人工智能獨角獸企業價值評估方法比較分析

劉降斌 趙雅琪

摘 要：我國的人工智能技術正在大步向前，人工智能獨角獸企業作為人工智能技術的孵化基地，對其進行企業價值評估也愈發重要。目前針對人工智能獨角獸企業價值評估的研究較少，本文將根據人工智能獨角獸企業的概念及特征，將傳統評估方法與實物期權法進行比較。比較分析結果表明實物期權法更適合應用于人工智能獨角獸企業價值評估，并選取了三種實物期權模型進行比較，發現Schwartz-Moon模型操作方便，對人工智能獨角獸企業的評估更加準確。

關鍵詞：人工智能;獨角獸企業;企業價值;實物期權

一、人工智能獨角獸企業相關概念及其特征

2013年，美國投資人Aileen Lee將創立10年內，私募市場和公開市場中估值超過10億美元的美國軟件公司命名為“獨角獸企業”。現在獨角獸企業普遍指成立不超過10年，獲得過私募投資且估值超過10億美元的未上市企業。人工智能是我國的獨角獸企業主要分布領域之一。人工智能產業分為應用層、技術層、基礎層，人工智能獨角獸企業主要分布在技術層和基礎層中的芯片制造領域，其企業價值主要來源于實物資產和無形資產價值。人工智能獨角獸企業主要具有如下特點：

1.投入水平高

人工智能獨角獸企業作為知識密集型服務業，在前期會投入大量的資金研發技術。為了獲得具有競爭力、領先于行業的技術，在研發的每一個環節都會耗費大量資金。其資金投入數額與技術復雜程度呈正相關，技術越復雜，投入資金越多。研發期間，研發金額可能會隨著實驗的成功率高低進行相應的變化。當研發技術應用在產品上進行批量生產后，還需要投入大量資金進行廣告宣傳，打響品牌知名度，提高市場占有率。

2.風險高

人工智能獨角獸企業在企業生命周期中具有一系列不確定性。種子時期的人工智能獨角獸企業處于研發階段，在此階段沒有消費者也沒有現金流入。同時，企業還面臨著開發風險和技術風險。初創時期的人工智能獨角獸有一定的研發成果，投入資金進行產品批量化生產，但其產品能否在市場上具有競爭力，是否與其他企業的產品具有相似性等一系列不確定性使企業面臨經營風險。成長期人工智能獨角獸企業具有一定的產品，積累了一批消費者，有良好的獲利能力。但產品在深入城市應用方面具有阻礙，城市場景應用大多由政府部門主管，而產品在城市中應用時需要企業對其進行不斷升級，需要政府對企業相關場景開放。政府項目還會給企業帶來應收賬款增加、現金流緊張等財務問題。在此階段，企業需要把握產品深入城市的機遇，但同時也面臨著政府項目所帶來的資金緊缺風險。無論是哪個階段都要進行研發投入，一旦收入支撐不起高額的投入資金，企業將面臨破產危機。

3.成長性強

人工智能獨角獸企業的研發成果一旦被市場認可，就會給企業帶來巨大的經濟收益，幫助企業累積資本和迅速占領市場份額。企業所擁有的技術越先進，帶來的收益越大，甚至能夠在一段時期內形成壟斷局面。

4.無形資產占比高

2020年底我國的人工智能專利申請數量居世界第一，人工智能專利技術是人工智能獨角獸企業價值的重要來源，專利技術體現了無形資產在人工智能獨角獸企業價值中的占比。對于人工智能獨角獸企業的認定，產品、技術、市場占有率都是重要因素。先進的技術和產品有助于企業快速完成融資，成長為獨角獸企業。

5.創業時間短

根據獨角獸的定義，獨角獸企業普遍是創業10年以內的企業，人工智能獨角獸企業普遍在5年-8年。創業前期的人工智能獨角獸企業需要投入大筆資金進行研發，收入水平低，營業利潤為負。在評估過程中沒有足夠的歷史資料，僅憑前期的歷史資料難以考慮企業未來發展潛力。

二、傳統方法在人工智能獨角獸企業價值評估中的局限性

提高人工智能企業價值評估的準確性，為企業決策者提供科學有效的意見，能對提升人工智能企業技術效率水平產生積極影響。人工智能獨角獸企業作為眾多人工智能企業中的佼佼者，對其進行準確估值能夠對國內人工智能技術的發展產生重要影響。根據人工智能獨角獸企業的特點，分析傳統方法在運用時的局限性。

1.市場法在人工智能獨角獸企業價值評估中的局限性

市場法的思路是在市場上找到與評估對象相似的企業，分析比較參考案例和評估對象重要指標的差異，通過調整參考案例的價格從而得到評估對象的價格。市場法中運用到的具體方法通常是參考企業比較法和并購案例比較法，前者以參考企業的財務數據為基礎，后者以根據參考企業的交易數據為基礎。運用市場法需要市場上有足夠的相似企業，人工智能企業成長為獨角獸企業都有其獨特、不可復制的商業模式，不同企業所擁有的專利技術也千差萬別，在公開市場上很難找到合適的參考案例。

