2026 年、AI アプリケーションの資金はどこに行くのでしょうか?

この記事には自動翻訳が含まれる場合があります。確認のため原文ソースへのリンクを掲載しています。

2026 年、AI アプリケーションの資金はどこに行くのでしょうか?

固定フォーカス 1

2026.11.11 09:42

· 河北省出身

全文 5488語

テキスト | Dingjiao One (ディンジャオネ)、著者｜Li Mengran、編集者｜Wei Jia

2026年になっても、AI融資市場における「最大の」資金は依然として大規模なモデルやコンピューティング能力などの基本的な機能に流れるだろう。しかし、アプリケーション層で資金調達の話が頻繁に発生し始めています。

Zhixixiの統計によると、2026年上半期、国内のAI産業チェーンにおける数億元の資金調達のうち、AI応用分野の資金調達イベントが最も多く、合計33件であった。そのうち、ビデオ、画像、3D生成が40％近くを占め、AIエージェントが約20％を占めています。エンタープライズアプリケーション、AI医療/医薬品、AI金融、AIマーケティングなどの分野でも10億元規模の資金調達が行われている。

Megan は、Origin Community の GTM 公共福祉コミュニティの創設者であり、国内 C エンドアプリケーションの海外トレーダーです。彼女は「フォーカス・ワン」に対し、投資機関とのコミュニケーションの経験から、AIアプリケーションに対する資本の態度は今年、一連の変化を経験したと語った。今年の前半は概して前向きだったが、夏の終わりから秋の初めまでに一部の機関は慎重になった。理由は 2 つあります。1 つは、身体化された知性などの痕跡が注意をそらすことです。第二に、一部の AI アプリケーションは多額の資金を投資したにもかかわらず日常的な活動、人気、商業化を達成できず、その出口についてさらに議論が集まり始めました。 10月に入ってから市場の注目が高まっていますが、投資家は自社開発モデルの機能、技術的障壁、あるいは差異を生み出す可能性のあるソフトウェアとハードウェアの組み合わせにより多くの注目を集めています。

投資家が慎重になり、資金の流れが不均一になっている。 AI 開発企業の Yanyu Technology は、6 月にシリーズ B+ 資金調達で約 3 億米ドルを完了し、投資後の評価額は 20 億米ドルを超えました。医療、教育、マーケティング、セキュリティなどの業界では、数千万元から数億元の融資を受ける企業が増えている。同時に、Byte、Alibaba、Tencent、Kuaishou などの大手メーカーが、ほぼすべての人気アプリケーショントラックに登場しています。

なぜ資金がいくつかのトラックに集中しているのでしょうか?資金調達が限られている業界はチャンスが少ないのでしょうか?大手メーカーの攻勢にさらされる中、新興企業はどうやって生き残るのか？

01. ビデオ、画像、3D で誰よりも早く「大金」を手に入れましょう

AI応用企業の今年の大規模な資金調達をまとめると、資金の流れはより直感的になるだろう。

IT Orangeの統計によると、今年上半期に画像とビデオの生成に代表されるAIGCアプリケーショントラックで合計84件の資金調達が行われ、総額596億500万元、1件当たりの平均7億1000万元となり、すべてのAI部門の中で最高額となった。このうち、Shengshu Technology、Sand.ai、LiblibAI/Yanyu Technology、Aishi TechnologyのAIGCアプリケーション企業4社は総額93億7,800万元を調達した。

今年に入ってから映像制作関連企業への大型融資が続いている。

AIビデオ企業Aishi Technologyが3月に3億米ドルのシリーズCラウンドの資金調達を完了した後、7月には全体のシリーズC資金調達規模が29億8000万元に達した。 6月、LiblibAIの親会社Yanyu Technologyは3億米ドル近いB+ラウンドの資金調達を完了し、投資後の評価額は20億米ドルを超えた。 7月、Shengshu Technologyは5億米ドル以上の資金調達ラウンドを完了した。 AI 3D 企業 VAST は、総額約 30 億元のシリーズ B および B+ ラウンドの資金調達が 9 月に完了し、半年足らずで累計約 50 億元の資金調達が完了したと発表した。 Meshyは7月にシリーズBで約4億米ドルの資金調達を完了した。

なぜビデオと 3D が最初に大きな利益をもたらすのでしょうか?

