Q2 融資地圖：誰在吸大錢，誰已經涼了

> Meta Shift

CB Insights 剛發布了 2026 Q2 的 AI 市場融資報告，時間點很微妙 — 市場上一直有聲音說 AI 泡沫快撐不住了，但融資數據說的是另一個故事。問題不在於「錢有沒有在流」，而在於「錢往哪裡流」。這個差別很重要。

如果你只看總量，容易被迷惑。大錢還是在動，但集中度越來越高。不是每個 AI 子領域都還在吸血，有些已經安靜下來了，而那些還在收大輪的賽道，背後通常有一個共同的邏輯：跟真實商業場景掛得越深，估值越撐得住。

這其實不難理解。2023-2024 年的 AI 熱潮，很多融資是在賭「模型會變強」、「這個 use case 說不定有人要」。到了 2026 年，市場已經過了那個純靠故事的階段，投資人開始要看真實的 revenue 數字、客戶留存、甚至 unit economics。所以你現在看到的融資格局，其實是一場自然篩選後的結果。

那 Q2 的篩選結果是什麼？哪些賽道還在拿大錢，哪些已經開始被晾在一邊？

---

商業模式拆解：Q2 吸金最多的 AI 賽道長什麼樣

根據 CB Insights 的分析，Q2 的大輪融資明顯集中在幾個特定方向，而這些方向有一個共同特徵：不是賣模型，而是賣能幹活的系統。

先講最明顯的：AI Agent 和 AI tools & agents 這個大類別，是 Q2 最熱的融資標的。（來源：CB Insights Q2 2026 報告）

這裡說的 AI Agent 不是那種套個 loop 就說自己是 Agent 的。真正拿到大錢的，是能嵌入企業工作流、有明確 tool use 能力、可以接 API 打資料庫的系統。換句話說，是能替公司省人力、有可量化 ROI 的那種。

這個定位決定了商業模式：不是 consumer subscription，是 enterprise contract。客單價動輒六位數年費，甚至更高。採購決策通常在 IT 或 ops 層級，不是個人用戶。

這跟 2023 年那批 AI wrapper 公司差很多。當年很多公司的商業模式是「月費 20 美金，給你一個包了 GPT-4 的介面」— 看起來很好複製，因為確實太好複製了，護城河幾乎不存在。現在還活著、還在拿融資的 Agent 公司，護城河通常來自兩個地方：

1. 垂直領域的深度整合 — 比如法律 AI、醫療 AI、金融合規 AI，這些場景有高度的專業壁壘，不是通用模型能輕鬆替代的
2. 客戶的 switching cost — 一旦你的 Agent 跑在客戶的內部流程裡，幫它管合約、跑報表、接 ERP，客戶換掉你的成本就非常高

另一個 Q2 明顯吸金的方向是 AI infrastructure — 特別是 inference 優化和 model serving。這個市場的邏輯更直接：AI 用量越大，inference 成本就越是企業的痛點，能幫客戶省 inference cost 的工具，直接對應到可量化的 savings，ROI 計算很乾淨。

目前沒有 CB Insights 公開的子領域融資金額細目，但從大輪分布來看，前述兩個方向佔了相當大比例。

---

競爭格局：誰在贏，誰開始安靜

Q2 的大輪裡，有幾個值得注意的格局變化：

還在拿錢的

• Enterprise AI Agent 公司：特別是有明確行業垂直的。法律、金融、醫療這幾個垂直，估值能撐住，因為法規複雜度讓護城河天然更深
• AI infrastructure 層：包括 inference 優化、模型部署、monitoring，這些是 AI 規模化的必需品
• Insurtech + AI 交叉：CB Insights 報告裡同時提到了 Insurtech 50 的 11 億美金融資，這不是偶然。AI 對保險的影響在理賠自動化、核保、詐欺偵測幾個方向非常具體，投資人看得到 ROI 的路徑（來源：CB Insights Q2 2026 報告）

