Native Insights · 原生洞察

AI 不是让公司更高效,
它在重写资产负债表

AI Native Company 是一个新物种。它的价值不在现金、厂房、人头里,而在一张传统财报从不记录的表上——沉淀的上下文、自动运转的循环、被编码的判断。旧世界的尺子,量不到这种公司真正值多少。

一个反差 · The Paradox

这不再是比喻:2026 年 Anthropic 公开,自家代码库 逾八成由 AI 编写,工程师人均日产出是两年前的 8 倍——公司真的在"用自己开发自己"。可同一份报告诚实承认,8 倍产出并没有变成 8 倍价值。多出来的能力没凭空蒸发,它卡在了那张看不见的表上、卡在没被加速的那一环。

谁能读这张表、找到那一环,谁就比市场早 3-5 年看见价值。

读懂这个新物种,需要三种新视力:

01The Form · 看形态

AI Native 的形态,
本质是 Agent

从"对话"到"行动",是这场相变的方向。两个结论贯穿全篇——真瓶颈是带宽,不是能力;新瓶颈是品味,不是产能。它们会在 N02 直接变成报表科目。

给员工配助手、期待效率提升,是给马车换发动机——跑得快,仍在开马车。AI Native Company 的拐点在行动:当 AI 自主感知、决策、调用工具、自我修正,差距不是 20%,而是数量级。

分水岭 · Copilot vs Agent
Copilot 模式

让员工跑得快一点

产出 ∝ 人数 × 效率

每人快 30%,但结构、流程、分工全不变。线性。

→
Agent 模式

让 AI 承载执行层

产出 ∝ Token × 判断密度

AI 进入价值链承担位,自主执行、人事后审核。相变,非提速。

真问题不是"AI 怎么让员工更高效",而是"如何用 AI 重新设计公司"。

组织新形态 · 一组自我改进的循环
公司即一组自我改进的循环

旧公司是开环:决定、执行、结果不回流。AI Native 是闭环:每个流程持续捕获输入输出、把结果喂回系统,自己变准。

前提一句话——make your company queryable。没被记录的事,对 AI 等于没发生。

感知规则工具闸门学习 SENSEDECIDEACTGATELEARN 在你睡觉时 持续自我优化
第一个核心 · 真瓶颈不是能力,是带宽
旧约束 · 已被打成水电
能力
会写代码、懂行业、能做分析——过去都稀缺,今天按 Token 计价、随取随用。
→
新约束 · 无法靠努力线性扩大
带宽
单位时间能消化、判断、决策、推进的事务总量。AI 反而把它放大——因为消除了"等待执行"这道缓冲。
带宽 = 注意力 × 判断密度 × 信任授权 × 信息流速

个人 / 团队 / 组织卡在同一处:不是不会做,是来不及做完该判断的事。破局唯一机制——能闭环的交给循环,不能闭环的集中给少数高质量判断。涌现物是智能体协同下的超级个体。

这不是预言,是已被前沿实验室撞到的墙。Anthropic 公开自家数据:代码库 80%+ 由 AI 编写、工程师人均日产出 8×,可执行端越快,人工代码审查反而成了新瓶颈。这就是阿姆达尔定律——加速任何一环,只会把瓶颈推给没被加速的那一环;整体提速被它死死封顶。所以带宽不只是"新瓶颈",是执行趋近免费后,价值唯一的封顶式约束。

→ N02:带宽 = 报表上权重最高(28%)的负债,因为它是"最先咬人"的那一环
第二个核心 · 代码越来越便宜,品味越来越贵

当"能不能做"不再是门槛,"该不该做"就是分水岭。品味落到三件没法外包给 Agent 的判断上:

判断 01

决定做什么

不问"用户要什么"——技术是变量。要问:模型今天在哪会坏?看清 failure signature 再选地基。

判断 02

决定什么是好的

替代 PRD 的是 eval(可执行测试集)+ MVQ:acceptable / delight / do-not-ship 三道阈值。

判断 03

决定什么时候停

面对模型隐蔽失败,对的做法不是修,是设 guardrail——修单个 case 永远修不完,划清边界一次就够。

→ N02:eval / MVQ / guardrail 将成为最难复制的判断资产

为什么是品味、而不是产能成为新瓶颈?因为执行最先被自动化,判断最后才被。Anthropic 的同一份报告给出了刻度:在真实研究决策点上,模型"下一步选得比人更好"的比例从 2025 年 11 月的 51% 升到 2026 年 4 月的 64%——品味是 AI 最晚学会、却正在被逼近的能力。这意味着今天靠品味立身的护城河,本身也在贬值,唯一的复利办法是把品味沉淀成 eval / guardrail——把"我的判断"变成"可执行、可继承的资产"。

