YOHO AI

标签： AI融资

  • 可灵 AI 单轮融了近 30 亿美元：全球视频大模型最大一笔钱

    可灵 AI 单轮融了近 30 亿美元：全球视频大模型最大一笔钱

    7月2日晚上，快手在港交所发了个公告——旗下的视频生成大模型“可灵 AI”要独立出来，单轮融资规模最高 30 亿美元，投后估值大概 180 亿美元。这个数字创下了全球视频大模型公司单轮融资的纪录，国内 AI 领域也就仅次于 DeepSeek 首轮的 70 亿美元。可灵这是要单飞了。

    30 亿美元约占可灵扩大后注册资本的 16.67%，对应投后估值约 180 亿美元——全球视频基础模型赛道迄今最大的一笔融资。

    钱是谁给的？

    这轮阵容挺豪华。领投的有 CPE 源峰、国方创投、来自阿布扎比的 BlueFive Capital、腾讯、中关村科学城基金和中信证券，一共 34 家机构认购。跟投里还有阿里云、百度这样的产业资本，华策影视、芒果系的厚为资本这些文娱产业方也进来了。值得一提的是，BlueFive 来自中东，这是中东资本头一回投中国的 AI 视频模型；而 CPE 源峰同时押了 Kimi 和可灵，等于在 AI 赛道上“通用+垂直”两头下注。整个交易分两步走：领投方先出 138.24 亿元人民币，15 家额外投资方再加 52.2 亿，60 天认购期里还能再进最多 14 亿，凑到上限 204.47 亿元。

    可灵 AI 单轮融资近 30 亿美元，创全球视频大模型公司融资纪录
    可灵 AI 单轮融资近 30 亿美元，创全球视频大模型公司融资纪录

    为什么现在要拆出来单干？

    说白了，是被算力开支和竞争逼的。快手这一年几乎把资本开支全砸在了 AI 基础设施上，调整后净利润因此被拖累。把可灵拆出来独立融资，既能给它输血，也能让母公司喘口气。数据其实很能打：可灵今年一季度收入超过 6.5 亿元，同比涨了 300% 多；3 月的年化收入（ARR）接近 5 亿美元，一年翻了四倍；全球用户已经破了 1 亿，而且大约四分之三的收入来自海外。对一个视频大模型来说，这样的海外变现能力不多见。

    拿到钱，仗才刚开始

    不过投资人现在的心态变了。以前看的是技术 demo 够不够炫，现在更盯着能不能赚钱、边际效率高不高。 30 亿美元砸研发是够了，但可灵得赶紧跟其他视频大模型拉开差距，把钱变成实打实的成本优势才行。协议里还写了回购条款：要是 2031 年 10 月底前没能完成 IPO，或者没按约定时间重组，投资人可以要求按原价加每年 8% 的单利回购，母公司还得连带担责。这压力可不小。

    快手已经放话，未来 12 个月内可能启动可灵 AI 赴港上市。视频大模型这条赛道，海外有 Runway、OpenAI 的 Sora，国内有一堆追兵，可灵手里多了 30 亿美元的弹药，但真正的较量，是把这笔钱花出效率来。

  • 估值冲上10亿美元：Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    估值冲上10亿美元：Prime Intellect 想让每家企业都拥有自己的「AI实验室」

    Prime Intellect 团队与算力集群
    Prime Intellect 把「AI 实验室」能力打包成企业可用的全栈平台（图源：TechCrunch）

    一家叫 Prime Intellect 的创业公司刚完成 1.3 亿美元 A 轮融资，估值一口气冲到 10 亿美元。它做的事有点反常识：别人都在帮你更好地用 OpenAI、Anthropic，它却想帮你彻底甩开这些前沿实验室，自己动手造 AI 智能体。

    从「租模型」到「自己造」

    过去企业想上 AI，基本只有一条路：去大厂的 API 里租现成模型。Prime Intellect 给出的是一套「全栈」——算力、强化学习框架、评估工具打包在一起，又像超市货架一样可以挑着用，不用担心被某个厂商绑死。创始人 2024 年才起步，看准的是强化学习这条技术路线：模型靠奖励和惩罚反复打磨，企业就能针对自己的业务训练专属智能体，相当于把「AI 实验室」搬回了公司内部。

