2026年7月20日 讯

2026年7月20日，精一估值研究中心主任、高鹏鹤老师受邀参加北京基金业协会相关活动，围绕《传统估值体系看AI项目为什么正在失效》开展专题分享。

人工智能正在成为股权投资市场的重要投资方向。从大模型、AI应用到具身智能、AI+产业，越来越多新型企业进入投资机构的项目池。

但与此同时，一个越来越现实的问题也摆在投资人面前：

面对AI企业，过去熟悉的PE、PB、PS甚至传统DCF估值方法，为什么越来越难直接使用？

本次活动，高鹏鹤老师从股权投资和企业估值的底层逻辑出发，对AI项目估值面临的新问题进行了分析。

一、不是传统估值方法“没用了”，而是估值对象变了

传统估值体系通常建立在一个相对稳定的商业逻辑之上：

收入 → 利润 → 现金流 → 企业价值。

对于成熟制造业、消费品、传统服务业而言，这套逻辑具有较强的适用性。

但AI企业正在改变这一前提。

很多AI企业在早期阶段可能：

• 收入规模较小；
• 利润尚未形成；
• 研发投入巨大；
• 商业模式仍在快速变化；
• 客户和产品仍处于快速迭代阶段。

如果此时简单使用PE估值，可能面临“没有利润可乘”的问题；使用PB，企业大量核心价值又并不体现在传统账面资产上；使用PS，则可能因为未来收入增长空间巨大而出现倍数难以合理确定的问题。

因此，真正发生变化的不是某一个估值公式，而是：

企业价值创造方式正在发生变化。

二、AI项目最大的估值难题，是“未来价值”占比越来越高

传统企业的估值，往往可以较大程度依赖历史经营数据。

但对于很多AI企业而言，历史并不能很好地代表未来。

一家AI企业今天可能只有几千万元收入，但如果未来能够形成规模化产品、快速扩大客户数量，其未来收入可能远远超过当前水平。

反过来，如果技术路线发生变化，或者产品无法实现商业化，今天看起来非常美好的增长预期也可能迅速落空。

这意味着AI项目估值实际上是在解决一个更加困难的问题：

如何把一个高度不确定的未来，转化成今天可以进行投资决策的价值？

这也是传统估值体系面对AI项目时最核心的挑战。

三、估值AI企业，不能只看“收入增长率”

对于AI项目，市场经常关注一个指标：

收入增长有多快？

但投资人真正需要关注的，是增长背后的质量。

例如：

收入增长究竟来自真实客户需求，还是一次性项目？

客户是否具有持续付费能力？

产品的边际成本是否下降？

研发投入占收入的比例是否能够逐步下降？

毛利率是否能够持续提升？

企业未来是否需要不断融资才能维持增长？

这些问题最终决定的不是企业“今年能赚多少钱”，而是：

企业未来到底能不能形成持续的自由现金流。

因此，AI估值不能停留在“讲增长故事”，而需要进一步穿透到商业模式和现金流。

四、DCF没有失效，但DCF背后的“假设”更加重要

面对AI企业，有一种常见观点：

“AI企业不能用DCF。”

事实上，更准确的理解应该是：

不是DCF失效，而是DCF对投资人的判断能力提出了更高要求。

DCF的核心仍然是企业未来自由现金流的折现。

问题在于：

AI企业未来五年、十年的收入到底是多少？

利润率能够达到多少？

研发投入需要多少？

企业最终能够形成多大的自由现金流？

这些参数的不确定性明显高于成熟企业。

因此，AI项目使用DCF时，真正重要的不是把Excel模型做得多复杂，而是每一个关键假设背后有没有证据。

五、AI估值需要从“点估值”走向“区间估值”

对于高度不确定的AI项目，如果最终只给出一个：

“企业价值10亿元。”

这样的结论其实并不能充分反映投资风险。

更加专业的方式，是建立不同经营情景：

保守情景

基准情景

乐观情景

分别测算企业未来收入、利润和自由现金流，并观察估值区间如何变化。

同时进一步进行敏感性分析：

如果收入增长率下降10%，估值会怎样？

如果WACC提高1个百分点，估值会怎样？

如果永续增长率下降，估值又会怎样？

通过这种方式，投资人看到的就不再只是一个估值数字，而是：

企业价值对哪些变量最敏感，以及投资判断最容易错在哪里。

六、AI项目估值，更需要“多方法交叉验证”

精一估值研究中心一直强调：

没有任何一种估值方法可以独立解决所有投资问题。

对于AI项目尤其如此。

DCF可以帮助投资人理解企业未来现金流价值；

可比公司可以观察资本市场对类似企业的定价；

可比交易可以观察真实交易市场中的价格水平；

必要时还需要结合成本法、期权思维等方法进行辅助分析。

如果不同方法得到的结果差异巨大，就不能简单选择一个自己最满意的结果，而应该进一步检查：

为什么会产生差异？

差异究竟来自企业自身，还是来自估值假设？

这才是专业估值真正有价值的地方。

七、AI项目投资，最终考验的是投资人的“判断力”

传统企业估值中，财务数据往往是投资判断的重要基础。

但面对AI企业，仅仅看财务数据已经远远不够。

投资人需要同时理解：

技术 → 产品 → 客户 → 商业模式 → 收入 → 利润 → 现金流 → 企业价值。

也就是说，AI项目投资正在推动投资经理从单纯的“财务估值”走向更加综合的：

行业判断 + 商业判断 + 技术判断 + 财务判断 + 估值判断。

这也是AI时代投资专业能力正在发生的重要变化。

八、传统估值体系不是被淘汰，而是在升级

在本次活动中，高鹏鹤老师分享的一个重要观点是：

AI正在改变估值的应用方式，但并没有改变价值投资最底层的逻辑。

企业最终仍然需要回答：

客户为什么购买？

企业为什么能够持续增长？

竞争优势能否持续？

未来能创造多少现金？

投资人应该支付什么价格？

因此，真正需要升级的不是简单替换一个估值模型，而是投资机构整个项目分析框架。

从过去的：

财务数据 → 估值

逐步走向：

行业研究 → 商业模式 → 技术与竞争优势 → 财务预测 → 多方法估值 → 风险分析 → 投资决策。

这可能才是AI时代投资机构真正需要建立的新估值体系。

九、从“估值AI项目”走向“理解AI项目”

此次北京基金业协会专题活动，也是精一估值研究中心持续关注新产业投资估值问题的一次专业分享。

近年来，精一估值研究中心持续围绕股权投资估值、DCF建模、财务预测、可比公司、可比交易、投资决策及投委会体系开展研究与实务培训。

在AI、新材料、医疗健康等新兴产业快速发展的背景下，传统投资分析框架正在面临新的挑战。

精一估值研究中心将继续关注新产业、新商业模式下的价值判断问题，推动估值从“计算工具”进一步走向“投资决策工具”。

因为真正专业的估值，从来不是把一个数字算出来。

而是解释清楚：这个企业为什么值这么多钱，以及在什么情况下，它可能根本不值这么多钱。

——精一估值研究中心