旧尺难量新世界：市盈率（PE）指标在AI时代科技公司估值中的失效与反思
展开
旧尺难量新世界：市盈率（PE）指标在AI时代科技公司估值中的失效与反思
摘要
市盈率（P/E）作为资本市场最经典的估值指标之一，在衡量传统成熟企业时具有重要参考价值。然而，随着人工智能技术的迅猛发展，越来越多AI科技公司呈现出高研发投入、盈利滞后、资产无形化等特征，传统市盈率指标在这些企业面前正面临系统性失效。本报告从PE指标的理论前提与AI企业现实特征的错配出发，结合英伟达、百度、寒武纪等典型案例，系统分析PE失效的深层原因，并探讨适用于AI时代的替代性估值框架，为投资者和监管者提供参考。
一、引言：一场正在发生的估值范式转移
2026年6月30日，寒武纪股价盘中冲高至1620元，总市值突破万亿元，成为科创板首家仅靠自身股本突破万亿市值的企业。然而，这家公司的滚动市盈率高达368.97倍，远超计算机、通信和其他电子设备制造业74.86倍的行业平均水平。与此同时，英伟达的往绩市盈率约为31倍，远期市盈率仅23倍；百度十年累计投入1800亿元投向AI，却始终被市场锚定在20倍左右市盈率的“搜索公司”坐标系中。
这些案例指向同一个问题：当一家公司的价值不再主要来自当下的利润，而来自尚未商业化的技术、尚未形成规模的数据资产、尚未确定的未来垄断权时，以净利润为核心的市盈率指标，还能量出什么？
二、PE指标的理论前提与AI企业的现实错配
市盈率的计算公式简单而优雅：P/E = 股价 / 每股收益。其背后的估值逻辑是：企业的价值取决于其持续创造利润的能力，而当前的盈利水平是未来现金流的可靠代理变量。这一逻辑隐含三个关键前提：
第一，盈利的稳定性——企业当前的盈利能够合理反映其常态化的盈利能力；第二，盈利的可比性——不同企业的会计处理方式足够一致，使得跨企业比较有意义；第三，价值的当期性——企业价值主要来自现有业务产生的现金流，而非尚不确定的未来期权。
AI时代的科技公司，恰恰在这三个前提上同时出现了偏离。
2.1 盈利的缺席：当分母为零
最直接的问题在于，大量AI企业尚未实现盈利，甚至远未接近盈利。智谱2025年全年收入7.24亿元，净亏损47.18亿元；OpenAI在估值高达3000亿美元时仍在巨额亏损。对于这些企业，市盈率根本无从计算——分母为负或为零，指标本身失去了数学意义。
即使对于那些已经盈利的AI公司，盈利的波动性和阶段性也使得单一时期的PE值充满误导。百度2026年一季度归母净利润同比暴跌55.4%，高毛利的传统广告业务萎缩与高投入的AI业务扩张同时发生——同样的公司，在不同季度的PE值可能天差地别，但这并不必然意味着公司价值发生了同等幅度的变化。
2.2 研发投入的会计扭曲：被费用化的核心资产
更深层的问题在于会计准则与科技企业商业本质之间的错配。按照现行会计准则，绝大多数研发投入被费用化处理，直接扣减当期利润。对于研发强度极高的AI公司而言，这意味着：
· 大量创造未来价值的活动被记录为“成本”而非“投资”
· 当期利润被人为压低，市盈率被人为推高
· 企业的核心资产——算法、模型、专利、数据——大量游离于资产负债表之外
百度十年累计研发投入占营收15%以上；寒武纪2026年一季度研发费用仍达3.24亿元。这些投入若能资本化并在未来年份摊销，企业的“真实盈利”将远高于报表数字。市盈率衡量的不是企业的价值创造能力，而是会计准则下的利润表达——两者在AI时代的距离正在急剧拉大。
2.3 无形资产主导：价值不在报表上
