超越炒作,盘点2024年风投在AI的布局

coinvoicePublished on 2024-12-18Last updated on 2025-01-02

作者:Raman Rai

翻译:白话区块链

image.png

TL;DR:

人工智能投资创下新高:全球人工智能市场有望在2030年达到13万亿美元。随着风险投资公司押注那些正在重塑行业的初创公司,人工智能投资呈现爆发式增长。

2024年的关键投资领域之一是人工智能基础设施:随着人工智能模型对计算能力的需求不断增加,风险投资公司正在加大对人工智能基础设施的投入,包括专用芯片和数据中心。

值得关注的资金趋势:晚期融资和人工智能基础设施投资占主导地位,同时,医疗、金融和国防领域的人工智能应用吸引了大量投资,投资者寻求产生实际影响的项目。

下一个十亿级初创公司:人工智能投资的未来将集中在自动化机器人、能源和娱乐等领域,在这些领域,人类与人工智能的合作已经为开创性初创公司的诞生铺平了道路。

概览: 本文将讨论:

人工智能在风险投资生态系统中的介绍

第一部分:在竞争激烈的市场中如何应对噪音

第二部分:2024年顶级人工智能融资回合

第三部分:引领下一个十亿美元人工智能初创公司的五大关键机会

挑战与伦理考量

 

1、人工智能在风险投资生态系统中的介绍

随着数十亿资金涌入人工智能领域,可以说“人工智能热潮”并未消退——而且只会越来越大。

人工智能已经成为风险投资领域资金投入最激烈的行业之一。

根据Pitchbook的数据,过去五年,全球人工智能投资已达到2900亿美元,私营投资公司自2022年以来已完成超过15,400笔交易。这种激烈的活动反映了对人工智能未来的高度信心。对于到2023年人工智能市场将变得多大,各方意见不一。

根据麦肯锡公司的数据:

“人工智能有潜力在2030年为全球经济带来13万亿美元的增长,相当于比现在高出16%的累计GDP。这意味着每年额外增长1.2%的GDP。”

Statista和彭博情报都预测,到2030年,人工智能市场有可能增长至2万亿美元,涵盖从人工智能软件到硬件和服务的各个领域。普华永道预计,人工智能主要通过提升生产力和增加消费者对AI增强产品的需求,到2030年将为全球经济贡献15.7万亿美元。

可以肯定地说——人工智能已经成为我们日常生活的一部分,炒作已经过去。然而,随着兴奋而来的是噪音——投资者现在面临着成千上万的人工智能公司,每家公司都声称自己是下一个“重磅明星”。数据隐私问题、人才短缺、伦理人工智能和集权风险,给这个已经竞争激烈的行业增添了更多挑战。

image.png

 

2、第一部分:在竞争激烈的市场中如何应对噪音

如今,超过100家风险投资基金正在积极投资人工智能市场,涵盖了横向应用(如基础设施)以及涉及医疗、金融和农业等专业行业的垂直应用。

image.png

为了了解当前人工智能领域风险投资的状态,我将介绍两类投资者:

先行者:积极投资者,敢于在多个人工智能领域大胆下注。务实者:保守型基金,认为人工智能有潜力,但在投资上更为挑剔或谨慎。

1)先行者:最活跃的风险投资公司

先行者以敢于冒险和引领潮流著称,他们在塑造人工智能投资的未来发展中起到了关键作用。以下是一些值得注意的玩家:

Andreessen Horowitz(a16z)自2023年以来已进行29笔投资,涵盖了多个领域,包括向Character.AI投资1亿美元,向Genesis Therapeutics投资2.24亿美元,a16z在人工智能与生物技术和消费科技的交汇处下注颇大。

Sequoia Capital(红杉资本)采取了特别积极的策略,主导了多个知名初创公司的融资轮次,如Cohere(语言模型)和Viz.ai(医疗影像)。2023年,红杉资本约60%的新投资都集中在人工智能领域,相较于前一年仅为16%,增幅显著。

General Catalyst(通用催化剂)已将7.5亿美元投入到医疗人工智能领域,包括Commure、Sword Health和Overjet等公司。他们已进行了19笔人工智能投资,其中不到一半是涉及生成式人工智能(GenAI)的项目。

Alumni Ventures(校友投资)在人工智能与机器学习领域进行了多项投资,涵盖了包括SenseTime、Dataminr和Iterative Health在内的消费和企业应用。

正如Sequoia Capital的合伙人Stephanie Zhan所说,她专注于种子轮和早期阶段的投资:

