夜雨聆风
一家声称拥有“专有基础模型平台”的 AI 明星公司，正准备迎来它最辉煌的退出时刻。
在买方的虚拟资料室里，各项财务指标亮眼得近乎完美：年经常性收入（ARR）达到 420 万美元（约合人民币 3000 万元），同比增速高达 40%。管理层的路演材料厚达数十页，其中整整 14 页精美的架构图，密密麻麻地阐述着他们“自主研发的基础模型架构与算法闭环”。
卖方的要价极为自信：12 倍收入倍数（12x Revenue），整桩收购案估值直奔 5000 万美元（约合 3.6 亿人民币）。
在签字盖章、电汇定金的最后关头，买方私募股权基金（PE）决定按惯例走一遍流程，请外部技术尽调专家 Mark Ajzenstadt 打开这家公司的代码库。
屏幕亮起的瞬间，空气凝固了
他们未找到自研权重文件或分布式训练集群流水线，也未发现难以替代的算法资产。整个后端核心，不过是一个带着 System Prompt（系统提示词）的 OpenAI API 接口调用，底层参数清清楚楚地写着：model: gpt-4o, temperature: 0.2。
加上前端的 React 界面，把这套“专有 AI 系统”拼凑起来的胶水代码，总共只有区区 600 行，任何一个有几年经验的普通程序员，就着两罐可乐，一个周末就能在宿舍里完工。
买方代表默默合上电脑，叫停了交易，转身离场。
▲ 技术尽调专家 Mark Ajzenstadt 在社交媒体曝光的 PE 尽调现场，揭开了 AI 收购案中最荒诞的一幕
一、 资本圈的皇帝新衣：14页PPT与600行代码的黑色幽默
把这段魔幻经历发到社交媒体上的，正是当事人 Mark Ajzenstadt。作为专门为私募股权基金（PE）提供技术核验与投后工程支持的服务机构创始人，他的这一帖引来了全球创投从业者的围观。
围观的开发者与投资人迅速贡献了犀利的冷嘲热讽。
▲ 中文圈用户也针砭时弊：“包装实在太满了”
资深工程师 Wogan 更是分享了一个平行案例：当年南非一位“发明家”号称自研了革命性的视频压缩算法，投资机构跑去技术尽调，打开后台才发现，那不过是一个自动从 FTP 抓取文件并调用开源软件 ffmpeg 的 Windows 批处理脚本。
“历史从不重复，但总是押着相同的韵脚。”
过去两年，大模型浪潮让所有投资人患上了严重的 FOMO（错失恐惧症）。创始人只要在路演 PPT 上画几个神经网络拓扑图，写上“自研推理引擎”“专有模型微调”，估值就能原地起飞。
▲ 投资人早在 2023 年就曾指出：市场上 90% 的 AI 应用本质上都是 API 套壳
但当 2026 年并购潮涌现，专业买方带上扳手和听诊器钻进机房时，裸泳者们终于撞上了坚硬的现实。
二、 传统尽调已死：AI收购案中的“四大隐形黑洞”
为什么传统的财务审计、法律合规与商业调研，在这类 AI 公司面前集体失效？
因为传统的尽调手册是在“传统 SaaS（软件即服务）”时代写成的。审计师看 ARR 增长曲线，法务查客户合同签字，商业顾问算市场规模。然而在生成式 AI 时代，足以让一家公司在一夜之间估值归零的风险，全藏在代码与架构的盲区里。
根据 Mark Ajzenstadt 与估值机构 Valutico 的买方框架，今天任何一笔 AI 投资都必须直面四大隐形黑洞：
▲ 英国技术尽调机构 Intelance 已将“区分专有技术与 API 套壳”正式列入并购尽调清单
1. 模型依赖与“寄生脆弱性”（Thin-Wrapper Problem）
如果一家公司的核心产品只是在外部 API 上套了一层漂亮的 UI 和提示词，它的商业模式本质上就是“寄生”：
- 成本受制于人
：上游模型提供商一旦调价，你的毛利率瞬间崩塌； - 随时被官方“降维打击”
：OpenAI 或 Anthropic 只要发版更新一个小功能，就能在一夜之间让成百上千家套壳创业公司原地解散； - 估值直接打折
：国际并购报告显示，如果标的企业被发现核心功能只是薄封装，未处理的替代风险会直接导致 15% 至 30% 的估值折价。
2. 训练数据责任：价值数十亿美元的诉讼暗雷
许多公司为了撑起“自研模型”的门面，宣称自己爬取了海量行业数据进行了训练。但对买方而言，买下这家公司，等于全盘继承它过去所有的侵权负债。
在轰动业界的 Bartz 诉 Anthropic 案中，原告指控大模型公司从未经授权的影子书库（如 LibGen、PiLiMi）非法获取数十万部图书用于训练，最终达成的和解金额高达惊人的 15 亿美元（约合人民币 108 亿元），折合每部作品赔偿约 3000 美元。
▲ 原告律所公布的创纪录 15 亿美元和解成果
与此同时，欧盟《AI 法案》（EU AI Act）第 99 条明确规定，针对违规行为的行政罚款最高可达 3500 万欧元或全球年营业额的 7%。
