搜索
一家公司从注册到估值十亿美元，需要多久？
放在几年前，标准答案是5年左右。天使、A轮、B轮、C轮，一轮一轮证明自己，中间还得掉几层皮。放在2026年，答案缩短到了三个月。
今年3月，林俊旸离开阿里；5月13日，他在上海徐汇注册了一家公司；8月官宣的时候，这家三个多月大、一个产品都没有的公司估值约20亿美元——高榕创投和红杉中国各投1亿美元，腾讯跟了2000万美元。
林俊旸不是特例。
我们数了一下，2026年至今 （9月初） ，国内外至少有9家公司在成立半年内就跨过了独角兽门槛。
这些创始人名单读起来像一份AI行业的点名册：图灵奖得主、xAI的联合创始人、把
钱来得这么快、这么急，究竟在买什么？
国内的四种独角兽活法
国内这四家，路径各不相同，但都有一个共同点：创始人的上一份工作，都足够有说服力。
语用科技：三个月，20亿美元
林俊旸的上一份工作是阿里。他1993年出生，本科在国际关系学院读英语，硕士在北大读语言学，2019年进达摩院，六年连升四级，32岁成为阿里最年轻的P10。
这家公司目前为零产品、零收入，估值20亿美元。一个罕见的细节是，林俊旸通过直接持股和两个关联主体合计控制约88%——在动辄被资本稀释到30%以下的创业圈里，这算得上异类。“语用”这个词来自他早年的语言学训练，取实用主义之意，也是他对AGI该往哪走的表态。昆仑行：一个管过千亿生意的，和一个做过智驾的
昆仑行机器人走的是另一条路：两个人的组合。
创始人任庚做过华为和阿里的核心业务，当过阿里云中国区总裁和总参谋长，也做过新奥集团总裁；联合创始人郎咸朋是理想汽车前高级副总裁、自动驾驶总裁，业内少有的把智驾AI从0做到1、再做到规模化落地的人。
公司3月16日在北京经开区注册，到6月底连融三轮、累计数十亿元，高榕、高瓴、中科创星、钟鼎、华业天成、创新工场、心资本、建发资本全在名单上，而且首轮进来的投资人后两轮全部追加。
技术上他们押的是“物理内生因果”——让机器人理解动作背后的物理原理，而不只是模仿动作。核心是昆仑世界模型（KWM），在国际主流的视觉-语言-动作模型之上加入物理因果建模，还搭了一套反事实评测体系，用真实物理结果来区分模型的泛化能力是真还是假。
硬件端则是本体、运动控制、集成测试一体化自研，目标写得很直白：工程化量产。
高榕合伙人辛旺的说法是，具身智能落地的门槛极高，需要团队同时懂AI、懂硬件、懂商业化——这家公司凑齐了“管过千亿生意的人”和“把自动驾驶AI量产过的人”。
临界点AGILINK：唯一一家在赚钱的
四家里最特殊的，是临界点AGILINK，因为它是唯一一家被“拆”出来的。
今年1月14日，智元机器人把灵巧手业务独立出来成立了这家公司，创始人熊坤2018年从港科大机器人研究所硕士毕业，进了刚组建的腾讯 Robotics X 实验室，参与了它从0到1的过程，之后在IDEA研究院和汇川技术待过，2024年11月加入智元负责灵巧手。
此后半年，这家公司连做四轮：1月天使轮，2月A轮数亿元，5月A+轮，6月B轮10亿人民币——腾讯、C资本、普华、凯联、上汽、均胜电子、龙旗科技、百度风投、云锋都在名单上。从注册到估值破百亿，五个月。
但真正让它区别于其他八家的是：它在赚钱。
成立不到半年，OmniHand 系列灵巧手交付超过8000台、夹爪出货过万台，成立即盈利。熊坤把灵巧手称作具身智能进入工厂和家庭的“最后十厘米”，他的判断是，这个品类的竞争不在实验室，在生产线上。这也解释了为什么产业资本会和财务资本挤在同一张桌子上——上汽和均胜买的不是股份，是供应链位置。
智衍慧生Naive.ai：一位教授的后训练赌注
最后一家，智衍慧生Naive.ai，创始人代季峰是这份名单上学术履历最硬的一位。清华自动化本博，在微软亚洲研究院做视觉，是可变形卷积和 R-FCN 的主要作者——这两个东西后来都成了 PyTorch 里的标准算子，论文总引用超过5万次；2019年去商汤当执行研究总监，带150人的团队，期间提出的 BEVFormer 几乎成了自动驾驶感知的标准范式，黄仁勋在台上点过赞；2022年回清华电子系做长聘副教授，在上海AI Lab 主导研发了开源多模态模型 InternVL。
