AI 现实检验：市场从叙事转向数据

TradingKey - 在过去的18个月里，AI概念股见证了投资者热情的激增。ChatGPT的演示成为了英伟达（NVDA）公司——该公司在 Nasdaq 上市——的催化剂，使其市值从4000亿美元飙升至3万亿美元。同样，此前任何关于开发新大语言模型的新闻公告都能推高科技股的价值。然而，那个阶段已经过去。

投资者现在更希望看到真实的数据，如营收、利润、客户忠诚度等。这种从叙事驱动的热情向强调业绩成果的转变，已对公开市场和私募市场的公司估值产生了重大影响。

从愿景到验证

“叙事”阶段之所以有用，是因为在 2023 年初 ChatGPT 首次发布时，还没有关于该技术潜力的历史数据，因此必须按潜力定价。但到 2024 年底，仅在中国就有超过 200 个大语言模型发布；AI 相关公告发布后的股价上涨持续时间已从数周缩短至数天。

投资者提出的问题变得非常具体，例如：你赚了多少钱？流失了多少客户？在支付 GPU 成本后，还剩下多少钱（毛利率）？

这一转变是从四个维度进行衡量的。

营收：不再捆绑销售

为了有效执行，归属于AI的营收需要能够被清晰辨别并得到确认。截至目前，公开市场的投资分析师已要求企业在季度财报中单独拆分出AI营收。例如，在微软（MSFT）2024财年第四季度财报中，Azure AI为云业务营收增长贡献了超过10个百分点，这已成为其他企业的基准。相比之下，一些试图将传统系统集成项目归类为“AI相关合同”的公司很快便被识破。

为了确保执行的真实性，通过模型API调用、AI SaaS订阅以及私有化部署产生的营收必须进行透明披露，并同时公布各自的环比增长情况。

毛利率：推理成本

推理是有成本的，因为所有生成式 AI 调用都依赖于昂贵的 GPU，而 AI 规模的持续扩张可能会侵蚀利润率。显然，目前市场已不再奖励“不计成本的增长”。相反，它将奖励那些能通过模型蒸馏、量化、混合专家模型（MoE）路由以及批处理等方法，大幅降低推理相关成本的团队。

那些在执行计划方面最成功的团队，已经实现了在六个月内将单次调用费用降低 80% 的目标。这就是对执行力的定义。

客户经济学：从试点到投产

过去，仅仅拥有与客户签署的谅解备忘录就足以开启新一轮融资。

情况已不再如此——现在，投资者关注多项指标，包括试点转合同转化率、大客户产生的年度经常性收入以及净美元留存率。如果你的 AI SaaS 产品的净美元留存率超过 120%，说明表现良好；如果低于 100%，则意味着客户正在流失！

成功的公司往往拥有已签署三年期协议的传统行业巨头作为其客户。

单位经济效益：LTV/CAC 大于 3

叙事阶段往往忽视了获客成本，暗示市场潜力是无限的。然而，具体的执行终究要体现在数据上。如果客户终身价值 (LTV) 与获客成本 (CAC) 的比率低于 1，则意味着公司已沦为一个“烧钱的无底洞”。

有效的执行通过产品驱动增长来降低获客成本，并利用深度工作流整合来增强用户黏性，从而使 LTV/CAC 比率达到 3 以上。

产品化鸿沟：演示失效之处

当一家人工智能公司从受控演示转向现实应用时，这是整个过程中最危险的时刻。一场完美的现场演示（代码100%正确，总结100%准确）之后，首位客户进行测试，他们输入了缩写，或者说话带有口音，系统便产生了幻觉，或者延迟激增。系统需要12GB的GPU，而服务器仅提供4GB。为了跨越这一鸿沟，需要完成以下四个方面的工作：

• 从通用模型转向针对即时识别的重点微调： 选择三到五个现实世界中的高价值任务，并使用现实数据对模型进行微调。通过为极窄的任务提供可靠的深度，可以创造商业价值。
• 从API转向端到端解决方案： 客户购买的是结果，而不是API。提供即插即用的SaaS/集成/低代码连接器，无论是作为硬件设备还是软件解决方案（SaaS）。
• 从实验室精度转向生产鲁棒性及成本控制： 现实世界的输入是杂乱的。处理现实世界的输入需要设计优雅降级机制，并通过量化、批处理和智能路由来节省成本。
• 从静态演示转向数据飞轮： 每当用户对模型提供修正时，都要为下一个微调周期创建一个反馈回路。如果没有数据闭环，产品将无法改进。

风险与观点分歧

多头认为，目前对执行力的审视是健康的，将有助于识别市场中的真正参与者，而非那些仅有口头承诺却缺乏资金实力的公司。

空头则警告称，如果人工智能领域由于企业基于2027年预期收益而对自身估值进行的重大重置，从而发生任何实质性变化，他们认为所有AI相关公司的价值都可能面临大幅缩水。

一种折中情况是，如果传统基础设施业务——半导体（NVIDIA、超威半导体（AMD））以及网络业务——在未来12至18个月内继续表现良好；而许多应用层公司的财务业绩将出现巨大分化，届时将只有一两家大型企业胜出，而更多的小型参与者将无法实现盈利。

投资者关注重点

首先，务必检查季度盈利证明。如果一家公司无法提供可靠的盈利证明，或者未能在两个季度内展示如何弥补此前的失误，请停止与其开展业务往来。

其次，关注毛利率趋势而非营收增长率。例如，如果一家公司的营收增长了50%，但其毛利率从70%降至50%，这表明其执行力存在问题。

第三，寻找净金额留存率（NDR）超过120%的公司——这是衡量客户已对所提供的产品或服务产生依赖的最佳指标之一。

第四，关注产品化流程。能够以可预测方式推进产品化的公司（例如：单次调用成本可预测；极端情况下性能稳健；拥有高速数据飞轮）比那些无法做到的公司（例如：仅基于基准数据）更有可能长期生存。

AI行业目前已跨越演示阶段，进入了真实的商业环境。在这一环境中，企业专注于以高成本效益和客户导向的方式进行执行。关于AI的叙事已不再重要，唯一关键的是公司在季度末公布的财务报告。