夜雨聆风
AI 公司为什么不好估值？
因为估值的锚点会变。
叙事会抬高估值上限，价值决定高估值能不能维持住。 它们在轮流影响定价：技术刚突破时，叙事先把未来空间打开；商业化逐步推进后，市场会更关注收入、利润和现金流；等到新的技术跃迁出现，叙事又会重新升温，把估值带入下一轮变化。
大多数技术浪潮都走过类似的路径，互联网、移动互联网、新能源车都如此。
AI 的特别之处，在于这一轮切换发生得比以往更快。
以前的周期里，叙事占优和价值占优之间的切换，往往要经历好几年。
但到了 AI 时代，这个周期正在明显压缩。一方面在于技术突破来得更快，另一方面在于商业化落地也更快。
叙事和价值之间的交替，已经从缓慢推进变成了不断加速。 同一家公司，甚至同一类资产，都可能在一年之内经历两轮叙事抬升和价值兑现。
所以，研究 AI 公司的估值，关键已经从测算一个价格区间，转向判断市场当下在为什么定价，以及定价权正往哪一端移动。
先看阶段，再谈估值
同样都是 AI 公司，模型公司、算力公司、应用公司和具身智能公司当前所处的阶段并不一样，市场对它们的定价逻辑也不一样。
模型公司：叙事与价值共振
模型公司是当前最典型的“叙事与价值共振”资产。
一方面，市场仍然在为 AGI 远景、平台入口、开发者生态和未来标准制定权付钱。只要模型能力还在快速跃迁，能成为下一代基础设施、控制分发入口，都会持续推高估值上限。
另一方面，随着模型公司融资规模越来越大、投入越来越重，市场开始担心这些投入最后会沉淀成平台价值，还是会累积成一轮新的泡沫。
这意味着模型公司已经离开纯叙事阶段，但也还没有进入纯利润定价阶段。
现在的分歧，既在模型能力和生态扩张，也在训练开支、推理成本和竞争格局能否最终形成可验证的商业结果。
上游算力公司：更接近价值主导
如果说模型公司还处在叙事和价值并行推进的阶段，那么上游算力公司已经明显更靠近价值主导。
原因在于，大模型厂商、云厂商和互联网平台的 Capex 支出已经形成了较强确定性。
只要年度资本开支预算明确，钱会流向哪些产业链、谁能拿到多少订单、最后能变成多少收入和利润，市场其实已经可以开始测算。
GPU、CPU、存储、光模块、PCB，都在承接这轮已经发生的资本开支。
上游算力公司之所以更接近价值主导，是因为需求已经从远期预期走到了当期兑现。
市场核心关注点会越来越落到订单、产能、交付节奏、毛利率、资本开支和自由现金流上。
这里当然也有叙事，像 AI 算力需求是否会持续扩张、推理侧会不会带来第二轮景气、国产替代能不能进一步打开空间。但这些叙事主要影响的是这轮景气能持续多久，当前更关键的，还是已经兑现出来的业绩基础。
下游应用公司：介于叙事和价值之间，不同垂直场景分化严重
下游 AI 应用的估值比较复杂。
虽然 AI 应用一直被说成是模型“套壳”，但它们也通过工程能力，把模型 API 重新组织起来，再用更顺手的交互方式、更清晰的任务流程和更低的使用门槛，把 AI 能力交到用户手里。
它们靠近用户入口和具体使用场景，上线快、试错快、收费也快，往往最容易先把用户数、订阅数和 ARR 冲起来。
也正因如此，下游应用通常比模型层更早出现商业化信号，价值验证也更早开始。 从用户愿不愿意付费，到有没有留存，再到团队内部能不能扩散，这些信号来得都更快。
但问题也同时存在。
这类产品的价值，底层仍然建立在模型能力之上。
所以市场始终会考虑这个应用到底是有独特的生态位，还是只在替模型做分发。
每一次底层模型能力提升，这个问题都会被重新问一遍。
也就是说，下游应用即便已经出现了商业化和价值验证信号，估值也仍然会持续受到大模型的负面叙事影响。 市场担心的重点，是能不能在模型能力继续提升之后，应用公司依然保住自己的独立价值。
如果 AI 应用和用户之间的关系，工作流嵌入不深，切换成本也不高，那么模型升级、价格下调，或者同类产品快速跟进后，原本看上去很亮眼的收入增长，也可能很快被重新定价。
真正更靠近价值的一类应用，往往已经不止是在做分发和封装，而是占住了高价值的垂直工作流。
法律、编程、设计、金融这些场景里，客户最终买单的，往往是更高的产出、更低的错误率、更短的交付时间，甚至是部分人工环节被替代后的直接回报。
一旦应用开始嵌入真实工作流，负面叙事对估值的压制就会逐步减弱，定价逻辑也会慢慢转向价值验证。
