現在有一批未上市的 AI 公司，估值已經超過大多數上市公司。有的產品早就在大量出貨，有的還只是一場賭注。這篇說明每一家值多少、背後是誰，以及故事可能在哪裡出錯。以下內容不構成投資建議。
為什麼這些公司此刻值得看
民營 AI 公司在 2026 年吸走的資金規模很不尋常。9 月報導的募資資料顯示，2026 年上半年的新創募資額遠遠超過前幾年，而 OpenAI 與 Anthropic 兩家就吃掉其中一大塊。
這筆錢買到的是算力、人才與時間。同時也代表，這些估值只有在 AI 持續以當前速度成長好幾年的前提下才說得通。所以當你讀到一家成立五年的公司值近一兆美元，那個數字是對未來的押注，不是銀行裡的存款。這些押注裡，哪個看起來最穩、哪個最不牢靠？
以下估值除另註日期外，一律截至 2026 年 9 月。有些來自官方的募資公告，有些來自彭博、路透、TechCrunch 等媒體的報導。我們會標明哪個是哪個，因為公司自己證實的募資，跟媒體報導的一輪融資，是兩件不一樣的事。
Anthropic：估值最高的 AI 實驗室
Anthropic 開發 Claude 系列模型，賣給一般使用者與企業，並特別投入安全與可解釋性研究。它在 2026 年 5 月證實完成 650 億美元的 H 輪募資，投後估值 9650 億美元，由 Altimeter Capital、Dragoneer、Greenoaks 與紅杉領投，一舉成為當時估值最高的 AI 新創。公司表示當月年化營收已突破 470 億美元。
那個營收數字才是最讓人吃驚的部分。一家新創能在幾年內做到數百億美元的年化營收，在 AI 浪潮之外極為罕見，這也是它的估值不能全歸為空想的原因。企業採用，尤其是透過 Claude Code 這類編碼工具帶進來的需求，是主要動能。
挑戰在接下來會怎樣。報導指向它可能啟動 IPO，一旦上市，這個仍在研究與算力上大力燒錢的生意就得接受每一季的檢視。只要成長稍微放慢，近一兆美元的標價就沒有太多犯錯空間。
OpenAI：帶起這波浪潮的實驗室
OpenAI 做出 ChatGPT，把生成式 AI 帶到數億人面前，同時販售 API 與 Codex 這類編碼工具。它在 2026 年 3 月完成 1220 億美元募資，投後估值 8520 億美元，投資人包括亞馬遜、輝達、軟銀與 Andreessen Horowitz。公司表示當時每月創造約 20 億美元營收。
它的強項是通路。ChatGPT 的消費端觸及面，直接引導到企業與開發者需求，也就是 OpenAI 口中那套飛輪。如果每週使用者真的朝公司所說的那個十億門檻繼續往上爬，那個受眾規模很難有對手跟得上。
問號在成本與結構。訓練與部署前沿模型極度燒錢，而公司跟它的「上限利潤」架構與投資人之間的關係相當複雜。2026 年 9 月的報導指出，OpenAI 正在評估一輪新募資，估值可能高達 1.5 兆美元。那一輪是報導，尚未證實。
xAI：馬斯克的實驗室，如今與 SpaceX 綁在一起
xAI 打造 Grok 聊天機器人與模型，並借助馬斯克旗下其他公司取得資料與通路。路透報導它在 2026 年 1 月完成 200 億美元的 E 輪募資，估值約 2300 億美元。之後它被併入一個與 SpaceX 結合的實體，媒體估計該合併後公司價值約 1.25 兆美元，成為全球市值最高的公司之一。
它的賣點是垂直整合。Grok 接進 X，與 SpaceX 的連結又讓它能取得多數新創碰不到的資本與基礎設施。馬斯克公開設下很激進的目標，包括近期就能達到 AGI 的說法，多數研究人員對此抱持懷疑。
風險則是變現。報導中的營收遠遠落後於估值。要讓數字對得上，公司得以快得多的速度把使用者轉成付費客戶。英國與歐盟的監管審查是另一個變數。對於一家不揭露經審計財報的公司，媒體推估的估值應該谨慎看待。
Cursor（Anysphere）：快速放量的開發者工具
Cursor 是 Anysphere 打造的 AI 原生程式編輯器，也是這個時代成長最快的開發者產品之一。根據報導，它在約三年內做到約 40 億美元的年化營收，而 Anysphere 在 2025 年底那輪的估值約 293 億美元。2026 年的報導則談到一個與 SpaceX 收購選擇權掛鉤、大得多的數字，這種結構並不尋常，也很難跟一般的募資輪相比。
它受歡迎的理由很直接：開發者按月付費，換來一個會陪你寫程式、改程式的工具，價值在打開後一小時內就看得出來。這比模型實驗室的商業模式更乾淨，因為收入是每個座位收來的，而不是每次 API 呼叫。
壓力在競爭。現在每一家主要模型實驗室都在推編碼工具，而 Cursor 某種程度上得依賴它無法掌控的上游模型。如果某個模型供應商把類似的編輯器綁著免費送，它的護城河就會變窄。
Databricks：模型背後的資料平台
Databricks 賣的是一套資料與 AI 平台，企業用它存放資料並在上面運行模型。它長期是最值錢的未上市軟體公司之一，媒體推估的估值在 1300 億美元上下，並已從資料工程擴張到 AI 工作負載。
