AI公司到底值多少钱?科创板要捅破这层窗户纸了

“一级市场估值和泡沫怎么起来的，他们自己心里没点数吗？”一位券商科技产业分析师在谈起即将到来的科创板时对我们说。

“我们反正第一批肯定先不上。”一位AI独角兽融资负责人面对我们对科创板的提问，回答略显暧昧。

“你说那家公司为什么就值这么多钱呢？”一位国内顶尖券商的投行业务部门负责人也曾反问我们，“反正他们的材料递到我这儿，我不会签字。看不懂。”

去年11月亮相，今年3月开闸，6月即将迎来第一批登陆公司的科创板，正在以超预期速度大力推进。

在科创板重点推荐上市的六大领域——新一代信息技术、高端装备、新材料、新能源、节能环保、生物医药中，属于新一代信息技术的AI公司可能会经受最大的估值逻辑挑战。

过去几年，中国AI公司在一级市场保持着估值增长默契：

即便是去年的资本寒冬，因优质项目稀缺带来的“幸存者效应”，头部项目仍能拿到不成比例的大额融资；叠加上《减持新规》及IPO审核趋严导致高估值项目退出渠道受阻，退出挑战滞后，以及一级市场交易频率低、市场不透明的特点，公司的估值越来越高，回调速度相对滞后于二级市场。

本来，这个游戏还将在默契中继续，但平地一声雷，科创板来了——AI公司上市时间轴被拉向眼前。

科创板对未盈利的、但具有广阔前景的AI公司所表明的包容态度，既带来了机会，也带来了挑战。当第一批AI公司登陆二级市场，当二级市场的保守务实遇到一级市场的敢赌和想象力，一个触发器会被悄悄按下：二级市场投资者的逻辑将一层层传导回一级市场——AI估值体系的变革甚至重塑，今年将会大概率展开。

一个本来可以更晚回答的问题正被提前推到所有人面前：

都9102年了，AI公司到底值多少钱？

01

2016-2018：被迅速推高的估值

在细说科创板对AI估值体系的重塑之前，我们不妨先看一看，备受期待和关注的AI公司在近年来是如何一步步获得高估值的。

AI公司的命运大体可以以2016年AlphaGo战胜李世乭为分界点。

第一波是在2012年深度学习取得突破后，市场上陆续出现的AI创业先驱者。它们多是在AI成为大风口之前、以单点技术起家的AI公司，如以人脸识别起家的商汤、旷视，以语音技术起家的云知声、思必驰等；第二波是AI成为大风口之后，成立于2016年之后，在某细分领域找到落地场景的垂直行业应用公司。

对第一批公司来说，在2016年的AlphaGo事件前，对估值影响最大的因子是算法和人才，可简化表达为：

V(2012-2016)=f（算法，人才）

2014年1月，谷歌以6.6亿美元收购DeepMind——当时这家公司只有12位博士和教授，这是反映人才价值的一个典型案例。

商汤敏锐地意识到了这个市场信号。其联合创始人徐冰在2017年接受《中国企业家杂志》采访时曾明确表示其估值对标了DeepMind，“我们在那个时间点是一个三十多个人的团队，2011年开始做深度学习，比DeepMind还要早一年。”[1]

此后，商汤在2015年11月先后完成了千万美元级别的A轮和A+轮融资，投后估值达8亿美元。

紧接着，2016年AlphaGo战胜李世乭，AI被推上风口。风口效应，使得“市梦率”和行业地位也进入了估值因子，可概括为：

V(2016-2018)=f（算法，人才，市梦率↑，行业地位↑）

“市梦率”是对AI的高期待。

AlphaGo直接推高了市场对AI颠覆性的想象，资本汹涌入场。

软银集团首席执行官孙正义曾在采访中表示，他旗下持资1000亿美元的愿景基金已经投资700亿美元，其中重点投资的就是人工智能（AI）领域。他明确表示，“相信AI将在30年内彻底改变人类的生活方式。”

