現今大多數初創企業均涉足新經濟核心賽道，由金融科技、生物科技、電訊醫療、共享經濟，到區塊鏈及人工智能產業。其中生成式人工智能、大型語言模型 LLM 近年更躍升為全球資本市場主軸，幾乎重塑一級、二級市場投資者對「增長」二字的定義與想像。筆者於 2018 年曾發表初創企業估值專欄，惟數年間市場週期幾經劇烈起伏，單單 2026 年初由 AI 板塊帶動的環球拋售潮，已令全球軟件板塊市值蒸發萬億美元級別，傳統估值框架已難以匹配現時市場環境，故此文重新梳理 AI 時代專業估值底層邏輯。
與傳統二級市場投資者偏重歷史營運數據、穩定現金流增長不同， PE 私募股權、VC 風險投資機構的核心研判維度，聚焦初創企業長期發展前景與可持續增長潛力。而新經濟初創普遍存在四大特性，大幅提升公允估值難度：
第二，商業模式具創新屬性，市場缺乏同業可比公司、可比交易作估值基準；
第三，未來收入、盈利預測難以量化，企業持續經營高度依賴後續多輪股權融資；
第四，過往普遍歸類為輕資產營運模式，核心經營資產僅伺服器、工作站等設備。
然而上述傳統估值假設，在人工智能大行其道的當下已發生根本性顛覆。首先針對第四點：訓練大模型所需算力、高端晶片、專屬數據庫投入動輒數十億港元，頭部 AI 初創的資本密集度，已比肩傳統重工、能源等重資產行業，「輕資產」舊有前提不再通用。與此同時，多數 AI 企業短期雖未能盈利，但產品覆蓋全球數億級用戶，龐大用戶盤面潛藏長期市場價值，估值過程絕不可忽略用戶底盤帶來的長期變現空間。
市場通用傳統估值三大體系 —— 市場法估值倍數（P/E、P/S）、收益法折現現金流 DCF、資產基礎法重置成本法，均難以完整還原 AI、SaaS 新經濟企業真實內在價值。此處必須點出近年市場教訓：2021 年前長期低息環境下環球資金氾濫，大量初創估值脫離基本面出現泡沫；其後全球央行持續加息，折現率大幅攀升，對於現金流集中於遠期的科技初創衝擊最為嚴重，企業估值集體下調，下行融資 Down Round 成為市場常態。這段週期充分證明：資金成本、估值紀律是新經濟企業定價不可或缺的核心變量。
正因傳統財務指標失效，一級市場 PE、VC 投資機構逐步建立一套非財務量化評估指標，且指標體系伴隨產業迭代持續更新。互聯網移動互聯網盛行階段，行業普遍面臨「用戶規模龐大、營收難以落地」痛點，市場因此以用戶數為估值核心，主流指標包含 ARPU 每位用戶平均收入、MAU 每月活躍用戶數，兩者相乘可粗算階段營收，衍生出 P/MAU 專屬估值倍數，解決未盈利企業定價難題；同期亦以產品使用時長衡量用戶黏性作為輔助判斷標準。
惟單純用戶導向指標近年已退居次要位置，若海量用戶無法轉化為穩定收入與利潤，所有估值基礎皆為空中樓閣。經過多輪市場洗禮，至今依舊具備核心權重的關鍵指標，為 LTV 客戶終身價值與 CAC 客戶獲取成本比值。舉例企業 LTV/CAC 比率達 10，代表每投放 1,000 港元獲客成本，可預期帶來 10,000 港元毛利現值回報，該比值至今仍是判斷單客單位經濟效益的黃金基準。
過去數年估值邏輯最重大轉折：估值核心由「用戶規模」全面轉向「經常性收入」。伴隨訂閱制、SaaS 軟件即服務模式普及，投資者高度重視 ARR 年度經常性收入這一可預測穩定收入來源，針對高增長未盈利科技企業，市場統一採用 EV / 企業價值對收入、EV/ARR 倍數作核心定價工具。但收入倍數不可單獨套用，必須同步搭配增長速率、收入質素雙維度綜合評估。衡量收入質素第一關鍵指標為 NRR 淨收入留存率，納入存量客戶升級、增購帶來的額外收益，數值突破 100% 代表僅依靠舊客戶即可實現業績增長，是一級、二級市場投資者最看重的核心門檻。配套輔助指標還有 CAC 獲客成本回收期、銷售效率指標 Magic Number 神奇數字。神奇數字由創投機構 Scale Venture Partners 提出，量化每投入 1 元銷售市場開支可新增的經常性收入規模。
市場近年新增兩套專門衡量增長質素、現金流健康度的權威評估標準：其一為四十法則 Rule of 40 ，由創投先驅 Brad Feld、Fred Wilson 於 2015 年推廣，標準要求企業收入增長率加淨利潤率合計不低於 40%；其二為燒錢倍數 Burn Multiple ，由 Craft Ventures David Sacks 於 2020 年創立，計算每產生 1 元新增經常性收入所消耗的現金，倍數越低代表營運效率越高。值得重點提醒：整套 SaaS 專屬指標體系僅適用訂閱軟件企業，套用到算力密集 AI 企業、生物科技初創等重資產深科技領域，必須根據自身商業模式調整參數，不可直接生搬硬套。