“过去一年,人工智能为投资生态系统注入了新的生命。”

2)务实者:保守型风险投资公司

在先行者纷纷涌入的同时,务实者则选择暂时观望。

这些基金看到了人工智能的潜力,但更倾向于采取挑剔的方式,关注可持续的收益和更稳定的市场条件。以下是一些典型的例子:

Kleiner Perkins(凯尔纳·帕金斯)更倾向于选择相对安全的人工智能投资,如Together AI(1.025亿美元A轮),该项目的基础技术支持人工智能在广泛应用中的发展。

Benchmark Capital(基准资本):基准资本以反对炒作的理念而闻名,他们在2024年9月主导了11x的2400万美元A轮融资,该初创公司旨在创建自动化数字员工以简化市场推广(GTM)操作。基准资本更倾向于关注实际解决方案,而非投机性技术。

Bessemer Venture Partners(贝斯美风险投资):贝斯美已投入约2.5亿美元于人工智能,专注于解决现实问题的应用,而非追逐炒作。他们对EvenUp(5050万美元B轮)的支持反映了其谨慎的投资策略,EvenUp是一家帮助人身伤害律师自动化医疗文件的人工智能初创公司。

Union Square Ventures(联合广场风险投资):USV在人工智能领域的投资约为1.5亿美元,主要集中在以网络效应为驱动的应用领域。他们对Recursion Pharmaceuticals的投资与其关于网络效应胜过高风险技术的投资理念相一致,该公司利用人工智能进行药物发现。

GGV Capital(纪源资本):GGV在人工智能领域的投资大约为1.8亿美元,偏好像SaaS和企业软件等成熟领域,采用人工智能作为附加技术,而非核心技术。他们的策略支持增长,而不涉足实验性技术。

那么,是什么导致了这些基金的犹豫呢?

务实者对人工智能带来的挑战保持谨慎:

高资本需求:开发人工智能成本高昂——从数据到计算能力——这些风险投资公司对大额前期投资持谨慎态度。

监管不确定性:由于人工智能的监管滞后于其快速发展,务实型基金更愿意等待规则明朗后再作决策,尤其是在自动驾驶和医疗等领域。

市场波动性:人工智能初创公司的估值飙升,部分投资者担心“人工智能泡沫”可能会破裂。务实型基金避免在市场过热时过度投资,直到热潮平息。

伦理与隐私问题:随着全球数据法规的收紧,人工智能面临的伦理问题增加了风险。务实型基金保持谨慎,避免投资那些隐私问题可能掩盖回报的领域。

3)务实者是否错失良机?

Kleiner Perkins(凯尔纳·帕金斯)、Bessemer Venture Partners(贝斯美风险投资)、Benchmark Capital(基准资本)、Union Square Ventures(联合广场风险投资)和GGV Capital(纪源资本)这样的保守型基金,可能会被认为由于其谨慎的投资方式,错失了人工智能的投资机会。然而,这种保守的立场并不一定是劣势。他们的精选投资策略虽然提供了稳定性并能够把握人工智能的快速增长,但从长远来看,也可能错失一些具有变革潜力的机会。

Sequoia(红杉资本)和a16z(Andreessen Horowitz)这样的先行者,则在基础人工智能和生成技术领域进行了重要投资,最终他们为下一个技术变革时代铺平了道路。如果人工智能继续以目前的速度增长,务实者的谨慎立场可能会使他们在这个可能决定未来十年的行业中处于边缘地位。

 

3、第二部分:2024年头部人工智能融资回合

现在我们已经了解了哪些大型风险投资基金主导了人工智能领域,让我们来看看在2024年获得最大资金支持的初创公司。

image.png

2024年第四季度在欧洲和美国的重大交易:

Glean(E轮融资2.6亿美元):一家基于人工智能的企业搜索引擎,估值为43.4亿美元。

Codeium(C轮融资1.5亿美元):一个提升开发者生产力的AI编程平台,估值为11亿美元。

Opkey(B轮融资4700万美元):一个为金融、人力资源和企业规划提供AI测试自动化平台的公司。

Butlr(B轮融资3800万美元):专注于使用物理AI提供匿名人员感知和占用解决方案。

这些交易展示了人工智能应用的广泛领域,从物流到自动化,都吸引了投资者的关注。

那么,2024年推动人工智能融资的关键主题是什么呢?

