国家600亿AI基金只花掉不到一成:八笔钱都给了谁,1000个场景清单又在等谁

国家拿了600亿真金白银投AI，21个月过去，官方一个名单都没公布过——公开可查的直投，只有八笔、合计约54亿，不足一成的盘子。

这个反差，比任何一句话都更能说明当前国产AI的处境：钱是有的，账本不透明；场景是多的，清单刚发布。

10月19日国新办发布会上，工信部科技司司长魏巍这样回应：600亿元国家人工智能产业投资基金「已投出一批优质项目」。至于投了谁、投了多少，官方没有披露。

这篇把公开可查的部分盘一盘：八笔钱都给了谁，1000个场景清单在等谁。

电脑主板与供电线缆实拍（算力硬件）｜图源：Pexels（摄影师 Mikhail Nilov）

基金本体：2025年1月设立，存续期13年

先把钱袋子看明白。

国家AI产业投资基金设立于2025年1月17日，由工信部与财政部牵头，出资额600.6亿元，其中大基金三期出资600亿元、担任基金有限合伙人，管理人国智投（上海）落户上海徐汇，基金存续期13年。

简单说：这不是一支快进快出的财务基金，而是一支陪跑13年的产业基金。它的周期决定了它不急——也决定了它对外披露的节奏可以非常慢。

八笔钱：模型、算力、具身智能五环节全覆盖

虽然官方零披露，但综合上市公司公告、工商登记与融资新闻，财新统计公开直投仅三笔；把公告、工商、融资信息拼起来看，公开可查的被投至少八笔，覆盖模型、应用、具身智能、算力芯片、AI安全五个环节：

DeepSeek首轮融资约9.8亿元，投后估值3500亿元；月之暗面完成F轮，投后估值约350亿美元；快手可灵AI境内主体获14亿元注资，持股约1.14%——按其公告持股比例推算，估值超过1200亿元；新石器完成近4亿美元新一轮融资（10月20日官宣）；银河通用3月完成25亿元融资、投后估值超200亿元；长亭科技1月27日完成5亿元融资；新芯航途、沐曦也均在公开名单内。

八笔钱加在一起，公开可查金额合计约54亿元——占600.6亿元基金盘子不足一成。

为什么只披露这么少

三个原因把账本捂住了。

一是基金性质。大基金三期的钱是产业资本不是公众资金，LP单一、没有向公众披露的法定义务；13年存续期也给了它「投完再说」的时间。

二是节奏。600亿的盘子，21个月才投出约54亿，说明基金管理人选择了谨慎推进：先投头部、再铺生态，不急于把子弹打光。

三是口径。官方措辞一直是「已投出一批优质项目」——没有金额、没有名单、没有时间表。这种口径给市场留了想象空间，也让「账本」无法被第三方完整核验。

600亿基金 vs 公开可查八笔投资（自绘图表，线性刻度）｜数据源：36氪/新浪财经/工信部智库

600亿的盘子，对着1.2万亿的产业

把600亿放到行业坐标里看，才明白这笔钱的分量。

国家统计局口径：2025年我国AI核心产业规模超过1.2万亿元，规上制造业AI应用普及率超过30%；截至今年6月底，AI相关企业超6600家；前三季度规上数字产品制造业增加值对规上工业增长的贡献率超三分之一，集成电路产量同比增长23.3%。

再看差距。中信证券10月21日研报指出：国产模型头部企业合计年化收入约80亿美元，大致相当于海外模型18个月前的水平；国产模型估值约为海外的十分之一。

600亿基金、1.2万亿产业、6600家企业、1/10的估值——这个组合说明：钱不缺，缺的是把算力、模型、场景接通的那层管道。

工厂自动化产线实拍｜图源：Pexels（摄影师 Freek Wolsink）

1000个场景清单：你在厂里，清单里有你的行业

管道在哪里？10月15日工信部在人工智能产业大会上发布的「人工智能赋能新型工业化高价值场景」给了线索：覆盖石化、钢铁、汽车、消费电子等20个细分领域、1000余个场景。

这1000多个场景不是PPT，是已经拆到行业颗粒度的需求清单。你如果在工厂被问过「我们能不能上AI」——那份清单，就是能查到你自己行业的那一页。

600亿投出来的模型和算力，落地要靠这1000个场景里的工厂、产线、质检工位来消化。钱投给谁，短期看名单，长期看场景。

对普通人的意义：不是让你跟投，是让你看得懂

写这篇不是为了劝人跟着国家队赚钱——基金不公布名单，普通人也不该据此做投资决策。

真正的落点很简单：国家在用600亿给AI产业「托底」，但钱花得慢、名单不透明，说明这个产业离「自我造血」还有距离；1000个场景清单则告诉你，AI落地的下一站在工厂，不是在股市。看得懂这两点，比查到第八笔钱投给了谁更重要。

（信源：36氪10月20日 https://m.36kr.com/p/4036640117528454 ；新浪财经10月21日 https://finance.sina.com.cn/jjxw/2026-10-21/doc-inivyaaw4795757.shtml ；工信部智库 thinktank.miit.gov.cn）