En 2026, où ira l’argent destiné aux applications de l’IA ?

Cet article peut contenir une traduction automatique. La source originale est liée pour vérification.

En 2026, où ira l’argent destiné aux applications de l’IA ?

Mise au point fixeUn

2026.11.11 09:42

· Du Hebei

Texte intégral 5488 mots

Texte | Dingjiao One (dingjiaoone), auteur｜Li Mengran, éditeur｜Wei Jia

En 2026, le « plus gros » argent du marché du financement de l'IA sera toujours consacré aux capacités de base telles que les grands modèles et la puissance de calcul. Mais des cas de financement de plus en plus fréquents commencent à se produire au niveau des applications.

Selon les statistiques de Zhixixi, au premier semestre 2026, parmi les centaines de millions de yuans de financement dans la chaîne industrielle nationale de l'IA, la direction des applications de l'IA a connu le plus d'événements de financement, avec un total de 33 cas. Parmi eux, la génération de vidéo, d'image et 3D représentait près de 40 %, et l'agent AI représentait environ 20 %. Les applications d'entreprise, l'IA médicale/médicamenteuse, le financement de l'IA, le marketing de l'IA et d'autres domaines ont également bénéficié d'un financement d'un milliard de yuans.

Megan est la fondatrice de la communauté de bien-être public GTM d'Origin Community et un commerçant étranger d'applications C-end nationales. Elle a déclaré à "Focus One" que, grâce à l'expérience de la communication avec les institutions d'investissement, l'attitude du capital envers les applications de l'IA a connu une série de changements cette année. Le premier semestre a été globalement positif, mais à la fin de l’été et au début de l’automne, certaines institutions sont devenues prudentes. Il y a deux raisons : premièrement, des pistes telles que l’intelligence incarnée ont détourné l’attention ; Deuxièmement, certaines applications d'IA n'ont pas réussi à atteindre une activité quotidienne, une popularité et une commercialisation après avoir investi beaucoup d'argent, et la voie de sortie a commencé à faire l'objet de davantage de discussions. Après le début du mois d'octobre, l'attention du marché s'est accrue, mais les investisseurs accordent davantage d'attention aux capacités des modèles auto-développés, aux barrières techniques ou aux combinaisons logicielles et matérielles qui peuvent créer des différences.

Les investisseurs sont devenus prudents et les flux financiers sont devenus inégaux. La société de création d'IA Yanyu Technology a finalisé un financement de série B+ de près de 300 millions de dollars américains en juin, avec une valorisation après investissement de plus de 2 milliards de dollars américains. Dans des secteurs tels que les soins médicaux, l’éducation, le marketing et la sécurité, davantage d’entreprises ont reçu des financements allant de dizaines à plusieurs centaines de millions de yuans. Dans le même temps, de grands fabricants tels que Byte, Alibaba, Tencent et Kuaishou apparaissent sur presque toutes les applications populaires.

Pourquoi l’argent est-il concentré sur quelques pistes ? Les industries disposant de financements limités ont-elles des opportunités moins importantes ? Sous l’attaque des grands industriels, comment les start-up peuvent-elles survivre ?

01. Vidéo, image et 3D, soyez le premier à gagner « gros sous »

En regroupant les importants financements des sociétés d'applications d'IA de cette année, le flux de fonds sera plus intuitif.

Les statistiques d'IT Orange montrent qu'au cours du premier semestre de cette année, un total de 84 financements ont été levés dans la filière d'application AIGC représentée par la génération d'images et de vidéos, totalisant 59,605 milliards de yuans, avec une moyenne de 710 millions de yuans par transaction, le plus élevé parmi toutes les subdivisions de l'IA. Parmi elles, Shengshu Technology, Sand.ai, LiblibAI/Yanyu Technology et Aishi Technology, quatre sociétés d'applications AIGC ont levé un total de 9,378 milliards de yuans.

Depuis le début de cette année, les financements à grande échelle continuent de se concentrer sur les entreprises liées à la création visuelle.

