中圖分類號(hào)：F275；F49 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.3969/j.issn.1672-2272.202504073

Artificial Intelligence Enterprise Valuation Analysis Using the Discounted Cash Flow Model：A Case Study of Cloudwalk Technology

Huang Guojian，Ren Gui （School of Economics，Shanghai University，Shanghai 2oo444，China）

Abstract：Against the backdrop of rapid industrydevelopment drivenby breakthroughs inartificial intelligence technology，this study addresses the critical chalenge of traditional valuation models‘ inadequacy for Ramp;D-intensive tech companies by innovatively constructing a DCF valuation framework integrated with operational metrics.Focusing on Cloudwalk Technology-a STAR Market-listed enterprise-the research develops a dynamic cash flow projection model that adjusts conventional financial forecasting through user growth indicators.By incorporating the WACC capital cost calculation system and implementing a three-stage growth model to refine perpetual growth rate assumptions，it achieves precise discounting of free cash flows.Results demonstrate that the optimized DCF valuation shows onlya 0.62% deviation from the actual market capitalization，and reveal AI enterprises’distinctive forward-shifted nature of value creation，with a 3-5 year lag between Ramp;Dinvestment and commercial returns，validating DCF's unique advantages in valuing technology innovators.

KeyWords：Cloudwalk Technology;Artificial Technology;Business Valuation;DCF

0 引言

在當(dāng)前數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合的宏觀背景下，人工智能技術(shù)正經(jīng)歷從技術(shù)突破轉(zhuǎn)向產(chǎn)業(yè)賦能的模式轉(zhuǎn)換。中國(guó)作為全球第二大AI經(jīng)濟(jì)體，根據(jù)《新一代人工智能發(fā)展規(guī)劃》等政策導(dǎo)向，已在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等關(guān)鍵技術(shù)領(lǐng)域形成較為明顯的國(guó)際競(jìng)爭(zhēng)優(yōu)勢(shì)。值得關(guān)注的是，截至2024年7月，科創(chuàng)板已累計(jì)融資超8477億元1，科技創(chuàng)新與時(shí)代發(fā)展息息相關(guān)。

與此同時(shí)，隨著AI技術(shù)不斷發(fā)展，技術(shù)創(chuàng)新與價(jià)值評(píng)估間的結(jié)構(gòu)性矛盾逐漸顯現(xiàn)并且成為亟待解決的問(wèn)題。傳統(tǒng)估值模型在對(duì)高研發(fā)投入型AI企業(yè)進(jìn)行估值時(shí)，模型的適用性面臨雙重挑戰(zhàn)：其一，研發(fā)投人與商業(yè)價(jià)值轉(zhuǎn)化這兩者之間存在非線性關(guān)系，這種關(guān)系直接導(dǎo)致PE、PS等相對(duì)估值法產(chǎn)生難以消除的系統(tǒng)性偏差；其二，現(xiàn)有的現(xiàn)金流折現(xiàn)估值（DicountedCashFlow，DCF）模型對(duì)業(yè)務(wù)數(shù)據(jù)要素的動(dòng)態(tài)耦合機(jī)制缺乏考量，并且難以捕捉用戶增長(zhǎng)、技術(shù)迭代等非財(cái)務(wù)指標(biāo)的驅(qū)動(dòng)作用[2]。這種估值方式導(dǎo)致的誤差不僅影響著資本市場(chǎng)的資源配置效率，同時(shí)更可能引發(fā)科技企業(yè)的融資約束困境。

針對(duì)上述理論缺口與實(shí)踐需求，本文提出在業(yè)務(wù)數(shù)據(jù)融合視角下的DCF模型創(chuàng)新框架。首先，根據(jù)用戶增長(zhǎng)指標(biāo)與財(cái)務(wù)預(yù)測(cè)進(jìn)行初步數(shù)據(jù)計(jì)算；其次，建立包含技術(shù)成熟度、政策敏感度的WACC修正體系，增強(qiáng)資本成本測(cè)算的情境適應(yīng)性。本文可能的邊際貢獻(xiàn)在于：理論層面，拓展了技術(shù)經(jīng)濟(jì)學(xué)在創(chuàng)新型企業(yè)估值領(lǐng)域的應(yīng)用邊界，證實(shí)動(dòng)態(tài)現(xiàn)金流預(yù)測(cè)對(duì)技術(shù)轉(zhuǎn)化周期具有一定的解釋能力；實(shí)踐層面，為AI企業(yè)戰(zhàn)略決策與投資者風(fēng)險(xiǎn)評(píng)估提供新范式。研究結(jié)論對(duì)完善科創(chuàng)板估值體系、引導(dǎo)資本流向硬科技領(lǐng)域具有重要政策啟示。

