3000亿的估值，80亿的收入

2026年Q2，OpenAI完成了新一轮融资，估值3000亿美元。与此同时，它的年化经常性收入（ARR）是80亿美元。3000/80 = 37.5倍P/ARR。 作为对比，Salesforce的P/ARR是8倍，ServiceNow是12倍，Adobe是10倍。

OpenAI的估值倍数是传统SaaS公司的3-4倍。 凭什么？市场给出的答案是"增长"——OpenAI的ARR同比增长了220%。Salesforce的ARR增速只有11%。

但这引出了一个更深层的问题：AI公司的估值模型，到底应该用传统SaaS的框架，还是需要一套全新的框架？

金句：如果用传统SaaS的估值框架看AI公司，所有AI公司都贵得离谱。如果AI真的能创造新范式，那传统框架本身就错了。问题在于——你赌哪一边？

AI公司的三种估值模型

模型一：P/ARR（适合高速增长期）

这个模型最适用于"还在烧钱换增长"阶段的AI公司。核心逻辑是：先不管利润，只看收入增速。如果ARR增速超过100%，市场愿意给30-50倍P/ARR。

公司ARR（亿美元）ARR增速P/ARR估值（亿美元）
OpenAI80220%37.5x3000
Anthropic25350%60x1500
Scale AI1285%20x240
Hugging Face2.560%18x45

问题： 这个模型假设"高增速会持续"——但AI行业的增速能持续多久？如果OpenAI的增速从220%降到50%，P/ARR从37.5x降到15x，估值会从3000亿跌到1200亿。

金句：P/ARR是一把双刃剑——增速高的时候它给你惊喜，增速降的时候它给你灾难。

模型二：DCF + AI渗透率（适合长期投资者）

这个模型更复杂，但更接近价值投资的逻辑。核心假设是：AI的TAM（总可寻址市场）有多大？AI公司能拿到多少份额？

以AI代码助手市场为例：

  • 全球开发者约3000万人，每人每年愿意为AI编程助手付多少钱？
  • 假设每人每年付费500美元，TAM = 150亿美元
  • 假设GitHub Copilot占据40%份额 = 60亿美元年收入
  • DCF折现回来，合理估值约300-400亿美元

但问题在于：AI代码助手可能不只是"助手"，它可能替代开发者。 如果AI能替代50%的编程工作，TAM就不再是"3000万开发者x500美元"，而是"全球软件开发支出xAI替代率"。这个数字可能是5000亿美元，而不是150亿美元。

金句：AI公司的DCF估值，核心不是"多少钱"，而是"你相信AI能替代多少"——这个假设偏差1%，估值偏差100%。

模型三：实物期权框架（适合底层基础设施）

这个模型适用于英伟达、台积电、微软Azure这类"AI基础设施"公司。核心逻辑是：AI基础设施投资相当于一个"看涨期权"——

  • 如果AI真的爆发，投资回报可能是10倍
  • 如果AI不及预期，基础设施可以转作他用（云计算、游戏渲染等）
  • 所以基础设施的"下行风险"有限，“上行空间"巨大

这个框架解释了为什么英伟达在P/S高达18x的时候，仍然有大量机构持有。 不是因为机构认为18x合理，而是因为机构把英伟达当成了一个"AI的看涨期权”——如果AI继续爆发，18x会变成10x（因为E在涨）；如果AI不及预期，下限是8x（传统估值）。

金句：机构买英伟达，不是因为觉得它便宜，而是因为觉得它是个"下注AI最安全的姿势"——涨了赚钱，跌了有限。

AI公司的"估值陷阱"

陷阱一：ARR增速≠收入质量

AI公司喜欢用ARR这个指标，但ARR有严重的水分：

  • 很多AI公司的ARR包含了"试用期用户"的转化假设
  • 月付用户的ARR = 当月收入x12，但月付用户随时可能流失
  • 企业用户的大合同可能只签了一年，但ARR把它当成了"经常性"

一个检验方法：看"GAAP收入"和"ARR"的差距。如果ARR/GAPP收入>1.5，这家公司的ARR有水分。

陷阱二：Token成本在下降，但定价也在下降

AI公司面临一个独特的困境：模型成本在快速下降，但竞争对手也在快速降价。2025年，API调用成本下降了约80%，但API定价下降了约75%。成本降了，价格也降了，利润率没有改善。

金句：AI公司的成本下降是"行业红利"，但价格下降是"竞争压力"——两者抵消后，利润率的改善可能远低于预期。

陷阱三：客户集中度风险

很多AI公司依赖少数几个大客户。Anthropic的收入中，亚马逊占了多少？虽然具体数字不公开，但AWS是Anthropic的独家云合作伙伴，这个关系既是优势也是风险。

如果Anthropic 40%的ARR来自亚马逊，那亚马逊一旦自研模型成功，Anthropic的估值就要打对折。

一个实操的AI公司估值清单

在你投资任何AI公司之前，回答以下7个问题：

  1. ARR增速是多少？ 如果低于50%，P/ARR不应该超过15x
  2. ARR/GAPP收入比率是多少？ 如果超过1.5，ARR有水分
  3. 客户集中度如何？ 前5大客户占比超过50%是危险信号
  4. 毛利率趋势如何？ 如果毛利率在下降，说明定价权在减弱
  5. 模型成本下降速度vs定价下降速度？ 前者快于后者，才是健康的
  6. TAM的底层假设是什么？ 如果假设"AI替代人类"，TAM可能是万亿级；如果假设"AI辅助人类"，TAM可能是千亿级
  7. 有没有"实物期权"价值？ 基础设施公司比应用公司更有实物期权价值

金句：AI公司的估值，一半是数学，一半是信仰。数学告诉你现在值多少钱，信仰告诉你未来值多少钱。好的投资是在数学和信仰之间找到平衡点。