从SaaS高毛利到AI算力税
过去二十年，投资者理解软件公司，有一套近乎标准答案：收入订阅化、客户续约率高、边际成本低、毛利率可长期维持在七八成以上。只要增长足够快，即使短期亏损，也可用「Rule of 40」或收入倍数去合理化估值。这就是SaaS时代最迷人的地方：软件写好一次，理论上可以卖无数次，新增一个客户的成本接近零。
AI出现后，这个故事忽然变得不那么乾净。传统SaaS卖的是功能，AI软件卖的是每一次推理、每一次生成、每一次模型调用。用户愈活跃，公司不只得到更高黏性，也同时承担更高算力成本。昔日软件公司的成本结构，像一座已建好的收费桥；今日AI应用，则像一间繁忙食肆，每多招待一位客人，就要多用食材、燃气与人手。收入与成本不再脱钩，这正是估值模型可能要重写的起点。
市场近年已经见到端倪。云服务龙头一边受惠AI需求爆发，一边承认AI基建投入压低毛利率。这不是短期会计噪音，而是商业模式的变化。AI功能若只是附送在原有订阅内，企业便等于用固定月费承担浮动成本；用户愈重度使用，贡献毛利反而可能下降。过去投资者爱看ARR增长，现在还要问：这些ARR背后，每一美元收入要消耗多少GPU、电力、记忆体、向量资料库与模型授权费？
这并不代表AI软件一定是坏生意。相反，若产品能真正替企业节省工时、提升收入或减少错误，客户愿意付更高价格，AI公司仍可创造巨大价值。问题是，估值方法不能再偷懒。传统SaaS可粗略用收入倍数比较，因为毛利率结构相近；AI软件则要看推理成本曲线、使用频率、模型选择、定价模式与成本转嫁能力。同样是年收入一亿美元，一间公司若毛利率75%，另一间只有45%，两者理应享有完全不同估值。
更微妙的是，AI成本有两股相反力量。一方面，模型效率改善、晶片进步、开源模型成熟，令单次推理成本持续下降；另一方面，当成本下降，企业往往会用得更多、更深、更自动化。从普通聊天机械人，走向多步骤agent、长上下文、即时语音、图片与影片生成，总token用量可能不是线性上升，而是爆炸式增长。这有点像云计算年代的「云帐单惊魂」：单位价格愈便宜，总用量愈失控。
因此，AI时代最值钱的软件公司，未必是模型最炫的公司，而是懂得把算力变成可收费价值的公司。它们会把免费试用限制得更精准，把重度使用者转入用量收费，把低价模型用于简单任务，把昂贵模型留给高价值场景，甚至自建小模型处理垂直流程。换言之，产品经理与财务总监要坐在同一张桌上，因为每一个按钮、每一次自动补全、每一段长文本分析，都可能是一张小小的成本单。
投资者亦要从「收入倍数思维」转向「单位经济思维」。AI软件的核心问题不只是能否增长，而是增长是否愈大愈赚钱。值得重估的公司，应具备三个特征：第一，AI功能能带来明确加价，而非只作留客装饰；第二，推理成本占收入比例可随规模下降；第三，客户使用愈深，续约与扩张收入愈高，足以覆盖算力开支。若缺少这三点，高增长可能只是高补贴的另一种说法。
义合控股投资者关系部
(芯片与算力系列之60)
$AppLovin Corporation(APP)$ $Adobe(ADBE)$ $Dropbox Inc.(DBX)$ $Team(TISI)$ $Microsoft(MSFT)$
免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。