1文獻(xiàn)綜述

1.1企業(yè)價(jià)值評(píng)估方法的研究

20世紀(jì)早期，美國(guó)經(jīng)濟(jì)學(xué)家Fisher[3對(duì)資本與收入的關(guān)系進(jìn)行了闡述，之后他進(jìn)一步對(duì)資本價(jià)值評(píng)估的框架進(jìn)行分析，并提供了組合研究收人和資本機(jī)制的方式，成為第一個(gè)對(duì)企業(yè)價(jià)值進(jìn)行評(píng)估的人。Williams[4]發(fā)布了現(xiàn)金流折現(xiàn)模型的同時(shí)，進(jìn)一步發(fā)明了股利折現(xiàn)模型，該模型將股利作為公司現(xiàn)金流，著重強(qiáng)調(diào)股利為今后投資創(chuàng)造的價(jià)值。Modigliani等5全面評(píng)析了股利政策的特點(diǎn)及其作用，同時(shí)提出股利無(wú)關(guān)理論。該理論表示在一定條件下，公司價(jià)值和股利政策間沒(méi)有聯(lián)系，有時(shí)是相互獨(dú)立的，這就是MM理論。Damodaran[較為全面地闡述了公司價(jià)值評(píng)估的各類方式，對(duì)相對(duì)估值法、期權(quán)估價(jià)法等各類方式所涉及的具體指標(biāo)和適用性進(jìn)行解釋說(shuō)明。肖欣榮等通過(guò)對(duì)特斯拉企業(yè)的估值研究，證明改進(jìn)的現(xiàn)金流折現(xiàn)模型適用于創(chuàng)新性企業(yè)的研究。王治等8基于互聯(lián)網(wǎng)企業(yè)的特點(diǎn)，對(duì)實(shí)物期權(quán)模型的敏感性進(jìn)行分析，并進(jìn)一步得出Schwartz一Moon模型穩(wěn)定性最強(qiáng)的結(jié)論。陳琪仁等[9在將各種估值方法進(jìn)行對(duì)比時(shí)，考慮了非財(cái)務(wù)因素對(duì)估值結(jié)果的影響，并指出成長(zhǎng)型企業(yè)的估值還需考慮戰(zhàn)略布局等非財(cái)務(wù)因素，為企業(yè)估值體系納入新的方法。權(quán)忠光等[10]對(duì)實(shí)物期權(quán)法的主要參數(shù)進(jìn)行了敏感性分析，并得出了大數(shù)據(jù)企業(yè)價(jià)值的主要影響因素。慕慧娟等[11]系統(tǒng)整理了科技型企業(yè)的估值方法，并且總結(jié)了退出倍數(shù)法在估值運(yùn)用中的特點(diǎn)與局限性。

1.2人工智能與企業(yè)的研究

Bughin等[12]討論了人工智能技術(shù)開(kāi)發(fā)和應(yīng)用對(duì)勞動(dòng)力市場(chǎng)的影響，并探討了可能的未來(lái)發(fā)展趨勢(shì)，同時(shí)評(píng)估了人工智能對(duì)商業(yè)和經(jīng)濟(jì)的影響，包括如何提高企業(yè)的產(chǎn)品和服務(wù)、改變商業(yè)模式、提高勞動(dòng)生產(chǎn)率等方面。李健斌等[13指出，人工智能技術(shù)通過(guò)提高企業(yè)固定資產(chǎn)和無(wú)形資產(chǎn)投資，進(jìn)而提高高質(zhì)量勞動(dòng)占比，最終顯著提高企業(yè)的全要素生產(chǎn)率。王原等[14]研究表明，人工智能可供性對(duì)企業(yè)數(shù)字化轉(zhuǎn)型具有正向效應(yīng)，并且這一結(jié)論在經(jīng)過(guò)多種穩(wěn)健性檢驗(yàn)與考慮內(nèi)生性后依舊成立。田慧敏等[15]將樣本企業(yè)分為強(qiáng)適應(yīng)性、智能柔性和弱能力型企業(yè)，實(shí)證發(fā)現(xiàn)企業(yè)應(yīng)該全面提升人工智能應(yīng)用程度和動(dòng)態(tài)能力，從而實(shí)現(xiàn)向智能柔性企業(yè)轉(zhuǎn)型。吳偉偉等[16指出，人工智能是加強(qiáng)企業(yè)研發(fā)投入并且促進(jìn)創(chuàng)新的重要驅(qū)動(dòng)力。寧楠等[通過(guò)固定效應(yīng)模型等實(shí)證分析得出，人工智能的創(chuàng)新激發(fā)效果在制造類企業(yè)中更為明顯，因此應(yīng)積極推動(dòng)制造型企業(yè)智能化發(fā)展。

綜上，目前人工智能企業(yè)領(lǐng)域的研究仍處于初期階段，本文將以“云從科技集團(tuán)股份有限公司”為例對(duì)人工智能上市企業(yè)價(jià)值進(jìn)行評(píng)估和探討。

1.3現(xiàn)金流折現(xiàn)估值模型的研究

對(duì)于現(xiàn)金流折現(xiàn)估值模型的研究，早在20世紀(jì)就已經(jīng)存在，Jensen[18]最早提出自由現(xiàn)金流量理論，強(qiáng)調(diào)企業(yè)的價(jià)值源于未來(lái)自由現(xiàn)金流的折現(xiàn)能力，奠定了DCF模型的理論基礎(chǔ)。后續(xù)研究將其擴(kuò)展至并購(gòu)估值領(lǐng)域，如美國(guó)A集團(tuán)在跨國(guó)并購(gòu)中通過(guò)DCF模型，結(jié)合行業(yè)分析和財(cái)務(wù)分析，綜合評(píng)估了目標(biāo)企業(yè)內(nèi)在價(jià)值。

21世紀(jì)后，DCF模型的應(yīng)用日益廣泛，Zhang[19]把實(shí)物期權(quán)理論引人到DCF框架中，將企業(yè)投資決策當(dāng)作內(nèi)生變量，解決了傳統(tǒng)模型對(duì)不確定性環(huán)境適應(yīng)不足的問(wèn)題，這一結(jié)論尤其適用于高增長(zhǎng)潛力的初創(chuàng)企業(yè)。

