AI時代企業無形資產估值：《AI產業價值橋》框架本土啟示｜陳新燊

硬核科技的成長，並非行業熱度帶來的短期紅利，而是技術叠代、人才沉澱、制度基建三者長期共振的成果。全球AI競爭步入深水區，資本市場正在迎來估值邏輯的重大轉變：有形資產定義企業體量，無形資產定義產業能夠抵達的高度。

工業時代沿用百年的財報估值體系，依托廠房、設備、固定資產與穩定現金流完成定價，這套範式已經難以適配新經濟。大模型、智能算力這類AI賽道，具備高研發、快速叠代、輕資產、強生態的特質。這類企業真正的核心價值，蘊藏在人才結構、算法體系、數據治理能力與行業標準話語權之中，大量核心資產無法直接體現在資產負債表上。

一宗跨境併購案例，直觀展現新舊估值範式的巨大反差。矽谷初創AI團隊Eigen AI，成立時間不長，核心研發人員約20人，無重型固定資產，也尚未形成穩定營收，最終以6.4億美元被納斯達克上市雲服務商Nebius收購。Nebius注冊於荷蘭，主打AI原生算力雲，旗下擁有ClickHouse實時數據庫與AI標注平台Toloka，並獲得英偉達20億美元戰略投資；雙方計劃至2030年共建超五吉瓦算力中心。本次收購的核心目標，是補齊推理優化技術，將旗下Token工廠從通用托管推理平台升級為全球生產級AI推理標桿。

小團隊、短周期、高溢價，這樁交易打破傳統財務估值的固有認知，也揭示AI產業全新定價邏輯：人才是第一資產，技術體系構成估值根基，賽道卡位帶來戰略溢價。資本收購的不是廠房設備，而是研發人才、算法體系、技術專利與生態卡位能力。

一、舊尺子量不了新資產：工業估值落幕，無形資產登場

過去百年，全球資本市場依托固定資產、線性盈利預期、穩定現金流搭建估值體系，這套模型適配製造業重資產、產出穩定、波動偏低的行業特徵。製造業企業價值大多固化在廠房、生產線、存貨等有形資產，盈利隨產能擴張線性增長，PE、DCF等工具可以較好完成估值。

但AI產業呈現非線性成長特徵，技術叠代速度快、生態聯動效應突出，傳統PE、DCF這類靜態財務模型不再適用。不少掌握底層硬核技術的科創企業，若單純依靠財報評估，極易被低估，還容易受到市場情緒干擾產生誤判。AI企業前期研發投入巨大，營收釋放滯後，賬面利潤微薄甚至持續虧損，無形資產卻在持續積累。用評估工業企業的標尺衡量AI公司，很容易低估其長期潛力。

近年矽谷多宗百億級戰略收購，持續突破傳統估值邊界。AMD以約82億美元全股票交易收購李飛飛創辦的World Labs，這也是AMD史上第二大收購案，李飛飛出任執行副總裁兼首席科學家；Stripe以約75億美元收購AI模型聚合平台OpenRouter，估值較其3個月前13億美元水平暴漲逾4倍；Meta以143億美元取得數據標注龍頭Scale AI約49%的無投票權股份，對應企業估值推升至290億美元。

縱觀這類產業布局，優質AI項目普遍重研發、輕資產，尚未盈利但技術壁壘紮實。市場給出高額戰略溢價，並非單純炒作概念，而是對技術體系、核心人才、產業生態等財報無法計量的無形資產進行價值確權。資本可以精準核算企業當期賬面盈虧，卻難以量化研發團隊長期積累的創新潛力，這正是新舊估值體系最核心的分野。

二、溢價不靠天才敘事：體系能力才是穿越周期底牌

市場解讀AI高估值，長期存在兩大認知誤區：一是過度神化創始人個人能力，將企業價值完全綁定在個體身上；二是簡單將所有未盈利科創企業等同於資本泡沫，否定底層技術本身的長期價值。

