社区

AI应用，终于不是"故事"了。 最近，美国风投机构 Madrona Venture Group 发布了 2026 年 Intelligent Applications 40，也就是IA40。 这可不是一份普通的榜单。说得再直白点，它更像一级市场对AI应用的一次集体投票。 Madrona联合了来自54家头部VC和企业投资机构的72位投资人，从450多家公司中提名、评估，再结合PitchBook的数据评分，才选出了今年最值得关注的48家AI应用和基础设施公司。 今年 Madrona 给出的主题是“Harnessing the Value of AI”，翻译过来，就是AI价值开始真正兑现了。 这个变化已经体现在收入上。今年入选的公司中，至少26家已经披露了明确的收入或ARR数据，其中至少9家ARR超过1亿美元。 更有意思的是，收入跑出来以后，公司的打法也跟着变了。 一边，AI应用正在沿着工作流一路扩张：从一个只解决单点环节的工具，开始接管整条工作流，同时把客户自己的会议、项目、客户数据和业务规则，一层层沉淀进产品。 另一边，Agent真正开始替企业干活以后，底层基础设施的重点也在变化，服务于Agent成本、稳定性等方向的公司开始受到更多关注。 硅基君就借着今年这48家公司，讲讲AI应用正在发生的一些变化。 / 01 / AI应用，从卖工具到接管工作流 2026年的应用层，正在出现两个很明显的变化。 第一个，产品边界开始变宽，从单个环节优化到完整结果交付。 33家应用公司中，有18家已经不满足于只做最初那个功能，而是开始把这项工作前后的更多环节一起做了。 举几个例子，Granola最早做的是会议纪要，现在开始把一个团队不同会议里的信息串起来，让用户直接查询客户、项目和历史决策。 Gradial原本主要做营销内容生成，现在连翻译、审核、合规和发布也一起做。 Serval从IT问答起步

一家企业，一年到底该给员工用多少AI Token？ 黄仁勋给出的答案，可能会把很多CFO吓一跳：25万美元。 按照这个标准，英伟达给工程师团队批下的年度Token预算，高达20亿美元。 但另一边，Uber却走到了完全相反的方向。 今年4月，它提前花光了2026年全年的AI编码预算。随后，公司直接给工程师设了一道硬上限：每人每月1500美元。 《福布斯》甚至专门算过一笔账，最后给文章起了个很扎心的标题： “人工智能的成本，已经高过被它取代的人才。” 这就有意思了。 同样是最顶级的科技公司，同样是在买AI，一边敢按人均25万美元配预算，一边却开始精打细算到每月1500美元，差距怎么会大到这个地步？ 最近，海外投资机构Leonis Capital专门写了一篇文章讨论这件事。他们给出的答案很有意思： 企业买AI，实际上正在跑两套完全不同的经济学。 一种把AI当成本，目标是用更少的钱完成同样的事。另一种把AI当增长资本，只要它能创造更多产品、更多客户、更多收入，Token花得越多，反而越划算。 理解这两套经济学，可能比讨论哪家模型更强，更接近AI商业化真正的核心。 / 01 / 当智能成为商业模式瓶颈 在Leonis Capital看来，这里问题的背后藏着两个悖论： 第一，为什么有些公司拼命砍AI成本，另一些却毫不吝惜地买最贵的前沿模型？ 第二，如果开源正在逼近前沿水平，封闭模型凭什么还能收那么高的溢价？ 这两个问题底下，其实是同一个问题——智能，是不是商业模式的瓶颈？ 两个答案，对应两门完全不同的经济学。 扩张型市场：产出随智能提升而增长。更高的智能水平就直接等于更多的收益。买家会掏钱买能买到的最好的模型，不问价格。 这有点像赛车。花十亿美元买前沿AI，就像在赛道上买最快的赛车，而圈速是唯一目标。性能就是一切，性能越强，你越愿意付钱。 效率型市场：产出被非智能的约束条件卡死。一旦智