三条同步发生的演化
扩张方式
人力扩张(产出 ∝ 人数)→智能扩张:Burn tokens, not headcount
护城河
代码(一次性、可重生)→上下文长存:领域深度 / 数据飞轮 / 工作流锁定
商业模式
卖软件(按席位)→卖结果:按用量 → 按效果,毛利 = 效果价 − Token 成本
↓ 看清形态后,下一步是审报表
带宽与品味都看不见、不进财报。N02 把它们显形为可计量的资产与负债。
02The Ledger · 审报表

NMBS:
AI Native 的第二本账

AI Native Company 真正在涨的部分,传统财报要么不记、要么记成"费用"。NMBS(非资金类资产负债表)把它显形:五类资产、五类负债、一个真实净值。

一句话定调

钱已不再稀缺——Token 几分钱、Skill 一键继承、Agent 永不阻塞。稀缺的是上下文、循环与判断。2026 行业共识:决策痕迹是"会复利、无法事后复制的资产"。

资产侧 · 五类会复利的新资产
资产 · ASSETS
上下文资产CLAUDE.md / Skills / 知识图谱
18%
可被 AI 即时调用的高质量 token。≈ 无形资产 / 商誉
循环资产self-improving loop
22%
闭环条数 × 自更新频率 × 自愈率。≈ 固定资产 + 软件
判断资产← N01 品味
20%
eval / MVQ / guardrail / failure signature 库。≈ 专利 / 商业秘密
信任资产授权深度 × NRR
16%
客户对 Agent 决策的授权范围与留存。≈ 品牌 / 客户关系
元能力资产编排速度 × 判断密度
24%
编排 Agent、识别失败、单位时间高质量判断。Anthropic 直言:"发现并疏通瓶颈的能力,可能成为最重要的技能"——这条资产就是它。≈ 人力资本 / 组织能力
负债侧 · 五类会反向复利的新负债

负债也在复利,且比资产更隐蔽——今天没写的 eval,后天就是"等 founder 来定"的文化。

负债 · LIABILITIES · 做减项
Token 负债每结果单位成本
12%
业务对 Token 消耗的依赖。≈ 直接成本
上下文债务没被记录=没发生
22%
靠人脑保存的关键知识,越拖越糟。≈ 隐性技术债
判断债务该写没写的 eval
20%
靠创始人临场撑着的判断。≈ 应计负债
带宽债务← N01 带宽 / 阿姆达尔
28%
最致命,因为它是"最先咬人"的未加速环节。Anthropic 代码 80% 由 AI 写,人工审查却成了卡住整体的瓶颈——执行越快,这笔债越贵。≈ 机会成本
依赖性负债单一模型/云/API
18%
不可替换依赖,供应商一断就死。≈ 长期借款
所有者权益 · 真实净值
真实净值 = 五类资产 − 五类负债
不是 ARR,不是 GMV,是等式右边的差额。它就是 N03 的 F。
三条结论
① Token 是水电,不是资产

"已接入 GPT / Claude"不是护城河,是缴费证明。真资产是私有 eval、failure signature、guardrail——通用模型永远不会有。

② 负债复利更隐蔽

带宽债务每天涨利息,却不进任何报表。Anthropic 自证:执行端 8× 提速并没有变成 8× 价值——差额全被那个没被加速的负债吃掉。这正是"看似在飞的公司 18-24 个月突然塌方"的真因。

③ 真实净值≠投资人所见

低营收高 NMBS 的公司,长期价值可比高营收低 NMBS 者高一个数量级。差额传统估值看不见。

↓ 报表审清后,下一步是定价
净值是 F,负债复利是 C。N03 把这张表换算成投资人算得对的估值数字。
03The Value · 定估值

FACE:
比 DCF 早 3-5 年定价

AI Native Company 的价值沉淀在尚未变现的非资金资产里。等它在 P&L 显现,估值时点已过 3-5 年。FACE 不取代 DCF,而是补上这段盲区。

