AI吸走70%创投，2026年一级市场募投退同步修复

这份《2026年人工智能趋势判断》由甲子光年创始人兼 CEO 张一甲在 2026 年 8 月 20 日发布，全文用 12 个判断串起一条主线：从投资激流到下一代智能范式。

报告要回答的问题很直接：钱在往哪走，技术又在往哪走，两者是不是一回事。先看钱。2026 年上半年全球创业投资金额达到5100 亿美元，已经超过 2025 年全年，创下最高半年度投资纪录。

其中超过70%流向 AI，而 2025 年上半年这一比例约为 50%。一年时间，AI 拿走的份额多了二十个百分点。

最极端的数字是集中度：2026 上半年 OpenAI 与 Anthropic 两家公司合计吸收 2170 亿美元，占全球创投资金的四成。

下面按八个部分，把这份报告的 12 个判断拆开讲。

图源：《2026年人工智能趋势判断》（第2页） · 查看完整报告

一、一级市场拐点：募投退同步修复

判断 1 看一级市场。报告的结论是一级市场迎来拐点，募投退同步修复，科技投资进入新周期。先看投资金额。中国一级市场投资金额从 2024 年上半年的 2930 亿元，升至 2025 年上半年的 4792 亿元，再到 2026 年上半年的15500 亿元。

两年累计涨幅达到198.5%，2026 上半年的同比涨幅是 91.6%。投资事件数同步回升：2024H1 为 2502 起，2025H1 为 3088 起，2026H1 达到5195 起，同比涨幅 39.2%。退出端也在修复。IPO 数量从 2024H1 的 44 起，到 2025H1 的 51 起，2026H1 升至71 起，同比涨幅 91.6%。

LP 参与基金数从 2024H1 的 1482 起升至 2026H1 的 2714 起，涨幅 64.5%；并购交易金额从 5751 亿元升至 7049 亿元，涨幅 15.6%。报告用「募投退同步修复」概括这个变化，意思是资金募集的难度、投资出手的意愿和退出通道的畅通度，三个环节同时改善。

报告给出的判断是，这不是一次单点反弹，而是科技投资进入新周期的起点——退出通道被打通，钱才敢重新进场。

图表来源：《2026年人工智能趋势判断》（第3页） · 查看完整报告

二、四个象限：钱在什么赛道上

判断 2 是一套坐标系，报告叫「2026 甲子星空坐标系」，横轴是资本耐心度，纵轴是技术壁垒。

两个维度交叉出四个象限：高技术壁垒加高资本耐心的「硬核攻坚区」，高技术壁垒加低资本耐心的「赛道卡位区」，低技术壁垒加高资本耐心的「长坡厚雪区」，低技术壁垒加低资本耐心的「产品效率区」。

硬核攻坚区的代表赛道包括可控核聚变、国产 GPU、光刻机、量子计算、光子芯片、固态电池、先进封装、合成生物。

报告对这一区的描述是：技术门槛极高、研发周期长（5 至 10 年），需要长期资本支持，一旦成功具备压倒性优势，可重塑产业格局，适合国有资本和产业基金长期持有。

赛道卡位区的代表是通用大模型、商业航天、6G 与下一代通信、世界模型、脑机接口、低空经济、自动驾驶、AI Agent、卫星互联网、军工 AI。

报告指出这一区的特点是概念先行、资源快速集聚，形成虹吸效应，需要快速入围否则上不了牌桌，资本要求快速给出里程碑验证，否则估值容易塌。

长坡厚雪区的赛道包括工业 AI 与工业 Agent、AI 医疗、教育科技、智慧农业、养老科技——需求长期刚性，依赖场景深耕、数据积累和客户黏性，复购效应强。

产品效率区则是 AI 消费应用、AI 内容生成工具、大模型套壳应用、AI 陪伴，护城河不完全来自技术壁垒，可能来自产品定义、运营或规模，机会窗口期极短。

这套坐标系真正有用的地方在于，它把「要不要投」换成了「用什么样的钱、等多久」——技术壁垒决定能不能做成，资本耐心决定你能不能等到。

图表来源：《2026年人工智能趋势判断》（第4页） · 获取《2026年人工智能趋势判断》完整版

三、AI投资五个维度同时质变

判断 3 是整份报告里最凝练的一段：AI 投资进入激流，全球资本开支结构性重塑。报告用了五个比喻来描述这种重塑——水位、流速、流向、河道、河床，五个维度同时质变。