今年1月他出来创业，方向是开源模型的后训练和 Agent。
6月拿到3亿美元天使轮，腾讯、华控、博裕、万物入局；一个月后又是数亿美元Pre-A，红杉中国、IDG、经纬、君联、元禾璞华一起挤进来。半年两轮，超过5亿美元。
资本赌的是他那种把理论压榨成工程结果的能力——他此前带队做的深度研究系统，曾在权威基准上拿下开源第一。
离开实验室的人
海外这五家，几乎都是同一个故事的变体：有人从最顶尖的实验室里走出来，然后资本以最快的速度把钱塞到他手上。
River AI：从xAI出走的两个月
伊戈尔·巴布什金（Igor Babuschkin）2025年8月离开xAI。
此前他的履历几乎是一部深度学习简史——在Google DeepMind做生成建模和强化学习，在OpenAI主导大规模训练，2023年和马斯克一起创办xAI。
2026年4月他在内华达注册了新公司，6月浮出水面，8月宣布融资11亿美元，前后仅两个月。
他做的东西叫 River AI：在开放权重模型之上，帮企业做 LoRA 微调和强化学习。这原本需要一支专门基建团队、几个月工期的事，在他的平台上15到20分钟能跑完，成本是闭源方案的四分之一到一半，而且只按实际消耗的 token 计费。公司总共约20个人，多数来自 xAI 和特斯拉。最新融资由 General Catalyst 和 AMP PBC 领投，英伟达与 AMD Ventures 战略投资，YC 和淡马锡参投。
巴布什金的说法是：“AI应该属于使用它的人，而不是训练它的实验室。”这句话听起来理想主义，但General Catalyst CEO 的表述就很现实了——他把这笔投资称为美国AI韧性的优先事项。翻译过来：开放权重生态必须有人撑住，否则下一代AI训练跑在谁的芯片上、遵守谁的规则，就不由美国人说了算了。
英伟达和AMD同时投一家两个月大的公司，买的是这个。
Hark：70个人，60亿美元
另一位是 Brett Adcock。这个名字你可能不熟悉，但他此前做的两家公司你多半听说过：人形机器人公司Figure AI，和电动飞机制造商 Archer Aviation。
2025年底他自掏1亿美元创办 Hark，今年5月宣布7亿美元A轮，投后估值60亿美元。公司当时70个人，没有一个产品上市。
60亿美元除以70个人，等于每个工程师8500万美元。
这个数字只在一种前提下成立：投资人认为这不是一家硬件公司，而是一家前沿实验室。
值得玩味的是股东名单——英伟达、AMD、英特尔资本、高通风投，四家直接竞争的芯片巨头出现在同一笔消费硬件融资里，这在过去几乎不会发生。它们共同需要一个“AI跑在个人设备上”的未来，也共同害怕那个未来被苹果和谷歌独占。
Adcock 的打法里有个细节很有意思：他要先发多模态模型和软件，再发硬件。
这个顺序是刻意倒过来的。Humane 的 AI Pin 和 Rabbit R1 都是先卖硬件再补能力，结果翻车。Hark 还拉上了 AT&T——运营商出钱入股，同时负责蜂窝连接和设备认证，让设备彻底脱离手机和Wi-Fi独立联网。它要造的是“人和数字世界之间的通用接口”，一个记得你、看得见你所见的东西。
AMI Labs：图灵奖得主的巴黎赌局
这五家里最不一样的，是一家连产品方向都还没完全落地的公司。
Yann LeCun 去年11月走进扎克伯格办公室说他要走了。他在Meta待了12年，一手建起全球最受尊敬的AI研究组织之一，同时也是大语言模型路线最著名的批评者——按他的说法，大语言模型不过是一种统计幻觉——看着惊艳，其实并不智能。
