AI原生初创企业：投资者如何评估AI应用层

引言

人工智能已成为风险投资中规模庞大且高度集中的类别。斯坦福 HAI 报告称，2025 年全球企业 AI 投资增长了一倍以上，其中生成式 AI 占私募 AI 融资的近一半 [1]。NVCA 报告称，2026 年上半年美国风险投资达到创纪录水平，而大部分投资资本流向了 AI 公司以及金额为 USD 100 million 或以上的融资 [2]。Carta 记录显示，2025 年其平台上的公司在 4,859 轮融资中筹集了 USD 119.5 billion，为至少六年来最低的年度融资轮数；其 A 轮数据显示，AI 公司的估值中位数溢价为 38% [3]。OECD 报告称，2025 年与 AI 相关的投资超过了整体风险投资的一半 [6]。

这些数字描述的是资本市场，而非投资质量。AI 原生这类标签可能指客户成果依赖机器推理的产品、添加了模型接口的传统软件产品、内部使用 AI 的服务业务、拥有专有评估与数据闭环的工作流公司，或生产证据有限的创始人叙事。每种情况都有不同的产品、风险、利润空间、分销和资本特征。

因此，投资论证问题本质上是证据问题。投资者需要明确该应用做什么、哪些客户成果会改变、工作流中有多大比例实现自动化、哪些模型和数据依赖关系重要、质量如何评估、故障如何控制、客户如何购买并留存产品、收入如何转化为现金、服务成本如何随使用量变化，以及哪些权利允许公司运营。创始人也需要同样的证据来管理公司并筹备可信的融资流程。

本文的核心主张是：经质量调整的已接受客户成果才是正确的运营单元。已接受成果是指通过既定质量、权限和证据标准的已完成客户任务或决策。示例包括已审核的信用备忘录、已解决的客户请求、已接受的发票分类、已发布的软件变更、已完成的合规检查或经客户批准的设计。令牌、调用、生成内容、智能体和模型基准分数属于技术输入。只有当它们有助于形成已接受成果、留存客户和已收取毛利润时，才具有经济相关性。

由此得出七项投资论证原则。第一，必须将 AI 原生标签转化为可观察的工作流和架构。第二，公司应提供模型在代表性客户任务上的性能证据。第三，收入质量需要合同、发票、回款、客户群组、价格让步和集中度方面的证据。第四，毛利率需要完整的按成果划分的成本台账，包括人工审核和可靠性成本。第五，模型和云服务提供商是产品供应链的一部分。第六，数据权利、隐私、知识产权、安全和监管角色决定产品可在何处以及如何销售。第七，投资案例应能经受模型价格冲击、质量回退、供应商退出、客户流失和销售周期放缓的考验。

证据截止日期为 2026 年 8 月 1 日。分析使用当前官方市场报告、证券申报文件、提供商文档、监管机构材料、立法、标准和安全资源。未提供任何公司、创始人、基金、客户、产品、合同、群组、数据室、评估套件、成本台账、股权结构表或投资备忘录。所有测算的业务量、价格、成本、转化率、生产力效应和估值输入均为假设性建模假设。归属于 Matchpoint 或客户的收入、成本降低和损失减少仍为 USD 0.

范围、定义与证据边界

应用层

应用层将模型、数据、软件和人工工作转化为用于特定客户工作流的产品。它可以包括用户界面、应用逻辑、检索、记忆、工具、模型路由、提示词、微调、评估、访问控制、可观测性、计费和支持。应用公司可以使用专有、第三方或开放权重模型。其防御能力可来自工作流集成、专有数据权利、评估资产、分销、转换成本、受监管许可、客户信任或运营学习。

模型层提供推理或模型权重。基础设施层提供计算、存储、编排和部署。这些边界可能重叠。对模型进行微调或托管模型的公司仍需说明模型如何改变客户成果，以及应用如何获取价值。