今年AI应用的最大赢家，居然是招聘股。 Meridian Capital跟踪的13家全球招聘服务上市公司中，有8家在美国上市，截至8月底，还是这8家公司，年内平均涨幅已经达到约85%，中位数涨幅接近94%，几乎集体翻倍。 过去两年，周期下行叠加AI对招聘人员的替代，让招聘公司一度成了资本市场最嫌弃的公司。2024—2025年，这8只招聘股平均累计下跌约48%。 当然，这波行情离不开周期的功劳——美国用工周期回暖，招聘公司本身就是高杠杆生意，收入一反转，利润和股价的弹性都极其夸张。 但周期，只能解释一半。另一半，恰恰是AI。 一方面，AI把大量标准化工作自动化，把交付成本压下来；另一方面，AI又让公开简历越来越不可靠，把经过真实招聘结果验证的数据变得更稀缺。 也就是说，AI不仅压低了“人力”的价值，还抬高了“效率”和“真实数据”的价值。 今年，硅基君就来聊聊，招聘股到底是如何在AI时代"翻身"的。 / 01 / AI时代，招聘公司反而越值钱了 很多人可能不清楚，传统的人力招聘是一个典型堆人的生意。客户越多、岗位越多，筛选、沟通、验证、跟进的人就要跟着加。 招一个岗位，收到几百份简历，招聘顾问先筛一轮，再逐个联系候选人、确认意愿、问基本情况、安排面试。这些重复劳动，过去只能靠人。 现在AI一下子把聘公司的人力成本彻底打下来了。 Adecco今年的做法就很激进，它把候选人预筛、人才池管理、面试安排、入职等标准化环节，直接交给AI Agent。 截至今年6月，公司AI Agent累计完成超过120万次候选人交互，其中25万次是完整AI面试，覆盖约5万个岗位。 更有意思的是，超过60%的候选人交互发生在正常办公时间之外。 AI不需要下班。 过去靠堆人头扩张的生意，现在靠AI Agent就能扩张。据Adecco自己也披露，这套系统跑下来，招聘交付时间直接缩减一半。 截至二季度，Adec

今天凌晨，AI戒指公司 Oura 公布了招股书。 这可能是目前最成功的一家AI硬件公司。截至2026年6月30日的过去12个月，公司一共卖出了 360万枚 Oura Ring。平均下来，相当于每天卖出接近1万枚。  收入增长也极为迅速。2024财年，公司收入只有4.07亿美元。到2026年6月的九个月，公司收入进一步达到 12.15亿美元，同比增长74%。  但比收入增长更值得关注的是，Oura正在验证一种新的AI硬件商业模式：硬件+订阅。  目前，Oura大部分收入仍然来自卖戒指，但增长最快的已经是会员订阅。  2026财年前九个月，会员收入达到 2.405亿美元，同比增长121%，收入占比从16%提升到20%。  更重要的是，由于会员业务毛利率高达89%，虽然收入占比只有20%，但贡献的毛利润占公司整体毛利润约32%。  也就是说，AI硬件可能不再是一门只能靠卖设备赚钱的生意。  这让Oura看起来越来越不像一家传统硬件公司。2026财年前九个月，公司整体毛利率从去年同期的51%提升到55%，净利润从160万美元增长到 6080万美元。  今天，我们就来说说Oura这家公司，以及它背后的AI硬件生意。  / 01 / 一枚每天戴23小时的戒指，变成“身体监测器” Oura做的事情其实很简单，就是健康监测。  和大多数戴在手腕上的可穿戴设备不同，Oura把传感器放在了手指上。  按照招股书的说法，手指血管更加丰富，可以获取到比手腕强100倍的PPG，也就是光电容积脉搏波信号。  信号更强，心率、心率变异性、呼吸这些数据也更容易测准。  Oura披露，其心率、心率变异性、排卵追踪和睡眠监测准确度分别约为 99%、98%、96%和96%。 

