Meta20亿美元收购Manus，AI估值新逻辑？

本文来自微信公众号： ToBeSaaS ，作者：戴珂，原文标题：《Meta 20亿美元收购Manus，AI估值新逻辑？》

当Meta宣布以20亿美元收购AI初创公司Manus时，行业内外为之震动。这家成立仅一年多、达到1亿美金ARR、累计处理147万亿tokens的公司，为何能获得如此高的估值？

更深层次的问题是：我们是否正在见证AI行业估值逻辑的根本性变革？

1.传统指标失效？

传统软件公司的估值体系建立在收入倍数和高毛利率(70%)的基础上，但AI公司的经济模型截然不同。基础设施成本高昂，算力消耗巨大，简单的收入增长或token处理量已无法解释估值差异。

Manus披露的数据极具代表性：8个月内达成1亿美元ARR，毛利率50%。若按成熟SaaS企业8-10倍ARR的估值标准，Manus应值8-10亿美元，而非20亿。

这一差距暗示，市场可能正在采用一套全新的评估标准。

2.毛利润倍数：新估值核心

通过对几家具有代表性的AI公司对比分析，一个清晰的估值模式逐渐浮现：

注：GP倍数(毛利润倍数)=公司估值÷年毛利润；数据来源为行业报告与公开资料，为估算值。

Manus的40x倍数显著高于基础设施提供商(24x)，但远低于应用层公司(222x)。

这一分布并非偶然，而是反映了不同商业模式的内在价值差异。

3.业务层级决定估值逻辑

深入分析揭示：AI公司的估值与其在技术栈中的战略位置高度相关：

• 基础设施层(Together AI)：提供基础推理API，商业模式类似"AI管道"，估值倍数最低(24x)，可类比云计算中的IaaS层；

  
  

• 中间层(Manus)：兼具模型能力和推理服务，具备向应用层延展的潜力，估值倍数居中(40x)，类似PaaS层；

  
  

• 应用层(Perplexity)：直接面向终端用户，创造完整产品体验，获得最高倍数(222x)，对应SaaS层。

  
  

关键洞察在于：Together AI月处理60T tokens(是Perplexity的21倍)，但估值仅为后者的1/6。

这有力证明——在AI领域，每个token的货币化效率远比总处理量更能决定公司价值。

4.为什么每token毛利润才是关键？

通过对比计算发现，每token毛利润与公司估值的相关性，显著高于token总量与估值的相关性。

这意味着投资者正在用新标准评估AI公司：真正重要的不是处理了多少token，而是每个token创造了多少毛利润。

Manus的估值逻辑正是如此：它处于基础设施与应用之间的战略位置，拥有比底层提供商更高的变现能力，但尚未达到纯应用层的高溢价。40x的GP倍数恰好反映了这一中间定位的市场价值。

5.为什么不直接用毛利率估值？

一个反直觉的发现是：高毛利率并不必然带来高估值。Together AI毛利率45%，Perplexity为60%，仅相差15个百分点，但后者的GP倍数(222x)却是前者的9倍多。

这揭示了AI估值中更微妙的逻辑：

基础设施层的毛利率主要来自成本优化，增长天花板明显；而应用层的毛利率背后是直接用户触达、产品差异化和定价权。

所以，毛利率只是表象，商业模式才是本质。投资者看重的不仅是盈利水平，更是盈利的可持续性和增长潜力。

6.Meta为何选择Manus？

在众多AI初创公司中，Meta为何选择Manus？深层战略逻辑可能包括：

• 合理的估值倍数：40x的GP倍数在中间层公司中相对合理，相比应用层公司的超高倍数，提供了更好的风险回报比；

  
  

• 技术协同性：Manus的技术栈与Meta的AI战略高度互补，特别是在多模态推理和Agent能力方面；

  
  

• 战略延展性：Manus代表"可扩展的中间层价值"——既拥有基础设施能力，又具备向应用层演进的潜力，为Meta提供战略缓冲。

  
  

这一收购不仅是技术补充，更是对一种新估值逻辑的押注：在AI时代，中间层公司可能拥有独特的战略价值。

7.重要质疑

尽管分析框架引人注目，几点质疑不容忽视：

• ARR质量之谜：Manus声称的1亿美元ARR是否真正具备"年度"和"经常性"特征？客户留存率、合同续约率等关键指标未公开，这些将直接影响ARR的可靠性。

  
  

• Agent技术挑战：企业级Agent的实现难度远高于消费类应用。Manus能否跨越"演示效果"与"生产环境"之间的鸿沟，仍需时间验证。

  
  

• 市场变化风险：当前GP倍数建立在AI热潮基础上，若市场降温，高倍数公司可能面临估值回调。

  
  

这些不确定性提醒我们：新估值逻辑虽有数据支持，但尚未经过完整市场周期的检验。

8.新估值范式的三大原则

基于这一分析，AI领域正在形成清晰的估值新逻辑：

业务层级优先：应用层>中间层>基础设施层

• 价值随技术栈上升而指数增长

  
  

• 直接触达终端用户的能力创造最大溢价

  
  

变现效率至上：每token毛利润比总token量更具预测性

• 质量胜于数量：10T高价值token>100T低价值token

  
  

• 变现能力是核心竞争力

  
  

增长质量重于规模：

• 持续提升的每token毛利润比单纯增长更重要

  
  

• 业务模式演进能力(从基础设施向应用迁移)创造额外价值

  
  

9.未来展望

尽管样本有限，但相关性分析表明投资者和战略收购方已开始应用这一新框架。

未来趋势可能包括：

• 指标标准化：每token毛利润将成为AI公司财务披露的核心指标

  
  

• 层级估值体系：不同业务层级将形成更明确的GP倍数区间

  
  

• 混合估值模型：传统SaaS指标将与token经济指标融合

  
  

• 估值理性化：随着行业发展，极端倍数(如222x)可能回归均值

  
  

写在最后：估值革命已然开启

Meta对Manus的20亿美元收购不仅是一笔战略交易，更是对AI估值新逻辑的明确背书。

数据清晰显示：AI公司的价值不再仅由规模或收入决定，而是由三重因素共同塑造——在技术栈中的战略位置、每token的货币化效率、以及向高价值层迁移的潜力。

当行业仍在争论AI是否过热时，领先的投资者已经转向更精细的评估框架。他们不再问"你处理了多少token"，而是问"每个token为你创造了多少毛利润"。

这个看似微小的问题转变，正是估值革命的核心。

在AI经济新秩序中，价值的计量单位已经从用户、页面浏览量转变为token，而衡量价值的标准则从数量转向了质量。Meta的这笔收购，或许只是这场静默革命的序章。未来，能够将每个token转化为最大经济价值的公司，将在估值阶梯上站得最高。