    企业为什么突然想自己掌控

    动力很现实。把专有数据交给别人，企业怕的是失去控制权；更怕依赖的模型说关就关——Anthropic 的 Fable 项目上个月突然停摆，就是一记警钟。CEO Vincent Weisser 说得很直白：不该只有旧金山那几栋玻璃大楼里的人有能力训练模型，每家企业、每个国家都该有。

    「不该只是旧金山玻璃塔里那几个极客才有训练 AI 的能力，应该是每家企业、每个国家都行。」

    钱和数据主权一起到账

    这套打法已经有人买单。金融科技公司 Ramp 用它的平台做了个查表格的 agent，准确率压过前沿模型，速度更快，成本却只有零头。Zapier 也在客户名单里。快速起量把公司年化收入推到了 1 亿美元。领投方 Radical Ventures 的评价是：别人只给零件，Prime Intellect 给的是顶级 AI 实验室才有的「一站式」能力，而且价格企业扛得住。

    • 本轮由 Radical Ventures 领投，英伟达、英特尔、戴尔的战投悉数入局，还有 Perplexity 创始人等多位明星创业者个人跟投。
    • 平台走模块化路线，客户按需取用，不必一次性押上全部预算。
    • 背后是大公司在 AI 主权上的集体焦虑：数据要握在自己手里，供应链不能卡在别人手上。

  • Mercor估值冲上200亿美元：雇专家给AI当考官，这门生意两年涨了四倍

    Mercor这家公司最近又成了风投圈的话题中心。彭博7月9日报道，这家从AI训练数据起步的创业公司正在谈新一轮融资，估值直接喊到了200亿美元。要知道去年10月它刚完成3.5亿美元C轮，估值还只是100亿美元——不到一年，数字就翻了一倍。

    更抓人的是创始人兼CEO布伦丹·福迪（Brendan Foody）自己在X上晒的数据：公司年化收入跑到了20亿美元以上，比四个月前整整翻了一倍。一边是收入暴涨，一边是并购动作——上周四Mercor宣布买下Deeptune，一家专门训练AI智能体的公司，对方整个团队一并加入。再加上这轮可能的新钱，看起来年初那场风波已经被它甩在身后了。

    Mercor估值冲上200亿美元
    Mercor靠给AI模型 supplying人类考官，估值一年翻倍（图源：TechCrunch）

    说白了，Mercor干的事听起来简单，细想却有点荒诞：它雇各路专家——诗人、经济学家、程序员、科学家——付钱让他们去评估AI模型的输出到底好不好。那些训练前沿大模型的实验室，需要人来告诉自己”模型是不是真的变强了”。Mercor就是提供这批”考官”的人。

    两个辩论队队友，撑起一个200亿的故事

    这家公司2023年才成立，三个创始人是从高中辩论队里走出来的朋友：福迪、阿达什·希雷马特（Adarsh Hiremath）和苏里亚·米德哈（Surya Midha），福迪今年才23岁。从C轮时大约4.5亿美元的年化收入，到今年中接近20亿，二十来个月里涨了四倍多。背后站着Felicis、Benchmark、General Catalyst这些一线基金，累计融资大约4.92亿美元。

    有意思的是，估值倍数反而被”压”下来了。100亿对4.5亿收入，是大约22倍市销率；如果按200亿对20亿算，只剩10倍。换句话说，市场一边兴奋于生意盘子变大，一边也在悄悄担心这门买卖到底能撑多久。

    它在训练那个可能取代自己的东西

    这种担心不是没来由。Mercor赚的正是”派人类专家去训练AI模型”的钱，可模型越聪明，对人工评估的依赖理论上就越少。真有一天模型能自己给自己、或者互相打分，那批考官的需求可能就缩水了。

