人工智能不是骗局，但高估值确实是个问题

编者按：本文来自微信公众号“亿欧网”（ID:i-yiou），作者：黄渊普，36氪经授权发布。

前段时间批评人工智能的舆论很多的时候，一家人工智能公司的创始人发微信问我：你们亿欧EqualOcean在人工智能领域的报道和研究很多，不打算站出来说句话么？

这个创始人是美国某知名大学的CS（计算机科学）硕士毕业，2017年放弃了美国的工作回国创业，正好赶上人工智能的创业风口，公司先后获得了两轮融资。但是，最近一年他的公司商业化不理想，新一轮融资谈得不顺利。碰到批评人工智能的舆论，我理解他心里很慌张。

舆论的矛头主要是指向号称"AI四小龙"的商汤、依图、旷视、云从。批评的原因是，几家公司在准备上市过程中透露出来的财务数据低于很多人的预期——营收不高，亏损却非常高。对比之前几家公司的高估值，很多人忍不住吐槽了一番。

对"四小龙"的批评殃及了池鱼，很多规模更小的人工智能公司的融资跟着受到了不利影响。对于"四小龙"来说，它们面临的问题是以什么样的估值/市值去募资/融资；对于更多规模更小的公司来说，当VC避而不看人工智能赛道时，它们面临的问题是还能不能获得新一轮融资。

亿欧EqualOcean从2016年下半年开始报道和研究人工智能，和非常多的人工智能公司建立了联系。作为行业观察者，对于人工智能这个赛道我倒并不悲观。

早期，人工智能公司之间比拼的是发论文的数量。2017年，亿欧智库开始调研AI商业落地时，绝大多数人工智能公司几乎没有任何营收。三四年下来，大多数人工智能公司的营收增长还是非常快的。只是它们能否越过盈亏平衡点，还存在很多值得讨论的地方。

从商业模式来看，多数人工智能公司的营收方式是项目制，做一单赚一单的钱。这种营收方式是个苦差事，尤其是早期做的项目少时，项目经验几乎没法复用，收入部分完全没法覆盖庞大的研发成本。对人工智能公司来说，巨大的研发成本差不多是固定的，不会因为不做项目就可以不用投入。另外，因为客户的特殊性，销售成本在早期也难免居高不下。

所以，大多数人工智能公司摆脱不了"烧钱"的宿命，需要大规模融资。区别是，它们到底会沿着哪条线发展（如下图）。

A线是理想的结果，"烧钱"虽多，但能用较短的时间达到盈亏平衡点，并且未来能赚到大钱，比烧的钱多很多。B线和A线不同，烧同样多的钱，企业需要更长时间达到盈亏平衡点，之后赚钱能力却一般。而C线代表的是，烧完了钱也没能跨过盈亏平衡点，企业最终死掉了。

在人工智能投融资火热的前几年，无论是创业者还是投资人，都是按照A线所描绘的故事做估值和融资。现实中，多数公司会是C线，做得好的公司也大概率只能做到B线。

有没有可能做到A线呢？当然也有。前提条件是，人工智能公司做的项目，其技术、方案或经验能充分复用，能形成通用的解决方案；客户拓展成本大幅下降，并且客户类型能迅速多样化。目前看，做到前者并不现实；后者随着数字化变革在全国的推进有所改观，但依然还不够。

以B线作为一个理性的参考，人工智能公司没法迅速跨过盈亏平衡点，也不是一个能轻松赚大钱的生意。也就是说，人工智能公司投资回报周期较长、回报率也不算高，因此在估值/市值层面就得做妥协，后续的投资人才敢接盘。

应该按什么逻辑估值呢？目前看，人工智能公司大多属于有技术能力的行业解决方案公司，一个可以参考的方向是，按IBM和埃森哲的估值逻辑。

埃森哲的市销率为4.2，IBM的市销率仅为1.7。考虑到包括"四小龙"在内的人工智能公司收入增速比IBM和埃森哲更快，可以给到更高的市销率，在没有达到盈亏平衡点之前，10倍是一个不算低的倍数。如果以10倍市销率、营收10亿元计算，对应的估值是100亿元。

按这个逻辑，一些明星人工智能公司的估值得往下调50%左右。目前的一个难点是，前面一两轮的投资方是否愿意接受估值降低。一些人工智能公司，最终走了C线，不是因为没有价值，而是被高估值给拖累了。

有人会说，芯片公司寒武纪2020年的收入才4.59亿元，但估值高达440多亿元，市销率超过了95倍；人工智能也同样受国家战略支持，以10倍的市销率去做估值不公允。这样的对比可能没有意义，或许不是人工智能公司被低估了，而是芯片公司寒武纪被高估了。

也有一种声音，认为人工智能公司割了风险投资人的韭菜，现在谋求上市是为了继续割普通投资者的韭菜。我个人的看法是，暂且不去纠结于"人工智能"这个词，"智能化"一定是中国各行各业升级的大方向；人工智能公司把大多数钱花在了研发上，这在过往被多次证明至少不是差的商业选择。

即便一些明星人工智能公司的结局是C线，它们培养的大量人工智能工程师们，也将为行业的后续发展做出贡献。几年下来，中国人工智能的星星之火，已经成燎原之势。更乐观一点看，中国出现百亿美元、甚至千亿美元估值/市值的人工智能公司，只是时间问题。

但是目前，创业者和投资人需要对估值更加理性。