Dewu Capital の投資家である Ding Boran 氏は、資本が最初に注目するのは市場の天井だと「Focus One」に語った。 ToC アプリケーションでは、ビデオは依然として最も豊富なコンテンツと最も広く要求されているコンテンツを備えたメディア形式の 1 つであり、3D は次の段階では新しいコンテンツキャリアになる可能性があります。「大きなチャンス」に賭ける必要がある資本にとって、このタイプのトラックは大企業に対応する可能性が高く、継続的な投資に値します。

市場は十分に大きいが、それは単なる前提条件にすぎない。 Alumni Venturesの投資ディレクター、ブライアン・リュー氏は「フィックスド・フォーカス・ワン」に対し、ビジュアル生成には資本に好まれやすいもう一つの特徴がある、それは製品のフィードバックサイクルが短いことだと語った。

「ビデオ、写真、または 3D 素材を生成した後、コンテンツが利用可能かどうか、ユーザーが使用して支払う意思があるかどうかは、比較的短期間で確認できることがよくあります。」この機能により、この世代の製品が前世代よりもどのように優れているかを示す効果の長期検証が必要な一部の業界アプリケーションに比べて、ビジュアル生成が容易になります。

ビジュアル生成企業のグループは、事前に定量化可能な商業化指標をすでに達成しています。

Aishi Technology の子会社である PixVerse は、2024 年 11 月に商用化を開始する予定です。2025 年 10 月までに、開示された ARR は 4,000 万米ドルを超え、ユーザー数は 1 億人を超えています。収益は主に海外市場での会員のサブスクリプションから得られます。 Yanyu Technology は、2026 年 5 月の時点で、同社の全体的な ARR が 3 億米ドルに達したことを明らかにしました。 Capital は、ユーザー規模、サブスクリプション収益、API コールなど、従来のインターネット企業に近い指標を使用して AI アプリケーション企業を測定できるようになり始めています。

ただし、急速な商業化がすべての理由ではありません。ビジュアル生成は、AI アプリケーションの中でも多額の資本投資が行われるカテゴリーでもあります。 Aishi Technology の資金調達目的には、ビデオ生成の基本モデル、リアルタイムの世界モデル、および世界的な製品の成長が含まれます。 VAST は Tripo を運営するだけでなく、継続的な資金の消費を必要とする 3D 基本モデル、データ、世界モデルの研究開発にも継続的に投資を行っています。

アイシテクノロジーは以前、自社開発の大型モデルへの投資を除けば、製品事業は基本的に自己資金で賄えることを明らかにしていた。言い換えれば、製品によって生み出される収益と企業全体の資本ニーズの間には、継続的なモデル投資の層が存在します。

別のタイプの企業は、独自の基礎モデルを開発しなくても高い評価を達成できることを証明しました。たとえば、Yanyu Technology は製品を構築するために自社開発の一般的な基本モデルに依存しません。代わりに、さまざまなモデルを集約し、クリエイティブツール、ワークフロー、ユーザーエコロジーにより多くの機能を組み込みます。同社は LiblibAI コミュニティからさらに拡大し、Agent Star Stream とビデオ作成プラットフォーム LibTV を設計しました。今年5月の時点でARRは3億米ドルに達した。

したがって、「ビデオと 3D が最も多くの資金を引き付ける」という背景には、実際には 2 つの異なるロジックが重なっています。1 つのタイプの企業は、モデルの機能を向上し続けるために多額の資本を使用する必要があります。もう 1 つのタイプは、アプリケーション自体に依存してユーザー、収益、エコシステムを形成することもできます。

ビジュアル生成に加えて、エージェントは多額の資金調達が行われ始めているもう 1 つの方向です。 10月、製品をローンチしたばかりの個人エージェント会社Today AIは、累計資金調達額が2億米ドルを超えたと発表した。別のスターエージェント会社であるマナスは、同月に目標評価額約40億米ドルで5億米ドルを超える新たな資金調達ラウンドを完了し、今年のエージェントトラックで最も注目される大規模資金調達の1つとなった。

ビジュアル世代とは異なり、個人エージェントが受け取ったお金は主にチームと入場に投資されます。現在、AI の製品は 9 月に発売されたばかりです。キャピタルは、創業チームの大手メーカーからの製品経験と、パーソナルエージェントが次世代AIへの入り口となる可能性に興味を持っています。

02. 資金調達の規模がそれほど大きくない場合、チャンスは小さくなりますか?