家用呼吸机已逐步成为现代家庭健康管理的新标配，不少受慢性呼吸问题困扰的用户，愿意尝试这一居家健康管理设备。但无论是初次上手的新手，还是已经在长期使用的老用户，依然要面对诸多现实困扰：不知道怎么调节参数、不知道自己睡得好不好、熟睡之际被突兀气流呛醒等，各类问题始终制约着用户的使用体验与长期依从性。 如同汽车在智能化浪潮中从“人开车”走向“车智驾”，随着AI技术在医疗器械领域走向落地成熟，家用呼吸机行业同样迎来了属于自己的破局契机——这些长期存在的使用痛点，终于拥有了全新的解决路径。 9月3日，BMC瑞迈特全新AI旗舰睡眠呼吸机E6正式发布，带领家用呼吸机产品进入“智驾”时代。   作为BMC瑞迈特第一台真正意义上将AI能力贯穿整机运作全过程的睡眠呼吸机，E6的意义不止于一次产品升级，它更代表着家用呼吸机从“工具”迈向“智能健康伙伴”的跨越——呼吸问题由被动处置升级为主动预防；专业复杂的功能，化作普通人随手可用的便捷体验；设备开始主动适配每一个人的呼吸习惯。自此，呼吸机不再是一台需要耗费大量时间去磨合适应的医疗器械，而是能够融入日常生活、值得信赖的健康长期管理伙伴，为行业树立起AI呼吸机的全新参照。   1、开启家用呼吸机AI新纪元 长久以来，家用呼吸机产品的功能更多解决了用户“用起来”的基础问题，但远未触及“好用”的核心。用户开机之后怎么上手、遇到突发状况怎么应对、用了到底有没有效果……面对这些关键环节的真实痛点，用户要么自己摸索，要么依赖专业人员上门指导，始终无法得到系统性地解决。 而E6的出现，彻底改写了这一局面。它将AI技术嵌入呼吸机设备运转的底层逻辑之中，让呼吸机第一次具备主动理解、主动预判并干预、主动分析的完整能力，带领产业进入属于呼吸机设备的“智驾时代”。 这种代际跨越的智能变化，从用户按下电源键的那一刻就能感受到。开机，E6的AI调参助手便能

半年前，市场还在担心AI会吃掉SaaS。 结果到了2026年，网络安全却成了美股最猛的板块之一。 年内，美股网络安全ETF CIBR上涨超过40%。个股更夸张，Fortinet涨了117.6%，Palo Alto Networks涨了107.9%，CrowdStrike也涨了94.5%，接近翻倍。 原因很简单，AI越深入企业，安全问题反而越多。 Agent、API、机器身份越来越多，攻击面被迅速放大；另一边，黑客也在用AI加速找漏洞、写攻击脚本。 结果就是，AI一边在压低很多软件的价值，另一边却在抬高安全预算。 而现在，这个逻辑已经开始兑现到业绩里。最新财报季里，CrowdStrike和Okta财报后分别暴涨20.5%和28.6%，Cloudflare、Netskope也都涨超10%。 网安股暴涨的逻辑在于，AI带来的安全需求，正在转化成真实订单、ARR和更高的增长预期。 毫不夸张地说，在Coding和视频之后，网络安全极有可能成为AI应用里第三个真正跑出规模收入的场景。 今天，硅基君就结合CrowdStrike，拆一拆这轮AI安全红利到底是怎么来的。 / 01 / 新增ARR增长51%，创下历史记录 说起CrowdStrike，你可能不太熟。 但两年前那场850万台Windows设备集体蓝屏的事故，你肯定有印象。 没错，CrowdStrike就是那场事故的“元凶”。 这家公司最早做终端安全。简单说，就是保护企业员工电脑、服务器这些设备。后来又逐渐扩展到身份安全、云安全、SIEM等领域。 到了今年二季度，CrowdStrike营收14.7亿美元，同比增长26%。 但真正让股价单日暴涨20%的，不是收入，而是新增订单突然爆了。 一季度，CrowdStrike净新增ARR还是2.56亿美元，同比增长32%。到了二季度，这个数字直接跳到3.33亿美元，同比增长51%，创下公司历史