2.成本法在人工智能獨角獸企業價值評估中的局限性

成本法的思路是以評估對象的資產負債表為基礎，通過評估企業各項資產價值以及負債，從而確定評估對象的價值。人工智能獨角獸企業價值很大一部分來源于所擁有的專利技術類無形資產，這類科技技術型無形資產具有先進性和不可復制性，難以從重置成本的角度進行評估。除了無形資產，企業所擁有的高技術人力資源也很難在成本法中得到體現。人工智能獨角獸企業在技術開發過程中所面臨的風險會對企業價值評估產生重要影響，使用成本法不能將未來風險考慮在內，使得評估結果準確性降低。

3.收益法在人工智能獨角獸企業價值評估中的局限性

收益法的思路是預測企業未來收益并將其折現至評估基準日，其理論基礎是貼現理論，將企業價值看作是企業未來能帶來的收益，主要有DCF法、IRR法、EVA模型和CAPM模型等。收益法的重點是對企業預期收益的預測和折現率的確定，人工智能獨角獸企業未來發展方向不明確，經營決策和投資動向在未來可能有很大的變化，僅依據歷史數據資料對未來收益進行預測具有很大的難度。收益法是對現有資產的預期獲利能力進行評估，但忽略了人工智能獨角獸企業的潛在發展能力。大部分人工智能企業仍然處于研發投入階段，大量的研發投入資金導致利潤為負，使得收益法的使用失去意義。折現率的確定依賴大量的參數和評估人員經驗，對于人工智能獨角獸企業來說，成立時間短導致參數不足，與傳統企業的差別導致評估人員的經驗不適用于人工智能獨角獸企業。

三、實物期權法在人工智能獨角獸企業價值評估中的適用性

人工智能獨角獸企業價值評估不同于傳統行業，由于企業的特點使其收入具有高度不確定性，而實物期權法可以有效地應用于企業運營中機會成本、管理彈性的定價能夠正確評價人工智能獨角獸企業具有的管理彈性等目標的價值。相較于傳統方法，實物期權法將企業現有的價值和未來創造收益的潛力看作一個整體，并不是單一地依據財務報表對人工智能獨角獸企業價值進行價值評估，能對許多仍處于研發投入階段、持續幾個季度利潤為負的人工智能獨角獸企業進行準確的企業價值評估。

企業的價值可以看作是現有的資產價值和未來投資機會的價值，人工智能獨角獸企業研發的專利技術在未來可能占領市場，給企業帶來巨大收益，屬于未來投資機會的價值，因此可以看作是看漲期權。人工智能獨角獸企業管理者面臨的投資決策具有不確定性，所以產生了決策彈性，從而產生了延遲期權、階段性投資期權、變更期權、放棄期權、轉換期權、成長期權、復合期權等。人工智能獨角獸企業的研發過程具有綜合期權特征，從第一次研發到商業化這一過程包含增長期權、退出期權、擴張期權、收縮期權。每個研發階段的投入決定都取決于上一個研發階段的效果，因此在當前研發階段，投資者需要考慮是否繼續投資，如果上一個階段研發失敗，企業可以停止后續的研發過程，因此存在退出期權。研發成果進行商業化、產品化后，企業根據產品在市場上所獲得的收益選擇是否擴大或減少投資規模，在此時的決策中存在擴張期權和收縮期權。在商業化階段，企業會選擇是否在現有基礎上增加投資，從而擴大經營范圍和生產規模，因此存在長期期權。在項目尚未達到商業化階段時，企業為了避免損失不會追加投資，因此擴張期權、收縮期權、長期期權均存在于研發投入階段。外部環境中，國家政策對人工智能企業的扶持，使得人工智能獨角獸企業擁有增長型期權價值。

四、人工智能獨角獸企業價值評估方法建議

本文將Black-Scholes模型、二叉樹實物期權定價模型、Schwartz-Moon模型進行對比分析，對比結果表明Schwartz-Moon模型能夠很好地在人工智能獨角獸企業價值評估中進行應用，評估結果較另外兩種模型更準確，操作更簡潔。

Black-Scholes模型是對未來期權價值的所有可能性進行加權平均，得到期權未來的平均價值，再用無風險收益率將其折現。Black-Scholes模型有以下基本假設：

（1） 在期權壽命期內，買方期權標的股票不發放股利，也不做其他分配;

（2） 股票或期權的買賣沒有交易成本;

（3） 短期的無風險利率是已知的，并且在壽命期內保持不變;

（4） 任何證券購買者都能以短期的無風險利率借得任何數量的資金;

（5） 允許賣空，賣空者將立即得到所賣空股票當天價格的資金;

（6） 期權為歐式期權，只能在到期日執行;

