硅谷三笔天价融资简评

硅谷三笔天价融资（River AI、Discovery Loop、Erebor）标志AI投资范式从“技术比拼”向“制度卡位”结构性切换，本质争抢AI时代“铸币权”。AI竞赛上半场是模型军备竞赛，下半场是制度基建竞赛。基座大模型商品化属于不可逆趋势，未来AI世界将建立在私有模型资产化、知识生产自动化、产业资本算力化的全新地基之上。海外资本正在提前抢跑布局这三条终局路径。
一、三大赛道的“天价”逻辑
River AI：成立仅2个月，11亿美元融资，英伟达、AMD战略入股，General Catalyst领投，淡马锡、YC跟投。定位开放权重后训练基础设施，美方上升至“美国AI韧性”战略高度，对冲海外模型生态依赖，团队仅20人。
Discovery Loop：Jeff Dean离开谷歌，集结Google Brain/DeepMind全明星团队创业，洽谈10亿美元融资，目标100亿美元估值，注册为公共利益公司；暂无产品、客户与营收，估值高度依赖科学家团队信仰溢价。
Erebor：Palmer Luckey联合创办，已取得全美银行牌照，新一轮15亿股权融资，pre‑money估值80亿美元；存款3个月由11亿扩张至40亿美元，主打GPU、数据中心资产抵押信贷，服务AI、国防硬科技企业。
二、争夺AI时代的“铸币权”三层控制点
1. River AI（控制权层）：争夺模型铸币权
逻辑：基座模型逐步成为通用基建，核心价值转向帮助企业把通用大模型“铸造”为属于自身的私有数字资产，解决企业不愿将核心数据交付外部闭源API的现实痛点。
内在矛盾：倡导开放权重理念，但训练运行服务本身是闭源云服务；真正完整本地所有权方案，仍有赖硬件生态深度协同，落地时间表不确定。
2. Discovery Loop（生产力层）：争夺知识铸币权
逻辑：当前大模型大多消费互联网存量人类知识；该项目目标搭建自动化科研闭环，先实现AI算法自我迭代，再向外拓展芯片、新材料、新药研发，实现增量知识自主生产。
核心风险：无产品无营收，属于顶级科学家叙事溢价，自动化科学发现商业化路径高度模糊。
3. Erebor（底座层）：争夺资本铸币权
逻辑：AI属于重资本消耗行业，传统银行难以对GPU集群、数据中心这类新型资产做风险定价。Erebor以算力资产作为抵押品，握住AI产业扩张的信贷杠杆阀门。
主要隐患：客户圈层高度集中，存在类似SVB的存款集中度风险，同时面临美国国会监管审查、跨境代理行地缘合规压力。
三、AI发展的三大终局推演
基于本轮资本动向，推演中长期演化路径：
1.模型资产化：AI成为“主权级”企业资产
未来5‑10年，企业私有模型权重将和专利、知识产权并列，纳入资产负债表核心资产，具备完全自主可控的主权属性。
推演：River一类后训练基础设施大规模普及，企业不再单纯采购API云服务，构建自有“AI领地”；模型评估、审计、交易市场有望成长为万亿规模。
2.科研自动化：人类科学家转向“监督者”角色
AI从辅助工具升级为发明主体；新材料、生物医药领域，大部分假设提出、仿真验证由AI自主完成。
推演：科技竞争不再单纯比拼科研人员数量，转而比拼科研AI可用算力；知识发现周期由“年”压缩至“周”。
3.货币算力化：算力成为新型抵押品
GPU算力资产获得类似黄金、不动产的金融抵押属性，成为信贷体系新锚。
推演：算力抵押信贷倒逼传统银行变革；算力本位衍生品、相关金融工具逐步出现，算力流动性直接约束AI产业扩张节奏。
四、国内差距与机会
1.控制权层：面壁智能、DeepSeek推进私有化部署与开源模型定价权，但缺少River AI这类一站式、高效率后训练微调工具链。
2.生产力层：深势科技、华为昇腾、阿里达摩院在材料、制药仿真已有单点落地；短板在于缺少“AI自我迭代再外溢科研”完整闭环平台，是未来潜在创业方向。
3.产业底座层：当前依靠算力租赁运营商、地方算力券实现类信贷支持，缺少持牌专业化算力金融机构；GPU资产抵押、算力REITs具备想象空间，但高度依赖监管制度创新。
五、风险提示
高估值建立在远期叙事期权，并非当期收入；存在技术落地不及预期、商业化兑现困难、监管合规、地缘政策多重不确定性。