这时，市场上已存在的AI公司获得了先发优势，他们已建立的行业地位、人才储备吸引了大量资本，行业头部溢价开始显现，这一趋势持续到2018年。

以最受国内资本市场追捧的计算机视觉赛道为例，去年，中国AI创业公司的融资总额是1131亿人民币[2]，而“计算机视觉四小龙”——商汤、旷视、依图、云从合计拿到了其中200多亿——占总额的五分之一。

2018头部玩家的融资竞赛

但也是在2018年，一级市场对AI的态度发生了微妙的变化：

一方面，随着技术已进入普及化阶段，高精尖人才的碾压式优势逐渐减弱，算法与人才的重要性下降；另一方面，随着前期被投公司从初创期进入成长期，市场也期待看到更多商业成果，最初的“市梦率”消退，真实商业价值的重要性上升。

而目前弱AI的通用能力有限，在商业落地上又必须深入各行业、各场景，场景本身的市场空间，公司对场景know-how的把握和能调动的场景数据就变得尤为重要。这一阶段的新逻辑开始变为：

V(2018)=f（算法↓，人才↓，市场空间↑，数据↑，行业地位↑）

因此，自2017年开始，在某细分场景找到自己行业定位，能够获取大量数据的公司更容易获得融资和市场的认可，前期的明星公司也开始纷纷进入“场景攻坚阶段”：

如AI+文娱商用公司Video++，目前估值达65亿；旷视收购艾瑞思机器人，推出机器人操作系统“河图”，并深耕仓储场景。

回顾一级市场AI公司估值逻辑的演变，从最初的f（算法，人才），到f（算法，人才，市梦率↑，行业地位↑），再到f（算法↓，人才↓，市场空间↑，数据↑，行业地位↑），AI估值逻辑的演变路径和20世纪90年代末沃顿商学院的威廉·F·汉密尔顿教授基于技术物种进化思想提出的“新兴技术发展演化模型”的内在演变逻辑一致：

一项新技术在科学研究、技术发展、商品化的三步走中，竞争将逐渐从形式竞争（更看重技术能力）转化为应用竞争（更看重商业竞争力）。

横坐标为新技术发展演化的不同阶段

纵坐标为推进技术发展的努力程度

一句话概括一级市场的AI估值逻辑走向，即越来越往“可评判商业价值的指标”靠拢，整体逐渐趋于理性、务实，更加“二级化”。

只有一点“非理性趋势”，或者说导致二级市场“看不懂”的现象仍在延续——越来越明显的马太效应。

与互联网马太效应的内因“网络效应”不同，AI行业的马太效应更多来自对未来的不确定性，使得投资者倾向于在商业模式清晰之前押注头部、抱团取暖、借力扎堆。

而现在，滚滚而来的科创板可能要戳破最后一层窗户纸了。

02

2019：一瓶来自科创板的卸妆水？

从变化中看不变，科创板纵然是个新事物，但它的本质依然是中国二级市场的一部分，大概率遵循二级市场的一些固有逻辑。

二级市场与一级市场的最大区别是：信息更透明，流通速度更快。在二级市场严格的财务披露制度下，科创板犹如一瓶卸妆水，让粉饰手段变得极为有限，市值可上可下，这将打破一级市场估值只会越来越高的“潜规则”。

不变中的变化，则是科创板的一条新规定：市场化询价。

以往A股上市在定价时，采取的是直接定价方式，且定价的圈内标准是不要超过23倍PE市盈率（即发行价不要超过每股盈利的23倍，这并非明文规定，而是券商在长期操作中摸索出的规律）。

而《科创板股票发行与承销实施办法》明确规定，考虑到科创板对投资者的投资经验、风险承受能力要求更高，全面采用市场化询价，询价对象限定在证券公司、基金公司等七类专业机构。