过去半年，国内大模型商业化开始突然爆发。 2025年12月，中国主要AI模型公司的年化收入还只有40亿美元，而如今已经接近130亿美元。尤其6月以后，增长明显提速。 更反常识的是，这波增长并不是靠价格战换来的。 智谱今年API平均价格上涨101%，Token使用量却增长40多倍；DeepSeek也大幅提价，但使用量并没有明显下滑。 另一边，出海开始成为重要增量。MiniMax六成以上收入来自海外，Kimi海外收入已经超过国内，智谱海外收入占比估算也接近40%。这意味着，中国AI第一次跑出了真正有规模的软件出口。 在收入增长的同时，模型公司的估值也在出现分化。按最新ARR计算，DeepSeek对应不到70倍ARR，智谱和MiniMax则分别只有36倍和20倍。 为什么国内大模型收入突然加速？又为什么同样是模型公司，估值能差这么大？今天，我们就来聊聊这两件事。 / 01 / 中国模型收入加速增长 从数据看，国内大模型自6月以来，增长一直在加速。 2025年12月，中国主要AI模型公司的年化收入大约只有40亿美元。到了今年3月，变成60亿美元。如今，这个数据已经接近130亿美元。 也就是说，八个月时间，中国AI模型公司的年化收入规模，从40亿美元干到了130亿美元。 而且，增长速度还在加快。 2025年12月到今年3月，三个月增加了大约20亿美元。3月到6月，又增加了40亿美元。6月到8月，只用了两个月，又增加了大约30亿美元。 换句话说，最开始每个月大概新增六七亿美元ARR。最近两个月，已经变成每个月新增十几亿美元。大模型商业化开始明显提速了。 其中，最具代表性的是智谱。今年3月，智谱MaaS，也就是API业务的ARR大约只有2.5亿美元。到了7月，已经接近10亿美元。8月份，按照月度收入年化，ARR达到16亿美元。如果按照最新一周收入年化，甚至已经达到20亿美元。 仅仅8月份

过去两年，AI行业出现了一个很反常识的现象。 OpenAI、Anthropic这些AI公司收入涨得飞快，ARR从几十亿美元一路冲到上百亿美元。 但与此同时，它们依然在不断融资。 模型越强，用户越多，背后的算力账单也越吓人。 这就产生了一个很有意思的问题： AI这么赚钱，钱最后到底被谁赚走了？ 最近，巴克莱发布了一份关于AI前沿实验室和CSP经济模型的报告，把这笔账拆得非常细。 里面有几个数据很值得关注。 2025年，行业推理利润率还只有10%—20%；到了2026年，已经快速提升到50%—65%以上。 其中，Anthropic的推理利润率达到65%，OpenAI约为48%。即便进一步扣掉训练成本，Anthropic仍有55%，OpenAI则为38%。 也就是说，AI实验室本身的经济模型其实已经在快速改善。 但问题是，这些利润并没有全部留在自己手里。 巴克莱测算，Anthropic和OpenAI每产生100美元收入，大约有35—40美元会流向AWS、Azure和GCP，用于训练、推理等算力支出。 今天AI实验室收入增长得越快，背后的云厂商往往越先收到钱。 不过，这个格局也不会一直持续。 随着OpenAI、Anthropic等公司自建和定制AI基础设施逐渐上线，巴克莱预计，从2028年开始，传统云厂商可能会逐步失去一部分AI实验室的训练和推理份额。 今天，硅基君就来拆一拆这份报告。 / 01 / 单纯比较ARR没有意义 在这份报告里，巴克莱提到了一个很关键的观点： 比较OpenAI和Anthropic的收入，并没有太大的意义。 原因很简单，收入口径不同，你拿两家的数字硬比，结论一定是错的。 现在AI收入确认方式有两种：“总额法”和“净额法”。名字很会计，逻辑其实很简单。 比如用户通过Azure调用一家AI实验室的模型，假设用户一共花了100美元。 按“总额法”的记账方式，是AI

