“一級市場估值和泡沫怎么起來的，他們自己心里沒點數嗎？”一位券商科技產業分析師在談起即將到來的科創板時對我們說。

“我們反正第一批肯定先不上。”一位AI獨角獸融資負責人面對我們對科創板的提問，回答略顯曖昧。

“你說那家公司為什么就值這么多錢呢？”一位國內頂尖券商的投行業務部門負責人也曾反問我們，“反正他們的材料遞到我這兒，我不會簽字。看不懂。”

去年11月亮相，今年3月開閘，6月即將迎來第一批登陸公司的科創板，正在以超預期速度大力推進。

在科創板重點推薦上市的六大領域——新一代信息技術、高端裝備、新材料、新能源、節能環保、生物醫藥中，屬于新一代信息技術的AI公司可能會經受最大的估值邏輯挑戰。

過去幾年，中國AI公司在一級市場保持著估值增長默契：

即便是去年的資本寒冬，因優質項目稀缺帶來的“幸存者效應”，頭部項目仍能拿到不成比例的大額融資；疊加上《減持新規》及IPO審核趨嚴導致高估值項目退出渠道受阻，退出挑戰滯后，以及一級市場交易頻率低、市場不透明的特點，公司的估值越來越高，回調速度相對滯后于二級市場。

本來，這個游戲還將在默契中繼續，但平地一聲雷，科創板來了——AI公司上市時間軸被拉向眼前。

科創板對未盈利的、但具有廣闊前景的AI公司所表明的包容態度，既帶來了機會，也帶來了挑戰。當第一批AI公司登陸二級市場，當二級市場的保守務實遇到一級市場的敢賭和想象力，一個觸發器會被悄悄按下：二級市場投資者的邏輯將一層層傳導回一級市場——AI估值體系的變革甚至重塑，今年將會大概率展開。

一個本來可以更晚回答的問題正被提前推到所有人面前：

都9102年了，AI公司到底值多少錢？

1

2016-2018：被迅速推高的估值

在細說科創板對AI估值體系的重塑之前，我們不妨先看一看，備受期待和關注的AI公司在近年來是如何一步步獲得高估值的。

AI公司的命運大體可以以2016年AlphaGo戰勝李世乭為分界點。

第一波是在2012年深度學習取得突破后，市場上陸續出現的AI創業先驅者。它們多是在AI成為大風口之前、以單點技術起家的AI公司，如以人臉識別起家的商湯、曠視，以語音技術起家的云知聲、思必馳等；第二波是AI成為大風口之后，成立于2016年之后，在某細分領域找到落地場景的垂直行業應用公司。

對第一批公司來說，在2016年的AlphaGo事件前，對估值影響最大的因子是算法和人才，可簡化表達為：

V（2012-2016）=f（算法，人才）

2014年1月，谷歌以6.6億美元收購DeepMind——當時這家公司只有12位博士和教授，這是反映人才價值的一個典型案例。

商湯敏銳地意識到了這個市場信號。其聯合創始人徐冰在2017年接受《中國企業家雜志》采訪時曾明確表示其估值對標了DeepMind，“我們在那個時間點是一個三十多個人的團隊，2011年開始做深度學習，比DeepMind還要早一年。”［1］

此后，商湯在2015年11月先后完成了千萬美元級別的A輪和A+輪融資，投后估值達8億美元。

緊接著，2016年AlphaGo戰勝李世乭，AI被推上風口。風口效應，使得“市夢率”和行業地位也進入了估值因子，可概括為：

V（2016-2018）=f（算法，人才，市夢率，行業地位）

“市夢率”是對AI的高期待。

AlphaGo直接推高了市場對AI顛覆性的想象，資本洶涌入場。

軟銀集團首席執行官孫正義曾在采訪中表示，他旗下持資1000億美元的愿景基金已經投資700億美元，其中重點投資的就是人工智能（AI）領域。他明確表示，“相信AI將在30年內徹底改變人類的生活方式。”