我國(guó)對(duì)DCF的研究近年來(lái)逐漸增加。吳洪英[20]在評(píng)估美國(guó)A集團(tuán)并購(gòu)案例時(shí)，發(fā)現(xiàn)實(shí)務(wù)中多變量耦合的復(fù)雜性。龔凱頌[2指出，DCF模型對(duì)穩(wěn)定現(xiàn)金流企業(yè)的適用性較強(qiáng)，但在初創(chuàng)期或衰退期企業(yè)中的預(yù)測(cè)誤差顯著。由于互聯(lián)網(wǎng)企業(yè)商業(yè)模式創(chuàng)新頻繁，因此需結(jié)合梅特卡夫估值模型等非財(cái)務(wù)指標(biāo)進(jìn)行補(bǔ)充。馮軍[22]及任翠玉[23]的研究表明，DCF模型對(duì)歷史財(cái)務(wù)數(shù)據(jù)高度依賴，而信息不對(duì)稱和會(huì)計(jì)政策差異可能導(dǎo)致估值偏差，尤其在發(fā)展中國(guó)家市場(chǎng)中更為突出，未來(lái)研究可進(jìn)一步探索人工智能技術(shù)在現(xiàn)金流預(yù)測(cè)中的應(yīng)用，同時(shí)結(jié)合ESG因素對(duì)折現(xiàn)率的動(dòng)態(tài)影響進(jìn)行研究。伍陽(yáng)等[24]構(gòu)建了科技型企業(yè)股權(quán)融資影響因素與控制措施的完整框架。鄭征等[25]拓展Geske模型與二叉樹(shù)模型，解決了多階段投資估值問(wèn)題。朱偉民等[26融合用戶價(jià)值與二叉樹(shù)期權(quán)法，構(gòu)建并改進(jìn)了EVA模型。

傳統(tǒng)方法如張憲房等[2提到的成本法、市場(chǎng)法及被廣泛應(yīng)用的貼現(xiàn)現(xiàn)金流量法雖提供基礎(chǔ)框架，但劉洪久等[28]指出，DCF面臨未來(lái)現(xiàn)金流預(yù)測(cè)主觀性強(qiáng)、忽略管理靈活性等局限。宋云等[29]研究表明，實(shí)物期權(quán)法在溢價(jià)的計(jì)量方面優(yōu)于現(xiàn)金流折現(xiàn)法，但并未充分研究折價(jià)的計(jì)量方法。張啟利[30]在對(duì)初創(chuàng)企業(yè)估值進(jìn)行研究時(shí)，發(fā)現(xiàn)優(yōu)先股的選擇會(huì)對(duì)市盈率等傳統(tǒng)估值方法產(chǎn)生影響，但未表明對(duì)DCF模型的估值是否有干擾。羅琰等[31運(yùn)用因子分析法將ESG引入風(fēng)險(xiǎn)系數(shù)中對(duì)DCF估值進(jìn)行調(diào)整，這一做法也為本文提供新的范例。齊軍燕[2]則指出，現(xiàn)金流分析具有強(qiáng)大作用，尤其在DCF模型中決定著模型使用精確與否。

由于本文選取公司并非溢價(jià)類公司，因此采取DCF模型進(jìn)行估值計(jì)算。

2 理論基礎(chǔ)

2.1與人工智能相關(guān)的理論基礎(chǔ)

機(jī)器學(xué)習(xí)，是一種讓計(jì)算機(jī)具備學(xué)習(xí)能力的技術(shù)，通過(guò)使計(jì)算機(jī)從數(shù)據(jù)中學(xué)習(xí)模式和規(guī)律，實(shí)現(xiàn)自主掌握和提高性能的過(guò)程。機(jī)器學(xué)習(xí)是指監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等一些不同的方法。深度學(xué)習(xí)也是機(jī)器學(xué)習(xí)的一種方法，通過(guò)多層神經(jīng)網(wǎng)絡(luò)模擬人腦的工作原理，實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)的學(xué)習(xí)和分類[33]。

2.2與企業(yè)估值相關(guān)的理論基礎(chǔ)

財(cái)務(wù)報(bào)表分析是企業(yè)估值的基礎(chǔ)，是對(duì)企業(yè)財(cái)務(wù)狀況和經(jīng)營(yíng)績(jī)效的全面分析。關(guān)鍵的財(cái)務(wù)指標(biāo)包括盈利能力、財(cái)務(wù)結(jié)構(gòu)、償債能力、運(yùn)營(yíng)效率等，其可以通過(guò)對(duì)資產(chǎn)負(fù)債表、利潤(rùn)表和現(xiàn)金流量表的分析來(lái)評(píng)估企業(yè)的價(jià)值。DCF方法是企業(yè)估值中最常用的方法之一，通過(guò)預(yù)測(cè)企業(yè)未來(lái)的現(xiàn)金流入，然后將這些現(xiàn)金流量貼現(xiàn)至現(xiàn)值，得出企業(yè)的內(nèi)在價(jià)值。現(xiàn)金流折現(xiàn)法包括企業(yè)自由現(xiàn)金流模型（FCFF）、股權(quán)自由現(xiàn)金流模型（FCFE）、股利貼現(xiàn)模型（DDM）等具體模型。禹佳君[34]研究指出，這種方法強(qiáng)調(diào)企業(yè)未來(lái)的盈利能力和現(xiàn)金流量，企業(yè)實(shí)體現(xiàn)金流量的計(jì)算影響結(jié)果的準(zhǔn)確性。FCFF是DCF的一種實(shí)現(xiàn)形式，湯春玲等[35]指出，F(xiàn)CFF能夠反映企業(yè)自身的經(jīng)營(yíng)性資產(chǎn)價(jià)值，是企業(yè)價(jià)值評(píng)估的核心方法。