1)生成式人工智能继续吸引大量投资

尽管生成式人工智能带来了成本和可扩展性挑战,但它仍然是投资的重点领域。在过去五年中,生成式人工智能初创公司共获得了260亿美元的融资,尤其是在内容创作、医疗保健和企业解决方案领域,其中包括QuizGecko、Writesonic和Tome等公司。

2)人工智能基础设施和硬件获得最多资金

随着生成式人工智能模型对计算能力的需求不断增加,风险投资公司正在押注人工智能的“支柱”——人工智能基础设施。专注于开发专业芯片、数据中心和平台的公司正在获得更多的融资:

Groq,一家AI半导体和软件初创公司,在黑岩集团的领投下完成了6.4亿美元的D轮融资,估值达28亿美元。Groq的成功显示了支持人工智能“引擎”的公司(从芯片设计到大规模计算)越来越受到关注。

黑岩集团微软联合推出了一个300亿美元的人工智能投资基金,旨在建设AI基础设施,包括数据中心和能源项目,以满足人工智能的需求。这一趋势反映出一个基础性的转变:随着人工智能的进步,风险投资公司认识到,支持人工智能的基础设施(如芯片、服务器和数据平台)与算法本身同样重要。

3)大型后期融资回合成为焦点

风险投资公司正在将大量资金注入已有成熟商业模式的人工智能公司,将一些融资回合推向数十亿美元。尽管早期投资仍在进行,但后期融资回合正在占据主导地位。仅2024年第三季度,就发生了以下重大融资事件:

Waymo(字母表的自动驾驶部门)筹集了50亿美元。

Safe Superintelligence,由OpenAI联合创始人Ilya Sutskever创立的人工智能研究实验室,获得了Andreessen Horowitz和Sequoia Capital等顶级投资者的10亿美元投资。

Cohere完成了5亿美元的D轮融资,使其估值达到了55亿美元。

如果你觉得这些还不够大,那么OpenAI在2024年10月的融资回合中筹集了66亿美元,领投方包括Thrive Capital、微软和英伟达,估值达到了1570亿美元。

4)特定领域的人工智能崛起

风险投资公司越来越倾向于投资那些将人工智能应用于医疗、金融和国防领域的初创公司:

医疗:人工智能正在改变药物发现和诊断,投资者注意到了这一趋势,例如Insil1C0 Medicine(药物开发)和Ainnocence(药物发现)。

金融:人工智能正在重塑决策过程,例如Taktile利用机器学习帮助银行创建定制化的信用评分决策流,最近筹集了2000万美元;PolySign将人工智能应用于数字资产安全,展示了机器学习如何渗透到从贷款实践到金融安全的各个方面。

国防:欧洲的Helsing完成了4.882亿美元的C轮融资,专注于AI驱动的军事情报和防御系统;美国的Shield AI专注于军用无人机。两家初创公司展示了人工智能在国防技术中的扩展角色,实时洞察和自动化正变得愈发重要。

5)种子阶段交易减少,投资者更为挑剔

由于风险投资公司对初创公司的筛选更加严格,种子阶段的交易放缓。

对于早期人工智能初创公司而言,获得资金变得越来越困难,尤其是在没有明确潜力的情况下。风险投资公司更倾向于投资那些已经有明确盈利路径的后期公司,这些公司可能包括具有强劲历史增长、拥有稳定客户基础且市场空间广阔的公司,像Cognigy(C轮融资1亿美元)就是其中的例子。

 

4、第三部分:5个关键机会将引领下一个十亿美元的人工智能初创公司

生成式人工智能和基础模型是2024年最大的热潮。那么,接下来我们将在人工智能领域看到什么,可能会诞生下一个十亿美元的人工智能初创公司呢?

我的关键预测

下一个人工智能革命并不在于让技术更聪明,而是从根本上改变人类的生活方式——我们生活、工作甚至衰老的方式。

以下是我对未来的三大预测:

1)我们所知的互联网将消失。

告别谷歌搜索、必应和雅虎。互联网的下一次进化将不再是一个简单的搜索框,而是一个由数字代理组成的动态领域,为我们完成浏览任务。想象一下,数百亿个个人AI代理在处理从研究到过滤垃圾广告和机器人等所有事务。“自己动手”搜索的时代可能很快会成为拨号上网时代的历史遗留。

