在科技浪潮的推动下，人工智能（AI）已从概念走向实际应用，深刻重塑着各个行业的发展格局。金融科技（Fintech）作为技术与金融深度融合的领域，成为 AI 落地的核心场景之一。近年来，大语言模型（LLMs）等技术的突破，更是加速了 AI 在金融科技领域的渗透，从早期的基础工具应用，到如今成为企业核心竞争力的重要组成部分，AI 正驱动美国金融科技行业进入全新的发展阶段。本文基于 PitchBook 2025 年发布的研究报告，结合详实数据，深入剖析 AI 对美国金融科技领域交易活动的影响，揭示行业发展的核心趋势与潜在机遇。
原文下载：AI+金融_PitchBook_2025AI对美国金融科技领域交易活动的影响.pdf
一、AI 在金融科技领域的渗透现状：规模与结构双升
AI 在金融科技领域的应用已从少数企业的尝试，演变为行业普遍趋势，呈现出规模持续扩大、结构不断优化的显著特征。
（一）企业渗透率稳步提升，VC 支持企业更积极
美国金融科技行业的 AI 采纳率已达到较高水平。数据显示，2021 年以来参与交易活动（包括风险投资、杠杆收购、并购及首次公开募股）的美国金融科技公司中，32.8% 为 AI 赋能型企业。这一比例与美国整体商业领域 35.5% 的 AI 使用率基本持平，反映出金融科技行业对新技术的敏锐捕捉。
值得注意的是，风险投资支持的金融科技公司对 AI 的接纳度更高。在 VC-backed 金融科技企业中，AI 赋能型企业占比达到 37.4%，显著高于行业整体水平。这一现象背后，是投资者对 AI 技术价值的坚定认可，随着 AI 在提升效率、优化体验等方面的作用日益凸显， startups 更愿意通过 AI 布局获取资本青睐，从而在竞争中占据先发优势。
（二）B2B 领域占据主导，应用场景更聚焦
从业务类型来看，AI 赋能型金融科技企业呈现出明显的 B2B（面向企业）导向。80.3% 的 AI 赋能型金融科技公司以企业为服务对象，仅有 19.7% 聚焦于消费者市场。这一结构与行业融资模式高度契合，2024 年企业级金融科技获得了 61.3% 的 VC 交易价值，2025 年一季度这一比例进一步提升至 75.8%。
B2B 领域成为 AI 应用主战场的核心原因在于，企业级服务更能凸显 AI 的价值。企业金融科技可灵活提供 AI 增强型产品或纯 AI 核心解决方案，将智能技术嵌入基础设施、工作流代理等关键环节，有效解决金融行业普遍存在的后台运营繁琐、效率低下等痛点，投资回报率（ROI）更清晰，规模化路径更明确。相比之下，消费级 AI 应用多局限于聊天机器人、辅助工具或个性化洞察，尚未形成成熟的独立产品模式，因此对资本的吸引力相对较弱。
（三）细分领域分布不均，核心赛道集中度高
AI 在金融科技各细分领域的渗透呈现出显著的不均衡性，主要集中在五大核心赛道：CFO 技术栈（19.5%）、财富科技（18.4%）、金融服务基础设施（15%）、资本市场（12.2%）和支付（10.6%）。而数字银行、消费信贷和商业融资平台等领域的 AI 采纳率相对较低。
从风险投资分配来看，不同细分领域的 AI 渗透差异进一步显现：
监管科技（Regtech）的 AI 渗透率最为突出，78.9% 的近 12 个月 VC 交易价值流向 AI 赋能型企业，82.9% 的交易数量为 AI 相关企业。但该领域整体规模较小，近 12 个月仅有 29 家企业完成交易，历史上获得的 VC funding 也相对有限。
CFO 技术栈是 AI 交易活动最活跃的领域，近 12 个月完成 76 笔 AI 相关 VC 交易。AI 在此领域主要用于优化后台财务流程、财务规划分析和报告工作流，市场需求旺盛。
金融服务基础设施和资本市场领域的 AI 资本流入强劲，超过 70% 的 VC 交易价值流向 AI 赋能型企业。资本市场可同时发挥传统机器学习和生成式 AI 的优势，而金融服务基础设施随着 AI 应用的普及，相关解决方案的需求将持续增长。