資金調達規模の観点から見ると、今年の AI アプリケーションの分野では、ビデオ、イメージング、および 3D がほぼ最も顕著です。しかし、頻度に注目すると、垂直産業アプリケーションの方がより活発です。

iiMedia Consultingのデータによると、2026年上半期のAI産業アプリケーション（AIGCおよびAI一般アプリケーションを除く）の融資額は257億9,200万元にとどまったが、133件の融資が発生し、同統計の主要方向性の中で最も融資イベントが多いカテゴリーであり、1件当たりの平均額は約1億9,400万元となっている。

業界のアプリケーションから資金を獲得する頻度は低くはありませんが、資金はより分散されていることがわかります。

ブライアン・リュー氏の見解では、2 つのタイプのトラック自体を単純に水平方向に比較することはできません。映像、画像、3Dは技術や製品形態であり、医療、教育、マーケティング、セキュリティは産業です。本当に差が広がっているのは、企業ごとにその価値を検証する方法が異なることです。

1つ目は、「成果」を証明するまでに時間がかかるビジネスです。医療と教育は典型的な「ロングフィードバック」ビジネスです。

Ding Boran 氏は、医療と教育の両方がデータセキュリティ、プライバシー、コンプライアンス、資本化パスの対象となると考えています。医療系スタートアップの場合、業界データの取得、製品検証の完了、実際の業務プロセスへの移行サイクルが長く、教育系企業の場合は資本化が難しい。

ブライアン氏はさらに、医療は臨床効果を証明する必要があり、教育は学習効果を検証する必要があり、一部の ToB シナリオでは調達、支払い、および責任主体をさらに結び付ける必要があると説明しました。「これらの業界のチャンスが少ないということではなく、検証の経路が異なり、一部の業界ではより多くの時間を必要とするのです。」

センスタイムはその一例です。 SenseTimeから分離独立したこの企業は、今年4月に5億元以上のシリーズA資金調達を完了し、評価額は10億米ドルを超えた。 7月にはシリーズBで1億米ドル以上の資金調達を完了し、投資後の評価額は100億元以上となった。同社の SenseCare プラットフォームは現在、500 を超える病院と協力し、30 を超える医療機器登録証明書を取得していることを明らかにしています。リリース後のユーザーの増加によって検証できるCサイドアプリケーションと比較して、医療AIはモデル機能だけでなく、病院、臨床データ、コンプライアンスシステムも蓄積する必要があるのは明らかです。

教育も同様です。 2023年に設立されたZhibei Technologyは、今年1月にプレAラウンドで数百万米ドルの資金調達を完了した。同年に設立されたDance with Love社のAI教師製品「Ai Xue」の月収は数千万元を超えた。 2025年11月時点で4回の資金調達を完了しており、調達総額は約1億5,000万米ドルとなっている。同社の製品はオンライン化する前に、コース完了率や返金率などの指標を数カ月かけてテストした。 AI 教育製品が本当に学習効果を向上させることができるかどうかを判断するには、多くの場合、より長い期間の観察が必要です。

このタイプの企業の場合、資本は製品の有効性が証明されるまで待つ必要があります。

2 つ目は、その価値が業績によって直接証明できるビジネスです。資金調達規模は大きくないかもしれないが、明確な収益と顧客データを早期に入手できる可能性がある。今年急速に加熱しているGEOがその一例です。