2)我们将更接近人类不朽。

从抗衰老突破到AI驱动的健康诊断,我们正在朝着一个未来迈进,活到100岁可能成为常态。AI在分子生物学和再生医学领域的进展可能会将衰老转变为一个可以解决的问题。

3)人类与AI的合作将成为常态。

忘掉“AI取代工作”的说法吧,我们正在进入一个新时代,在这个时代,人类的直觉、创造力和道德判断与AI的数据处理和分析能力相结合,将帮助解决人类和AI单独无法解决的问题。这种合作将成为下一个十年的定义性趋势。

这些变化为下一波十亿美元初创公司的崛起奠定了基础。

以下是将创造下一个十亿美元初创公司的五大机会:

1)自动化机器人:家用助手和工业助手的崛起

人类与AI的合作可能会从根本上改变机器人技术,创造出支持而非取代我们的自动化系统。自动化机器人已经开始进入我们的家庭和工作场所,在那些人类在场但又受到限制的领域提供免提的帮助。

消费类应用: Figure和特斯拉的Optimus正在引领这一变革,推出面向家庭使用的平价类人机器人。想象一下,未来的中产阶级家庭像拥有洗衣机或洗碗机一样,家中也拥有机器人助手来帮助照看孩子和做家务。

工业应用: Agility Robotics、Sanctuary AI和Co.bot等公司正在推进工业环境中的协作机器人。Co.bot最近在B轮融资中筹集了1亿美元,展示了“协作机器人”(cobots)日益增长的需求,这些机器人能够安全地与人类一起工作,处理繁重或重复性的任务。随着机器人承担劳动密集型工作,人类可以专注于战略任务,提高生产力和安全性。

2)能源电网:构建可持续、高效的能源系统

能源行业在人工智能领域仍然是一个尚未充分开发的领域,具有优化和自主管理能源使用的巨大潜力。未来的愿景是每个家庭和企业都能使用智能能源管理系统,创建一个具有韧性和高效性的电网。

Autogrid(现已成为施耐德电气的一部分)利用人工智能实时优化能源分配,最大限度地减少浪费,并提高可再生能源的可靠性。Grid AI和Stem Inc.也在需求预测和能源存储解决方案方面取得了进展,支持智能电网,可能大规模减少碳足迹。

3)药物发现中的量子分子建模

在医疗保健领域,量子分子建模为药物发现和材料科学提供了前所未有的潜力。通过结合量子计算和人工智能,我们可以加速有前景的药物候选物的筛选,节省时间、成本,并可能挽救生命。

Insil1C0 Medicine利用人工智能预测分子行为,显著缩短了寻找新药候选物的时间。Schrodinger利用量子建模进行精确的药物相互作用模拟,而Atomwise则采用深度学习设计针对疾病的化合物。

4)娱乐行业中的人工智能:合成媒体和超个性化内容的崛起

娱乐行业正在看到由人工智能驱动的创意转型,合成媒体和个性化内容重新定义了故事讲述。人工智能现在不仅能生成媒体内容,还能与创作者合作,创造创新和高质量的体验。

在与AlphaQ风险资本的风险合伙人兼人工智能及深科技投资人Farid Haque的对话中,他分享了人工智能创造电影和剧集的愿景,其中真人演员成为“高艺术”体验。随着人工智能驱动的制作处理常规内容创作,真人表演将变得稀缺且备受追捧,为真人影视制作增添了一层独特性。

演员可以将自己的声音和面部表情的权利授权给人工智能生成的电影,创造新的收入来源,同时保留由人类主导的表演的“高艺术”特性。随着人工智能技术的发展,经济模式发生了变化,工作室可以使用演员的数字档案,而传统的现场表演则成为一种高端体验。

DeepBrain AI允许演员授权自己数字“克隆”的使用,开辟了新的收入模式。Flawless AI使跨语言的语音和嘴型同步变得无缝,推动了全球媒体分发的变革。

5)游戏与高级NPC(非玩家角色)

游戏是人类与人工智能合作的最自然领域之一,因为人工智能能够实现更深层次的互动、更逼真的NPC(非玩家角色)以及高度个性化的游戏体验。在这里,人工智能不仅仅是一个工具,它是与玩家共同创作的伙伴,能够根据玩家的行为不断适应和进化。

Inworld AI正在开发能够记住玩家过去互动的NPC,创造出更具沉浸感和响应性的游戏世界。玩家与人工智能角色之间的这种合作开启了互动的新维度。

 

5、挑战与伦理考量

随着人工智能系统的不断进步,确保其以伦理和负责任的方式使用变得至关重要。构建避免歧视特定群体或加剧人类数据中潜在偏见的系统是必要的。人工智能本质上是一个社会公平问题。

