夜雨聆风
据参与尽调的技术顾问 Mark Ajzenstadt 公开复盘，一家私募股权基金（PE）请他们在交割前审查一家 AI 公司。
这家垂直领域的 AI 明星创业公司，交出了亮眼的成绩单：年经常性收入（ARR）约 420 万美元，年同比增长高达 40%。在路演 PPT 里，创始人用整整 14 页精美的幻灯片，向投资人们密密麻麻地展示了他们“完全自研的基础模型架构”、“多模态注意力机制”以及“难以逾越的行业壁垒”。
创始人胸有成竹，给出的要价是 12 倍收入估值，折合收购价超过 5000 万美元。
交割前，买方团队找来技术顾问审查代码。
技术顾问拉下目标公司的代码库当他点开核心服务的参数配置表时，屏幕上只有几行简短的代码：
model: "gpt-4o"temperature: 0.2
海量模型权重、分布式训练流水线和专有数据集统统不见踪影。整套所谓“价值数千万美元的自研 AI 平台”，本质上就是一个写了 System Prompt（系统提示词）的 OpenAI API 接口调用，外面套了一个用 React 框架写的网页前端。
连接这套前端和 OpenAI 接口的后端“胶水代码”，加起来一共只有大约 600 行。
一个资深程序员，挑个周末喝两杯咖啡就能全部写完。
按 Ajzenstadt 的说法，对方要价为收入的 12 倍，买方最终退出了交易。
▲ 参与该起尽调的技术负责人 Mark Ajzenstadt 在社交平台上公开复盘这起“套壳翻车案”
14页架构与600行代码：皇帝的新衣被撕碎了
把这段离奇经历公开讲出来的，是欧洲知名技术咨询机构 Limestone Digital 的创始人马克·阿伊赞施塔特（Mark Ajzenstadt）。他的日常工作，就是代表买方资本穿透各种天花乱坠的商业包装，直接把手伸进代码库的最底层。
这件事在硅谷与全球投资圈引发了地震般的共鸣。
很多不懂技术的投资人，在过去两年里被各种“专有大模型”、“行业垂直微调”、“神经认知引擎”的黑话轰炸得晕头转向。而事实的真相往往粗暴得令人发笑：
14 页纸画满了天花乱坠的模型拓扑图，背后的真实代码却只有 600 行。
在这段 600 行的胶水代码里，核心参数 temperature: 0.2 甚至透露出一种极具讽刺意味的黑色幽默。
在人工智能领域，Temperature（采样温度） 是用来控制大模型回答时的发散程度与随机性的参数。参数设到 0.8 以上，模型会天马行空、充满创造力；而设成 0.2，意味着极度保守、严格按照既定规则输出。
这家要价 5000 万美元的“革命性 AI 公司”，只是给 OpenAI 的公开模型规定了语气，加上一个漂亮的输入框，然后向客户收取高昂的年费。
中国科技圈用户对此针砭时弊：“14页基础模型架构，最后发现是 API 套壳，这包装也太满了。”
▲ 科技投资人直言：包装太满，最终在代码面前现形
其实，这种“换汤不换药”的把戏在科技史上并不新鲜。
有资深工程师在评论区分享了自己在南非咨询时的平行案例：一位发明家声称自己利用机器学习自研了一套“革命性视频压缩算法”，四处兜售要价不菲。然而当尽调团队打开服务器后台时，赫然发现后台的核心逻辑只有三行，一个 Windows 批处理脚本，在检测到 FTP 文件夹里有新视频上传后，默默调用了开源的 ffmpeg 命令行工具进行压制。
▲ 工程师吐槽：当年所谓机器学习压缩算法，底层只是一个调用 ffmpeg 的批处理脚本
商业世界里永远有人在撒谎，但大模型时代的特殊性在于：上游基座模型进化得太快，薄薄一层的包装实在太容易让人产生“我也拥有核心技术”的幻觉。
传统尽调已死：AI 并购中的四个致命黑洞
为什么连身经百战、看惯了财务报表的私募股权基金，也会差点踩进这种巨坑？
传统的尽职调查（Due Diligence）通常关注三个指标：收入真实性、客户续费和利润率。
按照这套标准，这家标的公司拥有 420 万美元的 ARR（年度经常性订阅收入），每年增长 40%，客户留存看起来很美，财务尽调挑不出任何毛病。它的致命弱点，藏在传统财务报表根本看不见的代码底层。