传统估值为何失灵

DCF:现金流呈指数跃迁(一次闭环成功,毛利 30%→80%),失锚。 P/S:同样 ARR,全人肉与全循环长期差 10 倍。 P/E:早期主动烧 token 换上下文,账面利润越差,真实资产越好。 可比公司:新形态没有可比池。

所有传统估值都在测"已发生的财务事件"。FACE 把 DCF 结构留下、变量全换掉:现金流增长 → 资产复利,折现率 → 负债侵蚀,终值 → 终局乘数。

最强证人 · 技术的生产者自己承认了滞后

Anthropic 公开自家数据:能力指数狂奔(代码 80% AI 写、产出 8×、实验提速 52×),却诚实承认这些没有等比例变成价值——因为现实世界的瓶颈还在。这正是"价值领先现金流"的剪刀差,由技术的生产者亲口给出。DCF 锚在已实现现金流上,必然落后这条能力曲线 3-5 年;FACE 锚的是等式左边的净值,正好补上这段盲区。

估值 = F × (1 + A − C)n × E
F · 基础净值

N02 真实净值 × 行业乘数(高合规 1.5 / SaaS 1.0 / to-C 0.7)。资产质量快照,非营收。

A · 资产复利

循环 40% + 上下文 35% + 判断 25%。A 必须乘到 F 上——F 低则 A 再高也有限。

C · 负债复利

带宽债 35% + 上下文 25% + 判断 20% + 依赖 20%。C 由未被加速的那一环主导(阿姆达尔),这正是它作"折现项"的理由。A−C>5% 健康,<2% 警惕。

E · 终局乘数

垂直主权 2-3× / 基础设施 1.5-2.5× / 枢纽 1.8-2.6× / 数据 1.6-2.4× / 可替换 0.5-0.9×。

用真实公司验证框架

下列为四类典型 AI Native 公司原型(非特指某家公司)。FACE 的四象限与一级市场的估值轨迹一致——高 A−C + 强终局位的原型,正是资本竞相加注的标的。

AI 编程 IDE 原型 · 枢纽位

极快的 0→规模 ARR、被大量大型企业采用。强基础 + 高复利 + 生态枢纽位。
超级独角兽

法律垂直 Agent 原型 · 垂直主权

高合规行业渗透头部律所,eval / guardrail 即护城河。
垂直主权

CX 客服 Agent 原型 · 高潜

客服 Agent 引擎,"AI agent = 10x 员工",A 远大于 C。
高潜黑马

通用 GPT 套壳 · 反例

无私有上下文、无 eval、无 guardrail。C 持续超过 A,无终局位。
危险陷阱 · 复利倒挂

实证锚:头部 AI Native 公司人均创收普遍在 $2.5M–$4.8M 区间(图像生成 / 通用大模型 / 安全大模型代表各一),而财富 500 强均值约 $280K。人均创收差 10-17 倍,正是真实净值的外部投影。

⚡ 给你的公司打分

给五类资产、五类负债打分,选行业与终局位,估值与象限实时更新。可一键载入上述四类典型原型的画像对照。

载入画像:
FFoundation · 基础净值资产快照

把 NMBS 五类资产、五类负债各打 0-10 分。F 不是营收,是资产质量的当前快照——一家 100 万营收但 F 高的公司,可能在 24 个月内估值反超 1000 万营收但 F 低的公司。

资产侧 · 会复利的部分
负债侧 · 隐性侵蚀(做减项)
行业基准乘数 · 非资金资产的稀缺性
AAcceleration · 资产复利速率增长引擎

NMBS 资产每年自动增长多少。这是最难也最值钱的一项——它衡量公司在你睡觉时还在不在变好。中位数 3-5%,跑得快的 Series B 8-12%,Anthropic 级 15-22%。

A 合成年化复利速率—
CCompression · 负债复利风险隐性折扣

A 是正复利,C 是反向复利。最反直觉的一项——多数投资人只看 A 不看 C,但二者常同步增长且 C 更快。这正是"看似在飞的公司 18-24 个月突然塌方"的真因。

