作者：丽贝卡・斯库塔克



　　自 OpenAI 推出 ChatGPT、掀起人工智能创新与关注热潮以来，转眼已过三年。三年间，乐观派一直宣称人工智能将成为企业级软件行业的核心支柱，大批企业级人工智能初创公司也凭借巨额投资遍地开花。

　　但企业至今仍难以切实感受到落地这类新型人工智能工具的价值。麻省理工学院 8 月的一项调研显示，95% 的企业在人工智能领域的投资未能获得实质性回报。

　　那么，企业究竟何时能从人工智能的应用与融合中收获真正效益？TechCrunch 调研了 24 家专注企业赛道的风险投资机构，受访机构几乎一致认为，2026 年将成为企业大规模落地人工智能、兑现技术价值、并加大相关技术预算投入的关键之年。

　　事实上，过去三年里，专注企业赛道的风投机构每年都在做出这一预判。2026 年，局面真的会有所不同吗？

　　一起来听听他们的观点：

　　你认为 2026 年哪些企业领域相关趋势将迎来爆发？

　　柯比・温菲尔德（Ascend 创始普通合伙人）：企业正逐渐意识到，大语言模型并非解决大多数问题的万能良药。能用克劳德模型自研客户关系管理软件，不代表所有企业都该这么做。未来行业焦点将集中在定制化模型、模型微调、效果评估、可观测性、任务编排及数据主权领域。

　　莫莉・奥尔特（北欧风投 Northzone 合伙人）：部分企业级人工智能公司将从产品型业务转型人工智能咨询服务。这类企业最初可能聚焦单一产品，比如人工智能客户服务、人工智能编程智能体等，但一旦平台上承载了足够多的客户业务流程，就能依托自有团队复制‘前置工程师模式’，为客户开发更多应用场景。换言之，许多垂直领域的人工智能产品公司，终将转型为综合型人工智能落地服务商。

　　玛西・武（格雷克罗夫特风投 Greycroft 合伙人）：我们十分看好语音人工智能的发展机遇。语音是人与人、人与机器之间更自然、高效、富表达力的交互方式。人类花了数十年时间敲击键盘、紧盯屏幕，而语言交流才是现实世界的主流沟通方式。我期待看到开发者以语音为核心智能交互方式，重新打造产品、体验与交互界面。

　　亚历克莎・冯・托贝尔（Inspired Capital 创始人兼管理合伙人）：2026 年，人工智能将全面渗透实体经济领域，尤以基础设施、制造业、气候监测行业为核心。行业将从‘事后补救’模式转向‘事前预判’模式，借助人工智能，实体系统能在故障发生前就预警潜在问题。

　　朗尼・贾菲（英赛特创投 Insight Partners 董事总经理）：我们密切关注头部大模型实验室在应用层的布局动向。此前多数人认为，实验室只会专注模型研发，再将成果交由第三方开发应用，但实际发展路径并非如此。2026 年，头部实验室或将在金融、法律、医疗、教育等领域，推出远超市场预期的即用型成品应用，直接落地商用。

　　汤姆・亨里克松（欧肯资本 OpenOcean 普通合伙人）：如果用一个词概括 2026 年量子技术的发展，那就是蓄势待发。市场对量子技术优势的信心正快速提升，企业纷纷发布技术路线图，让这项技术不再神秘。但短期内暂难出现重大软件突破，要实现质的飞跃，仍需硬件性能的进一步提升。

　　你计划布局哪些投资领域？

　　赵艾米丽（风投 Ventures 投资总监）：我们聚焦两大核心赛道：人工智能赋能实体经济，以及模型研发的下一代技术迭代。

　　迈克尔・斯图尔特（风投 M12 管理合伙人）：下一代数据中心技术。过去一年左右，我们已布局多项相关投资，彰显对未来‘算力工厂’技术的关注，核心目标是推动数据中心更高效、更绿色地运行。2026 年及未来，这一布局将持续深化，覆盖数据中心全链条领域：制冷、算力、存储，以及机房内部和跨机房的网络通信技术。

　　乔纳森・莱尔（Work-Bench 联合创始人兼普通合伙人）：垂直领域企业级软件—— 依托独家业务流程与数据构建竞争壁垒，重点关注受监管行业、供应链、零售及其他复杂运营场景。

