8月28日訊（記者 朱俊熹）AI公司"花團錦簇"的收入數據正在席卷新聞頭條："8個月ARR突破1億美元"、"有史以來ARR增長最快的初創公司"……普通看客尚可當作一場熱鬧。但對關注AI的投資人來說，面臨的問題則是，如何從這些造富神話中分辨出真正具備參考價值的數據。

近日，AI智能體明星公司Manus首次公布了其商業化進展。Manus聯合創始人、首席科學家季逸超在新加坡舉辦的一場活動中表示，自三月上線以來，Manus的RRR（Revenue Run Rate，收入運行率）已達到9000萬美元，且實現1億美元指日可待。

Manus創始人兼CEO肖弘隨后在社交媒體上補充稱，RRR是"更合理又常見的指標"。據其解釋，Manus的少量收入來自重度用戶額外購買的一次性積分，這部分并非經常性收入，因此用ARR（Annual Recurring Revenue，年度經常性收入）無法完全反映業務實際情況。此外，像亞馬遜AWS、Databricks、Salesforce等采用按使用量計費的公司，在財報中也通常選擇披露RRR。

從定義上看，ARR指的是企業每年能夠穩定、重復獲得的收入，主要針對訂閱模式或長期合約收入，不包含一次性收入。其常用的計算方法是用MRR（Monthly Recurring Revenue，每月經常性收入）乘以12得到。而RRR是基于當前某個月或季度的收入表現來推算全年收入，相較于ARR更寬泛，除經常性收入外，也可能包含一次性或偶發收入。

一位投資人對藍鯨科技表示，肖弘的說法有一定道理。因為RRR將當前所有收入都納入計算，比起ARR更能反映Manus短期的業務表現和市場接受度。但作為初創企業，在業務穩定性和數據支撐方面，Manus很難與亞馬遜AWS等成熟企業相比。未來若受到市場競爭或技術迭代等影響，其收入可能難以維持當前水平，因此也存在高估公司實際收入能力的風險。

科技行業對ARR這一收入指標并不陌生，越來越多的AI公司正在成為ARR"增長神話"的主角。大模型領軍者OpenAI曾在6月透露，其ARR已從去年的55億美元躍升至100億美元。Anthropic的ARR被曝達到40億美元，較年初增長了近四倍。一些應用層的新興玩家也不甘落后，前百度集團副總裁、小度科技CEO景鯤等人創辦的Genspark就表示，其AI智能體產品上線僅45天，就實現了3600萬美元的ARR。

前述投資人稱，AI公司對ARR的強調，主要是講給投資者的故事。"ARR是傳統SaaS公司常用的估值指標，投資者比較熟悉。"因此，較高的ARR數字能夠更好地展示這家AI公司的收入增長潛力和業務規模，增強投資者的信心，便于在融資時獲得更高估值。

但與傳統SaaS公司相對穩定、用戶留存率高的業務模式不同，當前AI行業正處于日新月異的迭代中，用戶波動性較大，這也讓ARR的預測價值蒙上了一層不確定性。

AI Infra企業潞晨科技的創始人尤洋對藍鯨科技舉例稱，微軟就是傳統SaaS的典型代表。像大學這樣的大型客戶，一旦使用微軟提供的郵箱或會議系統服務，就極少會輕易更換。"但是今天有些AI產品的切換代價可能非常低，我可以從ChatGPT無縫切換到Gemini。"

在尤洋看來，沒有任何指標能夠對未來做到絕對、完整的預測。相對而言，如果一家AI公司正處于上升勢頭，ARR確實能夠反映出其營收增長預期，讓投資人看到公司每年可能實現的可重復性收入規模——但前提是，ARR必須經過嚴謹且準確的計算。

尤洋描述了一種常見卻有誤導性的ARR計算方式。假設一家大模型公司月收入包括以下幾項：按月訂閱用戶總付費1億元、按季度訂閱用戶總付費2億元、按年訂閱用戶總付費3億元、API按量調用總付費3億元。

真實的ARR應按周期折算，即1×12+2×4+3×1=23億元。但有些公司為了虛增規模，會將未實現的預收款也計入當月收入，直接得出(1+2+3+3) ×12=108億元的ARR數據。由于計算方法不同，最終得出的ARR數字可能相差懸殊。

除此之外，亦不乏一些刻意抬高ARR數字的手段。據前述投資人介紹，譬如有AI產品在發布初期，通過同行互刷、Product Hunt打榜等途徑制造假熱度，再直接將這種非典型的用戶付費數據年化處理，使ARR"暴漲"。又或者在上線首月，先通過極低定價引流，后期再大幅漲價，并用漲價后的單價來計算ARR以制造假象。

一些企業還會和KOL達成合作，向其提供高額返傭，由KOL以返現方式吸引粉絲購買年費會員，從而在短期內拉升月收入并抬高ARR。但實質上，這類用戶忠誠度不高，續費可能性較小。

"ARR對投資人有一定參考價值，但這個價值在AI領域有所降低。"該投資人稱，"由于AI公司收入模式多樣且不穩定，ARR易被操縱，投資人不會單純依賴ARR敘事。"他指出，通常還會參考用戶留存率、客戶獲取成本、毛利率、產品迭代速度等指標來綜合評估公司價值。

另一位投資人則表示，諸如AI應用的日活、月活用戶數等數據都"很虛"，核心還是要看用戶留存情況。"要看長時間段的數據，比如次周、十周的，因為一次性的數據可以通過運營手段做上去。"他強調。