Wer wird der nächste Glockenschläger im Bereich Künstliche Intelligenz?

Was muss eine KI - Firma tun, um zur Marktkonsens zu werden?

Seit der zweiten Jahreshälfte 2023 haben bereits 25 künstliche Intelligenz (KI)-verwandte Unternehmen an der Hongkonger Börse ein IPO durchgeführt. Nur in der ersten Jahreshälfte 2025 sind 5 KI-Unternehmen erfolgreich an die Börse gegangen. Offensichtlich wird der KI-Sektor zum sichersten Wachstumspunkt in der Kapitalkette.

Das Kapital zielt nie ins Leere. Welche Gemeinsamkeiten haben die vom Kapital ausgewählten "KI-Favoriten"? Welche Umsetzungsmöglichkeiten haben das größte Potenzial für die Gewinnrealisierung? Und wie sollten Unternehmen vorgehen, die die "erste KI-Aktie" werden wollen?

Im Jahr 2025 scheint KI einer der wenigen Bereiche zu sein, der sowohl Sicherheit als auch Vorstellungskraft versammeln kann und Kapital, Talente und Geschichten anzieht, die sich beschleunigt konzentrieren.

Die Daten von IT Juzi zeigen, dass bis zum dritten Quartal dieses Jahres insgesamt 764 KI-Unternehmen Risikokapital erhalten haben, was einen Höchststand der letzten fünf Jahre darstellt. Der Transaktionsbetrag belief sich auf beeindruckende 83 Milliarden Yuan.

Scheinbar erholt sich der Primärmarkt, aber in Wirklichkeit gibt es nicht viele investierbare Segmente. Das Kapital fließt weiterhin konzentriert in den KI-Bereich, was eine einzigartige Situation darstellt.

Dieses Phänomen der "konzentrierten Begeisterung" tritt nicht nur auf dem Primärmarkt auf. Die IPO-Entwicklungen auf dem Sekundärmarkt bestätigen ebenfalls die Kapitalanziehungskraft von KI. Laut LiveReport-Big-Data-Statistiken haben seit der zweiten Jahreshälfte 2023 bereits 25 künstliche Intelligenz (KI)-verwandte Unternehmen an der Hongkonger Börse ein IPO durchgeführt. Nur in der ersten Jahreshälfte 2025 sind 5 KI-Unternehmen erfolgreich an die Börse gegangen. Offensichtlich wird der KI-Sektor zum sichersten Wachstumspunkt in der Kapitalkette.

Dies sind die Schlüsselfragen für den Wettbewerb in der KI-Branche in der nächsten Phase.

Die vom Kapital ausgewählten "KI-Favoriten"

Im Vergleich zu 2024 sind die vom Kapital ausgewählten KI-Unternehmen dieses Jahr offensichtlich realistischer.

Laut einer Statistik von Chanyejia sind in den ersten drei Quartalen 2025 auf dem Primärmarkt des KI-Bereichs insgesamt 548 Transaktionen erfolgt, was einem Jahr-über-Jahr-Anstieg von 44,59 % entspricht. Im Hinblick auf die Segmentierung der Branche nehmen die allgemeinen KI-Anwendungen und die branchenspezifischen KI-Anwendungen fast die Hälfte ein und sind die am schnellsten wachsenden Hauptlinien. In Bezug auf den Transaktionsbetrag hat die branchenspezifische KI-Anwendung sich zum Bereich mit der höchsten Kapitalkonzentration entwickelt, mit einem Betrag von 15 Milliarden Yuan.

Dieser Trend unterscheidet sich völlig von der Hype des Kapitals in der AIGC-Schicht im vergangenen Jahr.

Im gleichen Zeitraum 2024 belief sich der Transaktionsbetrag im AIGC-Segment auf 30,8 Milliarden Yuan, was 60 % des Gesamtbetrags ausmacht. Dieser Wert ist in diesem Jahr auf 11,1 Milliarden Yuan gesunken, was einem Jahr-über-Jahr-Rückgang von 64,01 % entspricht. Die Abkühlung des Kapitals in Bezug auf AIGC hat auch direkt den gesamten KI-Transaktionsbetrag gesenkt, so dass der Transaktionsbetrag in den ersten drei Quartalen 2025 nur 46,064 Milliarden Yuan betrug, was einem Rückgang von 8,43 % gegenüber dem Vorjahr entspricht.