這時，市場上已存在的AI公司獲得了先發優勢，他們已建立的行業地位、人才儲備吸引了大量資本，行業頭部溢價開始顯現，這一趨勢持續到2018年。

以最受國內資本市場追捧的計算機視覺賽道為例，去年，中國AI創業公司的融資總額是1131億人民幣［2］，而“計算機視覺四小龍”——商湯、曠視、依圖、云從合計拿到了其中200多億——占總額的五分之一。9月，商湯估值已達到60億美元，成為人工智能創業公司。

2018頭部玩家的融資競賽

但也是在2018年，一級市場對AI的態度發生了微妙的變化：

一方面，隨著技術已進入普及化階段，高精尖人才的碾壓式優勢逐漸減弱，算法與人才的重要性下降；另一方面，隨著前期被投公司從初創期進入成長期，市場也期待看到更多商業成果，最初的“市夢率”消退，真實商業價值的重要性上升。

而目前弱AI的通用能力有限，在商業落地上又必須深入各行業、各場景，場景本身的市場空間，公司對場景know-how的把握和能調動的場景數據就變得尤為重要。這一階段的新邏輯開始變為：

V（2018）=f（算法，人才，市場空間，數據，行業地位）

因此，自2017年開始，在某細分場景找到自己行業定位，能夠獲取大量數據的公司更容易獲得融資和市場的認可，前期的明星公司也開始紛紛進入“場景攻堅階段”：

如AI+文娛商用公司Video++，目前估值達65億；曠視收購艾瑞思機器人，推出機器人操作系統“河圖”，并深耕倉儲場景。

回顧一級市場AI公司估值邏輯的演變，從最初的f（算法，人才），到f（算法，人才，市夢率，行業地位），再到f（算法，人才，市場空間，數據，行業地位），AI估值邏輯的演變路徑和20世紀90年代末沃頓商學院的威廉·F·漢密爾頓教授基于技術物種進化思想提出的“新興技術發展演化模型”的內在演變邏輯一致：

一項新技術在科學研究、技術發展、商品化的三步走中，競爭將逐漸從形式競爭（更看重技術能力）轉化為應用競爭（更看重商業競爭力）。

橫坐標為新技術發展演化的不同階段；縱坐標為推進技術發展的努力程度。

一句話概括一級市場的AI估值邏輯走向，即越來越往“可評判商業價值的指標”靠攏，整體逐漸趨于理性、務實，更加“二級化”。

只有一點“非理性趨勢”，或者說導致二級市場“看不懂”的現象仍在延續——越來越明顯的馬太效應。

與互聯網馬太效應的內因“網絡效應”不同，AI行業的馬太效應更多來自對未來的不確定性，使得投資者傾向于在商業模式清晰之前押注頭部、抱團取暖、借力扎堆。

而現在，滾滾而來的科創板可能要戳破最后一層窗戶紙了。

2

2019：一瓶來自科創板的卸妝水？

從變化中看不變，科創板縱然是個新事物，但它的本質依然是中國二級市場的一部分，大概率遵循二級市場的一些固有邏輯。

二級市場與一級市場的最大區別是：信息更透明，流通速度更快。在二級市場嚴格的財務披露制度下，科創板猶如一瓶卸妝水，讓粉飾手段變得極為有限，市值可上可下，這將打破一級市場估值只會越來越高的“潛規則”。

不變中的變化，則是科創板的一條新規定：市場化詢價。

以往A股上市在定價時，采取的是直接定價方式，且定價的圈內標準是不要超過23倍PE市盈率（即發行價不要超過每股盈利的23倍，這并非明文規定，而是券商在長期操作中摸索出的規律）。

而《科創板股票發行與承銷實施辦法》明確規定，考慮到科創板對投資者的投資經驗、風險承受能力要求更高，全面采用市場化詢價，詢價對象限定在證券公司、基金公司等七類專業機構。

