这家公司的团队名单本身就是融资能力的来源：联合创始人包括 Sanjay Ghemawat、Quoc Le 与 Oriol Vinyals，三人分别是分布式系统、序列建模与强化学习方向的顶级研究者。投资人押注的核心是「用 AI 自动化实验以加速科学与工程发现」这一方向，它同时具备巨大的想象空间与明确的技术门槛——不是应用层的模式创新，而是需要长期基础设施投入的硬问题。
从 100 亿美元估值到 500 亿美元目标估值的跳跃速度，是当前一级市场最值得警惕也最值得研究的现象。公司在完成 10 亿美元融资后立即启动下一轮，说明管理层判断窗口期有限——在 AI 叙事仍然强势时尽快囤积算力与人才资本。这种「趁热融资」的策略在周期上行时往往正确，但它把估值建立在尚未验证的商业化路径之上。
Alphabet 作为创始投资方参与，为这家公司提供了算力与数据的隐性支持，这在 AI 基础研究领域几乎等同于生存条件。同时这也意味着 Google 在人才外流时选择了「投资而非对抗」的处理方式——与其让顶尖研究者带着技术去竞争对手那里，不如以股东身份保持联系。这种策略在硅谷的大公司中正变得越来越常见。
来源：ChainCatcher
阿里与腾讯同时投资同一家初创公司，在中国互联网投资史上极为罕见。两家公司在多数赛道上是直接竞争对手，共同出资通常意味着标的具备某种无法被任何一方独占的战略价值。UniPat 专注 AI 评测与基准测试，以「合成数据 + 独立评测」为定位——在模型能力日益接近的市场里，谁来定义评价标准，谁就掌握了话语权。
创始人的背景同样值得注意：李宽曾是阿里巴巴通义 AI 实验室的实习生，公司成立于 2025 年末。从实习生到拿到前东家领投的 3 亿美元，中间只隔了一年多，这个速度反映的是 AI 人才在当前市场的定价逻辑——研究能力与行业认知的价值被极度放大，而组织经验与商业履历的权重相对下降。
从行业结构看，AI 评测赛道的商业化路径仍不清晰。基准测试与评测服务很难直接向开发者收费，更现实的模式是向模型厂商提供改进建议、向企业客户提供选型咨询，或者把评测能力嵌入数据服务。25 亿美元的估值对应的显然不是当前的收入，而是「成为行业标准制定者」这一可能性。
来源：AASTOCKS
成立不到三年、融资十余轮、估值超 200 亿元，星海图的轨迹浓缩了具身智能赛道的全部特征：融资密度极高、估值爬升极快、商业化验证极薄。清华系创始人高继扬带队的背景，加上投资人名单覆盖了互联网大厂战投、头部 VC 与产业资本三类主体，说明这个赛道吸引了几乎所有类型的资金——它们对回报周期与风险偏好的差异，会在退出阶段集中暴露。
选择秘密递交上市申请，意味着公司希望在不受市场情绪干扰的情况下完成审核，同时也保留了在时机不利时撤回的空间。对具身智能企业而言，港交所的上市门槛与估值逻辑存在天然张力：港股的机构投资者对尚未产生规模收入的公司通常给不出高估值，而这与一级市场 200 亿元的定价存在明显落差。
更宏观地看，超 40 家机器人企业正在排队冲刺 IPO，这个集体动作本身就是一个信号。当同一赛道的公司集中上市，市场的注意力与资金会被迅速稀释，先上市者能获得溢价，后上市者往往面临破发压力。这也解释了为什么星海图选择在估值高位、赛道热度未退时启动流程。
来源：搜狐财经
种子轮融资近亿美元，这个规模在五年前的创投市场几乎不可想象。它反映的是具身智能赛道对资金的需求特征：与软件创业不同，Physical Agent 需要传感器、算力平台与真实场景测试，早期投入的资本密度远高于纯软件项目。投资方接受这种结构，是因为他们判断该赛道的赢家通吃效应会比软件更强。
