AI 現實檢驗: 市場焦點從敘事轉向數據
AI 播客
AI 產業已從敘事熱潮轉向重視實績。投資者現要求公司提供營收、獲利等具體數據，而非僅依賴潛力。評估執行力的關鍵指標包括可辨識的 AI 營收、穩健的毛利率（透過降低推理成本）、客戶從試點到正式投產的轉化率、高於 120% 的淨金額留存率，以及 LTV/CAC 比率高於 3。產品化斷層是關鍵風險，從通用模型轉向專注微調、從 API 轉向端對端解決方案、從實驗室準確度轉向生產穩定性、以及從靜態演示轉向數據飛輪，是跨越此鴻溝的必要步驟。投資者應關注季度盈餘證明、毛利率趨勢及淨金額留存率，並優先選擇產品化流程穩健的公司。
TradingKey - 十八個月以來，AI 概念股引發了投資者的熱潮。ChatGPT 的演示成為輝達 (NVDA) 公司 — 在 Nasdaq 上市 — 的市值從 4,000 億美元飆升至 3 兆美元。同樣地，只要發布有關開發新型大型語言模型的新聞公告，就能推高任何科技公司的股價。然而，那個時期已經過去了。
投資者現在希望看到實際數據，例如營收、獲利、客戶忠誠度等。這種從基於敘事的熱情轉向強調實績的轉變，已對公開與私募市場的公司估值產生了重大影響。
從願景到驗證
敘事階段之所以有用，是因為當 ChatGPT 在 2023 年初首次發布時，尚無關於該技術潛力的歷史數據，因此必須根據潛力進行定價。但到了 2024 年底，光是在中國就推出了 200 多個大型語言模型；AI 公告後的股價漲勢持續時間也從數週縮短至數天。
投資者提出的問題變得非常具體，例如：你賺了多少錢？流失了多少客戶？而在支付 GPU 成本後，你還剩下多少錢（毛利率）？
這一轉型是從四個維度來衡量的。
營收：不再綑綁銷售
為了有效落實，歸功於 AI 的營收必須具備可辨識性且能被證實。目前，公開市場投資分析師已要求公司在季度財報中單獨列出 AI 營收。例如，在微軟的 (MSFT) 2024 年第四季財報中，Azure AI 對雲端營收成長的貢獻超過 10 個百分點，成為他人的標竿。相反地，某些試圖將傳統系統整合專案歸類為「AI 相關合約」的公司很快就被識破了。
為了使執行具備真實性，透過模型 API 調用、AI SaaS 訂閱及私有化部署所產生的營收，必須連同各自的月增率一併透明地揭露。
毛利率：推理成本
推論是有成本的，因為所有生成式 AI 的調用都依賴昂貴的 GPU，而 AI 規模的持續擴張可能會侵蝕利潤率。現在可以清楚看到，市場不再獎勵「不計代價的增長」。相反地，市場將獎勵那些能透過模型蒸餾、量化、混合專家路由及批次處理等方法，積極降低推論相關成本的團隊。
在執行計畫方面最成功的團隊，已在六個月內達成了將每次調用成本降低 80% 的目標。這就是執行力的定義。
客戶經濟學：從試點到正式投產
過去，只要與客戶簽署合作備忘錄，就足以進行下一輪融資。
現在情況已不再如此——如今投資者關注多項指標，包括從試點轉為正式合約的轉化率、來自大客戶的年度經常性收入以及淨金額留存率。如果您的 AI SaaS 產品淨金額留存率高於 120%，說明表現優異；如果低於 100%，則代表客戶正在流失！
成功的公司客戶名單中，包含了已簽署三年期承諾的傳統產業巨頭。
單位經濟效益：LTV/CAC 高於 3
敘事階段忽略了客戶獲取成本，暗示市場是無限的。然而，執行力會呈現真實數據。如果客戶終身價值 (LTV) 與客戶獲取成本 (CAC) 的比率低於 1，這意味著你的公司已變成一個「錢坑」。
高效的執行力透過產品導向型增長來降低獲取成本，並藉由深度的流程整合來增加黏性，從而使 LTV/CAC 達到 3 以上。
產品化斷層：演示失效之處
當人工智慧（AI）公司從受控的演示（demo）轉向實際應用時，這是過程中最危險的時刻。一個完美的現場演示（程式碼 100% 正確、摘要 100% 準確），隨後第一位客戶進行測試，輸入了縮寫，或帶著口音說話，系統就產生幻覺或延遲突增。系統需要 12GB 的 GPU，而伺服器僅提供 4GB。為了跨越這道鴻溝，需要完成以下四個部分：
- 從通用模型轉向針對即時辨識的專注微調：挑選三到五個現實世界中的高價值任務，並使用真實數據對模型進行微調。您可以透過為極其細分的任務提供可靠的深度來創造商業價值。
- 從 API 轉向端到端解決方案：客戶購買的是結果，而非 API。提供即插即用的 SaaS、整合或低程式碼連接器，無論是以硬體設備還是軟體解決方案（SaaS）的形式。
- 從實驗室準確度轉向生產穩定性與成本控制：現實世界的輸入數據是雜亂的。要在現實世界的輸入下運行，需要設計平滑降級機制，並透過量化、批次處理和智慧路由來節省成本。
- 從靜態演示轉向數據飛輪：每當用戶對模型提供修正時，為下一個微調週期建立回饋循環。如果沒有數據循環，產品將無法改善。
風險與觀點分歧
多頭認為，目前對執行力的審查是健康的，這將有助於辨識市場中真正的參與者，而非那些僅止於宣稱卻缺乏財務資源的公司。
空頭則警告，一旦 AI 領域因企業根據 2027 年預期盈餘重新調整估值而發生實質變化，所有 AI 相關公司都可能面臨嚴重的價值縮水。
折衷的情況則是，若傳統基礎設施業務——半導體 (NVIDIA, Advanced Micro Devices (AMD)) 及網路——在未來的 12 至 18 個月內持續表現良好；然而，許多應用層級企業的財務業績將出現極大差異，屆時將出現一兩家大型龍頭，而更多的小型參與者則無法獲利。
投資者應關注的重點
首先，務必確保要求提供季度盈餘證明。若一家公司無法提供可靠的獲利證明，或未能在兩個季度內說明將如何彌補先前的錯誤，則應停止與其往來。
其次，應優先關注毛利率趨勢而非營收成長百分比。例如，若一家公司顯示營收成長了 50%，但毛利率卻從 70% 下滑至 50%，這便反映了問題——即執行力欠佳。
第三，尋找淨金額留存率（Net Dollar Retention）超過 120% 的公司，這是客戶已高度依賴其產品或服務的最佳跡象之一。
第四，關注產品化流程。能以可預測方式處理產品化的公司（例如：具備可預測的每次調用成本、在極端情況下表現穩健、高速數據飛輪等），比起未能做到這些（例如：僅基於基準測試數據）的公司，更有可能長期生存。
AI 產業目前已跨越開發演示階段，進入真實的商業環境，企業現在更專注於以具成本效益的方式執行，並採取客戶導向的方針。關於 AI 的故事已不再重要，唯一關鍵的在於公司季末的財務報表。
本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。