目前,全球仍有超过30亿人未能接入互联网,其中女性占据较大比例——这使得人工智能有可能加剧数字鸿沟。为了让人工智能成为真正的善意力量,人们需要有可靠的互联网接入和数字素养。如今,全球近40%的人口无法上网,更多人对数字工具的使用经验也极为有限。这种不平衡可能导致人工智能系统偏向特权群体,进一步加剧偏见和排斥。

因此,投资于普惠人工智能,以覆盖那些服务不足的社区至关重要。从人工智能驱动的远程教育到可及的医疗保健,再到促进乡村发展的数字工具,风险投资者、科技领袖和政策制定者需要解决数字鸿沟问题,倡导普惠的人工智能模型,使每个人都能受益。

 

6、结论

随着人工智能从我们的搜索引擎到家庭生活的各个角落普及,显然这一技术已经深入人类社会,且不会消失。人工智能的“炒作”已结束,我们已经厌倦了那些标榜“人工智能”的公司和营销噱头。它不是90年代的流行趋势,而是已成为我们日常生活的现实。风险投资正在催生一波新的初创企业,它们将改变我们的生活和工作方式,从机器人到能源,再到媒体。

对于投资者和创新者来说,挑战在于超越炒作,关注实际影响。人工智能不仅仅是一个趋势——它是一个注定要持久的变革。这只是一个开始,未来还有更多的变化等待着我们。


声明:本内容为作者独立观点,不代表 CoinVoice 立场,且不构成投资建议,请谨慎对待,如需报道或加入交流群,请联系微信:VOICE-V。

来源:白话区块链

Trending Cryptos

Related Reads

After Aave's Exit and TVL's Sharp Fluctuation, Where Does MegaETH's Valuation Anchor Lie?

Following the withdrawal of Aave and a sharp drop in its Total Value Locked (TVL), the valuation of the high-performance DeFi blockchain MegaETH faces scrutiny. Once a highly anticipated project with a fully diluted valuation (FDV) reaching around $2 billion, MegaETH saw its TVL plummet from a May peak of $245 million to just over $30 million in July, a roughly 70% decline. Its native token, MEGA, currently trades around $0.048 with a market cap of approximately $54 million and an FDV of about $480 million. The report identifies a core vulnerability: MegaETH's TVL was heavily dependent on a single protocol, Aave V3, which at its peak contributed around 90% of the chain's TVL. A significant portion of this capital is attributed to leveraged yield-farming strategies involving stablecoins like USDe. When the profitability of these strategies diminished, capital rapidly exited, exposing the lack of diversified, sustainable activity. Three key mismatches between MegaETH's valuation and its fundamentals are highlighted: 1. **Valuation vs. Real Usage:** With an FDV of ~$4.8B but only ~$1M in annualized protocol revenue and ~2,600 daily active addresses, the valuation appears disconnected from current economic activity. 2. **Token Narrative vs. Ecosystem Reality:** Despite its DeFi narrative, nearly 80% of the chain's recent protocol revenue comes from a trading card game, Monster, not from core DeFi applications like Aave. The chain's native stablecoin, USDM, also shows low trading volume and a declining market cap. 3. **Short-Term Hype vs. Long-Term Delivery:** Initial hype from token generation, blue-chip integrations, and influencer support has faded. Major protocols like Uniswap now hold minimal TVL on the chain, indicating that early capital was largely transient and driven by incentives rather than organic demand. The situation reflects a broader market trend where investors are becoming less tolerant of valuations based on inflated TVL and narrative, demanding clearer evidence of sustainable transactions, revenue, and ecosystem development. While MEGA's price may experience short-term rebounds from market sentiment, a fundamental re-rating likely depends on the team's ability to convert its remaining resources into tangible, user-retaining applications and genuine ecosystem growth.

链捕手2h ago

After Aave's Exit and TVL's Sharp Fluctuation, Where Does MegaETH's Valuation Anchor Lie?

链捕手2h ago

Goldman Sachs In-Depth Report: Who Will Be the Long-Term Winners in China's AI Large Model Industry?

