写在前面

AI 赛道的资本整合，比市场预期的来得更早，也更猛烈。根据 The Information 的最新统计，截至 11月，美国软件公司今年在 AI 领域的收购支出已经达到创纪录的 338 亿美元——这一数字超过了过去三年同类支出的总和。毫无疑问，这一轮 AI 周期，并购不仅来得更猛，而且发生得比以往任何一个科技周期都要“早”。回顾科技史，以往大规模并购 （M&A） 通常发生在行业进入成熟期后，但在这一轮 AI 周期里，我们观察到了前所未有的周期压缩：并购不再是巨头收割市场的终局，反而演变为一种激进的抢跑策略，成为了他们构建生态壁垒的战略前置。尽管中美市场环境不同，且国内一级市场尚未形成成熟的并购退出机制与流动性惯例，但关注大洋彼岸的并购交易逻辑依然具有普适意义。它们不仅为 Global 创业者提供了退出参照，更重要的是，“被收购价值”本身就是检验资产成色的最佳试金石。在躁动的市场中，它能帮我们剥离掉融资时的“叙事泡沫”，透过现象看本质：企业沉淀积累的，究竟是具备长期复利的“资产”，还是仅仅是无法变现的‘无效库存？”只有理解巨头为何买单，才能看清去泡沫后的价值真相。带着这个视角，我们复盘了过去 24 个月的几十起关键交易，试图回答一个最核心的问题：在一个智能逐渐商品化的世界里，哪些资产仍然稀缺，并能获得溢价 ?

01  2025 AI 并购全景：恐惧与野心的双重奏

在进入微观的案例拆解之前，我们先站在宏观的视角，整体观察这轮 AI 并购浪潮背后资金流向、产业格局与竞争动机的系统性变化。

根据 The Information 披露最新数据，截至今年11月，美国软件行业在 AI 领域的并购支出已突破 338 亿美元——这一数字已经超过了过去三年同类支出的总和。

数据来源：The Information

全球 AI 并购重点项目一览 （2023-2025）：

在这几百亿美元的账单背后，我们观察到两股截然不同的资本势力：一端是手握旧船票的巨头在恐慌性补仓，另一端则是手握新技术的寡头在掠夺性扩张，驱动巨额资本流动的核心逻辑也完全不同。

旧世界的“防御战”：以金钱换时间，拒绝沦为“哑管道”

对于 Salesforce、Workday、ServiceNow 等传统 SaaS 巨头而言，驱动这轮疯狂扫货的核心动力，是对“哑管道化” 的极度恐惧。

业内早已对“AI 替代人力导致席位费模式崩塌”达成共识，但巨头们更深层的焦虑在于 “价值链的重新分配”：如果未来的工作流都由独立的 AI Agent 接管，用户将不再需要登录具体的 SaaS 界面，这些千亿巨头将退化为底层的、被动的 System of Record ( 记录系统 )。在软件产业链中，后端数据库是没有溢价权的，控制了交互界面和执行动作的一方，才拥有最终定价权。

然而，面对 AI 技术的指数级迭代，传统巨头内部庞大的 R&D 惯性已无法适应。为避免在转型中掉队，他们选择了买公司这样更加直接高效的交换逻辑：以资产负债表上的现金，置换研发追赶的时间成本。

透过这个视角，我们看到了一场跨越各个垂直领域的 “执行权”抢夺战：Salesforce 连续吞并 Bluebirds 和 Regrello 以强行让 CRM 长出“手脚”；ServiceNow 斥资 28.5 亿美元拿下 Moveworks 以死守企业 IT 服务的“总对话入口”；Workday 豪掷 10 亿美元收购 Parado 以实现招聘全流程的自动化……这不仅是战略防御，更是旧时代霸主为了留在牌桌上所支付的昂贵入场费。

新世界的“圈地战”：以估值换壁垒，重塑产业链控制权

与传统软件巨头的防御性策略截然不同，OpenAI、Anthropic 和 Databricks 等科技新贵正在利用其在一级市场的高估值作为“并购货币”，进行一场极具进攻性的生态扩张。这本质上是一种高效的资本配置策略：利用高溢价的股权置换被收购方手中的“硬资产”——即经过验证的 ARR、底层核心代码以及无法量产的顶级技术团队。通过这种方式，新巨头们试图在市场从狂热回归理性之前，将“纸面富贵”迅速夯实为不可撼动的竞争壁垒。