这意味着，对一些估值暂时不被二级市场接受的公司来说，问题已不是破发不破发了，而是首次公开发行的发行价可能直接低于上一轮的估值，出现一二级市场估值倒挂。

而与多方协商出一个发行价还只是万里长征第一关，接下来，进入公开市场的AI公司必须披露真实的财务数据，并接受二级市场的估值逻辑，承受市值的起起伏伏。

二级市场的逻辑又会进一步传导到一级市场，在AI这个新领域上，“一级市场二级化”的进程会加速到来。

传统上，二级市场有两大估值思维：

1. 绝对估值法

其核心逻辑是公司未来现金流的折现。着眼于对公司内在价值的评估；适用于处于成熟发展阶段且现金流稳定的行业，如制造类、消费类、公共事业类企业。但绝对估值法不能很好地反应市场变化，且模型计算复杂，各种参数基于预测，包含很大的主观因素。

2. 相对估值法

按照公司所处的行业和细分赛道，在一系列核心商业指标、财务指标的基础上，对标行业典型公司或平均水平，通过比价来定价。常用的对比指标包括市盈率、市净率、市销率[3]。

比如在科创板对标的纳斯达克，市销率就是最常用的对比指标。其好处是淡化盈利，适合互联网这种需要长期战略性亏算来维持未来成长性的行业。

如京东在2014年上市时，就对标了同类公司亚马逊的市销率。当时亚马逊的市销率为1.2倍，京东的承销商在定发行价和估值时则选了2015年京东预期销售额的0.7-0.8倍。

尚处于发展阶段、商业模式还在完善中的AI公司显然更适合相对估值法。在这种大思路之下，未来市场主要有两部分挑战：

挑战一：AI公司核心商业指标亟待厘清

这里可以用此前的互联网公司做一个类比。

关注互联网上市公司的人不难发现，各公司的财报基本形成了固定的指标体系，披露访客量、活跃用户数、平台交易量、用户使用时长等已成为常规操作。

这些指标的共同点是全部围绕一个中心：用户。

因为to C互联网公司的核心商业价值就来源于用户。只不过由于商业模式不同，侧重不同，比如访客量对应于门户等模式；活跃用户数、使用时长等对应社交、流媒体；平台交易量对应电商。

未来AI公司也需要有发展出自己的核心商业指标，这是判断其价值的一个“锚”。

根据具体商业模式的不同，锚的形态各异。

目前的AI公司基本可以分为两类：

一是侧重于技术投入，有平台潜质的AI公司，或者也可以叫“横着长”的AI公司。

这一领域的玩家现在多是巨头，但也不排除部分头部的成长期公司有跻身平台的潜力，比如一直在这个方向上讲故事和努力的商汤。

目前看来，几个比较明显的平台商业模式包括：智能语音平台、自动驾驶平台、人脸识别平台、AIoT平台等。且AI在云计算平台中的重要性也越来越大。

对这类“横着长”的AI公司来说，合作伙伴/开发者数量、某个功能的调用次数、调用均价、数据量、单个开发者带来的平均收入等可能成为确定其价值的重要指标，或可表达为：

V平台=f（合作伙伴/开发者数量，调用次数，调用均价，数据量）

一些平台已在积极披露这些数据：如百度阿波罗自动驾驶平台已有上百个合作伙伴，且已开始有收入；去年，谷歌和亚马逊先后发布其语音助手接入的智能设备数量，前者是5000种（去年5月数据），后者是2万种（去年9月数据）。

二是侧重于深耕行业应用，如做金融+AI、医疗+AI、营销+AI的公司，即“纵着长”的AI公司。

对这些公司来说，理想的商业模式一定是可规模化的、产品化的AI，而不是项目制的AI。

对于产品化的AI而言，其核心价值逻辑包括行业变量（行业、场景的市场空间），和产品的商业价值（客户/用户数，客单价/单次调用价格，年订单总额，复购率等等）。其估值方式可表达为：

V应用=f（市场空间，客户数，客单价/单次调用价格，年订单总额，复购率）

一些在产品化上走得较远的公司已开始向市场披露具体商业数字：如走云端芯路线的云知声近日对外披露，其语音解决方案已在去年落地200多万台智能家居设备；最近半年，其Pandora智能中控解决方案已经落地2万多间酒店客房。