Après que la société de vidéo IA Aishi Technology a finalisé une ronde de financement de série C de 300 millions de dollars américains en mars, le montant global du financement de série C a atteint 2,98 milliards de yuans en juillet ; en juin, la société mère de LiblibAI, Yanyu Technology, a finalisé un cycle de financement B+ de près de 300 millions de dollars américains, avec une valorisation post-investissement de plus de 2 milliards de dollars américains ; en juillet, Shengshu Technology a finalisé une ronde de financement B+ de 500 millions de dollars américains ; La société AI 3D VAST a annoncé l'achèvement des cycles de financement des séries B et B+ en septembre, pour un montant total d'environ 3 milliards de yuans, et un financement cumulé d'environ 5 milliards de yuans en moins de six mois ; Meshy a finalisé un financement de série B de près de 400 millions de dollars américains en juillet.

Pourquoi la vidéo et la 3D sont-elles les premières à rapporter gros ?

Ding Boran, un investisseur de Dewu Capital, a déclaré à « Focus One » que la première chose que le capital examine est le plafond du marché. Dans les applications ToC, la vidéo reste l'une des formes de média avec le contenu le plus riche et le plus demandé, et la 3D pourrait devenir un nouveau support de contenu dans la prochaine étape. Pour les capitaux qui ont besoin de parier sur de « grandes opportunités », ce type de piste est plus susceptible d'accueillir de grandes entreprises et mérite davantage d'investissements continus.

Le marché est suffisamment grand, ce n’est qu’une condition préalable. Bryan Liu, directeur des investissements d'Alumni Ventures, a déclaré à "Fixed Focus One" que la génération visuelle présente également une autre caractéristique facilement favorisée par le capital : son cycle de retour d'information sur les produits est plus court.

"Après avoir généré une vidéo, une image ou un matériel 3D, il est souvent possible de vérifier si le contenu est disponible et si l'utilisateur est prêt à l'utiliser et à payer dans un laps de temps relativement court." Cette fonctionnalité rend la génération visuelle plus facile que certaines applications industrielles qui nécessitent une vérification des effets à long terme pour montrer en quoi cette génération de produits est meilleure que la génération précédente.

Un groupe d'entreprises de génération visuelle a déjà atteint à l'avance des indicateurs de commercialisation quantifiables.

PixVerse, une filiale d'Aishi Technology, lancera la commercialisation en novembre 2024. En octobre 2025, le ARR divulgué a dépassé les 40 millions de dollars américains, avec plus de 100 millions d'utilisateurs. Les revenus proviennent principalement des abonnements des membres, principalement sur les marchés étrangers ; Yanyu Technology a révélé qu'en mai 2026, le ARR global de l'entreprise avait atteint 300 millions de dollars américains. Le capital commence à être en mesure d'utiliser des indicateurs tels que le nombre d'utilisateurs, les revenus d'abonnement et les appels d'API qui sont plus proches des sociétés Internet traditionnelles pour mesurer une société d'applications d'IA.

Cependant, la commercialisation rapide n’est pas la seule raison. La génération visuelle est également une catégorie avec de lourds investissements en capital parmi les applications d’IA. Les objectifs de financement d'Aishi Technology comprennent les modèles de base de génération vidéo, les modèles mondiaux en temps réel et la croissance mondiale des produits ; VAST exploite non seulement Tripo, mais continue également d'investir dans la recherche et le développement de modèles de base 3D, de données et de modèles mondiaux, qui nécessitent une consommation continue de fonds.

Aishi Technology a précédemment révélé que si l'investissement dans les grands modèles auto-développés n'est pas inclus, son activité de produits peut essentiellement s'autofinancer. En d’autres termes, il existe une couche d’investissement modèle continu entre les revenus générés par le produit et les besoins en capital de l’ensemble de l’entreprise.

Un autre type d’entreprise a prouvé qu’elle pouvait encore atteindre des valorisations élevées sans développer son propre modèle sous-jacent. Par exemple, Yanyu Technology ne s'appuie pas sur des modèles de base généraux auto-développés pour créer des produits. Au lieu de cela, il regroupe différents modèles et ajoute davantage de fonctionnalités aux outils de création, aux flux de travail et à l’écologie des utilisateurs. La société s'est encore élargie à partir de la communauté LiblibAI pour concevoir Agent Star Stream et la plateforme de création vidéo LibTV. En mai de cette année, l'ARR avait atteint 300 millions de dollars.