这种扩张逻辑体现在对稀缺资源和标准的绝对控制上。微软与 Inflection、亚马逊与 Adept 的交易，表面上是规避监管的“反向收购”，实则是对“智力密度” (Talent Density) 的暴力垄断——在 AGI 竞赛中，能够驾驭万卡集群训练模型的人才极其稀缺，巨头通过交易剥夺了潜在竞争对手的核心智力资源。同样，Databricks 斥资十亿美元收购 Tabular，意在终结数据格式之争，确立行业标准并强化平台的 “数据引力” 。无论是 OpenAI 向下游硬件与分析工具的渗透，还是向上游基础设施的整合，其最终目标都是构建一个没有缝隙的全栈帝国，从而完成从“技术领先”到“产业链统治”的跃迁。

资本的共识：那些在并购中被青睐的“高价值资产”

尽管旧巨头是为了“保命”，新巨头是为了“称霸”，但他们在资产收购的选择上表现出了高度一致的结构性偏好——在盘点了最近 24 个月几十个 AI 领域的并购交易后，我们发现，被并购的资产主要可以归纳为以下三类：

1. 沉淀于垂直场景的“隐性记忆”（ 数据层 ）

2. 掌控核心工作流的“原生容器”（ 应用层 ）

3. 支撑企业敢于落地的“信任底座”（ 基建层 ）

接下来，我们将深入拆解这三大类市场交易验证过的“高价值资产”，并由此揭示：一个智能逐渐商品化的世界里，什么样的资产仍然稀缺并能获得溢价？

02 寻找“隐性知识”：大模型无法推理的纠错闭环

在一线接触大量早期项目的过程中，我们发现许多创始人依然习惯用“数据资产”来讲故事。但在 2025 年，关于“数据资产”的价值判断已经彻底发生改变——随着 Common Crawl 的彻底商品化，单纯的数据囤积已变得毫无意义。在基座模型能力日益强大的今天，最有价值的数据资产已经从描述“世界是什么样”的 （Descriptive Data），转向了捕捉“模型在哪里犯错”的 （Correction Data）。

大厂拥有最强的基座模型，这些模型在处理 80%的通用场景时已经表现得非常完美。巨头们真正焦虑的，是剩下那 20%长尾、混乱、充满歧义的边缘场景。而填补这 20%的空白，正是创业公司真正的机会与价值所在。

Casetext 收购案：价值 6.5 亿美金的“纠错记录”

Thomson Reuters 收购 Casetext 的交易，便是这一逻辑的最佳注脚。

关于这笔交易，市场通常解读为“Casetext 拥有法律数据”，但这并不准确——作为老牌巨头，Thomson Reuters 旗下 Westlaw 拥有的判例数据远超 Casetext。Thomson Reuters 真正买单的，是 Casetext 在过去数年里通过 CoCounsel 产品积累的“人类专家对 AI 的否定记录”。

当大模型在处理复杂判例产生幻觉时，使用 CoCounsel 的专业律师会进行修正。这种 "Model Prediction -> Human Correction" 的数据对，包含了极高密度的“隐性知识”。告诉模型“为什么这是错的，以及在特定语境下如何改才对”。它捕捉了律师在面对 AI 错误时的推理路径，这是极难获取的稀缺资产——这种经过专家清洗的 RLHF 数据，是通用大模型无法通过“阅读”海量文书自动习得的。Thomson Reuters 买的不是数据本身，而是“消除幻觉的机制”。

给创业者的启发：在产品中构建好“隐性知识捕捉器”

所以，对于 AI 创业者而言，战略重心不应再是静态的数据囤积和积累，而应是产品内部的“机制设计”—即如何让高价值的数据在用户的使用过程中自动生长出来，以下是两个可以思考的角度：

捕获专家：你的产品能否让高价值用户 （ 医生、律师、资深码农 ） 在日常工作中，顺手为你完成低成本的“纠错”？你的 UI 是否设计了便捷的 Feedback Loop？

瞄准混乱：不要害怕处理那些大模型不愿意碰的“脏数据”。那些连 SOTA 模型都会报错、搞混的复杂场景，恰恰是你构建防御壁垒的最佳土壤。

在 2025年的并购桌上，Capital flows to certainty. 谁能通过数据闭环解决 AI 在“最后一公里”的准确性和可用性问题，谁就能掌握定价权。

