软银突然盯上传统企业：AI最赚钱的生意，可能不是卖AI

来源：市场资讯

（来源：藏金洞）

一家AI创业公司，估值几十亿美元，可能还没有稳定利润。

另一家传统企业，每年赚3000万元，业务成熟、客户稳定，但增长缓慢。

如果你有一笔钱，准备押注AI时代，应该买哪一家？

过去几年，资本市场的答案往往是第一家。

但现在，一种不同的投资逻辑正在浮现：

与其花高价买一家AI公司，不如收购一家有客户、有现金流的传统企业，再用AI把利润做出来。

10月9日，《金融时报》报道，软银正在寻求从海湾投资者处募集最多1000亿美元，支持新一轮AI投资计划。

路透社转述称，相关资金可能用于设立新基金，收购企业，并通过AI等技术改善其经营表现。

必须强调：这还是媒体报道的筹资设想，不是已经募集完成的基金，更不是已落地的并购项目。

但它提出了一个值得所有产业资本认真研究的问题：

AI最大的投资机会，是否正在从“投资技术”，转向“用技术重做企业”？

PART 01

为什么AI创业公司越来越贵，传统企业反而可能更有改造价值？

传统VC投资AI创业公司，主要买未来增长。

模型能力、团队、技术壁垒、用户增长、市场份额，都可能成为估值依据。

但这些东西有一个共同问题：未来利润尚未完全兑现。

企业估值越高，投资人越需要相信未来增长。

传统企业则不同。

一家制造业服务商、行业软件公司或专业服务企业，可能没有漂亮的AI故事，却拥有真实客户、长期合同、稳定收入和成熟的交付体系。

它的问题可能是人工成本高、交付效率低、销售依赖人、管理系统割裂。

而这些，恰恰是AI有机会改善的环节。

于是出现第一个反常识：

AI时代最值得投资的企业，不一定是最会做AI的企业，也可能是最适合被AI改造的企业。

当然，“适合改造”不等于“改造一定成功”。

真正有价值的，是能够用财务数据证明的效率提升。

PART 02

AI改造到底能多赚多少钱？

举一个纯粹用于演示的模型。

假设一家行业服务公司：

年收入2亿元，净利润2000万元，净利率10%。

公司有稳定客户，但大量工作依靠人工完成，包括客户服务、文档处理、订单审核和项目交付。

收购方引入AI后，希望实现三个目标。

第一，降低重复性工作的人工成本。

第二，让现有团队承接更多客户，提高人均产出。

第三，在原有客户基础上增加AI服务收费。

假设改造后，企业每年节约运营成本800万元，新增毛利500万元，同时新增AI运行、系统集成和运维费用400万元。

那么，在其他因素不变、暂不考虑税收差异的简化假设下，年度利润增量约为900万元。

原来赚2000万元，现在有机会赚2900万元。

利润增长45%。

注意，这不是任何真实项目的预测，而是一套用于理解并购收益的情景模型。

关键不在于45%这个数字。

关键在于：买方有没有能力把这900万元从PPT变成真实现金流。

如果客户不接受AI交付、系统集成成本超支、人工复核无法减少，预期利润就可能落空。

所以，AI改造型并购首先是一门经营生意，其次才是一门资本生意。

PART 03

买方真正购买的是什么？

很多人以为，AI并购就是收购一家AI公司。

其实，AI改造型并购可能恰好相反。

买方收购的是传统企业。

AI技术是收购完成后的价值创造工具。

这里的资产可以拆成四部分。

第一，客户关系

客户已经存在，合同已经签署，销售渠道不需要从零建立。

第二，业务流程

企业知道客户需要什么，也知道交付环节哪里最耗费人力。

第三，行业数据

长期积累的业务记录、设备数据、服务案例和操作经验，可能帮助AI系统提高实际可用性。

第四，经营现金流

如果企业本身能够持续赚钱，收购方就不必完全依赖下一轮融资维持运营。

这四部分加起来，构成AI改造的商业基础。

AI是效率工具，客户关系和经营现金流才是利润落地的土壤。

这也解释了为什么一些技术并不领先的传统企业，反而可能成为有吸引力的收购标的。

PART 04

为什么不能把未来AI利润全部提前付给卖方？

假设这家企业原有可持续净利润2000万元。

买方认可10倍PE，基础股权估值为2亿元。

卖方却说：

“你不是要用AI改造吗？以后利润可能达到2900万元，那应该按2.9亿元估值买我。”