跟投名单里出现了滴滴与禾赛科技，这两家都是产业方而非财务投资人。滴滴拥有海量的真实道路数据与运营场景，禾赛是激光雷达供应商，它们参与早期融资通常意味着在技术验证与场景接入层面已有实质合作。产业资本的早期介入，对需要真实世界数据的具身智能公司而言，其价值可能超过资金本身。
风险在于技术路径尚未收敛。当前具身智能的进展主要来自局部场景的工程优化，而非通用能力的突破。多位投资人在公开场合提到，此前的演示与遥操作更多是工程完备性的展示，物理世界的 Scaling Law 尚未被验证。这意味着种子轮的高估值押注的是一个尚未被证明的假设，而非已经显现的曲线。
来源：极客公园
可转债占融资总额约六成，这个结构值得细读。可转债兼具债权与股权的特征：如果公司发展顺利，投资人转股分享上涨；如果不及预期，公司需要承担还本付息的压力。对一家需要长期烧钱的模型公司而言，采用可转债意味着对自身估值上涨有较强信心，但也引入了真实的偿债义务——这在 AI 公司融资中并不常见。
50 亿美元的规模对应的是算力采购与模型训练的硬性需求。大模型研发的成本结构决定了资金消耗速度：训练一次前沿模型的成本在数亿美元量级，而算力基础设施需要提前多年预订。这类融资的实际用途高度确定，也解释了为什么投资人愿意接受如此大的单笔规模——钱不是用来试错的，是用来买确定性的。
从行业格局看，中国大模型公司的融资正在向少数几家集中，头部企业单轮融资规模不断刷新，而中小团队的融资难度持续上升。这种分化与全球趋势一致：Crunchbase 数据显示 2026 年上半年 OpenAI 与 Anthropic 两家合计占全球初创融资的约 43%。资本高度集中会加速技术领先者的优势，但也提高了整个赛道的系统性风险。
来源：综合报道
创始人履历横跨海思与地平线两家中国芯片领域的代表性企业，这在新公司的融资中起到了决定性作用。芯片创业的第一道门槛从来不是想法，而是能否组建起一支有量产经验的团队——流片失败一次的成本可能是数千万美元，投资人对团队过往是否成功交付过量产芯片的关注度远高于商业计划书。
选择端侧与边侧大算力推理芯片，是一个竞争相对不那么拥挤的定位。云端训练芯片赛道已有英伟达、华为与多家国产厂商的重兵投入，而端侧推理芯片的需求正随 AI PC、机器人与智能汽车的普及快速上升，且对成本与功耗的敏感度高于对绝对算力的追求。这个市场对初创公司更为友好，但客户分散、定制化程度高，商业化难度也不小。
种子轮即超亿美元，说明芯片初创的融资门槛已经被推高到新的量级。先进制程的流片成本、EDA 工具授权、IP 采购与团队薪资，构成了一个远高于软件创业的启动成本。这也意味着这个赛道的参与者数量将被资金门槛自然限制，能够获得初始融资的团队通常已具备相当强的产业背景。
来源：观点网
把「人工智能及具身智能的产业应用」写入基金投资范围，是一家新能源龙头对自身产业边界的重新定义。宁德时代在电池制造上的优势建立在材料、工艺与规模之上，而未来其产品（电池、储能系统、换电网络）都需要与智能体系统深度耦合。通过基金布局 AI 与具身智能，实际上是在为「电池之外的系统能力」提前储备选项。
从基金结构看，认缴 11.2 亿元、占 19.4% 份额，说明宁德时代在这只基金中是重要的 LP 但非唯一出资人。这种结构的好处是既能引导投资方向，又能借助其他 LP 与 GP 的专业判断分散风险。对产业方而言，CVC 模式的价值不在于财务回报，而在于获得技术趋势的早期视野与并购标的的优先接触权。
