钱、法、活，三条线里谁在买单

一个季度3000亿美元，67%被三家公司拿走

Crunchbase数据显示，2026年第一季度全球风险投资约3000亿美元，投向约6000家初创公司，环比与同比均增长超150%——这是有记录以来任何季度都未曾接近的规模，单季融资额已接近2025年全年风投总额的70%。其中AI领域拿走约2420亿美元，约占该季度总额的80%。不同数据提供商方法论不同、数字略有差异（Crunchbase全球口径约3000亿、KPMG Venture Pulse约3309亿、PitchBook美国口径约2672亿），但集中度这一核心事实被多方交叉印证：PitchBook的Q1 2026 AI VC趋势报告发现，仅OpenAI、Anthropic、xAI三家公司就占了该季度全部AI融资的67%，剩下835亿美元由1543笔交易分薄。Crunchbase的口径略有不同但方向一致：OpenAI、Anthropic、xAI、Waymo四家合计融资1880亿美元，约占该季度全球风险投资总额的65%。地理集中度同样悬殊：美国公司拿走该季度全球风投的83%（2500亿美元），中国以161亿美元列第二，英国以74亿美元列第三。（Crunchbase，siliconcanals）

一份8月6日的风投综述指出，投资人正在从押注模型能力本身，转向押注让AI更便宜、更可扩展的效率工具——为削减AI agent运行成本的初创公司正在获得融资，这与本期企业篇报道的OpenAI用Sol自我优化推理内核降价，是同一逻辑在资本市场端的呼应：当模型能力增速放缓，竞争焦点转向成本效率，资本流向也随之调整。同时物理世界的自动化、自主系统也在吸引巨额单笔投资（如Hadrian 13.7亿美元、Moove 2.5亿美元）。

欧盟AI法案，真正开始咬人的第一天

2026年8月2日是欧盟AI法案（Regulation 2024/1689）的关键执法节点。这一天同步生效的义务包括：第50条透明度义务（聊天机器人与AI工具必须清楚表明自己是AI身份）、针对通用人工智能（GPAI）模型的执法权、以及全额罚款机制。这不是一个笼统的延期截止日——高风险义务（Annex III，涵盖招聘、信用评分、关键基础设施、教育、执法等领域）的部分条款此前已被推迟，但第50条、GPAI执法权、全额罚则三者从8月2日起确定生效。罚款上限达3500万欧元或全球年营收7%，超过GDPR的最高罚则。执法具有域外效力——任何美国或其他非欧盟公司的AI系统，只要输出以任何有意义的方式触及欧盟（通过销售、访问或下游集成），即落入监管范围，不要求该公司在欧盟设有实体。（Holland & Knight，informedclearly）

一个耐人寻味的执行力缺口值得摆出来：截至2026年3月的报告显示，27个欧盟成员国中只有8个指定了国家执法联络点（法定截止日期本应是2025年8月），CEN/CENELEC的协调技术标准也错过了2025年的截止日期，预计要到2026年底才能出台。但专家提醒不要因此掉以轻心——数字权威战略专家Martijn Jonkman的判断是："欧盟AI法案不是一只纸老虎……与GDPR早期不同，执法机构已经明确表态会认真动用这项权力。"（informedclearly）

斯坦福的高频数据，追踪出一条没有均值回归的曲线

斯坦福数字经济实验室研究者Erik Brynjolfsson、Bharat Chandar等人发布的研究《Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence》，利用全美最大薪资软件服务商ADP的高频行政数据，追踪460万工人、730多个职业的就业变化。核心发现：自生成式AI广泛应用以来，22到25岁早期职业人群在AI高度暴露的职业中，即便控制了企业层面的冲击因素后，就业仍出现约16%的相对下降。受影响最严重的具体职业包括软件工程与呼叫中心客服支持——这两类被明确列为对AI能力进展最脆弱的岗位类型。相比之下，低暴露领域的工人、以及同一职业内更资深的工人，就业保持稳定甚至持续增长。就业下降集中在AI更可能自动化而非增强人类劳动的职业，而非泛泛的"AI相关职业"。（TIME，Stanford Digital Economy Lab）

