本文信息来源：cloudedjudgement
转变：静态软件 vs. 活的 AI 系统
在传统软件的世界里，产品是建立在确定性基础上的。你发布一个功能，经过 QA 测试，并期望它明天的表现与昨天相同。发布是一个个里程碑（诚然，随着软件每天甚至每天多次发布，发布之间的时间间隔这些年来大幅缩短）。但无论如何，一旦某个功能稳定下来，它通常会保持不变。
AI 打破了这一假设。AI 产品现在更像是活的系统，而不是静态的系统。
模型会随着数据变化而发生漂移。AI 提供商会推出新模型，平均性能有所提升，但在特定情况下可能会出现回退。或者，更新后的模型只是“感觉”不一样，用户不喜欢它（有点像当年 Facebook 更新新闻推送的 UI 时，人们会讨厌它）。反馈循环会在用户交互中微妙地改变行为。而概率性输出意味着没有两次运行是保证完全相同的。
对于创业者来说，这带来了新的现实。版本管理不再是简单的事情，你不能只是替换成 GPT-X+1 就称之为升级。这需要兼容性检查、回归测试，并且通常还要有回滚计划。客户会立刻注意到不一致性，即使纸面上的准确率有所提升，如果产品在实际使用中感觉不够可靠，也会削弱信任。可观测性不仅对内部团队至关重要，对提供一致的用户体验也同样关键。作为副作用，支持团队将面临全新的工单类别：“昨天还能用，今天就不行了。”
我的结论是，AI 产品必须用一套不同的策略来管理。你需要在假设变化是常态（而不是例外）的前提下构建具备适应性的系统。这意味着要设计架构，使你能够在不破坏下游行为的情况下热插拔模型、提示词和工作流。随着模型提供商可能更倾向于围绕其模型构建锁定机制，以减少客户“热插拔”的能力，这一点将变得更加重要。
评估也必须变成持续性的，更像单元测试而不是定期的质量检查，并且要有明确的信号来判断变化是有益还是有害（或者它如何改变终端用户体验）。我真的认为几乎每一家 AI Agent 公司都需要在核心产品中内置可观测性（以及为终端客户提供可观测性支持的仪表盘）。 顺带一提——我们还需要数据库来管理所有这些可观测性指标，以支持可观测性产品和仪表盘（而且这些 Agent 会产生数量级更多的指标），这也是我对 ClickHouse 有潜力成为 AI 数据库感到如此兴奋的部分原因。
发布应当是循序渐进且可控的，更接近于功能开关而非全面上线，并且要具备快速回滚的能力。最重要的是，公司需要与客户坦诚沟通产品为何会演变。将变化定位为持续改进周期的一部分——一种让系统随着时间变得更智能、更有用的过程——可以将原本让人感到不稳定的因素转化为优势。
最终的赢家不仅仅是拥有最佳原始模型的公司，而是那些能够很好地管理“活系统”的公司——在适应性与信任之间取得平衡，并构建基础设施来引导实时演化的产品。换句话说，创始人应当停止将 AI 应用视为静态的 SaaS，而应更多地像动态系统的运营者那样思考。生物科技公司、金融市场和物流网络几十年来一直被迫管理这种复杂性。现在，轮到软件了。
作为一名投资者，我是这样思考的。我不太关注谁今天的演示最炫，而更感兴趣的是哪些团队正在培养管理 AI 作为一个“活系统”的能力。赢家将是那些把漂移、版本管理和概率行为视为核心问题去解决（而不是事后才考虑）的团队。我寻找那些已经建立了持续评估基础设施的创始人，他们以与生产代码同样严格的标准推出模型更新，并且能够与客户坦诚沟通产品如何以及为何演变。这些公司在短期内可能不是行动最快的，但从长远来看，他们将赢得信任、留住客户，并积累成可持续发展的业务。
不断增长的并购格局
我们开始看到越来越多 5 亿至 30 亿美元区间的并购交易。
- Workday 以 11 亿美元收购了 Sana
- Atlassian 以 10 亿美元收购 DX
- Clio 以 10 亿美元收购 vLex
- Databricks 以 10 亿美元收购 Neon
此外，今年早些时候还有多笔其他收购（例如 ServiceNow 以约 30 亿美元收购 Moveworks）。如果我们看到现有巨头在 5 亿至 30 亿美元区间内掀起一波软件收购热潮，我也不会感到惊讶，因为他们正寻求整合现代、原生 AI 解决方案，或能为更广泛的 AI 战略提供数据优势的解决方案。
前十大企业价值/未来十二个月收入倍数