实际运营中，也不少公司“横纵兼有”，一边做平台，一边开发应用，这类公司则可以采用“分部估值法”，不同业务拆分，估值加总。

V= V平台+ V应用

挑战二：对标指标将经历演变

在核心商业价值进一步厘清的同时，资本市场的投资人和AI公司未来还将在互动中，进一步确定合适的对标指标——即到底是采用市销率还市盈率等指标进行估值。

这和单个公司以及行业整体的商业成熟度有关。

在2019年的当下，许多估值和收入达到科创板上市标准的公司其实仍处于商业摸索探索期，尚未形成稳定的销售，更谈不上稳定利润，对这类公司来说，要么就是“不急于上市”，如果真要上市，则初期市销率（看销售）和市盈率（看利润）可能都不合适。最初的估值将是一个多方协商、市场询价的结果。

而随着公司商业模式的逐渐成熟，以以往多个行业的估值演进来看，未来应该会先过渡到市销率，再过渡到市盈率。

大的方向很明确：估值逻辑会不断地向商业本质——盈利靠拢。

03

最终：AI将收敛为一个因子

在讨论了二级市场对AI公司估值体系的影响后，转换视角，再来看AI公司对二级市场的影响：

未来，AI 将会收敛成整个资本市场的一个估值因子。

自上世纪90年代互联网新物种出现至今，远有亚马逊、Facebook，近有美团、滴滴，互联网公司对二级市场估值体系的最大颠覆是：市场接受了长期的战略性亏损。

最典型的是亚马逊。它曾经历连续20年的亏损，市值却逐年增长，并在2018年短暂超过万亿美元大关。人们甚至说“只有处在亏损状态的亚马逊才是最值得投资的亚马逊”。

同理，AI元素的批量性崛起，也将潜移默化地改变二级市场评价公司的总体核心逻辑和投资心态。

已有苗头的变化是，越来越多的传统行业已上市公司，正在用添加AI能力的方式来提升自己的长期价值和市场对自己的发展预期。

对各行业公司来说，AI或“智能化”带来的效率提升和新增价值，也会成为衡量价值的重要因素，具体到估值逻辑里，可能会转化为“人效”、“人力成本”等指标，即：

V=f（常规估值指标，AI渗透率）

去年以来，BAT在调整组织架构上大动作频频，共同点就是凸显云和AI的重要性，纷纷成立了以云平台为基础，以AI能力为核心增长引擎的事业群组。对这些公司来说，更侧重于输出AI技术，创造新增价值，AI直接转化为业务。

而制造业、餐饮业、教育业等多行业的公司则侧重于用AI提升已有流程、商业模式的效率。

积极拥抱科技的传统玩家，有打造了AI Lab、脑科学实验室，用云计算技术、智能交互技术推动教育资源更低成本扩散、普惠的好未来；有建立了首个无人火锅店，上市刚一年的海底捞。

从海底捞的宣传口径上可见，公司内部十分看中AI带来的附加价值。海底捞今年3月中旬发布的第一份上市后财报中特别提到，其与用友合资成立的信息化公司“火红台”帮助海底捞实现了智能选址、智能人力、智能供应链管理等功能，促进了近两年间，海底捞门店数从170多家到400多家的“科技化复制”。

长远来看，“AI公司”的标签的确会“越来越不值钱”。因为当所有公司都完成了AI化，“AI公司”的说法将不复存在——除了AI，还有什么？这才是新技术泡沫退去，真正落地时的应该回答的问题。

每一个时代，都有当时被认为最代表主流市场增长动力的公司类型，市场已见证了多代“独领风骚者”的新老接力：以由30支股票组成、代表着美国经济动力的道琼斯工业平均指数为例，从1896年诞生以来，“主流”概念依次从能源、通信、运输、信息、发展到互联网。而这些彼时新兴、令人兴奋的概念终会在岁月中变得“平平无奇”。

真正产生价值的创新，正是最终变旧了的那些。