结合近期其他上市公司的公告可以看出一个趋势：产业资本正在成为中国创投市场最主要的资金来源之一。在 54 号文导致市场化募资收缩的背景下，有稳定现金流的产业方反而具备了逆周期出资的能力。这种资金结构的变化会重塑一级市场的投资偏好——产业逻辑的权重上升，纯财务回报的考量相对下降。
来源：界面新闻
传感器企业设立聚焦传感产业链的基金，是典型的「以投资补技术短板」策略。安培龙主营温度、压力、氧传感器等产品，这个领域的高端市场长期由国际厂商主导，部分关键材料与工艺难以通过自主研发在短期内突破。用基金的形式接触产业链上下游的早期团队，既能获得技术情报，也保留了未来收购的可能性。
基金设定目标认缴规模 2 亿元、首期 1 亿元，属于小型产业基金。这类基金的运作逻辑与大型 VC 有明显区别：不追求单个项目的高倍数回报，而是围绕出资人的产业需求进行定向布局，退出方式也更倾向于并购而非 IPO。对 GP 而言，管理这类基金的收益空间有限，但能获得稳定的管理费与产业资源。
需要提示的是公告中的状态表述——基金尚处募集资金及筹建阶段，未完成工商设立和基金业协会备案。这意味着实际出资规模、最终的投资方向与备案时间都存在不确定性。上市公司公告中的基金设立计划，最终未能按原计划落地的比例并不低，投资者应以完成备案为实质性确认节点。
来源：东方财富公告
备案完成意味着这只基金取得了实质性的法律地位，可以正式开始投资运作。基金业协会的备案是私募基金合法运营的前置条件，也是判断基金设立进展的核心节点。相比尚在筹建阶段的基金，完成备案的基金其后续投资动作更值得跟踪——因为它的资金已经具备实际投放的条件。
券商系私募基金的运作特点值得关注。华创云信作为证券公司，其基金可以借助公司的投行资源获取项目信息，尤其是在 Pre-IPO 阶段具有信息优势。但这种优势的可持续性依赖于投行业务的活跃度，一旦 IPO 节奏放缓，券商系基金的项目来源会受到直接影响。
2000 万元的首期实缴相对 5000 万元的认缴规模，采用的是分期出资的常见安排。这种结构降低了 LP 的资金占用成本，但也意味着后续出资义务取决于投资进度。在募资环境收缩的当下，分期实缴成为越来越多基金的默认选择，它同时也是基金实际可投资规模低于名义规模的常见原因。
来源：东方财富
化妆品企业出资 1 亿元进入一只投资范围涵盖科技制造与生物医药的基金，这个组合初看有些跳跃，但放在消费行业的语境下逻辑是通的。珀莱雅近年通过投资布局上游原料、功效评价与生物合成技术，这些能力直接决定产品的差异化程度。把资金交给专业 GP 去覆盖更宽的技术面，比自己组建团队效率更高。
基金目标规模 31 亿元、首次认缴 9.2 亿元，规模较大且处于募集中。这类大型基金的募集周期通常长达一年以上，完成情况取决于 GP 的机构 LP 网络。正心谷在消费与医疗领域的投资记录，是这只基金能否募集到位的关键。对珀莱雅而言，1 亿元的出资占比不大，风险可控，但能否获得预期外的技术协同则取决于 GP 的实际投后能力。
消费企业做 CVC 的普遍困境是「投得进、用不上」。被投企业与出资方的业务协同需要主动的机制设计，而不是靠股权关系自然发生。真正做出成效的案例通常具备明确的战略部门与清晰的整合路径，这一点在评估上市公司基金投资的实际价值时，比基金的账面回报更重要。
来源：中国金融信息网
出资 800 万元、占比 2.66%，这是典型的「跟随型」LP 角色——出资方并非基金的主导者，而是通过小额出资获得项目参与权与信息渠道。这类安排在有政府背景或地方国资参与的基础设施类基金中相当常见，出资方的真实目的是业务协同而非财务回报，被投标的（湖北汉江）本身就是航运基础设施与绿色能源平台，与港航业务直接相关。
