亏损4580万仍IPO：极视角算法商城的商业逻辑与AI视觉估值解剖

公司还在亏损，IPO照常推进，这在今天的资本市场已经算不上新闻。但极视角这个案例，我还是想拿出来单独聊聊。3月30日挂牌上市，拟募资5亿，2025年亏损4580万——三个数字拼在一起，恰恰是过去几年AI公司上市浪潮里最典型的“矛盾样本”。在二级市场对AI叙事越来越挑剔的背景下，极视角凭什么还能按计划推进上市？募来的5亿准备花在哪？这4580万亏损到底是主动烧钱还是业务疲软的信号？这些问题不拆开看，很难判断这家公司未来的走势。这篇不写新闻复述，直接拆解它背后的商业模型、财务逻辑、募资投向和估值水位，最后从打新和从业者两个视角，聊聊该怎么看这类标的。

1. 一家亏损的AI公司为何能走到敲钟：极视角的IPO资质解读

1.1 从算法外包到算法商城：极视角的商业模型变迁

先搞清楚一件事：极视角到底靠什么赚钱？

从公开信息来看，这家公司最受行业关注的定位是“算法商城”。什么意思？类比一下就是AI领域的应用商店。传统安防、工业类的计算机视觉公司，大多走“项目制”路线：客户说要一套人脸识别闸机系统，公司就组织一个项目组去做定制开发，做完收项目款。这种模式有几大问题：实施周期长、交付重、毛利低、复制性差。一个项目一个团队，做完一个再做下一个，规模越大人员越臃肿。

极视角的算法商城逻辑不一样。它把各种视觉算法——车辆识别、安全帽检测、烟火识别、工业瑕疵检测——像APP一样上架到平台。客户根据自己的场景需求，挑选算法，按调用次数或者按年付费。算法可以来自极视角自研，也可以来自第三方开发者在平台上传，平台负责算法质量测试、部署和后端算力调度。

这个模式的差异化价值，恰好打在行业最大的痛点上：长尾需求。头部视觉场景，比如人脸识别、车牌识别，早就巨头扎堆了，价格战打到白菜价。但工业质检、零售巡检、园区安全这些细分场景，需求小而杂，单独开发一套算法成本太高，很少有公司愿意做。算法商城把研发成本摊薄到平台层面，让一个算法可以被成百上千个类似场景复用，边际成本趋近于零。这是它和传统CV公司最大的区别。

当然，这个模式也有代价——开发者生态养成难、平台冷启动难、客户信任难。如果平台上的算法数量不够、质量不稳定，客户还是会跑去找项目制公司做定制。所以极视角这类平台的成长路径，本质上是在赌“标准化算法解决长尾需求”这个大方向成立。

1.2 亏损企业上市的门槛：为什么4580万亏损挡不住招股

很多人看到“亏损上市”四个字第一反应是：这也能上市？确实能，而且近几年已经不是新鲜事。核心原因在于IPO审核逻辑早已从单一的“盈利门槛”转向“综合价值判断”。

现在无论是科创板还是港股，都为硬科技公司留了专门通道。比如科创板允许未盈利企业上市的几套标准中，关注的是市值、研发投入占比、核心技术和市场空间，不是净利润；港股的18C特专科技公司章节，按“已商业化公司”和“未商业化公司”分类设置不同的收入门槛，同样不要求盈利。极视角能在亏损状态下推进招股，说明它在技术属性、市场空间和持续经营能力上过了审核团队这一关。

再单独看“4580万”这个亏损数字。这个量级放在AI视觉行业里是什么水平？我拿行业公开情况做个参照：不少AI公司单年亏损都在几个亿甚至十几个亿的量级，相比之下，4580万的亏损其实相当克制。如果按其收入规模推断，这个亏损率可能只有百分之十几，意味着公司不是“烧钱换规模”的激进模式，而是“收入能覆盖大部分成本、只差最后一口气”的状态。这种“轻度亏损”的公司，比那种年亏10亿、靠融资续命的明星公司，健康程度高得多，上市后扭亏的路径也清晰得多。