这个要求听起来有道理，但忽略了一个问题。

新增900万元利润，并不是企业在交易前已经创造的。

它可能需要买方投入技术、资金、人才、渠道和管理资源。

如果买方在交割时就把未来增量全部付给卖方，相当于自己承担改造风险，却提前支付了改造成功的全部收益。

因此，我更倾向于将交易价格分成三层。

第一层：存量业务价值

根据经过核验的可持续利润、现金流、资产负债和经营风险定价。

第二层：AI改造价值

只有实际完成效率提升、毛利改善或收入增长后，才按约定分配增量收益。

第三层：产业协同价值

如果买方带来新客户、供应链资源或跨企业销售机会，应根据双方贡献安排收益分配。

交易结构可以采用分期付款、保留少数股权、业绩里程碑和管理团队激励。

但必须避免双重计算。

卖方已经通过保留股权分享了利润增长，就不能在没有约束的情况下，对同一增量再次领取全部奖励。

好的交易结构不是让卖方接受低价。

而是让双方把未来价值创造的风险和收益分配清楚。

PART 05

AI改造型并购最容易踩的三个坑

第一个坑：只看节省多少人工，不看完整改造成本

模型调用、数据治理、系统集成、权限控制、人工复核、持续维护，全部都是成本。

如果原来节省500万元人工，却新增600万元技术和管理费用，企业并没有创造价值。

第二个坑：把一次性项目收入当成经常性收入

AI项目上线时，企业可能获得一笔实施费。

但资本市场更关心客户会不会续费、使用量能否持续、每新增一个客户需要多少交付人员。

如果收入增长必须依靠实施团队同步扩张，利润率未必能够改善。

第三个坑：以为买下企业就等于买下客户关系

不少传统企业高度依赖创始人。

老板一走，客户可能跟着走。

因此，客户留存、核心团队激励、关键合同控制权，可能比AI模型选型更重要。

并购最贵的错误，不是买贵了技术，而是买完才发现客户和利润都带不走。

PART 06

未来哪些行业更值得研究？

我认为有三类方向值得优先筛选。

一类是高重复劳动密度的专业服务企业

例如财税处理、合规文档、保险运营、部分企业后台服务。

第二类是拥有大量存量客户的垂直软件和行业服务公司

这类企业可以通过AI升级现有产品，争取提高客单价、续费率和交付效率。

第三类是业务流程标准化程度较高的制造业配套服务企业

例如工业检测、设备维护、供应链单据处理、售后服务。

但这里要区分两件事。

某个行业适合AI，不代表这个行业的所有企业都值得收购。

真正适合并购的标的，至少应具备稳定客户、可核验利润、相对标准化流程，以及可控的改造成本。

对于高度依赖创始人、客户极度集中、回款差、项目定制化严重的企业，即使AI故事很好听，也应该谨慎。

PART 07

未来12—36个月，产业资本应该怎么做？

如果我是产业基金或上市公司投资负责人，不会一上来就设立一个很大的AI并购基金。

我会先做三件事。

第一，建立行业标的池

重点筛选客户稳定、现金流尚可、流程可标准化，但经营效率存在改善空间的企业。

第二，先做小规模AI改造试点

在正式控股前，尽可能通过合作、少数股权投资或限定范围的技术试点，验证实际ROI。

第三，把交易结构和改造计划同时设计

收购协议里，不仅写估值和付款安排，还应写清关键团队、数据使用权、系统整合、业绩核算和退出机制。

如果试点证明不了真实利润改善，就不应仅凭“AI赋能”四个字提高收购价格。

从退出路径看，成功整合的平台未来可能通过继续并购、引入产业投资人、出售给战略买方或资本市场上市实现价值兑现。

但这些只是可研究的路径，不是必然结果。

尤其不能把未来IPO估值当作今天支付高价的唯一依据。

乐总说透了

回到软银这则报道。

它能证明什么？

至少说明，国际资本正在讨论一种值得关注的AI投资路径：不仅投资AI技术公司，也尝试通过收购企业和技术改造创造价值。

它不能证明什么？

不能证明1000亿美元已经募齐，不能证明软银已经完成这类收购，更不能证明AI改造型并购一定有超额回报。

我的判断是：

未来AI产业资本可能出现两种截然不同的赚钱方式。

一种是投资最先进的AI技术，等待技术公司成长。

另一种是利用越来越普及的AI技术，重新经营已经拥有客户和现金流的企业。

前者押注技术领先。

后者押注经营能力。

而对大量上市公司、产业基金和传统企业家而言，第二种路径可能更接近自己已有的资源禀赋。

未来最有价值的AI并购平台，不一定拥有最强的模型，但一定要有把技术变成利润的能力。

资本最终要回答的，从来不是“用了多少AI”。

而是：

原来赚多少钱，改造后多赚多少钱，这些利润又能持续多少年。

这才是AI时代产业并购真正需要算清的一笔账。