C 合成年化侵蚀速率—
EEndgame · 终局位置乘数战略稀缺度

前三项是内功,E 是位势。本质判断:5 年后这家公司消失了,客户/生态/监管会有多痛?答案越痛,E 越高。E 是乘数——能放大估值,也能腰斩。

在所选位置区间内微调—
预测年限 · n3 年标准 · 5 年激进
FACE 估值 · 你的公司值
—
调整左侧滑块,估值实时更新
估值 = F × (1 + A − C)ⁿ × E
F · 基础净值
—
资产 − 负债 分
A · 资产复利
—
年化自增长
C · 负债复利
—
年化侵蚀
E · 终局乘数
—
生态位
A − C 健康度:填入数据后判定
估值矩阵 · 你在哪个象限
超级独角兽 沉睡巨人 高潜黑马 危险陷阱 A − C 净复利率 → F × E 基础位势 →
—
填入数据后,你的公司会被定位到对应象限

FACE 把 DCF 的结构留下,把变量全换掉

投资人熟悉的还是那个公式形态——基础值 × 复利 × 终值乘数。但每个变量都被替换成 AI Native 时代真实的价值流动:现金流增长换成 NMBS 资产复利,折现率换成负债侵蚀率,终值换成终局位置乘数。结构不变,答案对了。

F

Foundation 基础净值

NMBS 五对资产负债量化打分,资产加权 − 负债加权,再 × 行业基准乘数(高合规 1.5 / 通用 SaaS 1.0 / to-C 0.7)。负债侧权重最高的是带宽债(28%)与上下文债(22%)——最致命、最易被忽视。

A

Acceleration 复利速率

资产年化自增长:循环密度增速(40%)+ 上下文沉淀速度(35%)+ 判断密度增速(25%)。反直觉点:A 必须乘到 F 上才有意义——F 低的公司即使 A 很高,三年后绝对净值依然有限。

C

Compression 负债复利

负债增速:带宽债增速(35%)+ 上下文债(25%)+ 判断债(20%)+ 依赖恶化(20%)。经验法则:A − C > 5% 健康,< 2% 必须警惕。很多公司不是市场变了,是负债复利率超过了资产复利率。

E

Endgame 终局乘数

生态位稀缺度:垂直主权(2-3×)、基础设施位(1.5-2.5×)、生态枢纽位(1.8-2.6×)、数据稀缺位(1.6-2.4×)、可替换位(0.5-0.9×)。这解释了为什么垂直深耕的公司,同等资产下估值更高。

诚实声明 · FACE 不假装是真理。权重是基于 AI Native 公司动力学的经验判断,需要被几百家公司的真实数据校准;E 的位置判断容易被故事带偏;C(带宽债、判断债这些"没发生的事")本质上仍是估计。FACE 不是 DCF 的替代,而是补充——它真正发挥作用的窗口是早期(0-7 年)的 AI Native 公司,传统估值最失灵、价值最容易被错估的阶段。本计算器仅供研究与思考,不构成任何投资建议。
04Implications · 应用推论

承认新账本之后,
谁该怎么办

工具链已闭合:看形态 → 审报表 → 定估值。这一层回答"所以呢"——三个主体围绕同一张新资产负债表,重设自己的角色。

壹
主体一 · Token 经济学

AI 云厂商 · 从"卖 Token 的水电公司" → "NMBS 资产银行"

核心认知:Token 是流量,Token 之上的沉淀(上下文 + 判断 + 信任)才是利润池。只比拼 Token 单价,是一条打不过对手的路;谁把 AI Native Company 的非资金资产沉淀到自己平台,谁就在食物链顶端。

① 从卖 Token 到卖结果
在垂直行业试水 Outcome-Based Pricing:按解决的工单数 / 通过合规审核的报告数收费。毛利 = 效果价 − Token 成本。
② 做"上下文银行"
把中文内容池升级为可调用的行业上下文订阅流(保险/法律/医疗),毛利比卖 Token 高 3-5 倍。
③ 做"判断资产托管"
eval 集 / guardrail 库的版本管理 + 跨模型迁移 + 行业级 failure signature 推送,成为 AI Native Company 的双重银行。
④ 主动定义 NMBS 语言
发布 NMBS 白皮书与指数,给中国 AI Native Company 评级。从云厂商升级为"AI 时代的招商银行 + 标普"。

