En 2026, ¿a dónde irá el dinero para las aplicaciones de IA?

Este artículo puede contener una traducción automática. Consulta la fuente original para verificarlo.

En 2026, ¿a dónde irá el dinero para las aplicaciones de IA?

Enfoque fijoUno

2026.11.11 09:42

· Desde Hebei

Texto completo 5488 palabras

Texto | Dingjiao One (dingjiaoone), autor｜Li Mengran, editor｜Wei Jia

En 2026, el dinero "más grande" en el mercado de financiación de la IA seguirá fluyendo hacia capacidades básicas como modelos grandes y potencia informática. Pero cada vez más historias de financiación comienzan a ocurrir en la capa de aplicación.

Según las estadísticas de Zhixixi, en la primera mitad de 2026, entre los cientos de millones de yuanes en financiación en la cadena de la industria nacional de IA, la dirección de aplicaciones de IA tuvo la mayor cantidad de eventos de financiación, con un total de 33 casos. Entre ellos, la generación de videos, imágenes y 3D representó casi el 40%, y AI Agent representó aproximadamente el 20%. Las aplicaciones empresariales, los medicamentos/medicamentos de IA, las finanzas de IA, el marketing de IA y otras direcciones también han recibido una financiación de miles de millones de yuanes.

Megan es la fundadora de la comunidad de bienestar público GTM de Origin Community y una comerciante nacional de aplicaciones de extremo C en el extranjero. Dijo a "Focus One" que, a partir de la experiencia de comunicarse con las instituciones de inversión, la actitud del capital hacia las aplicaciones de IA ha experimentado una ronda de cambios este año. La primera mitad del año fue en general positiva, pero a finales del verano y principios del otoño algunas instituciones se volvieron cautelosas. Hay dos razones: primero, pistas como la inteligencia encarnada desviaron la atención; en segundo lugar, algunas aplicaciones de IA no lograron alcanzar la actividad diaria, la popularidad y la comercialización después de invertir mucho dinero, y el camino de salida comenzó a recibir más discusión. Después de entrar en octubre, la atención del mercado ha aumentado, pero los inversores prestan más atención a las capacidades de los modelos desarrollados por ellos mismos, las barreras técnicas o las combinaciones de software y hardware que pueden crear diferencias.

Los inversores se han vuelto cautelosos y el flujo de dinero se ha vuelto desigual. La empresa de creación de inteligencia artificial Yanyu Technology completó casi 300 millones de dólares en financiación Serie B+ en junio, con una valoración posterior a la inversión de más de 2 mil millones de dólares. En industrias como la atención médica, la educación, el marketing y la seguridad, más empresas han recibido financiación que oscila entre decenas y cientos de millones de yuanes. Al mismo tiempo, los principales fabricantes como Byte, Alibaba, Tencent y Kuaishou aparecen en casi todas las aplicaciones populares.

¿Por qué el dinero se concentra en unas pocas vías? ¿Las industrias con financiamiento limitado tienen menores oportunidades? Bajo el ataque de los grandes fabricantes, ¿cómo pueden sobrevivir las empresas emergentes?

01. Vídeo, imagen y 3D, sé el primero en conseguir “mucho dinero”

Si se juntan las grandes financiaciones de este año de empresas de aplicaciones de IA, el flujo de fondos será más intuitivo.

Las estadísticas de IT Orange muestran que en el primer semestre de este año, se recaudaron un total de 84 financiamientos en el segmento de aplicaciones AIGC representado por la generación de imágenes y videos, por un total de 59,605 millones de yuanes, con un promedio de 710 millones de yuanes por transacción, el más alto entre todas las subdivisiones de IA. Entre ellas, Shengshu Technology, Sand.ai, LiblibAI/Yanyu Technology y Aishi Technology, cuatro empresas de aplicaciones AIGC, han recaudado un total de 9.378 millones de yuanes.

Desde principios de este año, la financiación a gran escala ha seguido centrándose en empresas relacionadas con la creación visual.

Después de que la empresa de vídeo de IA Aishi Technology completara una ronda de financiación Serie C de 300 millones de dólares en marzo, la escala general de financiación de la Serie C alcanzó los 2,98 mil millones de yuanes en julio; en junio, la empresa matriz de LiblibAI, Yanyu Technology, completó una ronda B+ de financiación de casi 300 millones de dólares estadounidenses, con una valoración posterior a la inversión de más de 2 mil millones de dólares estadounidenses; en julio, Shengshu Technology completó una ronda de financiación B+ de 500 millones de dólares; La empresa de IA 3D VAST anunció la finalización de las rondas de financiación Serie B y B+ en septiembre, con un monto total de aproximadamente 3 mil millones de yuanes y una financiación acumulada de aproximadamente 5 mil millones de yuanes en menos de medio año; Meshy completó casi 400 millones de dólares en financiación Serie B en julio.