Ainsi, derrière « la vidéo et la 3D attirent le plus d'argent », il y a en fait deux logiques différentes qui se superposent : un type d'entreprise a besoin d'utiliser des capitaux lourds pour continuer à améliorer les capacités des modèles ; l'autre type peut également s'appuyer sur l'application elle-même pour former les utilisateurs, les revenus et l'écosystème.

En plus de la génération visuelle, Agent est une autre direction dans laquelle d'importants financements commencent à apparaître. En octobre, Today AI, une société d'agents personnels qui venait de lancer son produit, a annoncé que son financement cumulé dépassait les 200 millions de dollars américains. Une autre société d'agents vedette, Manus, a finalisé une nouvelle ronde de financement de plus de 500 millions de dollars américains le même mois, avec une valorisation cible d'environ 4 milliards de dollars américains, devenant ainsi l'un des financements à grande échelle les plus surveillés dans le segment des agents cette année.

Contrairement à la génération visuelle, l’argent reçu par l’agent individuel est principalement investi dans l’équipe et l’entrée. Aujourd'hui, les produits d'AI n'ont été lancés qu'en septembre. Capital s'intéresse à l'expérience produit de l'équipe fondatrice auprès des grands fabricants et à la possibilité que les agents personnels deviennent l'entrée dans la prochaine génération d'IA.

02. Lorsque l'échelle de financement n'est pas si grande, les opportunités sont-elles plus petites ?

En termes d’échelle de financement, la vidéo, l’imagerie et la 3D sont presque les pistes les plus importantes pour les applications d’IA cette année. Mais si vous regardez la fréquence, les applications industrielles plus verticales sont plus actives.

Les données d'iiMedia Consulting montrent qu'au premier semestre 2026, bien que le montant du financement des applications industrielles de l'IA (à l'exclusion de l'AIGC et des applications générales de l'IA) n'ait été que de 25,792 milliards de yuans, 133 financements ont eu lieu, ce qui est la catégorie avec le plus d'événements de financement parmi les principales directions de ses statistiques, avec une moyenne d'environ 194 millions de yuans par transaction.

On peut voir que la fréquence d'obtention de fonds provenant des applications industrielles n'est pas faible, mais que les fonds sont plus dispersés.

Selon Bryan Liu, les deux types de pistes eux-mêmes ne peuvent pas être simplement comparés horizontalement. La vidéo, les images et la 3D sont des technologies et des formes de produits, tandis que les soins médicaux, l'éducation, le marketing et la sécurité sont des industries. Ce qui creuse réellement l’écart, ce sont les différentes manières dont les différentes entreprises vérifient leur valeur.

Le premier type est une entreprise qui met plus de temps à prouver ses « résultats ». Les soins médicaux et l'éducation sont des activités typiques à « longue rétroaction ».

Ding Boran estime que la médecine et l'éducation sont toutes deux soumises à des questions de sécurité des données, de confidentialité, de conformité ou de capitalisation. Pour les startups médicales, le cycle d'obtention des données industrielles, de vérification des produits et de saisie de processus commerciaux réels est plus long, tandis que les entreprises éducatives ont du mal à capitaliser.

Bryan a en outre expliqué que le traitement médical doit prouver les effets cliniques, l'éducation doit vérifier les effets d'apprentissage et certains scénarios ToB doivent relier davantage les achats, les paiements et les entités responsables. "Ce n'est pas que ces industries ont des opportunités plus petites, mais que les voies de vérification sont différentes et que certaines industries nécessitent plus de temps."

SenseTime en est un exemple. Cette société, issue de SenseTime, a finalisé un financement de série A de plus de 500 millions de yuans en avril de cette année, avec une valorisation supérieure à 1 milliard de dollars. En juillet, elle a finalisé un financement de série B de plus de 100 millions de dollars, avec une valorisation post-investissement de plus de 10 milliards de yuans. Sa plateforme SenseCare révèle actuellement qu'elle a coopéré avec plus de 500 hôpitaux et obtenu plus de 30 certificats d'enregistrement de dispositifs médicaux. Par rapport à une application côté C qui peut être vérifiée par la croissance des utilisateurs après son lancement, l'IA médicale doit évidemment accumuler non seulement des capacités de modèle, mais également des hôpitaux, des données cliniques et des systèmes de conformité.