AI 原生分类

AI 原生分类应基于证据。该分类并不要求采用某一种技术架构。它要求的是在客户价值链中对机器推理存在实质性依赖、围绕该能力设计的产品，以及能够衡量其质量和经济效益的运营体系。

结果可记录为 AI 原生、AI 赋能、AI 辅助服务或未验证。该标签是尽职调查结论，而非估值结论。

证据类别

每项重大主张都应归入某一类别并明确负责人。观察到的证据来自受控的记录系统。独立复现的证据来自投资者、顾问或合格第三方重新运行测试。客户证实的证据来自具名的授权客户代表，并应尽可能与系统数据核对。管理层估计的证据应加以标注并有方法支持。无支持的主张仍作为未决问题。

公开可比公司与市场报告

公开申报文件展示了分析方法及可能的经济变动。Palantir 报告 2025 年营收为 USD 4.475 billion，毛利率为 82%，客户数为 954 家 [7]。UiPath 报告 2026 财年营收为 USD 1.611 billion，年化续约运行率为 USD 1.853 billion，毛利率为 83% [8]。C3 AI 报告 2026 财年营收为 USD 250.3 million，GAAP 毛利率为 31% [9]。Duolingo 披露，2025 年生成式 AI 和托管成本上升导致毛利率下降，随后表示继续投资于 AI 基础设施 [10]。

这些公司在规模、产品、部署、客户结构、服务、会计和成熟度方面各不相同。它们的指标并不能决定一家私营初创企业的毛利率或估值。它们说明了为什么投资者应避免套用通用的 AI 软件毛利率假设。

市场报告也有其边界。Carta 的已发布数据汇总自其平台上的公司和证券持有人，并排除了要求不纳入匿名化研究的公司 [3-5]。NVCA 的报告覆盖美国风险投资生态体系，数据提供方为 PitchBook [2]。OECD 在其 AI 风险投资简报中使用 Preqin 数据 [6]。斯坦福 HAI 综合了多个公开和专有来源 [1]。本文保留各来源的范围。

法律、投资与作者边界

本文不判定某一产品是否受监管、处理是否合法、知识产权是否有效、证券是否适当、估值是否公平，或是否应进行投资。这些决定需要依据适用合同、事实、司法管辖区及具备资质的权威机构。

Matchpoint Partners 是组织作者。任何创始人的业绩、投资者观点或客户成果均不归因于具名个人。

投资者与创始人决策地图

投资者决策

投资者需要对五个问题给出分阶段的答案。客户问题是否有价值且反复出现？产品是否创造出客户愿意付费的、被认可的结果？公司能否在模型和市场变化中保持质量和控制？留存收入是否带来有吸引力的毛利和现金特征？融资价格是否有证据和下行情形支撑？

创始人决策

同样的证据支撑创始人控制权。创始人应当知道：哪一种客户成果推动留存，哪一种失败造成最大的客户损害，哪一种对供应商的依赖会制约规模扩张，哪一个客户群创造毛利润，以及哪一个里程碑值得投入下一笔资金。

共享证据库

投资人与创始人应基于同一套经核对一致的证据库开展工作。不同解读是合理的。底层数字不同会造成本可避免的风险。

层级	主要组件	投资论证问题	最低证据
客户工作流	用户、任务、决策、例外和审批	哪项高成本或有价值的工作会发生变化？	流程图、基准时间、质量和权限
应用	接口、逻辑、检索、工具与集成	客户购买的产品是什么？	产品演示、发布记录与客户使用情况
评估	测试用例、评分器、阈值与监控	质量如何建立并保持？	代表性测试套件、结果、失败与发布门禁
数据	来源、权利、数据血缘、质量与保留	公司是否可将数据用于此目的？	权利登记册、样本、数据血缘与控制措施
模式	提供商、版本、路由、提示词与调优	需要且可替换的能力是什么？	提供商登记册、测试、成本与迁移证据
基础设施	计算、存储、安全与可观测性	服务能否可靠且经济地运行？	架构、发票、日志、事件和容量规划
商业	合同、价格、期限、续约和回款	使用是否会转化为留存且已回款的收入？	合同到回款及同期群证据

