同一份数据，可以读成一个行业的高光，也可以读成整个市场的失衡。这篇文章不做立场表态，只把 64% 拆开，看它到底在说什么。
2026 年 10 月 5 日，Crunchbase 的季度报告上线。翻到第三段，有两个数字。
第一个：全球风险投资在这一季度是 1590 亿美元，比上一季度少了四分之一。第二个：这 1590 亿里，有 1020 亿流向了 AI 公司，占 64%。
第二个数字被挑出来，做成了标题，传了一整周。
同一份数据，读法却分成了两派。一派说，这是技术革命该有的样子——资本从来都是往确定性最高的地方涌。另一派说，一个品类吃掉近三分之二的钱，剩下的几千家公司去分三分之一，这不是繁荣，是失衡。
"64%"到底证明了什么？它既不是估值，也不是营收，甚至不是一个统一的统计口径。它只是分子除分母的一个结果。要判断它是繁荣还是警报，得先把这几个问题按顺序问一遍：这个数字是怎么算出来的、集中到了什么程度、钱具体流向了哪里、被抽干的是谁、以及最重要的——被集中起来的钱，有没有对应的产出。
这篇就按这个链条走。
先问口径。因为"AI 占了风投多少"这句话，换个来源能差出二十个百分点。
Crunchbase 的口径写在报告里：AI-driven startups across the stack，也就是"全栈的、AI 驱动的初创公司"。这句话本身不够精确——它没说清一家用 AI 做客服的 SaaS 算不算，也没说清一家给 AI 公司供电的能源公司算不算。
报告里能确认的硬数据是这些：
| 指标 | Q3 2026 | 对照 |
|---|---|---|
| 全球风投总额 | 1590 亿美元 | 环比 Q2 的 2120 亿降 25%，同比 Q3 2025 的 1040 亿升 53% |
| AI 公司融资额 | 1020 亿美元 | 占 64%，低于前两个季度，但比 Q3 2025 高 14 个百分点 |
| 十亿美元级轮次 | 27 笔（历史纪录） | Q2 为 16 笔，Q1 为 14 笔 |
| 这 27 家拿走的钱 | 约占全球风投 1/3 | 约 530 亿美元 |
| 美国公司融资额 | 910 亿美元 | 约占全球 57%；仅旧金山湾区就占全球 24% |
| 2026 前三季度累计 | 6790 亿美元 | 为历史同期最高 |
看清楚了：季度总额在缩，AI 的绝对额也在缩，但它的占比仍然停在 64% 的高位。缩的是分母，不是分子。
更麻烦的是，64% 不是唯一答案。同一件事，换个统计者就是另一个数：
所以这篇文章接下来一律用 Crunchbase 的口径说话，并在每个数字后面标上快照日期。原因是它把原始数据、方法说明和口径定义都放在了一页上，可核查。其他来源的数字只在做对照时出现。
64% 只是总量层面的一层。往里剥，还有三层收窄。
第一层收窄在头部。27 家公司各融到 10 亿美元以上，这是一个历史纪录——上一个纪录是 Q2 的 16 家，再上一个是 Q1 的 14 家。这 27 家拿走了当季全球风投的约三分之一。其中又有 8 家融到 30 亿美元以上，最大两笔来自 Databricks 和 Safe Superintelligence，各 50 亿美元。
有个细节值得停一下：这 8 家融到 30 亿以上的公司里，有 5 家成立还不到四年。融资规模的量级，和公司年龄已经完全脱钩了。
把视野拉到单季之外，头部的集中更极端。PitchBook 的数据显示，2026 年第一季度排名前五的交易——涉及 OpenAI、Anthropic、xAI、Waymo 和 Databricks——占据了当季风险投资总额的近 75%。剩下的 25%，成千上万家公司去抢。
换算成人话：在那个季度，全球风投市场里"前五名之外"的所有公司，加起来分到的钱，还不到一个人的分量。
第二层收窄在地理。美国公司拿到 910 亿美元，占全球 57%。听起来还行。但拆开看，旧金山湾区一个区域就占了全球风投的 24%。也就是说，湾区拿走的那一份，比整个欧洲加上整个亚洲加起来还多。资本不只是流向了一个行业，还同时流向了一个邮编。
第三层收窄在阶段。晚期融资 1050 亿美元，其中 1 亿美元以上的轮次占了近 90%。早期融资 406 亿美元，1 亿美元以上的轮次占了 50%。连种子轮都变了味：全球种子融资 130 亿，其中 26 亿流向了单笔 1 亿美元以上的种子轮，占种子融资的约 20%。