所以下游 AI 应用并不都处在同一个阶段，它更像是一层介于叙事和价值之间、内部迅速分化的资产。 有些应用收入起来得很快，但市场对它的独立价值始终保留怀疑；有些应用规模未必最大，却因为已经占住客户愿意持续付费的工作环节，更容易逐步走向价值主导。
具身智能公司：整体仍偏叙事，当前更像注意力经济
具身智能是这四类 AI 公司里叙事最重的一类。
人形机器人、未来劳动力替代、家庭场景落地，这些故事天然对应着巨大的想象空间，也天然会把注意力拉到很远的未来。
谁能先做出更强的通用能力，谁能率先跑通软硬件协同，谁能积累更多真实世界数据，谁就可能在下一代智能终端里占到关键位置。
也正因为这个故事足够大，具身智能到今天仍然主要是按叙事在定价。
当前很多的场景落地，其实并不是商业价值，本质上更接近注意力经济。
展会表演、商场导览、品牌活动、迎宾接待、短期租赁，这些场景可以带来订单，也能带来流量、话题和新鲜感，但客户买单的很多时候是展示效果，是品牌传播，是吸引注意力后的附加价值。这类场景可以存在，但离商业价值验证还有距离。
进入 To B 采购逻辑，客户就会开始认真算 ROI、折旧、稳定性、维护成本和安全性；一旦走向家庭场景，难度还会再上一个台阶，数据、泛化、伦理和价格都远没有解决。
所以具身智能整体仍偏叙事，当前更像注意力经济，距离大规模价值验证还有明显距离。 市场现在给它的高预期，更多还是建立在技术路径、团队背景、量产想象和未来入口位置这些叙事之上。
不同阶段，对应不同的估值方法
叙事主导阶段：先估空间，再估胜率
叙事主导阶段最常见的方法，重点都放在两个问题上：未来空间有多大，成功概率有多高。 这一阶段估值最常用的几种方法，通常包括：
例如：
这些估值方法的共同点，是都在把“还没有发生的价值”压缩成今天可以讨论的价格。 适用于大部分具身智能、仍处潜在价值期的泛 AI 应用，以及缺少稳定收入锚的早期Neo Lab模型公司。
也正因为如此，叙事主导阶段最怕的往往是叙事失真、里程碑迟迟不过、市场开始怀疑这家公司到底有没有机会走到下一步。
叙事与价值共振阶段：P/ARR
用 ARR 估值，本身就是一种偏激进的估值方式，代表了市场愿意继续为未来增长和远期空间定价；但 ARR 又说明公司已经开始形成收入，PMF 和商业化在某种程度上已经被验证。所以 P/ARR 这一类方法，实际上是在同时给价值和叙事定价。
这一类方法主要适用于两类公司：一类是模型公司，另一类是已经占住高价值工作流、收入质量较高的顶级垂直 AI 应用。
但同样都是 ARR，倍数差异还是会很大。导致差异的，通常是两件事：一是这笔收入的质量，二是这家公司后面的空间还有多大。
模型公司能拿到更高倍数，因为背后连着更大的市场空间，有机会成为基础设施、平台入口，也可以继续向下吃掉一部分应用市场，模型公司一般是20-30倍左右的 ARR。
AI应用公司也有差别。如果只做大模型中转站、流量分发层和泛工具层的应用，收入可以涨得很快，但应用的切换成本往往不高，产品差异化也不强，一般只给 10 倍左右的 ARR。
如果是高价值工作流的垂直应用，只要客户已经在流程、数据和协作方式上嵌得够深，切换成本就会上来，收入质量也会更高，这类公司一般是15-20倍左右的 ARR，如果还能证明自己的价值不会随着底层模型升级被迅速压缩，有时可以到 30-50 倍。
例如：
价值主导阶段：PE、PEG
当市场开始更稳定地围绕利润释放、业绩弹性和现金流能力定价时，传统估值方法就会重新回到中心。
这个阶段最常用的是 PE 和 PEG。这里的 E，更适合看未来两三年的盈利预期，而不是过去一年的静态利润。
例如：
这里市场定价的重点，已经明显落在未来利润兑现和增长持续性上。
结尾：真正重要的是识别估值锚何时切换
研究 AI 公司的估值，其实是持续跟踪行业里的关键变化。
模型能力有没有继续跃迁，商业化有没有提速，Capex 会不会继续扩张，客户付费和留存有没有改善，竞争格局有没有变化，这些都会影响市场当下更看重什么。
一旦市场关注的重点变了，估值方法会变，可接受的倍数会变，价格波动的来源也会变。
所以真正重要的，不是执着于某一个固定公式，而是及时判断：现在主导定价的，到底是叙事，还是价值。
只有先看清这一点，才更容易理解估值为什么变化，也更容易应对市场。