（7） 所有證券交易都是連續發生的，股票價格隨機游走。

（8） 股票價格服從對數正態分布。

Black-Scholes模型完全基于客觀數據，評估結果不受評估專業人員主觀判斷影響，在實際運用過程中簡單易操作。但假設條件的嚴苛使得評估結果不準確，該模型適用于歐式期權模型，無法對人工智能獨角獸企業這種具有復合期權性質的企業進行準確的評估。在實際操作中，Black-Scholes模型中的標的資產的取值主要有預期收益現值、企業賬面價值、股權價值與總負債價值之和三種方式，如果取根據財務報表數據預測的未來收益所轉換的現值，這其中折現系數的確定同收益法中折現系數一樣，使得評估結果具有主觀性。對于大部分人工智能獨角獸企業，財務報表中的利潤為負，難以準確預測未來收益。市面上相同規模的人工智能獨角獸企業一般存在于不同的經營領域，因此難以在市面上找取合適的參照物估算預期收益。由于人工智能獨角獸企業具有前期投入高、無形資產占比高的特點，采取賬面價值作為標的資產取值會使評估結果遠遠低于企業真實價值。采用股權價值與總負債價值之和，雖然避免了前兩種方式的缺陷，但對于股票價格波動率較大、在證券市場容易引起投資者盲目跟風投資的人工智能獨角獸企業，評估結果會很大程度地受到影響。

二叉樹期權定價模型將考察的存續期分為若干階段，根據股價的歷史波動率模擬出正股在整個存續期內所有可能的發展路徑，并對每一路徑上的每一節點計算權證行權收益和用貼現法計算出的權證價格。假設條件是在給定的時間間隔內，證券價格運動的方向為上漲或下跌。相較于Black-Scholes模型，二叉樹期權定價模型的假設條件容易滿足，由于可以將假設中的時間間隔進行無限細分，因此更加適合處理復雜的期權。然而，二叉樹期權定價模型在實際操作中，面臨人工智能獨角獸企業的較多不確定因素，會使計算量呈指數式增長。

Schwartz-Moon模型通過建立連續的時間模型，離散模型的近似，再引入蒙特卡洛模擬應對多維問題的處理。假設條件有：

（1） 假設企業收入在t時刻的變動服從布朗運動，并且其預期收入標準差會逐漸收斂到行業發展的正常水平;

（2） 假設收入增長率最受回歸到穩定增長時期，表現為收入增長率服從均值回歸，并且收斂于長期均值水平;

（3） 假設模型中的隨機變量相互獨立;

（4） 假設模型中只考慮收入的不確定性具有風險溢價;

（5） 假設企業的稅后凈利潤全部轉換為可用現金，并保留每期經營活動的盈余資金且公司不參與股利分配;

（6） 假設市場無風險利率為常數。

Schwartz-Moon模型認為在任意時刻t，企業價值包括最后一年累計可用現金和終值現金兩個部分，表達式如下：

將公式（1） 進行蒙特卡洛模擬得到公式如下：

其中，R（t）為t時刻的經營收入;μ（t）為t時刻收入的預期增長率;σ（t）為t時刻收入的波動率;κ為均值回歸系數，反映收入增長率的平均收斂的速度;η（t）為t時刻收入增長的波動率;φ（t）為成本變動的波動率;γ（t）為可變成本;λ（t）為風險收益率;ε1ε2ε3是服從標準正態分布的隨機變量。

Schwartz-Moon模型中運用的數據大部分來源于客觀數據，一小部分數據是通過對同行企業的參考得出的估值。Schwartz-Moon模型通過對參數進行多次模擬，將不確定因素對企業價值評估的影響體現在評估結果中。Schwartz-Moon模型能夠有效處理人工智能獨角獸企業的復合期權特性且沒有二叉樹期權定價模型的巨大計算量，在實際操作過程中可以借助MATLAB完成Schwartz-Moon模型的計算過程，因此對人工智能獨角獸企業進行價值評估可以選用Schwartz-Moon模型。

參考文獻：

[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.基于企業生命周期的獨角獸企業價值評估問題淺析[J].全國流通經濟，2020（21）：97-98.

[4]谷錦錦，李志剛.基于模糊實物期權的獨角獸企業價值評估[J].科技創業，2021（4）：9-12.

[5]鄭征，朱武祥.運用復合實物期權方法研究初創企業的估值[J].投資研究，2017，36（4）：118-135.

[6]朱承亮，侯志杰.中國人工智能企業全要素生產率及其影響因素[J].企業經濟，2018（11）：55-62.

[7]呂梅萌，楊銀娥，我國獨角獸氣壓價值評估影響因素分析[J].中國資產評估，2019（2）：27-34.

[8]孟韜，徐廣林.專利申請、創業融資與獨角獸企業估值及成長性[J].科學學研究，2020（8）：1444-1450.

[9]王獻東，楊萬中.多階段研發投資項目價值評估的復合實物期權模型研究[J].中國資產評估，2019（6）：53-57.

[10]范風珂，孫如妨.高新技術企業價值評估存在的問題及方法研究[J].中國資產評估，2020（9）：24-27.

作者簡介：劉降斌（1968- ），男，遼寧義縣人，哈爾濱商業大學商業經濟研究院，副院長，教授，博士生導師，研究方向：房地產評估理論與實務