03 争夺“原生容器”——对话框无法承载的执行权限

2025年被公认为 “Agent 元年”，智能体架构正迅速成为新一代软件开发的标准范式。伴随着这一趋势的深化，我们在复盘 AI 并购交易时，发现了一个新的趋势：买家不再单纯为“更聪明的 Agent”支付溢价，他们转而开始为 Agent 的 “原生执行环境” 买单。

导致这一转变的根本原因，在于模型能力与落地场景之间的 “执行断层”。

尽管大模型在工具调用上已臻成熟，但大多数 Agent 仍以 “游离态”存在——无论是网页对话框还是侧边栏，它们本质上都是系统的“局外人”。资本市场的逻辑非常清晰：脱离了底层环境，Agent 只是隔着玻璃操作的机械臂。 它无法感知系统的深层状态，也无法进行原子级的精准操作。

原生容器的价值，在于它打破了这层玻璃，赋予了 Agent 不可替代的三大 “系统主权”：

深层感知 , 从“看文本”到“看状态” ：游离态 Agent 是“盲”的，以 Coding 场景为例，游离态 Agent 只能看到用户粘贴的代码片段。而原生容器 （ 如 Windsurf） 能读取实时的调试堆栈和 AST。只有掌握了这些深层上下文，Agent 才能像资深工程师一样，不仅知道代码“写”得对不对，更知道“跑”得通不通。

原生行动，从“给建议”到“调 API”：游离态 Agent 的执行是受限的，生成的内容往往需要人类充当“搬运工”。而原生容器拥有 “写权限”，能直接调用底层 API：在 CRM 里修改销售阶段，在 IDE 里重构文件目录。这种 “无人类介入的执行”，才是自动化的本质。

从“开环”到“闭环验证” ：这是最关键的一点。当代码报错时，游离态 Agent 无从知晓。而原生容器拥有 “反馈回路”——它可以自动运行测试，捕获报错，自我修正，再运行。这种 Action -> Feedback -> Correction 的自主闭环，只有在拥有环境控制权的前提下才能实现。

这也解释了并购市场的估值重构：资本正在寻找那些能让 Agent 直接“触碰”代码库、直接“接管”业务流的“原生容器”。因为只有在这里，Agent 才能完成从“建议者”到“执行者”的惊险一跃。

Cognition 收购 Windsurf： 实现从模型到环境的垂直整合

Cognition（Devin 的母公司 ） 对 Windsurf 的收购，是理解这一逻辑的最佳样本。这并非一次简单的产品扩充，而是实现其 “AI Agent 操作系统化” 的战略性举措。

通过收购，Cognition 实现了从模型到环境的垂直整合。Devin 不再受限于 API，而是可以直接访问 IDE 的核心逻辑层。更重要的是，IDE 是捕获 “开发者心智模型” 的唯一管道 。Windsurf 能够捕获点击路径、修复方案和变量状态，这些高保真的意图数据是训练下一代 Devin 的关键燃料。

Salesforce 收购 Regrello：从“记录系统” 进化为“行动系统”

同样的逻辑也解释了 Salesforce 对 Regrello 的收购。如果说 Cognition 解决了代码层的执行闭环，那么 Salesforce 买下 Regrello，则是为了填补业务层面的“执行断层”。

对于 Salesforce 而言，这笔交易核心是为了解决 Agent 在企业落地中最大的痛点——流程的碎片化。

打通“孤岛工具”的神经中枢：企业的真实工作流往往是割裂的：合同在 PDF 里，沟通在 Slack 里，而记录在 CRM 里。游离态的 Agent 很难跨越这些边界去执行复杂任务。Regrello 的核心价值在于，它能将非结构化的文档 （ 如邮件、合同 ） 瞬间转化为可执行的“智能体工作流”（Agentic Workflow）。

从“对话框”到“全域执行”：通过将 Regrello 深度整合进 Agentforce 和 Slack，Salesforce 赋予了 Agent 真正的“系统主权”。Agent 不再被困在网页对话框里充当咨询顾问，而是能够穿透 Slack 的聊天界面，直接在后台调用 CRM 数据、更新商机状态、甚至触发审批流程。

Salesforce 实际上是在购买一种“原生执行环境”，确保其 Agent 能从“只会聊天的客服”进化为“能真正干活的员工”。

给创业者的启发：从“浅层应用”转向“原生容器”

