随着AI初创公司之间竞争日趋激烈,创始人和风投公司正在采用新颖的估值机制来营造市场主导地位的印象。
直到最近,最受追捧的公司还是以不断攀升的估值连续进行多轮融资。然而,由于持续融资会分散创始人对产品开发的注意力,主要风投公司设计了一种新的定价结构,有效地将原本两个独立的融资周期合并为一个。
采用这种模式的最新案例包括Aaru公司的A轮融资。这家合成客户研究初创公司获得了由Redpoint领投的融资,据《华尔街日报》报道,Redpoint以4.5亿美元估值投资了其支票的大部分金额。然后Redpoint以10亿美元估值投资了较小的一部分,其他风投公司也以同样的10亿美元价格加入,据我们报道。TechCrunch首先报道了Aaru的融资,包括其多层次估值。
这种方法让像Aaru这样受欢迎的初创公司能够称自己为独角兽(估值超过10亿美元),尽管很大一部分股权是以更低的价格获得的。
Primary Ventures普通合伙人Jason Shuman表示:"这表明风投公司赢得交易的市场竞争非常激烈。如果头条数字巨大,这也是一个令人难以置信的策略,可以吓跑其他风投公司不去支持第二和第三名参与者。"
巨大的"头条"估值创造了市场赢家的光环,尽管主要风投公司的平均价格要低得多。
多位投资者告诉TechCrunch,直到最近,他们从未遇到过主要投资者在单轮融资中将其资本分配到两个不同估值层级的交易。
FPV Ventures联合创始人兼管理合伙人Wesley Chan将这种估值策略视为泡沫式行为的症状。"你不能以两种不同的价格销售同一产品。只有航空公司才能逃脱这种做法,"他说。
在大多数情况下,创始人向顶级风投公司提供折扣,因为他们的参与是一个强有力的市场信号,有助于吸引人才和未来资本。
但由于这些轮次经常超额认购,初创公司找到了一种容纳超额兴趣的方法:他们不是拒绝热切的投资者,而是允许他们立即参与,但价格要高得多。这些投资者愿意支付这种溢价,因为这是确保在高需求股权表上获得一席之地的唯一方式。
据《华尔街日报》报道,另一家给予主要投资者优惠定价的初创公司是Serval,这是一家AI驱动的IT帮助台初创公司。虽然红杉资本的最低入场价是4亿美元估值,但Serval在12月宣布其7500万美元B轮融资对该公司的估值为10亿美元。
虽然高"头条"估值可以帮助招聘人才并吸引可能认为该公司比竞争对手拥有更强市场地位的企业客户,但这种策略并非没有风险。
Shuman表示,尽管这些初创公司的真实混合估值低于10亿美元,但人们期望它们下一轮融资的估值要高于头条价格;否则将是惩罚性的下跌轮次。
这些公司现在需求量很大,但它们可能面临意想不到的挑战,这将使它们很难证明其高估值是合理的。在下跌轮次中,员工和创始人最终在公司中的所有权比例会更小;这也可能削弱合作伙伴、客户、未来投资者和潜在新员工的信心。
Thiel Capital董事总经理兼Copper Sky Capital创始人Jack Selby警告创始人,追求极端估值是一场危险的游戏,他指出2022年痛苦的市场重置是一个警示故事。"如果你把自己置于这种走钢丝的行为中,很容易摔下来,"他说。
Q&A
Q1:AI初创公司采用的双重定价结构是什么?
A:这是一种新的融资定价方式,主要风投公司在单轮融资中将资金分成两部分:大部分资金以较低估值投资,小部分资金以更高估值投资,其他投资者则以高估值价格加入。这样既给主投资者优惠,又让公司获得独角兽地位。
Q2:为什么风投公司愿意采用这种定价策略?
A:主要原因是AI领域竞争激烈,风投公司需要用创新方式赢得交易。高头条估值能够营造市场领导者的印象,吓跑竞争对手,同时满足超额认购的需求。对初创公司来说,这有助于招聘人才和吸引企业客户。
Q3:双重定价策略有什么风险?
A:最大风险是下一轮融资压力巨大,必须以高于头条估值的价格融资,否则就是惩罚性下跌轮次。这会导致员工和创始人股权稀释,损害各方信心。专家警告这类似于走钢丝行为,容易在市场调整时摔得很重。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。