：知道自己被什么锚定了，然后用结构化流程把锚点的影响降到可控范围。

一级市场最昂贵的估值错误不是「看错了赛道」或「判错了团队」，而是「根本没做过独立估值」。大多数投资人以为自己在估值，实际上只是在上一轮的数字旁边画了一个新的数字。归零重估的价值不在于它能给出精确的估值，而在于它迫使你回到基本面，问一个简单但大多数人从未认真回答的问题：这家公司现在值多少钱？

锚定脱敏三步法有一个重要前提：你需要有能力做独立的基本面估值。如果你对单位经济学、收入倍数、里程碑折现没有基本概念，框架的第二步就无法执行。它适合有一定投资经验、能读懂财务数据的投资者，不适合纯粹依赖「感觉」做判断的入门者。

── 投黑马研究团队

延伸阅读：

• 逆向尽调清单：为什么90%的VC尽调报告都在问错问题？——估值判断的上游环节，先验证人再验证价格
• 前共识校准模型：最好的左侧投资不是逆势，而是等共识来找你——估值锚定的另一面：当所有人都说「太贵了」时，如何判断市场是否尚未形成共识
• Daniel Kahneman, Thinking, Fast and Slow (2011), Chapter 11: Anchors——锚定效应的原始研究，理解认知偏误的底层机制

你花了200个小时读完一家Pre-Seed公司的商业计划书、财务模型和竞品分析，最后投了。18个月后公司死了。死因不是市场不好，不是产品不行——是创始人在关键决策时连续犯同样的错误。你的尽调报告里没有一页能预测这件事。问题出在哪？出在你从头到尾就在问错问题。

一、开篇：打破常见误区

一级市场有个公开的秘密：大多数尽调报告长得都差不多。市场规模、竞品分析、财务预测、法务风险——四大板块，PPT做得漂亮，结论永远是「风险可控，建议投资」。

但你有没有想过一个数据？据行业研究机构Angel Capital Association统计，天使投资人在尽调上花费超过40小时的，平均回报达到7.1倍；花费不到20小时的，只有1.1倍。差距不在时间本身——而在这些时间花在了什么地方。

传统尽调的致命问题是「方向错误」。你在用审计上市公司的逻辑审核一个连产品都没上线的团队。一家Pre-Seed公司的财务模型有什么好看的？那是创始人拍脑袋编的数字。你花80%的时间在验证一堆假设的假设，却花不到5%的时间去理解这个人在压力下会怎么做决策。

这就是为什么我们需要「逆向尽调」——把传统尽调的优先级彻底翻转。

二、框架核心：逆向尽调清单的定义

「逆向尽调清单」是一套早期项目评估框架。核心逻辑只有一句话：早期投资的尽调不是验证项目，而是验证人。

传统尽调的优先级排序是：市场 → 产品 → 财务 → 团队。逆向尽调把它彻底翻过来：创始人决策模式 → 团队韧性 → 市场时机 → 产品验证。财务模型在早期项目中被降到最低优先级——不是不看，而是承认它在这个阶段几乎没有预测价值。

适用边界：Pre-Seed到A轮。一旦进入B轮以后，公司有了可验证的经营数据，传统尽调的权重应该回升。但在天使到A轮这个阶段，你面对的本质上不是一家公司，而是一个人和一个假设。逆向尽调就是为这个阶段设计的。

为什么叫「逆向」？因为它要求你做一件违反直觉的事——在所有人都在追问「这个市场有多大」的时候，你先问「这个创始人在上一次失败时做了什么」。大多数投资人不是不知道创始人重要，而是不知道怎么系统地评估一个人。逆向尽调清单就是把这个模糊的「看人」过程变成一套可执行、可复用的结构化流程。

三、框架详解：四层逆向漏斗

第一层：创始人决策模式（权重40%）

这是整个框架的核心。你不是在评估这个人聪不聪明、简历漂不漂亮，而是在评估一个具体问题：当事情出错时，这个人会怎么反应？

具体操作分三个维度：

维度A：历史决策还原。 不问「你最大的成就是什么」，而是问「你上一次做出重大错误决策是什么时候？当时的信息是什么？你怎么判断的？后来你怎么发现自己错了？」。你听的不是故事，是这个人的认知更新速度。好的创始人能清晰描述自己从错误中提取教训的过程；危险的创始人要么声称自己从不犯错，要么把所有失败归因于外部环境。

维度B：背渠道调查。 这是最关键、也最容易被跳过的环节。据行业研究机构的实证数据，大多数VC做尽调的关键信息来自「背渠道」——找创始人的前同事、前下属、前合伙人，问的不是「这个人好不好」，而是「你见过这个人在压力最大的时候怎么做决定的？」。一个背调电话值得看十页BP。如果一个创始人前公司的早期员工留存率低于行业平均值，这个信号比任何财务预测都重要。

维度C：实时压力测试。 在尽调过程中故意制造轻度压力场景。比如在条款谈判中提出一个不合理的要求，观察创始人的反应。是情绪失控还是冷静拆解？是非黑即白还是寻找第三条路？据一项2024年全球创始人调查，88%的创始人承认过度压力导致他们做出过错误决策（据行业研究机构）。你投的是一个要在压力下连续做三到五年决策的人——不测试这个能力就下注，等于蒙眼走钢丝。