这就是极视角能走到敲钟门口的根本原因：不是因为它不亏损，而是因为它亏得少、亏得有逻辑、亏得让人能看到尽头。

2. 4580万亏损的含金量：拆解AI公司的财务叙事

2.1 研发烧钱与亏损：AI公司的钱花在哪儿了

要理解AI公司的亏损，先看钱的去向。AI视觉公司的成本结构，大致可以拆成四块：算力、人力、数据和销售渠道。

算力是最大的刚性支出。训练一个工业质检模型，需要大量的GPU时间，跑一轮实验可能就要烧掉几万块。算法商城模式下，平台还要维持推理端的算力池，客户每一次算法调用背后都有服务器成本。人力方面，AI算法工程师薪资不低，一个核心算法团队一年的人力成本动辄几千万。数据标注是常被低估的隐性成本，工业场景的数据往往需要专业人员逐张标注，复杂缺陷的标注成本比普通图像高出一截。销售端，面向企业客户和政企客户的项目，往往需要售前工程师驻场，差旅、人力、招投标费用都不小。

把这几块加起来，AI公司账面上的“收入-成本”往往并不难看，亏就亏在期间费用。研发费用率动辄40%-60%，销售费用率再来个20%-30%，利润自然就被吞掉了。极视角能把亏损控制在4580万，说明它在费用端做得相当收敛——既没有像一些明星公司那样疯狂扩张团队，也没有把大量资金砸进重复造轮子式的研发中。

但这里要提醒一句：亏损减少不一定是好事，也可能是研发投入不足。如果一家AI公司的研发费用率逐年下滑，短期利润变好看了，但长期技术壁垒会松动。看招股书时要同时看研发费用的绝对值和占比，而不是只看亏多亏少。

2.2 比亏损更重要的一组财务指标

看AI公司的财务，只盯净利润是最业余的做法。我一般会按优先级看下面这几组数据。

营收增速排在第一位。AI公司估值靠的是成长性，收入如果能维持40%以上的增速，亏损可以容忍；一旦增速跌到20%以下，估值逻辑就危险了。毛利率紧随其后。算法授权、SaaS订阅这类软件收入的毛利率通常在70%-80%，系统集成项目只有30%-40%。如果一家公司毛利率持续走高，说明收入结构在变好，软件化程度在提升；反过来，毛利率下滑很可能意味着项目制、定制化业务变重了。

第三个要看的是一致性：经营现金流。净利润是会计概念，现金流才是真实生存水位。很多AI公司的账面上盈利，但钱全压在应收账款里，To G客户回款周期动辄一年以上。经营现金流能不能长期为正，决定了公司能不能不靠融资活下去。最后一个维度是应收账款账龄。账龄越长，坏账风险越大，很多AI公司真实亏损其实是被坏账计提拖出来的。

2.3 持续经营能力：招股书里最容易忽略的地方

亏损公司在招股书里，一定会有一段关于持续经营能力的论证，大意是“虽然我们目前亏损，但基于以下原因，公司具备持续经营能力”。很多人翻招股书时会跳过这段，但它恰恰是理解公司底牌的关键。

核心看两个数：账上现金（含理财）和未来一年预计净流出。用现金除以每年的净流出，能估算出这家公司在不融资的情况下能撑多久。业内通常认为能撑24个月以上，公司就有底气按规划推进研发和扩张；如果只能撑12个月甚至更短，那上市就带有强烈的“续命”色彩——这种公司上市后很容易因为业绩压力做出短视决策。

AI公司因为研发周期长，普遍需要“烧钱换时间”。极视角在亏损状态下能走到招股，至少说明在审核机构的视角里，它的现金储备和亏损幅度是可以接受的。至于账上的钱到底能让它跑多远，那是所有认真研究这只标的的人，都应该翻开招股书仔细算一笔账的内容。

3. 5亿募资怎么花：从算法产能到落地网络的推演

3.1 算力采购与训练平台升级：标准动作里的必然项

募资5亿，对于一个AI视觉公司来说，第一笔大项开支大概率会落在算力和训练基础设施上。这不难猜，因为算法商城模式的规模效应，取决于SKU数量——平台上的算法品类越多，能覆盖的客户场景越广，长尾价值的复利才越明显。