表面上很無聊，底下卻很關鍵。模型的好壞取決於背後的資料，而已經把資料流程跑在 Databricks 上的企業，在原本的地方加上 AI，比搬到別處重建要容易得多。這讓它握有耐久的企业關係，而不是靠話題衝出來的註冊數。
它的挑戰是得跟把同類平台包在大禮包裡賣的雲端巨頭競爭。對擔心被綁定的公司來說，Databricks 的獨立性正是賣點，但它也得持續募資來支應算力，而將來若 IPO，估值就要拿去跟公開市場的同業比一比。
Mistral：歐洲對模型實驗室的回答
Mistral AI 在法國打造開放權重與商用模型，把自己定位為美國實驗室之外的主權替代方案。據 TechCrunch 與路透報導，它在 2026 年 9 月完成 30 億歐元募資，估值 210 億歐元，由三星、Scaleup Europe 與 PSG Equity 領投。
它的差異化在主權。想要能自行託管、並受歐洲法規約束的 AI 的歐洲政府與企業，可選項有限，Mistral 正好賣進這塊需求。開放權重的釋出也替它累積開發者好感，把採用面擴大到付費客戶之外。
限制在規模。要跟花上數百億美元買算力的實驗室競爭，對一家只募到數十億的公司來說並不現實，所以 Mistral 的策略是靠開放、效率與區域信任取勝，而不是硬拚前沿能力。在頂尖模型持續拉開差距的市場裡，這樣夠不夠，是懸而未決的問題。
Perplexity：挑戰搜尋的那一家
Perplexity 經營一個 AI 答案引擎，用附上出處的來源回答問題，而不是給你一串連結，並養出了一批可觀的使用者。它的估值在 2026 年 1 月那輪達到約 226 億美元，2026 年的媒體報導則談到一輪把估值推上 300 億美元以上的新募資，但那一輪未經公司證實。
它是少數正面對上巨頭核心產品的公司之一。Google 的搜尋生意大得驚人，就算只切下一小塊也相當可觀。Perplexity 這種附出處的回答格式，對廣告塞滿結果感到厭煩的使用者很有吸引力，而它在企業與瀏覽器上的布局，則用來把基本盤再撐大。
風險跟任何挑戰既有霸主的人一樣。搜尋在大規模營運下很燒錢，這個領域還有資金雄厚的對手，而 2028 年 IPO 目標的報導也仍未經證實。成長是真的，能不能撐住才是問題。
Figure AI：人形機器人的賭注
Figure AI 打造用於倉儲與製造的人形機器人，是最值錢的純機器人新創，估值 390 億美元，來自 2025 年 9 月公司自己證實的 C 輪。它的機器人歷經好幾個硬體世代，並有一套視覺語言動作模型，讓單一系統能操控兩台機器人。
長線的理由是勞動力。如果人形機器人能穩定勝任重複性的體力工作，可觸及的市場將以兆美元計。Figure 已募得超過 19 億美元，也跟大型製造商合作測試部署。
近期的現實卻很小。業界估計 2025 年出貨約 150 台機器人，就算 2026 年產量拉高，營收相對於那個估值也微不足道。這是整組裡最明顯的一張「賭十年、不是賭一季」的牌，次級市場的關注度有時還低於那個頭條數字。
Scale AI：Meta 交易之後的資料層
Scale AI 提供資料標註，以及用來訓練模型的人工回饋，並把業務擴展到企業與政府 AI。Meta 在 2025 年以 143 億美元買下 49% 的無表決權股份，換算後估值約 290 億美元。之後公司轉向販售 AI 應用，管理層把 2026 年營收指引開在 10 億美元以上。
它的角色比聽起來重要。模型需要標註過的資料與人類判斷才能變好，而 Scale 在還沒有幾個人做這件事的時候，就把那套基礎設施蓋了起來。與 Meta 的關係則帶給它資本與一個大客戶。
挑戰是依賴。資料標註正被模型本身一步步自動化，所以 Scale 必須往價值更高的軟體層走，而那裡對手資金充裕。由單一大投資人的持股換算出來的估值，也比一般定價的募資輪更難更新，因此實際上從 2025 年以來就被凍住了。
把它們串起來看
這些公司不是在同一個故事裡。模型實驗室（OpenAI、Anthropic、xAI、Mistral）在比誰能做出最強的系統，並把使用者轉成收入。工具與資料公司（Cursor、Databricks、Scale AI）賣的是讓 AI 能在真實組織裡運作的鏟子。Perplexity 攻擊的是既有霸主的核心產品，Figure 則押注在體力勞動上。
它們全都很燒錢，而且背後都是押注好幾年成長的投資人。有明確營收的，尤其是 Anthropic 與 OpenAI，路徑比那些仍在燒錢、營收還很少的清楚一些。但這裡每一個估值，都假設 AI 熱潮會繼續下去，而成長從來不帶保證。
對任何追蹤熱門 AI 新創的人來說，有用的動作是把「已證實」和「據報導」分開。公司公告、媒體推估、次級市場傳聞，是三種不同等級的確定性，而這個領域很多頭條數字都來自比較軟的那一端。看到數字之前，先看它的出處。