　　艾伦・雅各布森（恩颐投资 NEA 合伙人）：人类发电能力已逼近极限，难以满足高能耗图形处理器的需求。作为投资人，我重点关注能实现每瓦性能突破的软硬件技术，包括更优的图形处理器管理方案、能效更高的人工智能芯片、光通信等下一代网络技术，或是对人工智能系统及数据中心热负荷管理的创新重构。

　　评判人工智能初创企业是否具备护城河，你有哪些标准？

　　罗布・比德曼（非对称资本 Asymmetric Capital Partners 管理合伙人）：人工智能企业的护城河，不在于模型本身，而在于商业变现能力与场景融合能力。我们青睐这类企业：深度嵌入企业业务流程、掌握独家数据或持续迭代的优质数据、并通过转换成本、成本优势或难以复刻的落地效果，构建坚实的竞争壁垒。

　　杰克・弗洛门伯格（翼风投 Wing Venture Capital 合伙人）：我对单纯依靠模型性能或提示词工程构建的护城河持怀疑态度，这类优势往往数月内就会被抹平。我核心关注的问题是：如果 OpenAI 或 Anthropic 明日推出性能提升 10 倍的新模型，这家公司是否仍有存续的价值？

　　莫莉・奥尔特（北欧风投 Northzone 合伙人）：如今在垂直领域构建护城河，远比通用领域容易得多。最优的护城河是数据护城河—— 每新增一位客户、一个数据点、一次交互，都能让产品体验持续优化。这类护城河在制造、建筑、医疗、法律等垂直领域更易搭建，因为不同客户的数据源具备较强一致性。此外，流程护城河也颇具潜力：企业凭借对行业内某项任务、项目全流程的深度理解，构筑竞争壁垒。

　　哈沙・卡普雷（雪花创投 Snowflake Ventures 董事）：对人工智能初创企业而言，最强的护城河在于能否将企业现有数据高效转化为更优决策、更顺流程与更好的客户体验。企业坐拥海量优质数据，欠缺的是针对性、可信赖的数据分析能力。我们关注的初创企业，需兼具深厚技术功底与行业认知，能为客户的合规数据提供定制化解决方案，不新增数据孤岛，同时实现以往无法达成的数据分析洞察与流程自动化。

　　2026 年，企业能否从人工智能投资中真正兑现价值？

　　柯比・温菲尔德（Ascend 创始普通合伙人）：企业已意识到，零散试用数十种人工智能方案只会造成混乱，未来将聚焦少数优质方案，开展更深度的合作落地。

　　安东尼娅・迪恩（黑算子风投 Black tor Ventures 合伙人）：问题的复杂性在于，许多企业无论自身是否做好准备，都迫于竞争压力不得不推进人工智能落地，这导致投资回报周期被拉长。但 2026 年，企业将逐步看到可量化的实际价值，比如效率提升、成本降低、营收增长等具象成果。

　　斯科特・贝楚克（西北创投 Norwest Venture Partners 合伙人）：我们正无限接近价值兑现的节点。如果说去年是人工智能基础设施的搭建之年，2026 年将检验应用层能否将前期投资转化为实际价值。

　　马雷尔・埃文斯（卓越资本 Exceptional Capital 创始人兼管理合伙人）：能兑现价值，但仍属渐进式突破。技术仍需大量迭代优化，人工智能也还在持续升级，直至能切实解决各行业企业的核心痛点。我认为，仿真到实景的训练技术突破，或将为多个成熟及新兴行业打开全新机遇。

　　李珍妮弗（安德森・霍洛维茨基金普通合伙人）：今年不乏‘企业人工智能投资无回报’的轰动性新闻，但试问任何一位软件工程师，是否愿意回到没有人工智能编程工具的‘黑暗时代’？答案显然是否定的。我的观点是，企业今年已在收获人工智能的价值红利，2026 年这份价值将在各组织中呈倍数级放大。

　　你认为企业 2026 年会增加人工智能预算吗？

　　拉吉夫・达姆（蓝宝石创投 Sapphire 董事总经理）：会的，但并非简单增资，而是结构性调整。企业不会盲目扩大人工智能预算，而是将部分人力成本转向人工智能技术投入；或是凭借人工智能能力实现显著的营收端回报，让相关投资实现 3 至 5 倍的自我造血。