這意味著，對一些估值暫時不被二級市場接受的公司來說，問題已不是破發不破發了，而是首次公開發行的發行價可能直接低于上一輪的估值，出現一二級市場估值倒掛。

而與多方協商出一個發行價還只是萬里長征第一關，接下來，進入公開市場的AI公司必須披露真實的財務數據，并接受二級市場的估值邏輯，承受市值的起起伏伏。

二級市場的邏輯又會進一步傳導到一級市場，在AI這個新領域上，“一級市場二級化”的進程會加速到來。

傳統上，二級市場有兩大估值思維：

1. 絕對估值法

其核心邏輯是公司未來現金流的折現。著眼于對公司內在價值的評估；適用于處于成熟發展階段且現金流穩定的行業，如制造類、消費類、公共事業類企業。但絕對估值法不能很好地反應市場變化，且模型計算復雜，各種參數基于預測，包含很大的主觀因素。

2. 相對估值法

按照公司所處的行業和細分賽道，在一系列核心商業指標、財務指標的基礎上，對標行業典型公司或平均水平，通過比價來定價。常用的對比指標包括市盈率、市凈率、市銷率［3］。

比如在科創板對標的納斯達克，市銷率就是最常用的對比指標。其好處是淡化盈利，適合互聯網這種需要長期戰略性虧算來維持未來成長性的行業。

如京東在2014年上市時，就對標了同類公司亞馬遜的市銷率。當時亞馬遜的市銷率為1.2倍，京東的承銷商在定發行價和估值時則選了2015年京東預期銷售額的0.7-0.8倍。

尚處于發展階段、商業模式還在完善中的AI公司顯然更適合相對估值法。在這種大思路之下，未來市場主要有兩部分挑戰：

挑戰一：AI公司核心商業指標亟待厘清

這里可以用此前的互聯網公司做一個類比。

關注互聯網上市公司的人不難發現，各公司的財報基本形成了固定的指標體系，披露訪客量、活躍用戶數、平臺交易量、用戶使用時長等已成為常規操作。

這些指標的共同點是全部圍繞一個中心：用戶。

因為to C互聯網公司的核心商業價值就來源于用戶。只不過由于商業模式不同，側重不同，比如訪客量對應于門戶等模式；活躍用戶數、使用時長等對應社交、流媒體；平臺交易量對應電商。

未來AI公司也需要有發展出自己的核心商業指標，這是判斷其價值的一個“錨”。

根據具體商業模式的不同，錨的形態各異。

目前的AI公司基本可以分為兩類：

一是側重于技術投入，有平臺潛質的AI公司，或者也可以叫“橫著長”的AI公司。

這一領域的玩家現在多是巨頭，但也不排除部分頭部的成長期公司有躋身平臺的潛力，比如一直在這個方向上講故事和努力的商湯。

目前看來，幾個比較明顯的平臺商業模式包括：智能語音平臺、自動駕駛平臺、人臉識別平臺、AIoT平臺等。且AI在云計算平臺中的重要性也越來越大。

對這類“橫著長”的AI公司來說，合作伙伴/開發者數量、某個功能的調用次數、調用均價、數據量、單個開發者帶來的平均收入等可能成為確定其價值的重要指標，或可表達為：

V平臺=f（合作伙伴/開發者數量，調用次數，調用均價，數據量）

一些平臺已在積極披露這些數據：如百度阿波羅自動駕駛平臺已有上百個合作伙伴，且已開始有收入；去年，谷歌和亞馬遜先后發布其語音助手接入的智能設備數量，前者是5000種（去年5月數據），后者是2萬種（去年9月數據）。

二是側重于深耕行業應用，如做金融+AI、醫療+AI、營銷+AI的公司，即“縱著長”的AI公司。

對這些公司來說，理想的商業模式一定是可規模化的、產品化的AI，而不是項目制的AI。

對于產品化的AI而言，其核心價值邏輯包括行業變量（行業、場景的市場空間），和產品的商業價值（客戶/用戶數，客單價/單次調用價格，年訂單總額，復購率等等）。其估值方式可表達為：

V應用=f（市場空間，客戶數，客單價/單次調用價格，年訂單總額，復購率）

一些在產品化上走得較遠的公司已開始向市場披露具體商業數字：如走云端芯路線的云知聲近日對外披露，其語音解決方案已在去年落地200多萬臺智能家居設備；最近半年，其Pandora智能中控解決方案已經落地2萬多間酒店客房。