AI公司的核心价值载体与传统企业截然不同。训练好的大模型、优化的算法、积累的数据资产、构建的开发者生态——这些才是AI公司真正的价值来源。然而，这些资产在传统财务框架下要么不被确认，要么被严重低估。
申万宏源的研究指出，大量传统上处于Pre-IPO阶段的早期科技企业如今大量登陆二级市场，这些公司普遍尚未盈利、不确定性高、技术路线远未收敛。对这些企业而言，价值的锚不在过去的利润表上，而在未来的可能性中。
三、PE失效的实证表现
3.1 英伟达：越涨越便宜的悖论
英伟达是理解PE指标局限性的绝佳案例。过去12个月，英伟达的滚动市盈率出现回落——股价大涨，但盈利增长更快，导致市盈率估值反而下降。这意味着，同样一个PE数字，在公司盈利高速增长时可能意味着“便宜”，在盈利停滞时可能意味着“昂贵”，而PE指标本身无法区分这两种情境。
有观点认为英伟达市盈率高于同业公司因而估值过高，这种比较的漏洞在于忽视了盈利增长差异——正如仅凭体重判断胖瘦却不考虑身高同样荒谬。对于年盈利增长率达40%的企业，市场自然愿意给予比增长率10%的企业更高的估值溢价。
3.2 百度：被“搜索公司”标签压制的AI价值
百度是另一个极具讽刺意味的案例。过去十年累计投入1800亿元研发AI，2026年第一季度AI业务收入已达136亿元，占一般性业务收入的52%，首次超过一半。然而，市场给百度的估值始终锚定在“搜索公司”的坐标系里——20倍左右市盈率，不温不火。
更具戏剧性的是，百度旗下AI芯片子公司昆仑芯计划赴港上市，目标估值500亿美元，而百度母公司市值仅约384亿美元。子公司比母公司更贵——这一现象本身就宣告了以母公司整体利润为基础的PE估值法已经彻底失效。 当一家公司的核心价值被分割为传统业务和新兴业务两个估值逻辑完全不同的部分时，用一个统一的PE数字去概括，无异于刻舟求剑。
3.3 寒武纪：368倍PE意味着什么？
寒武纪368倍的滚动市盈率，从传统价值投资视角看无疑是“泡沫”的代名词。然而，这家公司2026年一季度营收同比增长159.56%，归母净利润同比增长185.04%，经营活动现金流从去年同期的负13.99亿元转为正8.34亿元。
368倍PE究竟意味着“极度高估”还是“市场在为极高的增长预期定价”？问题的答案不在PE数字本身，而在于增长能否持续、技术壁垒能否维持、市场规模能有多大——而这些恰恰是PE指标无法回答的问题。
四、旧尺之外：AI时代的新估值框架
PE指标的失效并不意味着估值本身失去了意义，而是意味着我们需要新的“尺子”。
4.1 相对估值法的进阶：从PE到PS、EV/Backlog、EV/R D
当企业没有利润时，估值指标需要向前寻找领先指标。申万宏源提出的“未来产业定价体系”中，相对估值法不再以PE、PB为锚，而是使用P/S（市销率）、EV/Backlog（企业价值/订单积压）与EV/R D（企业价值/研发投入）等指标。
收入领先利润，订单领先收入，研发领先订单。在AI企业价值创造的链条上，越往前的指标越能捕捉到价值的萌芽。 市场目前普遍采用市销率对AI公司进行定价——智谱、MiniMax等公司的估值讨论几乎全部围绕PS展开。
4.2 实物期权法：为不确定性定价
实物期权法正在成为AI企业估值的重要工具。其核心逻辑是：科创企业的价值由现有资产现金流和未来增长期权两部分组成；对于未盈利的高科技公司，其价值几乎完全来源于后者。
市场已不再用营收规模、净利润、自由现金流等常规指标衡量超级科技企业，而是将其持续扩大的巨额亏损视为“购买未来数字世界垄断权”的必要成本。这种估值逻辑与传统PE框架截然不同——它不是在为“已经赚到的钱”定价，而是在为“可能赢得的未来”定价。