买方如果在尽调中没有翻遍数据授权书（Data Provenance），就可能接手一系列跨国合规风险。
▲ 欧盟《AI 法案》关于违规罚则的官方条款
3. 人才极端集中：走一个人，专有资产直接归零
传统软件公司损失两名后端工程师只是组织阵痛；但在 AI 初创团队中，核心技术资产往往集中在某位工程师的经验里，文档很难完整承载。
CTO Michał Piszczek（@cdiamond）在回复中一针见血地指出：
“人才集中度是最容易被忽视的黑洞。买下公司后，只要那个唯一搞懂模型微调流水线（Fine-tuning Pipeline）的工程师离职，财务报表上‘专有模型’这一栏资产立刻归零。”
▲ 行业技术高管指出人才集中度带来的脆弱性
技术人才的价值分布早已脱离了传统的正态分布（钟形曲线），进入了残酷的幂律分布（Power Law），少数几个人掌握着整个系统的生杀大权。
4. 落地集成的残酷现实：95% 的试点毫无财务回报
很多被收购的 AI 公司在路演时拿出了华丽的 PoC（概念验证）案例，但买方一旦把系统买回去并入现有技术栈，往往会陷入长达数个季度的泥潭。
美国知名智库 RAND 在其针对 AI 项目失败根因的权威报告中指出，超过 80% 的企业 AI 项目最终未能交付预期的业务价值，其失败率是传统 IT 项目的两倍以上。
▲ RAND 官方报告：AI 项目高失败率的深层原因
MIT NANDA 机构的调研数据同样触目惊心：95% 的企业生成式 AI 试点项目停滞不前，未能在损益表（P&L）上产生任何可衡量的财务贡献。组织结构、数据管道和工作流程之间的“学习鸿沟”，远比模型调用本身复杂得多。
三、 深度辨析：套壳（Wrapper）真的罪无可赦吗？
在这场大讨论中，并非所有人都对“套壳”一棍子打死。
投资人 Rabnoor Singh 就提出了极具价值的辩证视角：“一个拥有真实客户留存的套壳产品，远远胜过一个没有留存的所谓专有技术。”
▲ 评论区辩证观点：有真实留存的 Wrapper 依然有其商业价值
如果这家公司真的能靠 600 行代码稳稳收进 420 万美元的 ARR，且客户年年续费，它依然具备投资价值吗？
答案取决于你做的是 薄套壳（Thin Wrapper） 还是 厚套壳（Thick Wrapper）：
知名科技智库与风投机构将这两种生态做出了残酷的对照：
- 薄套壳的崩塌（以早期 Jasper 为例）
：成立之初依靠在 OpenAI 接口上套一层营销文案模版，估值迅速飙升至 15 亿美元；但随着底层大模型自带写作功能、竞品蜂拥而至，其年收入从峰值的 1.2 亿美元大幅滑落，估值遭遇惨烈下修。 - 厚套壳的逆袭（以 Cursor 为例）
：同样没有自研千亿基座大模型，而是调用 GPT-4 与 Claude 的接口，但 Cursor 将精力深耕在底层代码编辑器的交互重构、代码库上下文精准索引以及多模型编排上，硬生生在巨头林立的生态中撕开缺口，年化收入冲过 20 亿美元，估值狂飙至 293 亿美元。
▲ 80% 的薄套壳终将消亡，只有构筑了专有工作流的玩家才能生存
护城河位于 API 之外的重力场：专有的私域数据飞轮、深嵌进客户日常业务的不可替代的工作流、极具黏性的分发渠道与品牌心智。
买方拒绝交易的症结在于：这家公司没有构筑工作流壁垒，却用 14 页 PPT 包装 OpenAI API 调用，试图套现 12 倍的溢价。
四、 估值重构：AI 并购正在告别“概念溢价”
随着主流咨询机构与私募股权巨头的觉醒，整个资本市场对 AI 软件资产的评估体系正在发生天翻地覆的变革。
奥纬咨询（Oliver Wyman）在 2026 年的最新研报中明确指出：过去 PE 基金将 AI 视为推动 SaaS 增长与利润扩张的“超级顺风”，但这种简单粗暴的估值逻辑正在碎裂。随着智能体（Agent）技术从“辅助人类”转向“端到端接管工作流”，原有的按账号席位（Per-seat）收费模式、存量软件的护城河耐久度，都需要被彻底重估。
▲ 顶级咨询机构奥纬研报：智能体时代正在重塑软件资产的估值底层
▲ 投资人在转发现场发出灵魂拷问：把钱投进去之前，先看清他们到底写了什么
回顾整场闹剧，那个被当场抓包的 600 行代码库，恰恰是这个喧嚣时代的绝佳缩影：
在模型能力日新月异的今天，写出一段调用 API 的代码只需十分钟；用华丽辞藻拼凑出 14 页高大上的 PPT 只需半小时；打磨一套稳定解决行业痛点、拥有坚固数据飞轮与工作流黏性的系统，则少不了数年工程积累。
潮水正在以肉眼可见的速度退去
当买方终于学会带着代码审查工具走进资料室，那些仅仅依靠 System Prompt 和信息差支撑起的千万元估值幻象，终将在交割前夜的代码库面前，被无情地碾得粉碎。
