PitchBook 的数据显示，亚洲初创企业的表现略逊于欧洲同行。2 月至 5 月期间，风险投资公司在 515 笔交易中仅向亚洲人工智能初创企业投资了 30 亿美元。

在唐纳德·特朗普总统的领导下，美国大幅削减了与基础人工智能研究相关的科研经费，加大了人工智能专业外国学生赴美学习的难度，并威胁冻结数十亿美元的联邦资金，以拆除大学设立的人工智能实验室。与此同时，包括报复性关税在内的美国政府贸易政策导致市场混乱，不利于高风险的新型人工智能企业的发展。

人工智能先驱、诺贝尔奖获得者杰弗里·辛顿 (Geoffrey Hinton) 在 3 月份的 X 帖子中呼吁亿万富翁埃隆·马斯克 (Elon Musk) 被英国皇家学会开除，因为他直到最近还为特朗普的成本削减部门政府效率部提供建议，“因为他对美国的科学机构造成了巨大的损害”。

鉴于特朗普在美国的争议性政策，给创始人、投资者和研究人员带来了不确定性和困惑，人们或许会认为，致力于成为人工智能全球领导者的欧洲将会吸引更多风险投资。此外，欧盟已承诺投入数千亿欧元支持其成员国的人工智能发展，并且已经拥有一批成功且资金充足的人工智能初创企业（例如 Mistral、H 和 Aleph Alpha）。

但预期中的全球投资转移并未实现。目前还没有任何迹象表明风险投资大规模流向欧盟，海外人工智能投资也并未出现显著增长——至少目前还没有。

中国的情况也一样。中国催生了像DeepSeek和蝴蝶效应（代理平台Manus背后的公司）这样备受瞩目的人工智能初创公司，但中国乃至整个亚洲地区的风险投资活动仍然相对低迷。（出口管制影响了某些亚洲国家采购人工智能芯片的能力，这几乎肯定是一个因素。）

2024年，北美初创企业获得了所有人工智能风险投资的75.6%，即1062.4亿美元。这一比例在今年持续上升。截至2025年，北美人工智能投资占全球人工智能风险投资总额的86.2%（797.4亿美元）。

这幅图景多少有些令人惊讶。即使在特朗普第二任期内政治和监管阻力不断加大的情况下，美国仍然是无可争议的人工智能资本中心。这意味着，尽管投资者可能对政府的不可预测性感到厌倦，但他们仍然指望美国的创新能够带来最大的回报，至少目前如此。

　　1.人工智能市场总览

我们将人工智能行业细分为13类：

深度学习/机器学习（通用）：这类公司主要建立可依靠现存数据进行学习的算法。典型例子包括预测数据模型与分析行为数据的软件平台。

深度学习/机器学习（应用）：这类公司同样使用计算机算法，但却是基于非常垂直的特殊案例中存在的数据运行。典型例子有利用机器学习技术侦查金融诈骗或者识别最好的销售线索。

自然语言处理（通用）：此类公司构建的算法能够处理输入的自然语言，并将其转化为可理解的表达。例子包括文本自动生成以及文本挖掘生成数据。

自然语言处理（语音识别）：公司产品能够处理人类语音的片段，准确识别单词并推测含义。典型的例子是语音指令的检测并将其转化为可执行的数据。

计算机视觉/图像识别（通用）：这类公司研发的技术主要是图像处理、分析，可从中提取信息、识别图像中的物体。典型例子包括图像搜索平台和研发员使用的图像标签应用程序接口。