基金管理人长江创业投资直接管理 22 只基金、总价值约 388 亿元，这种管理规模说明它是地方国资体系中的主要投资平台。与之合作的小额 LP 实际上是在借用其项目筛选与投后管理能力，代价则是无法主导投资决策。对这类结构性安排，判断价值的关键在于出资方能否在具体的业务层面获得实际协同，而不是基金本身的财务表现。
从市场结构看，地方国资背景的基金正在成为一级市场资金的稳定来源。在市场化募资收缩的时期，国资平台的出资能力反而相对稳定，但它们的投资偏好通常带有明确的区域与产业导向，会进一步强化资金向特定区域与赛道集中的趋势。这对不在政策重点区域内、也不属于重点产业方向的创业公司而言，融资难度会显著上升。
来源：智通财经
设立国家中小企业发展基金二期，本质上是把创业投资纳入国家中小企业支持体系的一部分。与市场化基金不同，国家级基金的核心目标不是财务回报，而是覆盖市场化资金不愿进入的阶段——投早、投小、投长期、投硬科技。这类基金的实际作用体现在引导效应上：它的出资往往能带动社会资本跟进，从而放大政策资金的杠杆。
「信贷—股权—债券—担保—保险」五位一体的联动体系，说明政策设计者已经意识到单一融资工具的局限。早期科技企业的资产结构以知识产权与人力资本为主，缺乏可抵押的有形资产，银行信贷难以覆盖；而纯股权融资又会过度稀释创始团队。组合工具的价值在于针对企业不同阶段提供匹配的融资方式。
量化目标中最值得关注的是专精特新「小巨人」2.2 万家与规上工业中小企业研发费用年均增长 8% 以上。后者实际上是把研发投入强度纳入考核，这比单纯的企业数量目标更有实质意义。但对政策效果的实际评估，还要看这些企业的营收增速与利润率是否同步改善——认定数量的增长如果伴随着单位企业产出的下降，说明政策资源存在摊薄。
来源：新浪财经
「上市首选地」这个提法具有明确的政策指向。过去相当一部分优质中国企业选择赴美或赴港上市，原因包括审核周期长、对未盈利企业的包容度不足、以及特殊股权结构的限制。把 A 股定位为「首选地」意味着监管层希望在制度层面消除这些障碍，让企业主动选择境内上市，而不是把 A 股当作备选方案。
四项改革中最具实质意义的是发行上市的包容性提升，明确覆盖未盈利、红筹与特殊股权结构的硬科技企业。这直接针对的是半导体、生物医药、商业航天等研发投入周期长、前期亏损严重的行业。对创投机构而言，这解决了退出的制度性障碍——如果这类企业无法上市，早期投资人就没有可行的退出路径，投资意愿必然下降。
效率数据提供了政策落地的证据：沪深两市 IPO 平均审核周期缩短至约 6 个月，优质公司再融资审核不到 1 个月。审核速度是影响企业上市选择的实际因素之一，明确的时间预期让企业能够更合理地规划融资节奏。但速度与质量之间的平衡仍需观察，历史上审核加速的时期往往伴随信息披露质量的争议。
来源：国务院新闻办公室
从自律到行政监管的转变，改变的是私募基金行业的准入逻辑。此前的备案制下，管理人设立主要依托行业协会的登记程序；54 号文要求新设管理人先通过省级金融管理部门与证监局的综合研判会商才能完成工商登记，等于把准入审批权上收到行政序列。这个变化对行业的长期规范化有正面意义，但短期冲击相当剧烈。
数据的冲击力比政策文本更直观：6 月股权创投类新设管理人归零，上半年累计 43 家相比去年同期的 72 家下降四成，6 月股权基金仅成立 360 只、环比减少 56%。存量可投资金预计在 2027 年年中见底，这意味着未来两年一级市场的资金供给会持续收缩，出手资金将高度集中于少数头部机构与国资平台。