种子轮本该是最分散、最试错的一层。现在它的五分之一，集中在几个"还没产品就已经很贵"的团队手里。
这一轮和上一轮最大的区别：钱不再只买软件。
马克·安德森 2011 年那句"软件正在吞噬世界"，被引用了十五年。BIP Capital 的评价是这句话依然成立，只是主语该换成"人工智能"。这话只对了一半。
Crunchbase 报告里有一句容易被忽略的观察：风险投资正在从软件扩展到物理基础设施和机器人。Q3 的数据是证据——航空航天、机器人、数据中心、半导体、能源，这五个板块每一个在当季都融到了 100 亿美元以上。
看那 8 笔 30 亿以上的融资名单，就明白钱去了哪里：Databricks（数据）、Safe Superintelligence（前沿模型）、Crusoe（数据中心能源）、Moonshot AI（模型）、Mistral AI（模型）、Nscale（算力）、The Boring Co.（隧道）、Kling AI（视频生成）。
八家里，真正意义上的"软件公司"只有两三家。剩下的在买地、建机房、接电、造机器。Crunchbase 把这一轮归结为"再工业化"（reindustrializing economies）——不算夸张。
这句话的分量在于：风投的"耐心"变短了。以前一笔钱敢陪一家公司走八年十年，现在一半的资本押在四岁以内的公司身上。这不是坏事，也不全是好事——它意味着共识形成得极快，快到多数人还没看清技术路线，钱已经落完。
一季度 1590 亿的融资，最终要有人接盘才闭环。Q3 的退出市场给了几个明确的信号：
| 类型 | 事件 | 规模 |
|---|---|---|
| M&A | 英伟达拟收购 Hugging Face | 129 亿美元 |
| M&A | AMD 宣布收购 World Labs | 82 亿美元 |
| M&A | Stripe 收购 OpenRouter | 75 亿美元 |
| IPO | 长鑫存储（DRAM）上市 | 募资 86 亿，首日涨超 500% |
| IPO | 燧原科技（AI 芯片）上市 | 募资 9.12 亿，估值 255 亿 |
| IPO | 宇树科技（人形机器人）上市 | 募资 9.05 亿，估值 90 亿 |
三条最大的并购，买方是两家芯片公司和一家支付公司。当季最大的并购方群体，是半导体公司。这在风投史上不多见——通常是互联网平台在做整合，现在是算力的上游在收租。
退出端有一个具体的画面可以记住：长鑫存储上市首日，股价涨了五倍以上，直接成为当地市场市值最高的上市公司。一家做 DRAM 内存的公司拿到这个位置，放在三年前很难想象。
一个行业的繁荣，往往对应着另一个行业的失血。这一节看不那么舒服。
说"AI 拿走了 64%"，等价的说法是"非 AI 公司只分到 36%"。而这 36% 还在被更贵的估值、更高的门槛、更冷的投资人态度一起挤压。
上海证券报 2026 年 7 月的一篇报道里，有一个来自斯坦福教授 Ilya Strebulaev 数据库的统计，很值得摊开看：截至 2026 年 5 月，在 1900 家独角兽企业中——
报道给这些公司起了个名字，来自《经济学人》的标题：僵尸独角兽。估值大跌、融资困难、既上不了市也卖不掉，只能在沙丘路附近徘徊。
还有更直白的一幕。电商支付公司 Bolt Financial 在 2022 年的 E 轮里估值 110 亿美元，两年后二级市场给它重新标了价：3 亿美元。缩水 97%。它的创始人后来在内部通讯里写，公司未来"将以更精简的组织架构运营，并将以 AI 作为核心"。
换句话说，一家曾经估值百亿的公司，最后的转型方向是——变成一家 AI 公司。因为不变成 AI 公司，就拿不到钱。
资本的门槛在另一头也在抬高。摩根大通商业银行研究主管 Ginger Chambless 观察到，AI 与非 AI 企业之间的估值溢价差距在持续扩大。花旗此前下调了六家软件公司的评级，理由直接写着"AI 模型发布速度快构成结构性挑战"——不是这些公司自己变差了，是它们脚下那块地变了。
最能说明问题的一个细节发生在 10 月初。The Information 报道，Meta 把内部 Claude Code 的使用席位从约 6 万个削减到了约 3 万个。消息一出，被反复解读成"大厂开始给 AI 工具降温"。
