虚高的ARR，才是AI商业最大“泡沫”

ttxx

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企业的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企业的收入质量还很高。通常情况下，SaaS企业的毛利率至少在70%以上。换句话说，SaaS企业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。

大家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美金跃升至 200万美金。

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美金/月，有1万个用户付费，ARR就能达到240万美金。按10倍计算，企业估值就来到了2400万美金，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创业企业常见的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创业企业给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

还有更多企业采用"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即涨价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？

为什么ARR不合适AI企业？主要以下三个原因：

一是商业模式变化。传统SaaS企业大都以席位定价，而越来越多的AI企业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图片企业可以按生成的图像数量收费，AI语音企业可以按生成的AI音频的分钟数收费。

目前，Fin (Intercom)、EvenUp、Chargeflow（OpenView投资组合企业）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企业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企业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企业。

在这种情况下，咨询企业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，但这些企业其实并没有非常强烈的意愿在测试后继续为这些新App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%，但基础模型企业的运营成本在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使用人工智能企业Anthropic的模型，平均每完成一项任务需向Anthropic支付2美金。

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企业的水平，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，那么大家应该如何去评估？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。可以对企业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难以精准评估企业的价值。在这种情况下，大家不仅应该谨慎对待简单地将ARR倍数应用于AI企业上的评估方式，也需要基于使用量的商业模式去建立新的价值评估体系。


来源：36kr