AI行業人才流動頻繁，技術叠代隨時可能帶來顛覆性衝擊，賽道格局瞬息萬變。僅憑少數頂尖天才，很難穿越完整產業周期；唯有經過長期磨合、具備持續叠代能力、組織機制成熟的研發體系，才能穩定產出創新成果。Eigen AI核心成員來自MIT HAN實驗室，團隊主導開發的AWQ四位量化、SpAtten稀疏注意力等技術，現已成為行業標配，廣泛應用於全球AI模型生產部署。巨頭收購的不是單點技術，也不是明星創始人，而是一套可複用的研發體系，以及對應的生態卡位優勢。人才拓寬創新上限，組織機制守住產業底線，這是AI行業穿越牛熊的底層邏輯。

資本逐步形成共識：單個頂尖人才可以完成單點技術突破，但成熟的組織體系，才能支撐技術持續叠代、承接產業落地。一旦核心人才流失，缺少組織沉澱的項目，價值會快速衰減。評估AI企業，應當審視整套研發體系，而非僅僅看重創始人個人光環。

三、短期競速產品，長期決勝標準

AI產業競爭分為兩個層次。表層爭奪產品落地與場景商業化，屬於短期市場博弈；深層角逐算力基建、數據體系、數字流通、行業標準話語權，是一場曠日持久的全球博弈。短期比拼產品落地速度，長期比拼規則制定權。掌握行業標準，便能在全球AI產業利潤分配中佔據有利位置，標準本身，就是分量厚重的無形資產。

矽谷巨頭的併購布局，很少服務於短期營收增長。AMD爭奪空間智能算力標準，擺脫被動叠代的局面；Stripe搭建AI跨境清算調度體系，打造數字貿易新樞紐；Meta掌控高端數據治理管線，鞏固全球大模型訓練根基。AI行業正從訓練時代邁向推理時代，Token成本控制、模型推理優化、GPU利用率提升，成為全行業基礎剛需。科創企業早期資本競爭，爭奪的並非季度賬面利潤，而是未來十年參與全球產業秩序構建的入場資格。

四、AI五維價值與風險折價：一套可對照的研判框架

AI產業具備非線性成長、輕資產壁壘、生態乘數溢價的特點。結合本土資本市場環境與普通投資者實操需求，本文提出《AI產業價值橋》，採用五維正向價值疊加多維度風險折價的閉環研判框架，填補國內新經濟無形資產定性估值工具的空白。

經營價值，是估值的剛性底盤。營收、現金流、毛利率決定企業生存基礎，技術打開成長想象空間。即使尚無營收的初創團隊，只要技術落地潛力與商業化路徑清晰，同樣具備隱性經營價值。

協同價值，代表生態乘數增量。AI具備強網絡效應，算力、模型、數據、場景互相賦能。底層技術接入雲端生態後，價值會產生乘數級放大，這也是雲服務商願意為優質底層技術支付高額收購對價的核心原因。

時間價值，代表賽道前置的戰略期權。AI叠代速度遠超傳統行業，重點衡量先發窗口期帶來的時間紅利。早期完成技術沉澱、數據積累、接口卡位形成的先發優勢，價值遠大於短期企業規模，區別於跨場景複用的戰略價值。

戰略價值，定義企業成長邊界，側重技術跨場景複用能力。優質底層優化技術，可跨模型訓練、雲端推理、智能代理等多場景複用，持續開辟新增長曲線。

防禦價值，構築穿越周期的護城河。專利儲備、代碼沉澱、團隊默契、賽道卡位，共同抵御技術顛覆與行業波動。技術決定叠代速度，防禦體系決定企業存續上限。

在五項價值基礎上，框架配套風險折價機制，對沖團隊磨合、技術路線叠代、政策合規、供應鏈波動等潛在風險。下面用簡易案例演示應用邏輯：假設某推理優化團隊，五維初評合計80分，對應初步估值10億元。經盡調發現，核心團隊磨合不足，折價1成；技術路線高度依賴單一開源架構，折價15%；海外出口管制帶來合規不確定性，折價1成。綜合折價約31%，修正後估值約6.9億元。若市價8億元，安全邊際不足，宜審慎；若市價5億元，則存在低估可能。