實際運營中，也不少公司“橫縱兼有”，一邊做平臺，一邊開發應用，這類公司則可以采用“分部估值法”，不同業務拆分，估值加總。

V= V平臺+ V應用

挑戰二：對標指標將經歷演變

在核心商業價值進一步厘清的同時，資本市場的投資人和AI公司未來還將在互動中，進一步確定合適的對標指標——即到底是采用市銷率還市盈率等指標進行估值。

這和單個公司以及行業整體的商業成熟度有關。

在2019年的當下，許多估值和收入達到科創板上市標準的公司其實仍處于商業摸索探索期，尚未形成穩定的銷售，更談不上穩定利潤，對這類公司來說，要么就是“不急于上市”，如果真要上市，則初期市銷率（看銷售）和市盈率（看利潤）可能都不合適。最初的估值將是一個多方協商、市場詢價的結果。

而隨著公司商業模式的逐漸成熟，以以往多個行業的估值演進來看，未來應該會先過渡到市銷率，再過渡到市盈率。

大的方向很明確：估值邏輯會不斷地向商業本質——盈利靠攏。

3

最終：AI將收斂為一個因子

在討論了二級市場對AI公司估值體系的影響后，轉換視角，再來看AI公司對二級市場的影響：

未來，AI 將會收斂成整個資本市場的一個估值因子。

自上世紀90年代互聯網新物種出現至今，遠有亞馬遜、Facebook，近有美團、滴滴，互聯網公司對二級市場估值體系的最大顛覆是：市場接受了長期的戰略性虧損。

最典型的是亞馬遜。它曾經歷連續20年的虧損，市值卻逐年增長，并在2018年短暫超過萬億美元大關。人們甚至說“只有處在虧損狀態的亞馬遜才是最值得投資的亞馬遜”。

同理，AI元素的批量性崛起，也將潛移默化地改變二級市場評價公司的總體核心邏輯和投資心態。

已有苗頭的變化是，越來越多的傳統行業已上市公司，正在用添加AI能力的方式來提升自己的長期價值和市場對自己的發展預期。

對各行業公司來說，AI或“智能化”帶來的效率提升和新增價值，也會成為衡量價值的重要因素，具體到估值邏輯里，可能會轉化為“人效”、“人力成本”等指標，即：

V=f（常規估值指標，AI滲透率）

去年以來，BAT在調整組織架構上大動作頻頻，共同點就是凸顯云和AI的重要性，紛紛成立了以云平臺為基礎，以AI能力為核心增長引擎的事業群組。對這些公司來說，更側重于輸出AI技術，創造新增價值，AI直接轉化為業務。

而制造業、餐飲業、教育業等多行業的公司則側重于用AI提升已有流程、商業模式的效率。

積極擁抱科技的傳統玩家，有打造了AI Lab、腦科學實驗室，用云計算技術、智能交互技術推動教育資源更低成本擴散、普惠的好未來；有建立了首個無人火鍋店，上市剛一年的海底撈。

從海底撈的宣傳口徑上可見，公司內部十分看中AI帶來的附加價值。海底撈今年3月中旬發布的第一份上市后財報中特別提到，其與用友合資成立的信息化公司“火紅臺”幫助海底撈實現了智能選址、智能人力、智能供應鏈管理等功能，促進了近兩年間，海底撈門店數從170多家到400多家的“科技化復制”。

長遠來看，“AI公司”的標簽的確會“越來越不值錢”。因為當所有公司都完成了AI化，“AI公司”的說法將不復存在——除了AI，還有什么？這才是新技術泡沫退去，真正落地時的應該回答的問題。

每一個時代，都有當時被認為最代表主流市場增長動力的公司類型，市場已見證了多代“獨領風騷者”的新老接力：以由30支股票組成、代表著美國經濟動力的道瓊斯工業平均指數為例，從1896年誕生以來，“主流”概念依次從能源、通信、運輸、信息、發展到互聯網。而這些彼時新興、令人興奮的概念終會在歲月中變得“平平無奇”。

真正產生價值的創新，正是最終變舊了的那些。