Dennoch ist das Kapital nicht abgewichen, sondern fließt präziser in die Gebiete, in denen die Umsetzung möglich ist.

Das Kapital richtet mehr Ressourcen auf die drei Hauptrichtungen allgemeine KI-Anwendungen, branchenspezifische KI-Anwendungen und KI-Grundtechnologien. Die Zuwächse betragen 216 %, 36,8 % bzw. 153,74 %. Es ist bemerkenswert, dass die Basisebene zwar mehr Finanzierungen erhalten hat, aber dies teilweise mit der hohen Investition in Ausrüstung und Infrastruktur in diesem Bereich zusammenhängt. Das Kapital wird nicht zurückgezogen, sondern neu zugewiesen, um es in Gebieten zu platzieren, die am ehesten in Produktivität umgewandelt werden können.

Eine weitere Analyse der Unternehmen, die im Primärmarkt in den ersten drei Quartalen eine Finanzierung von über 100 Millionen Yuan erhalten haben, zeigt, dass die meisten Unternehmen sich auf einige konkrete Anwendungsbereiche wie Medizin, Logistik, automatisiertes Fahren, Robotik und digitale Marketing konzentrieren. Das Kapital kehrt offensichtlich zu einem Prinzip zurück, nämlich dass KI "bodenständig" sein muss.

Betrachten wir nun den Sekundärmarkt im KI-Bereich.

Bis Juli 2025 sind auf dem Sekundärmarkt fünf Unternehmen erfolgreich an die Börse gegangen, die verschiedene Bereiche wie Lagerlogistik, Lösungen und unbemannten Bergkarrn abdecken.

Scheinbar gehören diese Unternehmen auch zu den branchenspezifischen Anwendungen, aber der Unterschied besteht darin, dass IT Juzi diese Unternehmen der KI-Basisebene und der KI-Technologieebene zuordnet. Darüber hinaus verfügen diese Unternehmen im Allgemeinen über eine solide Rentabilität. Beispielsweise hat Geek+ einen Umsatz von 1,025 Milliarden Yuan erzielt, was einem Anstieg von 31,0 % gegenüber dem Vorjahr entspricht. Dies ist auf den erfolgreichen Geschäftsmodell des Lagerroboters zurückzuführen. Obwohl die Gesamtgewinnzunahme von Unisound verlangsamt ist, hat sein ShanHai-Großmodell einen Umsatz von fast 100 Millionen Yuan erzielt, was einem Anstieg von 457 % gegenüber dem Vorjahr entspricht. Dies zeigt die Verstärkungswirkung der KI-Technologie in bestehenden Geschäftssystemen.

Es ist bemerkenswert, dass die meisten dieser "KI-Favoriten" auf dem Primär- und Sekundärmarkt nicht "reine" KI-Unternehmen sind.

Mit anderen Worten, KI ist nicht ihr einziges Merkmal, und die meisten sind keine KI-ursprünglichen Unternehmen. Minglue Technology konzentriert sich immer noch auf die Digitalisierung von Regierungen und Unternehmen, Wissensgraphen und intelligente Entscheidungen. Unisound wurde bereits 2012 gegründet, und seine Positionierung hat sich auch geändert. Dipu Technology basiert auf Datenanalyse. Auf dem Primärmarkt sind die echten "reinen KI"-Unternehmen kaum zu zählen, und die wenigen, die es gibt, werden von Konzernen unterstützt oder von einer reifen Branchenkette gestützt. Beispielsweise steht Betteryear hinter Alibaba, und Intent AI hat eine strategische Investition erhalten.

Ähnlich sind die Sieger auf dem Sekundärmarkt oft Unternehmen, die bereits lange in der Branche tätig sind und sich mit KI weiterentwickeln.