    但福迪在斯坦福的演讲里抛出了另一种看法，他管这叫”agentic data”（智能体数据）：AI能力越强，要它被评估的维度反而越细，而不是越窄。会写诗，就需要诗人来评；能做经济分析，就需要经济学家。需求不是一次性的训练浪潮，而是跟着整个行业一起长。

    • 它给AI实验室供应的是”懂行的人”——这是大厂自己很难内部搞定的一摊运营活。
    • 买下Deeptune，是把盘子从传统数据标注，扩到了更吃香的AI智能体训练。
    • 年初的数据泄露和外包员工诉讼还没完全翻篇，能这么快把收入和估值同时拉回来，说明资本现在愿意为”训练流水线的掌控者”付高价。

    在不少人眼里，谁捏住了数据这一环，谁就捏住了AI往上走的长期价值。Mercor赌的，正是自己能一直站在模型和它所需要的”人”之间。

  • OpenAI当年出价5亿没买下，如今它靠游戏录像训练机器人、估值23亿

    两年前，OpenAI 揣着 5 亿美元想买下 Medal——一个让玩家上传和分享游戏录像的平台，创始人 Pim de Witte 拒绝了。当时看有点莽。但到了 2026 年，de Witte 手里的 AI 公司 General Intuition 完成 3.2 亿美元 A 轮融资，估值冲到 23 亿美元，Khosla Ventures 领投，贝佐斯、前谷歌 CEO 施密特，以及 MIT 和 DeepMind 的研究人员都跟了进来。算上去年 10 月启动时的 1.34 亿，累计融资已经超过 4.54 亿。市场用真金白银证明了一件事：那堆游戏录像，比大多数人以为的值钱得多。

    用游戏数据训练机器人世界模型概念图
    用游戏数据训练机器人世界模型概念图（本文配图由 AI 生成）

    游戏画面里藏着什么

    General Intuition 的赌注听上去有点反直觉：用电子游戏里的人类操作记录，去教现实世界的机器人。它的训练数据来自 Medal 积累的数十亿小时游戏画面。但真正关键的不是画面本身，而是内嵌在每一帧里的”动作标记”——玩家在哪一刻按下了哪个键、做了什么决策。多数同行只靠视频去猜动作，而 de Witte 认为，拥有真实的人类操作数据，才是模型理解”自我”和”环境”分野、进而掌握因果关系的内核。

    de Witte 把公司的逻辑讲得很直白：”模型本身的泛化能力，就是产品。”他不想做机器人整机厂商，而是要成为别的机器人公司搭建产品时脚下的那块地基。

    8 分钟，让四足机器人学会走路

    传统机器人训练有两条老路：在真实环境里采数据，贵且慢；在仿真器里练，速度快却躲不开”仿真到现实的鸿沟”——你在 Unity 里训好的模型，放到真实地板和墙壁前常常像个路痴。General Intuition 把游戏数据当成连接两者的桥：先在海量游戏交互里学”物体怎么动、智能体怎么走、动作怎么改变状态”，再拿极少量的真实机器人数据做下游微调。他们演示过一台四足机器人，只经过 8 分钟真实世界微调，仅靠前置摄像头，就在有行人和动态障碍的办公室里零样本导航成功。

    • 领投方 Khosla 看中的是独有数据壁垒，以及”AI 直觉涌现”的愿景
    • de Witte 划下红线：不做任何用于伤害人类的自主武器
    • 目标是对标 NLP 的 GPT-3 之后——通用基座加轻量适配，取代每个任务单独训练

    有意思的是，当中国的人形机器人公司在拼命扩产量、把模仿学习的工业栈跑起来时，General Intuition 想走的是另一条路：卖”世界模型”这个软件层，而不是卖铁。这条路线能不能扛住工厂车间和客厅里那些充满摩擦、接触密集的真实物理，还得等它在同行评审的环境里被反复验证。但至少现在，顶级硅谷资本愿意为”通用世界模型”这个赌注下重注。