¿Por qué el vídeo y el 3D son los primeros en generar grandes ganancias?

Ding Boran, un inversor de Dewu Capital, dijo a "Focus One" que lo primero que mira el capital es el techo del mercado. En las aplicaciones ToC, el vídeo sigue siendo una de las formas de medios con el contenido más rico y más demandado, y el 3D puede convertirse en un nuevo portador de contenidos en la siguiente etapa. Para el capital que necesita apostar por "grandes oportunidades", es más probable que este tipo de vía se adapte a las grandes empresas y sea más digno de una inversión continua.

El mercado es lo suficientemente grande, lo cual es sólo un requisito previo. Bryan Liu, director de inversiones de Alumni Ventures, dijo a "Fixed Focus One" que la generación visual también tiene otra característica que el capital favorece fácilmente: su ciclo de retroalimentación del producto es más corto.

"Después de generar un vídeo, una imagen o un material 3D, a menudo se puede verificar en un período de tiempo relativamente corto si el contenido está disponible y si el usuario está dispuesto a usarlo y pagar". Esta característica hace que la generación visual sea más fácil que algunas aplicaciones industriales que requieren verificación de efectos a largo plazo para mostrar cómo esta generación de productos es mejor que la generación anterior.

Un grupo de empresas de generación visual ya han alcanzado indicadores de comercialización cuantificables de antemano.

PixVerse, una subsidiaria de Aishi Technology, lanzará su comercialización en noviembre de 2024. En octubre de 2025, el ARR divulgado superó los 40 millones de dólares estadounidenses, con más de 100 millones de usuarios. Los ingresos provienen principalmente de las suscripciones de los miembros, principalmente en los mercados extranjeros; Yanyu Technology reveló que, en mayo de 2026, el ARR general de la compañía alcanzó los 300 millones de dólares. El capital está empezando a poder utilizar indicadores como la escala de usuarios, los ingresos por suscripciones y las llamadas API que están más cerca de las empresas tradicionales de Internet para medir una empresa de aplicaciones de IA.

Sin embargo, la rápida comercialización no es la única razón. La generación visual también es una categoría con una gran inversión de capital entre las aplicaciones de IA. Los propósitos financieros de Aishi Technology incluyen modelos básicos de generación de video, modelos mundiales en tiempo real y crecimiento global de productos; VAST no solo opera Tripo, sino que también continúa invirtiendo en la investigación y el desarrollo de modelos básicos, datos y modelos mundiales en 3D, que requieren un consumo continuo de fondos.

Aishi Technology reveló anteriormente que si no se incluye la inversión en modelos grandes de desarrollo propio, su negocio de productos básicamente puede autofinanciarse. En otras palabras, existe una capa de inversión modelo continua entre los ingresos generados por el producto y las necesidades de capital de toda la empresa.

Otro tipo de empresa ha demostrado que aún puede conseguir valoraciones elevadas sin desarrollar su propio modelo subyacente. Por ejemplo, Yanyu Technology no depende de modelos básicos generales de desarrollo propio para construir productos. En cambio, agrega diferentes modelos y pone más capacidades en herramientas creativas, flujos de trabajo y ecología de usuarios. La compañía se ha expandido aún más desde la comunidad LiblibAI para diseñar Agent Star Stream y la plataforma de creación de videos LibTV. En mayo de este año, el ARR alcanzó los 300 millones de dólares.

Por lo tanto, detrás de "el video y el 3D atraen la mayor cantidad de dinero", en realidad se superponen dos lógicas diferentes: un tipo de empresa necesita utilizar mucho capital para continuar mejorando las capacidades del modelo; el otro tipo también puede depender de la propia aplicación para formar usuarios, ingresos y ecosistema.

Además de la generación visual, Agent es otra dirección en la que están empezando a aparecer grandes cantidades de financiación. En octubre, Today AI, una empresa de agentes personales que acababa de lanzar su producto, anunció que su financiación acumulada superaba los 200 millones de dólares. Otra empresa de agentes estrella, Manus, completó una nueva ronda de financiación de más de 500 millones de dólares en el mismo mes, con una valoración objetivo de aproximadamente 4 mil millones de dólares, convirtiéndose en una de las financiaciones a gran escala más seguidas en la pista de agentes este año.

