每天为你推送精彩资讯
上一篇咱们聊AI泡沫的时候，就提到一个核心问题：判断AI是不是泡沫，关键得用对估值逻辑，不能拿老一套的指标套新赛道。
而这背后，其实藏着一个更本质的困惑：现在风光无两的AI公司，到底该怎么估值？
一边是科技巨头动辄千亿美元砸算力、市值还在飙升，另一边是市场担心不少明星AI企业营收和估值严重脱节。
这场争论的核心，说白了就是：面对尚在爆发前夜、满是不确定性的颠覆性技术，咱们前人传下来的估值工具箱，尤其是价值投资的基石——贴现现金流（DCF）模型，好像不管用了。
今天咱们就顺着上一篇的估值逻辑往下挖，好好拆解传统模型为啥在AI公司面前失灵，再聊聊一套更适配的新估值思维：从静态的现金流折现，转向动态的期权定价与多维度评估。
想搞懂新思维的必要性，先得把传统方法，尤其是DCF模型的坑扒清楚，它在评估AI公司时，简直是处处碰壁。
1. DCF模型的死穴：太依赖“能预测的未来”
DCF模型的核心逻辑很简单：把公司未来一辈子能赚的自由现金流，按一个反映风险和时间的折现率，折算成现在的钱。
它的优点是能给出一个精确数字，但这也是最大的弱点：它默认遥远的未来是能预测的。
可对AI公司来说，这种假设纯属奢望。AI行业技术迭代快得离谱，技术路径、竞争格局、商业模式全是动态变化的，根本没法定下来。
就像CFA协会2025年的一份分析说的，DCF模型很容易掉进“终端价值陷阱”：大多数模型里，终端价值（就是预测期之后的所有价值）能占总估值的70%-80%以上。
说白了，你给一家AI公司估值，70%以上的判断都押在十年、二十年后它能稳定增长上。但历史早给过教训：技术变革面前，这种长期假设说塌就塌。
当年的柯达、黑莓，用DCF算都是百年老店的架势，结果数字成像、智能手机一来，直接被掀翻，估值和现实差了十万八千里。
2. 财务指标的真空期：传统指标全失效
传统估值特别依赖历史和近期的财务数据，但顶尖AI公司，尤其是搞基础模型、平台型的，全是“战略性亏损”：砸天价搞研发、买算力，为了抢用户和数据还得贴钱，利润表、现金流表经常是负数。
这时候你拿市盈率（P/E）、企业价值倍数（EV/EBITDA）这些指标去套，要么是负数没意义，要么是高到上天，根本没法对比。
投资者早不看当下赚不赚钱了，只看未来能不能垄断市场、能不能长出颠覆性商业模式。
给大家整理了个表，一眼看清DCF在传统企业和AI公司身上的区别：
既然老方法不行，就得重新拆解AI公司的价值。它的总价值（TV）其实是三层结构，传统模型顶多能算第一层：总价值=现有业务价值+显性增长期权价值+战略性/平台期权价值
就是公司现在能稳定赚钱的业务，比如给客户做的定制化AI项目、卖的现成算力服务。
这部分理论上能用DCF算，但在AI公司总价值里占比极低，顶多算个“安全垫”。就算未来没任何突破，它也值这么多钱。
就是基于现有技术、产品、市场，能明确预见的扩张路径带来的价值。比如一家做AI视觉的公司，从安防领域拓展到工业质检、自动驾驶。
这部分就像个“看涨期权”。行权价是你要追加的投资，标的资产是扩张带来的增量现金流。
传统DCF也能搞情景分析勉强模拟，但根本体现不出这种“能选、能弃”的灵活性，更算不准“成了赚翻、败了亏不多”的非对称收益。
这才是AI公司最值钱的地方，也是传统模型完全摸不着的。它指的是公司突破现有赛道，长成超级平台的可能性。
比如大语言模型公司变成新一代操作系统入口，机器人智能体平台开启“智能体经济”。
这种价值极度不确定，和人才储备、数据资产、算法实力、生态构建能力绑在一起，损益结构就像“长期深度虚值期权”：前期投入成本是确定的，但一旦成功，回报空间能上天。
说白了，传统模型想用一个折现率、一条线性增长曲线，去拟合AI公司这种充满跳跃性、非连续性的未来，不低估或误判才怪！