Dies zeigt ein interessantes Phänomen: Ob auf dem Primär- oder Sekundärmarkt, das Kapital setzt nicht auf KI, sondern auf "Unternehmen, die KI-fähig sind". Die Unternehmen, die tatsächlich einen IPO durchführen, haben zudem einen klaren kommerziellen Weg.

Wie heiß ist die reale Umsetzung von KI in der Industrie?

Die Wahl des Kapitals ist nie ein isoliertes Ereignis. Hinter ihr spiegelt sich die kollektive Einschätzung des Marktes über die Schwierigkeit der Umsetzung wider.

Wenn wir uns die letzten Jahre der KI-Technologiehype ansehen, ist die Umsetzung der Technologie am häufigsten und am schnellsten in der Schnittstellenebene erfolgt. Diese Ebene der Transformation findet hauptsächlich in Szenarien wie Programmierung, Kundendienst, Büroarbeit und Inhaltsmarketing statt. Diese Szenarien zeichnen sich durch "niedriges Risiko und hohe Häufigkeit" aus. KI hat in diesen Bereichen die Betriebseffizienz verbessert und die Personalkosten gesenkt, und die Unternehmen haben schnell eine positive Rückmeldung in Bezug auf die Rendite auf Investition (ROI) gesehen.

Beispielsweise zeigt eine Studie von GitHub, dass ein KI-Programmierungshilfsmittel die Geschwindigkeit, mit der Entwickler Aufgaben erledigen, um etwa 26 % erhöhen kann. KI ist nicht nur gut in der Code-Vervollständigung, der Generierung von Unit-Tests und der Optimierung der Logik, sondern beteiligt sich sogar an der ersten Code-Prüfung.

Aber wenn KI in höhere Entwicklungsstufen eintritt, werden die Schwächen allmählich sichtbar. Ein Experiment von MIT zeigt, dass für erfahrene Entwickler die Produktivitätssteigerung durch KI nur 8 % bis 13 % beträgt. In einigen Szenarien hat die Führung durch KI sogar die Entwicklungszeit um 19 % verlängert.

Dies erklärt auch, warum auf dem Primärmarkt viele KI-Start-ups, die sich auf die Schnittstellenebene konzentrieren, zunächst sehr beliebt scheinen, aber es schwer haben, ihre Einnahmenkurve kontinuierlich zu steigern. Niedrige technische Barrieren, hohe Substituierbarkeit der Dienstleistungen und starke Homogenität sind die systemischen Probleme in diesem Bereich.

Nur wenn diese KI-Transformationen in der Schnittstellenebene tief mit den Geschäftsprozessen verknüpft werden, kann die echte Produktivität freigesetzt werden. Einige Unternehmen haben dies erkannt und beginnen, KI in die Kerngeschäftskette zu integrieren. Daher verschiebt sich das Schwergewicht von KI in Bereichen wie Medizin, Finanzwesen, Bildung, Logistik und Einzelhandel allmählich zur Transformation der Prozessschicht.

Die Medizinbranche ist ein typisches Beispiel. Das von Alibaba Cloud in einem Whitepaper vorgeschlagene Vier-Quadranten-Modell zeigt, dass die medizinische Bilddiagnose und die Arzneimittelentwicklung in einem Bereich mit "hoher Reife + hohem Potenzial" liegen. Die Kommerzialisierungsrate der medizinischen Bild-KI-Produkte hat bereits 90 % erreicht. Insilico Medicine hat mit seiner generativen KI-Plattform den Antikörperentwicklungsprozess um das Zehnfache verkürzt und vier Arzneimittel-Lizenzierungsvereinbarungen abgeschlossen, mit einem Gesamtbetrag von über 1,5 Milliarden US-Dollar. Und in diesem Jahr hat dieses Unternehmen mehrere große Finanzierungen erhalten.