前十大每周股价变动
倍数更新
SaaS 企业的估值通常基于其收入的倍数——在大多数情况下，是基于未来 12 个月的预期收入。收入倍数是一种简化的估值框架。由于大多数软件公司尚未盈利，或未产生有意义的自由现金流（FCF），这是唯一可以用来比较整个行业的指标。即使是折现现金流（DCF）模型，也充满了长期假设。SaaS 的承诺在于，早期的增长会在成熟期带来利润。下方所示的倍数是通过将企业价值（市值 + 债务 – 现金）除以未来 12 个月（NTM）收入计算得出。
整体统计：
- 整体中位数：5.1x
- 前五名中位数：24.2x
- 10年期：4.1%
按增长分组。以下分组中，我将高增长定义为预计未来十二个月增长率 >25%，中等增长为 15%-25%，低增长为 <15%。
- 高增长中位数：28.4x
- 中增长中位数：8.8x
- 低增长中位数：4.1x
企业价值 / 未来十二个月收入 / 未来十二个月增长率
下图显示了 EV / NTM 收入倍数除以 NTM 一致增长预期的结果。 因此，一家以 20 倍 NTM 收入交易、且预计增长 100% 的公司，其交易倍数将为 0.2 倍。 该图的目的是展示每只股票相对于其增长预期而言的相对便宜或昂贵程度。
企业价值 / 未来十二个月自由现金流
该折线图显示了所有 FCF 倍数大于 0x 且小于 100x 公司的中位数。我创建了这个子集，用于展示 FCF 作为相关估值指标的公司。
NTM 自由现金流为负的公司未在图表中列出
EV / NTM 收入倍数与 NTM 收入增长的散点图
增长与估值倍数的相关性有多强？
运营指标
- 未来十二个月中位增长率：12%
- 过去十二个月中位增长率：14%
- 中位毛利率：76%
- 中位营业利润率：（2%）
- 自由现金流率中位数：18%
- 净留存率中位数：108%
- 客户获取成本回收期中位数：32个月
- 销售与市场费用占收入比例中位数：37%
- 研发占收入中位数比例：24%
- 管理及行政费用占收入中位数比例：15%
可比公司数据输出
“40 法则”显示收入增长率 + 自由现金流（FCF）利润率（包括过去十二个月 LTM 和未来十二个月 NTM 的增长与利润率）。FCF 计算方式为经营活动现金流减去资本支出。
GM 调整回收期的计算公式为： (上一季度 S&M) / (本季度净新增 ARR × 毛利率) × 12。 它表示一家 SaaS 企业在毛利润基础上收回其全额 CAC 所需的月份数。 大多数上市公司并不披露净新增 ARR，因此我采用了一个推算的 ARR 指标（季度订阅收入 × 4）。 净新增 ARR 就是当前季度的 ARR 减去上一季度的 ARR。 未披露订阅收入的公司已被排除在分析之外，并标记为 NA。
本帖所用资料来源包括彭博社、Pitchbook 以及公司文件
本通讯中所提供的信息仅代表作者个人观点，并不一定反映任何其他个人或实体（包括 Altimeter Capital Management, LP（“Altimeter”））的立场。所提供的信息被认为来源可靠，但对任何不准确之处不承担责任。本内容仅供参考，不应被视为投资建议。过往业绩不代表未来表现。Altimeter 是在美国证券交易委员会注册的投资顾问。注册并不意味着具备特定水平的技能或培训。Altimeter 及其客户会交易公开证券，并已对本文提及的公司进行过投资和/或可能进行投资，或作出与之相关的投资决策。本文所表达的观点仅代表作者个人意见，并不代表 Altimeter 或其客户的立场，Altimeter 及其客户保留作出与本文所述观点一致和/或不一致的投资决策或交易行为的权利。
本文及所提供的信息仅供参考之用。 本文所表达的观点仅代表作者个人立场，不构成出售要约、购买建议或征求购买任何证券的要约，也不构成对任何投资产品或服务的推荐。尽管本文部分信息来源于被认为可靠的渠道，但作者及其任何雇主或其关联方均未对该信息进行独立核实，且无法保证其准确性与完整性。因此，对于该信息的公正性、准确性、时效性或完整性，不作任何明示或暗示的陈述或保证，亦不应依赖该信息。作者及所有雇主及其关联人员对该信息不承担任何责任，也无义务在未来更新本文所包含的信息或分析。