对创业公司而言，最直接的影响是融资难度的结构性上升，尤其是处于中后期、估值已经不低但盈利尚未兑现的项目。这类项目在一级市场依赖持续的新资金进入来支撑估值，一旦资金供给收缩，要么接受下调估值融资，要么延长融资周期。行业判断「高估值中后期项目或面临融资困难」，正是这个机制的直接推论。
来源：虎嗅
并购市场的回暖与 IPO 通道的变化直接相关。过去创投基金九成以上依赖 IPO 退出，一旦 IPO 节奏放缓，DPI 上不去，LP 的出资意愿就会下降，形成负向循环。并购成为替代路径后，退出的时间与确定性都得到改善——虽然单笔回报倍数通常低于 IPO，但资金回收的速度更快，对基金的现金流管理更有利。
财务投资者主导的交易涨幅最为显著（宗数涨近 50%、规模涨近 85%），说明 PE 机构正在从「买入并持有」转向「买入并整合」。硬科技成为并购主战场、集中在 AI、存储、半导体等赛道，反映的是产业整合逻辑：在这些技术迭代快、规模效应显著的领域，通过并购快速获得技术能力与客户资源，比自建的效率更高。
并购市场的活跃对一级市场的整体健康度有正面作用，但也需要注意估值分歧这一障碍。卖方通常以最近一轮融资估值为锚，而买方关注的是现金流与协同价值，两者之间的差距在估值高位时期往往难以弥合。真正成交的案例多是双方预期已经调整到位的标的，这让并购市场的回暖带有一定的结构性特征。
来源：经济观察报
从 7 月的 17 只、超 1200 亿港元到 8 月的 2 只、37.3 亿港元，这个落差说明港股 IPO 市场的活跃度高度依赖少数大型项目。当大型中概股回归或明星公司上市时，募资额会集中体现；一旦缺乏这类项目，市场立刻显得冷清。这种结构意味着港股作为退出通道的稳定性低于表面数据所显示的水平。
排队企业数量与消化能力的错配是更严重的问题。379 家甚至 559 家的排队规模，以当前的上市节奏计算需要十年以上才能消化。这意味着一级市场投资人对「港股上市」作为退出路径的预期需要大幅下调，而这会直接影响到投资决策中的回报测算——等待十年才能退出的项目，其内部收益率与三五年退出完全不在一个量级。
9 月有报道指出人形机器人企业 IPO 须证明持续性收入、亏损收窄或真实技术创新，这进一步提高了门槛。港交所的审核趋严与内地监管对境外上市的规范化要求形成合力，使得「先拿钱再说」的上市策略难以为继。对具身智能等尚未产生规模收入的赛道，这会显著延后其退出时间表。
来源：虎嗅
935 亿元、去年同期 5 倍、超万家存续企业、40 家排队 IPO，这四个数字放在一起呈现的是一幅典型的赛道过热图景。资金集中度上升会带来两层后果：一是头部项目估值被迅速推高，二是大量跟风成立的公司分不到资金却推高了人才与供应链成本。市场判断拥挤度到极值后将经历估值、融资、公司三层出清。
出清的顺序通常是可以预判的：先是一级市场估值回调，然后是融资难度上升导致部分公司现金流断裂，最后是公司层面的关停与并购。这个过程对早期进入的投资人伤害最大，因为他们往往在估值高位接盘且距离退出更远；对在热潮之前布局的机构，则可能因为成本优势而相对安全。
泛 AI 融资集中度超 55% 这个数据同样值得注意。当超过一半的资金流向同一个方向，其他领域的创业公司融资难度会成倍上升——不是因为它们不够好，而是因为 GP 的注意力与资金都被少数赛道吸走。这种结构性失衡在历史上反复出现，出清的代价往往由整个创新生态承担，而不仅仅是过热的赛道本身。
来源：虎嗅
IPO 退出占比的上升与股份转让退出的下降是同一现象的两面：公开市场通道比并购通道恢复得更快。韩国新增风险投资上半年 8.87 万亿韩元、同比增 56.2%，平均单笔投资从 25.4 亿韩元升至 38.6 亿韩元，早期（不足 3 年）投资增长 57.7%——这组数据说明资金不仅在增加，而且更愿意投早。
