深入理解风险投资法

可视化演示

动态演示深入理解风险投资法的核心机制，通过总览/传输/转换/输出四种模式展示关键概念与交互流程。

1. VC法核心逻辑——倒着算账的智慧

老王很清楚，看果园值不值钱，不能只看去年收了多少筐苹果——因为小张要的是“未来的钱”。果园未来的收成、树苗的长势、市场的需求，才是决定价值的关键。风险投资法的第一个特点就是面向未来：不问过去赚多少，只问未来值多少。这就像给果树定价，果农看的不是昨天的果实，而是明天的挂果率。

上世纪 80 年代，哈佛商学院教授 William Sahlman 在论文中正式提出风险投资法，初衷正是为了解决早期高科技公司“没有历史业绩可估值”的难题。今天，从硅谷到北京，几乎所有早期投资人在给 AI 项目定价时，脑子里都会跑这个方法。它的全部逻辑浓缩成一个公式：先预测公司退出时的价值（终值），再除以投资人希望获得的目标回报倍数，就得到今天的投后估值。

$$\displaystyle Post = \frac{TV}{ROI}$$

1. 认识终值 TV：Terminal Value，即公司 IPO 或被并购时预计卖出的总价，对应“五年后果园值 4000 万”。

$$TV = \text{退出日的公司总价值}$$

2. 认识目标回报 ROI：Target ROI，投资人期望从这笔投资中获得的总倍数回报，对应“老王要求的五年 4 倍”。

$$ROI = \text{总回报倍数}$$

3. 终值除以回报：把未来一大笔钱“打折”成今天一笔小钱，得投资后估值。除以的倍数越大，今天的估值越低。

$$\displaystyle Post = \frac{TV}{ROI}$$

老王算完发现：园子含上自己这 100 万共值 1000 万。小张一听“1000 万”两眼放光，可老王追问道：“那你园子本身值多少？”——这就牵出了融资谈判里最容易被混淆的概念：投前与投后估值。

2. 终值预测——看五年后的收成

老王预测收成，靠的是两样东西：未来产量 × 未来单价。他参考隔壁县王婆家的果园上市时的收购价，再结合小张果园的挂果率，得出五年后 4000 万的预计总价。这个“总价”在风险投资法里有个正式的名字——终值（Terminal Value），它是整个估值链条的起点，也是最关键、最主观的输入。

实践中，终值通常分两步走：先预测退出年份（通常是 IPO 或被并购那年）公司的财务指标，再乘以可比公司的估值倍数。如果公司已经有利润，最常用的是市盈率（P/E）法；如果还在亏损——绝大多数早期 AI 公司都属于这一类——就改用市销率（P/S）或用户价值法。

$$\displaystyle TV = NP_n \times PE_{cmp}$$

1. 预测第 n 年净利润 NPₙ：根据商业模式、市场空间、成本结构，逐年推算到退出那一年的净利润。比喻：预估五年后苹果的净收入。

$$NP_n = \text{第 } n \text{ 年预计净利润}$$

2. 选取可比市盈率 PE_cmp：找同行业、同阶段上市公司作参照，取它们的平均估值倍数。比喻：看王婆家果园上市时报的“每斤苹果的倍数价格”。

$$PE_{cmp} = \text{可比公司平均市盈率}$$

3. 两者相乘得终值：利润 × 倍数，就是退出时的公司总市值，即老王眼里的“4000 万”。

$$\displaystyle TV = NP_n \times PE_{cmp}$$

老王心里清楚，产量和单价都是估的，苹果还可能遭遇倒春寒。所以他不敢把宝全押在 4000 万上，又偷偷备了好几套假设。但不管哪套假设，最终都要过下一关：他得决定自己“想要几倍回报”。

3. 目标回报率——风险有多大，要求多高

老王算完收成，没有急着掏钱，而是盘算起风险：种果树怕天灾，怕虫害，还怕小张经营不善。把钱存银行年化只有 4%，还要承担这么多不确定性，不翻 4 倍实在不值。这份“风险清单”对应到投资术语里，就是目标回报率的设计。

投资人设定目标回报倍数时，主要参考三条：项目所处阶段（越早期风险越大，种子轮常要求 10-30 倍，A 轮 5-10 倍，B 轮以后 3-5 倍）、行业平均回报水平、以及资金锁定期长短。目标回报倍数和年化回报率之间的桥梁，是复利公式。

$$\displaystyle ROI = (1 + r)^n$$

1. 年化回报率 r：投资人希望每年获得的复合收益率。老王心里定的 r ≈ 32%，对应五年 4 倍。

$$r = \text{年化复合回报率}$$

2. 持有年限 n：从投资到退出预计经过的年数。果园计划第 5 年卖出，n = 5。

$$n = \text{退出年限}$$

3. 复利滚动 (1+r)^n：每一年的收益都滚入下一年本金，五年后总回报变成 4 倍。

$$\displaystyle (1 + 0.32)^5 \approx 4.0$$

老王的要求越苛刻，折算出的投后估值就越低。风险定价的本质，就是给今天公司的价值打一个“不确定性折扣”。敲定 4 倍之后，老王终于可以回答开头的问题：4000 万除以 4，今天整片园子值 1000 万。