Die Umsetzung von KI in der Medizinbranche beschränkt sich nicht nur auf die Forschung und Entwicklung. BD hat durch prädiktive Analysen die Lagerverwaltung optimiert, die Prognosegenauigkeit um 20 % verbessert und die Lagerkosten deutlich gesenkt. Das Smart-Hospital-System von Senyint hat durch KI-gesteuerte Krankenaktegenerierung und -qualitätskontrolle die Zeit, die Ärzte für die Schriftarbeit benötigen, um 50 % verkürzt. Die KI-Plattform von Siemens hat die Diagnosegenauigkeit verbessert und gleichzeitig die Effizienz des Radiologieprozesses um 40 % erhöht, was eine koordinierte Optimierung ermöglicht.

Der gemeinsame Punkt hinter diesen Beispielen ist, dass KI nicht mehr nur ein Werkzeug ist, sondern eine Entscheidungsvariable, die in das System integriert ist. Sobald es in den Prozess eintritt, wird es zur tiefsten Schutzmauer des Unternehmens und somit zur Richtung, in die das Kapital am liebsten setzt.

Aber die Transformation der Prozessschicht ist nicht einfach. Zunächst sind die Unternehmensdaten in verschiedenen Systemen verteilt und haben unterschiedliche Formate. Das KI-Modell muss eine große Menge an Daten reinigen und annotieren, um sie zu verstehen. Zweitens bedeutet es für die Organisation, dass die Leitung der Entscheidungsfindung an Algorithmen abgeben muss, wenn KI die Entscheidungsfindung übernehmen soll. Die meisten Unternehmen befinden sich immer noch in einem Zustand von "KI + Mensch", und die Entscheidungen des Modells müssen noch von Menschen verifiziert werden.

Das medizinische Szenario hebt diese Komplexität hervor. Probleme wie Datenabweichungen, mangelnde Interpretierbarkeit, unklare ethische Verantwortung und komplexe Prozessintegration machen es derzeit schwierig, dass KI in der Medizinbranche hauptsächlich die Rollen der Qualitätskontrolle, der Bildauswertung und der Kommunikation zwischen Arzt und Patient übernimmt. Es ist noch ein erheblicher Abstand bis zur "unabhängigen Diagnose".

Aber aus technischer Sicht ist dies noch nicht das Ende der KI-Umsetzung.

Der wahre Wert von KI liegt in der Neudefinition der Geschäftslogik. Dies ist nicht nur eine Werkzeugverbesserung oder eine Prozessoptimierung, sondern eine Umgestaltung des gesamten Systembetriebsmechanismus. Autonomes Fahren, Embodied AI und AI-Shopping-Assistenten von Unternehmen wie JD.com und Kuaishou sowie der "AI-Partner" von Alibaba.com versuchen im Wesentlichen, eine KI-ursprüngliche Organisations- und Betriebsweise zu entwickeln.

Aber dieser Schritt ist auch der weiteste. Es erfordert nicht nur hochwertige Daten und enorme Rechenleistung, sondern auch jahrelange Validierung der technischen Umsetzung. Derzeit gibt es nur wenige Unternehmen, die in diese Ebene eintreten können, und die meisten befinden sich noch in der Laborvalidierung oder in der lokalen Pilotphase.

Insgesamt ist es schwierig, dass die KI in der Schnittstellenebene kontinuierlich Gewinne erzielt. Die KI, die die Geschäftslogik umgestaltet, ist eine Investition in die Zukunft, während die KI, die die Prozesse transformiert, möglicherweise der Bereich ist, in dem die Kommerzialisierung am leichtesten möglich ist.

Dies erklärt auch, warum es auf dem Primärmarkt nur sehr wenige echte "reine KI"-Unternehmen gibt und die meisten an die Börse gehenden Unternehmen, die als "KI-Konzernaktien" eingestuft werden, eigentlich eine Kombination aus "KI + langjährige Branchenerfahrung" sind.

Die Suche nach dem nächsten IPO in der KI-Welle

Im KI-Bereich kommen die nächsten Unternehmen, die an die Börse gehen, immer näher.

Die Daten zeigen, dass bis zum 24. Juli 2025

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。