2025年に始まったばかりのスマートプッシュ時代は、今年エンジェルラウンドで数千万元を完了した。今年上半期の時点で、同社はARRが1億元を超えたことを明らかにした。現在400社以上の顧客にサービスを提供しており、2026年通年のARRは2億元近くになると予想されている。同じく2025年に設立されたDeepin Yunhaiは、2026年10月に数百万規模のエンジェルラウンドでの資金調達を完了し、年間収益は数千万元に達した。

ビデオベースのモデルのトレーニングと比較すると、このような企業の財務ニーズは明らかに同じレベルではありません。しかし、融資額が少額であっても、顧客のニーズと収入を第一に確認することが妨げられるわけではありません。

3 番目のタイプは、需要が成熟した企業を待つもので、資金調達のペースは市場の成熟度によって異なります。 AIセーフティはそのようなトラックです。

AIセキュリティ専門家は「Focus One」に対し、セキュリティに対する需要がないわけではなく、多くの企業がAIリスクを重視しているが、適用のスピードに完全には追いついていないと語った。十分に強力なリスクイベントが発生する前は、企業は AI セキュリティに特化して予算を割り当てようとはしません。

しかし、エージェントが社内の企業データにアクセスし、ツールを呼び出し、さらには自律的にタスクを実行し始めると、この需要が明らかになり始めています。 EgeCloudは今年5月にシリーズBで数億元の資金調達を完了した後、オフィスセキュリティから「人+AI」の統合セキュリティ管理まで製品をさらに拡大した。 9月にはシリーズB+の資金調達で1億元近くを完了しており、人材とAIエージェントのコーポレートガバナンスプラットフォームに資金が引き続き投資されている。

一部の業界では、AI が中核的なビジネスプロセスに本格的に参入するまで機会が得られず、その後、本来の潜在的な需要が明らかな購入となるでしょう。

したがって、融資額は機会の大きさと等しくありません。結果が証明されるまで待たなければならないトラックもあれば、最初に収入が得られるまで待たなければならないトラックもあれば、需要が成熟するのを待たなければならないトラックもあります。トラックにチャンスがあるかどうかを判断するには、どれくらいのお金がかかるかを見るのではなく、そのトラックがどのように使われ、その価値を証明するのにどれくらいの時間がかかるかを見たほうがよいでしょう。

03. 巨人が滅亡しても、新興企業は依然として 3 つのハードルを越えなければならない

AI アプリケーションをめぐる競争は、数年前に比べてはるかに複雑になっています。

一方で、大規模モデルの機能は依然として急速にアップグレードされています。現在確立されているように見える製品も、明日にはベーシックモデルのアップデートでカバーされる可能性があります。一方、豆宝と元宝はAIの一般参入を争っている。アリババ、テンセント、バイトはすべてオフィスと代理店を構えています。ビデオ生成、AIプログラミング、教育、マーケティング、さらには医療も大企業がひしめいている。

ミーガン氏の見解では、大手メーカーの利点は単に資金が多いというだけではありません。起業家チームと比較して、彼らは製品をより速く生産し、より成熟した投資チャネルとユーザー成長メカニズムを持ち、多数の既存ユーザーとデータを持っています。新しいアプリケーションがこれらのエクスペリエンスを持たず、ユーザーの増加を学習するだけの場合、アプリケーションはそれらよりもはるかに遅くなります。

スタートアップにとっては、大手メーカーが参入した後に何を残せるかを証明する必要がある。

1つ目は、大企業が味方でもありライバルでもある中で、スタートアップが独自の価値を確立できるかどうか。

今、大企業とスタートアップの関係はますます複雑になっています。 10月、個人エージェントのスタートアップ企業Today AIは、総額2億ドル以上の資金調達を完了したと発表した。投資家の中にはテンセントとアントグループも登場し、エンジェルラウンドと大手モデル会社ステップスターも参加した。創設者のQi Junyuan氏は以前、Byte Feishu製品の副社長であり、PC版Doubaoの責任者でもあった。

しかしその一方で、Tencent は自社の Agent 製品を宣伝しており、Ant 傘下の Lingguang も個人タスクの実行機能を強化しています。今日の AI にとって、産業資本は資金とリソースをもたらしましたが、競争を排除したわけではありません。次世代のパーソナルAIへの参入をめぐっては、依然として株主製品と競争しなければならない。