计算机视觉/图像识别（应用）：这类公司是在非常垂直的案例中使用图像处理技术。典型案例包括面部识别软件和能让用户通过拍照搜索商品的软件。

手势控制：公司产品可让用户通过手势与计算机互动或交流。典型例子包括让人们通过肢体动作控制游戏角色的软件以及仅用手势就能控制计算机和电视的软件。

虚拟私人助手：这是一类基于反馈和指令来为个体完成日常任务和服务的软件助理。典型例子有网络客服助理和个人助理app，管理个人日程安排等。

智能机器人：可以进行经验学习并根据身边环境自主进行活动的机器人。典型例子有家庭机器人，可以在互动中根据情感做出反应，还有帮助人们找到商品的销售机器人。

推荐引擎和协助过滤算法：软件能够预测用户对电影、餐厅等的偏好，并推荐个性化的内容。典型例子有音乐推荐app和基于用户过去选择进行推送的美食推荐网站。

情境感知计算：软件能够自动感知周围环境以及使用背景，例如位置、方向、光度，并以此调整行为。典型例子包括感知环境的黑暗度并调高亮度的应用。

语音翻译：识别人类语音并立刻自动从一种语言翻译至另一种语言的软件。典型例子是自动以及实时的将视频谈话或网络研讨会翻译为多种语言的软件。

视频内容自动识别：这类软件可以将视频内容的一个样本与源内容文件相比较，通过它独特的特点识别内容。典型例子有对用户上传的视频与版权视频文件比较以侦测是否侵权的软件。

　　2.不同分类的人工智能公司数量

上面的数据图统计了每类人工智能公司的数量，我们可以清晰地看出哪类细分行业是当今人工智能市场的主要构成。机器学习（应用）分类以263家公司的数量遥遥领先，自然语言处理公司以154的数量位列第二。

　　3.不同类别的人工智能公司的融资额

图表展示了每类人工智能公司的总融资金额。机器学习（应用）再次以20亿美金的总量占据了市场主导的地位，是第二位自然语言处理类别的三倍。

　　4.人工智能领域的风险投资

图表将每类人工智能的总风险投资额与其公司数量放在同一张图内比较。机器学习（应用）类在两者中都稳坐第一。自然语言处理以6.62亿美金的风险投资额和154个公司位列其二。

　　5.人工智能行业年度总投资额

图表列出了每一年人工智能公司所获取的总资金数量。2015年是人工智能的大丰收年，有着12亿美金的总资金量，2014年获得10亿美金融资位居第二。

　　6.不同类别的人工智能公司平均融资额

上图是每一类人工智能公司的平均融资额。机器学习（应用）类以平均每家公司1700万美金的资金量占据第一，智能机器人与智能控制类公司以1400万美金跟随其后。

　　7.不同类别中公司的平均年龄

上图给出了不同类别中公司的平均年龄。语音翻译类公司以平均13年的年龄成为最成熟的人工智能细分类别，是接下来三个平均年龄为8年的人工智能分类（手势控制、视频内容识别和语音识别）的1.5倍。

　　8.不同种类人工智能公司的年龄中位数

上图是每类人工智能公司的年龄中位数。视频内容识别以7.8年的年龄中位数排行第一，语言间翻译类则以7.2年排列第二。

　　9.不同国家人工智能公司的数量

上面这张地图展示了不同国家拥有的人工智能公司数量。美国以499家人工智能公司位列第一，英国则以60家排行第二。

　　10.不同国家对人工智能的风险投资

这张地图显示了不同国家对人工智能行业的风险投资额。美国最多，有着42亿美金的风险投资额。瑞士则以2.34亿美金位居第二。

　　11.每年创建的人工智能公司数量

上图统计了每一年新创立的人工智能公司数量。2013年有118家公司创立，排名第一，2012年以103家的数量排行第二。

　　12.同一年份创立的人工智能公司总融资额

上图统计了同一年份创立的人工智能公司获得的总融资额。在2010年创立的公司以5.66亿美金的融资额排列第一。2012年创立的公司总融资额为5.56亿美金，位居第二。

　　13.人工智能公司雇员数量分布

图表统计了有着不同职员量的公司在整个行业中占据的比例。结果显示90%的公司职员数在1-50之间。

　　14.不同投资者投资多少轮人工智能公司

上图统计了多家投资者对人工智能行业的投资次数。Accel在众人之间脱颖而出，它在这个行业有着23次投资。New Enterprise Associates则以18次位列第二。

　　15.投资者所支持的人工智能公司数量

图表统计了多家投资机构所投资的人工智能公司数量。Accel再次以总计投资了20家人工智能公司占据第一，大约是第二名Intel Capital（14家公司）的1.5倍。

随着人工智能的持续发展，其中的细分行业也在前进。我们希望这篇文章能够为你带来对这个爆炸式发展的行业更加全面清晰的总览。

来自：机器之心