市场背景与 AI 资本集中问题

溢价与筛选

AI 资本增长扩大了投资机会范围，并加大了筛选压力。Carta 的 2025 年数据显示，更多资本集中于更少的融资轮次，并且从 A 轮起存在 AI 估值溢价 [3]。其种子期研究显示，早期团队更精简、融资周期更长，且典型估值与顶级估值之间的差距不断扩大，尤其是对 AI 公司而言 [4]。其 2025 年下半年薪酬报告描述了 AI 驱动的资本与人才效应，同时强调早期阶段团队规模更小 [5]。

因此，投资者应将类别溢价与公司层面的证据区分开来。估值可能反映稀缺性、竞争、战略期权价值、市场规模、增长、留存、团队、技术、数据权利或势头。每项驱动因素都需要各自的证据和下行情形处理。

市场规模测算规范

应用层市场应从客户单元和工作流支出入手。自上而下的 AI 总量可以为采用情况提供背景参考。它们并不能确立可获得的收入。

对于垂直领域的 AI 公司，市场模型应包含目标公司数量、适用部门、工作流频率、当前成本、所需权限、集成负担、预算负责人和合理采用率。对于通用型产品，按使用场景和购买方进行细分，可避免仅做表面化的总席位测算。

融资概率与现金跑道

市场证据支持融资环境集中的判断。它并不能证明某一家特定公司能够完成融资。融资计划应包含不融资情形、延迟融资情形和更低价格情形。它应展示月度现金、已承诺成本、可自由支配成本、招聘触发条件、供应商承诺、营运资金和最低运营跑道。

这些案例属于假设性的建模假设，用于展示规划机制，并不预测融资可得性、估值或回报。

AI 原生应用层测试

客户成果优先于模型能力

首次尽职调查会议应在不使用产品的情况下还原一个客户工作流。团队记录触发条件、输入、操作人员、决策、输出、审核、异常、耗时、错误成本和权限。随后在使用产品的情况下还原同一工作流。对比可识别哪些步骤消失、发生变化、加速或需要新增控制措施。

这项练习揭示类别错误。更快的草稿可能增加审核工作量。更短的处理时间可能增加纠正或升级处理。更高的自动化率可能掩盖较低的客户接受度。如果用户无法在其决策窗口内验证，产出更多的产品反而可能降低价值。

已接受的客户成果

已接受的成果包含五个要素。任务已明确界定。来源证据充分。输出通过了质量与政策阈值。获授权的人员或系统予以接受。成果进入客户工作流程。被丢弃的生成答案、需要完全重新创建的草稿，以及经复核被推翻的自动化决策，都属于已产生的输出，而非已接受的成果。

公司应按客户和群组衡量已接受的成果。有用的衡量指标包括首次通过接受率、每活跃用户的已接受成果数、每项已接受成果的复核分钟数、异常率、纠正率、事故率、客户升级以及接受所需时间。该定义应足够稳定以支持群组分析，并足够具体以防止数量虚增。

声明登记册

美国证券交易委员会（SEC）针对 AI 陈述的执法行动显示了准确表述的重要性 [12]。私募融资同样依赖于可靠的主张。声明登记册记录用于路演、数据室、客户提案和投资备忘录中的每一项重大主张。

声明登记表也能帮助创始人。无依据声明可在融资流程开始前得到更正。管理层估计可通过结构化测试转化为可观察证据。

证据飞轮

经得起质疑的应用可以构建合法且有用的证据飞轮。客户任务产生经同意或合同允许的使用数据。评审与结果信号改进评估。评估改进路由、工作流与发布决策。更好的被接受结果提升采用率和留存率。留存使用产生更具代表性的证据。每个环节都需要权利、质量和经济价值。