这条曲线的持续性，是这项研究里最值得关注的技术细节：数据显示这一效应没有均值回归，过去18个月里以每月约0.5个百分点的速度持续扩大。研究者做了多重稳健性检验（剔除整个科技行业、按不同方式切分数据），模式在每一种切法下都成立，包括去掉整个科技行业数据、控制远程办公效应之后依然存在——这排除了"这只是科技行业自身周期性裁员"或"这只是疫情后远程办公扭曲"的简单解释。这项研究并非没有争议：Google的经济学家将这一趋势归因于利率因素，另一些学者归咎于科技行业过度招聘、远程办公扭曲、疫情噪音的综合效应，Apollo Global Management的Torsten Slok持续质疑"AI就业危机"是否真实存在，诺贝尔奖得主Daron Acemoglu是这场持续争论中Brynjolfsson的主要对手。这一局限必须诚实标注：这里引用的是研究团队一方的结论，学界对因果机制仍有实质分歧，不构成盖棺定论。（Fortune）

一个错配的故事：收益向头部集中，代价向底层分散

一个季度2420亿美元流入AI，67%被三家公司拿走；同期欧盟监管全面生效，罚则针对的是任何"AI系统输出触及欧盟"的公司，不分大小；同期早期职业人群在AI高暴露职业中就业相对下降16%，且趋势持续扩大。这三件事分别代表这一轮AI繁荣的收益侧（极少数公司拿走绝大多数资本回报）、约束侧（监管的执法门槛不分公司大小，但合规能力本身高度依赖资源——大公司能负担专职合规团队和法律顾问，初创公司难以负担同等合规基础设施，监管的"名义平等"实际上会进一步固化头部集中格局）、代价侧（实际承受就业冲击的是最缺乏议价能力和资源缓冲的群体：应届生、初级岗位）。

把这三条线放在一起看，会发现一个结构性的错配：制造这一轮繁荣的资本回报高度集中在极少数公司（收益向头部集中），而繁荣的代价（就业冲击）却分散承担在最没有议价能力的个体身上（成本向底层分散）。这不是任何一方设计出来的阴谋，而是"资本天然追逐规模效应+监管天然利好有资源合规的一方+自动化天然先冲击最容易被替代的入门级工作"这三条各自独立的逻辑，叠加出的必然结果。

如果这个错配模式持续（目前三条数据线都指向"是"），未来一到两年最值得关注的社会与政策变量，不是"AI会不会取代更多工作"这个笼统问题，而是"入门级岗位的结构性萎缩，会不会倒逼教育与职业培训体系提前做出适应性调整"——如果"先做初级岗位积累经验、再晋升"这条职业路径本身正在被AI挤压变窄，教育与人才培养体系需要回答的问题就不再是"教什么技能能找到工作"，而是"怎么帮助年轻人构建不依赖'先做入门岗攒经验'这条老路的成长路径"。

这是四类综述里唯一直接触及教育与人才市场深层适应问题的一条线索，值得后续单独立项深挖。

监管的名义平等，可能正在悄悄扩大而非缩小头部集中度

多数报道把"资本集中"和"监管收紧"当作两条独立叙事分别报道，鲜有人把两者放在一起做交叉推理。但把"67%集中在三家公司"和欧盟AI法案"任何触及欧盟市场的AI系统都要做合规评估、留存技术文档、CE标记、EU数据库注册"这两件事并排看，会发现一个容易被忽略的结构性效应：合规本身是有固定成本的（法律顾问、技术文档、符合性评估流程），这类固定成本对营收和融资规模巨大的头部公司而言是边际可忽略的支出，但对资源本就稀缺的中小AI创业公司而言，可能构成实质性的进入壁垒。

也就是说，"AI监管"这件事表面上是在约束所有公司（名义平等），但实际效果很可能是进一步巩固已经拿到67%融资份额的头部三家公司的相对优势——因为它们最有能力负担合规的固定成本，而资源本就稀缺的追赶者反而要为同一套规则付出更大比例的相对成本。这不是在评判监管本身的对错（消费者保护、透明度要求有其正当性），而是提醒任何评估"AI监管对创业生态影响"的人：监管的名义中立，不等于实际效果的中立。这条推理链在本周三组数据交叉分析中第一次显现出具体的可验证形状，值得后续持续追踪。

置信度与局限