3研究設(shè)計(jì)與實(shí)施

3.1 公司基本面分析

云從科技集團(tuán)股份有限公司（下簡(jiǎn)稱云從科技）于2015年成立，經(jīng)營(yíng)范圍包括計(jì)算機(jī)系統(tǒng)服務(wù)、人工智能行業(yè)應(yīng)用系統(tǒng)集成服務(wù)、人工智能通用應(yīng)用系統(tǒng)、人工智能基礎(chǔ)資源與技術(shù)平臺(tái)、人工智能公共數(shù)據(jù)平臺(tái)辦公設(shè)備租賃服務(wù)、技術(shù)進(jìn)出口、計(jì)算機(jī)信息系統(tǒng)安全專用產(chǎn)品銷售等。本節(jié)對(duì)云從科技的償債能力、盈利能力進(jìn)行分析，為DCF模型的使用提供數(shù)據(jù)基礎(chǔ)。本文數(shù)據(jù)來(lái)源于CSMAR國(guó)泰安數(shù)據(jù)庫(kù)。

首先是對(duì)公司的償債能力進(jìn)行分析，公司的償債能力可以分為短期償債能力和長(zhǎng)期償債能力，對(duì)于償債能力的分析主要包括對(duì)公司流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債比率以及產(chǎn)權(quán)比率的分析。

一般情況下，流動(dòng)比率與企業(yè)的短期償債能力正向關(guān)聯(lián)，短期償債能力在該比率達(dá)到2時(shí)最好。從表1可知，云從科技的流動(dòng)比率近年來(lái)均大于2，表明該公司短期償還債務(wù)能力較強(qiáng)，但即便如此仍需保持足夠的流動(dòng)資金以應(yīng)付償債需求。總體看來(lái)，云從科技的速動(dòng)比率自2022年來(lái)均大于1，這也表明該企業(yè)也具有良好的短期償債能力。但是 2022-2025 年云從科技面臨著速動(dòng)比率持續(xù)降低的情況，雖仍保持在良好水平，但此現(xiàn)象表明公司流動(dòng)資產(chǎn)存在不利變動(dòng)。

產(chǎn)權(quán)比率則體現(xiàn)企業(yè)財(cái)務(wù)成分是否穩(wěn)定，該比率越低則企業(yè)自有資本比重占總資產(chǎn)份額越大，企業(yè)償債能力越強(qiáng)。云從科技的產(chǎn)權(quán)比率數(shù)值自2022年來(lái)均保持在較低水平但是總體呈現(xiàn)上升趨勢(shì)，反映了其長(zhǎng)期償債能力較強(qiáng)，雖自有資本比重較大但存在長(zhǎng)期償債能力總體呈現(xiàn)下降的趨勢(shì)。

資產(chǎn)負(fù)債率則是評(píng)價(jià)公司負(fù)債水平的綜合指標(biāo)。云從科技資產(chǎn)負(fù)債率在2022年后維持在 44%～60% 之間，該比率看似較高，但進(jìn)一步觀察該公司資產(chǎn)負(fù)債表發(fā)現(xiàn)大部分的負(fù)債來(lái)源于短期借款，即其負(fù)債的大部分來(lái)自對(duì)企業(yè)運(yùn)營(yíng)和科技創(chuàng)新的投入，說(shuō)明企業(yè)在產(chǎn)品和開(kāi)發(fā)上投入大量資金。通過(guò)分析上述指標(biāo)可以看出，云從科技的短期償債能力與長(zhǎng)期償債能力水平良好，其中短期償債能力優(yōu)于長(zhǎng)期償債能力。

其次對(duì)公司的盈利能力進(jìn)行分析。盈利能力即企業(yè)在盈利方面的能力，也可表述為企業(yè)的資金或資本的增值能力，一般是指一定時(shí)期內(nèi)企業(yè)收益數(shù)額的多少及其水平的高低，能夠集中表現(xiàn)企業(yè)的經(jīng)營(yíng)與管理能力，也是企業(yè)持續(xù)發(fā)展能力的重要考量因素。

觀察發(fā)現(xiàn)云從科技的盈利狀況長(zhǎng)期處于負(fù)值。受到宏觀經(jīng)濟(jì)增速放緩以及市場(chǎng)競(jìng)爭(zhēng)格局加劇等影響，該企業(yè)營(yíng)業(yè)收入減少，同時(shí)研發(fā)投入又大幅增加，大量的研發(fā)投入將增加公司經(jīng)營(yíng)成本的壓力；同一時(shí)期企業(yè)縮小其智慧治理、智慧金融等領(lǐng)域的業(yè)務(wù)規(guī)模，導(dǎo)致?tīng)I(yíng)業(yè)收入不斷下滑；同期政府補(bǔ)助也同比減少，訂單交付延期以及新訂單收入金額不及預(yù)期等諸多原因?qū)е缕髽I(yè)凈利潤(rùn)遠(yuǎn)低于負(fù)值。截至2025年3月31日，公司營(yíng)業(yè)凈利率仍然遠(yuǎn)低于正值（表2）。

表2云從科技盈利能力指標(biāo)