4.3 PEGR 框架：把时间、风险和增长纳入同一体系
上海金融与发展实验室特聘高级研究员杨川指出，当前科技股估值最大的困境是缺少统一的“度量衡”——不同投资者正在使用完全不同的“尺子”衡量同一家企业。他提出的PEGR估值框架，尝试通过“隐含终值动态回收期”“有效增长率”和“有效价值期”等概念，把时间、风险和增长重新纳入同一个估值体系。
这一框架的核心洞察在于：AI时代的不确定性会随着时间快速放大，折现率不应是静态参数，而应呈现“短期相对平稳、中期逐步抬升、远期显著上升”的状态。相比之下，传统PE指标隐含的是对企业永续增长和盈利稳定性的默认信任——这一假设在AI时代正变得越来越不成立。
五、结论：告别单一指标，拥抱多维估值
市盈率并非一无是处。对于传统行业、成熟企业、盈利稳定的公司，PE仍然是有效的估值参考。然而，在AI时代，试图用一个指标衡量所有企业的时代已经过去了。
对于投资者而言，这意味着：
第一，PE不能作为AI公司估值的否决性指标。 368倍的市盈率不一定意味着寒武纪被高估，20倍的市盈率也不一定意味着百度被低估——关键在于理解PE数字背后的盈利质量、增长阶段和资产结构。
第二，估值需要多维度的指标组合。 对于尚未盈利的AI公司，PS、EV/R D、用户价值法等指标可能比PE更有意义；对于重资产的AI基础设施公司，EV/ EBIT DA可能更合适；对于拥有大量技术选择权的企业，实物期权法不可或缺。
第三，也是最根本的，估值终究是关于“故事”与“数字”的对话。 正如杨川所言，当市场交易各方不在一个对话维度，分歧无法收敛，很可能导致价格脱离基本面。AI时代的估值，需要的不是放弃数字，而是找到能够讲述AI企业真实故事的新的数字语言。
旧尺量不了新世界。PE指标的失效不是估值的终结，而是估值范式进化的开始。
摘要
市盈率（P/E）作为资本市场最经典的估值指标之一，在衡量传统成熟企业时具有重要参考价值。然而，随着人工智能技术的迅猛发展，越来越多AI科技公司呈现出高研发投入、盈利滞后、资产无形化等特征，传统市盈率指标在这些企业面前正面临系统性失效。本报告从PE指标的理论前提与AI企业现实特征的错配出发，结合英伟达、百度、寒武纪等典型案例，系统分析PE失效的深层原因，并探讨适用于AI时代的替代性估值框架，为投资者和监管者提供参考。
一、引言：一场正在发生的估值范式转移
2026年6月30日，寒武纪股价盘中冲高至1620元，总市值突破万亿元，成为科创板首家仅靠自身股本突破万亿市值的企业。然而，这家公司的滚动市盈率高达368.97倍，远超计算机、通信和其他电子设备制造业74.86倍的行业平均水平。与此同时，英伟达的往绩市盈率约为31倍，远期市盈率仅23倍；百度十年累计投入1800亿元投向AI，却始终被市场锚定在20倍左右市盈率的“搜索公司”坐标系中。
这些案例指向同一个问题：当一家公司的价值不再主要来自当下的利润，而来自尚未商业化的技术、尚未形成规模的数据资产、尚未确定的未来垄断权时，以净利润为核心的市盈率指标，还能量出什么？
二、PE指标的理论前提与AI企业的现实错配
市盈率的计算公式简单而优雅：P/E = 股价 / 每股收益。其背后的估值逻辑是：企业的价值取决于其持续创造利润的能力，而当前的盈利水平是未来现金流的可靠代理变量。这一逻辑隐含三个关键前提：
第一，盈利的稳定性——企业当前的盈利能够合理反映其常态化的盈利能力；第二，盈利的可比性——不同企业的会计处理方式足够一致，使得跨企业比较有意义；第三，价值的当期性——企业价值主要来自现有业务产生的现金流，而非尚不确定的未来期权。
