引言

2023 年初由 ChatGPT 掀起的生成式 AI 浪潮，把一级市场推入过去二十年罕见的亢奋周期。三年多过去，热潮并未退去，但结构已经深刻改变：2023 年资本追逐的是「下一个 OpenAI」的宏大叙事；2024 年市场开始用收入倍数给明星公司定价；2025-2026 年，投资人则把毛利、留存与单位经济模型摆上谈判桌。这是一场定价权从叙事回归生意的过程，也是 AI 行业从青春期走向成年期的必经阵痛。

本文尝试回答三个问题：AI 一级市场的估值逻辑如何演变？哪些信号预示泡沫正在累积？在 IPO 通道收窄的背景下，退出与融资策略应当如何设计？（文中所涉市场规模、倍数区间等数据均为公开资料整理后的估算，仅供趋势参考。）

热潮复盘：2023-2026 的三轮资金脉冲

第一轮（2023）：叙事驱动

这一阶段的核心特征是「估值先于收入」。大模型公司单轮融资动辄数亿至数十亿美元量级（估算），估值主要锚定团队背景、算力储备与「前沿模型」身份。资本的逻辑是平台期权：只要押中下一代智能基础设施，回报就是指数级的。代价是大量资金沉淀在基础层，而商业化尚未真正启动，许多公司在这一年完成了「从 0 到 1」的融资，却还没有「从 1 到 10」的产品。

第二轮（2024-2025 上半年）：收入开始说话

随着应用层放量，投资人要求看到收入证据。ARR（年度经常性收入）成为核心指标，市场开始用收入倍数重新定价：头部 AI 应用公司一度以显著高于传统 SaaS 同行的倍数完成融资（估算），与此同时基础模型公司开始剧烈分化——头部继续吸金，二线公司被迫转型垂直、开源或被并购整合。

第三轮（2025 下半年-2026）：效率优先

推理成本的快速下降改变了游戏规则。据昆仑镜 AI 中心模型库（2026-08 验证），2026 年主流旗舰模型输入价格已降至约 0.03-5 美元/百万 token 的宽区间，Flash 级轻量模型低至 0.03-0.14 美元（估算）。市场关注点从「谁的参数多」转向「谁能用更低的成本把模型真正用起来」。尽调的核心问题变成：模型调用成本占你毛利的多少？客户 12 个月留存率是多少？每获取一个付费客户要花多少钱？

三轮脉冲的共性教训是：每一轮估值锚点的切换，都会让上一轮的「明星公司」重新排队。叙事驱动期拿高估值的公司，如果在收入验证期交不出成绩单，往往要经历痛苦的估值回调。

估值逻辑演变：从参数到生意的三重换锚

第一重：参数崇拜（2023）

当时市场流行「参数量等于智能水平」的简化叙事，估值随模型规模线性膨胀。这一逻辑在 2023 年底开始松动：MoE 稀疏激活、量化与推理优化让「小参数高性能」成为可能，头部开源模型的能力逼近闭源旗舰，参数不再是可靠的估值锚点。今天再拿「我们训练了万亿参数模型」去融资，只会让投资人质疑你对成本的理解。

第二重：收入倍数（2024-2025）

随着应用层放量，市场转向 SaaS 式定价：以 ARR 乘以倍数。AI 公司一度享受约 20-30 倍甚至更高的收入倍数（估算），显著高于传统软件 5-10 倍的常规区间。高倍数的理由是「AI 增长更快、天花板更高」，但它隐含了增长永不减速、竞争永不加剧的双重假设——而这两条假设在 2025 年都被现实击穿。

第三重：毛利与留存（2025-2026）

当收入倍数无法继续支撑估值时，市场换上了更挑剔的尺子：

  • 毛利：AI 应用公司需要向模型厂商支付 token 成本，毛利天然低于纯软件。头部公司通过自研模型、缓存路由与调度优化，可以把毛利拉到约 70-80% 区间（估算）；而重度依赖高价 API 的公司，毛利可能只有 40-50%，几乎没有营销与研发的空间。
  • 留存：生成式 AI 产品一度普遍存在「尝鲜式使用」——用户试用后迅速流失，复购撑不起估值。NDR（净收入留存率）由此成为新的生死线，超过 120% 与低于 80% 的公司，估值逻辑完全不同。
  • 单位经济模型：CAC（获客成本）与 LTV（客户终身价值）的比值决定了烧钱能否换来复利。当获客成本超过客户一年贡献的毛利时，增长越快、失血越快。

这一演变的本质是：估值锚点从「故事」走向「生意」。AI 公司正在被拉回与传统软件相同的估值坐标系——只是起点更高、增长更快、波动也更大。

泡沫信号清单：三个需要警惕的危险信号

信号一：同质化供给过剩

当一个赛道出现 20 家以上「技术路线相同、产品界面雷同、目标客户重叠」的公司时，供给已经过剩。典型案例是 2024-2025 年的通用聊天助手，以及 2025-2026 年扎堆出现的通用 Agent 平台：功能差异不足以支撑差异化定价，最终只能陷入价格战，行业毛利被整体压平。判断同质化的简单方法：把你的产品名换成竞品名，如果用户感知不到差别，你就没有定价权。

