在AI领域，年度经常性收入（ARR）这一指标被广泛用于评估企业的价值，但其适用性却饱受争议。本文深入剖析了ARR在AI企业中的应用问题，指出ARR的虚高现象如何成为AI商业领域的最大“泡沫”。

ARR，又叫年度经常性收入，是评估SaaS企业价值最核心的指标。

ARR的算法也很简单，就是月收入乘以12就等于ARR。根据当前的每月订阅收入，预计未来 12 个月的订阅收入。

伴随着“AI杀死了SaaS”的呼声，ARR也被广泛用到了AI企业价值的评估上。但这事却有了大问题。

ARR指标自带杠杆属性，但前提是经常性收入。这与SaaS特殊的商业模式是分不开的。

但这点放到AI企业上就不成立了。基于结果的定价模式以及早期实验性收入的存在，让AI企业的收入存在很大的波动。

这样一来，AI企业的ARR比拼就变成了一场数字游戏：只要能够短期内吸引一批付费用户，用这批用户的付费数据乘以12，就能得到”理论ARR”。

于是，有人拿最高单月收入来测算ARR，甚至还有人用单日收入乘以365来测算ARR。

当ARR大规模被滥用，其价值也在逐渐“失效”。

01 一场击鼓传花的“数字游戏”

为什么SaaS企业非常重视ARR指标？主要原因有两个：

一是在订阅模式下，客户留存率很高，使得SaaS企业收入的可预测性极强。

美国的SaaS公司的NDR（净收入留存率）普遍能达到100%以上。这意味着，他们即使不考虑新增客户，原有客户也能保持或者增加付费额度。

同时，SaaS公司的收入质量还很高。通常情况下，SaaS公司的毛利率至少在70%以上。换句话说，SaaS公司的收入绝大部分都会转化为利润。

现在，这一切被平移到了AI行业，而ARR却被“玩坏”了。

我们越来越多地看到新成立的AI初创企业在短短几个月内使其总收入从0美元跃升至 200万美元。

如果你只看了ARR增长，就觉得企业有价值，那你可真就上当了。因为这只是一场简单的数字游戏。

由于ARR是一种带有杠杆属性的计算方式，天然就存在着一定的操纵空间。举个例子，你就知道了。

假设一家AI企业，产品定价为20美元/月，有1万个用户付费，ARR就能达到240万美元。按10倍计算，公司估值就来到了2400万美元，折合人民币1.5亿元。

也就是说，这个游戏玩法很简单，只要能够短期内吸引一批付费用户，用这批用户的付费数据乘以12，就能得到”理论ARR”。

在计算方式上，整活的也不少。有人拿最高单月收入来测算ARR，甚至还有人用单日收入乘以365来测算ARR。公众号“搞AI的K同学”分享了三种AI创业公司常见的ARR“套路“：

1）同行互刷制造假热度

热门AI产品往往在Product Hunt等平台一上线就霸榜。真相是什么？

创始人早就在创业群、AI爱好者社区打好招呼，让同行帮忙点赞评论。这批”专业尝鲜”用户付费转化率高得惊人，但他们不代表真实市场。一旦把这种非典型用户的付费数据乘以12，ARR立马”暴涨”。

2）KOL高返佣掩盖真实成本

更隐蔽的是KOL高额返佣计划。某些AI创业公司给KOL提供高达50%甚至70%的返佣，远超行业正常水平。KOL拿到这么高返点后干什么？

直接给粉丝打折甚至返现！一个月卖出一千个年度会员，号称ARR十几万美金，背后可能是KOL自掏腰包刷出来的虚假数据，续费可能性几乎为零。但创始人已经把这些全部算进ARR了。

3）低价引流后暴涨制造假象

还有更多公司采用”首月极低价，然后暴涨”的套路。一开始定价只有市场均价的1/5，等积累一定用户后立刻涨价5倍。

对外宣传时，用涨价后的单价乘以所有用户数，制造出高ARR假象。但这些低价引流的用户显然不会在价格上涨后付费。

02 为什么说ARR不再适用于AI企业？

主要以下三个原因：

一是商业模式变化。

传统SaaS公司大都以席位定价，而越来越多的AI公司开始不再以固定费用或按座位收费，而是根据完成的任务、解决的问题或节省的时间进行收费。

举个例子，AI图片公司可以按生成的图像数量收费，AI语音公司可以按生成的AI音频的分钟数收费。

目前，Fin (Intercom)、EvenUp、Chargeflow（OpenView投资组合公司）和11x.ai都采用了实施基于成功（或基于结果）的定价模式，客户只需为成功的结果付费。

与使用量挂钩会带来一个问题：收入的不可预测性大大增强。由于功能的更新加上外部环境的变化，每个月的收入都很难准确估计，从而使得“年度”预测难度极高。

二是AI公司早期的很多收入更多来自实验性收入。

在The Information 文章《The New Fake Math of AI Startup ARR: Not So Annual, Not So Recurring里，有投资人提到，部分早期AI公司收入往往主要集中在一两个大客户身上，比如像普华永道这样的咨询公司。

在这种情况下，咨询公司通常只是在测试产品，看他们的效果是否足够出色，好转售给他们的客户。

而像普华永道这样的客户不在少数。在法律行业也是如此，律师事务所往往会对大量新技术进行试验，但这些公司其实并没有非常强烈的意愿在测试后继续为这些新软件付费。

这意味着，尽管哪些人工智能初创企业将其收入定为年度经常性收入，但他们的早期客户实际上是按月付费的，用户粘性也不强，而相比年度合同，这些合同的收入并不稳定。

同时，AI企业的流失率还会受到很多外部环境的影响，包括转换成本低、新产品带来的竞争加剧等等。如果客户流失率很高，那么经常性收入也就无从谈起了。

第三，盈利能力不同。

与SaaS企业相比，AI企业在进行服务的时候需要消耗巨大的算力资源。根据Dave的说法，传统SaaS的运营成本约为20%，但基础模型公司的运营成本在50-75%之间。

今年3月，The Information报道，Manus现阶段的产品同时受制于其服务器容量和高昂的运营成本。据两位直接了解情况的人士透露，Manus使用人工智能公司Anthropic的模型，平均每完成一项任务需向Anthropic支付2美元。

虽然未来随着技术进步，算力成本仍然将出现大幅下降，但AI企业利润率能否达到传统SaaS公司的水平，仍然是一个未知数。

既然ARR不能完全反映AI企业的真实价值，那么我们应该如何去评估？

在这里，乌鸦君提两个潜在的思路：

第一，从静态收入预测转向反映实际市场状况的评估。从时间和需求两个维度评估业务的价值。前者包括客户收入的增长速度，后者包括AI产品所占据的客户支出部分，进而综合评估AI企业的增长潜力。

第二，更加重视对收入质量的评估。可以对公司不同的收入进行拆分，不同类型的收入对应不同的评估标准，最后综合评估收入的质量。

总的来讲，AI企业巨大的收入波动性让ARR难以精准评估公司的价值。在这种情况下，我们不仅应该谨慎对待简单地将ARR倍数应用于AI公司上的评估方式，也需要基于使用量的商业模式去建立新的价值评估体系。