人工智能独角兽企业价值评估方法比较分析

刘降斌 赵雅琪

摘 要：我国的人工智能技术正在大步向前，人工智能独角兽企业作为人工智能技术的孵化基地，对其进行企业价值评估也愈发重要。目前针对人工智能独角兽企业价值评估的研究较少，本文将根据人工智能独角兽企业的概念及特征，将传统评估方法与实物期权法进行比较。比较分析结果表明实物期权法更适合应用于人工智能独角兽企业价值评估，并选取了三种实物期权模型进行比较，发现Schwartz-Moon模型操作方便，对人工智能独角兽企业的评估更加准确。

关键词：人工智能;独角兽企业;企业价值;实物期权

一、人工智能独角兽企业相关概念及其特征

2013年，美国投资人Aileen Lee将创立10年内，私募市场和公开市场中估值超过10亿美元的美国软件公司命名为“独角兽企业”。现在独角兽企业普遍指成立不超过10年，获得过私募投资且估值超过10亿美元的未上市企业。人工智能是我国的独角兽企业主要分布领域之一。人工智能产业分为应用层、技术层、基础层，人工智能独角兽企业主要分布在技术层和基础层中的芯片制造领域，其企业价值主要来源于实物资产和无形资产价值。人工智能独角兽企业主要具有如下特点：

1.投入水平高

人工智能独角兽企业作为知识密集型服务业，在前期会投入大量的资金研发技术。为了获得具有竞争力、领先于行业的技术，在研发的每一个环节都会耗费大量资金。其资金投入数额与技术复杂程度呈正相关，技术越复杂，投入资金越多。研发期间，研发金额可能会随着实验的成功率高低进行相应的变化。当研发技术应用在产品上进行批量生产后，还需要投入大量资金进行广告宣传，打响品牌知名度，提高市场占有率。

2.风险高

人工智能独角兽企业在企业生命周期中具有一系列不确定性。种子时期的人工智能独角兽企业处于研发阶段，在此阶段没有消费者也没有現金流入。同时，企业还面临着开发风险和技术风险。初创时期的人工智能独角兽有一定的研发成果，投入资金进行产品批量化生产，但其产品能否在市场上具有竞争力，是否与其他企业的产品具有相似性等一系列不确定性使企业面临经营风险。成长期人工智能独角兽企业具有一定的产品，积累了一批消费者，有良好的获利能力。但产品在深入城市应用方面具有阻碍，城市场景应用大多由政府部门主管，而产品在城市中应用时需要企业对其进行不断升级，需要政府对企业相关场景开放。政府项目还会给企业带来应收账款增加、现金流紧张等财务问题。在此阶段，企业需要把握产品深入城市的机遇，但同时也面临着政府项目所带来的资金紧缺风险。无论是哪个阶段都要进行研发投入，一旦收入支撑不起高额的投入资金，企业将面临破产危机。

3.成长性强

人工智能独角兽企业的研发成果一旦被市场认可，就会给企业带来巨大的经济收益，帮助企业累积资本和迅速占领市场份额。企业所拥有的技术越先进，带来的收益越大，甚至能够在一段时期内形成垄断局面。

4.无形资产占比高

2020年底我国的人工智能专利申请数量居世界第一，人工智能专利技术是人工智能独角兽企业价值的重要来源，专利技术体现了无形资产在人工智能独角兽企业价值中的占比。对于人工智能独角兽企业的认定，产品、技术、市场占有率都是重要因素。先进的技术和产品有助于企业快速完成融资，成长为独角兽企业。

5.创业时间短

根据独角兽的定义，独角兽企业普遍是创业10年以内的企业，人工智能独角兽企业普遍在5年-8年。创业前期的人工智能独角兽企业需要投入大笔资金进行研发，收入水平低，营业利润为负。在评估过程中没有足够的历史资料，仅凭前期的历史资料难以考虑企业未来发展潜力。

二、传统方法在人工智能独角兽企业价值评估中的局限性

提高人工智能企业价值评估的准确性，为企业决策者提供科学有效的意见，能对提升人工智能企业技术效率水平产生积极影响。人工智能独角兽企业作为众多人工智能企业中的佼佼者，对其进行准确估值能够对国内人工智能技术的发展产生重要影响。根据人工智能独角兽企业的特点，分析传统方法在运用时的局限性。

1.市场法在人工智能独角兽企业价值评估中的局限性

市场法的思路是在市场上找到与评估对象相似的企业，分析比较参考案例和评估对象重要指标的差异，通过调整参考案例的价格从而得到评估对象的价格。市场法中运用到的具体方法通常是参考企业比较法和并购案例比较法，前者以参考企业的财务数据为基础，后者以根据参考企业的交易数据为基础。运用市场法需要市场上有足够的相似企业，人工智能企业成长为独角兽企业都有其独特、不可复制的商业模式，不同企业所拥有的专利技术也千差万别，在公开市场上很难找到合适的参考案例。