板块流向的差异同样明显：生物医疗增长 92.7%、电气机械设备增长 54.0%、ICT 制造增长 146.9%。ICT 制造的增速最高与本轮 AI 半导体周期直接相关，Rebellions 完成 6400 亿韩元 Pre-IPO 融资、FuriosaAI 完成 4000 亿韩元，说明存储与 AI 芯片的景气已经传导至韩国的风险投资端。
但审核端的收紧是明确的警示。83% 撤回或未通过上市初审的企业与业绩问题相关，KOSDAQ 技术特例上市占比虽从 2018 年的 25.7% 升至 56.3%，但监管对企业上市后盈利可持续性、内部控制与股权稀释风险的审查明显趋严。KPMG 建议 VC 制定分阶段退出计划，这个建议的实质是：不要再指望靠单一 IPO 通道解决全部退出问题。
Nytra 的判断重点不在「有没有泡沫」，而在「资本配置行为会怎么变」。他预测未来 6 到 12 个月投资决策会更挑剔，这实际上是对 GP 行为的前瞻判断：当 LP 对回报的要求提高、募资难度上升，GP 就不得不放慢出手节奏并提高标准。这种变化不是由估值本身驱动，而是由资金供给侧的压力驱动。
「用 AI 解决高成本、高度复杂的问题」这个标准，把大部分应用层创业公司排除在外。它隐含的判断是：如果一个问题用现有方案解决的成本不高，AI 带来的效率提升就不足以支撑溢价定价，相应的商业模式也难以持续。真正能建立护城河的是那些过去因为成本或复杂度而无人愿意解决的问题，比如科研、工业设计、法律尽调等专业领域。
这一观点与国内投资人的判断有重合之处。多位中国投资人在近期论坛上强调 AI 应用必须有「独立于模型之外」的价值，共同点是都在质疑单纯依赖模型能力提升带来的价值捕获。当模型能力以季度为单位迭代时，建立在特定模型能力之上的产品很容易被下一代模型直接覆盖，这是应用层创业面临的最大结构性风险。
来源：观点网
「卖水人」逻辑的核心是避开终端产品的不确定性，转而投资所有参与者都需要的环节。在 AI 产业链中，算力、存储、网络与散热属于此类——无论哪家模型公司胜出，这些基础设施的投入都是刚性的。陈立光强调「长坡而非脉冲」，是在回应市场对 AI 投资周期性的质疑：如果需求来自持续的产能扩张而非单次热潮，那么基础设施的景气度会持续更久。
把市场核心矛盾判断为「从需求约束转向供给约束」，是一个有实际操作含义的判断。供给约束意味着瓶颈在生产能力而非订单，这种情况下产业链的定价权会从买方转向卖方，上游环节的利润率会改善。这也解释了为何半导体设备、存储与先进封装的景气度明显高于下游应用。
「硬科技投资已从国产化阶段进入依靠深度产业运营能力获取回报的新阶段」，这句话指出了投资逻辑的转变。早期的国产替代投资主要看技术可行性，标的相对稀缺，投进去就能享受估值提升；当同类企业增多、技术差距缩小之后，能否帮助被投企业改善产能、客户与供应链，成为决定回报的关键。这对 GP 的产业背景提出了更高要求。
来源：网易财经
「以真实订单验证技术壁垒」是一条朴素但容易被忽视的筛选标准。硬科技投资中常见的失误是把「能做出来」当作护城河，而实际上实验室样品与量产交付之间的距离往往比想象中大得多。订单是对技术成熟度的直接检验：客户愿意付钱，说明产品在性能、一致性与成本上都达到了可用标准。
关注高端装备、核心零部件与关键材料，是一个刻意避开热点的定位。这些细分领域市场规模相对有限，难以产生爆发式增长的故事，但技术壁垒高、客户切换成本大、现金流稳定。在资本高度集中于 AI 与具身智能的当下，这类「不性感」的领域反而竞争较少，估值更合理。
