2026年全球农业食品科技投资报告

全球农业食品科技投资报告2026 46.成熟市场49. Klim 常见问题解答 3.介绍信4. 关于我们及合作伙伴 2025年全球农业食品科技投资 达到162亿美元，与上年相比几乎持平（-3%），但资金流向发生了显著变化。 轮次小了80%。年来的最高份额。同时，农业食品领域的气候科技资金回升至39亿美元，同比增长39%。今年的报告首次引入了我们的专属 从地理分布来看，美国仍以59亿美元领先，但下降了8%。中国、韩国和大利亚的增幅最为显著。非洲达到2.6亿美元，增长30%，上游农产品市场和金融科技平台持续为小农户提供投入品和融资服务。深度科技分析，涵盖10页和十年的数据。过去十年间，深度科技在农业食品交易中的占比已稳步从22%提升至32%。种子轮的深度科技融资轮次较非深度科技同类交易溢价78%，显示出投资者对以科学为导向公司的真实需求。但2025年没有一家深度科技公司单轮融资额突破2亿美元，这表明增长型投资者仍保持谨慎，直到繁荣时期的投资在商业上得到验证。 食品生产和生物系统开发技术的公司——融资额达90亿美元，同比增长7%，尽管交易数量下降了12%。 、真实单元经济模型以及清晰营收路径的公司。为外卖和电子杂货平台不计成本的增长融资的时代正在褪去。2025年最大的一笔交易，Wonder的6亿美元 。这是好事。 AgFunder是一家全球风险投资公司，专注于投 资深度科技平台，旨在突破食品、农业、人类及地球健康领域的限制因素。通过AgFunderNews、Gaia（我们独家拥有的、基于人工智能的知识库，涵盖超过5000万初创企业）以及旧金山、伦敦和新加坡的办事处，AgFunder拥有无与伦比的市场洞察力和资源获取能力。 。通过超越头条新闻，我们分析旨在改善人类和地球健康的人们、公司和科技。我们团队获奖记者每日发布新闻，为日益增长的食品科技、农业科技和气候科技行业提供深度见解。 目和企业家，支持可持续私营部门增长。由荷兰外交部和欧盟共同资助的FMO风险投资计划，重点关注金融科技、能源获取和农业食品科技。 最大的一笔交易600万美元的奇迹 总资金 D轮（美国） 162亿2025年 在线餐厅 + 餐饮市场 （同比-3%） 最大上游交易 上游资金总额 顶级分类e杂货 21亿美元资金 90亿美元2025年(+8% 同比增长) 债务（印度）AG 交易市场 + 金融 （同比-23%） 生物材料18亿美元资金同比增长13% 按类别划分的全球农业食品科技投资 转向，正如一位投资者所说，“为单位经济模型而建，而非追逐炒作。” 024年的22亿美元增长至2025年的38亿美元。这主要解释了为何上游总额增长，尽管交易数量下降且早期融资趋于保守。栗树碳（Chestnut Carbon）、 Cambrian Innovation 和 Inari 均成功吸引了大量晚期轮次投资。 的农业自动化公司GINT在C轮融资中关闭了近1亿美元的融资。 大规模压缩 初创公司，2020年和2021年交易额超过1亿美元的增长几乎完全归功于新冠疫情时期的食品配送初创公司。其中包括2021年中国生鲜电商新生鲜优鲜的30亿美元D轮融资。 易的平均规模也萎缩了。到2025年，这些交易比2021年的顶尖交易小了35%。 一家印度农业市场和供应链企业，以及从事碳移除、基因编辑和废水生物电化学生产的企业。 投资额，而不是追逐“颠覆性创新”。 2015-2025年债务融资占总融资的比例 农业食品科技折扣 阶段的成本都比美国软件显著低廉。在种子阶段，折扣为75%；在A轮融资阶段，折扣为42%。这一模式一直持续到D轮融资阶段。 。更低的入场价格意味着每投入一美元可以获得更多股权，每一轮融资的持续时间更长，达到并且重要里程碑所需的资金更少。 。软件市场很快就会变得拥挤不堪。 言资金投入不足，且每个阶段竞争性条款清单都更少？ 