3.2基于DCF模型的公司市值評(píng)估

本節(jié)將采用較復(fù)雜的DCF法進(jìn)行估值。以2022一2024年作為基期，其中2024年為基期最后一期；詳細(xì)預(yù)測(cè)期確定為3年，將 2025-2027 年確定為詳細(xì)預(yù)測(cè)期，將2028年及以后年度確定為永續(xù)期。由于云從科技的財(cái)務(wù)狀況仍然不穩(wěn)定，但營(yíng)業(yè)收入并非為直線下降趨勢(shì)，并且人工智能大環(huán)境趨向利好，因此預(yù)測(cè)在2025一2027年之間，該企業(yè)將以近3年增長(zhǎng)率的算術(shù)平均值水平增長(zhǎng)。2028年及以后，采取相同增長(zhǎng)率，由于該企業(yè)過(guò)去幾年并未盈利，因此永續(xù)增長(zhǎng)率采取略低的行業(yè)下限數(shù)值，即 2.9% 。

3.2.1 必要指標(biāo)分析與預(yù)測(cè)

如表3所示，企業(yè)的營(yíng)業(yè)收入波動(dòng)較大。2024年增長(zhǎng)率波動(dòng)太大，因此本文選擇2023年的增長(zhǎng)率，即19.33% 作為 2025-2027 年的增長(zhǎng)率較為合適。

如表4所示，從整體來(lái)說(shuō)，營(yíng)業(yè)成本與營(yíng)業(yè)收入的比例較為平穩(wěn)，但是公司營(yíng)收能力并不強(qiáng)，且仍然呈現(xiàn)下降趨勢(shì)，因此將營(yíng)業(yè)收入近年增長(zhǎng)率平均值作為依據(jù)，預(yù)測(cè)2025一2027年的營(yíng)業(yè)成本和營(yíng)業(yè)收入，即一 8.7% 。

接下來(lái)，對(duì)稅金及附加和各項(xiàng)期間費(fèi)用進(jìn)行預(yù)測(cè)，通過(guò)CSMAR的數(shù)據(jù)，營(yíng)業(yè)收入預(yù)測(cè)增長(zhǎng)率已確定為-8.7% ，根據(jù)表6、表7得出，稅金及附加增長(zhǎng)率本文采用近兩年的算術(shù)平均值，得到為 -6.90% ，銷售費(fèi)用增長(zhǎng)率同樣得到為 -19.52% ，管理費(fèi)用預(yù)測(cè)增長(zhǎng)率為-17.46% ，研發(fā)費(fèi)用增長(zhǎng)率為 -8.11% ，財(cái)務(wù)費(fèi)用增長(zhǎng)率為 154.66% 。用上述預(yù)測(cè)值進(jìn)行 2025-2027 年各項(xiàng)費(fèi)用估算，如表8所示。

在前文數(shù)據(jù)的基礎(chǔ)上還需得到預(yù)測(cè)期的所得稅費(fèi)用，如表9所示，所得稅費(fèi)用增長(zhǎng)率波動(dòng)過(guò)大，并且鑒于國(guó)家目前對(duì)人工智能行業(yè)的政策支持以及公司自身情況， 2025-2027 年所得稅費(fèi)用的預(yù)測(cè)值仍然沿用2024年的數(shù)據(jù)，即一0.03億元。

接下來(lái)對(duì)企業(yè)未來(lái)3年的凈利潤(rùn)進(jìn)行預(yù)測(cè)。

從表10得到企業(yè)的凈利潤(rùn)估測(cè)值為負(fù)數(shù)，根據(jù)企業(yè)報(bào)表顯示企業(yè)折舊與攤銷近3年大致相抵，即會(huì)計(jì)期內(nèi)折舊與攤銷凈值接近0，因此此處為簡(jiǎn)化該模型，暫不考慮折舊與攤銷費(fèi)用以及資本性支出，將凈利潤(rùn)預(yù)測(cè)值作為企業(yè)將來(lái)的預(yù)測(cè)自由現(xiàn)金流（表11）。

3.2.2 折現(xiàn)率的確定

自由現(xiàn)金流折現(xiàn)方法關(guān)鍵在于折現(xiàn)率的確定。企業(yè)總價(jià)值采用加權(quán)平均資本成本（WACC）進(jìn)行折現(xiàn)。加權(quán)平均資本成本計(jì)算公式如下：

其中： Re 代表股權(quán)資本成本； E/（D+E） 代表權(quán)益資本占總資本之比； Rd 代表債權(quán)資本成本； D/（D+E） 代表債權(quán)資本占總資本之比； Ψ_tΨ_t 代表所得稅率。

得出云從科技的資本結(jié)構(gòu)，如表12所示。

通過(guò)2024年的每股價(jià)格與流通股股數(shù)的乘積得到權(quán)益資本，根據(jù)企業(yè)總負(fù)債獲得企業(yè)的債權(quán)資本，將10.04% 與 89.96% 作為計(jì)算WACC的依據(jù)。

應(yīng)用CAPM模型，計(jì)算股權(quán)資本成本，本文用10年期國(guó)債收益率作為無(wú)風(fēng)險(xiǎn)收益率 R_f ，經(jīng)查詢得知2024年12月最后一交易日收益率為 1.677 4% ，市場(chǎng)收益率Rm 采用主流指數(shù)收益率的算術(shù)平均值，如表13所示。

通過(guò)計(jì)算得出 Rm=1.80% 。最后需要確定的是系統(tǒng)性風(fēng)險(xiǎn) β ，通過(guò)CSMAR網(wǎng)得到初始值為0.7975，通過(guò)計(jì)算得到 Re=1.6774%+0.7975×（1.80%- 1.677 4%）=1.78% 。債權(quán)資本成本即需要支付給債權(quán)人的金額，從企業(yè)財(cái)務(wù)報(bào)表中得到企業(yè)大多債務(wù)為短期債務(wù)，因此本文采用1年期LPR 3.45% 為Rd，最終可以計(jì)算得到WACC的值。