2.成本法在人工智能独角兽企业价值评估中的局限性

成本法的思路是以评估对象的资产负债表为基础，通过评估企业各项资产价值以及负债，从而确定评估对象的价值。人工智能独角兽企业价值很大一部分来源于所拥有的专利技术类无形资产，这类科技技术型无形资产具有先进性和不可复制性，难以从重置成本的角度进行评估。除了无形资产，企业所拥有的高技术人力资源也很难在成本法中得到体现。人工智能独角兽企业在技术开发过程中所面临的风险会对企业价值评估产生重要影响，使用成本法不能将未来风险考虑在内，使得评估结果准确性降低。

3.收益法在人工智能独角兽企业价值评估中的局限性

收益法的思路是预测企业未来收益并将其折现至评估基准日，其理论基础是贴现理论，将企业价值看作是企业未来能带来的收益，主要有DCF法、IRR法、EVA模型和CAPM模型等。收益法的重点是对企业预期收益的预测和折现率的确定，人工智能独角兽企业未来发展方向不明确，经营决策和投资动向在未来可能有很大的变化，仅依据历史数据资料对未来收益进行预测具有很大的难度。收益法是对现有资产的预期获利能力进行评估，但忽略了人工智能独角兽企业的潜在发展能力。大部分人工智能企业仍然处于研发投入阶段，大量的研发投入资金导致利润为负，使得收益法的使用失去意义。折现率的确定依赖大量的参数和评估人员经验，对于人工智能独角兽企业来说，成立时间短导致参数不足，与传统企业的差别导致评估人员的经验不适用于人工智能独角兽企业。

三、实物期权法在人工智能独角兽企业价值评估中的适用性

人工智能独角兽企业价值评估不同于传统行业，由于企业的特点使其收入具有高度不确定性，而实物期权法可以有效地应用于企业运营中机会成本、管理弹性的定价能够正确评价人工智能独角兽企业具有的管理弹性等目标的价值。相较于传统方法，实物期权法将企业现有的价值和未来创造收益的潜力看作一个整体，并不是单一地依据财务报表对人工智能独角兽企业价值进行价值评估，能对许多仍处于研发投入阶段、持续几个季度利润为负的人工智能独角兽企业进行准确的企业价值评估。

企业的价值可以看作是现有的资产价值和未來投资机会的价值，人工智能独角兽企业研发的专利技术在未来可能占领市场，给企业带来巨大收益，属于未来投资机会的价值，因此可以看作是看涨期权。人工智能独角兽企业管理者面临的投资决策具有不确定性，所以产生了决策弹性，从而产生了延迟期权、阶段性投资期权、变更期权、放弃期权、转换期权、成长期权、复合期权等。人工智能独角兽企业的研发过程具有综合期权特征，从第一次研发到商业化这一过程包含增长期权、退出期权、扩张期权、收缩期权。每个研发阶段的投入决定都取决于上一个研发阶段的效果，因此在当前研发阶段，投资者需要考虑是否继续投资，如果上一个阶段研发失败，企业可以停止后续的研发过程，因此存在退出期权。研发成果进行商业化、产品化后，企业根据产品在市场上所获得的收益选择是否扩大或减少投资规模，在此时的决策中存在扩张期权和收缩期权。在商业化阶段，企业会选择是否在现有基础上增加投资，从而扩大经营范围和生产规模，因此存在长期期权。在项目尚未达到商业化阶段时，企业为了避免损失不会追加投资，因此扩张期权、收缩期权、长期期权均存在于研发投入阶段。外部环境中，国家政策对人工智能企业的扶持，使得人工智能独角兽企业拥有增长型期权价值。

四、人工智能独角兽企业价值评估方法建议

本文将Black-Scholes模型、二叉树实物期权定价模型、Schwartz-Moon模型进行对比分析，对比结果表明Schwartz-Moon模型能够很好地在人工智能独角兽企业价值评估中进行应用，评估结果较另外两种模型更准确，操作更简洁。

Black-Scholes模型是对未来期权价值的所有可能性进行加权平均，得到期权未来的平均价值，再用无风险收益率将其折现。Black-Scholes模型有以下基本假设：

（1） 在期权寿命期内，买方期权标的股票不发放股利，也不做其他分配;

（2） 股票或期权的买卖没有交易成本;

（3） 短期的无风险利率是已知的，并且在寿命期内保持不变;

（4） 任何证券购买者都能以短期的无风险利率借得任何数量的资金;

（5） 允许卖空，卖空者将立即得到所卖空股票当天价格的资金;

（6） 期权为欧式期权，只能在到期日执行;