投资者应拒绝循环论证的数据护城河声明。更多数据只有在获得许可、具有相关性、得到充分标注、被纳入受控改进流程且竞争对手难以复现时才有价值。

产品价值、客户工作流与产品市场证据

基线与反事实

产品价值需要一个基线。该基线可以是当前人工工作、规则、现有软件、外包服务或不采取行动。反事实应反映客户在没有该产品时实际会做什么。将产品与不切实际的人工流程进行比较会高估价值。

最有力的早期证据是客户内部具有代表性的对比。它采用相同的任务类别、服务要求和决策窗口，并记录输入差异、选择效应和复核。随机测试可能适用于产品功能。运营和受监管的工作流可能需要匹配时间段、分阶段推出或受控的影子使用。

生产率与收入桥接

当客户能够重新调配产能、降低实际成本、服务更多需求、缩短创收时间或减少可计量损失时，生产力就成为客户价值主张。当合同约定的使用转化为已收回并留存的毛利时，收入就成为公司价值。

客户证据阶梯

意向书、谅解备忘录、未付费试点、付费试点、生产合同和已收款续约应分别报告。客户标识不能替代这一分类。

客户推荐规程

客户推荐应经过授权并以结构化方式进行。访谈人确认问题、原有工作流程、购买流程、部署、价值实现时间、质量、例外情况、支持、使用频率、用户覆盖面、价格、续约意向和替代方案。投资者记录受访者与采购及日常使用的关系。

该推荐是客户证实的证据。当其与合同、产品和财务记录核对一致时，证据更强。由创始人选定的拥护者可以提供有价值的细节，但可能无法代表采购、安全、财务或最终用户的观点。

分销与销售模式

AI 应用可以采用创始人主导销售、产品主导采用、直接企业销售、市场平台、云合作伙伴、系统集成商、渠道合作伙伴和嵌入式分销。每种模式在成本、控制、时间和集中度方面各不相同。

级别	证据	支持内容
C0 探索	访谈与观察到的痛点	问题假设
C1 设计合作伙伴	访问权限、反馈与工作流程	产品设计证据
C2 受控试点	代表性任务与商定的成功标准	可行性与用户证据
C3 付费试点	已签约费用与收款	试点范围内的付费意愿
C4 正式投产	在运营工作流中重复取得被认可的结果	产品使用与可靠性
C5 续约	在知情决策后继续的付费合同	留存证据
C6 扩展	新增产品、业务量、团队或地域	更广泛的价值证据

技术架构、模型供应链与可移植性

架构证据

架构应展示从用户和源系统到验收结果的完整路径。它涵盖身份、权限、数据移动、检索、提示词、模型路由、工具、代码执行、护栏、人工审核、存储、可观测性和计费。该图应区分客户环境、公司系统和第三方。

提供商登记册

OpenAI、Anthropic、Google 和 AWS 针对模型、缓存、批处理、工具、上下文和部署发布了不同的定价结构 [13-16]。Google 还发布模型与端点生命周期信息，包括退役信息 [17]。登记册记录所使用的确切服务，而不仅仅是提供商品牌。

标价可能变化，实际支出取决于输入、输出、重试、缓存、工具使用、上下文、模态和用量。尽职调查应在一个代表性期间将发票行项目与产品遥测数据核对一致。

集中度与切换

FTC 对部分云服务提供商与 AI 开发者合作的研究记录了云支出承诺、排他性特征、敏感信息访问权限以及潜在切换成本 [11]。该报告针对的是这些合作关系，并不确立某家私营应用公司的条款。它提供了一个有用的尽职调查视角。

集中度按支出、已接受结果、关键功能、区域和客户来衡量。一家公司可能表面上采用多模型，但所有对收入至关重要的任务都由同一提供商处理。能通过合成提示词测试的回退方案，仍可能在客户工具、长上下文、安全行为、结构化输出或延迟方面失败。

