#種子輪
一張圖看懂種子輪、天使輪、Pre-A輪、A輪、B輪、C輪各輪融資的估值邏輯
“我的項目到底值多少錢?”這是創始人問得最多的問題,也是最難回答的問題。因為估值從來不是一個數位遊戲,它是一場關於“預期”的談判。種子輪估值1500萬和3000萬,差在那?A輪估值1個億和3個億,憑什麼?一張圖看懂各輪融資的估值邏輯這張表是個參考框架,不是標準答案。每個項目都有特殊性,但背後的估值邏輯,萬變不離其宗。種子輪:估值靠拍腦袋,但拍得有依據種子輪的項目,通常只有一個想法、一個團隊,或者剛做出來的原型。產品沒上線,使用者數為零,收入更是無從談起。這個階段的估值,說白了就是“拍腦袋”。但拍腦袋也有拍腦袋的方法。最常用的方法是需求反推法。公式很簡單:估值 = 未來12-18個月需要的錢 ÷ 願意出讓的股份比例。假設你算下來,未來一年半需要200萬,願意出讓10%,那投後估值就是2000萬,投前估值1800萬。這個方法的優點是:每一分錢都有去處,投資人問起來你能說得清。另一種方法是對標法。找個跟你類似、剛融完資的項目,看看人家什麼估值。但別拿巨頭對標,“Stripe當年估值多少”這種話投資人聽了只會搖頭。要找同一階段、同一賽道、同一地區的。有個做AI infra的創始人,產品還沒上線,估值直接過了億。憑什麼?團隊是某大廠AI Lab出來的整建制,之前做過同類產品。投資人投的不是項目,是“這幫人大機率能做成”的判斷。種子輪估值的關鍵驅動因素:團隊背景(連續創業者、大廠核心技術人員,估值溢價30%-50%)賽道熱度(AI、機器人、新能源,估值自然高出一截)想法的可行性(有沒有技術壁壘?有沒有先發優勢?)天使輪:估值開始看產品驗證天使輪的項目,產品有了雛形,可能有幾個種子使用者在試,但還沒找到穩定的增長路徑。這個階段,估值不再是純粹的“拍腦袋”,開始有了一些“證據”。需求反推法依然適用,但“需要的錢”要算得更細。產品研發、市場測試、團隊擴充,每一項都要有依據。記分卡法開始派上用場。找個基準估值,比如同地區同類項目的平均估值,假設是2000萬。然後從幾個維度打分:團隊實力(0-30%)、市場機會(0-25%)、產品技術(0-15%)、競爭環境(0-10%)。綜合算下來,得出最終估值。真格基金投聚美優品的時候,投的不是模式,是創始人陳歐——史丹佛MBA畢業,之前有過成功創業經歷。這就是天使輪估值的本質:投人,投團隊,投那個能把事做成的人。天使輪估值的關鍵驅動因素:產品完成度(原型、內測、公測,每個階段估值不同)早期使用者反饋(留存率、活躍度、NPS)團隊完整性(核心崗位是否配齊)Pre-A輪:估值看增長潛力Pre-A輪是個很有意思的輪次。它不是必經之路,而是“天使輪的錢不夠跑到A輪”時的解決方案。這個階段,產品已經上線一段時間,有了初步資料,但還沒完全跑通商業模式。估值的核心是“增長潛力”。投資人會看你的增長曲線:月活增長率、使用者留存率、復購率。這些資料不一定多好看,但要能看出趨勢、看出潛力。有個做消費品的創始人,Pre-A輪時只有幾千個使用者,但次周留存能做到60%。投資人看了直點頭,因為留存代表產品真的有黏性,有黏性就能放大。最後估值比同類項目高了30%。Pre-A輪估值的關鍵驅動因素:增長曲線(是不是在加速)核心指標(留存、復購、轉化)客戶驗證(有沒有標竿客戶)A輪:估值開始算帳了A輪是第一個真正意義上的機構輪。走到這一輪,你得有東西給人看了。這個階段的估值,開始從“拍腦袋”走向“算帳”。最常用的是可比交易法。找已經完成A輪融資的同類公司,看他們的估值、收入、使用者規模,然後算出你的“合理區間”。比如,同類公司的估值/收入倍數在5-10倍之間,你的年收入1000萬,那估值就在5000萬-1億之間。單位經濟模型(LTV/CAC)是核心判斷依據。獲客成本多少,使用者生命周期價值多少,什麼時候能打平——這些數字決定了你的模式能不能放大。如果CAC大於LTV,越做越虧,那增長越快死得越快。如果能跑正,那就值得All in。網易雲音樂2016年的A輪融資拿了7.5億,估值60億左右。那時候雲音樂的使用者基數已經起來了,增長曲線很漂亮。