今年1月，他的 AMI Labs 在巴黎启动；3月宣布10.3亿美元种子轮，投前估值35亿美元，欧洲有史以来最大的一笔种子轮。他最初只想融5亿欧元，认购远超预期，最后涨到8.9亿欧元。
有意思的是他拒绝当CEO。原话是：“我是个科学家、一个梦想家，我太没条理，也太老了，不适合管人。”于是CEO由医疗AI公司 Nabla 的创始人 Alexandre LeBrun 出任，其余核心成员几乎整建制来自 Meta 的AI研究组织，首席科学家 Saining Xie 则是从 Google DeepMind 挖来的。
AMI 要做的是世界模型，基于 LeCun 2022年提出的 JEPA 架构：不去逐像素、逐token地预测世界长什么样，而是在抽象空间里学习世界怎么运转。
团队已经做出的成果里，有一个能根据16秒第一视角视频连贯预测接下来10秒的场景，包括物体轨迹和光线变化。
公司说第一年只做研究，一到两年后才开始跟行业伙伴谈落地，三到五年内做出“相当通用的智能系统”。
投资方名单长得像一张时代合影：Cathay Innovation、Greycroft、Hiro Capital、HV Capital 和贝索斯的 Bezos Expeditions 联合领投，英伟达、丰田、三星、淡马锡、法国国家投资银行参投，个人投资者里还有 Eric Schmidt、Mark Cuban 和万维网发明者 Tim Berners-Lee。
他们买的不是一家公司，是一个期权：如果LLM这条路真的撞上天花板，谁能提供另一条路？顺便，还有欧洲不想在AI上再输一次的执念。
Recursive Superintelligence：让AI自己改进自己
第五家 Recursive Superintelligence，名字直白得有点吓人。
今年5月13日它结束隐身，同时宣布6.5亿美元种子轮，投后估值46.5亿美元，GV和Greycroft领投，英伟达和AMD再度同框。
领衔的是 Richard Socher——GloVe 和递归神经网络的作者，前 Salesforce 首席科学家，也是 You.com 的创始人。
联合创始人里有主持 Meta FAIR 研究八年的 Yuandong Tian、前 DeepMind 的 Tim Rocktäschel、前 OpenAI 的 Jeff Clune，以及视觉Transformer论文的作者 Alexey Dosovitskiy。全公司不到30人。
他们想做的事可以概括成一句话：让AI自己改进自己。
今天所有实验室的迭代速度，最终都卡在人类研究员的产能上——人来做评估、挑数据、设计实验。RSI 要把人从这个循环里拿掉。
第一个公开项目是训练一个“具备五万名医生能力的系统”，但目的不是看病，而是让它去做AI科学家干的那摊活：读文献、设计实验、分析结果。
没有产品，没有模型，没有论文，25个人，估值46.5亿美元。
Atoms：Kalanick的第三次，和Uber的那笔钱
海外五家里最特别的一个是 Atoms，因为它的创始人 Travis Kalanick 已经不需要证明自己会做公司了——他做过 Uber。
Atoms 隐身了八年，今年3月亮相，7月宣布17亿美元融资，a16z领投、Ben Horowitz 亲自进董事会，高盛、摩根大通等五家银行提供债务支持。投资方里还有一个名字让所有人愣了一下：Uber。九年前正是这家公司的董事会把他赶了出去。
Kalanick 的说法是“为物理世界造一台计算机——CPU是制造，存储是地产，网络是运输”。公司由三块业务合并而成：做云厨房的 CloudKitchens（2022年估值150亿美元）、从 Anthony Levandowski 手里收购来的自动驾驶矿业公司 Pronto、以及新设的物流板块。走的是轮式工业机器人路线，不是当下更时髦的人形机器人。
