AI 估值：為什麼一家沒收入的公司值百億
支柱一：人才與研究團隊的稀缺性
在 AI 領域，最稀缺的資源不是錢，而是人。全球真正有能力從零訓練一個前沿大型語言模型的研究者，數量可能只有數千人。這些人要同時具備分散式訓練、資料工程、模型架構、強化學習等跨領域能力，而這樣的人才，全世界的大學與企業加起來，每年產出的數量極其有限。
這導致了一個現象：AI 公司的估值，很大程度上是在為「團隊」定價。矽谷近年流行的「人才併購」（acquihire），本質上就是這個邏輯的極致展現——巨頭花數億美元買下一家產品還沒上市的新創，真正買的不是技術，而是那幾十個頂尖研究員。因為在 AI 競賽中，晚一年找到對的人，可能就晚三年追上對手。
更現實的是，這些研究員的市場價格正在被瘋狂推高。據公開報導，頂尖 AI 研究員的年薪包裹動輒數百萬美元，個別明星級人物甚至傳出上千萬美元的價碼。當一家公司擁有一支由業界權威領軍的團隊，投資人自然會認為，這支團隊有能力在未來創造出遠超當前收入的價值。人才的稀缺性，直接轉化為估值的溢價。
支柱二：算力、資料與模型的規模壁壘
AI 產業有一個冷酷的物理事實：規模就是護城河。訓練一個前沿模型，需要數萬顆 GPU 組成叢集、連續運轉數週甚至數月，背後是數億美元的資本支出與驚人的電力消耗。這種資本門檻，把絕大多數玩家擋在門外。
但門檻不只是錢。真正的壁壘在於「已經建好的東西」——當一家公司已經擁有穩定的算力供應合約、已經累積了海量的高品質訓練資料、已經跑通了從資料清洗到模型部署的完整管線，後來者要複製這一切，需要的時間與成本是驚人的。這就像兩條護城河：第一條是錢，第二條是時間。而有錢的人很多，有時間的人很少。
這也是為什麼市場願意給還沒有收入的 AI 基礎設施公司極高估值。它們手上的 GPU 叢集、資料中心合約、以及與雲端巨頭的長期合作協議，本身就是有價值的資產。即使模型最終商品化，這些硬體與基礎設施仍然可以轉作他用。估值的一部分，其實是在為「已經沉澱下來的資本」定價。
支柱三：未來現金流的「選擇權價值」
前面提過實質選擇權的概念，這裡再深入一層。AI 公司的估值，很多時候是在為「多條可能的未來路徑」定價。一家做大型語言模型的公司，可能同時具備三種變現路徑：對企業提供 API 服務、對消費者提供訂閱產品、以及將模型授權給硬體廠商。這三條路徑中，只要有一條跑通，就足以支撐百億估值。
用機率的角度來看，假設每條路徑成功的機率只有兩成，但成功後的潛在市值是五百億美元，那麼三條路徑的期望值加總，就足以讓當前的估值顯得「合理」。這正是創投思維的核心：不是賭單一結果，而是賭「一組結果的機率分布」。當分布的右尾足夠長、足夠厚，即使成功率不高，期望值仍然可觀。
當然，這種估值方法的危險之處也很明顯——機率是主觀的，右尾的厚度是想像出來的。當市場情緒高漲時，投資人會系統性地高估成功機率、低估失敗風險，這正是泡沫形成的心理機制。
支柱四：生態系與平台效應的想像空間
最後一根柱子，是平台效應。歷史告訴我們，科技產業最值錢的公司，往往不是賣單一產品的公司，而是掌握了平台的公司。微軟掌握了作業系統，蘋果掌握了 App Store，Google 掌握了搜尋入口。平台的好處在於：一旦開發者與用戶聚集過來，就會形成正向循環，後進者難以撼動。
AI 公司正在複製這個劇本。一家提供模型 API 的公司，如果吸引了大量開發者在其上建構應用，就會形成一個生態系。開發者越多，應用越豐富，用戶越多，模型獲得的回饋資料也越多，模型就越強——這是一個飛輪。市場給這類公司的估值，很大一部分是在為「未來可能成為 AI 時代作業系統」的想像空間付費。
這也是為什麼，即使當前 API 收入微薄，投資人仍願意買單。他們看的不是現在的收入曲線，而是生態系的成長曲線。在平台戰爭中，早期的市佔率往往決定最終的勝負，而為了搶佔市佔率，前期燒錢補貼是必要的戰略投入。
三、誰在為「零收入」買單？資金端的結構性推力
估值從來不是單方面決定的，它是買方與賣方在特定資金環境下達成的均衡。如果只談公司本身的價值，而不談資金從哪裡來，就無法解釋為什麼同樣的公司，在二〇二〇年可能只值十億，在二〇二四年卻能喊到百億。答案，藏在資金端的結構性變化裡。