但把 3 万这个数字放回原处看：一家公司内部，还有 3 万名员工在用一家竞争对手的编程工具。这不叫降温，这叫体量。真正的信号不是"砍了一半"，而是"砍了一半还剩 3 万"——它反过来说明，这类工具一旦进入大厂，渗透的深度有多可怕。（同一时期，微软也被报道将内部使用 Claude 的年度预算削减逾三分之一。）
对非 AI 创业者来说，这一节的结论不太友好：钱没有消失，只是不再平均分配了。K 型分化的下半段，没有缓冲带。
这一节是警报派的核心论据。三条，由轻到重。
新华《环球》杂志 2026 年 7 月的统计是这么写的：截至 2026 年 5 月，全球头部 AI 企业累计投入约 1.4 万亿美元，而总营收为 6130 亿美元。这 6130 亿里，有近 4800 亿被"卖铲人"英伟达收走。
把这个结构画出来是这样的：投入 1.4 万亿，收回 6130 亿，其中 4800 亿又流回了上游的芯片商。留在中下游的钱，不到 1400 亿。
单看 OpenAI 更有体感。它 2026 年 8 月的年化收入已超过 400 亿美元，看着不小。但同一份分析测算它到 2028-29 年的现金消耗约 1150 亿美元，多年期算力与基础设施承诺约 1 万亿美元。收入大约是消耗的三分之一、承诺的百分之四。
这是最让分析师睡不着觉的一条。
英伟达承诺向 OpenAI 投资至多 1000 亿美元，而 OpenAI 会用其中很大一部分来买英伟达的芯片。OpenAI 与 Oracle 之间有约 3000 亿美元的算力安排，钱流向 Oracle，Oracle 再去买更多英伟达的芯片。此外还有报道称，英伟达在考虑提供担保，让与 OpenAI 关联的开发商能以更好的条件发债。
分析师把这些相互交织的承诺估算在 1 万亿到 1.5 万亿美元之间。
有研究机构专门量化过这个网络：在 32 家公司、172 个交易节点里，整个网络的行为特征却像只有 13.7 家公司——OpenAI、英伟达、Anthropic 三家占据了全部节点的 41%，OpenAI 一家占 14%。
36氪在 Q1 报告里算过一笔账：OpenAI 当时 8520 亿美元的估值，对应约 116 亿美元的年化收入，约 73 倍收入倍数。这个倍数放在公开市场，几乎没有可比对象。
这类估值能成立的前提，是收入要持续高速增长。而收入靠什么？靠企业客户持续买单。所以前面提到的 Meta 和微软削减内部 AI 工具用量，才会被解读得那么重——它触及的正是"增长能不能延续"这个问题。
重定价的预期已经在数据里露头。PitchBook 预计，从明年晚些时候起，随着估值低于历史峰值的公司被重新定价、寻找买家或破产，净减值规模合计在 5000 亿到 1 万亿美元之间。
把三条论据连起来，警报派的逻辑链是完整的：钱高度集中 → 集中在少数几家彼此关联的公司 → 这些公司的估值建立在收入持续高增长的假设上 → 假设一旦动摇，重定价会沿着同一张关系网传导。
这一节是繁荣派的核心论据，同样是三条。它不反驳上面的事实，只是换个读法。
2021 年那轮泡沫里，很多公司的"收入"是补贴换来的用户数。这一轮不一样，钱是真的在收。
Anthropic 完成 H 轮融资时，年化经常性收入已越过 470 亿美元。OpenAI 2026 年 8 月的年化收入超过 400 亿美元。这些数字和 2021 年那些"预收入"公司完全不是一回事——它们是付费企业客户一张一张签出来的合同，而且很多是长期合约。
换句话说，投入 1.4 万亿、收回 6130 亿，这个比例不好看。但 6130 亿本身是历史上任何一个新技术在第四年都拿不到的营收体量。
这是最容易被忽略、但也最有说服力的一条。
铁路时代，钱集中在少数几条干线和几家铁路公司手里。互联网早期，钱集中在少数几个门户和基础设施商手里。每一次通用技术的基础设施建设期，资本都是极度集中的——因为资产是重资产、回报是规模回报、赢家会拿走大部分。
如果把 AI 看作一次基础设施级的技术周期，那么"64% 流向 AI""三分之一流向 27 家""一半流向成立不到四年的公司"，就不是异常，而是基础设施建设期的标准形态。集中度高，恰恰是因为这轮的钱买的是机房、电力、芯片这些没法分散下注的东西。