AI时代的科技公司，恰恰在这三个前提上同时出现了偏离。
2.1 盈利的缺席：当分母为零
最直接的问题在于，大量AI企业尚未实现盈利，甚至远未接近盈利。智谱2025年全年收入7.24亿元，净亏损47.18亿元；OpenAI在估值高达3000亿美元时仍在巨额亏损。对于这些企业，市盈率根本无从计算——分母为负或为零，指标本身失去了数学意义。
即使对于那些已经盈利的AI公司，盈利的波动性和阶段性也使得单一时期的PE值充满误导。百度2026年一季度归母净利润同比暴跌55.4%，高毛利的传统广告业务萎缩与高投入的AI业务扩张同时发生——同样的公司，在不同季度的PE值可能天差地别，但这并不必然意味着公司价值发生了同等幅度的变化。
2.2 研发投入的会计扭曲：被费用化的核心资产
更深层的问题在于会计准则与科技企业商业本质之间的错配。按照现行会计准则，绝大多数研发投入被费用化处理，直接扣减当期利润。对于研发强度极高的AI公司而言，这意味着：
· 大量创造未来价值的活动被记录为“成本”而非“投资”
· 当期利润被人为压低，市盈率被人为推高
· 企业的核心资产——算法、模型、专利、数据——大量游离于资产负债表之外
百度十年累计研发投入占营收15%以上；寒武纪2026年一季度研发费用仍达3.24亿元。这些投入若能资本化并在未来年份摊销，企业的“真实盈利”将远高于报表数字。市盈率衡量的不是企业的价值创造能力，而是会计准则下的利润表达——两者在AI时代的距离正在急剧拉大。
2.3 无形资产主导：价值不在报表上
AI公司的核心价值载体与传统企业截然不同。训练好的大模型、优化的算法、积累的数据资产、构建的开发者生态——这些才是AI公司真正的价值来源。然而，这些资产在传统财务框架下要么不被确认，要么被严重低估。
申万宏源的研究指出，大量传统上处于Pre-IPO阶段的早期科技企业如今大量登陆二级市场，这些公司普遍尚未盈利、不确定性高、技术路线远未收敛。对这些企业而言，价值的锚不在过去的利润表上，而在未来的可能性中。
三、PE失效的实证表现
3.1 英伟达：越涨越便宜的悖论
英伟达是理解PE指标局限性的绝佳案例。过去12个月，英伟达的滚动市盈率出现回落——股价大涨，但盈利增长更快，导致市盈率估值反而下降。这意味着，同样一个PE数字，在公司盈利高速增长时可能意味着“便宜”，在盈利停滞时可能意味着“昂贵”，而PE指标本身无法区分这两种情境。
有观点认为英伟达市盈率高于同业公司因而估值过高，这种比较的漏洞在于忽视了盈利增长差异——正如仅凭体重判断胖瘦却不考虑身高同样荒谬。对于年盈利增长率达40%的企业，市场自然愿意给予比增长率10%的企业更高的估值溢价。
3.2 百度：被“搜索公司”标签压制的AI价值
百度是另一个极具讽刺意味的案例。过去十年累计投入1800亿元研发AI，2026年第一季度AI业务收入已达136亿元，占一般性业务收入的52%，首次超过一半。然而，市场给百度的估值始终锚定在“搜索公司”的坐标系里——20倍左右市盈率，不温不火。
更具戏剧性的是，百度旗下AI芯片子公司昆仑芯计划赴港上市，目标估值500亿美元，而百度母公司市值仅约384亿美元。子公司比母公司更贵——这一现象本身就宣告了以母公司整体利润为基础的PE估值法已经彻底失效。 当一家公司的核心价值被分割为传统业务和新兴业务两个估值逻辑完全不同的部分时，用一个统一的PE数字去概括，无异于刻舟求剑。
3.3 寒武纪：368倍PE意味着什么？
寒武纪368倍的滚动市盈率，从传统价值投资视角看无疑是“泡沫”的代名词。然而，这家公司2026年一季度营收同比增长159.56%，归母净利润同比增长185.04%，经营活动现金流从去年同期的负13.99亿元转为正8.34亿元。