投資人看的是:這個模式能放大,這個團隊能執行。A輪估值的關鍵驅動因素:單位經濟模型(LTV/CAC > 3是健康線)可複製性(模式能不能從1個城市複製到100個)增長效率(CAC回收周期、毛利率)B輪:估值看規模化能力到了B輪,你得證明你的模式不是靠運氣跑出來的,是可以複製、可以放大的。這個階段的估值,開始看“天花板”和“護城河”。可比公司法更常用。找已上市的同類公司,看他們的市值/收入倍數,然後打個折扣(因為你還不是上市公司)。比如,對標公司PS(市銷率)是5倍,你年收入2億,那估值可能在10億左右,但需要打7-8折。投資人開始關注市場份額和競爭壁壘。你的市場佔有率是多少?擴張速度有多快?競爭對手跟不跟得上?你的技術壁壘、品牌壁壘、網路效應能不能擋住後來者?寒武紀2017年A輪融了1億美元,2018年B輪估值就衝到25億美元。為什麼漲這麼快?因為AI晶片賽道熱,因為它的技術在市場驗證了,更因為投資人相信它能快速佔領市場。B輪估值的關鍵驅動因素:市場份額(是不是行業前3)擴張效率(新市場複製速度、邊際成本)競爭壁壘(技術、品牌、網路效應)C輪及以上:估值看盈利能力C輪的企業,已經是賽道里的明星了。這個階段的估值,核心是“盈利能力”和“IPO預期”。DCF(現金流折現)開始成為重要工具。預測公司未來5-10年的自由現金流,折現到現在,得出估值。這個方法看起來很“科學”,但其實假設條件很多——增長率、折現率、永續增長率,調一個參數,估值就差幾億。可比公司法依然有效,但對標的是已上市公司。你的收入和利潤水平,跟那些上市公司接近?他們的PE(市盈率)是多少?你的估值大概就在那個區間。鏈家2017年C輪融了26億,估值416億。到這個階段,投資人看的是它能不能整合行業、能不能成為老大、能不能順利上市。C輪估值的關鍵驅動因素:盈利能力(毛利率、淨利率、EBITDA)IPO預期(上市時間、目標市值)行業地位(是不是能成為最後的贏家)估值是談出來的,不是算出來的看了這麼多估值方法,你可能發現了一個問題:同一家公司,用不同方法算出來的估值可能差好幾倍。這就對了。估值從來不是一個精確的數字,而是一個合理的區間。最終落在區間的那個位置,取決於你的談判能力、市場熱度、投資人競爭程度。但有一點是確定的:估值越高,下一輪的壓力越大。你今年估值1個億,融了1000萬。投資人期待的是,你拿著這筆錢,在12-18個月內把公司做到值2-3個億。如果做到了,皆大歡喜。如果沒做到,下一輪可能就要流血融資。所以,別把估值當成“面子工程”。一個合理、可落地的估值,比一個虛高、撐不住的數字,對你的長期發展更有利。 (商業計畫書智囊團)
20億美元!輝達AMD聯手投出史上最大種子輪
前OpenAI CTO創業,2/3團隊來自OpenAI,北大學霸也加盟。智東西7月16日消息,今日,前OpenAI首席技術官Mira Murati創辦的AI公司Thinking Machines Lab(簡稱TML)宣佈完成20億美元種子輪融資,由a16z領投,NVIDIA、Accel、ServiceNow、CISCO、AMD、Jane Street等參投。這是史上最大規模的種子輪融資,而TML成立於2025年2月,至今僅5個月。成立之初,OpenAI聯合創始人John Schulman等二十餘位頂級AI研究員便加入了TML,使其迅速成為行業焦點。01. 企業定製AI + 消費級產品雙線佈局雲服務巨頭爭相競逐TML的核心業務圍繞“企業定製型AI”和“通用消費級產品”兩條路徑展開,Murati對投資人尤為強調前者。多位與Murati接觸過的投資人透露,TML主攻方向之一是企業AI定製。該團隊正基於強化學習(Reinforcement Learning)建構模型,讓AI圍繞客戶的核心KPI(如營收、利潤等)進行最佳化,直接服務於業務增長目標。這種“以業務指標為導向”的強化學習思路,被稱為“RL for business”,尤其適用於客服、投行、零售等垂直行業,具備較強的商業轉化和客戶價值提升潛力。在基礎模型選擇上,TML計畫以開源體係為起點。