  • MiniMax一轮融了160亿港元，创始人说AGI之前不领工资

    国产大模型公司 MiniMax 在 7 月 10 日甩出一颗「资本炸弹」：完成一轮总规模约 160 亿港元（约合人民币 138 亿元）的融资。放在港股，这是个相当吓人的数字——而且它距离今年 1 月登陆港交所，才过去半年。

    钱从哪来，又去哪了

    这轮融资拆成两部分：配售 3560 万股新 A 类股份，每股 268 港元，募资约 95.4 亿；再发一笔 65 亿港元、2027 年到期的零息可转债券。两笔加一起，净募资差不多 159.6 亿港元。认购相当火爆，机构申购倍数达到 7 倍，主权基金、长线机构、中资机构和多策略基金都挤了进来。

    「从我写下这封信起，到公司实现 AGI 的那一天，我将不再从公司领取任何薪酬。」——MiniMax 创始人闫俊杰内部信

    创始人把身家也押上了

    更抓眼球的是闫俊杰那封内部信。他宣布 AGI 实现前零薪酬，还拿出个人名下相当于总股本 5% 的股份——4% 给核心团队做激励，1% 设成开源社区专项基金。对一个刚上市半年的创始人来说，这更像是给市场和团队的一颗定心丸。

    • 募资净额里约 80%（127 亿港元）砸向 AI 基础设施和模型研发
    • 约 10% 用于 AI 原生产品 Harness 的全球化商业落地
    • 到 6 月底，IPO 时那笔钱里用于基建和研发的已经花掉 77%

    大模型这场仗，烧钱速度比谁都快。MiniMax 手里现金更厚了，但对手也没闲着——同一赛道里智谱的市值已经冲到七千多亿港元。160 亿能让 MiniMax 多跑一阵，但真正决定胜负的，还是模型本身好不好用。

    MiniMax完成160亿港元融资
    MiniMax 完成 160 亿港元融资，创始人宣布 AGI 前不领薪

  • 一家「原生 AI 律所」拿到 12 亿美元估值：不按小时收费，按结果算账

    法律 AI 这条赛道又冒出一只独角兽。一家叫 Norm 的公司把律师和 AI 智能体塞进同一个平台，还让 AI 去监督别的 AI，本周拿下了 12 亿美元的估值。它最反传统的做法，是不按小时收费，而是按结果算账。

    一笔带着「跨界钱」的融资

    Norm 这周宣布完成 1.2 亿美元 C 轮，由 Khosla Ventures 领投——这家机构也是 OpenAI 最早的机构投资方。成立不到三年，估值已经冲到 12 亿美元，正式跻身独角兽行列。投资方阵容很特别：黑石前总裁 Tony James、Kirkland & Ellis 前主席 Jeff Hammes 以个人身份入局，Bain、Coatue、Vanguard、纽约人寿、TIAA 这些金融和老牌律所背景的机构也跟了。算上这轮，Norm 累计融资已经超过 2.6 亿美元。

    它到底在做什么

    Norm 搭了一家叫 Norm Law 的「原生 AI 律所」，底层跑的是自家研发的 AI 智能体，再配真人律师在旁边盯着、校准。企业客户把法律活儿交给它，它用智能体去起草、审阅、跑流程。更往前一步的是，Norm 还在做能监督其他 AI 智能体的「上层智能体」——当别的公司把 AI 放到越来越要紧的岗位上，Norm 的 Agent 可以替你看看它们干得合不合规。

    「随着 AI 能力往前冲，最大的机会之一，是搭起 AI 与法律——人类价值观最权威的载体——之间的接口。」—— Norm 创始人兼 CEO John Nay

    AI 智能体监督法律工作的概念图
    AI 智能体彼此监督：当 AI 接管要紧岗位，谁来替企业把关合规

    不按小时，按结果

    最反传统的其实是收费方式。整个行业都在按小时计费，Norm 偏要按「结果」收费。它创始人说，这样 AI 带来的效率和质量提升，能直接落到客户头上，而不是变成律所和模型厂商的计时小费。目前它的客户管理着超过 30 万亿美元的资产，把 Norm 的 AI 智能体直接用在自家法务团队里。