368倍PE究竟意味着“极度高估”还是“市场在为极高的增长预期定价”？问题的答案不在PE数字本身，而在于增长能否持续、技术壁垒能否维持、市场规模能有多大——而这些恰恰是PE指标无法回答的问题。
四、旧尺之外：AI时代的新估值框架
PE指标的失效并不意味着估值本身失去了意义，而是意味着我们需要新的“尺子”。
4.1 相对估值法的进阶：从PE到PS、EV/Backlog、EV/R D
当企业没有利润时，估值指标需要向前寻找领先指标。申万宏源提出的“未来产业定价体系”中，相对估值法不再以PE、PB为锚，而是使用P/S（市销率）、EV/Backlog（企业价值/订单积压）与EV/R D（企业价值/研发投入）等指标。
收入领先利润，订单领先收入，研发领先订单。在AI企业价值创造的链条上，越往前的指标越能捕捉到价值的萌芽。 市场目前普遍采用市销率对AI公司进行定价——智谱、MiniMax等公司的估值讨论几乎全部围绕PS展开。
4.2 实物期权法：为不确定性定价
实物期权法正在成为AI企业估值的重要工具。其核心逻辑是：科创企业的价值由现有资产现金流和未来增长期权两部分组成；对于未盈利的高科技公司，其价值几乎完全来源于后者。
市场已不再用营收规模、净利润、自由现金流等常规指标衡量超级科技企业，而是将其持续扩大的巨额亏损视为“购买未来数字世界垄断权”的必要成本。这种估值逻辑与传统PE框架截然不同——它不是在为“已经赚到的钱”定价，而是在为“可能赢得的未来”定价。
4.3 PEGR 框架：把时间、风险和增长纳入同一体系
上海金融与发展实验室特聘高级研究员杨川指出，当前科技股估值最大的困境是缺少统一的“度量衡”——不同投资者正在使用完全不同的“尺子”衡量同一家企业。他提出的PEGR估值框架，尝试通过“隐含终值动态回收期”“有效增长率”和“有效价值期”等概念，把时间、风险和增长重新纳入同一个估值体系。
这一框架的核心洞察在于：AI时代的不确定性会随着时间快速放大，折现率不应是静态参数，而应呈现“短期相对平稳、中期逐步抬升、远期显著上升”的状态。相比之下，传统PE指标隐含的是对企业永续增长和盈利稳定性的默认信任——这一假设在AI时代正变得越来越不成立。
五、结论：告别单一指标，拥抱多维估值
市盈率并非一无是处。对于传统行业、成熟企业、盈利稳定的公司，PE仍然是有效的估值参考。然而，在AI时代，试图用一个指标衡量所有企业的时代已经过去了。
对于投资者而言，这意味着：
第一，PE不能作为AI公司估值的否决性指标。 368倍的市盈率不一定意味着寒武纪被高估，20倍的市盈率也不一定意味着百度被低估——关键在于理解PE数字背后的盈利质量、增长阶段和资产结构。
第二，估值需要多维度的指标组合。 对于尚未盈利的AI公司，PS、EV/R D、用户价值法等指标可能比PE更有意义；对于重资产的AI基础设施公司，EV/ EBIT DA可能更合适；对于拥有大量技术选择权的企业，实物期权法不可或缺。
第三，也是最根本的，估值终究是关于“故事”与“数字”的对话。 正如杨川所言，当市场交易各方不在一个对话维度，分歧无法收敛，很可能导致价格脱离基本面。AI时代的估值，需要的不是放弃数字，而是找到能够讲述AI企业真实故事的新的数字语言。
旧尺量不了新世界。PE指标的失效不是估值的终结，而是估值范式进化的开始。
话题与分类：
主题股票：
主题概念：
声明：遵守相关法律法规，所发内容承担法律责任，倡导理性交流，远离非法证券活动，共建和谐交流环境！