A diferencia de la generación visual, el dinero recibido por el agente individual se invierte principalmente en el equipo y la entrada. Actualmente, los productos de AI no se lanzaron hasta septiembre. Capital está interesado en la experiencia del equipo fundador en productos de los principales fabricantes y en la posibilidad de que los agentes personales se conviertan en la entrada a la próxima generación de IA.

02. Cuando la escala de financiación no es tan grande, ¿las oportunidades son menores?

En términos de escala de financiación, el vídeo, las imágenes y el 3D son casi las vías más destacadas para las aplicaciones de IA este año. Pero si nos fijamos en la frecuencia, las aplicaciones industriales más verticales son más activas.

Los datos de iiMedia Consulting muestran que en el primer semestre de 2026, aunque el monto de financiación de las aplicaciones de la industria de la IA (excluyendo AIGC y las aplicaciones generales de IA) fue de solo 25.792 millones de yuanes, se produjeron 133 financiaciones, que es la categoría con más eventos de financiación entre las principales direcciones de sus estadísticas, con un promedio de alrededor de 194 millones de yuanes por transacción.

Se puede ver que la frecuencia de obtención de dinero de aplicaciones industriales no es baja, pero los fondos están más dispersos.

En opinión de Bryan Liu, los dos tipos de vías en sí no pueden compararse simplemente horizontalmente. El vídeo, las imágenes y el 3D son tecnologías y formas de productos, mientras que la atención médica, la educación, el marketing y la seguridad son industrias. Lo que realmente amplía la brecha son las diferentes formas en que las distintas empresas verifican su valor.

El primer tipo es un negocio que tarda más en demostrar “resultados”. La atención médica y la educación son negocios típicos de "retroalimentación prolongada".

Ding Boran cree que tanto la medicina como la educación están sujetas a vías de seguridad, privacidad, cumplimiento o capitalización de los datos. Para las nuevas empresas médicas, el ciclo de obtener datos de la industria, completar la verificación del producto e ingresar a procesos comerciales reales es más largo, mientras que a las empresas de educación les resulta difícil lograr capitalización.

Bryan explicó además que el tratamiento médico debe demostrar los efectos clínicos, la educación debe verificar los efectos del aprendizaje y algunos escenarios de ToB deben conectar aún más las adquisiciones, los pagos y las entidades responsables. "No es que estas industrias tengan menos oportunidades, sino que los caminos de verificación son diferentes y algunas industrias requieren más tiempo".

SenseTime es un ejemplo. Esta empresa, escindida de SenseTime, completó una financiación Serie A de más de 500 millones de yuanes en abril de este año, con una valoración superior a los mil millones de dólares. En julio, completó una financiación Serie B de más de 100 millones de dólares, con una valoración posterior a la inversión de más de 10.000 millones de yuanes. Su plataforma SenseCare actualmente revela que ha cooperado con más de 500 hospitales y obtenido más de 30 certificados de registro de dispositivos médicos. En comparación con una aplicación del lado C que puede verificarse mediante el crecimiento de usuarios después de su lanzamiento, la IA médica obviamente necesita acumular no solo capacidades de modelo, sino también hospitales, datos clínicos y sistemas de cumplimiento.

La educación es similar. Zhibei Technology, fundada en 2023, completó la ronda de financiación Pre-A en enero de este año, por un monto de varios millones de dólares estadounidenses; Dance with Love, fundada el mismo año, y su producto docente de inteligencia artificial "Ai Xue" ha superado las decenas de millones de yuanes en ingresos mensuales. A noviembre de 2025, ha completado 4 rondas de financiación, con un monto total de financiación de aproximadamente 150 millones de dólares estadounidenses. Sus productos pasaron varios meses probando indicadores como la tasa de finalización de cursos y la tasa de reembolso antes de estar en línea. Para determinar si un producto educativo de IA realmente puede mejorar los efectos del aprendizaje, a menudo se requiere una observación más prolongada.

Para este tipo de empresas el capital necesita esperar a que el producto demuestre su eficacia.

El segundo tipo es un negocio cuyo valor puede demostrarse directamente por su desempeño operativo. Puede que su escala de financiación no sea grande, pero es posible que tengan datos claros sobre ingresos y clientes antes. GEO, que se está calentando rápidamente este año, es un ejemplo.

