深入理解对赌条款(VAM)

可视化演示

展示对赌协议核心机制：业绩目标VS实际达成对比，达标获奖励、未达标触发股权或现金补偿，三种典型场景一目了然。

概念定义

回到老张和王大妈的故事。王大妈掏出 20 万时说得很明白：“我按你'每天 100 斤'的本事给你钱，你达不到，就得还一部分。”这句朴素的“丑话说在前面”，就是 VAM（Valuation Adjustment Mechanism，估值调整机制）的雏形：双方先按一个乐观的估值成交，再拿实际业绩做“期末考”，考砸了就多退少补。

VAM 在中文语境里被译作“对赌协议”，但“赌”字容易误导人——它本质上不是赌博，而是一份基于未来不确定性的估值校正契约。它起源于海外 PE 投资实践，2000 年前后随着外资基金进入中国而被广泛使用。投资方认为“你的公司值 3 亿”，创始人自己也觉得“值 3 亿”，但未来能不能兑现，谁心里都没底。对赌协议就是给这个“没底”装上的一根锚。

一份完整的对赌条款通常包含三个核心要素：业绩目标（净利润、营收、用户数或 IPO 等）、补偿方式（股权补偿、现金补偿或股份回购）和期限（一般覆盖投资后 3 至 5 年）。三要素齐全，对赌才算真正落地。回到比喻里，王大妈和老张的“字据”也包含了这三样：日销 100 斤是目标，补差价是补偿，一年是期限——你看，生活的智慧往往先于商业的术语。

运作机制

王大妈每年年终都会来豆腐坊“查账”：看看老张这一年到底卖了多少斤。若连续几个月不达标，她就会找出当年的字据，启动“补偿程序”。对赌机制的运行逻辑，和这个查账过程如出一辙。

第一步是设定业绩目标。常见指标包括净利润、营业收入、用户规模、研发进度甚至上市申请。第二步是约定补偿方式，主流有两种：一是股权补偿，业绩不达标时，创始人向投资人转让一部分股份作为补偿；二是现金补偿，创始人按差额比例向投资人支付现金，实践中常表现为“业绩补偿金”。第三步是触发条件，通常约定在某一会计年度结束后，由审计机构出具报告，以实际业绩与承诺业绩的差额为基准触发。

计算补偿额通常用这样一个简化模型：

王大妈查账时若发现差额，会按字据“差价 × 天数”让老张补钱；投资人的对赌补偿，就是把“差价 × 系数”换成了“缺口比例 × 投资额”。机制不复杂，真正的绞肉机在目标设定那一栏。

风险识别

老张签字据时只想着“每天 100 斤应该不难”，却没想到黄豆会涨价、磨豆机会坏。等他一年后站在王大妈面前，才发现当初的承诺像一座山压在身上。创始人对赌踩坑，几乎都栽在这四颗“暗雷”上。

第一颗雷是目标过高。投资人为了抬高估值，往往期望创始人签下激进的业绩承诺；创始人为了拿到钱，也愿意“把牛皮吹大”。可一旦经济下行或行业变冷，目标瞬间从“激励”变成“绞索”。第二颗雷是现金回购。部分条款约定未达标时创始人要以年化 10% 以上利息赎回投资款，金额往往是公司账面现金的数十倍，创始人只能变卖个人资产。第三颗雷是控制权稀释。股权补偿意味着创始人不断割让股份，一轮补偿后持股比例跌到 30% 以下，公司可能改姓。第四颗雷是连带责任——多轮融资中，各轮投资人的对赌同时触发，创始人同时面对多个“王大妈”上门讨债。

AI 创业尤其容易被前两颗雷击中：AI 公司的估值高度依赖技术想象空间，而技术落地周期远超投资人预期。2018 年前后多家 AI 公司为抢融资签下年增长 200% 的对赌目标，结果收入增速仅 50%，创始人被迫拿个人房产抵押兑现补偿。签“承诺书”时，一定要先想清楚最坏的结果自己是否承受得起。

谈判策略

聪明的小伙子不会傻乎乎地照单全收。老王如果够精明，会这样跟王大妈谈：“日销 100 斤我可以签，但黄豆若涨超三成得重新商量；卖得好超过 100 斤，您得给我奖励分红。”这不是耍滑头，而是成熟的对赌谈判。创始人手中并非没有筹码，关键看会不会用。

第一，目标设定要接地气。把单一收入目标拆成“收入 70% + 核心指标 30%”的结构，比如 AI 公司把“日活用户数”和“客户续费率”纳入对赌，更贴近技术型企业的真实节奏。第二，锁定补偿上限。在协议里注明“补偿总额不超过投资金额的 30%”或“创始人所持股份不低于 15%”，防止补偿无底洞。第三，争取双向对赌。业绩超额完成时，投资人向创始人奖励 5% 至 10% 的股份——这既公平，也让投资人有动力帮助公司成长。第四，加入例外条款。约定“因政策变化、不可抗力或行业系统性下行导致的业绩不达标，不触发补偿”。

双向对赌还可以用估值公式来理解：

谈判桌上没有天生的强者，只有准备得更充分的一方。把公式摊开谈，把上限锁死，把双向机制争取到手——真正的赢家不是赌赢的人，而是把规则设计得让自己输得起的人。

法律效力

王大妈的字据不是随便写的，到了法院，白纸黑字的签名就是证据。对赌协议在法律上的地位，经历了一个从“灰色”到“清晰”的过程，核心分水岭是和谁签。

2012 年最高人民法院在“海富投资案”中确立了标志性规则：投资人与股东（创始人个人）之间的对赌有效，投资人与公司之间的对赌无效。理由很直接：公司属于全体股东，不能为个别股东的利益而伤害其他股东和债权人；而股东个人签的补偿协议，是股东自己处分财产，法律予以尊重。此后大量案例延续这一逻辑。2019 年《九民纪要》进一步明确了司法态度：投资人与公司对赌，若履行不损害公司债权人利益，法院应认定有效；但在执行阶段，仍需遵守公司法关于回购和减资的程序性规定。