可移植性测试

可移植性测试会针对替代模型或部署运行一套代表性评估。它记录代码变更、提示词变更、输出模式差异、质量、审核负担、延迟、成本、安全性、数据条款和迁移时间。结果可分为可移植、部分可移植或集中。

投资者应至少对三种冲击进行建模：模型单位成本上升 50%、主要模型在 90 天内撤出，以及高峰使用期间的容量限流。这些百分比和期限是假设性的说明性示例输入。管理层应将其替换为合同和运营证据。

开放权重与许可证依赖

Meta 的 Llama 4 社区许可证授予特定权利，并包含再分发、署名、可接受使用和规模相关条款 [22]。其他开放权重模型有不同的许可证。开放权重并不意味着不受限制。公司应保留确切的许可证版本、模型卡、下载来源、修改内容、通知、可接受使用审核和再分发分析。

评估、可靠性、安全与运营控制

评估契约

NIST 的 AI RMF 采用治理、映射、衡量和管理职能 [23]。其生成式 AI 概况识别生成式 AI 风险及建议行动 [24]。OpenAI 当前的模型指南建议在迁移或优化前进行代表性任务评估 [29]。Anthropic 的评估指南以具体、可衡量且相关的成功标准为起点 [30]。这些来源支持切实可行的发布纪律。

评估契约定义任务总体、样本、基准真值、评分器、维度、阈值、严重程度、子组、模型/版本、提示词、工具环境和发布决策。测试集应包含正常、困难、对抗性、不完整和超出范围的案例。

发布与监控

单一基准测试并不足够。发布可能改变模型版本、提示词、工具、检索、策略、代码、数据和客户配置。公司应保留发布清单并重新运行所需的测试套件。随后，生产监控会将接受情况、失败情况、延迟和成本与发布预期进行对比。

可靠性与事件证据

可靠性在可接受结果的边界处衡量。可用性可能很高，而关键工具却在悄然失效。模型可以作出响应，却提供无效的模式。工作流可能在客户决策窗口结束后才完成。事件登记册应包含提供商故障、质量下降、检索错误、数据陈旧、工具错误、安全事件、支出异常和人工审核积压。

安全

NIST 的 SSDF 社区概况将生成式AI实践纳入安全软件开发 [25]。CISA 和 NCSC 论述 AI 系统的安全设计、开发、部署与运营 [26]。OWASP 识别出包括提示注入、敏感信息泄露、供应链漏洞和无限制消耗在内的风险 [27]。MITRE ATLAS 为预测式、生成式和智能体式 AI 系统提供不断演进的威胁知识库 [28]。

安全认证与渗透测试仅在其范围和有效日期内构成证据。它们不能替代架构审查、事件历史或客户特定控制。

数据权利、隐私、监管与知识产权

确切的服务条款

OpenAI 表示，商业及 API 的输入和输出默认不用于训练 [18]。其服务协议规定了业务关系和相关内容权利 [19]。Anthropic 发布商业产品数据使用信息 [20]。Google 的 Gemini API 条款区分未付费和付费服务，包括提交内容的使用、未付费服务的人工审核，以及付费服务的不同处理方式 [21]。Google 的零数据保留指南指明了与保留相关的产品设置和功能 [40]。

这些条款可能会变化。公司应保留注明日期的合同文件、账户设置和数据流证据。仅依据提供商公开的品牌层面声明作出的隐私答复是不完整的。

数据权利登记册

登记册应将数据质量与有用性同合法权利分开记录。合法数据可能并无相关性。有用数据可能因缺少所需权利而无法使用。

UAE、DIFC、ADGM、沙特和英国数据保护

UAE 2021年第45号联邦法令在其适用范围内建立联邦个人数据框架[33]。DIFC第10号法规涉及通过自主和半自主系统处理个人数据[34]。ADGM指南涉及自动化个人决策，包括在相关情形下进行有意义的人工审查的必要性[35]。沙特阿拉伯的PDPL及实施框架在适用范围内规定控制者义务[36]。英国信息专员办公室发布AI指南，涵盖合法性、公平性、透明度、目的限制、数据最小化、准确性、存储、安全与问责[37]。