WACC=3.45%×（1-0.31%）×10.04%+1.78% ×89.96%=1.95% ，因此在對(duì)企業(yè)進(jìn)行估值時(shí)，將1.95% 作為加權(quán)平均資本成本。

3.2.3估算永續(xù)期企業(yè)價(jià)值

確定了以WACC為估值所用的折現(xiàn)率以后，再進(jìn)行公司估值，估值公式如下：

其中： P 為公司估值；WACC為加權(quán)資本成本； g 為永續(xù)增長(zhǎng)率；根據(jù)前文 g=2.9% FCFF_?t 為第 Ψ_t 年的預(yù)測(cè)自由現(xiàn)金流； n 為觀測(cè)期。得出詳細(xì)期內(nèi)企業(yè)價(jià)值預(yù)測(cè)（表14）。

因此，永續(xù)期第一年即2028年的自由現(xiàn)金流FCFF₂₀₂₈=FCFF₂₀₂₇×（1+g）=-1.37×1.029= -1.409 7 億元。下一步計(jì)算2027年底價(jià)值：

即Terminal 億元。折算因子 1.019 5×1.019 5×1.019 5=1.059 6 ，則永續(xù)期現(xiàn)值為140.04億元。

企業(yè)估值 Σ= 詳細(xì)預(yù)測(cè)期現(xiàn)值 + 永續(xù)期現(xiàn)值 O= -10.06+140.04=129.98 億元。

3.3 估值模型修正

前文已得出企業(yè)估值結(jié)果，但是該方式采取的永續(xù)增長(zhǎng)率大于WACC，這一情況與該理論的前提相沖突，因此本節(jié)對(duì)永續(xù)增長(zhǎng)率即 g 的取值采取動(dòng)態(tài)化處理，采用三階段增長(zhǎng)模型進(jìn)行二次估值。永續(xù)增長(zhǎng)率取值如表15所示。

在高速增長(zhǎng)期，即 2028-2029 年，企業(yè)FCFE計(jì)算公式為：

FCFE_t=FCFE₂₀₂₇×（1+g_????）^t（t=1，2，3）

在過(guò)度遞減期，即 2030-2034 年，企業(yè) g_t 的計(jì)算公式為：

在永續(xù)穩(wěn)定期，企業(yè)價(jià)值的計(jì)算采用戈登增長(zhǎng)模型，永續(xù)增長(zhǎng)率取 1.20% ，最終企業(yè)估值 高速期現(xiàn)值+ 過(guò)渡期現(xiàn)值 + 永續(xù)期現(xiàn)值。因此估值結(jié)果如表16所示。

因此，根據(jù)修正后的模型得到企業(yè)估值為123.98億元。該結(jié)果比采用固定永續(xù)增長(zhǎng)率計(jì)算所得的估值結(jié)果更符合實(shí)際情況，因?yàn)樵谟览m(xù)期內(nèi)，市場(chǎng)環(huán)境、公司經(jīng)營(yíng)狀況以及其他不確定因素的存在，都會(huì)導(dǎo)致永續(xù)增長(zhǎng)率發(fā)生變化，同時(shí)采用三階段模型的永續(xù)增長(zhǎng)率符合WACC與DCF方法的理論前提，更加嚴(yán)謹(jǐn)。

4估值結(jié)果與分析

運(yùn)用現(xiàn)金流量貼現(xiàn)法并通過(guò)三階段模型進(jìn)行修正后計(jì)算得到的企業(yè)價(jià)為123.98億元，和市值124.75億元僅有 0.62% 的偏差，因此該估值結(jié)果顯示公司的市值具有參考價(jià)值，同時(shí)也說(shuō)明該方法適用于該企業(yè)估值[36]。

就估值結(jié)果而言，DCF法所得出的估值結(jié)果適用于長(zhǎng)期營(yíng)業(yè)凈收入為負(fù)值的企業(yè)，但是在估算過(guò)程中需要把握永續(xù)增長(zhǎng)率的選擇，在研究過(guò)程中發(fā)現(xiàn)企業(yè)的估值結(jié)果對(duì)永續(xù)增長(zhǎng)率具有高度敏感性，因此在運(yùn)用DCF模型時(shí)要采取合適的永續(xù)增長(zhǎng)率，必要時(shí)需要通過(guò)多階段模型進(jìn)行修正。

5 結(jié)論與啟示

5.1 研究結(jié)論

本文通過(guò)構(gòu)建業(yè)務(wù)數(shù)據(jù)融合的DCF估值模型，并結(jié)合三階段模型進(jìn)行修改，揭示了人工智能企業(yè)價(jià)值創(chuàng)造的一個(gè)核心規(guī)律，即DCF模型的精準(zhǔn)性驗(yàn)證：基于云從科技的研究結(jié)果，優(yōu)化后的DCF模型估值（123.98億元）與市場(chǎng)實(shí)際值（124.75億元）偏差率僅 0.62% ，這一結(jié)果精確度較高，適用于該企業(yè)的市值估算[39]。這表明在研發(fā)投入前置、盈利滯后的AI企業(yè)中，現(xiàn)金流折現(xiàn)模型能夠有效捕捉技術(shù)轉(zhuǎn)化周期的動(dòng)態(tài)價(jià)值。本文通過(guò)三階段模型修正永續(xù)增長(zhǎng)率的選擇，解決了傳統(tǒng)DCF在技術(shù)突變行業(yè)中的參數(shù)剛性缺陷，為輕資產(chǎn)科技企業(yè)估值提供可擴(kuò)展框架。在用DCF模型進(jìn)行企業(yè)估值的過(guò)程中發(fā)現(xiàn)，企業(yè)由于技術(shù)迭代的硬性需求導(dǎo)致資產(chǎn)負(fù)債表與現(xiàn)金流量表處于較為危險(xiǎn)的狀態(tài)，若長(zhǎng)期保持高投入低產(chǎn)出的狀態(tài)，企業(yè)現(xiàn)金流將會(huì)面臨失去參考性的風(fēng)險(xiǎn)，因此企業(yè)應(yīng)該至少保持一定的凈營(yíng)業(yè)收入水平，否則將失去估值意義。