这一趋势对创业者的启发是：放弃与基座模型比拼“智力”的执念，转而致力于打造“执行系统”——巨头们拥有最强的大脑，他们缺的是能让大脑直接触碰现实世界、直接执行任务的手和脚。

从“模型层”下探到“执行层”不要过分痴迷通过 Prompt Engineering 让 Agent 变得更聪明，而要把更多精力花在如何让 Agent 获得更深的系统权限上——你的 Agent 能否直接读取数据库日志？能否拦截网络请求？能否回滚代码变更？这些 “Dirty & Heavy” 的底层集成，才是防御通用模型“降维打击”的有效壁垒。

拥抱“原生容器”：在 2025年的并购交易中，Container 比 Content 更值钱。 无论是浏览器插件，还是缺乏底层权限的独立 Web 应用，本质上都只是“浅层套壳”。它们仅仅调用了模型能力，却未掌握核心数据流。只有构建深度嵌入的“原生容器”（ 如集成开发环境、核心业务系统 ），成为 “工作流的控制者”，才能拥有不可替代的价值。

04 占领“中间地带”：Dirty Work is the Moat

在过去几年的 AI 投资版图中，数据清洗、权限治理和合规监控这类基础性的“脏活累活”往往因为不够“性感”而被边缘化。然而，在并购市场上，这些“隐形基建”正在获得显著的估值溢价。典型案例如 Salesforce 斥资 19 亿美元收购 Own (OwnBackup)，HubSpot 收购 Frame AI，以及 Dropbox 收购 Nira。

这些收购折射出一个容易被忽视的事实：尽管科技巨头拥有强大的模型与基建优势，但受制于内部数据的复杂性与敏感性，企业客户对于“向 AI 开放核心资产”依然表现出极度的审慎与克制。

企业数据环境往往是一片混乱的“沼泽”：非结构化的邮件堆叠、权限不明的文档散落、格式各异的合同混杂。在缺乏治理的情况下，将通用模型直接接入这些数据，无异于一场“灾难性的冒险”（ 如隐私泄露、上下文错乱等 ）。这正是巨头们在 AI 实际落地中面临的根本性难题：面对这些杂乱的异构数据，模型再强也无法直接提取有效上下文。因此，“Dirty Work is the Moat” 正在成为新的定价准则。那些能够治理混乱、解决“数据可用性”的公司，成为了巨头构建企业级 AI 时必须补齐的关键拼图。

HubSpot 收购 Frame AI：非结构化数据的炼金术

HubSpot 收购 Frame AI 便是一个极具代表性的案例。

HubSpot 作为 CRM 平台，面临一个长期的结构性挑战：企业的客户互动数据 （ 邮件、会议记录、工单对话 ） 中，超过 80%属于非结构化数据。传统的 CRM 依赖人工录入来填写字段 （ 如“客户意图”、“流失风险”），这种方式不仅效率低下，且数据维度极度稀缺，导致后续的自动化工作流无法有效启动或触发。

Frame AI 的核心价值在于提供了一套企业级的 “结构化提取” 解决方案，有了 Frame AI，HubSpot 可以自动将客户对话中的非结构化信息转化为 CRM 中的结构化数据。例如，Frame AI 能识别邮件中的“定价异议”并将客户标记为“价格敏感型”。这使得 HubSpot 能够基于实时对话数据触发自动化工作流，推动复杂的营销或服务流程。通过将模糊的对话内容转化为明确的布尔值或分类标签，Frame AI 为 HubSpot 提供了驱动自动化的必要结构化数据，解决了传统 CRM 系统中的效率低下和数据稀缺问题。HubSpot 购买 Frame AI，本质上是购买了将 AI 与核心业务数据“连通”的能力。

Dropbox 收购 Nira & Salesforce 收购 Own：跨越“信任鸿沟”

如果说 Frame AI 解决的是“懂不懂”的问题，那么 Dropbox 收购 Nira 以及 Salesforce 收购 Own 解决的就是“敢不敢”的问题。随着 RAG 和 Agent 的普及，企业数据安全面临一个前所未有的悖论：AI 越强大，数据越危险。