消费导向型领域如消费支付、信贷与银行，AI 交易渗透率和 VC 分配均处于较低水平。不过，智能代理商务（agentic commerce）的兴起可能改变这一现状，为消费级 AI 应用带来新的增长空间。
二、AI 对金融科技交易活动的核心影响：数据与趋势洞察
AI 不仅改变了金融科技企业的运营模式，更对行业交易活动产生了全方位影响，在融资规模、交易结构、估值水平等方面呈现出一系列新趋势。
（一）融资格局重塑：AI 企业斩获过半交易价值
2025 年以来，AI 赋能型金融科技企业在融资市场表现亮眼。截至报告发布时，这类企业通过 171 笔交易筹集了 35 亿美元风险投资，而非 AI 金融科技企业通过 195 笔交易仅筹集 30 亿美元。AI 赋能型企业凭借更少的交易数量，占据了 54.4% 的交易价值和 46.7% 的交易数量，成为 VC 资金的核心流向。
从发展趋势来看，AI 赋能型金融科技企业的 VC 交易数量占比持续攀升，从 2022 年的约三分之一，逐步增长至 2025 年以来的近一半，彰显出 AI 在金融科技领域的应用已从可选变为刚需。不过，由于报告对 AI 企业的分类基于 2025 年 6 月的企业状态，而非其首次采用 AI 的时间，因此难以直接判断 AI 赋能型企业的交易价值占比是否持续增长，但交易数量的稳步提升已充分反映出行业对 AI 的认可。
从细分赛道的融资情况来看，CFO 技术栈、财富科技和金融服务基础设施是 AI 赋能型金融科技企业融资最集中的三大领域。这些领域的头部企业大多将 AI 作为现有产品的重要增强手段，而非单纯的核心卖点。例如，财富科技平台 Addepar 借助自有数据和收购的 Arcus，打造定制化大语言模型，实现数据提取、对账和异常检测等功能的自动化；而 Zest AI 等企业则以 AI 为核心产品，提供可跨平台集成的承销和风险管理解决方案。
（二）交易规模扩大：多数阶段 AI 企业获更高融资额
2025 年以来，AI 赋能型金融科技企业的平均融资规模显著高于非 AI 企业。AI 赋能型企业的中位数 VC 交易价值为 840 万美元，较非 AI 企业的 780 万美元高出 7.7%。这一溢价在除晚期阶段外的所有 VC 交易阶段均有体现，反映出资本对 AI 技术商业价值的高度期待。
不过，不同阶段的融资溢价呈现出明显差异：
种子 / 预种子阶段：AI 赋能型企业的中位数交易价值为 410 万美元，较非 AI 企业的 320 万美元高出 28.5%，创下该阶段 AI 企业融资的新高，较 2024 年的 300 万美元增长 37.1%。而非 AI 企业该阶段的交易价值与 2024 年持平，保持在 320 万美元。
早期阶段：AI 赋能型企业的中位数交易价值达到 1600 万美元，较非 AI 企业的 1100 万美元高出 45.5%。尽管非 AI 企业该阶段交易价值同比增长 120%，增速显著高于 AI 企业的 44.1%，但两者的绝对差距依然明显。
晚期阶段：AI 赋能型企业的融资表现相对疲软，中位数交易价值为 840 万美元，较非 AI 企业的 1160 万美元低 27.5%，较 2024 年的 1690 万美元大幅下降 50.1%。这一现象主要与交易构成有关，2024 年 AI 企业有多个大型 D 轮融资，而 2025 年以来的晚期交易多集中在 B 轮阶段。
风险增长阶段：AI 赋能型企业占据绝对优势，中位数交易价值为 5000 万美元，较非 AI 企业的 3000 万美元高出 66.7%。AI 企业该阶段交易价值较 2024 年的 1700 万美元大幅增长 194.1%，而非 AI 企业则下降 21.1%。不过，由于该阶段交易数量有限，数据波动可能较大。
（三）融资周期优化：AI 企业 fundraising 效率略高
在融资节奏上，AI 赋能型金融科技企业的表现略优于非 AI 企业。2025 年以来，AI 赋能型企业的 VC 轮次间隔中位数为 1.85 年，略短于非 AI 企业的 1.90 年。从平均值来看，AI 赋能型企业的轮次间隔为 2 年，非 AI 企业为 2.2 年。
