人工智能企业如何估值？
AI公司的估值一直是一个有趣的话题，因为其业务模式和营收都充满了不确定性。我们往往可以看到不同时间、不同机构给出的估值差别很大。 以今年刚刚获得10亿元C轮融资的旷视为例，C轮之前融了几亿美元，A轮和B轮之间的间隔也极短，这样的融资节奏显然不是基于“值钱”而来的，而是来自于资本对该赛道前景的看好以及对旷视发展实力的认可。在旷视C轮发布会上，我们看到软银中国董事总经理朱宁在台上的笑容，似乎在说“早知如此，当初要多买些BATJ的股票啊”。不过，按照当时的IPO进程，BATJ想必也不会拿出太多现金来给旷视估值（即使有，比例也非常非常低）。于是乎，在“有钱任性”与“要不起钱”之间，一个看上去比较合理的估值就产生了——250亿元人民币。
当然，这里有很多“巧合”的因素：正好此时是个上市窗口期，各个投资者都想把自己的股份尽可能变现；又恰好有个实力强劲的玩家想入局，大家一拍即合。如果中间任何一环出现了差异，这个估值恐怕就要被大大削弱了（甚至是直接打垮）。
回到问题本身，影响一家AI公司“值不值钱”的主要因素包括但不仅限于以下几个方面：
1. 行业空间的大小及成长潜力 目前看来，各个商业场景（尤其是“硬”科技领域）对于AI技术的应用还处在起步阶段，因此行业的整体规模还不算太大。但这并不意味着市场容量小，相反，因为早期渗透率很低，这意味着巨大的潜在市场。我们可以期待随着AI技术的成熟，各种商业化落地，行业规模会逐渐放大。
2. 公司相对竞争对手的优势/劣势 如果说行业空间反应了一个市场的容量，那么竞争格局则是反映了企业在市场中的位置。如果一家公司能够率先占据某个市场，并且具有相对竞争优势，那么其价值肯定少不了。反之，一个市场空间大得不能想象，可你偏偏毫无办法，那么你的价值也就不言自明。所以，在估值过程中需要充分考虑到公司在技术和产品上的优势/劣势，以及在市场竞争中的地位。
3. 团队的能力/执行力 一个优秀的团队很重要，尤其对于那些处于创业初期的企业而言。因为前期收入可能非常有限甚至亏损，一个好的团队能帮助企业控制成本、拓宽收入渠道并增强品牌影响力。如果还能有一定规模的客户依赖，那就更完美了。
4. 业务的商业模式以及财务预测 虽然前面说了很多非商业因素对估值的影响，但最后还是要回归到逻辑上。AI企业的收入创造本质上还是来源于对业务的经营，因此其收入的实现过程如何，是否有足够的现金流支撑，各项支出的节约空间还有多大，这些都将影响一家AI企业的最终价值。
估值是一个技术活，也是一个艺术活。说其技术活，是因为其中包含很多的技术手段，比如各种估值模型、数据分析等；说其是艺术活，是因为其中又包含很多感性的东西，比如对于公司未来成长性的判断等。一般来讲，企业估值有三种基础方法，即相对估值法、折现现金流法、成本法。
相对估值法
相对估值法的基本逻辑是：可比公司当期的估值乘数可以用来评估目标公司的价值。因此可比公司的选择是相对法估值合理与否的最关键因素。对于人工智能企业而言，其业务往往处于探索发展期，商业模式尚无定论，且国内资本市场暂时尚无直接对标企业，因此，可以考虑对海外相关领域上市公司进行研究。
海外具有代表性和可比性的对标企业（以下简称对标公司）包括三大类：一是综合类IT龙头，如IBM、微软、谷歌、百度、科大讯飞等；二是垂直业务领域的领军企业，如专注于客服机器人的Automation公司和专注于人脸识别的Face公司的，其技术成熟度高于大部分中国企业，且商业模式清晰。二是大数据服务商，如Palantir和SAS。鉴于人工智能企业主要的盈利模式包括提供大数据分析决策服务，这些企业可以作为人工智能企业估值时的重要参考。
由于传统估值指标如市盈率更适合盈利稳定、现金流充沛的成熟型企业，对于目前尚处于成长期甚至培育期的人工智能企业，建议从与核心业务指标相关的关键运营指标角度出发，选取PEG、PS、EV/EBITDA等指标，并将关键运营指标作为重要的考虑因素。
折现现金流法
折现现金流法从公司当前和未来的现金流量入手，运用资本成本作为折现率将未来各年现金流量折现至基期后加总得到公司价值，是绝对估值法的典型代表方法。
折现现金流法的核心假设是未来自由现金流和折现率。对于人工智能企业而言，其发展速度会较快，甚至处于爆发性增长期，因此，未来自由现金流量增长模型建议选择高速增长-稳定增长二阶段模型。同时，由于人工智能企业处于发展早期，其未来发展战略存在不确定性，尤其是对于正在积极寻求行业并购以提高占有率和加强市场话语权的公司，未来自由现金流量难以准确预测，因此，可以运用情景分析的方法对两种或两种以上场景下的未来现金流和折现率进行估值。
成本法
成本法是从企业成本的角度评估企业价值的基本方法。成本法通过对企业基期资产负债表的各要素进行重新定价获得企业重置价值，再减去企业负债得到企业价值。
成本法在人工智能技术企业的估值中适用性较差。一方面，技术类无形资产和其他具备专属性的资产在成本法下很难准确估算；另一方面，成本法也难以体现企业的潜在价值。对于初创期或发展早期的人工智能企业，公司本身尚未形成盈利，此时账面净资产无法体现企业真正的价值，使用成本法将低估企业价值。