根据 Ajzenstadt 的复盘以及知名并购估值机构 Valutico 的分析，2026 年的投资市场如果还沿用老一套尽调手册，无异于闭着眼睛开盲盒。在所有 AI 标的中，存在着四个传统尽调完全够不着的技术黑洞：
▲ 业内人士指出，随着水分被挤出，AI 专业技术尽调正在成为庞大的刚需市场
1. 模型依赖与“智能体替代风险”（Thin-Wrapper Problem）
如果产品核心能力完全建立在第三方 API 上，这门生意的本质就更接近大宗商品转售。
买方必须追问三个灵魂问题：
- 上游巨头涨价怎么办？
你的毛利率会瞬间被吃光。 - 底层模型版本下线怎么办？
你的业务逻辑可能在一夜之间崩塌。 - 如果 OpenAI 下周在系统里免费内置了你这个功能怎么办？
你的公司当场归零。
Valutico 在《2026 买方尽调框架》中指出，未被识别的“模型依赖症”往往会导致资产估值直接遭遇 15% 到 30% 的残酷折价。一旦核心壁垒被证明只是薄套壳，整家公司的估值乘数就会从“高科技公司”断崖式跌落为“外包服务公司”。
2. 训练数据责任与巨额法律风险
如果一家公司声称自己真的“自研训练了模型”，买方反而要面临更恐怖的幽灵：你的训练数据是从哪来的？有没有版权暴雷？
2025 年震惊业界的 Bartz 诉 Anthropic 案 就是悬在所有 AI 公司头顶的达摩克利斯之剑。原告作家群体指控 Anthropic 使用未授权盗版电子书库训练大模型，最终达成了高达 15 亿美元的巨额和解，平摊到每部被侵权作品上的赔偿金额高达约 3000 美元。
▲ 原告律所公布的 15 亿美元天价版权和解案，为所有 AI 收购敲响了数据合规警钟
如果你收购了一家声称拥有自研模型的公司，你不仅买下了代码，也全盘继承了它过去在互联网上偷爬数据的一切法律原罪。
再加上欧盟《AI 法案》（EU AI Act）第 99 条明确规定，严重的违规行为最高可处以全球年营业额 7% 或 3500 万欧元（取较高者）的巨额罚款。在绝大多数初创公司的资料室里，数据来源合规文件几乎是一片空白。
3. 人才集中度与“单点归零风险”
在传统的 SaaS 软件公司里，走掉两名普通程序员只是轻微阵痛，因为代码逻辑是结构化的，交接文档写得清清楚楚。
但在有自研能力的 AI 公司里，模型微调、提示词工程与数据清洗的整套玄学流水线，往往只存在于两三个核心算法工程师的脑子里。
资深技术专家 Michał Piszczek 尖锐地指出：在并购发生后，一旦那个唯一懂得如何跑通微调流水线的关键工程师离职，资产负债表上那行价值数千万的“专有模型资产”，账面价值就会在一瞬间彻底归零。
▲ 业内高管强调：AI 公司的人才集中度是最高危的隐形雷区
4. 系统集成的死亡率陷阱
很多投资人以为，把一家垂直 AI 软件买下来，直接塞进自己投资的传统行业公司里，就能立刻实现降本增效。
现实却是残酷的工程泥潭权威智库 RAND 在其发布的里程碑式研究报告中指出：超过 80% 的企业 AI 项目最终无法交付预期的业务价值，其失败率是不含 AI 的普通 IT 项目的两倍以上。
无独有偶，麻省理工学院（MIT）针对企业生成式 AI 部署的调查也显示，95% 的企业生成式 AI 试点项目最终停滞不前，根本无法对公司的实际损益表（P&L）产生任何可衡量的正向影响。
当你买下一套 600 行代码拼凑出来的脆弱系统，后续的运维重构与系统打通，往往会演变成一个吞噬数百万元资金的多季度无底洞。
薄套壳必死，厚工作流封神：Cursor 与 Jasper 的残酷对照
那么，使用第三方大模型接口（Wrapper），是否就注定没有前途、一文不值？
答案存在很大的灰度
早在 2023 年 7 月，知名科技投资人 Suki 就曾一针见血地发推调侃：“90% 的 AI 底层基础设施创业公司是 AWS 的套壳，90% 的 AI 应用层创业公司是 OpenAI API 的套壳。”
▲ 2023 年科技圈对“人人皆套壳”现象的经典推文
调用第三方模型本身不构成原罪，“薄”与“厚”才是生死的分水岭。
知名科技战略智库 HatchWorks 在《AI 套壳产品战略：绝大多数创始人理解错了护城河》一文中，把市面上的产品划分为两种截然不同的命运：
- 薄套壳（Thin Wrapper）