5.2 管理啟示

首先，云從科技屬于人工智能行業(yè)企業(yè)，存在高研發(fā)成本投入與產(chǎn)出延時(shí)的特點(diǎn)，因此企業(yè)在選擇融資渠道時(shí)應(yīng)優(yōu)先選擇知識(shí)產(chǎn)權(quán)類ABS產(chǎn)品，將企業(yè)高成本投入且初見(jiàn)成效的專利和用戶資產(chǎn)等無(wú)形資產(chǎn)證券化，使輕資產(chǎn)價(jià)值得以實(shí)現(xiàn)并且助力企業(yè)長(zhǎng)期發(fā)展。同時(shí)在招商引資時(shí)強(qiáng)調(diào)長(zhǎng)期價(jià)值指標(biāo)如用戶增長(zhǎng)和技術(shù)迭代速度等，此類指標(biāo)較能體現(xiàn)科技類企業(yè)行業(yè)影響力，而非聚焦于短期盈利指標(biāo)。

其次，企業(yè)應(yīng)強(qiáng)化財(cái)務(wù)風(fēng)險(xiǎn)防控與研發(fā)效率管理。對(duì)于營(yíng)業(yè)成本過(guò)高的問(wèn)題，可以通過(guò)與硬件廠商聯(lián)合研發(fā)的供應(yīng)鏈協(xié)同或研發(fā)平臺(tái)共享、費(fèi)用分?jǐn)偟确绞椒制跀備N營(yíng)業(yè)成本，并且在一定程度上降低營(yíng)業(yè)總成本，從而達(dá)到提高凈利潤(rùn)并且提升技術(shù)部門研發(fā)效率的目的。為了提高企業(yè)償債能力的可持續(xù)性，企業(yè)可以適度增加長(zhǎng)期債務(wù)，減少短期債務(wù)以優(yōu)化資本結(jié)構(gòu)。近年來(lái)企業(yè)短期債務(wù)比率居高不下，使企業(yè)的短期償債能力受到嚴(yán)重影響，這也進(jìn)一步影響企業(yè)中長(zhǎng)期的招商引資能力，因此優(yōu)化企業(yè)的資本結(jié)構(gòu)是一個(gè)亟待解決的問(wèn)題。企業(yè)可以通過(guò)拓展信用保險(xiǎn)與政府擔(dān)保等方式進(jìn)一步提高抵抗風(fēng)險(xiǎn)的能力。

最后，企業(yè)內(nèi)部不同部門之間應(yīng)相互協(xié)作以提高企業(yè)運(yùn)營(yíng)效益和降低營(yíng)運(yùn)成本，例如財(cái)務(wù)部門可以實(shí)施抵稅條例，以研發(fā)收益抵扣所得稅款來(lái)提高研發(fā)積極性，從而降低資金閑置的比例，并且調(diào)動(dòng)部門研發(fā)積極性，提高企業(yè)的核心競(jìng)爭(zhēng)力和產(chǎn)品獨(dú)立性，通過(guò)正向效益循環(huán)促進(jìn)企業(yè)長(zhǎng)期穩(wěn)定健康發(fā)展。

參考文獻(xiàn)：

[1]中國(guó)金融新聞網(wǎng).科創(chuàng)板開(kāi)市五周年：擁抱“硬科技”改革再出發(fā)[EB/OL].（2024-07-23）[2025-06-07].https：//www.financialnews.com.cn/2024-07/23/content_404905.html.

[2]陳鏞配.DCF模型在不同利率環(huán)境下的適用性研究[J].國(guó)際商務(wù)財(cái)會(huì)，2022（14）：22-25.

[3]FISHER I.The nature of capital and income[M].NewYork：The Macmillan Company，1906.

[4]WILLIAMS JB.The theory of investment value[M].Cambridge：Harvard University Press，1938.

[5]MODIGLIANI F，MILLER M H. The cost of capital，corporation finance and the theory of investment[J].TheAmerican Economic Review，1958，48（3）：261-297.

[6]DAMODARAN A. Investment valuation：tools and techniquesfordetermining the value of any asset[M].2nd ed.Hoboken：Wiley，2003.

[7]肖欣榮，王玉，王鐸.創(chuàng)新型企業(yè)估值體系研究—以特斯拉估值實(shí)踐（2013-2023）為例[J].會(huì)計(jì)研究，2023（11）：3-16.

[8]王治，李馨嵐.互聯(lián)網(wǎng)企業(yè)價(jià)值評(píng)估模型比較研究[J].財(cái)務(wù)與會(huì)計(jì)，2021，42（5）：75-82.

[9]陳琪仁，王天韻，歐陽(yáng)汝佳.成長(zhǎng)型企業(yè)估值模型研究——以新三板為例[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2020（9）：55-69.