信号二：无收入的高估值

「估值先于收入」本身不是问题，问题是估值与收入之间的鸿沟持续扩大且看不到收敛路径。健康的节奏是：公司在融资后 2-3 个季度内给出清晰的单位经济模型改善曲线——收入增速、毛利爬坡、留存提升至少占一样。如果连续三轮融资都在讲同一个故事而没有新增的收入证据，大概率是估值泡沫在自我强化。

信号三：烧钱换份额缺乏粘性

「先烧钱拿份额、后提价赚利润」在互联网时代屡试不爽，但 AI 时代有两个新变量：其一，推理与算力投入是持续发生的运营开支，而非一次性的资本开支，烧钱速度远超传统 SaaS；其二，客户的切换成本极低——今天调用 A 家的 API，明天就能换成 B 家，模型层几乎没有忠诚度。这意味着补贴买来的份额缺乏粘性，补贴一旦停止，留存可能瞬间崩塌。

辅助信号还包括：核心高管频繁离职、早期团队集中套现、二级市场同赛道公司破发、以及行业开始用并购整合消化估值——当独立增长的故事讲不下去时，合并往往是最后的体面。

赛道分化：三层结构的冷热不均

基础模型层：赢家通吃与资本门槛

基础模型是典型的「高资本、高壁垒、高风险」赛道。全球范围内，有能力继续投入前沿训练的玩家数量已收敛到约 10 家以内（估算），多数二线公司转向开源、垂直或服务化生存。这一层的投资逻辑是「平台期权」——赌未来十年智能基础设施的租金收入，但需要极大的资本容量与更长的回报周期，普通基金很难参与。

中间层：工具与基础设施的确定性

模型推理平台、Agent 编排框架、评估与可观测性工具、数据飞轮服务构成了中间层。这一层受益于「模型越多、工具越值钱」的结构：底层模型快速迭代，反而让保持中立的中间层工具获得稳定需求。投资逻辑偏「卖铲子」，确定性高，但天花板受制于行业整体增速，且容易被云厂商的免费配套挤压。

应用层：百花齐放与九死一生

应用层是过去两年最热闹也最残酷的战场。胜出的公司通常具备三个特征：拥有专有数据或专有工作流，模型只是其中的执行部件；深度嵌入客户业务流程，替换成本高；毛利结构经过优化，不依赖单一模型厂商。失败的公司则普遍死于同质化与低留存。一个值得注意的趋势是：应用层公司正在反向自研模型或采用多模型路由，把「模型中立性」本身变成一种竞争策略。

退出通道：IPO、并购与算力换股

IPO：窗口收窄但未关闭

2024-2025 年全球 AI 公司 IPO 整体偏冷（公开资料整理），二级市场对「高估值、低盈利」的 AI 公司给出谨慎定价。2026 年情况出现分化：收入规模大、接近盈亏平衡的公司重新获得上市窗口；而依赖叙事估值的公司则被拒之门外。对创业者而言，IPO 不再是「故事兑现」的终点，而是「盈利检验」的起点——上市后的每一份财报都在为整个赛道的估值逻辑投票。

并购：正在成为主流退出

并购正在取代 IPO 成为 AI 一级市场最主要的退出通道（估算）。收购方大致分三类：大型模型公司（补齐应用场景与客户触点）、云厂商与软件巨头（获取客户、数据与 AI 能力）、以及传统行业龙头（购买 AI 能力完成数字化转型）。对早期投资者而言，并购能否成行的关键，在于公司是否拥有「可剥离的稀缺资产」——专有数据、深度客户关系或难以复制的技术团队。

算力换股：AI 时代的新兴安排

AI 领域出现了一种传统创投罕见的安排：云厂商以「算力承诺」换取公司股权或长期采购合同，把算力供给资本化。这种安排缓解了模型公司最沉重的现金流压力，让「训练下一代模型」不必完全依赖融资输血，但也带来了利益绑定过深、估值虚增与治理复杂化的风险。它本质上是算力过剩时代的金融创新，其长期定价合理性仍有待检验。

给创业者的融资建议

  1. 用毛利与留存讲增长：在尽调中主动披露单位经济模型，比反复强调「模型有多强」更能获得理性资本的信任。
  2. 谨慎设计估值节奏：宁可小步快跑、每轮估值合理上浮，也不要一轮定天价、之后无法再融资——down round 对团队士气与后续融资的杀伤力远超想象。
  3. 保持模型中立性：不把业务押注在单一模型厂商上，模型中立既是抗风险能力，也是与各家模型厂商谈判的筹码。
  4. 尽早评估退出现实：从融资第一天就考虑并购可能性，在条款中保留灵活性，不要为了叙事放弃控制权。
  5. 现金为王：在毛利转正、留存验证之前，把融资额视为「验证预算」而非「扩张弹药」，把烧钱速度控制在可被数据证明的范围内。

结语

AI 一级市场正在从「叙事定价」走向「生意定价」。对创业者而言，泡沫期的融资红利已经过去，接下来是单位经济模型的残酷检验；对投资人而言，最大的机会不再属于「押注一个更大的故事」，而属于「找到真正把模型变成生意的人」。热潮没有结束，它只是换了一种更理性的方式继续——而每一次估值逻辑的换锚，都是行业向成熟迈进的一步。

延伸阅读：模型成本与能力数据是 AI 投资尽调的基础材料，昆仑镜（aigc.fushtn.com）AI 中心提供全球主流模型的性价比与能力对比数据，可作为独立参考。