过去两年，AI行业出现了一个很反常识的现象。 OpenAI、Anthropic这些AI公司收入涨得飞快，ARR从几十亿美元一路冲到上百亿美元。 但与此同时，它们依然在不断融资。 模型越强，用户越多，背后的算力账单也越吓人。 这就产生了一个很有意思的问题： AI这么赚钱，钱最后到底被谁赚走了？ 最近，巴克莱发布了一份关于AI前沿实验室和CSP经济模型的报告，把这笔账拆得非常细。 里面有几个数据很值得关注。 2025年，行业推理利润率还只有10%—20%；到了2026年，已经快速提升到50%—65%以上。 其中，Anthropic的推理利润率达到65%，OpenAI约为48%。即便进一步扣掉训练成本，Anthropic仍有55%，OpenAI则为38%。 也就是说，AI实验室本身的经济模型其实已经在快速改善。 但问题是，这些利润并没有全部留在自己手里。 巴克莱测算，Anthropic和OpenAI每产生100美元收入，大约有35—40美元会流向AWS、Azure和GCP，用于训练、推理等算力支出。 今天AI实验室收入增长得越快，背后的云厂商往往越先收到钱。 不过，这个格局也不会一直持续。 随着OpenAI、Anthropic等公司自建和定制AI基础设施逐渐上线，巴克莱预计，从2028年开始，传统云厂商可能会逐步失去一部分AI实验室的训练和推理份额。 今天，硅基君就来拆一拆这份报告。 / 01 / 单纯比较ARR没有意义 在这份报告里，巴克莱提到了一个很关键的观点： 比较OpenAI和Anthropic的收入，并没有太大的意义。 原因很简单，收入口径不同，你拿两家的数字硬比，结论一定是错的。 现在AI收入确认方式有两种：“总额法”和“净额法”。名字很会计，逻辑其实很简单。 比如用户通过Azure调用一家AI实验室的模型，假设用户一共花了100美元。 按“总额法”的记账方式，是AI

AI终于杀进华尔街了。 今年4月，金融AI公司Rogo完成1.6亿美元D轮融资，估值直接冲到20亿美元。而就在三个月前，它的估值还只有7.5亿美元。 三个月，接近翻了两倍。 Rogo到底是干什么的？ 简单来说，就是给投行、PE和资管机构配一个“AI分析师”。 查公司、找数据、搭估值模型、改Excel、做客户材料，过去需要初级分析师熬夜完成的大量案头工作，它都能接过去干。 但真正有意思的地方在于，Rogo看起来并没有什么特别“独家”的东西。 底层模型用的是OpenAI、Anthropic，金融数据来自Capital IQ、PitchBook，最后工作的Excel、PPT又是微软的。 换句话说，从模型、数据到办公软件，最核心的东西都不是它自己的。Rogo做的事情，更像是站在中间，把这些东西全部串起来。 按常理说，这种公司最容易被上下游绕过去。 但现实恰恰相反。 截至2026年8月，Rogo已经进入300多家金融机构，被超过4万名金融从业者使用，估值也一路涨到20亿美元。 这就有意思了。一个看起来只是“攒局”的中间层，为什么反而成了华尔街最受追捧的AI公司之一？ 今天，硅基君就来说说Rogo，以及AI究竟是怎么开始接走华尔街分析师工作的。 / 01 / 替华尔街分析师“交作业” 投行分析师，可能是这个世界上工资最高、同时干着最多重复体力活的一群人。 别看他们每天西装革履、出入华尔街，真正坐到客户桌前谈生意的时间其实不多。投行职业培训机构Wall Street Mastermind估算，投行员工大约90%的时间，都花在找数据、写研报、更新Excel模型、做PPT这些案头工作上。 《福布斯》此前采访Rogo创始人时提到，一些初级投行员工每周工作时间高达90个小时。哪怕一周7天不休，平均每天也接近13个小时。 原因很简单。传统投行很大程度上是一门“靠人堆产能”的生意。项目多了，就多招分