　　罗布・比德曼（非对称资本管理合伙人）：预算将向少数能明确兑现成果的人工智能产品大幅倾斜，其余产品的预算则会锐减。整体投入或许会增长，但资金集中度将显著提升。行业将出现两极分化：少数头部厂商抢占绝大部分企业人工智能预算，而多数厂商营收停滞甚至下滑。

　　戈登・里特（涌现资本 Emergence Capital 创始人兼普通合伙人）：会增加，但投入更趋集中。企业会在能放大自身核心优势的人工智能领域追加预算，而削减仅实现流程自动化、却无法沉淀并保障独家核心数据的工具投入。

　　安德鲁・弗格森（达布林斯创投 Databricks Ventures 副总裁）：2026 年，企业首席信息官将整治人工智能供应商乱象。如今企业常为单一应用场景测试多款工具 —— 多数情况下月度投入与转换成本较低，因此企业有试错动力；同时大批初创公司扎堆布局营销获客等细分采购场景，即便在概念验证阶段，也难以区分产品优劣。当企业看到人工智能的实际成效后，会砍掉部分试错预算，整合功能重叠的工具，将节省的资金投向已验证价值的人工智能技术。

　　瑞安・矶野（特立独行创投 Maverick Ventures 董事总经理）：整体来看会增加，且部分预算将从试点 / 实验性预算转为正式列支的专项预算。2026 年人工智能初创企业的一大机遇是：不少企业曾尝试自研人工智能方案，如今已意识到规模化商用落地的难度与复杂性，转而寻求外部合作。

　　2026 年，专注企业赛道的人工智能初创企业完成 A 轮融资，需具备哪些条件？

　　杰克・弗洛门伯格（翼风投合伙人）：优质企业需兼具两大核心要素：一是具备说服力的 **‘为何恰逢其时’的商业叙事 **（通常与生成式人工智能催生的新赛道、基础设施需求或流程变革机遇相关），二是企业落地的切实佐证。年化经常性收入 100 万至 200 万美元是基准线，但更重要的是，客户是否将你的产品视为业务核心刚需，而非可有可无的锦上添花。仅有营收无商业叙事，产品只是一个功能模块；仅有叙事无落地成效，产品则是镜花水月 —— 两者缺一不可。

　　朗尼・贾菲（英赛特创投董事总经理）：企业应聚焦总可服务市场规模随人工智能降本持续扩大的赛道。部分市场具备高需求弹性：价格下降 90%，市场规模可增长 10 倍；而部分市场需求弹性低，降价反而会导致市场萎缩，技术创造的价值全被客户占有。

　　乔纳森・莱尔（Work-Bench 联合创始人）：产品已投入客户日常实际运营，客户愿意接受同行参考咨询，坦诚评价产品的落地效果、可靠性及采购流程等。企业需清晰证明，产品能在通过安全、法务、采购审核的前提下，切实实现提效、降本或增产。

　　迈克尔・斯图尔特（微软风投管理合伙人）：直到不久前，投资人还对企业的预估年化经常性收入、试点阶段收入持怀疑态度。如今，这些指标的参考权重有所下降，客户的合作意愿与付费诚意变得更为重要。2026 年，企业要融资成功，需兼具优质产品与亮眼的市场叙事，投资人期待看到，试点合作 6 个月后，客户转化成为融资故事的核心亮点。

　　马雷尔・埃文斯（卓越资本创始人）：执行力与落地成效是核心。最佳佐证是，用户真心认可并乐于使用产品，同时企业具备深厚的技术实力。我们最看重的核心指标是12 个月及以上的正式商业合同。此外，创始人能否从竞品或头部科技大厂手中，吸引顶尖人才加盟，也是重要考量因素。

　　到 2026 年底，人工智能智能体将在企业中扮演何种角色？

　　纳姆迪・奥基克（645 Ventures 管理合伙人兼联合创始人）：截至 2026 年底，人工智能智能体仍将处于初步落地阶段。企业要真正借助智能体创造价值，仍需攻克诸多技术与合规难题，同时行业也需建立智能体间的通信标准。

