AI企业集体赴港IPO背后：普遍亏损、估值膨胀、现金流紧张

2024-01-10 13:43:46 作者： 来源：证券时报网 浏览次数：0 网友评论 0 条

中华PE:

除此之外，还有20家科技企业正在排队处理中，这20家科技企业普遍面临亏损。“此前人工智能或数字化行业颇受投资人青睐，并催生一波估值泡沫，但在目前募投都不行的情况下，这些公司若再不上市融资补充弹药，很有可能面临资金枯竭局面，发展受限，背后的投资机构也有退出的压力。”澳银资本董事长熊钢向记者表示。

科技企业“流血”上市补充弹药

人工智能、数字化、云计算……这些都属于前沿科技的“代名词”，这些热门领域的企业在2023年度争先恐后赴港上市。

记者统计数据显示，2023年包括AI机器人“优必选”、智能辅助驾驶激光雷达第一股“速腾聚创”、自动驾驶“知行科技”、人工智能模型“第四范式”等一共13家科技企业在香港上市，占比18.5%，合计募资85.66亿港元，占比18.7%。

与此同时，AI智能驾驶芯片公司“黑芝麻智能”、AI语音公司“云知声”、生成式AI公司“出门问问”、交互式AI“声通科技”、AI推荐功能公司“宜搜科技”等多达20家AI公司密集向港交所递交上市申请，且均已通过聆讯，排队等候上市。

记者分析数据发现，这20家拟上市公司中以2022年度财报为基准，有16家为亏损，亏损金额在人民币10亿元以上的有1家，为黑芝麻智能（-27.54亿元），仅有4家实现微盈利。

由此可见，人工智能等科技公司集体赴港上市背后，普遍盈利欠佳，且长期处于亏损状态。

除此之外，这些涉及AI概念的人工智能公司的账面现金流普遍捉襟见肘，对于一个重研发的行业来说，账上现金流不充足是致命的，但也足见，为何这些公司急于港股上市。

比如黑芝麻智能招股书显示，2020年至2022年度，公司账面现金分别是2.44亿元、15.55亿元、9.82亿元，截至2023年4月底，账面现金8.83亿元，而公司的研发开支由2020年的2.55亿元增加至2021年度的5.95亿元、2022年度的7.64亿元。随着后续研发持续投入，公司目前账面现金流非常紧张。

熊钢在接受证券时报记者采访时表示，“在目前一级市场募资难的情况下，企业现金流不理想，通过上市融资是一种正常的商业考虑，但这要看二级市场是否买单。香港二级市场对科创企业还是比较谨慎的，融资难度较大。但融资的逻辑是没有卖不出去的产品，只有卖不出去的价格。这又涉及到另外一个问题，就是背后的投资机构可能会产生分歧，比如后面进去的机构是否会出现估值倒挂？这些都是要考虑的问题。”

膨胀的估值与商业化之间的博弈

在这些AI智能公司普遍“流血”上市背后是被资本吹捧起来的估值，他们的估值可以在几年时间内暴涨上百倍，他们背后也不乏明星创投机构，包括红杉中国、腾讯、北极光创投等。

2023年5月30日，港交所文件显示，由前谷歌公司自然语言科学家李志飞创立的人工智能公司“出门问问”递交招股书。招股书文件显示，出门问问成立于2012年，成立当年获得真格基金数百万元人民币天使轮融资。此后，红杉中国、海纳亚洲加码，公司接连完成A轮、B轮融资。2015年，出门问问获得Google注资，这是Google为数不多的投资之一。

完成C轮融资后，出门问问估值达到3亿美元。两年之后，出门问问获得大众汽车1.8亿美元D轮融资，成立合资公司，各占50%股份。自此，出门问问估值超过7亿美元。

从投融资列表看出，出门问问的投资后估值从2013年2月的510万美元，一路增长至2019年9月的7.57亿美元，短短6年时间，估值翻了150倍。

这一造富神话也出现在另一家公司“黑芝麻智能”身上。证券时报记者详细梳理了黑芝麻智能的融资历史，公司自2016年7月成立，当年9月就火速拿到了北极光创投的投资，2019年3月获得上汽集团及招商局集团投资，2020年9月拿到了海松资本投资，2021年4月，获得腾讯、博世集团及东风汽车集团投资，9月获得小米投资，2022年1月，获得蔚来资本及吉利控股投资。

公司前后一共进行了10轮融资，合计融资额折合人民币约52亿元。从融资轮次来看，黑芝麻智能估值7年时间涨超122倍，从最初的1.27亿元到最后一轮的155亿元，堪称坐上了火箭。

事实上，人工智能在一段时间内因估值过高、落地场景不明朗等问题，一度受到市场质疑。熊钢向记者表示，“估值与商业化价值是一个永恒的博弈，这100多亿元的估值可能在某一个时间段是成立的，但过了这个时间节点就不成立了。实际上，就是投资机构低估了技术进化的难度和高估未来商业价值，这就是估值泡沫的产生。用5年的时间催生出一个估值百亿的项目，技术上是否可实现？即使实现了，出来的产品商业价值可能会大打折扣，因为替代品、竞品大规模出现。”

熊钢认为，AI未来发展前景巨大，但面临技术“落地难”的特点。商业模式和变现能力是AI行业发展的主要瓶颈。从算法角度看，AI行业并未实现巨大的技术突破；实战落地场景分散，产品标准化程度低；知识产权和伦理问题也是导致行业发展瓶颈的重要原因。找到合适的场景是AI商业化落地的关键。