本表是尽职调查索引，不构成法律结论。

欧盟 AI 法案中的角色与透明度

欧盟 AI 法案区分模型提供者、系统提供者、部署者和其他运营者，并按角色和风险适用义务 [31]。欧盟委员会指出，第 50 条透明度义务自 2026 年 8 月 2 日起适用，对某些较早投放市场的系统设有特定过渡安排 [32]。根据具体情况，一家 GCC 公司可能因产品投放、部署或欧盟境内受影响人员而属于适用范围。

产品-角色矩阵应针对每个用例和司法管辖区填写。一家公司可能就某一功能是提供者，就另一功能是部署者，并是第三方通用模型的下游集成商。合同措辞应与实际架构和控制保持一致。

版权、专利和代码来源

美国版权局已发布报告，涉及数字复制品、生成式 AI 输出的可版权性以及 AI 训练 [38]。美国专利商标局（USPTO）2025 年 11 月修订的指南指出，普通发明人标准适用于 AI 辅助的发明，且只有自然人可成为发明人 [39]。提供者协议和开放模型许可分配并保留不同权利 [19,21,22]。

生成代码应通过与人编写代码相同的审查、测试、安全、来源和许可控制。尽职调查应对提交和依赖项进行抽样，而不是仅依赖政策文件。

阶段	证据	投资者测试
机会	合格需求、买方、预算和时机	定义和账龄保持一致
合同	已签署的协议、期限、范围、价格和终止	由授权方签署；附函已记录
部署	环境、用户和集成记录	生产、试点和测试相互分离
表现	验收结果和服务证据	合同约定的服务已交付
发票	发票、日期、金额、税额和到期日	与合同和总账核对一致
收款	银行或付款记录及分配	现金已收到且未被冲回
贷项或让利	贷项通知单、折扣、免费期或服务补救	净收入和客户问题已记录
续约	知情延续和新期限	自动续约、协商续约和逾期占用分别列示

收入质量、留存与分布

合同到现金

收入承销从客户层面的桥接分析开始。该桥接将机会、已签署合同、履约义务、产品访问、使用情况、已验收成果、发票、收款、贷项、让利、续约和扩展关联起来。它还识别经销商、关联方、创始人网络和战略合作伙伴关系。

年度经常性收入应有书面政策。投资者应测试试点、消费承诺、实施、专业服务、不可取消合同、最低使用量、一次性费用和逾期发票是否被纳入。所报告的 ARR 应在该政策范围内与客户明细表和总账核对一致。

同期群

同期群按起始期间、客户细分、产品、合同或获客来源对可比客户进行分组。收入留存率应同时按总口径和净口径列示。客户数留存率应与收入留存率并列展示，因为一个客户的扩张可能掩盖客户的大范围流失。

公司应披露群组规模和账龄。较新的群组在首次重要续约前可能显示出较高的净留存。初始部署规模较大的客户即使没有不满，也可能造成收缩。相关证据应解释这一变动。

集中度

集中度按收入、毛利、回款、已验收成果、项目储备和关键数据权利衡量。高收入客户可能因专用基础设施、服务、支持或模型消耗而利润率较低。低收入的设计合作伙伴可能在运营上至关重要，因为产品依赖其数据或领域专业知识。

销售效率

客户获取成本应包括为赢得该群组所必需的销售薪酬、市场营销、活动、创始人时间、渠道费用、解决方案工程、安全尽职调查、试点和实施。回收期使用群组毛利而非收入。

早期阶段公司即使没有稳定的 CAC，也可以报告底层活动。有用的证据包括各阶段的创始人小时数、安全审查次数、试点持续时间、实施投入、赢单/输单原因以及从签约到生产验收的时间。