一級市場的資金氾濫與 FOMO 心態
過去十多年，全球一級市場經歷了一場漫長的資金盛宴。低利率環境讓退休基金、主權財富基金、家族辦公室大量把資金配置到私募股權與創投基金，這些錢最終流入新創公司，推高了估值。即使二〇二二年後利率上升、資金退潮，AI 卻成了唯一的例外——因為它是少數幾個「確定性極高」的長期趨勢。
這種確定性，催生了嚴重的 FOMO（錯失恐懼）心態。對大型創投而言，錯過下一個 OpenAI 的代價，遠大於投錯十家公司的損失。因為創投的回報結構是冪律分布——一隻基金的回報，往往由一兩個超級專案決定。在這種結構下，理性的策略不是「避免虧損」，而是「確保不錯過」。於是，頭部 AI 公司的融資輪往往被超額認購，估值一輪比一輪高，形成自我強化的循環。
更微妙的是「錨定效應」。當市場上出現第一筆百億估值的交易，後續所有 AI 公司的創辦人都會拿它當參照點，投資人也會在心理上接受這個價格區間。估值於是不再是獨立計算的結果，而是一場集體的參照遊戲。
巨頭的策略性收購與「人才併購」
如果說創投是財務投資人，那麼科技巨頭就是策略投資人，而後者對估值的影響往往更大。微軟、Google、亞馬遜、Nvidia 這些公司，手上握有數百億美元的現金，它們投資 AI 新創，考量的不只是財務回報，更是戰略布局：確保自己在下一波運算平台上不被邊緣化。
這種策略性投資，會系統性地推高估值。因為對巨頭而言，一家 AI 新創的價值，不等於它獨立上市後的市值，而等於「它對巨頭生態系的戰略意義」。一個能補足巨頭模型能力缺口的小團隊，可能只值十億，但對巨頭來說，它的價值可能是三十億——因為買下它，等於買下了三年的時間。
此外，近年還出現一種被稱為「循環交易」的現象：巨頭投資新創，新創再用這筆錢購買巨頭的雲端算力，資金繞了一圈又回到巨頭口袋，但雙方的營收與估值都因此被墊高。這種結構在會計上或許合法，但在估值上卻值得警惕——因為它讓「收入」與「投資」之間的界線變得模糊，真實的市場需求可能被高估。
四、歷史上的相似劇本：網路泡沫給我們的啟示
看到這裡，很多讀者心裡應該已經浮現一個詞：網路泡沫。二〇〇〇年的 dot-com 狂潮，同樣出現了大量沒有收入、卻估值驚人的公司，最後的結局是一地雞毛。那麼，今天的 AI 熱潮，會不會重演當年的悲劇？要回答這個問題，得先看清楚兩次浪潮的異同。
2000 年與 2024 年的異同
先說相同之處。兩次浪潮都有幾個共同特徵：第一，都存在一個「改變世界」的宏大敘事，讓投資人願意暫時放下基本面；第二，都出現了估值與收入嚴重脫鉤的現象；第三，都有大量資金在短時間內湧入，推高了資產價格；第四，市場上都存在「這次不一樣」的樂觀情緒，認為舊的估值方法已經過時。
但差異同樣明顯，而且這些差異至關重要。第一，二〇〇〇年的網路公司大多沒有真實的技術壁壘，一個網站加上行銷預算就能開公司；今天的 AI 公司，尤其是基礎模型公司，有極高的技術與資本門檻，不是隨便就能複製的。第二，當年很多公司連「怎麼賺錢」都說不清楚；今天的 AI 公司雖然收入少，但商業模式相對清晰——API、訂閱、企業授權，路徑是存在的。第三，當年泡沫破裂時，多數公司沒有實體資產；今天的 AI 公司手上握有 GPU、資料中心、長期算力合約，這些是有殘值的資產。
最重要的差異在於「需求」。二〇〇〇年的網路泡沫，某種程度上是「供給先行、需求未到」——鋪了大量的光纖，但當時根本沒有那麼多資料要傳。今天的 AI 則相反，需求是真實存在的：企業想用 AI 降本增效，消費者願意為 AI 工具付費，開發者爭相在模型上建應用。問題不在於「有沒有需求」，而在於「供給端的投資是否過度超前」。換句話說，這次的風險不是「夢太大」，而是「蓋得太快」。
這個差異，決定了兩次浪潮的結局可能不同。網路泡沫是全面性的崩塌，因為多數公司根本沒有價值；AI 熱潮更可能出現的是「分化」——少數真正跑出規模的公司會存活並壯大，多數跟風的公司則會被淘汰。對投資人而言，這意味著風險不是「整個產業歸零」，而是「押錯公司」。
五、估值的另一面：泡沫風險與崩盤訊號