    法律赛道为什么突然挤破头

    Norm 不是孤例。Harvey、Legora 这两年都冒了出来，盯着同一块肥肉：把合同审阅、尽调、合规这些又繁琐又烧钱的活儿自动化。但 Norm 的打法更激进——它不只是在工具层面帮忙，而是干脆自己下场开了一家 AI 律所，把「人机协作 + 结果计费」做成了整套运营模式。在监管越来越重、企业又怕 AI 乱来的当口，这种「既用 AI、又有人兜底」的叙事，恰好戳中了大买家最在意的信任问题。

  • 14个人服务890万开发者：Ollama拿下6500万美元B轮，押注开源模型随处跑

    先说个数字：14个人，撑起890万开发者每月都在用的工具。这不是哪家巨头的内部团队，而是开源AI工具Ollama的全部家当。就在这周，这家公司拿到了6500万美元的B轮融资，领投方是Theory Ventures。

    Ollama开源AI工具融资示意图
    Ollama让开源模型在任何地方都能跑起来

    算上之前Benchmark领投的1500万美元A轮，Ollama目前累计融资8800万美元。当年领投A轮的Peter Fenton这次也进了董事会。创始人兼CEO的Jeff Morgan把话说得很直白：开源模型就该好跑、好用、随处可用——你自己的电脑上、云端，或者两头都用。

    从Docker到开源模型，这俩人干的是同一件事

    Ollama是2023年上线的，干的活很简单：帮开发者在自己的PC上跑开源权重模型，几分钟就能装好用起来。GitHub上攒了17.6万颗星、近1.7万个fork，各种教程、视频、博客里都在夸它。

    这种”把复杂的东西变简单”的路数，Morgan和联合创始人Michael Chiang早就玩过一遍。他们之前做的Kitematic被Docker收购，两人随后帮着做出了Docker Desktop——那个如今每天有一千多万开发者在用的工具。Docker当年把云应用从繁琐的硬件配置里解放出来，Ollama现在对开源AI做的是同一件事。

    “2023年开源模型开始冒出来，但真的很难用。它们当时是给研究员准备的，不是给程序员的，想跑起来特别费劲。”——Jeff Morgan

    免费工具怎么变成生意

    现在Ollama每月有890万开发者在用，比今年1月翻了差不多一倍，每周还新增将近100万次安装，社区做出来的集成超过6.7万个，覆盖了《财富》500强里85%的公司，连医疗、金融、政府这些强监管行业都在用。而这一切，团队只有14个人。

    光靠免费的本地工具当然赚不了钱。Ollama的商业化藏在云端：本地机器扛不住更大的模型时，可以直接切到它的云上跑，同一套操作，按GPU时长计费而不是按token。这套逻辑跟主流按token收费的做法明显不一样。

    • 免费版：本地运行 + 一定的云端GPU时长
    • Pro版：每月20美元，可同时跑3个云端模型，云用量是免费版的50倍
    • Max版：每月100美元，可同时跑10个云端模型

    Morgan说，Ollama作为一门生意的转折点大概在今年1月，OpenClaw火起来那阵子——更大的开源模型突然能干agentic的活了，比如写代码。这也踩中了整个行业的大趋势：据Grand View Research，AI推理市场2024年约970亿美元，到2030年预计冲到2540亿美元，年复合增速约17.5%。随着Meta、Mistral、DeepSeek这些开源模型和闭源系统的差距越缩越小，越来越多的钱正流向”开发者选择在哪里跑模型”这件事上，而这正是Ollama想占的位置。

    当然，这条赛道并不空。Hugging Face融了超过3.95亿美元，主要做模型仓库；Together AI最近以83亿美元估值拿了8亿美元，扩云端训练和推理。Ollama和Morgan都没透露这轮的估值和收入。但14个人对890万开发者这个比例本身，可能才是这轮融资背后最值得琢磨的故事。