按类别划分的全球农业食品科技投资 得了各类中最多的交易，达240笔。种子期交易构成了投资主体。 普遍下降后似乎趋于稳定。然而，少数大型交易使总额上升，而除新型农业系统外，所有上游类别的交易数量仍在持续下降。 开发商橡木碳（Chestnut Carbon）和虚拟牲畜围栏公司Halter分别筹集了3.7亿美元和1亿美元。 2025年顶尖农业食品科技交易案例 025 年仍保持领先地位。在线餐厅融资13 亿美元，同比仅小幅增长，然而，Wonder 的 D 轮融资规模比 agrifoodtech在 2021 年最大一轮融资小了 80%。 Sensing & IoT)类别表现出色负有主要责任；该公司通过两轮独立的融资筹集了370万美元。 2025年各阶段重点交易 B轮融资 2025 A轮融资 2025 游初创公司占据了更多顶尖交易的比例，涉及多家农业生物技术、农场机器人、农场管理工具以及生物能源和生物材料领域的初创企业。 初创公司简介 - Lumi AI 加拿大 Lumi AI 公司提供一款基于聊天的代理式数据分析工具，能够在 ERP 和数据库中发掘隐藏的优化机会。其旨在赋能更智能的供应链、分销和客户运营。 Lumi AI 解决了什么挑战？ 2025年Lumi AI有哪些亮点？ 和灵活数据托管等即将推出的功能将扩大TAM和ACVs。同时，我们正引入下一代创新，通过主动的自主洞察和告警，将Lumi从分析扩展到执 入了数百万，业务团队仍然受限于他们对运营的既定看法。由于无人知晓去寻找，显而易见的风险、低效以及价值驱动因素都未被察觉。 行。我们已将 Lumi 部署到生产环境，并组建了一支涵盖工程和商业拓展（GTM）的资深团队。 并针对付费 F100 企业和咨询合作伙伴，利用深度、结构化的反馈循环，实质性加速了产品迭代。 下文和智能化的工作流，Lumi 使团队能够用日常语言提问，并自主地呈现传统 BI 工具所忽略的洞见。及提高转化率，建立了可重复的、非创始人主导的管道生成流程。 对于能够帮助加速分销、合作以及 咨询合作伙伴，在生产中运用Lumi，以发掘销售、采购和供应链运营中价值数百万美元的机遇。 不断加码的投资者，我们正积极进 2026年，关键在于有目的的扩展。我们漏斗底部的管道包含一些辨识度极高的企业Logo，预计在短期内能实现转化，而漏斗顶部的增长则越来越掘跨越销售、采购和供应链运营的数百万美元级机遇。 [声明：AgFunder是Lumi AI的投资者。]由耐用的、可重复的GTM策略驱动。 农业食品科技领域中，深度科技在哪里？ 过去十年间，DeepTech的融资份额提供五年前还只是理论层面的情报。农业或食品生产领域——占据了深度技术交易资金流的大多数（88%），其中农业生物技术（按交易数量计占97%）、农业机器人（62%）、新型农业系统（46%）和生物能源与生物材料（45%）处于领先地位。实验室与市场之间的差距正在缩小，资本正逐渐开始跟进。 今年的报告包含了我们首次对农业食品科技投资领域中深度科技活动的专门分析。 退化、水资源短缺到蛋白质供应限制以及病虫害防治，本质上是需要深度科技解决方案的科学问题。自2021年峰值以来，虽然农业食品科技（agrifoodtech）总融资额下降了70%，但深度科技（deeptech） 在21%至32%之间波动，同样地，其交易份额也稳步从22%增长至32%。 随着自主AI的出现以及合成生物学、基因编辑、分子发现和先进传感种子轮投资者的兴趣似乎也很浓厚，融资轮次的价格较非硬科技领域的同类公司高出78%。希望这表明，融资额下降了62%，而非深度科技（non-deeptech）则下降了73%。 以科学为导向的公司正源源不断地进入市场。 技术的突破，原本需要十年时间的研发周期正在被压缩到投资者能够承担的时间表内。公司在经济和科学时间表被严重低估时，确实经历了一些惨痛的失败，但在最近的下行周期中，那些面向消费者、下游的商业模式由于廉价资本的推动而受到了更严重的冲 向、尚存差距，以及为何我们认为这是农业食品科技体系中最为关键 的一环。