强调客户结构多元与盈利质量，反映的是对下游周期波动的防御。单一客户占比过高的硬科技企业在客户资本开支收缩时会面临剧烈波动，而盈利能力则决定了企业在行业下行期能否独立生存。这两项标准在投资决策中往往被成长性叙事排到后面，但在实际退出时是决定成败的关键因素。
来源：证券时报
把泡沫分为「价值预期泡沫」与「数量泡沫」是一个有用的分析框架。价值预期泡沫指的是对某个方向长期潜力的高估，这类泡沫在方向本身正确时最终会被时间消化；数量泡沫指的是一批资质平平的公司获得与头部企业相近的估值，这类泡沫不会自我修复，只能通过出清解决。当前具身智能赛道两类泡沫同时存在。
「估值一年翻七八倍甚至十倍不算新闻」这一现象的直接后果是投资决策质量的下降。当热门赛道的融资「没有时间做尽调」，投资人实际上放弃了尽职调查这一核心风控环节。这种现象在市场情绪高点反复出现，而每一次的代价都由后期的接盘者承担。对 LP 而言，识别 GP 是否在热潮中保持了纪律，比看历史回报数据更能预测未来表现。
「资本可以加速产业发展，但不能改变产业规律」这句话点出了问题的本质。制造业与硬件产业的产能建设、供应链培育与人才培养都有其固有的时间尺度，资金可以缩短但不能跳过这些环节。当投入的资金规模超过产业本身的吸收能力，多余的部分不会转化为产出，而是转化为估值泡沫与资源错配。
来源：搜狐财经
上半年全球并购交易额增长 30% 至 2.6 万亿美元，这个增速在并购市场历史上属于高位。推动因素包括估值预期趋于一致、融资条件改善以及企业对通过并购获取技术能力的迫切需求。Blessing 特别提到 PE 重新参与并购与 IPO 市场，这解决了此前市场担心的一个问题——如果 PE 只进不出，并购市场的流动性会持续枯竭。
她同时列出的风险清单值得重视：伊朗冲突、能源价格、通胀与贸易政策。这四项风险共同的特征是都会通过成本渠道影响企业的盈利预期，而并购交易的定价高度依赖对未来现金流的判断。一旦这些风险实际兑现，已经启动的交易可能重新谈判甚至终止，这在并购市场是有先例的。
从产业逻辑看，「战略并购与私募股权双双回暖」的可持续性取决于利率环境。并购交易通常依赖杠杆融资，利率水平直接决定交易的可行性。如果美联储在 9 月及之后继续加息，融资成本上升会压缩 PE 的回报空间，交易活跃度可能随之回落。并购市场的复苏因此与货币政策路径高度绑定。
来源：新浪财经
3.8 万亿美元的未售资产与接近七年的平均持有期，是一个危险的组合。持有期越长，基金向 LP 分配现金的能力越弱，而 LP（尤其是养老金与保险公司）有明确的现金流需求。当分配不足时，LP 会减少对新基金的出资，从而形成「旧基金退不出、新基金募不到」的循环。这个循环一旦形成，整个 PE 行业的资金周转就会陷入停滞。
2019-2021 年份基金有三分之二到九成未达目标回报，一份执行官的预测更具体：这批基金的 IRR 可能只有 7%-8%，而扣除费用后的目标通常是高两位数。这些基金恰好在低利率、高估值的环境中完成投资，如今面临利率上升与退出渠道收窄的双重挤压。这是 PE 行业自 2008 年以来最严峻的回报考验。
行业的应对方式是延缓而非解决：许多基金选择继续持有资产而不愿在折价下出售，同时通过延续基金（continuation vehicles）、二级份额转让与逐笔交易分成等方式向 LP 提供部分流动性。这些工具能缓解短期压力，但本质上是把问题推后。二级市场上半年达到 1180 亿美元的创纪录规模、GP 主导型交易首次超过 LP 主导型，正是这种压力的直接体现。