而要扩充算法SKU，就需要持续训练新模型。算力是硬成本，这部分投入没有捷径可走。此外，平台化公司还要做模型训练流水线、自动标注系统、模型评测中台等技术基建，让第三方算法开发者可以上手就用。这些基础设施投入，通常在IPO募资投向里会占相当大比例。

我个人的判断是：算力投入在5亿里占两三成是合理的水平。这笔钱该不该花、花得值不值，关键看转化率——新增算力能不能在12-18个月内反映为新增算法数量和新增付费客户。

3.2 行业Know-how的复制：从通用算法到垂直场景

算法商城模式有个天然的诱惑：什么场景都想做，最后什么都做不深。所以上市后的重点投入方向之一，必然是垂直行业的深耕。

比如工业质检，看起来是同一个“缺陷检测”算法，但每个工厂的产线、材料、光照条件都不同，通用模型很难直接落地，需要针对特定产线做微调适配。零售巡检场景也有类似的问题，货架商品识别要考虑门店布局、灯光、排面变化，纯算法平台不做场景适配，客户不会买账。

这就是AI行业的“最后一公里”问题。极视角这类平台公司，上市后大概率会把一部分钱投向行业解决方案：组建垂直行业团队，针对3-4个主力行业（比如工业、园区、物流、零售）做场景化打磨，沉淀出可复制的落地模板。这个方向的投入占比，取决于它的商业模式到底偏“轻”还是偏“重”。如果偏轻，按算法授权计费，行业方案投入就能少一些；如果实际落地越来越多需要做系统集成，这部分的资金需求会被拉得很高——这也是上市后值得跟踪的关键信号。

3.3 渠道、生态与人才：账面上看不见的隐性支出

前面说的都是看得见的大项，真正容易被低估的是“隐性支出”。

算法商城模式要实现“商城”的价值，必须同时经营两端的生态：供给端，需要吸引更多算法开发者入驻平台；需求端，需要让更多企业客户知道平台、信任平台、最终付费转化。两端的扩张都要靠真金白银：开发者端要有算力补贴、分成机制、技术支持和培训；客户端要有地推团队、售前工程师、渠道伙伴的利润分成。

在一个技术驱动型公司里，销售费用占比过高往往被投资人嫌弃，但AI平台公司早期恰恰逃不开这个阶段——生态冷启动时，没渠道、没标杆案例，产品再好也卖不动。极视角的招股书里，销售费用的变化趋势值得重点看。如果上市后一两年内销售费用率仍在高位，说明它还在生态建设期，盈利时间点会被推后；如果销售费用率开始逐年下降，说明平台影响力开始产生自然流量，这是商业模式走通的信号。

4. AI视觉赛道估值锚：极视角的5亿募资处在什么水位

4.1 行业估值样本：从商汤、格灵深瞳到云从

把极视角放在AI视觉赛道的坐标里看，先看几家已经上市的参照公司。我根据公开报道整理了一个粗略对比：

（数据根据公开报道整理，如有出入以官方披露为准）

这组数据能看出一个规律：AI视觉公司上市时的募资体量，从几十亿到十几亿都有——和公司体量、市场热度直接挂钩。极视角拟募5亿，在A股IPO里属于明显偏小的盘子。这不是贬义，反而可能是个优势：盘子小意味着发行压力小，不需要找太多机构接盘，上市后流通盘相对可控，不容易出现大股东解禁砸盘的恐慌局。

但如果按发行比例反推，5亿募资对应的隐含估值大概落在30亿到50亿量级（具体要看发行股数和价格，这里只是粗略推算）。这个水位在AI视觉赛道里属于“中腰部”——比头部明星公司低得多，比大多数一级市场AI初创公司高出一截。对打新资金来说，这个估值水位意味着“想象空间有限、但安全边际相对清晰”。

4.2 没有利润怎么定价：看懂PS估值的逻辑

未盈利公司没有市盈率（PE）可用，市场的定价锚主要是市销率（PS）。PS估值的逻辑很简单：收入越高、增速越快，估值倍数越高。

AI视觉公司的PS估值区间浮动非常大。高增长、高毛利、平台属性的公司，市场愿意给8-15倍PS；增长放缓、项目制为主的公司，3-5倍PS就嫌贵了。所以极视角的价值，很大程度上取决于市场怎么定义它——如果市场认可“算法商城=软件平台”的定位，它可以拿到平台类公司的估值待遇；如果市场认定它本质上还是做项目的集成商，估值就得按系统集成商的标准打折。

