从一次财富估值争议说起

本周非洲首富 Aliko Dangote 公开表示，福布斯和彭博社将他价值380亿美元的财富严重低估了，因为他的核心资产——丹格特炼油厂和化肥业务——是私人持有的，不透明，无法用公开市场数据定价。

这跟技术开发者有什么关系？

关系非常大。 你在做的AI产品，尤其是刚上线、未开源的模型或SaaS工具，同样面临“估值偏差”问题。投资方看DAU、看公开benchmark，而你知道产品真正的能力藏在私有数据、特定场景优化和长期用户粘性里。

作为前SaaS产品经理，我见过太多团队因为“估值逻辑错位”做出错误决策：

• 为了提高公开benchmark排名，牺牲了实际任务中的核心能力
• 因为用户量早期增长慢，团队放弃了原本有价值的产品方向
• 过度关注短期指标，忽略了隐性价值（如数据飞轮、品牌信任）

本文拆解三个最常见的陷阱，并给出可落地的评估框架。

陷阱一：公开数据偏见——只看“福布斯表”不看“私有资产负债表”

Dangote的炼油厂价值300亿美元，但福布斯只记录他83%的非上市股权账面价值（约150亿），因为缺乏公开交易价格。

AI产品的对应场景：开源基准测试 vs 实际业务效果。

• 很多团队推模型时疯狂刷HumanEval、MMLU，但这些公开分数跟你的目标用户使用场景可能完全不相关
• 更糟糕的是，一旦你把模型能力调到公开排行榜前列，往往伴随着过拟合或过度泛化，反而在私有数据上表现下降

产品决策逻辑：

你需要两个评估系统：

1. 外部公共评估（对应福布斯）：用公开benchmark做品牌背书、竞品对比
2. 内部私有评估（对应企业真实资产）：基于自有场景的任务成功率、用户满意度、留存率

可执行建议：

在产品早期，优先设计“私有基准”。具体做法：

• 收集100个真实用户请求，人工标注“理想输出”
• 用这100条作为私有测试集，每次模型迭代后对比
• 明确“私有集得分提升1% > 公开benchmark提升5%”，避免被公开榜单带偏

陷阱二：单一指标迷信——用“总财富”替代“现金流健康度”

福布斯排名只用一个数字——净财富总值。但Dangote的现金流主要来自水泥和糖（稳），而炼油厂是高杠杆、长周期项目。只看总值会忽略流动性风险。

AI产品同类错误：只看MAU或GMV，忽略单位经济和边际成本。

我最常看到的是：

• 模型API调用量猛涨，但每一个query的推理成本超过收入
• 用户数增长50%，但活跃用户占比下降40%
• 免费用户转化率只有0.5%，而付费用户留存率很高，但团队却掉进“拉新陷阱”

产品决策逻辑：

设计指标时，必须区分“面子指标”和“里子指标”。

可执行建议：

下周团队会议前，做一个练习：

1. 写下你产品当前跟踪的所有指标
2. 给每个指标贴上红（面子）、黄（中间）、绿（里子）标签
3. 如果绿标签少于2个，说明你正在被公开数据带偏

陷阱三：忽略隐性资产——没有IPO前，你不知道自己值多少钱

Dangote计划让炼油厂IPO，一旦估值公开，他的财富可能瞬间翻倍。但在此之前，这些资产的价值只能被“低估”。

AI产品里，最大的隐性资产是“数据飞轮”和“用户心智”。

• 你收集的用户反馈数据，可能在未来训练出比竞品好三倍的模型
• 用户习惯了你的交互方式，迁移成本极高
• 某个行业know-how沉淀在prompt模板中，即使模型一样，效果也差一个量级

但这些在常规估值模型中几乎不被量化。

产品决策逻辑：

你需要主动“资产货币化”，否则团队会持续低估自己。

具体方法：

1. 建立数据价值仪表盘：统计私有数据集的多样性和新鲜度，例如每周新增优质对话数、用户修正比例
2. 量化用户切换成本：做一个小调研，问“如果换成竞品，需要多少时间重新配置？”
3. 设计前置指标：比如“用户使用API后功能定制次数”作为粘性信号

一个可复用的评估框架：私有化估值矩阵

结合以上三点，我设计了一个简单评估表，用于AI产品内部季度复盘。

维度            | 公开指标（对投资人说）        | 私有指标（对自己说）
----------------|-----------------------------|--------------------------------
模型能力        | MMLU得分 85%                | 私有测试集准确率92%，推理延迟300ms
用户价值        | 周活跃用户 10万             | 日人均调用次数5次，核心功能完成率78%
商业可行性      | 月度GMV 50万               | 毛利率 -15%（成本包括GPU和人力）
长期护城河      | 无（未公开）               | 私有人工标注数据50万条，品牌在医疗垂直领域认知度第一

使用方式：

• 每季度更新一次
• 私有指标如果持续6个月优于公开指标，说明你应该考虑融资或提价
• 私有指标如果大幅落后公开指标，说明你正在做面子工程，需重新聚焦

结语：别让你的价值被别人的框架定义

Dangote的争议本质是：财富追踪者用统一框架（公开市场数据）衡量一个拥有大量私有资产的个体。

你的AI产品也一样。当外部分析师、投资人甚至同事用单一Benchmark或MAU判断你的产品价值时，你有责任构建自己的“私有估值体系”。

不是去反驳他们，而是比他们更了解自己的真正价值在哪。

就像Dangote说的：“等IPO了你们就知道。”你的IPO时刻，就是私有数据集公开、用户口碑爆发、模型在真实场景跑出绝对优势的时候。

现在就开始写你的私有评估矩阵。