Dropbox 收购 Nira：终结“隐形安全” 。在 AI 时代之前，企业内部存在大量权限设置错误的敏感文档。这些文档之所以没出事，是因为它们“难以被找到”（ 隐形即安全 ）。 但 Dropbox Dash 这样的企业级 AI 搜索彻底打破了这种侥幸。AI 的核心能力就是挖掘信息。这意味着，RAG 会瞬间将企业过去十年积累的“权限债务” 转化为“即时泄露”风险。Dropbox 收购 Nira，正是为了解决这个问题。Nira 不仅仅是一个权限管理工具，它是一个“跨云资产图谱”。它能扫描 Google Workspace、Microsoft 365 和 Dropbox 中的亿级文件，实时发现并修复权限漏洞。对 Dropbox 而言，Nira 就像 Dash 的“保险丝”。有了这种治理能力，企业才能放心开启 AI 搜索。这笔收购证明了：在 AI 时代，治理能力不再是后台的“成本中心”，而是前台产品的“生存许可”。

Salesforce 收购 Own，为自主 Agent 配置“撤销键”：如果说 Nira 解决的是“读”的风险，那么 Own 解决的就是“写”的恐惧。Salesforce 的 "Agentforce" 战略面临着一个致命的信任悖论：越是自主的 Agent，越容易引发数据灾难。当 Agent 获得修改 CRM 记录的“写权限”时，一次错误的批量操作 （ 如误删高价值线索 ） 可能是不可逆的。 收购 Own (OwnBackup) 并非为了传统灾备，而是为了给 AI Agent 的每一次行动提供“颗粒度回滚”的能力。这种“容错机制”，相当于给企业吃了一颗定心丸：无论 Agent 出现何种“执行偏差”，数据永远可以恢复到行动前的一秒。 备份能力，构成了 Agent 获得“执行许可”的终极底牌。

给创业者的启发：做 AI 时代的“基建施工队”，Dirtywork is the Moat

对于创业者而言，这提供了一个清晰的差异化思路：当所有人都在试图让 AI “多做”一些 （ 生成内容、执行任务等 ） 时，如何让企业“少怕”一点 （ 合规、风控、纠错 ） 可能蕴藏着更大的机会——因为这是 AI 大规模落地的前置条件。

巨头们迫切需要能够处理数据摄入、清洗和访问控制的中间件。这些业务看起来是缺乏光环的“苦活累活”，但正如并购交易所印证的逻辑——Dirty Work is the Moat。正是这种处理复杂性与混乱的能力，成为了企业级 AI 不可或缺的赋能者。

05 智力垄断：反垄断压力下的“反向收购”

在应用层和基建层的常规并购之外，这两年的 AI 收购版图中还出现了一种应对监管压力的特殊交易模式——“反向人才收购”。当 FTC 和 CMA 等反垄断机构对传统股权收购实施严厉审查时，科技巨头转而采用“支付高额技术许可费”叠加“批量雇佣核心团队”的组合交易结构，以规避监管并实质性获取初创公司的核心资产。

微软与 Inflection AI 的交易确立了这一模式的范本。面对 Inflection 在商业化上的困境，微软支付了 6.5 亿美元的技术许可费，并成建制地吸纳了包括联合创始人 Mustafa Suleyman 在内的核心技术团队。这一模式随后被迅速复制：亚马逊以类似方式吸纳了 Adept AI 的创始团队，谷歌则向 Character.ai 支付了约 27 亿美元，不仅获得了技术许可，更促成了 Transformer 作者 Noam Shazeer 及其团队的回归。

给创业者的启发：人才密度是最后的“看跌期权”

“反向收购”虽始于大模型赛道，但其折射出的购买逻辑已泛化至整个 AI 生态。这一趋势揭示了一个残酷但务实的真理：在 AI 领域初创公司 PMF 充满不确定性的当下，人才密度是唯一确定的硬通货。

对于所有置身于 AI 浪潮中的创业团队而言，这是一个至关重要的战略托底：即便产品未能在激烈的市场竞争中突围，只要你的团队掌握了稀缺的工程化能力——无论是驾驭万卡集群的架构经验，还是解决垂直场景复杂问题的落地能力——这张“智力船票”依然具备变现价值。

这未必能带来高额的溢价回报，但至少能为团队提供一个确定的退出通道。 在 2025年，被巨头“拆解式收购”或许不是最理想的终局，却是创业者在巨头林立的黑暗森林中，依靠团队价值实现的一种极其务实的生存保底。