L'éducation est similaire. Zhibei Technology, fondée en 2023, a finalisé le cycle de financement pré-A en janvier de cette année, pour un montant de plusieurs millions de dollars américains ; Dance with Love, fondée la même année, et son produit d'enseignant d'IA « Ai Xue » ont dépassé les dizaines de millions de yuans de revenus mensuels. En novembre 2025, elle avait réalisé 4 tours de financement, pour un montant total de financement d'environ 150 millions de dollars américains. Ses produits ont passé plusieurs mois à tester des indicateurs tels que le taux de réussite des cours et le taux de remboursement avant d'être mis en ligne. La question de savoir si un produit éducatif basé sur l’IA peut réellement améliorer les effets d’apprentissage nécessite souvent une observation plus longue.

Pour ce type d’entreprise, le capital doit attendre que le produit prouve son efficacité.

Le deuxième type est une entreprise dont la valeur peut être directement prouvée par sa performance opérationnelle. Leur échelle de financement n'est peut-être pas grande, mais ils peuvent disposer plus tôt de données claires sur leurs revenus et leurs clients. GEO, qui se réchauffe rapidement cette année, en est un exemple.

L'ère du smart push, qui n'a été créée qu'en 2025, a généré des dizaines de millions de yuans en rondes providentielles cette année. Au premier semestre de cette année, la société a révélé que l'ARR avait dépassé 100 millions de yuans ; elle dessert actuellement plus de 400 clients et on s'attend à ce que le ARR pour toute l'année 2026 s'élève à près de 200 millions de yuans. Deepin Yunhai, qui a également été créée en 2025, a finalisé un cycle de financement providentiel de plusieurs millions de dollars en octobre 2026, avec un chiffre d'affaires annuel atteignant des dizaines de millions de yuans.

Par rapport aux modèles de formation basés sur la vidéo, les besoins financiers de ces entreprises ne sont évidemment pas du même niveau. Cependant, le montant de financement plus faible ne les empêche pas de vérifier d'abord leurs besoins auprès des clients et de leurs revenus.

Le troisième type consiste à attendre les entreprises dont la demande est mature, et le rythme du financement dépend de la maturité du marché. La sécurité de l’IA est une telle piste.

Un professionnel de la sécurité de l'IA a déclaré à « Focus One » que ce n'est pas qu'il n'y a pas de demande en matière de sécurité, mais que l'accent mis par de nombreuses entreprises sur les risques liés à l'IA n'a pas complètement suivi la vitesse d'application. Avant l’apparition d’un événement à risque suffisamment important, les entreprises ne sont pas disposées à allouer un budget spécifiquement à la sécurité de l’IA.

Mais à mesure que les agents commencent à accéder aux données internes de l’entreprise, à appeler des outils et même à effectuer des tâches de manière autonome, cette demande commence à devenir évidente. Après qu'EgeCloud ait finalisé un financement de plusieurs centaines de millions de yuans de série B en mai de cette année, la société a encore étendu ses produits, de la sécurité des bureaux à la gestion unifiée de la sécurité « personnes + IA ». En septembre, elle a finalisé près de 100 millions de yuans de financement de série B+, et les fonds continuent d'être investis dans la plateforme de gouvernance d'entreprise des personnes et des agents d'IA.

Les opportunités dans certains secteurs attendront que l’IA entre véritablement dans le processus commercial de base, et la demande potentielle initiale deviendra alors un achat évident.

Le montant du financement n’est donc pas égal à l’ampleur de l’opportunité. Certaines pistes doivent attendre que les résultats soient prouvés, d'autres doivent attendre que les revenus parlent en premier, et d'autres encore doivent attendre que la demande mûrisse. Pour juger si un titre a une chance, au lieu de regarder combien d’argent il faut, il vaut mieux regarder comment il est utilisé et combien de temps il faut pour prouver sa valeur.