このような関係はますます一般的になってきています。大企業は外部企業に投資する一方で、自社でも同様の事業を行っています。スタートアップは、株主のリソースがなくなっても、簡単には代替できない価値があることを証明する必要があります。

第 2 に、モデル機能の急速な反復により、アプリケーション企業の技術的障壁も常に影響を受けています。

ブライアン・リュー氏は、企業の利点が単により優れた一般モデルを呼び出すことである場合、この能力は排他的なものではないと考えています。モデルのアップグレードは、2 つの相反する効果を同時にもたらす場合もあります。一方で、アプリケーション企業は開発コストと配信コストを削減できます。その一方で、企業が元々有償であった機能を、誰もが入手できる基本的な機能に直接変えることもできます。

現在、AI はこのプレッシャーを認識しています。今年のメディアとのインタビューで、彼のチームは、パーソナル AI はまだ非常に均質な競争段階にあり、1 つまたは 2 つの機能点の違いはすぐに競合他社によって埋められる可能性があると述べました。

Megan 氏の見解では、スタートアップにとってのチャンスの 1 つは、大企業が一時的に参入意欲を欠くほど細分化され実験的なシナリオから生まれるというものです。もう 1 つの方法は、最初に少数のコアユーザーのグループを中心にコミュニティと関係を構築し、その後製品を成長させることです。このような企業の利点は、必ずしも強力なテクノロジーによってもたらされるわけではありませんが、特定のユーザーに対する深い理解と、コミュニティ、成長、または特定の業界におけるチームの蓄積によってもたらされる可能性があります。

ディン・ボーラン氏は、AI アプリケーション企業を審査する際、独自のデータ、業界のノウハウ、顧客関係、実際のワークフローへの組み込みを重視します。たとえば、ToB アプリケーションは顧客を迅速に獲得して顧客のワークフローに組み込むことができ、ToC アプリケーションは顧客を迅速に獲得してユーザーデータを蓄積し、データフライホイールを形成できます。これらは、大手メーカーが短期間で模倣するのが難しいものです。十分な資金が得られ、その後の顧客獲得が加速できれば、一定の障壁が形成される可能性があります。

しかしミーガンさんは、「データ」そのものが必ずしも自然な障壁になるわけではないと考えています。一度取得した静的なデータと比較して、より価値のあるものは、製品を長期間使用したユーザーの行動、インタラクション、記憶、そしてその過程で企業が形成した継続的なユーザー理解です。

さらに、スタートアップ企業は、その利点を大規模に再現できるかどうかという、より現実的な質問にも答える必要があります。

ブライアン氏は、一部の垂直型 AI 企業は「業界の深化」の過程で簡単にプロジェクトベースのサービス企業になり得ることを思い出させた。

一部の AI 企業は、初期段階で少数の顧客に深くサービスを提供することで、高い収益を得ることができます。ただし、顧客が増えるたびにプロセスを再設計し、より多くのエンジニアやサービス担当者に投資する必要がある場合、収益が増加するにつれてコストも増加します。この場合、たとえ業界に関する深いノウハウを持っていたとしても、真にスケーラブルな AI 製品を形成するのではなく、プロジェクトベースのビジネスを拡大するだけになる可能性があります。たとえば、AI 医療会社は、大手病院のモデルをより多くの病院にコピーできることを証明する必要があり、GEO 会社は、成長は人材ではなく製品に依存することを証明する必要があります。

したがって、大手メーカーがアプリケーション層に完全に参入し、基盤となるモデルが継続的にアップグレードされる場合、ビジュアル生成のトッププレーヤーにとっては、モデルの機能が依然として重要ですが、より多くの AI アプリケーション企業にとっては、最終的にどこまで到達できるかを決定するために、「どのモデルが使用されているか」よりも、これら 3 つのテストの質問の方が決定的なものになる可能性があります。

原作を尊重し、資格があれば評価されるはずです。

サイバーセキュリティ法の実名要件に従って、コメントを投稿する前に携帯電話番号をバインドしてください。

急行