水位上升：2026 上半年全球创业投资金额达到5100 亿美元，超过 2025 年全年，创最高半年度投资纪录。流速加快：2026 上半年的投资节奏快于 2025 年全年平均水平，资金投入的密度明显提升。

流向汇聚：2026 上半年全球创投金额超过 70% 流向 AI，而 2025 上半年约为 50%，资金方向高度集中。河床变厚：报告预计 2026 年全球 AI 相关资本开支将超过 1 万亿美元，底层基础设施的规模量级彻底改变。

我们在整理《中欧AI白皮书：全球36%大模型源自中国》时也碰到过类似的分歧，那里的结论可以拿来对照。

河道变窄：2026 上半年 OpenAI 与 Anthropic 两家公司合计吸收 2170 亿美元，占 H1 全球创投资金的四成。报告把河道变窄列为一个独立的判断维度，含义是资金越来越向少数标的集中，中间层公司拿钱的难度反而在上升。

把五个维度连起来看，报告想说的是：钱的绝对量在涨，但分配比以前更极端——水位上升的同时河道变窄，这是两种相反的力量。

图源：《2026年人工智能趋势判断》（第5页） · 下载报告全文

四、四个世界的智能：数字领跑，物理追赶

判断 4 提出一个分析框架：四个世界的智能彼此正交，同步演化，铺就未来十年投资方向。四类智能分别是数字智能、物理智能、科学智能和社会智能。报告给的定义很清晰。

数字智能是 AI 参与认知和生产系统；物理智能是 AI 参与现实世界物理交互；科学智能是 AI 参与科学发现和知识构建；社会智能是 AI 参与组织和社会运行。

报告用一句更精炼的话概括四种环境规律：数字讲程序与语义，物理讲接触与运动，科学讲实验与证据，社会讲信念与规范。

从投资数据看，四类智能的投资同步升温，但节奏不同——数字智能领跑，物理、科学、社会智能梯次放量。报告给出 2022H1 至 2026H1 全球亿美元以上融资项目的赛道分布，数字智能的曲线明显高于其他三类，物理智能紧随其后。

报告还列出了一批代表项目：数字智能有 GPT 系列、Claude、DeepSeek、Qwen、GLM、Kimi；物理智能有 FSD、Galbot G1、Gemini Robotics；科学智能有 AlphaFold、AlphaGeometry、DeepSeek-Prover。

这个框架的价值在于，它解释了为什么机器人、科学 AI 和社会仿真会同时成为热点——它们不是四个风口，而是同一件事在四个方向上展开。

图源：《2026年人工智能趋势判断》（第7页） · 下载报告全文

五、Harness被低估：同样的模型，分数差15.6%

判断 6 是这份报告里最反直觉的一段，主题是 Harness——可以理解为模型外围的运行支撑系统。报告的结论是：强模型不会终结系统工程，自优化 Harness 成为下阶段看点。

支撑这个结论的是一组对照数据。在各项基准测试中，同样基模搭配不同 Harness，成绩变化显著。报告统计了 64 组「同模型、不同 Harness」的公开对照，分数差距中位数约为15.6%。

分项看，差距最大的是 SWE-bench Verified Mini，达 31%；GAIA 为 27.30%；TAU-bench Airline 20%；CORE-Bench Hard 15.60%。后面依次是 SWE-bench Lite 12%、ScienceAgentBench 11.80%、SWE-bench Multimodal 10.90%、SWE-bench Verified 10%、Online Mind2Web 8%。报告把 Harness 的能力划成五级递进：H0 最小基线只有任务描述和代码库；H1 加入工具与测试命令；H2 增加项目记忆、任务状态和上下文选择机制。

H3 增加验证、归因与长期运行支持；H3+ 是「可组合元框架」，支持插件树组装、配置分层组合和能力接口解耦。更关键的是自优化效应。报告引用的实验显示，模型权重不变，Harness 通过自主迭代能持续提升性能，在 Terminal-Bench 2.0、SWE-bench Verified、AppWorld 三项测试上，提升幅度分别达到+132%、+113%和+104%。

