给AI公司估值，就像给一场正在加速的赛车估身价——既要看眼下的速度，更要还要对未来能跑多快有个预期，还得提防赛道上的急转弯。这活儿没那么简单，但理清思路，也能摸到些门道。

先搞懂：我们在给“哪类AI公司”算账？

AI是个大家族，成员五花八门。广义上，上游的芯片工厂（比如造AI芯片的）、中游的算法服务商（比如搭大模型框架的）、下游的应用企业（比如用AI看病的）都算AI圈。但这里面，有的是重资产“硬汉”（一条芯片生产线砸百亿），有的是轻资产“软脚虾”（几十号人写代码就能估值上亿），算账的法子自然不一样。

本文重点聊大家更关心的“狭义AI圈”：一类是玩算法和技术的（比如DeepSeek、ChatGPT 这类大模型公司），一类是把AI用在具体场景的（比如AI+医疗、AI+金融的应用企业）。它们的价值藏在代码里、数据里、用户手里，也是估值时最让人头疼的主儿。

老账本不好使？那就改改再用

给公司估值的老办法有三个：成本法、市场法、收益法。但面对AI公司，这些老账本得翻翻新。

成本法基本可以直接扔了

它算的是“账上有多少资产”，但AI公司的宝贝是优化过的算法、训练好的模型——这些在账本上可能就记着几台服务器的折旧，根本算不出真正的价值。就像用尺子量香味，白搭。

市场法得换个“计价单位”

传统的市盈率（PE）、EV/EBITDA这些靠利润说话的指标，对还在烧钱的AI公司没用（利润都是负的，咋算？）。得学互联网公司估值的套路，基于其核心价值驱动因素，搞点新指标：比如给AI客服公司算“每台设备值多少钱”（P/独立设备数），给大模型公司算“每万亿次调用值多少钱”（P/token 调用量）。这些指标虽不完美，但好歹能贴紧AI公司“靠用户和数据吃饭”的脾气。

收益法得捏着鼻子调参数

它的逻辑是“未来能赚的钱，折算到现在值多少”，但两个关键数得改：一是财务预测，不能瞎拍脑袋，得从市场容量往下算（top-down），也得从现有客户往上加（bottom-up），比如to B客户有多少，每个愿付多少钱，实打实算清楚；二是折现率，这是给未来的钱“打折扣”的数。AI公司风险高（技术可能被颠覆、商业化可能黄了），折现率不能低，传统行业可能 8%-12%，AI公司肯定得提高，不然容易估得虚高。

算出来的价值靠谱吗？多问几个“为什么”

模型算出个估值（比如100亿），别着急信，得交叉验证。

先看看自己“配不配”

如果一年前这公司估值才50亿，现在翻了倍，那得有硬证据：收入是不是也翻倍了？用户数、独立设备数这些核心数据是不是跟上了？就像考试提分，总得看卷子上的错题少了多少，不能光说分数涨了。

再看看“大环境给没给助攻”

要是这一年AI赛道突然火了，资本扎堆往里冲，就算公司没啥大进步，估值也可能被推高。得搞明白：这100亿里，多少是自己挣的，多少是市场热捧“送”的。潮水退了，才知道谁在裸泳。

最后综合打个分

模型算的数、公司的成长节奏、行业的热度，三者能对上，这估值才靠谱。就像给西瓜估价，不能只看大小，还得敲敲听听熟没熟，看看今年行情好不好。

综上所述，给AI公司估值，说白了就是在算一笔“现在和未来的糊涂账”。既得用对方法（市场法创新、收益法调整），又得睁大眼睛看清楚（成长数据、市场环境）。难吗？确实难。但只要不被数字忽悠，不忽略风险，总能慢慢摸到那个最靠谱的数。毕竟，给未来算账，本就是个技术活，更是个良心活。

来源：毕马威KPMG