积微成著:AI时代的CVC布局思考

过去两年，CVC（Corporate Venture Capital，企业风险投资）重新成为热门话题。2025年CVC参与了全球约68%的AI交易金额；全球活跃的CVC主体已超过3000家。

但热度之下，真正跑通的CVC并不多，更多CVC陷入三种典型误区：

第一种，投了很多项目，却与主业没有真正连接。投资组合看起来热闹，但投后没有业务协同，资本只是换了一种形式的财务投资。

第二种，用直投基金的考核方式，承担战略投资的目标。既要求短期财务回报，又要求长期战略价值，最后协同说不清，收益也算不明。

第三种，追逐热点，把CVC变成了产业风向标。今天投AI，明天追机器人，后天看新能源，投资逻辑跟着市场情绪走，而不是跟着企业战略走。

所以，要把CVC真正做明白，第一步不是找项目，而是建立分类框架。先知道自己是谁，才能知道应该投什么；先看清产业链的位置，才能定义什么叫“好投资”。

CVC最容易被误解的地方，是被简单理解为“企业版VC”，但两者的底层逻辑完全不同。VC追求的是单一目标：财务回报最大化。而CVC天然生活在两个维度里：战略价值与财务回报。

这也是为什么很多企业做CVC会陷入混乱——因为他们试图用一个尺子衡量两种完全不同的价值。哈佛商学院教授Henry Chesbrough提出的CVC分类框架，本质上就是把这两个维度拆开：

第一个维度：投资目标更偏战略，还是更偏财务？

第二个维度：被投企业与母公司的业务关联，是强还是弱？

两个维度交叉后，形成四类CVC投资：Driving（驱动型） 、Enabling（赋能型） 、Emergent（期权型） 、Passive（被动型） 。这四类投资，没有高低之分，但必须用不同的方法管理。

1、Driving：投资主业的“下一代基础设施”

Driving型投资，是强战略、强关联，它投的是企业未来竞争力的关键节点：核心零部件、关键材料、工业软件、车规芯片、供应链关键环节。

这类投资，即使短期财务回报不突出，企业依然愿意投入，因为它直接影响主业，能够帮助降低成本，提高良率，保障供应，提升产品能力。

所以Driving型CVC，本质上不是财务部门的延伸，而是企业的体外研发中心 + 供应链安全部门 + 未来并购雷达。

2、Enabling：投资能够放大生态的力量

Enabling型投资，是强战略、弱直接关联，它不一定进入企业核心流程，但被投企业越成功，母公司的生态价值越大。例如：云厂商投资AI应用、终端企业投资智能硬件生态、平台企业投资开发者工具。

逻辑不是“我要拥有这个公司”，而是“它成长得越快，我所在的生态越强。”

3、Emergent：购买未来产业的期权

Emergent型投资，是弱当前关联，但具有未来战略可能性。例如：具身智能、AI for Science、新一代计算架构。

这类投资的核心不是预测未来，而是保留进入未来的门票。正确打法通常是：小额、多方向、绑定里程碑、设置退出机制。

未来最大的机会，往往来自今天还无法完全定义的领域。Emergent投资买的不是今天的确定性，而是未来的不确定性中的选择权。

4、Passive：纯财务配置

Passive型投资，本质就是财务投资，弱战略、弱关联，目标就是：TVPI、DPI、IRR。

这种打法往往会面临一个问题：如果一个企业做的是Passive投资，却用“战略协同”的名义争取预算，最后往往两头失效。既没有获得战略价值，也难以在财务回报上击败专业VC。

四分法最重要的意义，不是给投资贴标签，而是给不同类型的资本不同的评价标准。

• Driving看的是战略协同兑现率、供应安全、主业效率提升。
• Enabling看的是生态扩张、商业附着率、平台价值提升。
• Emergent看的是未来窗口、技术突破概率、期权兑现条件。
• Passive看的是财务回报。

如果把四类投资混在一起考核，CVC一定会陷入管理混乱。但现实中，一个常见问题是很多企业名义上做产业投资，实际上做的是财务投资。结果是没有真正的产业协同，又没有专业VC的投资效率。这也是为什么不少CVC看起来规模很大，却没有形成真正竞争力。

建立分类框架之后，下一个问题是：企业应该把钱投向哪里？答案不是先看风口，而是先回答三个问题：我是谁？我凭什么投？我最终在哪里退出？

这三个问题，决定了CVC的投资组合。

第一问：我是谁？

不同企业的资源禀赋不同，没有一套CVC模板适用于所有公司。

对于产业链链主型企业，它们掌握真实订单、应用场景、渠道资源、行业标准、认证体系。 这类企业最适合以Driving为主，Enabling为辅。因为它们最大的价值，不是提供资本，而是提供创业公司最难获得的产业资源。