2026 事实锚 · 已有头部 AI 云厂商提出 DAA(日活智能体数)作为新北极星指标、公开"放弃 Token 成本思维转向按结果付费"、以"芯-云-模-体"全栈渗透多数央企——其战略叙事与本体系同构。

贰
主体二 · 空间经济学

AI 园区 · 从"卖物业的二房东" → "区域级上下文 + 判断公地"

存在性危机:AI Native Company 把团队从 50 人压到个位数,对物理空间的需求塌缩 90%;集群效应早已转移到 GitHub / Discord / Agent 网络。还在按平米招商、按入驻人数考核的园区,三年内资产负债表会显著恶化——而报表上看不出来,因为空间还在,只是空了。

① 从工位到上下文工厂
按"上下文资产产能"计价:园区建行业上下文中台,入驻公司付订阅费 + 成功分成,而非租金。
② 从政策优惠到判断公地
组织行业 eval 共建、孵化区域 guardrail 标准——把易被复制的低维竞争,升级为需要时间复利的判断资产。
③ 从集群效应到 Agent 网络
建 Agent 互通协议总线:入驻者的 Agent 互相调用、订阅彼此 Skill、共享 guardrail 警报,按调用结算。
④ 换考核指标
从企业数/税收,换成园区活跃智能体数(DAA)、人均产值、循环资本存量、按效果付费合同额。

张江锚 · 现有"算力券 / 模型券 / 语料券"补的全是投入端(买卡、租算力);而 AI Native Company 的真瓶颈是带宽不是算力。应增设补产出端的"Token 券 / 循环券"——补会复利的资产形成,而非一次性投入。

叁
主体三 · 区域治理

政府 · 从"招大企业的属地管理者" → "辖区 NMBS 总值培育者"

三个真问题:税基塌陷(AI Native Company 营收上千万但属地征税收不上)、就业两极分化(中层岗位消失,超级个体 vs 低端服务业,中间塌陷)、监管失焦(针对"人"设计的合规框架对"Agent + 超级个体"几乎全部失效)。最好的应对不是去管 Agent 能做什么——那是技术细节,政府永远追不上——而是学会读 NMBS 这本账。

① 从招商到 NMBS 培育
设区域非资金资产基金(投上下文沉淀,不投股权)+ AI Native 友好监管沙盒(划清 guardrail 边界,界内自由跑)。
② 重设税基
Token 消费税(云出口处征 1-2%)/ 效果增值税(按被解决的问题数)/ 超级个体所得税(重设 AI 增强收入累进)。
③ 重建监管语言
管 guardrail,不管 Agent:定义高风险行业最低 guardrail 标准,合格即运营;出事查 guardrail 是否被绕过/记录/审计。
④ 新增治理指标
在 GDP 之外加"辖区 NMBS 资产总值"——它会比 GDP 提前 2-3 年反映区域经济的真实健康度。

一句话 · 算力券补的是"马车的发动机",而 AI Native 的相变是"不再开马车"。继续加码算力券,是用千分尺量恒星——工具对了,尺度错了。

三者同一件事

AI 云厂商、园区、政府看似三个主体,要做的是同一件事——承认 AI 时代的资产负债表已经换了,然后围绕新账本重设自己的角色。三层一旦协同,中国就有可能跑出全球第一个"NMBS 优先"的 AI 区域经济体——这是真正能跟硅谷掰手腕的位置,而不是再造一个"对标某家海外大模型公司"那样的同质化追赶。

三元统一 · 工具链闭环

看形态:AI Native 的本质是 Agent,真瓶颈是带宽、新瓶颈是品味——执行趋近免费后,价值被没被加速的那一环(阿姆达尔)封顶。审报表:把那一环显形为五类资产、五类负债,算出真实净值;带宽债之所以权重最高,是因为它最先咬人。定估值:能力领先、现金流滞后是技术生产者亲口承认的剪刀差,FACE 正是为这段盲区定价。三者互证,缺一不可。

Token 是水电,上下文是黄金,判断是货币,guardrail 是法律,超级个体是新国民。
谁先用这套语言重建自己的资产负债表,谁就在 AI 时代提前 5 年到达终点。
沪ICP备2026026583号|沪公网安备31010702010493号