　　拉吉夫・达姆（蓝宝石创投董事总经理）：通用型人工智能智能体将应运而生。如今各类智能体各司其职，比如呼入销售助手、外呼销售助手、客户服务、产品选型顾问等。但到 2026 年末，这些细分智能体将融合为具备共享语境与记忆能力的通用智能体，打破企业长期存在的部门数据孤岛，实现企业与用户之间更统一、更贴合场景的沟通协作。

　　安东尼娅・迪恩（黑算子风投合伙人）：率先成功的企业，是那些能快速平衡智能体自主性与人工监管尺度，并将智能体落地视为‘人机协同增效’而非‘简单分工’的企业。未来不会是智能体包揽所有重复性工作、人类仅负责决策思考的模式，而是人机在复杂任务中开展更深度的协作，二者的职责边界也将持续动态调整。

　　艾伦・雅各布森（恩颐投资合伙人）：绝大多数知识工作者，都将拥有至少一位能直呼其名的人工智能智能体协作伙伴。

　　埃里克・班恩（奋斗基金 Hustle Fund 联合创始人、普通合伙人）：我认为，人工智能智能体或将成为企业中规模远超人类的劳动力主体。智能体的规模化部署几乎零成本、零边际成本，企业为何不依托智能体实现业务增长？

　　你投资组合中，哪类企业增长势头最猛？

　　杰克・弗洛门伯格（翼风投合伙人）：增长最快的企业，均精准捕捉到生成式人工智能落地带来的流程或安全缺口，并全力打磨产品，实现市场与产品的高度契合。网络安全领域，企业聚焦数据安全工具（保障大语言模型安全处理敏感数据）、智能体治理工具（确保自主系统合规可控）；营销领域，涌现出答案引擎优化（AEO） 等新赛道 —— 企业不再仅追求搜索引擎排名，更注重在人工智能应答结果中获得曝光。这些企业的共性是：两年前这些赛道尚未成型，如今已成为企业规模化落地人工智能的必备刚需。

　　安德鲁・弗格森（达布林斯创投副总裁）：高速增长的企业具备几个共同特质，其一便是聚焦单一应用场景切入市场—— 从细分赛道（特定目标用户或应用场景）起步，做深做透形成用户粘性，再以此为基点拓展业务边界。

　　李珍妮弗（安德森・霍洛维茨基金普通合伙人）：助力企业实现人工智能规模化商用落地的企业发展向好，具体包括：数据提取与结构化处理、人工智能系统开发提效工具、生成式媒体基础设施，以及面向传媒、客服、呼叫中心等场景的语音音频技术。

　　哪类企业的客户留存率最高？

　　杰克・弗洛门伯格（翼风投合伙人）：高留存、高增购的企业有一个共性：解决的问题会随客户人工智能投入的增加而愈发迫切。高留存源于三大核心：产品是客户业务刚需（停用即导致业务流程瘫痪）、沉淀了难以复刻的独家场景数据、解决的痛点随人工智能落地持续放大，而非一次性问题。

　　汤姆・亨里克松（欧肯资本普通合伙人）：对初创企业而言，客户留存率的测算难度较高，但我们观察到头部企业级软件服务商（尤其是融合人工智能技术的企业）留存率最高。典型案例如 Operations1，该企业为员工主导的生产流程提供全流程数字化解决方案，深度渗透客户组织架构，重构客户运营模式，沉淀的独家数据与行业认知，让客户难以替代。

　　迈克尔・斯图尔特（微软风投管理合伙人）：聚焦企业数据工具与垂直领域人工智能应用的初创企业，搭配前置服务团队助力客户提升满意度、保障产品质量、推动产品迭代，这类模式留存率表现优异，也已成为该赛道头部初创企业的制胜法则。长期来看，随着客户逐步掌握人工智能的内部应用与日常运营方法，这类前置服务团队的规模或将逐步缩减。

　　乔纳森・莱尔（Work-Bench 联合创始人）：成为企业核心基础设施的软件，远比单点解决方案的留存率更高。比如 Authzed，其身份授权与政策管理功能是现代系统的核心模块，一旦嵌入客户系统，替换成本极高，因此留存率表现突出；Courier Health 与 GovWell 分别成为医疗行业全流程患者管理、政府审批流程的核心记录与调度系统，上线后便深度绑定客户业务，留存率稳居高位。