  • Etched走出隐身：50亿美元估值、10亿美元订单，专打AI推理芯片

    一家芯片公司从隐身模式里走了出来

    Etched这家公司以前低调得很，但最近它直接把成绩单摊在了桌上：芯片已经由台积电成功制造出来，累计拿下了10亿美元的系统订单，整体估值也到了50亿美元。它的方向很专注——做Transformer推理专用的芯片和整机系统，专门帮前沿模型更快、更便宜地跑推理。

    所谓推理，就是用户输入问题后模型真正生成答案的那一步。对今天的AI公司来说，这一步既是用户体验的瓶颈，也是最大的成本中心。谁能把推理成本压下去，谁就能让大模型服务更便宜、响应更快。Etched赌的正是这一点。

    Etched已签10亿美元客户订单，累计融资8亿美元，最新一轮由Stripes领投，投后估值50亿美元。

    这家公司2022年成立，创始人Gavin Uberti和Robert Wachen都是哈佛辍学生，后来拿了Peter Thiel的Thiel Fellowship。其实他们早在2024年就跟TechCrunch聊过芯片计划。那时候他们已经从Primary Venture Partners等投资人手里拿到超过1.25亿美元。不过据他们在Patrick O’Shaughnessy的播客里回忆，2023年最初融资时非常艰难，他们拿着30页备忘录讲“AI未来需要专用芯片，而不是通用GPU”，结果几乎每个大投资人都拒绝了。

    投资人名单豪华，但市场考验才刚开始

    现在融资环境完全是另一个世界。Etched披露的累计融资额是8亿美元，其中去年12月那轮未公开的融资由Stripes领投，金额约5亿美元，估值50亿美元。参与方包括VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital，以及Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu等AI界名人。Peter Thiel和Stanley Druckenmiller也在股东名单里。

    不过融资热归融资热，芯片能不能真正兑现性能，还需要独立测试。Etched目前在做的是“前沿推理集群”——把芯片、定制机柜和软件打包成一套系统。它说自己比Nvidia的GPU更快、更省电、更便宜，但这些数字来自公司自己，真实世界表现还得等客户大规模部署后才能验证。

    AI推理芯片概念图
    专用AI推理芯片正试图从通用GPU手中抢走推理市场。

    在这个赛道里，Etched不是孤例。Cerebras今年率先IPO，Groq刚刚完成6.5亿美元融资，亚马逊、Google、微软都在做自己的AI芯片，OpenAI也推出了和Broadcom合作的首款定制芯片。推理芯片的竞赛正在升温，每家公司都在赌自己的路线。

    对AI行业来说，推理芯片的稀缺性正在被放大。训练一度是最大难题，但现在越来越多公司发现，真正烧钱的其实是服务用户时的推理。Etched的崛起说明，资本市场已经把这个环节视为下一个主战场。至于它能不能撼动Nvidia，还要看第一批客户订单交付后的实际表现。

  • 一家AI代理公司让自家Agent去拉融资：130个投资人，它一个人都没见

    AI代理自主融资概念图
    AI代理SivaClaw主导Lyzr的1亿美元融资路演（概念图）

    这事儿巧得有点剧本感。据彭博的报道，一家叫Lyzr的新泽西创业公司，干了件挺绝的事：它自己是帮企业搭AI代理的，结果这一轮融资，它让自己的AI代理去拉。系统叫SivaClaw， reportedly 对接了130多个投资人，起草投资备忘录，甚至还能追踪哪些slide投资人停留得久。

    它把自家产品的路演，变成了产品演示

    Lyzr是个成立三年、base 在新泽西Jersey City的公司。这一轮是1亿美元的B轮，估值大概5亿美元。SivaClaw基本扛起了整个融资的”前锋”角色——回答问题、写材料、盯数据，一条龙跑完。对一家卖AI代理的公司来说，没有比”用自家代理融到钱”更顺滑的广告了。

    最耐人寻味的不是它干了多少活，而是创始人几乎没费腿脚。Lyzr对彭博说，他们从硅谷、中东和金融圈捞到了4亿美元的意向，全程没有哪个创始人飞出去，去Sand Hill Road挨家挨户喝咖啡、找人暖场介绍。