Goldman Sachs Report: China's AI Models at an Inflection Point China's open-source/open-weight large language models (LLMs) have reached performance parity with top global proprietary models, according to a Goldman Sachs report. This is driven by architectural innovations and higher parameter efficiency, allowing Chinese models to achieve comparable capabilities at 2%-10% the parameter size and significantly lower cost. The market is evolving into a two-tiered structure: a high-end segment (e.g., GLM5.2, Qwen3.7 Max) with premium pricing and a low-end, price-sensitive segment for global SMEs and individual users. Key points: * **Cost & Performance:** Innovations like Mixture of Experts (MoE) enable high performance with smaller models. Projects like Meituan's LongCat 2.0, trained on domestic hardware, highlight progress in tech self-sufficiency. * **Open-Source Strategy:** Most Chinese players use open-source/open-weight models for flexibility and ecosystem growth. However, Goldman notes this may underreport actual deployment and revenue. A shift toward "open-weight + community license" models with revenue sharing (e.g., MiniMax) could improve monetization. * **Market Shift & Global Expansion:** Enterprise AI adoption is shifting from "token maximization" to "ROI-first." International expansion, especially in non-US markets, is a major growth driver. Chinese models are increasingly available on global platforms like AWS Bedrock and Microsoft Copilot. * **Competitive Landscape:** Using a framework based on pricing power, cost advantage, and financial strength, Goldman identifies **Zhipu AI and DeepSeek** as the strongest in foundational text models, and **ByteDance** as the leader in multimodal/video generation. The report maintains Buy ratings on MiniMax and Kuaishou. * **Market Growth:** China's AI model API and subscription revenue is projected to grow from an estimated ¥35 billion in 2026 to ¥879 billion by 2030.

marsbit2h ago

Goldman Sachs In-Depth Report: Who Will Be the Long-Term Winners in China's AI Large Model Industry?

marsbit2h ago

Goldman Sachs Deep Dive Report: Who Will Become the Long-Term Winners in China's AI Large Model Industry?

Goldman Sachs Report: Who Will Be the Long-Term Winners in China's AI Large Model Industry? China's AI large model sector is at a historic inflection point. Goldman Sachs argues that the intelligence of Chinese open-source/open-weight models is approaching top global proprietary models. Rapid adoption by domestic enterprises and global SMEs is creating a data flywheel effect that will further drive model iteration. The evolution is summarized as moving from "DeepSeek's cost-efficiency moment last year to GLM's model-intelligence moment this year." Chinese models achieve near-state-of-the-art performance at significantly lower cost, primarily due to architectural innovations like Mixture of Experts (MoE) and higher parameter efficiency. Models like DeepSeek V4 Pro (1.6T params), GLM5.2 (0.7T), and MiniMax M3 (0.4T) are much smaller than global leaders. Recent advancements in coding capability are attributed to better data curation and RLHF. Landmarks like Meituan's LongCat 2.0, trained fully on domestic AI chips, demonstrate progress in hardware stack independence. The market is forming a "two-tiered structure." The high-end tier (e.g., GLM5.2, Alibaba's Qwen3.7 Max) prices around $1 per million tokens, about 10-25% of US top models, with estimated inference gross margins of 10-20%. The low-end tier (priced as low as $0.06-$0.2 per million tokens) targets price-sensitive global SMEs and individuals. MiniMax derives 60-70% of revenue overseas. Goldman forecasts China's AI model API/subscription revenue to grow from an estimated RMB 35bn in 2026 to RMB 879bn by 2030. Most Chinese players adopt open-source/open-weight strategies for deployment flexibility and community feedback, though this limits monetization as deployments on third-party platforms (e.g., Alibaba Cloud) may not generate direct revenue. A shift towards "open-weight + community license" models with revenue-sharing agreements (like MiniMax's approach) could improve unit economics. International expansion, particularly in non-US markets, is the key growth driver. The global enterprise AI paradigm is shifting from "token maximization" to "ROI prioritization." Chinese models are already hosted on major global platforms like AWS Bedrock and are under consideration for integration into Microsoft Copilot. Using a competitive framework based on pricing power, cost advantage, and financial strength, Goldman identifies the strongest players: In foundational text models, Zhipu AI (initiated coverage) and DeepSeek lead. In multimodal/video generation, ByteDance's Seed is the frontrunner, with Kuaishou's Kling and MiniMax's Hailuo also well-positioned. Goldman maintains a Buy rating on MiniMax, citing its attractive valuation.

链捕手2h ago

Goldman Sachs Deep Dive Report: Who Will Become the Long-Term Winners in China's AI Large Model Industry?

链捕手2h ago

Trading

Spot

Hot Articles

Discussions

Welcome to the HTX Community. Here, you can stay informed about the latest platform developments and gain access to professional market insights. Users' opinions on the price of AI (AI) are presented below.

活动图片