反面教训： 某知名VC在2021年投了一家AI教育公司的天使轮，创始人履历完美——清华计算机、谷歌工程师、连续创业者。尽调报告30页，市场分析详尽，技术壁垒论证充分。唯一没做的事：没有跟创始人上一家公司的CTO聊过。18个月后公司关停，核心原因是创始人在产品方向出现分歧时独断专行，连续做出三个错误决策，核心团队在六个月内走了四个人。如果做了背渠道调查，这个模式在投资前就能被识别。

第二层：团队韧性（权重25%）

早期公司的团队不是「人力资源」，是「生存资源」。你需要评估的不是团队多优秀，而是这个团队能不能一起扛过最难的18个月。

关键指标A：联合创始人关系压力史。 联创之间是否经历过严重分歧？怎么解决的？有没有退出机制？一级市场最常见的死因之一就是联创分裂。如果两个联创从来没吵过架，反而要警惕——要么他们还没面对过真正的压力，要么有一个人完全没有表达自己观点的空间。

关键指标B：早期员工跟随意愿。 创始人是否有「铁杆追随者」——从上一段经历追随过来的人？这些人用自己的职业选择为创始人投了一票，这比任何推荐信都可靠。

关键指标C：团队认知多样性。 如果三个联创都是技术背景、同一所学校毕业，他们的盲区会高度重合。早期公司需要的不是最强的团队，而是盲区最少的团队。

第三层：市场时机（权重20%）

注意：不是「市场有多大」，而是「为什么是现在」。

一级市场最昂贵的错误不是投错赛道，而是投对赛道但投错了时间。早期创业公司面临的核心时机风险是：太早进入市场会导致用户采纳率极低，而同样的领域可能在两三年后因为基础设施成熟或政策变化迎来爆发期（据行业研究机构）。

逆向尽调的时机验证方法： 不问创始人「你的市场有多大」——这个数字他一定准备好了，而且一定很大。而是问「你这个产品如果在两年前推出，会成功吗？为什么不会？那两年前和现在相比，到底变了什么？」。如果创始人能清晰回答这个问题，说明他真正理解了自己所处的时间窗口。如果他的回答是「市场一直存在，只是没人做」，那大概率他没有认真思考过时机问题。

第四层：产品验证（权重15%）

在逆向尽调中，产品是最后才看的——不是因为产品不重要，而是因为在Pre-Seed到A轮阶段，产品必然会变。你投的不是今天的产品，而是这个团队迭代产品的能力。

核心验证点： 不看产品的功能列表，看产品的迭代记录。这个团队过去六个月做了几次大的方向调整？每次调整的依据是什么——是数据驱动还是创始人的直觉？用户反馈的收集和响应周期是多长？一个每两周就能完成一个「假设→实验→结论」循环的团队，比一个花六个月憋大招的团队值钱十倍。

四、实战案例：一笔Seed轮投资的逆向尽调全流程

2024年下半年，一家专注硬科技赛道的早期基金收到一个机器人公司的融资BP。项目看起来很标准：创始人是某头部高校机器人实验室出身，技术团队有论文、有专利，要融1500万人民币天使轮，出让15%，投前估值8500万。

传统尽调团队的第一反应是「看技术壁垒、看专利布局、看可比公司估值」。但这家基金用逆向尽调流程走了一遍，发现了完全不同的东西。

第一层（创始人决策模式）： 背渠道调查中发现，创始人在前一段创业经历中（某自动化设备公司）曾因为对产品方向的执念，在市场已经给出明确负反馈后仍坚持原方案长达八个月，最终导致公司现金流枯竭被迫转型。关键发现：这不是一个「有技术情怀的人」，而是一个在压力下可能忽视市场信号的决策模式。

第二层（团队韧性）： 好消息是，创始人的两个核心技术伙伴从前一家公司追随过来，说明人格信任度高。坏消息是，团队中没有任何商业化背景的人——三个联创全是技术出身，商业判断的盲区几乎完全重合。

第三层（市场时机）： 当被问到「为什么是现在」时，创始人给出了一个清晰答案：工业协作机器人的核心零部件成本在过去两年下降了40%以上，第一次让单台售价低于10万元成为可能，而这个价格带是中小制造企业采购的心理门槛（据企业官方公告及公开市场信息）。这个时机判断经得起推敲。

第四层（产品验证）： 团队在过去四个月做了三次产品方向调整，每次调整都有明确的客户反馈作为依据。迭代速度合格。

最终判断： 基金没有直接否决这个项目，而是附加了一个条件——投资前创始人必须引入一位有制造业销售经验的联创或高管，且该人选需经投资方认可。创始人在一个月内找到了一位来自某头部工业品公司的销售VP加入，以联创身份参与。交易以7000万投前估值、1200万融资额完成。

这个案例的关键洞察：传统尽调会给这个项目打高分——技术强、专利多、赛道热。逆向尽调揭示了一个传统框架看不到的风险（创始人决策模式+团队盲区），同时也找到了一个可解决方案（补齐商业化短板），让投资从「赌技术」变成了「投有护栏的团队」。

五、投黑马·信号解读 + 延伸阅读

【投黑马点评】
逆向尽调的本质不是否定传统方法，而是在信息最稀缺的早期阶段，把有限的尽调时间花在真正能预测结果的维度上。左侧投资者的优势不是看到更多项目，而是在同一个项目上看到别人看不到的东西。

延伸阅读：

• 前共识校准模型：在市场形成共识之前，如何验证你的判断？（投黑马·左侧学堂）
• 风险边界的「逻辑-价格双轨」判断法：如何设定你的投资边界？（投黑马·左侧学堂）
• Robert Wiltbank & Warren Boeker, Returns to Angel Investors in Groups：天使投资回报与尽调时间的实证研究

── 投黑马研究团队