报告给出的量级判断是：Harness 贡献了 30% 到 50% 的最终得分——这意味着只盯着基座模型排名的做法，会系统性低估系统工程的价值。

图源：《2026年人工智能趋势判断》（第8页） · 下载报告全文

六、世界动作模型：补上机器人的预测层

判断 7 讲具身智能的一个技术分岔：世界动作模型（WAM）补上 VLA 的预测层，赋能机器人决策闭环。先解释两者的差别。VLA 是视觉-语言-动作模型，逻辑是「看到以后直接动」，从当前观察和任务指令直接输出动作序列。

WAM 是世界动作模型，逻辑是「看到，推演，再行动」——除了当前状态和任务目标，还会先预测未来状态，再据此生成动作序列并执行反馈。

报告给出的对照实验很有说服力。在任务成功率上，VLA 阵营的 π0.5 为 58.6，X-VLA 为 53.1。而 WAM 阵营表现更好：MOTUS 为 71.5，LingBot-VA 达到 74.2，Fast-WAM 为 72.7。综合鲁棒性测试覆盖八类变化场景：原始场景、相机变化、机器人变化、语言变化、光照变化、背景变化、噪声变化、布局变化。

报告特别指出，WAM 在布局变化场景的优势尤其突出。原因是它能回答一个 VLA 无法回答的问题——「如果这样做，世界会如何变化」。

报告还点出了 WAM 的现实价值：用更少真实机器人数据完成迁移。VLA 的泛化依赖大量机器人数据，而 WAM 通过在想象空间中辅助规划，降低了对真实数据的依赖。

报告的核心判断是：VLA 缺少物理世界模型，难以处理未见场景，而 WAM 补上这一层之后，机器人的决策才真正闭环。

七、RSI：AI开始改「改进自己的方法」

判断 8 到判断 12，报告讨论了几个更长周期的问题。先说最受关注的一个：RSI 递归自进化。报告的标题很直接——AI 不仅改自己，还开始改「改进自己的方法」。

它用一句话概括分层自我改进的跃迁：从 Improve H 走到了 Improve how to improve H。报告给出了 RSI 的七级阶梯：L0 AI 自主执行、L1 AI 自我纠错、L2 AI 自我学习、L3 AI 改进 AI 系统、L4 AI 改进「如何改进 AI」、L5 AI 自主研发下一代 AI、L6 RSI 能力进化。

架构上，报告展示了 Meta-Evolver 的三层递归：执行层负责做任务，进化层负责改 Harness，元进化层负责改进化器策略。研究热度的数据也很直观。2025 至 2026 年被系统梳理的 RSI 相关 arXiv 论文数量从 2025Q1 到 2026Q2 大幅抬升，2026 年研究集中在部署与训练阶段的自进化。

报告还给出一个对照实验：冻结模型通过改进「改进策略本身」带来的性能提升，在 BabyAI 上是 +4.0，Crafter 上是 +8.2，TextWorld 上是 +19.0，MiniHack 上是 +10.0。AI for Science 部分，判断 8 的结论相对谨慎。报告认为 AI 尚未实现科学发现的「关键一跳」——从经验事实到全新理论公理的直觉飞跃。

报告把科研闭环划成四级：流程闭环（AI Scientist，端到端跑通数字科研流程）、实验闭环（Co-Scientist，提出假设并接入真实实验验证）、物理闭环（AI X-ray Scientist，规划并执行真实世界实验）、知识闭环（Astra 十道开放题加 Lean 证明，产生原创结果并接入形式化验证）。

报告的判断是，科学流程可以被工程化，但真正的范式革命还没发生——AI 目前能重构科学过程，还不能替代那一次直觉飞跃。

八、社会智能萌芽，以及第四次跌落

最后两个判断分别是社会智能和人文反思，报告把它们放在整份 PPT 的收尾位置，分量不轻。判断 10 认为社会智能正在萌芽，要求 AI 理解并参与角色分工、组织协作、制度约束与长期演化。

报告汇总了多家机构对这个概念的界定。北京通研院朱松纯的定义是：社会智能是在大的物理时空中形成结构化、体系化的智能系统，不仅涉及个体间的即时社交，更涵盖角色分工、组织协作、制度约束与长期演化等宏观维度。

清华大学的定义侧重模拟器：社会智能是基于大模型的大型社会模拟器，包括大模型驱动的社会人智能体、真实城市社会环境、大规模社会模拟引擎和智能社会科学研究与治理工具箱。