La era del impulso inteligente, que no se estableció hasta 2025, completó decenas de millones de yuanes en rondas de ángeles este año. En el primer semestre de este año, la empresa reveló que el ARR superó los 100 millones de yuanes; Actualmente atiende a más de 400 clientes y se espera que el ARR para todo el año 2026 se acerque a los 200 millones de yuanes. Deepin Yunhai, que también se estableció en 2025, completó una ronda de financiación ángel multimillonaria en octubre de 2026, con ingresos anuales que alcanzaron decenas de millones de yuanes.

En comparación con los modelos de formación basados en vídeos, las necesidades financieras de estas empresas obviamente no están al mismo nivel. Sin embargo, el menor monto de financiamiento no les impide verificar primero sus necesidades con los clientes y sus ingresos.

El tercer tipo es esperar a empresas con demanda madura, y el ritmo de financiación depende de la madurez del mercado. La seguridad de la IA es uno de esos caminos.

Un profesional de la seguridad de la IA dijo a "Focus One" que no es que no haya demanda de seguridad, sino que el énfasis de muchas empresas en los riesgos de la IA no ha estado a la altura de la velocidad de aplicación. Antes de que se produzca un evento de riesgo lo suficientemente fuerte, las empresas no están dispuestas a asignar presupuesto específicamente para la seguridad de la IA.

Pero a medida que los agentes comienzan a acceder a datos internos de la empresa, llamar a herramientas e incluso realizar tareas de forma autónoma, esta demanda ha comenzado a hacerse evidente. Después de que EgeCloud completara cientos de millones de yuanes en financiación Serie B en mayo de este año, amplió aún más sus productos desde la seguridad de oficinas hasta la gestión de seguridad unificada de "personas + IA". En septiembre, completó casi 100 millones de yuanes en financiación Serie B+, y los fondos continúan invirtiéndose en la plataforma de gobierno corporativo de personas y Agentes de IA.

Las oportunidades en algunas industrias esperarán hasta que la IA realmente entre en el proceso empresarial central, y entonces la demanda potencial original se convertirá en una compra clara.

Por lo tanto, el monto del financiamiento no es igual al tamaño de la oportunidad. Algunas pistas tienen que esperar a que se demuestren los resultados, otras tienen que esperar a que los ingresos hablen primero y otras tienen que esperar a que madure la demanda. Para juzgar si una pista tiene posibilidades, en lugar de fijarse en cuánto dinero se necesita, es mejor fijarse en cómo se utiliza y cuánto tiempo se tarda en demostrar su valor.

03. Cuando los gigantes están condenados, las empresas de nueva creación todavía tienen que superar tres obstáculos

La competencia por las aplicaciones de IA es mucho más compleja que hace unos años.

Por un lado, las capacidades de los modelos grandes todavía se están mejorando rápidamente. Un producto que hoy parece establecido puede quedar cubierto mañana por una actualización del modelo básico. Por otro lado, Doubao y Yuanbao compiten por la entrada general de IA. Alibaba, Tencent y Byte están trabajando en oficinas y agentes. La generación de vídeos, la programación de IA, la educación, el marketing e incluso los tratamientos médicos también están repletos de grandes empresas.

Según Megan, la ventaja de los grandes fabricantes no es sólo más dinero. En comparación con los equipos empresariales, producen productos más rápido, tienen canales de inversión y mecanismos de crecimiento de usuarios más maduros y tienen una gran cantidad de usuarios y datos existentes. Si las nuevas aplicaciones no tienen estas experiencias y simplemente aprenden el crecimiento de los usuarios, serán mucho más lentas que ellas.

Las empresas emergentes necesitan demostrar lo que pueden dejar atrás después de que entren los grandes fabricantes.

La primera es si las startups pueden establecer su propio valor independiente cuando las grandes empresas son a la vez aliadas y rivales.

Ahora, la relación entre las grandes empresas y las startups es cada vez más complicada. En octubre, la startup de agentes personales Today AI anunció que había completado un total de más de 200 millones de dólares en financiación. Entre los inversores también aparecieron Tencent y Ant Group, y participaron la ronda ángel y la gran empresa modelo Step Star. Su fundador, Qi Junyuan, fue anteriormente vicepresidente de productos Byte Feishu y responsable de la versión para PC de Doubao.

Pero, por otro lado, Tencent está promocionando sus propios productos Agent y Lingguang, propiedad de Ant, también está aumentando sus capacidades de ejecución de tareas personales. Para Today AI, el capital industrial ha aportado fondos y recursos, pero no ha eliminado la competencia. Todavía tiene que competir con los productos de los accionistas para la entrada de la próxima generación de IA personal.