这一微小差距背后，反映出 AI 企业的独特优势与权衡。一方面，AI 技术带来的强劲增长势头和市场认可度，让企业在需要资金时能更快完成融资；另一方面，AI 企业的融资规模更大，增长速度更快，也可能导致其资金消耗更快，需要更频繁地开展 fundraising。总体而言，这种差异虽不显著，但已体现出 AI 技术对企业融资效率的积极影响。
（四）估值水平分化：早期阶段溢价尤为显著
估值方面，AI 赋能型金融科技企业与非 AI 企业呈现出明显的阶段分化特征，早期阶段的 AI 估值溢价最为突出，而种子阶段则出现短暂波动。
早期阶段：2025 年以来，AI 赋能型企业的中位数投前估值达到 1.34 亿美元，较非 AI 企业的 3920 万美元高出 241.9%。这一溢价较 2024 年大幅提升，2024 年 AI 企业该阶段的中位数估值为 5400 万美元，仅较非 AI 企业的 4750 万美元高出 13.7%。值得注意的是，2025 年 AI 企业早期阶段的中位数估值，已超过 AI 企业晚期阶段的历史最高值（2024 年为 1.265 亿美元）。这一现象主要源于 AI 原生企业多处于早期融资阶段，而晚期企业的 AI 应用多为锦上添花，尚未充分释放价值。
晚期阶段：2025 年以来，AI 赋能型企业的中位数投前估值为 7250 万美元，较非 AI 企业的 6800 万美元高出 6.7%。但这一数据可能存在一定偏差，因为 2025 年以来的晚期交易多为成立超过五年的企业的 A 轮或 B 轮融资。2024 年的数据更具参考价值，当年 AI 企业晚期阶段的中位数估值为 1.265 亿美元，较非 AI 企业的 6790 万美元高出 86.2%。
种子 / 预种子阶段：2025 年以来，AI 赋能型企业的中位数投前估值为 1580 万美元，较非 AI 企业的 1650 万美元低 4.3%，出现短暂的估值折价。但由于该阶段交易条款披露不充分，难以得出确定性结论。2024 年，AI 企业该阶段的中位数估值为 1500 万美元，较非 AI 企业的 1420 万美元高出 5.8%，仍保持溢价。
风险增长阶段：AI 企业的估值优势极为明显，2025 年以来的中位数投前估值为 30 亿美元，较非 AI 企业的 8.18 亿美元高出 270%。不过，该阶段交易数量有限，数据的代表性相对较弱。
（五）退出市场：尚处早期，并购成主要渠道
与融资市场的火热形成对比的是，AI 赋能型金融科技企业的退出市场仍处于发展初期，整体表现落后于非 AI 企业。2025 年以来，AI 赋能型金融科技企业通过 17 笔交易实现 106 亿美元的披露退出价值，但其中 91 亿美元来自 Chime 的首次公开募股。若剔除这一案例，AI 企业的退出价值仅为 15 亿美元，低于非 AI 企业的 23 亿美元（17 笔交易）。2024 年的情况类似，AI 企业通过 28 笔交易实现 42 亿美元退出价值，非 AI 企业通过 51 笔交易实现 68 亿美元退出价值。
这一现象的主要原因在于，多数 AI 原生金融科技企业仍处于发展早期，尚未达到退出阶段。同时，IPO 市场持续承压，使得并购成为 AI 赋能型金融科技企业的主要退出渠道。从并购市场来看，AI 赋能型金融科技企业的表现较为亮眼。2024 年，这类企业的并购交易价值达到 532 亿美元，完成 42 笔交易；2025 年以来，已实现 207 亿美元的并购交易价值，完成 24 笔交易，有望追平 2024 年的水平。
并购市场的活跃，反映出行业对 AI 技术的强烈需求。企业进行 AI 相关并购的核心动机包括：快速获取 AI 能力，替代内部研发；补充产品矩阵，抵御竞争；构建数据和决策基础设施，强化核心竞争力。例如，Ramp 通过收购 AI 初创公司 Cohere 和 Venue 获取技术和人才，Nubank 收购 Hyperplane 以打造专有机器学习能力，Mastercard 以 27 亿美元收购 Recorded Future，强化欺诈检测的数据处理能力。