中国人民大学的定义偏向预测：社会智能是对人类社会动力学的建模和预测，正在从社会模拟器演进向社会世界模型。

斯坦福大学（Generative Agents）的定义落在个体：社会智能是具备长期记忆、自我反思、自主规划的大模型智能体。

报告用个体层面、组织层面、社会层面三级结构来描述演进路径：从单智能体的心智底座，到多智能体协作单元的角色分工与目标协同，再到大规模型智能体社会的网络演化与宏观涌现。

判断 12 转向人文。报告提出这是人类历史上「自我中心」的第四次跌落，前三次分别是哥白尼（人不是宇宙物理中心）、达尔文（人不是生物演化中心）、弗洛伊德（人不是自我意识中心）。

第四次是「人不是智能的中心」。报告认为，AI 时代需要科学与人文共同回答「何以为人」。

把 12 个判断连起来看，这份报告真正想表达的是：技术路线的分岔和资本流向的分岔，最终会汇到同一个问题上——AI 到底在替代什么。

想获取人工智能、科技投资与前沿技术方向的完整报告和方案，可以到运营动脉（www.yydm.cn）检索。

2026年上半年全球AI投资有多热？

报告数据显示，2026 年上半年全球创业投资金额达到 5100 亿美元，超过 2025 年全年，创最高半年度投资纪录。其中超过 70% 流向 AI，而 2025 年上半年约为 50%；OpenAI 与 Anthropic 两家公司合计吸收 2170 亿美元，占 H1 全球创投资金的四成。报告预计 2026 年全球 AI 相关资本开支将超过 1 万亿美元。

2026年中国一级市场投资情况如何？

中国一级市场投资金额从 2024 年上半年的 2930 亿元升至 2026 年上半年的 15500 亿元，两年累计涨幅 198.5%，2026H1 同比涨幅 91.6%。投资事件数从 2502 起升至 5195 起，涨幅 39.2%；IPO 数量从 44 起升至 71 起；LP 参与基金数从 1482 起升至 2714 起。报告概括为募投退同步修复。

什么是 Harness，为什么它被低估？

Harness 是模型外围的运行支撑系统。报告统计 64 组「同模型、不同 Harness」的公开对照，分数差距中位数约 15.6%，其中 SWE-bench Verified Mini 差距达 31%。Harness 贡献了 30% 到 50% 的最终得分。模型权重不变的情况下，Harness 自主迭代在 Terminal-Bench 2.0、SWE-bench Verified、AppWorld 上分别带来 +132%、+113% 和 +104% 的提升。

世界动作模型WAM和VLA有什么区别？

VLA 是视觉-语言-动作模型，逻辑是「看到以后直接动」，从当前观察和指令直接输出动作。WAM 是世界动作模型，逻辑是「看到，推演，再行动」，会先预测未来状态再生成动作。

任务成功率上，VLA 阵营 π0.5 为 58.6、X-VLA 为 53.1，而 WAM 阵营 LingBot-VA 达 74.2、Fast-WAM 为 72.7，综合鲁棒性明显领先。

RSI递归自进化现在到什么程度了？

报告把 RSI 划成七级阶梯，从 L0 AI 自主执行、L1 自我纠错、L2 自我学习，到 L3 改进 AI 系统、L4 改进「如何改进 AI」、L5 自主研发下一代 AI、L6 RSI 能力进化。报告给出的对照实验显示，冻结模型通过改进「改进策略本身」，在 BabyAI 提升 +4.0、Crafter +8.2、TextWorld +19.0、MiniHack +10.0。

AI for Science离突破还有多远？

报告的结论是 AI 尚未实现科学发现的「关键一跳」——从经验事实到全新理论公理的直觉飞跃。

报告把科研闭环划成四级：流程闭环、实验闭环、物理闭环、知识闭环。目前已有 Astra 十道开放题加 Lean 证明等进展，但科学流程的工程化与真正的范式革命仍是两回事。

接着可以看的几篇报告解读

想继续往深里看，下面这几篇是同一主题线上比较扎实的解读。

《食品饮料2026秋季策略：底部显现》——顺着这条线可以接着看

《智能焊接机器人蓝皮书：2030年市场60亿元》——切口是2030年市场60亿元

《月狐Q2报告：即时零售同比大增112.3%》——切口是即时零售同比大增112.3%