单位经济、毛利率和资本计划

按成果列示的成本台账

提供商 Token 定价只是一项成本 [13-16]。一项已验收成果的全部成本可能包括源系统访问、文档处理、嵌入、检索、上下文存储、模型输入与输出、缓存、事实依据、工具、代码执行、重试、失败调用、编排、可观测性、安全、人工审核、支持以及客户专用基础设施。

示例毛利润桥

假设，仅用于说明，一位客户每月以每项 USD 1.20 的价格购买 10,000 项已验收成果。每月收入为 USD 12,000.；模型与检索成本为 USD 1,650；工具与基础设施成本为 USD 900；人工审核成本为 USD 1,800；支持与可靠性分摊成本为 USD 750.。示例毛利润为 USD 6,900，毛利率为 57.5%。

本示例中的每一项输入均为假设性建模假设。它不能证明任何公司或客户成果。归因收入、成本降低和亏损减少仍为 USD 0.

利润率拆解

利润率变动应按价格、销量、结构、模型路由、提示/上下文规模、缓存、批处理使用、审核率、失败率、客户定制服务和会计分类进行拆解。Duolingo 2025 年的披露将生成式-AI 和托管成本与毛利率变动联系起来，说明为什么直接 AI 成本应纳入桥接分析 [10]。Palantir、UiPath 和 C3 AI 报告的毛利率差异说明产品和商业模式存在差异 [7-9]。

供应商价格下降可以改善利润率。它也可能引发价格竞争、使新进入者得以进入，或支持一种可保持单位成本的更高质量模型路由。承销分析应对公司反应进行建模，而不是假设所有供应商节省都留在股东手中。

资本密集度

应用型公司可以是轻资本或重资本的。随着漫长的企业销售周期、专用部署、数据获取、模型训练、保障容量、受监管许可、安全要求、人工运营和营运资金，资本需求会上升。承诺的云支出可能在客户量到来之前就形成固定义务。

资金跑道桥接

资金跑道模型应以经银行核实的现金为起点，并核对每月收款与付款。管理层随后设置招聘、供应商、销售和监管关口。董事会应看到基准、延期、收入下降、成本冲击和未能融资等情景。

该计划应区分已承诺、已签约、已批准、可自由裁量和未批准的支出。资金用途应转化为一系列证据里程碑：生产验收、代表性评估、续约群体、毛利率阈值、供应商迁移、安全要求或许可步骤。

承销评分卡、投资备忘录与下行情形

评分卡设计

评分卡记录的是证据充分性，而非创始人魅力或赛道热度。每个领域获得一种状态：已核实、部分核实、管理层估计、无支持或不利。数值评分可以支持一致性，但不应掩盖关键问题。

这些权重是假设性的建模假设。投资委员会应批准其自身的权重和关键保留事项。

投资备忘录证据包

下行情形

所有冲击情景均为假设性示例输入。尽职调查团队应将其替换为公司特定证据和投资委员会批准的严重程度。

估值与结构

估值分析应将当前证据与期权价值分开。当前价值可使用已观察到的收入、留存率、毛利润、增长和现金特征。期权价值可反映新产品、地域、数据集或模型能力，并应体现概率、资本和时间。

交易结构可通过分阶段融资、里程碑、储备金、信息权、同意权、董事会权利、创始人股权归属、期权池和保证条款来弥补证据缺口。法律顾问应起草并评估该交易。里程碑应处于管理层可影响范围内，并由可审计证据界定。

创始人与投资者操作手册

创始人尽职调查资料室索引

创始人应保留原始记录并提供对账资料，而不是提供经过筛选的有利截图。可识别客户身份的数据和个人数据仅应在适当授权和控制下共享。

投资者实地核查

投资者从资料请求清单和证据图谱开始。其会抽样覆盖留存、扩展、试点、流失和错失机会客户组。其会复现有边界的评估。其会将选定合同追溯至使用情况、发票和现金。其会将供应商发票与遥测数据对账。其会抽样核查源代码所有权和数据权利。其会测试一次供应商迁移。其会审查事件和董事会报告。