对于平台型企业，例如掌握云计算、算力、操作系统、开发者生态。 它们天然适合Enabling型投资，因为生态扩张本身就是平台价值增长的来源。

而对于那些现金流充裕、但产业判断能力尚未形成、缺乏明确战略抓手的企业，与其急于搭建重资产CVC，不如先通过LP投资、联合投资等方式培养能力。因为资本能力可以购买，但产业判断能力只能通过长期积累形成。

第二问：我凭什么投？

CVC相比普通VC最大的优势，不是钱。钱，是最容易获得的资源。真正稀缺的是非货币资本。包括订单、场景、数据、算力、渠道、认证、产业资源。

所以，每一个CVC项目在投资前都应该问一个问题：“除了钱，我还能给这个创业公司什么？”如果答案只有资金，那么这笔投资大概率会回到Passive逻辑。

真正优秀的CVC，不是发现企业缺什么，然后去补什么。而是找到自己的独特资源，如何被创业公司放大。换句话说，不是“我需要什么，所以我要投资”。而是：“我有什么，能够帮助什么样的创业公司获得别人无法复制的优势。”

如果一个企业没有独特资源，只拥有资金，那么它做的更多只是昂贵的LP。

第三问：我在哪里退出？

退出能力，是中国CVC尤其需要提前考虑的问题。2025年，中国股权投资市场退出案例达到5211笔，同比增长41%。其中IPO退出占37.6%；并购退出占9%。

这说明一个现实：中国市场仍然高度依赖IPO退出，而产业并购承接能力仍有提升空间。

因此，CVC不能把退出问题留到最后。投资第一天，就应该设计退出路径：IPO、产业并购、S基金、股权回购、集团内部整合，至少需要两条明确路径。否则没有退出设计的投资，只是把未来的不确定性推迟。

如果一个企业集团以产业战略为核心，可以考虑的CVC配置是70%Driving+Enabling；20%Emergent；10%Passive及LP配置

当然，这不是固定比例，而是一种管理思路。关键是Emergent必须单独管理，它需要独立预算、技术评审机制、明确里程碑、止损条件。

Passive也应该单独考核，不要把财务收益和战略价值混在同一个评价体系里。

CVC最大的敌人，不是失败，而是组织惯性。很多CVC失败，不是因为没有找到好项目。而是因为企业内部没有能力承接投资价值。

母公司决策慢、部门之间缺乏协同、业务单元不愿使用被投技术，最终导致投前看起来战略意义重大，投后却无人负责落地。调查显示，许多CVC长期面临决策效率、母公司优先级变化、官僚流程等核心挑战。

因此，需要关注CVC是否在组织方面进行了以下设计：

第一，明确授权边界：单笔投资额度、快速审批机制、负面清单。

第二，建立市场化团队机制：市场化激励、长周期评价、容忍合理失败。

第三，把协同责任前置：每一个投资项目，在投决阶段就应该回答：哪个业务部门承接？ 谁负责推动？ 什么指标验证成功？ 多长时间复盘？

有几类情况，不适合做CVC：

• 主业现金流紧张，却希望通过投资寻找增长；
• 季度利润压力巨大，无法接受长期投入；
• 业务部门不愿意使用外部创新；
• 没有退出机制，却要求投资团队创造DPI；
• 把CVC当作品牌展示或者领导个人资源池。

这些情况下，CVC很容易从战略工具变成组织负担。

AI正在成为CVC重新崛起的重要原因，但“投资AI”本身不是一个投资逻辑，就像十年前说“投资互联网”一样。真正的问题不是“我要不要投AI？”而是“AI产业链中，价值到底在哪里形成？”

AI产业内部已经高度分层，不同层级，商业逻辑完全不同。大致可以分为六层：

真正优秀的AI CVC，不是笼统布局AI，而是根据自身资源禀赋，选择最匹配的产业层。

第一类：平台型Enabling CVC

这是AI时代最自然的打法：云厂商、芯片企业、基础设施企业投资AI工具链、应用层以及开发者生态。 逻辑非常清晰，被投企业发展越快，平台生态越强。因为它们可以同时提供资本、算力、工程支持、分发渠道。

但这里有两个风险。第一个：循环交易，如果投资只是为了让被投采购自己的产品，那么所谓“生态协同”可能只是收入转移。第二个：过度排他，如果企业试图通过投资锁定创业公司服务自己，而不是服务市场，那么最优秀的创业者可能反而会远离。