儘管 AI 有其真實的技術與需求支撐，我們仍不能對估值風險視而不見。百億估值之所以引人側目，正是因為它把「未來」貼現得太滿，任何一個環節不如預期，都可能引發劇烈的價值修正。以下幾個訊號，值得所有關注 AI 產業的人警惕。
當估值脫離基本面，會發生什麼事？
第一個風險，是「模型商品化」。目前 AI 基礎模型的競爭格局，類似早期的雲端運算——少數幾家巨頭掌握核心能力。但隨著開源模型快速進步，閉源模型的技術領先優勢正在縮小。如果未來模型能力趨於同質化，價格戰就會開打，API 單價持續下探，原本預期的豐厚利潤就會被侵蝕。屆時，以「未來高毛利」為前提的估值模型，將面臨嚴峻挑戰。
第二個風險，是「算力折舊」。AI 公司帳上的 GPU 叢集，是支撐估值的重要資產。但 GPU 的技術迭代極快，兩三年前的旗艦晶片，今天可能已經落後。這意味著這些資產的折舊速度遠超傳統設備，帳面價值與實際變現能力之間可能存在落差。一旦市場開始用「折舊後價值」而非「採購成本」來看待這些資產，估值就會被下修。
第三個風險，是「循環投資的清算」。前面提到的巨頭投資新創、新創回購算力的循環，本質上是一種需求的前置與放大。當資金鏈收緊，這個循環就會逆向運轉：新創拿不到新一輪融資，就無力支付算力費用，巨頭的雲端收入隨之下滑，連帶影響其對新創的投資意願。這種連鎖反應，在資金寬鬆時看不出來，一旦緊縮就會迅速蔓延。
第四個風險，是「監管與地緣政治」。AI 的影響力太大，各國政府不可能長期放任。資料隱私、模型安全、反壟斷、出口管制，任何一項政策的收緊，都可能改變產業的競爭格局與獲利結構。對估值動輒百億的公司而言，政策風險是最難量化、也最難對沖的一種。
那麼，崩盤訊號會長什麼樣子？實務上，通常會先看到「融資輪間隔拉長」——原本半年一輪的公司，開始拖到一年以上；接著是「估值平輪或下修輪」——新一輪融資的估值與上一輪持平甚至更低；然後是「裁員與業務收縮」；最後才是「公開市場的估值修正」。對一般觀察者而言，前兩個訊號是最值得留意的早期警訊。
六、投資人與創業者該如何看待 AI 估值
談完了風險，最後回到實務面。對不同角色而言，「零收入百億估值」這件事的意義是不同的，應對策略也不一樣。
對投資人來說，關鍵是「拆解估值的組成」。不要只看總數，而要問：這百億裡面，多少是人才溢價、多少是資產價值、多少是選擇權價值、多少是市場情緒？如果一個估值有七成建立在「未來市佔率」的假設上，那麼這個假設是否經得起壓力測試？此外，也要關注「單位經濟效益」（unit economics）——即使現在虧損，每一個客戶帶來的終身價值是否高於獲取成本？如果這個數字是健康的，那麼當前的虧損就是「投資」；如果是不健康的，那就是「燒錢」。
對創業者來說，高估值是一把雙面刃。好處是拿到更多資源、更高的品牌聲量、更容易吸引人才；壞處是「估值階梯」一旦踩上去就下不來——下一輪必須更高，否則就會被視為「走下坡」，進而影響員工士氣與後續融資。更現實的風險是「清算優先權」等條款：高估值往往伴隨更嚴苛的投資條件，一旦公司以低於估值的價格被併購，創辦人與員工可能拿不到什麼錢。因此，與其追逐最高估值，不如選擇最理解產業、最能帶來策略資源的投資人。
對一般觀察者與內容創作者而言，理解這套估值邏輯的價值，在於「不被表面數字誤導」。當你看到「某 AI 新創估值百億」的新聞時，可以多問幾句：它的收入是多少？成長率如何？資金燒得多快？投資人是誰？這些問題的答案，往往比估值數字本身更能說明一家公司的真實處境。
結語：估值是對未來的投票，不是對現在的判決
回到最初的問題：為什麼一家沒收入的公司值百億？答案是——因為估值從來不是在衡量「現在」，而是在為「未來」定價。在一個技術典範轉移的時代，市場願意用今天的錢，去賭明天可能出現的巨大回報。這其中有理性的計算，也有集體的情緒；有真實的資產支撐，也有想像的成分。
AI 估值的高漲，既不是單純的泡沫，也不是毫無風險的繁榮。它更像是一場大規模的「未來投票」：投資人用資金投票，選出他們認為最有可能定義下一個十年的公司。這場投票的結果，會由時間來驗證。有人會成為下一個微軟，有人會成為下一個 Pets.com。而我們能做的，是理解這套邏輯，保持清醒的頭腦，在熱潮中看見機會，也在狂歡中聽見警鐘。