IoT Analytics 有一篇分析直接把结论写在标题里：这不是泡沫，理由是——当需求的一部分来自供应商自身投资时，确实会出现过度产能；但同一时期，云厂商、超大规模数据中心和芯片商的产能利用率并没有崩坏，硬件资产的残值也没有归零。有实物资产托底，和纯粹的估值游戏是两回事。
这是最被低估的一条。一级市场的钱要能循环，必须有人接盘。Q3 的退出端给出的信号是积极的：三笔几十亿美元的并购，加一批首日大涨的 IPO。长鑫存储首日涨超 500%，燧原科技、宇树科技分别以 255 亿、90 亿美元估值上市。
有退出，才有 LP 愿意继续出钱；有 LP 出钱，这轮的集中才能维持。这条循环目前是通的。
与其选边，不如换一个可跟踪的问题。
把上面两节对折一下，会发现两派的分歧点其实只有一个：集中的钱，兑现率是多少。
如果兑现率高，集中就是效率——资本识别出了真正的赢家，把资源更快地推到它们手里，这是繁荣。如果兑现率低，集中就是风险——钱被同一张关系网内部循环，账面上的数字互相抬轿，这是警报。
集中度本身说明不了任何事。它只是一个症状，不是一个诊断。所以更该问的是：未来几个季度，有哪些数字能告诉我们兑现率在往哪走。
三个信号里，第一个是慢变量，第二个是最硬的变量，第三个是最快的变量。
还有一个容易被忽略的观察角度：看集中度是在扩大还是在收敛。Crunchbase 自己指出，AI 的占比虽然还有 64%，但已经低于前两个季度，只是比去年同期高出 14 个百分点。如果接下来几个季度这个比例继续往下走，同时总额回升——那说明非 AI 的融资在恢复，这是最健康的形态。如果比例维持高位、总额继续缩——那就说明钱更挑了，池子也更浅了。
宏观数字最终要落到具体的人身上才有用。
先说不好听的：拿着一个和 AI 无关的故事去融资，今天很难。但"加上 AI"这个动作本身也不值钱了——投资人已经见过太多贴标签的项目。
真正影响融资成败的，是你能不能回答清楚一个问题：AI 让我的单位经济模型发生了什么变化？不是"我也用大模型"，而是"用了之后，我的毛利从多少变成了多少、人力成本降了多少、交付周期短了多少"。上海证券报那篇报道里，威灵顿投资管理的分析师 Jeff Courey 的说法是：投资人现在找的是能同时实现增长与利润率改善、且有"AI 安全"竞争壁垒的公司。
三件事值得放进尽职清单。第一，把被投公司与其"投资人兼供应商"之间的交易单独拆出来看，确认收入里有多少来自关联方。第二，查一遍估值倍数对应的隐含收入假设，看它需要多少年的复合增长才能撑住。第三，看退出路径——当季三条最大并购的买方都是产业资本而不是财务投资人，这说明能接住大额资产的买家数量有限。
另外提一句区域差异。中国市场的结构完全不同：上半年 AI 融资超 3000 亿元、占市场 48.6%，但交易数量占比只有 22.5%。这意味着在数量上，中国市场仍有一半以上的资金分散在非 AI 领域——比全球市场要均衡一些。如果你的资产配置跨市场，这两个结构不能套用同一套逻辑。
最实际的一条是：观察你所在的公司，是在增加还是削减 AI 工具的预算。Meta 把 Claude Code 席位从 6 万降到 3 万，微软把 Claude 年度预算砍掉三分之一以上，这两个动作未必是"AI 降温"，但它们确实是企业开始算账的信号。
企业开始算账，意味着接下来比拼的就不再是"有没有用"，而是"单位成本换来多少产出"。这个变化对一线从业者的含义很直接：会用工具不再稀缺，能证明工具带来了多少可量化的产出，才是。
回到开头那个 64%。
它是真的。它也确实说明了一些事：资本在这个阶段选择了押注，而不是分散。这件事在铁路、在互联网、在每一次基础设施级的技术周期里都发生过，所以它本身不构成警报。
警报藏在别的地方。藏在 1.4 万亿投入对应的 6130 亿收入里，藏在 1 万亿到 1.5 万亿相互交织的承诺里，藏在 73 倍收入倍数的估值里，也藏在 PitchBook 那 5000 亿到 1 万亿美元的减值预测里。
判断的钥匙不集中在"占比多高"这个问题上，而在"兑现了多少"这个问题上。前者每个季度都会变，后者需要几年才能看清。
所以真正值得盯住的，是接下来几个季度里，那三条曲线怎么走——收入的斜率、净外部资金的符号、IPO 的破发率。它们比任何一份"AI 是不是泡沫"的评论都更早给出答案。
剩下的，交给时间。