三、AI 赋能金融科技的发展展望：机遇与挑战并存
AI 对美国金融科技领域的变革已不可逆转，未来将呈现出持续深化、多元发展的态势，但同时也面临着技术、市场和监管等多方面的挑战。
（一）发展机遇：技术迭代与场景拓展双轮驱动
从技术发展来看，智能代理（agentic AI）的兴起将成为金融科技行业的重要增长点。智能代理能够自主执行多步骤任务并持续学习，可广泛应用于编码、客户服务、研究分析和工作流管理等领域。在消费端，智能代理有望实现个人财务管理、投资分析和自主交易等功能，打破当前消费级 AI 应用的局限。Stripe 的数据显示，AI 企业达到 500 万美元年度经常性收入（ARR）的中位数时间仅为 24 个月，近三年成立的企业更是缩短至 9 个月，技术驱动的增长潜力巨大。
从场景拓展来看，AI 在金融科技领域的应用将从当前的核心赛道向更多细分领域渗透。例如，替代借贷领域的 AI 应用有望加速，随着合规技术的发展和集成成本的降低，AI 将在风险评估、后台自动化和贷款流程优化等方面发挥更大作用；消费支付和数字银行领域，将借助智能代理商务等新模式，提升用户粘性和商业价值。此外，AI 与传统机器学习的融合应用，将为资本市场等领域带来更 sophisticated 的解决方案，助力投资决策优化。
从资本支持来看，VC 机构对 AI 赋能型金融科技企业的投资将持续加码。Gaingels、General Catalyst、Andreessen Horowitz 等头部 VC 机构，已在该领域布局多个项目，成为推动行业发展的重要资本力量。随着更多企业实现 AI 技术的商业化落地，资本的集中度可能进一步提升，头部企业将获得更多资源支持。
（二）潜在挑战：技术、合规与市场多重压力
技术层面，AI 的不成熟可能导致商业模式的不稳定性。例如，依赖第三方大语言模型的初创企业，可能面临核心功能被上游技术提供商替代的风险，导致价值主张失效。此外，AI 技术的快速迭代要求企业持续投入研发资源，保持技术领先，这对中小企业构成了较大压力。
合规层面，金融行业的严格监管对 AI 应用提出了更高要求。例如，《平等信贷机会法》等公平借贷法规，要求信贷决策具备可解释性，这与部分 AI 模型的黑箱特性形成冲突，限制了 AI 在替代借贷等领域的应用深度。如何在合规前提下实现 AI 技术的创新应用，成为企业需要解决的重要课题。
市场层面，AI 赋能型金融科技企业的估值溢价可能面临回调压力。早期阶段的高估值部分源于市场对 AI 技术的乐观预期，若企业未能如期实现业绩增长，估值泡沫可能破裂。此外，非 AI 企业加速 AI 转型，也将加剧市场竞争，压缩 AI 原生企业的增长空间。
四、结语
AI 正以不可阻挡的势头重塑美国金融科技行业的发展格局，从企业渗透率、融资规模到估值水平，都呈现出鲜明的 AI 驱动特征。B2B 领域的核心赛道成为 AI 应用的主战场，早期阶段的企业获得了最为显著的估值溢价，并购市场成为 AI 技术整合的重要平台。尽管当前 AI 赋能型金融科技企业的退出市场尚处早期，但随着技术的持续迭代、场景的不断拓展和资本的持续加持，行业的长期发展潜力巨大。
同时，我们也应看到，AI 在金融科技领域的应用仍面临技术不成熟、合规风险高、市场竞争加剧等多重挑战。企业需要在技术研发、合规管理和商业模式创新之间寻求平衡，才能在 AI 浪潮中脱颖而出。对于投资者而言，需理性看待 AI 估值溢价，聚焦具备核心技术、清晰商业模式和可持续增长潜力的企业。
总体而言，AI 与金融科技的融合是行业发展的必然趋势，这一变革不仅将提升金融服务的效率和质量，更将创造新的商业模式和市场机遇。未来，随着技术的不断成熟和应用的持续深化，AI 将成为金融科技行业核心竞争力的关键组成部分，推动行业进入更加智能、高效、普惠的新时代。