03. Quand les géants sont condamnés, les start-up doivent encore franchir trois obstacles

La concurrence pour les applications d’IA est bien plus complexe qu’elle ne l’était il y a quelques années.

D’une part, les capacités des grands modèles continuent d’être rapidement mises à niveau. Un produit qui semble établi aujourd’hui pourra faire l’objet d’une mise à jour du modèle de base demain. D'un autre côté, Doubao et Yuanbao se disputent l'entrée générale de l'IA. Alibaba, Tencent et Byte travaillent tous sur des bureaux et des agents. La génération vidéo, la programmation d’IA, l’éducation, le marketing et même les traitements médicaux sont également très fréquentés par les grandes entreprises.

De l'avis de Megan, l'avantage des grands fabricants n'est pas seulement plus d'argent. Par rapport aux équipes entrepreneuriales, elles fabriquent des produits plus rapidement, disposent de canaux d'investissement et de mécanismes de croissance des utilisateurs plus matures, et disposent d'un grand nombre d'utilisateurs et de données existants. Si les nouvelles applications n’ont pas ces expériences et apprennent simplement la croissance des utilisateurs, elles seront beaucoup plus lentes qu’elles.

Pour les startups, elles doivent prouver ce qu’elles peuvent laisser derrière elles après l’entrée des grands fabricants.

La première est de savoir si les startups peuvent établir leur propre valeur indépendante lorsque les grandes entreprises sont à la fois alliées et rivales.

Aujourd’hui, les relations entre grandes entreprises et startups deviennent de plus en plus compliquées. En octobre, la startup d'agents personnels Today AI a annoncé avoir finalisé un financement total de plus de 200 millions de dollars américains. Parmi les investisseurs, Tencent et Ant Group sont également apparus, ainsi que le tour des investisseurs providentiels et la grande société modèle Step Star. Son fondateur Qi Junyuan était auparavant vice-président des produits Byte Feishu et responsable de la version PC de Doubao.

Mais d'un autre côté, Tencent fait la promotion de ses propres produits Agent, et Lingguang, propriété d'Ant, augmente également ses capacités d'exécution de tâches personnelles. Pour Today AI, le capital industriel a apporté des fonds et des ressources, mais il n’a pas éliminé la concurrence. Il doit encore rivaliser avec les produits des actionnaires pour la prochaine génération d'IA personnelle.

De telles relations sont de plus en plus courantes. Si les grandes entreprises investissent dans des sociétés externes, elles s’engagent également elles-mêmes dans des activités similaires. Une startup doit prouver que même sans les ressources des actionnaires, elle a toujours une valeur qui ne peut pas être facilement remplacée.

Deuxièmement, avec l’itération rapide des capacités des modèles, les barrières techniques des sociétés d’applications sont également constamment impactées.

Bryan Liu estime que si l'avantage d'une entreprise est simplement d'appeler un meilleur modèle général, cette capacité n'est pas exclusive. Les mises à niveau de modèles peuvent même avoir simultanément deux effets opposés. D'une part, cela peut aider les sociétés d'applications à réduire les coûts de développement et de livraison ; d'un autre côté, cela peut également transformer les fonctions initialement chargées d'une entreprise directement en capacités de base accessibles à tous.

Aujourd’hui, l’IA reconnaît cette pression. Dans une interview avec les médias cette année, son équipe a déclaré que l'IA personnelle est encore dans une phase de compétition très homogène et que les différences sur un ou deux points fonctionnels pourraient bientôt être comblées par les concurrents.

Selon Megan, un type d'opportunités pour les startups provient de scénarios suffisamment segmentés et expérimentaux pour que les grandes entreprises manquent temporairement de motivation pour s'y lancer ; une autre voie consiste à créer d’abord des communautés et des relations autour d’un petit groupe d’utilisateurs principaux, puis à laisser le produit se développer. Les avantages de ces entreprises ne proviennent pas nécessairement d'une technologie plus performante, mais peuvent provenir d'une compréhension plus approfondie d'utilisateurs spécifiques et de l'accumulation de l'équipe dans une communauté, une croissance ou un secteur particulier.