需要說明，這並非精確計算公式，僅用於演示風險折價的實操思路。整套框架的實操流程分為三步：

第一，核驗五維價值，篩選硬核標的；
第二，排查潛在風險，修正估值預期；
第三，對比市場價格，區分低估資產與題材炒作。

同時本框架存在適用邊界：更適合底層模型、推理引擎類AI技術企業，不完全適配消費端AI應用公司。

五、制度破題之一：知識產權質押，讓無形資產完成確權

長期以來，本土輕資產科創企業面臨兩大痛點：無形資產難以金融確權，優質技術出海變現渠道不暢。一內一外，前者決定技術能否轉化為融資能力，後者決定技術能否轉化為全球收入。

先看內部確權。知識產權質押機制持續完善。2025年，銀行業金融機構累計發放知識產權質押貸款達2,979億元，累計發放貸款戶數2.87萬戶，對比2023年分別增長56%和33%。專利、軟著、底層算法這類無形資產，逐步實現標準化金融確權，緩解輕資產科創企業融資困境。當然，評估難、處置難仍是現實瓶頸，知識產權價值受技術叠代、市場環境影響較大，質物交易市場流動性仍有待提升。

知識產權質押，解決的是技術資產融資的起點。但技術想要出海變現，還需要配套跨境通道，否則確權之後依舊卡在回款與結算環節。

六、制度破題之二：跨境結算基建，讓技術出海實現回款

跨境結算基建方面，多邊央行數字貨幣橋mBridge自2024年6月進入真實交易階段，已有49家商業銀行參與，截至2025年底累計交易額折合人民幣數千億元。招商銀行、郵儲銀行、建設銀行等落地多筆跨境支付業務，資金最快7秒完成清算，綜合成本降低5成以上。這套體系適配算力輸出、模型授權小額高頻、多幣種波動的特點，為AI數字貿易出海提供全新結算通道。

知識產權質押負責無形資產確權，mBridge這類跨境基建負責技術出海回款。一確權、一結算，共同搭建起從技術到資本、再到全球變現的完整鏈條。制度基建決定科技產業能夠抵達的高度。不過從試點走向全面商用，仍需要時間持續驗證。制度的價值不在於短期重塑格局，而是為長期主義的創新者提供穩定預期。

七、長期結語：科創終局比拼體系韌性

本輪全球AI估值重構，本質是資本市場對智力資本、技術體系、無形資產的價值重估。工業時代沿用百年的估值範式逐步退場，適配新經濟的定價邏輯正在成型。

從矽谷巨頭百億級產業整合，到本土小型硬核團隊完成跨境高價出售，市場反覆印證一條規律：財報記錄的有形資產，只能反映企業當下規模；技術叠代體系、人才組織韌性、產業制度積澱，才決定一國AI產業的上限。

國產AI的突圍路徑日漸清晰：用知識產權盤活存量技術，依靠制度開放激活創新活力，借助跨境基建拓寬全球變現通道，讓《AI產業價值橋》從理論框架落地為實戰參考工具。隨著耐心資本持續聚集、無形資產確權機制完善、產業生態走向成熟，AI賽道終將褪去題材炒作，回歸技術叠代與價值創造的本源。

AI投資的關鍵，不在於追逐短期股價漲跌，而是跳出財報與市場情緒的局限，建立適配新經濟的長期估值認知。《AI產業價值橋》用於評估企業內在無形資產價值，可搭配四維定價研判市場博弈形成的交易價格，兩套框架結合，即可完成完整標的研判。金融可以測算科技的價格，但持續的研發投入，定義科技的高度。立足體系、敬畏周期、錨定長期，是AI時代科創投資不變的正道。

陳新燊