80%的AI公司估值在裸泳?2026年投资人悄悄用的7个过滤指标
当你被ChatGPT的估值神话吸引,准备all in AI赛道时,机构投资人却在悄悄用这7个指标过滤项目——不是他们不看好AI,而是他们怕的不是AI泡沫,而是你看不懂估值里的雷。
2026年,全球AI赛道融资规模预计突破800亿美元,但与此同时,一级市场上超过60%的AI项目估值相较2024年出现了”回调”——翻译成人话:泡沫在挤了。
投资人不是不投AI了,而是不再为”PPT+大模型API”买单了。以下7个指标,是过去半年机构尽调中出镜率最高的过滤器——你的项目能过几关?
收入倍数超标警戒线
AI公司最常用的估值方式是收入倍数,但这个指标已经被滥用。2024年AI公司的收入倍数中位数已达到15-25x,而SaaS行业的历史合理区间是5-10x。
🚩 警戒线:收入倍数 > 20x 且年收入 < 5000万美元 → 估值严重透支
✅ 健康信号:收入倍数 < 12x 或 年收入 > 1亿美元(高收入支撑高估值)
毛利率陷阱
SaaS软件的毛利率通常在70-80%,但许多AI公司把”API调用成本”算进COGS后,毛利率直接掉到40-50%。这本质上是披着SaaS外衣的硬件生意。
🚩 警戒线:毛利率 < 55% → 商业模式可能存在结构性问题
✅ 健康信号:毛利率 > 65% 且 有明确的model cost下降路径
NDR(净留存率)真相
很多AI公司对外宣传NDR>120%,但仔细看:增长来自老客户增购还是客户基数小?如果客户总数不到50个,NDR超过150%也没有统计意义。
🚩 警戒线:客户数 < 100 且 NDR > 130% → 样本太小,数据不可信
✅ 健康信号:客户数 > 300 且 NDR > 110% → 真实的产品市场契合
CAC回收期
AI公司获客成本正在快速攀升——大模型公司烧钱买流量,垂直应用靠渠道分销。CAC回收期超过18个月意味着单位经济学不成立。
🚩 警戒线:CAC回收期 > 24个月 → 烧钱模式不可持续
✅ 健康信号:CAC回收期 < 12个月 → 造血能力强
模型依赖度风险
你的核心壁垒是什么?如果只是包装了GPT/Claude的API,竞争对手随时可以复制。真正有壁垒的AI公司,要么有垂直数据飞轮,要么有硬件/供应链优势。
🚩 警戒线:核心产品依赖第三方API > 80% → 随时可能被替代
✅ 健康信号:有自研模型微调能力 或 独家数据源 或 软硬件一体化
人才密度与留存
AI公司核心资产是人。过去两年,AI人才流动率高达35%(传统科技公司约15%)。一家AI公司如果核心团队年流失率超过25%,你的投资买的是空壳。
🚩 警戒线:核心技术人员年流失 > 30% → 技术壁垒在快速蒸发
✅ 健康信号:核心团队稳定 > 2年 且有合理的股权激励方案
单位经济模型可复制性
这是最关键的终极指标:你能不能在保持单位经济模型不变的前提下,把规模扩大10倍?很多AI项目在服务10个客户时亏损20%,服务50个客户时亏损扩大到了50%。
🚩 警戒线:规模每扩大1倍,单位亏损增加 > 15% → 规模不经济
✅ 健康信号:规模扩大后单位成本持平或下降 → 有网络效应或规模效应
📋 7个指标速查表
- 收入倍数 < 15x 且年收入有支撑
- 毛利率 > 60%
- 客户数 > 100 且 NDR > 110%
- CAC回收期 < 18个月
- 第三方API依赖 < 50% 或有数据壁垒
- 核心团队流失率 < 25%
- 单位经济模型在规模化后改善或持平
“AI赛道不缺钱,缺的是能经得起尽调的项目。过去投资人怕错过,现在投资人怕投错。”
🔐 下面这份清单是给准备融资或投资的你准备的。
不管是创业者想融资还是投资人想避坑,付费区有一份完整的尽调核查表,涵盖财务、技术、团队三大维度,共25个具体检查项。
📋 AI项目尽职调查核查表(25项)
一、财务尽调(10项)
- ☐ 近12个月的收入拆解:ARR vs 一次性项目收入 — 后者占比 > 30%说明产品化不够
- ☐ 毛利率逐月趋势:是改善还是恶化?AI公司毛利率应该随时间提升(模型成本下降)
- ☐ CAC(获客成本)按渠道拆解:哪个渠道ROI最高?是否有渠道集中风险?
- ☐ LTV/CAC比值 > 3x 才算健康,< 2x 说明单位经济学有问题
- ☐ 现金消耗率:按当前烧钱速度还能撑多久?< 12个月是红灯
- ☐ 收入集中度:前3大客户占比 > 50% → 客户集中风险高
- ☐ 合同续约率:月度/季度/年度分别统计,低于80%需警惕
- ☐ 应收账款账龄:超过90天的应收占比 > 20% 说明回款能力弱
- ☐ 股权结构:创始人持股是否合理?是否有对赌条款?
- ☐ 关联交易:是否存在通过关联方调节收入的情况?
二、技术尽调(8项)
- ☐ 核心代码自主率:关键模块是自研还是开源包装?
- ☐ 模型依赖度:是否可切换模型供应商?切换成本多高?
- ☐ 数据合规性:训练数据来源是否清晰?是否有版权风险?
- ☐ 数据飞轮:用户使用是否能产生反馈数据来优化模型?
- ☐ 推理成本:单次请求的推理成本及未来下降路径
- ☐ 安全审计:是否做过第三方安全审计?数据加密方案
- ☐ 可扩展性架构:从100用户到100万用户,架构是否需要重写?
- ☐ 知识产权:专利/软著/商标申请情况
三、团队尽调(7项)
- ☐ 创始人背景:行业经验 vs 纯技术背景(最好有行业+技术的组合)
- ☐ 核心团队磨合时间:< 1年 → 团队尚未经过考验
- ☐ 股权激励:关键技术人员是否有合理的股权/期权?
- ☐ 招聘计划:未来6个月的招聘计划是否与业务增长匹配?
- ☐ 顾问/董事会:是否有行业资深人士参与指导?
- ☐ 薪资结构:是否在合理范围内?团队薪资占比
- ☐ 离职面谈:核心员工离职的原因是什么?是否有系统性风险?
使用方法:每项回答”是”得1分。18分以下建议重新评估投资决策,18-22分需要补充尽调,22分以上可以推进。
仅作整理分享版权归原作者所有,查看或者使用表示同意
点击查看协议












暂无评论内容