Lorsque Ding Boran juge les sociétés d'applications d'IA, il valorise les données uniques, le savoir-faire du secteur, les relations clients et l'intégration dans des flux de travail réels. Par exemple, les applications ToB peuvent rapidement acquérir des clients et les intégrer dans les flux de travail des clients, tandis que les applications ToC peuvent rapidement acquérir des clients et accumuler des données utilisateur, formant ainsi un volant de données. Ce sont des choses difficiles à copier à court terme pour les grands constructeurs. Si un financement suffisant peut être obtenu et que l’acquisition ultérieure de clients peut être accélérée, certains obstacles peuvent se former.

Mais Megan estime que les « données » en elles-mêmes ne constituent pas nécessairement une barrière naturelle. Par rapport aux données statiques obtenues une fois, ce qui est plus précieux, c'est le comportement, l'interaction et la mémoire laissés par les utilisateurs utilisant le produit pendant une longue période, ainsi que la compréhension continue de l'utilisateur formée par l'entreprise au cours du processus.

En outre, les startups doivent également répondre à une question plus réaliste : si les avantages peuvent être reproduits à grande échelle.

Bryan a rappelé que certaines entreprises verticales d'IA peuvent facilement devenir une société de services basée sur des projets dans le cadre du processus « d'approfondissement de l'industrie ».

Certaines entreprises d’IA peuvent générer de bons revenus en servant un petit nombre de clients dès le début. Cependant, si chaque client supplémentaire nécessite de reconcevoir le processus et d'investir dans davantage d'ingénieurs et de personnel de service, alors à mesure que les revenus augmentent, les coûts augmenteront également. Dans ce cas, même si vous disposez d’un savoir-faire approfondi dans le secteur, vous pourriez simplement développer une entreprise basée sur des projets plutôt que de créer un produit d’IA véritablement évolutif. Par exemple, la société médicale AI doit prouver qu'elle peut copier le modèle du principal hôpital dans davantage d'hôpitaux, et la société GEO doit prouver que la croissance dépend des produits et non de la main-d'œuvre.

Par conséquent, lorsque les grands fabricants entrent pleinement dans la couche application et que les modèles sous-jacents sont constamment mis à niveau, pour les principaux acteurs de la génération visuelle, les capacités des modèles restent la solution, mais pour un plus grand nombre d'entreprises d'applications d'IA, ces trois questions de test peuvent être plus décisives que « quel modèle est utilisé » pour déterminer jusqu'où elles peuvent finalement aller.

Respect de l'œuvre originale, si vous êtes qualifié, vous devriez être apprécié.

Conformément à l'exigence de nom réel de la loi sur la cybersécurité, veuillez lier votre numéro de téléphone portable avant de poster un commentaire.

Exprimer

09:52

Le concept de PCB a poursuivi son rebond précédent et Sihui Fushi a augmenté de plus de 10 %.

09h45

Bitcoin dépasse les 74 000 $

Le Guangdong prévoit de publier les « Exigences techniques pour une infrastructure numérique Internet intelligente à basse altitude », formulant pour la première fois un cadre technique au niveau provincial.

09h43

Le concept de fibre optique est actif, la technologie Huamai atteint sa limite quotidienne

09:39

Les valeurs des communications optiques de Hong Kong se sont renforcées, Cambridge Technology en hausse de près de 9 %

Le concept CPO a rebondi sous le choc, Cambridge Technology a clôturé sa limite quotidienne

09:38

Le concept d'IA côté terminal continue d'être fort hier, Sunsea Intelligent a réalisé 3 cartes en 5 jours

09:34

Le concept de robots humanoïdes a fluctué et augmenté, les actions Fenglong ont trois conseils d'administration consécutifs

09:33

Le concept photovoltaïque se renforce, les actions Jinchen et d'autres actions atteignent leur limite quotidienne

L'indice Nikkei 225 atteint 61 000 points à la hausse

09h31

Alibaba Semiconductor lance un coaching pour son introduction en bourse

09h30

Le secteur du cinéma et de la télévision a ouvert partiellement en hausse, Cultural Investment Holdings détenant trois actions consécutives.