面对AI公司的估值难题，老方法不行就得换新招。咱们需要一套分层的、复合的思维框架，核心就是从“算死未来”变成“评估可能性”。
1. 实物期权定价：给“未来的可能性”标价
把金融期权的定价思路（比如Black-Scholes模型）用到公司估值上，就能给AI公司的增长期权、战略期权算个价。这里的核心参数很好理解，对应一下就行：
标的资产现值 = 潜在新业务的预期现金流现值
行权价 = 拓展新业务要追加的投资
波动率 = 技术和市场的不确定性
到期时间 = 竞争窗口期（错过就没机会）
无风险利率 = 资金成本
学术界早就开始这么干了！南京邮电大学管理学院就用“DCF+B-S期权定价模型”评估过科大讯飞：先用DCF算现有业务价值，再用B-S模型算战略期权价值，加起来的结果比单用DCF更贴近市场真实估值。
这就证明，期权思维能补上传统模型漏掉的价值。
2. 场景规划+决策树分析：别猜一个未来，要想多种可能
与其费劲预测“最可能的未来”，不如列出几种可能的场景：比如技术突破开挂、监管收紧、开源主导等，给每个场景定个概率和财务结果。
决策树分析更直观：把公司未来的关键决策点（比如要不要砸钱研发下一代芯片、要不要开放平台）列出来，每个决策分叉后的结果都画清楚，帮你看清管理层的选择到底是创造价值还是毁灭价值。
这种方法放弃了DCF的“伪精确”，追求的是不确定性下的逻辑严谨和策略弹性。
综合上面的思路，给大家整理了一套务实的AI公司估值四步法，简单好懂，直接能用：
第一步：分层拆业务，锚定现有价值
把业务拆成三部分：
现金牛业务（能用DCF算保守价）、
成长期业务（用高折现率DCF或简单期权模型）、
探索期业务（先定性分析，别瞎算）。
这一步是建立“价值锚”。就算未来没突破，公司现有轨迹下的保守价值。
第二步：识别核心期权，评估潜在价值
列出公司最值钱的期权，比如平台化期权（从工具到生态）、数据网络效应期权、技术衍生期权（自动驾驶算法拓展到机器人）。
能量化的用实物期权模型算，不好量化的就做情景分析和决策树推演。
第三步：定性因子校准，一票否决或加分
有些因素没法算成数字，但能决定公司生死，必须重点评估：
管理层有没有技术远见、执行力强不强；技术壁垒是越来越宽还是一捅就破；
商业模式是停留在项目制，还是往“卖成果、收分成”转型；
数据隐私、算法偏见会不会引来监管重拳。
用这些因素给前两步的价值区间做调整，看好加分，看衰减分，甚至一票否决。
第四步：综合定价，留足安全边际
把现有业务价值和期权价值加起来，得到一个“价值范围”，别追求唯一精确数字！
对比当前市值，算一算市场隐含的“期权成功概率”——比如现有业务值100亿，市值500亿，说明市场给战略期权付了400亿溢价，这时候你得判断，这个期权成功的概率值不值400亿。
最后记住：安全边际不是“价格低于目标价就买”，而是“价格显著低于你算的最悲观情景估值，再出手”！
给大家整理了四步法核心清单，直接套用：
顺着上一篇的AI泡沫争议聊到这，其实核心结论很明确：不是AI公司没法估值，是咱们不能用老一套的DCF思维去套。承认AI行业的不确定性，用期权的眼光看未来可能性，再结合扎实的定性判断，这才是靠谱的方法。
当然河狸不是要给大家任何投资建议，只是给大家梳理一下AI公司的估值逻辑：从“计算确切的数字”，变成“评估可信的未来”。
投资AI公司，赚的是不确定性的钱，但前提是你得把不确定性拆解得明明白白，这样才能少踩坑、多抓真机会。
最后欢迎大家加入我们的河狸估值建模·干货圈，你有任何关于估值建模的问题都可以在群内交流，另外群内也会定期分享实操干货、工具资料包、福利课程、大咖直播、FMI考试等相关信息！
现在加入还可领取
【财务建模一本通】
+
【AI财务建模学习路线图】
+
【100+份财务建模工具资料包】
长按识别二维码
立即进群
↓点击下方名片 关注河狸AI分析建模↓