AI 興起，SaaS 祛魅，估值框架全面重審
過去十年 SaaS 長期是資本市場核心資產，可預測訂閱收入搭配近乎零邊際成本，持續享有高於大市的估值溢價。但踏入 2026 年初，產業格局迎來結構性巨變。具備自主運行能力的 AI 智能代理 Agent 陸續落地，可自動完成過往軟件搭配人手處理的多層次工作流程，市場質疑 SaaS 賴以生存的按席位 per-seat 收費模式根基，觸發全球軟件板塊大幅拋售，業內稱之為「SaaS 末日 SaaSpocalypse」，數週之內全球軟件企業總市值蒸發萬億美元規模。
市場大跌後核心命題從「跌幅多少」轉為重構 AI 時代全新估值邏輯。市場數據顯示，軟件股遠期市盈率由 2020-2022 年峰值約 84 倍，回落至 2026 年 3 月 22.7 倍，為歷史上首次低於標普 500 整體平均估值；反映 SaaS 板塊走勢的 SaaS Capital Index，亦由 2025 年初 7.0 倍 ARR 跌至 3.8 倍。當中固然包含加息、經濟下行等宏觀因素，但 AI 技術帶來的產業結構重估為核心主因。
行業內企業估值分化極為明顯：HubSpot 半年市值蒸發逾五成，Salesforce 一年股價回落四成，Atlassian 跌幅達 35%，更出現歷史上首次企業付費席位數下滑。背後商業邏輯清晰：單名員工搭配 AI 代理即可承擔過往數人工作量，企業無需採購等量軟件席位，產業定價模式逐步由按席位收費，轉向按用量計費 usage-based、按商業成果計費 outcome-based 。成本結構亦出現本質差異：傳統純軟件新增客戶邊際成本近乎零，毛利率普遍維持 80%-90%；但生成式 AI 每一次用戶調用均產生真實算力開支，ICONIQ 2026 年行業調查顯示，AI 產品平均毛利率僅約 52%，大幅收窄利潤空間。故此 AI 企業估值無法直接套用傳統 SaaS 高收入倍數，企業真正的長期護城河，不在基礎大模型技術本身，而在獨家、難以複製的專屬數據資產，以及把技術穩定轉化為持續營收的商業落地能力。
惟市場判斷亦不宜矯枉過正。NVIDIA 創辦人黃仁勳曾公開反駁「軟件行業消亡」的極端觀點，高盛、摩根大通等環球投行亦表示本輪拋售存在一刀切定價缺陷，未能區分被 AI 替代與受 AI 賦能兩類企業。權威研究機構 Gartner 預測 2030 年僅 35% 點狀 SaaS 工具會被 AI 代理取代，剩餘 65% 軟件產品仍具長期生存空間。一級私募、二級公開市場並未全面關閉融資、併購通道，具備核心競爭壁壘的優質資產依舊獲高估值認可，例如 OneStream 於 2026 年 3 月完成交易，維持約 8 倍預期 ARR 的優厚定價。
對於專業估值師而言，核心工作重點在於精準辨識企業價值邊界：區分核心功能可被 AI 快速複製的標的，以及擁有監管壁壘、深度垂直行業流程、獨有數據資產作護城河的企業。現時全球一級市場買方已將 AI 技術替代風險列為獨立盡職調查模塊，納入估值調整因子。至於尚未產生營收的早期深科技、生物科技企業，需採用另一套專屬估值體系，篇幅所限留待後續專欄詳細拆解。
另有一項關鍵細節必須提醒所有企業家、投資人：新聞稿帳面投後估值≠企業真實公允經濟價值。在資金收緊的市場環境下，大量初創企業為維持表面高估值，在股權融資條款設置特殊權益，例如高額優先清算權、反攤薄保護、投資回報保底承諾。對外披露投後估值維持高位，但一旦企業出售、清盤，依照股權分配優先次序計算，普通股股東可分得的剩餘價值極度微薄。因此專業估值流程絕不能僅參考單一「投後估值」頭條數字，必須完整拆解股權架構、各類股份收益分配優先級，還原不同股東持有的真實經濟價值。
萬億市值蒸發，並非 SaaS 產業的終章，而是整個新經濟領域一場全面的估值體系重新審視。產業技術、宏觀資金環境持續迭代，估值方法論亦須與時並進。若要客觀、完整還原企業內在真實價值，估值工作不可僵化套用單一標準模型，必須結合行業屬性、企業發展階段、環球宏觀資本市場週期動態調整評估維度。這一核心邏輯，筆者數年前撰寫初創估值文章時已然成立，在 AI 技術全面主導資本市場的今日，更具現實指導意義。