：仅仅提供提示词模板加一层漂亮 UI。基础模型一更新，或者大厂顺手做一个相同功能，它就立刻暴毙。 - 厚套壳（Thick Wrapper）
：虽然底层调用通用大模型，但在外层构筑了极其复杂的专有数据沉淀、多模型动态编排、深度嵌入业务的核心工作流，以及越用越聪明的正向反馈闭环。
▲ HatchWorks 指出：底层模型已经商品化，深耕工作流的战略才能构成长期护城河
这一区别最残酷的现实印证，就是 Jasper 与 Cursor 的冰火两重天。
作为生成式 AI 浪潮最早的弄潮儿，Jasper 凭借着在 GPT-3 接口上封装了一套简洁好看的营销文案写作界面，估值在两年内像坐火箭一样飙升至 15 亿美元，年营收一度冲破 1.2 亿美元。
然而，由于它本质上只是一个“薄套壳”，当 ChatGPT 自身推出了更强大的写作能力、甚至直接内置各种写作助手时，Jasper 的护城河瞬间被冲垮。其年收入随后断崖式下跌，估值遭遇惨烈腰斩，陷入了典型的“AI 战略死亡螺旋”。
反观新一代 AI 编程神器 Cursor。它同样没有从零去自研底层大语言模型，而是直接调用 GPT-4 和 Claude 3.5 Sonnet 等现成接口。但 Cursor 在代码编辑器的底层架构、本地代码库索引检索（RAG）、多文件上下文精准管理，以及人机交互流畅度上，做到了极致的“厚度”。
结果如何？Cursor 的年化收入以惊人的速度跨过数亿美元门槛，估值狂飙突进，成为了全球开发者离不开的生产力中枢。
用户付钱，买的是你替他把模型驯服在具体工作流里的深度；通用模型权重只是底层原料
在本次 5000 万美元翻车案的讨论区中，投资人 Rabnoor Singh 点破了商业的本质：“一个拥有真实客户留存的套壳产品，远胜过一个没有留存的自研专有技术。如果客户愿意为你的 600 行代码每年掏 420 万美元并持续续费，留存曲线会告诉你，护城河究竟在工作流、分发渠道，还是模型本身。”
▲ 投资人指出：高留存的套壳胜过无客户的专有技术，但关键在于不能撒谎
风险出在信息披露的落差：公司只写了 600 行胶水代码，路演 PPT 却用 14 页宣称自研模型。
这种商业道德上的瞒天过海，不仅无法支撑 12 倍的科技公司估值溢价，更在交割前夕彻底击穿了买方的信任底线。
潮水退去：2026，AI 估值进入“代码穿透”时代
这场未遂的收购案，标志着全球科技资本市场正在发生一场深刻的范式转移。
在 2023 年生成式 AI 刚刚爆发时，市场上充斥着盲目的 FOMO（害怕错过）情绪。只要创业团队的商业计划书里写上“自研大模型”、“AI 原生应用”，VC 和 PE 们就会排着队送上几千万元的支票。
而到了 2026 年，大浪淘沙，买方资本终于学聪明了。
在英国，像 Intelance 这样的专业技术审计公司，已经把“AI 真实度核验（AI Exposure Register）”直接做成了面向私募股权的标准收费产品。在尽调清单上，每一项 AI 资产都会被冷酷地打上标签：
- 到底是真的自研资产（Real Proprietary）？
- 还是通用的外层包装（Wrapper）？
- 抑或是埋着法律地雷的负债（Liability）？
▲ 英国专业技术尽调机构把“AI 真实性核验”列为并购审查的标准交付物
知名咨询公司奥纬咨询（Oliver Wyman）在最新的行业洞察中指出：过去 PE 基金习惯于把 AI 视作软件行业无脑增长的催化剂；而现在的共识是，智能体与通用大模型正在快速瓦解传统软件的护城河。
如果一家公司的产品只是通用模型发布说明里顺手能附送的一个小功能，那么它的估值乘数不仅不应该享受溢价，反而应该被打上巨大的流动性折扣。
投资的本质，最终永远会回归到真实的商业逻辑与代码质量。
14 页精心编织的幻灯片可以骗过不懂技术的财务顾问，可以糊弄追求概念的非专业买家，但在无情冰冷的代码审查面前，一切虚妄的泡沫都会在光标闪烁的瞬间烟消云散。
正如一位资深投资人在引述这起案例时写下的那句箴言：
“在把钱放进任何一家 AI 公司之前，先打开他们的代码库，看看他们到底造了什么。PPT 和代码库各讲了一个故事，尽调便从两者的裂缝开始。”
▲ 投资圈反思：尽调应从路演材料与代码库之间的裂缝入手