4. 持股比例——投多少钱，拿多少股

老王决定投 100 万入股。100 万除以 1000 万，正好 10%。在果园的“股东名册”上，老王的名字后面写上了 10%，这就是他未来分苹果的凭证。这个简单到不能再简单的除法，恰恰是投融资谈判桌上最直接、最敏感的结果。

持股比例不需要复杂的预测，它只是两个已知数的除法：本轮投资金额除以投后估值。反过来用也一样灵活——如果投资人坚持要 20% 的股权，那么投后估值就等于 100 万 ÷ 20% = 500 万。谁掌握了这个公式，谁就能在谈判中快速心算出对方的底线。

$$\displaystyle \omega = \frac{I}{Post}$$

1. 投资金额 I：本轮投资人实际注入的现金。比喻：老王放进园子账上的 100 万元。

$$I = \text{本轮投资额}$$

2. 投后估值 Post：投资完成后公司的整体价值。比喻：加上老王 100 万之后，整个果园值 1000 万。

$$Post = \text{投资后公司总价值}$$

3. 相除得持股比例 ω：100 ÷ 1000 = 0.1，即 10%。这个比例决定了投资人未来收益的分成权。

$$\displaystyle \omega = \frac{100}{1000} = 10\%$$

老王满意地点点头，但他忽然想起一件事：这 10% 是“现在”的 10%。等小张再找别人要钱时，自己的蛋糕怕是会被切小。于是他问小张：“你说的 1000 万，是含我的钱还是不含？”——这一问，问出了估值世界最经典的文字游戏。

5. 前后估值——一句话差出上百万

小张说：“我这园子值 900 万。”老王投 100 万后，园子总共值 1000 万。可如果小张改口说：“融资后园子值 1000 万。”那园子本身其实只值 900 万。同一句话，位置不同，含义天差地别——这就是投资前估值（Pre-Money）与投资后估值（Post-Money）的区别。

Pre-Money 是资金到账前公司的价值，Post-Money 是资金到账后公司的价值。两者之间只差本轮投资额。谈判中最常见的纠纷，就是双方没说清楚“估值 1000 万”到底指哪一个。

$$\displaystyle Pre = Post - I$$

1. 投后估值 Post：1000 万，包含老王刚投进来的 100 万。

$$Post = 900 + 100 = 1000$$

2. 本轮投资额 I：100 万现金注入。

$$I = 100$$

3. 反推投前估值 Pre：1000 - 100 = 900 万，这才是小张的果园在“增资前”原本的价值。

$$\displaystyle Pre = 1000 - 100 = 900$$

老王和小张当场约定：一切报价都以“投前”为准，白纸黑字写进条款。一句清楚的口径，省掉了日后无数扯皮。可老王刚松一口气，又想起一件事：到时候期权池和新股东一来，自己的股份怕是要变薄。

6. 稀释效应——蛋糕越分越薄

第二年，小张又跑来：“老王，果园要扩张，我想引进新合伙人，再给骨干们发一些苹果期权。”老王一听就明白：新钱进园子，自己那块蛋糕虽然绝对大小没变，但占比注定被切薄。这就是股权世界里的稀释效应。

每一轮融资和期权池的设立，都会对现有股东造成稀释。稀释后的持股比例，等于初始比例乘以每一轮留存比例（1 - 稀释率）的连乘积。精明的投资人在入股第一天，就会把未来两三轮的稀释提前算进账本。

$$\displaystyle \omega_{final} = \omega_0 \times \prod_{i=1}^{k}(1 - d_i)$$

1. 初始持股比例 ω₀：老王第一轮投资获得的原始占比 10%。

$$\omega_0 = 10\%$$

2. 各轮稀释率 dᵢ：第 i 轮融资中新投资人分走的比例，以及期权池预留带来的稀释。比喻：蛋糕每次被切走一块。

$$d_1 = 0.15,\ d_2 = 0.10$$

3. 留存比例连乘：每一轮之后，老王的占比乘以 (1 - dᵢ)。两轮之后：

$$\displaystyle \omega_{final} = 10\% \times 0.85 \times 0.90 = 7.65\%$$

老王感叹：原来自己 10% 的股份，两轮下来只剩 7.65%。好在他早有准备——谈判时就把首轮持股比例多要了两个点，当作“稀释储备”。不过他也越来越清醒：终值 4000 万、回报 4 倍、稀释 15%……这些数字哪一个是确定的？没有。于是他决定：去请教隔壁的桃园和橙园主，换几套算法再验证一次。