对创始人来说，理解法律边界的实际意义是：不要以为“协议无效”能成为救命稻草。与股东对赌、约定业绩补偿和股份回购，法律上是安全的；真正被判无效的往往是“公司回购 + 固定收益”这类条款。AI 创业者在签署时，要主动检查对手方主体是“公司”还是“创始股东个人”——若条款与公司直接对赌，未来可能面临“赢了官司、难以执行”的窘境。法律不惩罚签得鲁莽的人，只保护签得明白的人。

AI融资应用

AI 圈的老张们比做豆腐的老张更敢承诺：融资路演上，“三年内做到行业第一”是标配话术。但当资本寒冬来临，AI 公司才发现自己签的“日销 100 斤”是“年入 10 亿”——这不是段子，而是 AI 融资里每天都在发生的现实。

AI 公司的对赌设计，通常呈现出两个特点。其一是技术里程碑与财务指标并轨。例如自动驾驶公司会约定“2025 年底前完成 L4 级算法在 3 个城市落地”作为对赌条件之一，而不只看收入。其二是商业化验证被前置。AI 公司若已获得大客户订单，投资方会更愿意下调对赌目标；若仍停留在 Demo 阶段，则往往要求更高的补偿系数。

一个值得玩味的案例发生在 AI 医疗领域：某 AI 影像诊断公司在 B 轮融资中与投资人签下“产品注册证获批 + 年收入 8000 万元”的双里程碑，两年后因药监部门审批流程推迟，注册证迟迟未落地，触发现金补偿条款。创始人没有坐以待毙，而是主动向投资人提交行政审批延期的证据文件，援引协议中“政策原因免责”条款并成功申请豁免。这个案例给 AI 从业者的启示是：AI 产品落地周期往往被外部监管和供应链卡住，签对赌时必须把“外部不可控因素”单独列出来，并提前准备证明材料，关键时刻能救命。

实务建议

见过太多被对赌压垮的创业者之后，老手们的共识是：别把自己逼到绝境。对 AI 创业者来说，签署 VAM 前的“三层防护”值得记牢。

第一层，事前测算。用财务模型跑三档情景：乐观、中性、悲观。把悲观情景下的补偿额算出来，看看是否超出了自己的承受边界。不少 AI 创始人拿着测算表去和投资人谈，成功把目标砍掉了 30%——数据是最好的谈判筹码。第二层，预留缓冲机制。争取“业绩年化加权”而非“单年考核”，即允许某一年不达标、用另一年的超额部分弥补；或约定“目标调整触发线”，比如宏观融资环境恶化时，自动启用下调后的目标。第三层，主动沟通。对赌不是签完就锁死的定时炸弹，而是需要动态维护的契约。定期向投资人同步进展、尽早预警风险，往往能在正式审计前争取到重新谈判的空间。此外，还可考虑替代方案：用“可转债”“分期交割”等结构替代一刀切的对赌，降低双方博弈的烈度。

归根结底，对赌协议不是用来“赢”的，而是用来“不输”的。老张最后和王大妈重新协商，把日销 100 斤改为“季度滚动平均 80 斤”，并约定黄豆涨到一定价格自动放宽目标——豆腐坊保住了，王大妈的投资也保住了。聪明的创业者，都懂得在第一天就为未来的自己写好后门。

AI 应用场景

Python 演示

#!/usr/bin/env python3def vam_settlement(promised, actual, investment, coef=1.0, mode="equity"):    if actual >= promised:        return 0.0, "达标，不触发对赌"    gap_ratio = (promised - actual) / promised    comp_value = gap_ratio * investment * coef    if mode == "equity":        return comp_value, "股权补偿对应市值(万元)"    return comp_value, "现金回购金额(万元)" def adjusted_value(valuation, promised, actual):    if promised == 0:        return valuation    return valuation * (actual / promised) def print_report(promised, actual, investment, valuation, coef=1.2):    comp, note = vam_settlement(promised, actual, investment, coef)    adj = adjusted_value(valuation, promised, actual)    print("承诺业绩: {}万元".format(promised))    print("实际业绩: {}万元".format(actual))    print("完成率: {:.1%}".format(actual / promised))    print("补偿额: {:.1f}万元 ({})".format(comp, note))    print("调整后估值: {:.1f}万元".format(adj)) if __name__ == "__main__":    promised = 5000    actual = 3500    investment = 8000    valuation = 30000    print_report(promised, actual, investment, valuation)

1. def vam_settlement(promised, actual, investment, coef=1.0, mode="equity"):定义对赌结算函数，支持股权补偿和现金回购两种模式。
2. if actual >= promised:先判断是否达标，达标直接返回 0，不触发对赌。
3. gap_ratio = (promised - actual) / promised计算业绩缺口比例，这是整个补偿公式的核心。
4. comp_value = gap_ratio * investment * coef按“缺口比例 × 投资额 × 系数”算出补偿金额。
5. def adjusted_value(valuation, promised, actual):用业绩完成率对初始估值打折，模拟双向估值调整。
6. return valuation * (actual / promised)实际业绩仅为承诺的一半时，估值同样缩水一半。
7. print_report(...)把承诺、实际、完成率、补偿、调整后估值一次性打印，供谈判现场快速查看。

常见误区

面试题