雖然開源模型在能力上略遜於閉源系統如GPT-4,但Murati認為性能差距正在縮小,如近期DeepSeek的突破。儘管尚無明確證據表明TML使用了DeepSeek,但其開源+定製的策略已基本成形。除了企業服務,TML也在孵化通用型消費級AI產品,目前尚未公佈具體形態。但據知情人士透露,TML曾內部討論開發一款與ChatGPT競爭的對話型助手。若該方向落地,TML將直接切入OpenAI的核心賽道。在模型建構路徑上,TML採用“模型層融合”(model merging)方式,將多個已有模型的關鍵處理層拼接為新模型,跳過從零開始訓練,顯著提升研發效率。據悉,其模型訓練在Google雲租用的輝達GPU伺服器上進行,也正因此成為Google潛在投資對象。Google此前已通過“雲資源換股權”的方式支援了Anthropic、Safe Superintelligence、Character.ai等初創AI公司。與此同時,亞馬遜CEO Andy Jassy也於4月與Murati在舊金山會面,表達希望TML能成為AWS雲生態一部分的意願。02. 北大學霸當聯創OpenAI元老級班底齊聚TMLTML的另一大看點在於人才結構。Murati不僅吸引了資本青睞,也聚攏了OpenAI乃至AI領域的核心人才。以下為目前已知的部分核心成員名單:(1)Mira Murati:TML創始人兼CEO,前OpenAI首席技術官(CTO),GPT-4、ChatGPT和DALL·E核心負責人。曾任特斯拉Model X及Autopilot系統項目負責人,後在Leap Motion主導增強現實方向的人機互動產品。▲Mira Murati(左)和Sam Altman(右)。(2)John Schulman:OpenAI聯合創始人,前強化學習團隊負責人,現擔任TML的聯合創始人兼首席技術官(CTO)。Meta創始人兼CEO祖克柏曾試圖挖走Schulman,但未能成功。▲UC Berkeley EECS講座中,John Schulman在講台上演講。(3)Barret Zoph:前OpenAI研究副總裁,深度學習最佳化領域專家。(4)Luke Metz:前OpenAI研究員,Transformer架構與元學習方向活躍開發者。(5)翁荔:北大校友,前OpenAI安全團隊副總裁,現為TML聯合創始人,為目前公開團隊中已知的華人核心成員。此外,TML還邀請了兩位OpenAI早期技術元老擔任顧問:(6)Alec Radford:GPT-1主要作者之一,Transformer架構推動者;(7)Bob McGrew:前OpenAI研究主管,曾長期負責公司研究路線的統籌管理。據內部消息,TML目前規模約30人,三分之二來自OpenAI,整體班底與DeepMind早期高度相似,已被多家科技巨頭視為潛在併購對象。有消息稱,蘋果和Meta已與Murati進行接觸,探討投資或收購的可能性,但尚未進入實質階段。在外界看來,TML的成長經歷正重演十餘年前DeepMind的故事。當時,DeepMind在倫敦集結了大批機器學習博士,吸引Google與Facebook爭相競購。最終Google以超5億美元的價格將DeepMind收入麾下,由此建構起今日AI版圖的核心。而DeepMind現任CEO Demis Hassabis,正是GoogleAI體系的掌舵者。03. 結語:面對競品TML如何“攪局”?2025年AI投融資依舊火熱,僅上半年,美國市場就出現至少25筆超億美元融資,重點集中在大模型、AI程式設計、醫療和法律等熱門賽道。TML所選擇的“企業AI定製+消費級AI產品”雙線模式,與當前市場熱點基本對齊。不過,定製化AI並非新鮮事物,Scale AI、Turing等初創公司也在押注“AI+諮詢”,為企業量身定製模型,但普遍面臨規模化難題。不同於單一的定製服務,TML或許能通過通用型AI產品,在定製化和規模化之間找到突破口。目前,TML尚未對外發佈正式產品,但其融資速度、團隊構成與戰略佈局,已使其成為最受矚目的AI創業公司之一。未來其產品落地路徑與技術轉化能力,將成為評判其是否能“挑戰OpenAI”的關鍵。 (智東西)