（7） 所有证券交易都是连续发生的，股票价格随机游走。

（8） 股票价格服从对数正态分布。

Black-Scholes模型完全基于客观数据，评估结果不受评估专业人员主观判断影响，在实际运用过程中简单易操作。但假设条件的严苛使得评估结果不准确，该模型适用于欧式期权模型，无法对人工智能独角兽企业这种具有复合期权性质的企业进行准确的评估。在实际操作中，Black-Scholes模型中的标的资产的取值主要有预期收益现值、企业账面价值、股权价值与总负债价值之和三种方式，如果取根据财务报表数据预测的未来收益所转换的现值，这其中折现系数的确定同收益法中折现系数一样，使得评估结果具有主观性。对于大部分人工智能独角兽企业，财务报表中的利润为负，难以准确预测未来收益。市面上相同规模的人工智能独角兽企业一般存在于不同的经营领域，因此难以在市面上找取合适的参照物估算预期收益。由于人工智能独角兽企业具有前期投入高、无形资产占比高的特点，采取账面价值作为标的资产取值会使评估结果远远低于企业真实价值。采用股权价值与总负债价值之和，虽然避免了前两种方式的缺陷，但对于股票价格波动率较大、在证券市场容易引起投资者盲目跟风投资的人工智能独角兽企业，评估结果会很大程度地受到影响。

二叉树期权定价模型将考察的存续期分为若干阶段，根据股价的历史波动率模拟出正股在整个存续期内所有可能的发展路径，并对每一路径上的每一节点计算权证行权收益和用贴现法计算出的权证价格。假设条件是在给定的时间间隔内，证券价格运动的方向为上涨或下跌。相较于Black-Scholes模型，二叉树期权定价模型的假设条件容易满足，由于可以将假设中的时间间隔进行无限细分，因此更加适合处理复杂的期权。然而，二叉树期权定价模型在实际操作中，面临人工智能独角兽企业的较多不确定因素，会使计算量呈指数式增长。

Schwartz-Moon模型通过建立连续的时间模型，离散模型的近似，再引入蒙特卡洛模拟应对多维问题的处理。假设条件有：

（1） 假设企业收入在t时刻的变动服从布朗运动，并且其预期收入标准差会逐渐收敛到行业发展的正常水平;

（2） 假设收入增长率最受回归到稳定增长时期，表现为收入增长率服从均值回归，并且收敛于长期均值水平;

（3） 假设模型中的随机变量相互独立;

（4） 假设模型中只考虑收入的不确定性具有风险溢价;

（5） 假设企业的税后净利润全部转换为可用现金，并保留每期经营活动的盈余资金且公司不参与股利分配;

（6） 假设市场无风险利率为常数。

Schwartz-Moon模型认为在任意时刻t，企业价值包括最后一年累计可用现金和终值现金两个部分，表达式如下：

将公式（1） 进行蒙特卡洛模拟得到公式如下：

其中，R（t）为t时刻的经营收入;μ（t）为t时刻收入的预期增长率;σ（t）为t时刻收入的波动率;κ为均值回归系数，反映收入增长率的平均收敛的速度;η（t）为t时刻收入增长的波动率;φ（t）为成本变动的波动率;γ（t）为可变成本;λ（t）为风险收益率;ε1ε2ε3是服从标准正态分布的随机变量。

Schwartz-Moon模型中运用的数据大部分来源于客观数据，一小部分数据是通过对同行企业的参考得出的估值。Schwartz-Moon模型通过对参数进行多次模拟，将不确定因素对企业价值评估的影响体现在评估结果中。Schwartz-Moon模型能够有效处理人工智能独角兽企业的复合期权特性且没有二叉树期权定价模型的巨大计算量，在实际操作过程中可以借助MATLAB完成Schwartz-Moon模型的计算过程，因此对人工智能独角兽企业进行价值评估可以选用Schwartz-Moon模型。

参考文献：

[1]Schwartz E.S.and Moon M.Rational Pricing Of Internet Companies Revisited[J].The Financial Review，2001，36（4）：7-26.

[2]Lee Y.C.and Lee S.S.The valuation of RFID investment using fuzzy real option[J].Expert Systems with Applications，2011，38（10）：12195-12201.

[3]張昕.基于企业生命周期的独角兽企业价值评估问题浅析[J].全国流通经济，2020（21）：97-98.

[4]谷锦锦，李志刚.基于模糊实物期权的独角兽企业价值评估[J].科技创业，2021（4）：9-12.

[5]郑征，朱武祥.运用复合实物期权方法研究初创企业的估值[J].投资研究，2017，36（4）：118-135.

[6]朱承亮，侯志杰.中国人工智能企业全要素生产率及其影响因素[J].企业经济，2018（11）：55-62.

[7]吕梅萌，杨银娥，我国独角兽气压价值评估影响因素分析[J].中国资产评估，2019（2）：27-34.

[8]孟韬，徐广林.专利申请、创业融资与独角兽企业估值及成长性[J].科学学研究，2020（8）：1444-1450.

[9]王献东，杨万中.多阶段研发投资项目价值评估的复合实物期权模型研究[J].中国资产评估，2019（6）：53-57.

[10]范风珂，孙如妨.高新技术企业价值评估存在的问题及方法研究[J].中国资产评估，2020（9）：24-27.

作者简介：刘降斌（1968- ），男，辽宁义县人，哈尔滨商业大学商业经济研究院，副院长，教授，博士生导师，研究方向：房地产评估理论与实务