真正强大的生态，需要接受“投资关系不等于控制关系。”

第二类：产业链主Driving CVC

这是目前最稀缺、也最有价值的一类。对于制造、汽车、能源、医疗、金融、物流这些拥有真实产业场景的企业，AI投资的重点不是模型本身，而是AI如何进入核心业务流程。

例如，制造业的AI质检、预测性维护、研发Copilot。 汽车行业的智能驾驶、智能座舱。 能源行业的电网调度、功率预测。 医疗行业的辅助诊断、药物研发。

这类投资最大的优势是订单、数据和应用场景都掌握在产业链主手中。

真正好的Driving投资，应该在12-24个月内看到成本下降、效率提升、产品升级、新收入产生。 判断标准很简单：它能不能把“非货币资源”变成创业公司的护城河，同时把创业公司的技术变成自己的增长能力。

第三类：Emergent前沿期权组合

有些方向今天看不清商业模式，但长期可能改变产业成本结构。

例如，具身智能、AI for Science、存算一体、光子计算、AI能源。

这些方向适合小仓位、多方向、里程碑投资。必须建立三个纪律：第一，控制预算。避免因为热点情绪不断加码。第二，绑定里程碑。例如：技术验证、中试成功、首个产业订单。 第三，设置退出机制。允许失败，但不能无限续命。

Emergent投资买的不是确定收益，而是企业面对下一轮产业变革时的选择权。

第四类：Passive型AI投资

AI时代，最容易做的，也是最容易被高估的，是Passive投资。

例如，追逐大模型股权、算力套利、热门标的，本质是在和专业VC竞争风险定价能力。

而AI产业的特殊性在于技术迭代速度极快。今天的领先优势，可能半年后就被新的开源模型削弱。所以Passive投资可以存在。但不应该占据战略预算。

AI时代最大的风险，不是错过机会，而是用最高价格买入共识（甚至是极端共识）。

最值得关注的CVC画像

把AI产业链和CVC四分法结合起来，会发现真正有价值的AI CVC，并不是简单押注某个技术方向，而是找到一个能够形成正反馈的位置。

一句话总结最值得关注的画像是：

强Enabling + 强Driving：既能给被投企业提供“钱买不到的资源”，又能让自身业务从中获得长期复利。

判断一个AI CVC是否具备长期价值，可以看它是否拥有以下能力中的至少两项：算力与云资源、真实产业场景与首批订单、合规数据空间、工程化和量产能力、渠道与客户资源、行业认证体系。 如果还能进一步提供：AI安全评估、模型测试能力、行业准入、供应链认证、全球化合规能力，那么它提供的就不再只是资本，而是一套创业公司无法复制的增长基础设施。

AI CVC的制度设计

第一，不强制排他。投资关系，不应该变成控制关系。尤其是在AI时代，优秀创业公司往往服务多个行业、多个客户。如果CVC要求被投企业只能服务自己，实际上是在限制创业公司的成长空间。真正有竞争力的产业资本，需要接受最好的生态，不是拥有所有参与者，而是成为所有参与者愿意连接的平台。

第二，建立数据与技术防火墙。CVC最大的优势是产业协同，但最大的风险，也是产业协同。创业公司最担心的问题是技术开放之后，核心能力是否会被母公司吸收？因此，需要建立数据边界、知识产权边界、技术合作边界。 真正成熟的CVC，不是让创业公司依附自己，而是让创业公司在合作中获得更强的市场竞争力。

第三，用商业附着率衡量真实价值。很多CVC投后复盘，会关注投了多少项目、估值涨了多少、是否进入下一轮融资。 但对于产业资本而言，更重要的问题是：投资之后，是否真正进入了产业体系？因此，需要关注：12个月内是否进入业务流程、是否获得真实订单、是否进入客户体系、是否形成长期合作。 联合新闻稿不是协同，业务结果才是协同。

过去二十年，VC的核心能力是发现增长。

未来十年，CVC的核心能力将是连接增长。

连接技术与产业、创业公司与大企业、外部创新与内部能力、今天的投资与未来的战略。

AI正在降低技术获取的门槛，模型可以购买，算力可以租赁，人才可以竞争。但有一种能力越来越稀缺：把技术变成产业价值的能力。这也是CVC真正存在的意义。

未来最有竞争力的CVC，不一定是投最多项目的机构。而是那个能够回答三个问题的组织：我看到了什么未来？为什么只有我能参与这个未来？如何把这个未来变成今天的竞争优势？

因为最终：

CVC不是企业的投资部门，而是企业探索未来的一种组织能力。

优秀的CVC，不是在未来下注，而是在帮助企业创造未来。