不过这笔17亿美元里也有需要打个问号的地方：估值没披露，也没有公布任何落地城市、商业化时间表或消费级产品。Waymo 花了十几年、烧掉几十亿美元，才在少数几个城市实现付费无人驾驶。Atoms 成立六个月。a16z 显然是在买一个人，而不是一个进度表。
资本到底在买什么
把这九家摆在一起，最刺眼的一点事实是：它们几乎都没有财务数据可看。没有收入，多数没有产品，有几家连产品方向都还停留在论文里。那投资人到底在定价什么？
答案是人。当产品、收入、用户全是零，唯一可以被定价的资产只剩履历。LeCun 在Meta待了十二年，林俊旸把Qwen做到全球开源第一，Socher 的论文被引用五万次，任庚管过千亿规模的生意，Kalanick 做过两次百亿美元公司。尽调的对象不是业务，是这个人下一次还能不能再做成。这也是为什么这些公司能在一两个月内完成融资——要看的东西，翻翻履历就够了。
第二个共同点是赛道高度集中。九家公司全部落在三条线上：让AI属于个人并且可被定制 （ River AI、Hark、智衍慧生 ） ，让智能走进真实世界 （Atoms、昆仑行、临界点） ，以及赌下一代AI的底层路线 （AMI Labs的世界模型、RSI的递归自我改进、语用科技的数字+物理智能体） 。原因很朴素：只有在技术叙事足够硬、确定性足够高的地方，机构才敢在没有收入的时候开出这样的支票。
第三个是巨头的姿态变了。英伟达投了这九家里的四家，AMD三家，国内则是腾讯出现三次、高瓴两次。它们已经不满足于等公司长大再合作，而是直接进入股东名单。芯片商投AI硬件，是给自己找下一代终端；上汽和均胜投灵巧手，是给自己锁定关键部件；Uber 投 Atoms，买的是未来运力网络里的一家供应商。对巨头来说，上错车的成本远低于没上车的成本。
还有一个明显的变化是，轮次这个词正在失去意义。6.5亿美元可以叫种子轮，17亿美元可以叫A轮，3亿美元也可以是天使轮。临界点半年融了四轮，昆仑行90天三轮，智衍慧生一个月内连融两轮。融资不再是里程碑，而变成了一场持续进行的资源争夺——好项目就那么几个，晚一个季度，价格就不是这个价了。
国内还多出一条海外的公司没有的路径：体系内孵化。
临界点是从智元拆出来的，起步就有现成的团队、现成的技术、现成的客户和母公司的背书，等于把独角兽的孵化周期从市场搬进了公司内部。这套打法并不新鲜——商汤的“1+X”战略已经拆出了曦望、大晓机器人、商汤医疗等一串公司，光今年上半年的商汤系融资就超过470亿元。
当外部融资窗口越来越拥挤，把业务拆出去独立融资，正在成为大公司留住人才的新方式。
还没开始的考试
说完热闹，也该说说风险。这些公司现在拿到的，是一张估值意义上的独角兽门票，不是业务意义上的。
九家里，真正跑出收入的只有临界点一家。AMI Labs 第一年只做研究；RSI 至今没有公开的模型和论文；Hark 的产品还没发布；语用科技成立三个月，零产品零收入；Atoms 没公布任何落地城市和商业化时间表。剩下几家，也都在等第一个能证明自己的交付。
巨头的钱同样不是白拿的。英伟达和腾讯进了股东名单，就意味着这些公司从第一天起就被绑上了特定生态的战车，中立空间被压缩。历史经验是，一旦巨头自己的内部项目做出来的东西够用，外部投资就会迅速降温。
而估值前置、验证后置的代价是，回撤也会同样剧烈。当价格里已经装满了预期，任何一次技术路线踩空或者交付延期，都会被放大。Hark 要正面迎战苹果和谷歌；River AI 赌的是企业真的愿意为“拥有自己的模型”付钱；Atoms 面对的是已经跑了十几年的 Waymo。这些问题的答案，最快也要等12到24个月。
不过话说回来，一个能让公司成立半年就跑完过去五年融资历程的市场，本身就是一种表态：资本的逻辑已经从“证明之后再加注”，变成了“先为稀缺性付钱”。
这是效率还是幻觉，要等这批公司交出第一批产品才知道——有人会把20亿美元的估值变成一个真正的东西，也有人会安静地消失在这份名单里。
九家里你最看好哪一家？是赌创始人的履历，还是赌产品真能落地？