7. 局限与变通——别把鸡蛋放在同一个果园

果园的 4000 万终值，是老王的“一厢情愿”。一场冰雹、一次市场崩盘，都可能让 4000 万变成 2500 万。老王学乖了，又去看了隔壁的桃园、橙园，用可比公司法、现金流折现法分别给它们估了价，互相印证。这正是估值实操的常态：风险投资法提供框架，但不提供真理。

风险投资法最大的软肋是：终值完全建立在预测之上，而早期项目的预测几乎没有历史数据支撑。换一个终值假设，估值结果可能差出一倍；换一个回报倍数，谈判区间又完全不同。因此业界普遍用多种方法交叉验证，再取一个综合估值作为参考区间。

$$\displaystyle V_{final} = \frac{1}{m} \sum_{j=1}^{m} V_j$$

1. 各方法估值 Vⱼ：V₁ 是风险投资法结果，V₂ 是可比公司法，V₃ 是现金流折现（DCF）等。

$$V_1 = VC法,\ V_2 = 可比公司法,\ V_3 = DCF$$

2. 方法数量 m：采用几种方法，就除以几。三种方法就是取平均数。

$$m = 3$$

3. 综合估值 V_final：多方法结果的平均值，作为谈判参考区间，而不是“唯一正确”的数字。

$$\displaystyle V_{final} = \frac{V_1 + V_2 + V_3}{3}$$

老王最终没纠结于某一个精准数字，而是握着三张不同方法的估值单，胸有成竹地走进了小张的办公室。这正是估值世界的常态：精准的错误，不如模糊的正确。

AI 应用场景

Python 演示

class VCMethodValuator:    """风险投资法估值器：从终值反推今日估值"""     def __init__(self, terminal_value, target_roi, invest_amount, years):        self.terminal_value = terminal_value        self.target_roi = target_roi        self.invest_amount = invest_amount        self.years = years     def post_money(self):        """投后估值 = 终值 / 目标回报倍数"""        return self.terminal_value / self.target_roi     def pre_money(self):        """投前估值 = 投后估值 - 本轮投资额"""        return self.post_money() - self.invest_amount     def ownership(self):        """本轮持股比例 = 投资额 / 投后估值"""        return self.invest_amount / self.post_money()     def annual_roi(self):        """年化复合回报率"""        return self.target_roi ** (1.0 / self.years) - 1.0     def retained_after_dilution(self, dilution_rates):        """逐轮稀释后最终持股比例"""        ratio = self.ownership()        for d in dilution_rates:            ratio *= (1.0 - d)        return ratio     def report(self):        print("终值: {}万".format(self.terminal_value))        print("目标回报: {}倍 / {}年".format(self.target_roi, self.years))        print("投后估值: {:.0f}万".format(self.post_money()))        print("投前估值: {:.0f}万".format(self.pre_money()))        print("本轮持股: {:.1%}".format(self.ownership()))        print("年化回报: {:.1%}".format(self.annual_roi()))  def sensitivity(val):    """调整目标回报倍数，观察投后估值变化"""    print("\n目标回报 | 投后估值")    for roi in (3, 4, 5, 8, 10):        val.target_roi = roi        print("  {}倍   | {:.0f}万".format(roi, val.post_money()))  def main():    val = VCMethodValuator(        terminal_value=4000,        target_roi=4,        invest_amount=100,        years=5    )    val.report()    final_share = val.retained_after_dilution([0.15, 0.10])    print("两轮稀释后持股: {:.2%}".format(final_share))    sensitivity(val)  if __name__ == "__main__":    main()

1. return self.terminal_value / self.target_roi投后估值 = 终值 ÷ 目标回报倍数，VC 法唯一的核心除法
2. return self.post_money() - self.invest_amount投前估值 = 投后估值 − 本轮投资额，顺序不能反
3. return self.invest_amount / self.post_money()本轮持股比例，投资额占投后的份额
4. ratio *= (1.0 - d)每一轮融资后，原持股比例都乘上留存率（1 − 稀释率）
5. val.target_roi = roi敏感性分析中换一组目标回报假设，观察投后估值如何变化
6. print("本轮持股: {:.1%}".format(self.ownership()))用百分比格式化输出，直观看股权占比

常见误区

面试题