；卫星与传感器融合如今 年有所增加。上游创业公司——那 工程创新的公司归类为深度科技企业。（关于该方法论，请参见第63页。） 2025年，Ag Biotech获得了最大规模的地，其交易占比也稳步从22%增长至32%。 AgFunder在2025年进行了九项深度技术投资；详见第30页。物材料以及农业机器人。 上游类别占主导地位农业食品科技中的深度科技 何时出现？深度科技高端系列 开始，这一趋势逐渐减弱，因为后期阶段的融资更倾向于有营收的公司。类似地，对于债务融资，我们并未看到大量资本投入到未经验证、未商业化的商业模式中。 2025年十大融资公司 中这样处于后期阶段的公司也是如此。然而，耐心的投资者仍在支持这些公司，尽管投资者对收入的期望日益增长，这些公司已经花费数年时间内部研发知识产权。 大宗交易压缩 深度科技下跌超过2亿美元 元（涉及基因编辑公司Inari）。没有哪家深科技公司的交易额突破2亿美元，而七笔非深科技交易则突破了。 普罗夫的《新生物经济》简报数据，2019年至2022年间完成超过2亿美元融资的33家深度科技公司在新型农业或创新食品领域均遭遇了硬性失败。 科学风险的巨额支票保持谨慎。 中英两国占优农业食品科技中的深度科技 分配给深度科技领域：分别为44%和49%。中国的优势源于国家支持的资本、基因 编辑的政策优先级，以及全球超过70%的发酵产能。英国将其68.5亿美元的49%投向深科技，在十大市场中占比最高。学术衍生公司、专注的VC（风险投资公司）和政府的研发激励为项目储备提供动力。 和较少的竞争。 深度科技特别报告 Atinary 是少数几家利用人工智能和自动化来改变现状的初创公司之一。阿泰尼的平台背后有一个简单的理念：一个能自我学习的自动化实验室。它自行设计实验、运行实验、分析结果，并根据这些结果更新其对问题的理解。循环往复，全天候、全年无休。全球最严峻的挑战——从粮食安全、能源转型到人类健康和气候韧性——正加速加剧。詹妮弗·马斯顿（Jennifer Marston）写道，负责解决这些问题的研发方法却并未同步。 件。Atinary的专有优化算法Falcon AI采用贝叶斯优化，分析已完成的实验，找出有效的方案，并基于这些信息决定下一步运行哪个实验。 料的竞赛中，传统的研发过程是一项耗时数十年的事业，其成功率深不见底。如今，整个行业都依赖着规模化、快速地提供新颖、耐用的解决方案来取得成功，这种代价高昂、进展缓慢的模式终于开始逐渐过时 关键在于，科学家无需机器学习学位即可使用Atinary 带来新的机遇。的工具，这些工具的设计初衷就是“无代码”方法。 创新，没有创造力，只是微调，”Atinary首席技术官Loïc Roch表示。“科学家们应该将80%的时间用于思考 百年研发手册 要解决什么问题，为什么是这个问题，然后让机器来处理剩下的部分。” 深度科技特别报告 例如，Atinary 与苏黎世联邦理工学院 (ETH Zurich) 的SwissCat+ 计划合作，旨在寻找将二氧化碳转化为甲醇的最佳催化剂。通常情况下，用常规方法完成这项转换需要大约100 企业研发新蓝图 农业领域的新产品开发早已需要研发上的革新。抗旱玉米、可替代合成染料的清洁标签产品以及生物燃料生产路线的优化备受需求。但这些及其他创新需要数年的开发周期和相当多的资金投入。 年的研究，”罗奇声称。阿特纳利却只用了六周时间就完成了。 了一座完全自主的自动驾驶实验室（SDL），并于本月在美国马萨诸塞州波士顿揭幕。 波士顿，马萨诸塞州：阿特尼的自动驾驶实验室，以加快新产品发现与合成，并与更年轻、更敏捷的初创公司合作，以实施新想法。 的软件与机器人技术相结合（同时整合了梅特勒-托利多和安捷伦的贡献，这两家都是实验室技术领域的关键参与者），使得实验