[10]權(quán)忠光，阮詠華，葉陳剛，等.基于Schwartz-Moon模型的大數(shù)據(jù)企業(yè)價(jià)值評(píng)估及其影響因素研究[J].中國(guó)注冊(cè)會(huì)計(jì)師，2022（11）：53-58.

[11]慕慧娟，張旭，王晨旭.退出倍數(shù)法在科技型企業(yè)估值中的應(yīng)用與改進(jìn)—以半導(dǎo)體企業(yè)紫光國(guó)微為例[J].科技管理研究，2023，43（13）：48-56.

[12]BUGHINJ，HAZANE，RAMASWAMY S，et al. Ar-tificial intelligence：the next digital frontier？[R].NY：McKinsey Global Institute，2017.

[13]李健斌，周浩.人工智能、資本-技能互補(bǔ)與企業(yè)全要素生產(chǎn)率[J].經(jīng)濟(jì)研究，2025（1）：20-36.

[14]王原，陳志斌.人工智能可供性對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響[J].西南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2025，46（1）：104-114.

[15]田慧敏，李海林，周文浩，等.人工智能應(yīng)用程度對(duì)企業(yè)數(shù)字技術(shù)創(chuàng)新的影響研究[J/OL].當(dāng)代財(cái)經(jīng)，1-15[2025-06-17].https：//doi.org/10.13676/j.cnki.cn36-

1030/f.20241225.002.

16]吳偉偉，周佳璇，劉業(yè)鑫.首席執(zhí)行官（CEO）權(quán)力作用下人工智能對(duì)企業(yè)研發(fā)投入的影響機(jī)制[J.科技管理研究，2025，45（5）：117-128.

17]寧楠，惠寧.人工智能與制造企業(yè)創(chuàng)新：理論邏輯與實(shí)證檢驗(yàn)[J].經(jīng)濟(jì)體制改革，2025（1）：120-126.

18] JENSEN M C. Agency costs of free cash flow，cor-porate finance，and takeovers[J].The American Eco-nomicReview，1986，76（2）：323-329.

19]ZHANG G.Accounting information，capital investment deci-sions，and equity valuation：theory and empirical implications[J].Journal of Accounting Research，200o，38（2）：271-295.

20]吳洪英.自由現(xiàn)金流量貼現(xiàn)法在美國(guó)A集團(tuán)并購(gòu)估值中的運(yùn)用[D].廈門：廈門大學(xué)，2018.

21]龔凱頌.論估值模型的邏輯與演化[J].財(cái)會(huì)月刊，

2021（9）：37-40.

22馮軍.企業(yè)價(jià)值評(píng)估中折現(xiàn)率確定方法的綜述[J].江蘇科技信息，2011（4）：10-11，32.

23]任翠玉.我國(guó)資本成本研究綜述及未來(lái)展望[J].財(cái)會(huì)月刊，2012（12）：76-78.

24]伍陽(yáng)，伍丹.科技型企業(yè)股權(quán)融資及退出機(jī)制研究[J].經(jīng)濟(jì)師，2025（4）：16-17.

25]鄭征，朱武祥.運(yùn)用復(fù)合實(shí)物期權(quán)方法研究初創(chuàng)企業(yè)的估值[J].投資研究，2017，36（4）：118-135.

26]朱偉民，姜夢(mèng)柯，趙梅，等.互聯(lián)網(wǎng)企業(yè)EVA估值模型改進(jìn)研究[J].財(cái)會(huì)月刊，2019（24）：90-99.

27]張憲房，張新華，王琳.產(chǎn)權(quán)交易中企業(yè)價(jià)值評(píng)估方法研究[J].當(dāng)代經(jīng)濟(jì)，2009（20）：138-139.

28]劉洪久，胡彥蓉，吳沖.貼現(xiàn)現(xiàn)金流量法在并購(gòu)價(jià)值評(píng)估中的缺陷與改進(jìn)[J].財(cái)會(huì)月刊，2010（15）：59-61.

29]宋云，王琳.企業(yè)并購(gòu)定價(jià)中溢價(jià)的計(jì)量與分配研究[J].經(jīng)濟(jì)與管理研究，2009（6）：123-128.

30張啟利.復(fù)雜資本結(jié)構(gòu)對(duì)初創(chuàng)企業(yè)估值的影響分析[J].中國(guó)資產(chǎn)評(píng)估，2025（4）：4-13.

31]羅琰，楊蒂薪，豐旭含.嵌入ESG的中國(guó)特色估值體系研究—以中石油為例[J].會(huì)計(jì)之友，2025（3）：57-64.

32]齊軍燕.現(xiàn)金流分析對(duì)企業(yè)的影響研究[J].中國(guó)科技投資，2025（2）：70-72.

33]李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].2版.北京：清華大學(xué)出版社，2019.

34]禹佳君.企業(yè)價(jià)值評(píng)估貼現(xiàn)流量模型中實(shí)體自由現(xiàn)金流量的相關(guān)問(wèn)題研究[J].時(shí)代金融，2016（21）：148，157.

35]湯春玲，廖嘉璐，葛子豪，等.基于改進(jìn)收益法估值模型的周期性行業(yè)公司估值研究[J].財(cái)經(jīng)理論與實(shí)踐，

2023，44（3）：73-81.

36葉小杰，李翊.科創(chuàng)板創(chuàng)新藥企業(yè)估值分析——以微芯生物為例[J].財(cái)務(wù)與會(huì)計(jì)，2020（20）：51-54.

（責(zé)任編輯：周媛）