Este tipo de relaciones son cada vez más comunes. Si bien las grandes empresas invierten en empresas externas, también participan en negocios similares. Una startup necesita demostrar que incluso sin los recursos de los accionistas, todavía tiene un valor que no puede ser reemplazado fácilmente.

En segundo lugar, con la rápida iteración de las capacidades del modelo, las barreras técnicas de las empresas de aplicaciones también se ven afectadas constantemente.

Bryan Liu cree que si la ventaja de una empresa es simplemente llamar a un mejor modelo general, esta capacidad no es exclusiva. Las actualizaciones de modelos pueden incluso tener dos efectos opuestos simultáneamente. Por un lado, puede ayudar a las empresas de aplicaciones a reducir los costos de desarrollo y entrega; por otro lado, también puede convertir las funciones originalmente asignadas a una empresa directamente en capacidades básicas que todos pueden obtener.

Hoy AI reconoce esta presión. En una entrevista con los medios de comunicación este año, su equipo afirmó que la IA personal todavía se encuentra en una etapa de competencia altamente homogénea y que las diferencias en uno o dos puntos funcionales pronto serán cubiertas por los competidores.

En opinión de Megan, un tipo de oportunidades para las startups proviene de escenarios lo suficientemente segmentados y experimentales como para que las grandes empresas carezcan temporalmente de motivación para entrar; Otro camino es construir primero comunidades y relaciones en torno a un pequeño grupo de usuarios principales y luego dejar que el producto crezca. Las ventajas de estas empresas no provienen necesariamente de una tecnología más sólida, sino que pueden provenir de una comprensión más profunda de usuarios específicos y de la acumulación del equipo en la comunidad, el crecimiento o una determinada industria.

Cuando Ding Boran juzga a las empresas de aplicaciones de IA, valora los datos únicos, el conocimiento de la industria, las relaciones con los clientes y la integración en flujos de trabajo reales. Por ejemplo, las aplicaciones ToB pueden adquirir clientes rápidamente e integrarlos en los flujos de trabajo de los clientes, mientras que las aplicaciones ToC pueden adquirir clientes rápidamente y acumular datos de usuarios, formando un volante de datos. Son cosas que a los grandes fabricantes les resulta difícil copiar a corto plazo. Si se puede obtener suficiente financiación y se puede acelerar la posterior adquisición de clientes, se pueden formar ciertas barreras.

Pero Megan cree que los “datos” en sí mismos no constituyen necesariamente una barrera natural. En comparación con los datos estáticos obtenidos una vez, lo que es más valioso es el comportamiento, la interacción y la memoria que dejan los usuarios que utilizan el producto durante mucho tiempo, así como la comprensión continua del usuario formada por la empresa en el proceso.

Además, las startups también deben responder a una pregunta más realista: si las ventajas se pueden replicar a gran escala.

Bryan recordó que algunas empresas verticales de IA pueden convertirse fácilmente en empresas de servicios basadas en proyectos en el proceso de "profundización de la industria".

Algunas empresas de IA pueden obtener buenos ingresos prestando servicios a un pequeño número de clientes en la etapa inicial. Sin embargo, si cada cliente adicional requiere rediseñar el proceso e invertir en más ingenieros y personal de servicio, a medida que aumenten los ingresos, los costos también aumentarán. En este caso, incluso si tiene un profundo conocimiento de la industria, es posible que simplemente esté expandiendo un negocio basado en proyectos en lugar de crear un producto de IA verdaderamente escalable. Por ejemplo, la empresa médica de IA debe demostrar que puede copiar el modelo del hospital líder a más hospitales, y la empresa GEO debe demostrar que el crecimiento depende de los productos, no de la mano de obra.

Por lo tanto, cuando los principales fabricantes ingresan por completo a la capa de aplicaciones y los modelos subyacentes se actualizan constantemente, para los principales actores en la generación visual, las capacidades del modelo siguen siendo el boleto, pero para más empresas de aplicaciones de IA, estas tres preguntas de prueba pueden ser más decisivas que "qué modelo se utiliza" para determinar hasta dónde pueden llegar en última instancia.

Respeto por el trabajo original, si estás calificado, debes ser apreciado.

De acuerdo con el requisito de nombre real de la Ley de Ciberseguridad, vincule su número de teléfono móvil antes de publicar un comentario.

Expresar