管理层问题

1. 哪项确切的客户成果会被接受、由谁接受，以及在何种质量阈值下接受？
2. 哪项生产任务最常失败，其对客户造成什么后果？
3. 哪项报告的生产率结果具备可观察的基线和反事实？
4. 哪家提供商、模型或工具对留存收入至关重要？
5. 一次代表性迁移需要多长时间，上次测试是在什么时候？
6. 哪项数据主张的权利证据最薄弱？
7. 哪个客户群组产生了最高的已收毛利润？
8. 哪个客户需要最多的人工审核或支持？
9. 路演材料中的哪项重大陈述仍为管理层估计？
10. 什么结果会促使管理层限制、重新设计或停止该产品？
11. 如果下一轮融资延迟六个月，适用什么现金计划？
12. 哪个里程碑能将最大的剩余不确定性转化为证据？

门控式 12-18 个月路线图

路线图从定义与对账开始，依次推进至代表性评估、生产环境证据、留存经济效益和融资准备度。具体日程时间取决于公司状况、客户流程和监管要求。

路线图由一系列证据关口构成。如果已有可靠证据，公司可以更快推进。如果某一关口未通过，公司可以停留在某一阶段。处置方式可以是推进、限制、重新设计、保留为研究或终止。

局限性、研究议程与结论

本文提出一个基于公开证据的尽职调查框架。它不报告投资、客户队列、生产评估或财务回报。市场数据描述的是不同的数据集和时期。上市公司申报文件描述的是成熟企业，其经济特征可能不同于私营应用层初创企业。供应商定价和条款可能在证据截止后发生变化。

该框架的实施需要公司证据。未来研究应分析匿名化的合同到回款队列、已接受成果的经济性、模型迁移事件、事件成本以及跨应用类别的估值结果。比较研究应报告完整的工作负载、模型、提示词、工具、审核、延迟、故障和成本边界。GCC 研究应区分联邦、DIFC、ADGM 和沙特的法律语境，并使用合格的法律分析。

投资结论是审慎的。AI 原生应用投资评估始于一个有价值的客户工作流和一个经质量调整的已接受成果。然后沿着架构、模型供应链、评估、数据权利、生产使用、合同、回款、队列、成本和控制追踪证据。当这一链条具有实质性且可复现时，公司获得 AI 原生分类。当留存客户价值、毛利润、治理和融资价格在下行情景下仍然可信时，公司即具备投资逻辑。

对投资者而言，该框架将类别热度转化为主张登记表、实地工作计划、评分卡和以证据为依据的备忘录。对创始人而言，它建立了一套涵盖产品质量、客户价值、供应商依赖、数据权利、毛利率和融资准备度的管理体系。双方都能受益于统一的证据库和对不确定性的明确处理。

阶段	目标周期	交付物	退出评审门
0 定义	第0-1个月	工作流、可接受结果与主张登记册	具名负责人与稳定定义
1 证据室	第1-2个月	合同到收款、架构、供应商与权利登记册	核心记录核对一致
2 评估	第2-4个月	代表性套件、发布门禁与故障分类法	关键阈值通过
3 经济性	第3-6个月	按成果计费成本与客群毛利率桥接分析	发票、遥测数据与账本对账一致
4 可移植性	第4-7个月	替代模型/供应商迁移测试	明确的质量、时间和成本阈值
5 商业实证	第4-10个月	生产环境采用、客户推荐及首次续约证据	客户与回款关卡通过
6 规模化管控	第8-14个月	监控、安全、支持和单位经济性管控	增长不会降低成果或利润率
7 融资	第10-18个月	以证据为依据的备忘录、下行情景、估值和资金用途	委员会或董事会批准的交易路径