06 避坑指南：什么样的公司不仅卖不掉，还会死？

338 亿美元的并购大潮，容易让创业者产生一种“流动性充裕”的错觉 。

但在繁荣的表象掩盖了另一面的残酷：在复盘了近 2年 AI 领域的失败案例与低价甩卖交易后，我们发现，市场正在进行一场“价值分层”：资金正加速向具备核心壁垒的头部资产聚集，而对于缺乏结构性护城河的公司，退出的门槛正在显著抬升。在当前的资本环境下，以下三类玩家正面临着流动性与可持续性的双重挑战，构成了买家眼中的“负面清单”。

“薄套壳”与“无状态”的系统性崩塌

2023年曾是套壳类应用短暂的黄金窗口期，但这一窗口目前已经彻底关闭。其消亡的根本原因不仅仅是“功能被大厂覆盖”，更在于“连接价值”的全面商品化。

协议标准化的降维打击：过去，许多中间层公司靠“连接”LLM 与 SaaS API 存活。但随着 MCP（ 模型上下文协议 ） 的普及，连接能力变成了像 HTTP 一样的通用协议。当巨头原生集成了这些标准，单纯的“路由”价值瞬间归零。

无状态 （Stateless） 的致命缺陷：更深层的危机在于架构。大量的中间件试图用“无状态”的架构解决“有状态”的企业问题。它们没有构建真正的记忆系统，无法沉淀用户偏好或纠错记录。对收购方而言，这种既无底层算力壁垒，又无上层数据资产的代码壳子，只是巨头产品路线图上一个随时可被替换的补丁。

价值捕获的断裂：这类应用或许通过便捷的界面创造了价值，但无法捕获价值。当核心智力完全由上游模型厂商提供时，利润注定流向上游，下游只能陷入价格战的泥潭。

虚荣指标陷阱：游客用户与 CAC 螺旋

在 AI 应用层，早期的用户增长数据往往具有极大的欺骗性。许多公司虽然披着 SaaS 的外衣，却背负着比硬件更沉重的可变成本结构。

虚荣指标与 CAC 螺旋：许多应用吸引了大量的“游客用户”（Tourist Users），出于好奇试用一次“魔法”后便迅速流失。与此同时，2025年 B2B SaaS 的平均获客成本 （CAC） 已飙升至 1200 美元。高流失叠加高 CAC，让 LTV/CAC 模型彻底失效。

负毛利的死亡陷阱：更可怕的是，AI 的每一次交互都对应着真实的 GPU 算力消耗。随着 Chain of Thought 等复杂推理的普及，单次服务成本呈指数级上升。创业者面临着“COGS 骑在上游价目表上”的窘境——赚着咨询公司 50%的毛利，却妄想获得 SaaS 公司 10 倍的估值。在买家眼中，这种随规模扩张而持续失血的资产，是必须要剥离的“毒资产”。

落地能力的断层：深陷 POC 陷阱 （POC Trap）

最后一类在并购市场上“卖不掉”的公司，是那些倒在 POC（ 概念验证 ） 到 Production（ 生产环境 ） 跨越上的玩家。许多创业公司基于理想化假设做出了惊艳的 Demo，却因数据治理能力的缺失而深陷泥潭——现实中的企业环境往往是一片权限混乱、格式杂乱的“沼泽”。由于缺乏对脏数据的清洗能力和对权限的精细化治理，这些产品在真实落地中频频遭遇幻觉或隐私泄露，从而无法跨越关键的信任门槛。在并购方看来，这种只有模型能力而无治理底座的产品，本质上属于“无法交付”的半成品，注定永远无法产生真实的 NRR。

看清这些‘死亡画像’，并非为了制造焦虑，而是为了在不确定的周期里找到确定的落脚点。并购市场的严苛，本质上是商业常识的回归。资本的嗅觉是灵敏也是公平的——它或许会短暂地为泡沫买单，但最终只会流向那些真正创造效率与价值的洼地。避开上述的‘价值陷阱’，不只是为了生存，更是为了在喧嚣褪去后，依然能够留在牌桌上。在这个智能逐渐像水电一样普及的时代，活下来的秘诀其实从未改变：忘记风口，回归用户，去那些巨头看不上的湿滑泥泞处，构建属于你的坚实领地。

About Atom Capital

Atom Capital 是一支由连续创业者和投资人成立的新锐风险投资基金，专注于中美两地 AI 领域的早期投资，聚焦颠覆式创新机遇，发掘、孵化和陪伴优秀的科技创业者成长。