開始安靜的

• 通用型 AI 助理：沒有明確垂直、沒有 enterprise motion 的通用 AI SaaS，這個類別的融資明顯降溫。原因很簡單，OpenAI、Google、Microsoft 自己就在做，你的差異化在哪？
• 純 AI 內容生成工具：圖片、文字、影片生成，除非有特別強的分發或企業客戶，不然這個賽道的融資已經比 2024 年冷很多
• 沒有清晰 GTM 的研究型 AI 公司：光靠 paper 和 benchmark 撐不住了，投資人現在更想看 pilot 客戶和早期 revenue

這個分佈跟 VC 的心態轉變一致：從賭技術可能性，轉向賭商業可執行性。這是市場成熟的正常進程，只是速度比預期快。

跟歷史做個對比：這讓我想到 2015-2016 年的 SaaS 市場。當時一堆 SaaS 公司在燒錢，然後從 2017 年開始，投資人開始嚴格要求 NRR（Net Revenue Retention）和 CAC payback period。能活過篩選的，變成了現在的 Salesforce、Snowflake。沒過的，大部分人已經忘了名字。AI 市場現在在走一樣的路，只是壓縮在兩三年裡。

---

Meta 判讀：這是 Meta Shift，不是泡沫破裂

先說我的判定：這是 Meta Shift，不是泡沫破裂的前兆。

差別在哪？泡沫破裂是錢不進來了。Meta Shift 是錢還在，但在重新分配。Q2 的數據顯示的是後者。

用電競的角度來想：這像是版本更新後，強勢職業從「ADC 主宰」轉成「坦克 + 打野」的格局。舊的 build 不是完全沒用，但靠舊 meta 打排名的人開始掉分，調整過來的人在快速爬分。

具體來說，這個 Meta Shift 有幾個明確的信號：

1. 大輪越來越大，小輪越來越少 — 資本在向頭部集中，這是市場從「廣撒網」進入「押注強者」的典型特徵
2. 垂直化加速 — 通用 AI 平台已經是大公司的地盤，新創的生存空間在垂直深度，這個趨勢在 Q2 更明顯
3. 融資伴隨 revenue 的比例提高 — 純 story 很難撐住大輪了，有實際 ARR 的公司談判籌碼強很多

跟 2021 年的 crypto 熱潮比較一下：當時市場的特徵是什麼都能融資，只要你說得出 Web3 的故事。AI 的 2023 年有點像那個狀態。現在的 AI 市場比那時候健康得多，因為底層的技術確實在跑實際的工作流，不只是 speculative asset。

如果是投資人，我的判斷是：Q2 的融資格局是可以參考的訊號，但要注意 survivorship bias — 你看到的大輪，是已經過了初步篩選的倖存者。更關鍵的問題是這些公司的 NRR 是多少、客戶集中度如何。這些數字通常不公開，但值得問。

---

工程師該怎麼看

融資地圖對工程師的意義，不只是「哪裡有工作機會」，更是「技術選型應該往哪靠」。

Q2 的數據給了幾個方向：

Agent 架構的工程能力會是加分項 — 不是說你要去讀 LLM 論文，而是 tool use、function calling、multi-step reasoning 這些 pattern 的實作經驗，在 enterprise AI 公司的 JD 裡越來越常見。如果你還沒玩過 MCP 或 A2A 這些 agent 協議，值得花時間了解一下，市場對這塊的需求是真實的。

Inference optimization 是冷門但高薪的坑 — 大部分前端或應用層工程師不會去碰，但市場需求很高。如果你對底層有興趣，這是一個競爭沒那麼激烈、但有實際商業價值的方向。

垂直 AI 產品的機會在領域知識 — 如果你之前做過金融、醫療、法律相關的系統，這個背景加上 AI 整合能力，在現在的市場很值錢。純 AI 技術能力反而沒有「領域知識 + AI 應用」的組合稀缺。

Side project 方向的話，與其再做一個通用 AI 助理，不如找一個你自己有 domain 知識的垂直場景，做一個能跑實際工作流的 agent。市場現在要的就是這個。

延伸閱讀

• 現在的 AI 熱潮是哪種泡沫？鐵路史給了個有點嚇人的答案
• 5 億歐元！Sequoia 和 Founders Fund 同時押注歐洲無人機新創 Stark
• Anthropic 首季盈利 — AI 公司終於找到賺錢公式了？