    真正的主线，是钱多到追着AI跑

    把这事单独看，是个很酷的产品故事；放到大环境里看，它其实在说另一件事。当下追着AI下注的资本实在太多，以至于一个有真实traction的创始人，连办公室椅子都不用离开，就能把九位数的钱聊下来。SivaClaw只是把这种”钱追项目”的失衡，用一种戏剧化的方式演了出来。

    AI代理正在一口口吃掉过去的白领工作，这点我们已经听了很多遍。但融资这件事，历来靠的是人脉、信任和一次次面对面磨出来的化学反应。当一个代理能代创始人去应对投资人、起草备忘录，说明连这块高度依赖”人”的地盘，边界也在往后退。

    但拍板的那一下，AI还替不了

    冷静一点看，这里头也有需要打个问号的地方。SivaClaw能写材料、能问答、能统计slide停留时长，可投资人最终掏钱，靠的是对创始团队的信任——这种信任往往是酒会、邮件往来和一次次坦诚沟通攒出来的，暂时还不是代理能生成的。

    资本愿意为”AI替我跑融资”这个故事买单，本身就已经说明市场热到了什么程度。比起 agent 真的解放了多少劳动力，更值得盯的是：这股热钱会不会把”会讲故事”和”真有产品”混为一谈。

    对Lyzr来说，最值钱的不是那1亿

    回到公司本身，这笔融资最划算的地方，是把它”产品能真干活”这件事，变成了活生生的案例。一个帮企业造代理的平台，自己先用代理跑通了最难的融资关，这套叙事拿去敲任何企业客户的大门都好使。

    不管你信不信”代理能替人融资”，Lyzr这波操作都给所有AI公司提了个醒：在资本这么拥挤的赛道里，最好的产品演示，可能就是你拿它把自己最头疼的那件事给办了。

  • 巴黎一家语音AI公司，拿了英伟达的钱，还要跑去湾区抢人

    AI语音这条赛道，最近又冒出一笔不小的融资。巴黎初创公司Gradium这周宣布，把原本关掉的种子轮重新打开，新拉进来英伟达等投资人，整轮累计融到1亿美元。

    钱要花在刀刃上

    Gradium自己说，这笔钱主要用来在旧金山湾区开个办公室、就近抢人——原话挺直白，叫”把自己摆在全世界最领先AI生态圈的正中心”。这话挺有意思：巴黎明明是欧洲AI的重镇，可真要拼人才，还是得贴着Anthropic、Google、Meta、OpenAI这几家巨头才踏实。

    从实验室里长出来的公司

    Gradium并不是凭空冒出来的。它去年12月才结束隐身状态，最初那7000万美元，投资方名单就相当豪华：FirstMark Capital、Eurazeo、DST Global Partners，还有Eric Schmidt和法国电信大亨Xavier Niel。再往前，它是从法国AI实验室Kyutai分拆出来的——两家公司的联合创始人Neil Zeghidour，早年在Google Brain、DeepMind、Facebook都待过。

    AI语音技术与神经网络融合概念图
    Gradium主打超低延迟的AI语音模型，背后站着英伟达

    他们做的事，说白了就是”让AI说话不卡顿”。Gradium做的语音模型主打超低延迟，声音几乎秒回，没有那种在AI对话里经常冒出来的、让人尴尬的停顿。听着简单，可对语音代理来说，这几毫秒的差距，往往就是”像真人”和”露馅了”的分界线。

    对手可不弱

    这条赛道早就挤满人了。光是ElevenLabs，今年2月就靠着红杉的5亿美元把估值冲到110亿；更别提Google Gemini这种自带语音基因的巨头。不过Gradium好像还真撕开了口子——从去年12月发布到现在，它已经拿下包括雷诺在内的几个大客户。

    1亿美元对一家还叫”种子轮”的公司来说不算小，但在语音AI这场仗里，能不能靠低延迟真正站稳，才刚开场。