这里我多说一句：很多AI公司叙事讲得天花乱坠，但一看到收入结构就露馅了——绝大部分收入来自低毛利的硬件转售和项目集成，纯软件收入占比不到三成。极视角的估值能不能立住，关键就看软件化收入占比这个指标。这个数在招股书里一定有，只是很多人不细看。

4.3 破发风险与上市后的三个观察节点

AI公司破发这个话题，这两年已经说烂了。头部的商汤、云从上市后都经历过大幅回撤，更不用说各种二线AI公司。对极视角这种中小盘新股来说，上市初期的股价波动几乎是必然的——流通盘小、情绪主导、机构定价分歧大，首日振幅往往很刺激。

上市后有四个节点值得跟踪：首日收盘表现和换手率、第一个财报季的收入增速、研发费用率是否维持、应收账款和现金流的健康状况。我的经验是，IPO后的前两个财报季是“证伪窗口”——招股书里的增长叙事能不能兑现，这个阶段就能看出端倪。如果收入增速大幅低于招股书里的预期披露，股价会被迅速修正；如果收入增速反而超预期，那就是最好的正面信号。

5. 打新股、看招股书、追行业：三个视角分别该盯什么

5.1 打新视角：亏损企业新股的三条实操经验

先说打新。很多人问我，亏损企业的新股能不能打？我的回答是：可以打，但必须建立在看完招股书的基础上，而不是闭眼申购。

第一条经验，看发行估值和行业可比公司的差距。如果发行估值明显低于同行业已上市公司，安全边际就高；如果发行估值已经透支了未来两年的增长，破发概率就大。第二条，看基石投资者名单。有知名投资机构或产业资本做基石，代表有资金在发行价之上“托底”，这本身就是信心信号。第三条，盯绿鞋机制。有绿鞋的股票，上市初期破发时承销商有动力接盘护盘；没有绿鞋，跌破发行价的速度可能非常快。

我自己的实操习惯是：上市首日不急着操作，先看开盘半小时的量价关系。对亏损类AI新股，如果首日高开超过30%，我倾向于先兑现，不贪；如果平开甚至低开，再根据基本面决定要不要持有观察。这只是一种经验做法，不是投资建议，但这些年靠这个纪律避开过不少坑。

5.2 产业从业者视角：算法平台化带来的机会和风险

如果你不是打新客，而是AI视觉行业的从业者，极视角上市这件事也值得琢磨。算法平台化如果走通，最直接的变化是：越来越多的小团队和独立开发者，可以靠上传算法模型赚钱——平台负责算力、渠道和客户，开发者专注算法本身。这种分工模式会降低AI创业的门槛，也会改变行业的收入分配规则。

风险同样存在。平台化的另一面是算法价格内卷。当同一个缺陷检测算法在平台上有几十个开发者上传时，价格一定会被压下来。长期来看，上游单纯做算法模型的团队利润空间会被压缩，能做垂直行业、有客户资源的团队才更值钱。这一点对很多想做AI创业的人，比追新股涨跌重要得多。

5.3 看招股书的实操小抄：最容易忽略的几页

最后分享一点看招股书的实操心得。绝大多数人看招股书只看业务概况、财务摘要和募资用途，但这几页才是真正的信息富矿：

募集资金里“补流”占比——如果补充流动资金的占比超过30%，说明公司现金流偏紧，上市带有明显的输血属性。

前五大客户集中度——如果最大客户收入占比超过30%，那么这个客户一旦流失，公司业绩会骤降，这种大客户依赖风险在招股书风险提示里通常只是轻描淡写。

研发人员的数量与薪酬——对比同行业看人均薪酬是否合理。薪酬过高说明在抢人，人力成本压力大；薪酬过低说明留不住核心人才，技术壁垒存疑。

上市前股权激励与突击入股——低价入股股东、股权激励计划的行权条件，往往透露内部人对公司前景的真实预期。

这些细节单看每一条都不致命，但放在一起，能拼出招股书叙事之外的另一张公司画像。极视角这只标的，未来走势如何，最终还是得回到这些最朴素的财务和经营数据上。