从Stripe 70亿美元收购OpenRouter（82天估值翻5.4倍）看AI并购估值的倍数法建模：营收倍数、用户倍数与增长折现

从Stripe 70亿美元收购OpenRouter82天估值翻5.4倍看AI并购估值的倍数法建模营收倍数、用户倍数与增长折现8月16日 Bloomberg 披露全球支付巨头 Stripe 已经敲定以超过 70 亿美元的价格收购 AI 模型路由平台 OpenRouter。这笔交易有三个数字让人没法直接划过去OpenRouter 上一轮今年 5 月B 轮融资估值才 13 亿美元Stripe 的出价是它的 5.4 倍上一轮距今只有 82 天OpenRouter 平台上聚合了 400 多个模型。一个估值 13 亿的公司82 天后值 70 亿——这事在传统行业叫估值神话在 AI 行业叫按收入路径折现的合理价。两种说法差在哪差在一套估值倍数建模的方法。本文用这笔交易做案例把估值倍数法、用户倍数法、增长折现法三种常见思路拆开讲清楚并把国赛估值类题型的标准打法系统梳理一遍。一、先把交易数字摆齐维度数值来源时间收购方StripeBloomberg2026-08-16标的OpenRouterBloomberg2026-08-16收购价超 70 亿美元Bloomberg2026-08-16上一轮估值B 轮13 亿美元公开报道2026-05B 轮融资金额1.13 亿美元公开报道2026-05倍数70 / 13 ≈ 5.4 倍算术—间隔82 天算术—平台模型数400 多个模型公开报道2026-08投资方Sequoia、a16z、Menlo Ventures、CapitalG公开报道—只看倍数和间隔外行会得出两个极端结论要么AI 泡沫要么AI 革命。但建模看的是倍数背后的口径——是按营收、用户、GMV 还是别的什么算的。口径选错倍数毫无意义。二、估值倍数法一营收倍数EV/Revenue2.1 公式估值倍数法最常见的口径是 EV/Revenue市值除以营收。设EV/Revenue 收购价 / 年化营收不同行业有不同的合理倍数区间。新闻里同时给了两组对照公司倍数口径数值说明Anthropic2028 年营收倍数按内部预测约 5 倍对标 Palantir 今年的 53 倍Palantir今年预期收入倍数53 倍老牌高估值 SaaSSpaceX2026 年预期收入倍数约 41.6 倍高增长私企Cloudflare2026 年预期收入倍数约 41.6 倍与 SpaceX 接近OpenRouter被收购收购价 / 当前年化营收推算 50—100 倍取决于营收口径OpenRouter 的具体营收没公开但可以反推按 Stripe 70 亿美元出价、传统 SaaS 收购 8—15 倍营收算OpenRouter 当前年化营收大概在 5 亿—9 亿美元区间如果按 AI 平台常见的 20—30 倍算年化营收约 2.3 亿—3.5 亿美元。两种口径差距巨大所以建模时必须明确倍数对应的营收定义。2.2 营收倍数法的局限营收倍数法有两个常见坑。第一分子分母时点不匹配——收购价是未来某月的预期但营收是过去 12 个月的实际这种错配让倍数看起来虚高。第二毛利率没考虑——一家毛利率 30% 的公司和一家毛利率 70% 的公司同样 10 倍 EV/Revenue 含义完全不同。AI 平台因为基础设施成本高毛利率往往比传统 SaaS 低 20—40 个百分点。国赛里碰到公司估值题建议用一张表把可比公司、毛利率、增长率、倍数都列出来可比公司营收亿增速毛利率EV/Revenue修正后倍数Palantir2830%80%53 倍53 倍Cloudflare1628%78%41.6 倍41.6 倍OpenRouter推算 2—9翻倍以上推算 30—50%50—100 倍100—200 倍修正后的倍数才能反映真实定价——同样的100 倍营收对一家高增长低毛利的 AI 平台和对一家成熟高毛利 SaaS含义完全不同。三、估值倍数法二用户倍数EV/User2.1 用法OpenRouter 公开数据里能直接拿来算的是平台聚合 400 多个模型。这虽然不是用户数但是个平台规模指标。互联网时代另一种常见倍数是 EV/MAU市值除以月活用户。OpenRouter 没有公开 MAU但可以从模型聚合数和 API 调用规模推算。设每模型平均接入开发者数为 D则估值 单开发者价值 × D × 模型数按 AI API 平台常见的单开发者年付费 200—2000 美元、开发者规模 5 万—50 万人估算单开发者价值在 1000—10000 美元之间。400 个模型 × 5—50 万开发者 × 1000—10000 美元 200 亿—2000 亿美元。这个范围显然偏宽但说明用户倍数法的核心问题是数据口径。2.2 国赛里怎么用数模竞赛里如果遇到互联网平台估值题可以分两种思路横向对比法找 3—5 家相似平台列出它们的 EV/User 倍数取中位数作为基准自下而上法从活跃用户数 → 单用户付费 → 总营收 → 加成倍数 → 总估值横向对比法更稳自下而上法更能体现建模过程的完整性。评委会更看重你是否考虑了用户分层、付费率、留存率这些细节。四、增长折现法5.4 倍背后的真正逻辑4.1 为什么 Stripe 愿意出 5.4 倍82 天翻 5.4 倍看起来离谱但放进增长折现DCF的框架里就合理了。设 OpenRouter 的年化营收为 R未来三年增长率分别为 g1、g2、g3毛利率为 m折现率为 r那么估值 R × (1g1)/(1r) R × (1g1)(1g2)/(1r)^2 R × (1g1)(1g2)(1g3)/(1r)^3 终值如果 OpenRouter 当前年化营收 2 亿美元未来三年增长率 100%、80%、50%AI 平台前几年的常见曲线毛利率从 30% 提升到 50%折现率 15%那么三年累计可折现的现金流贡献约 9 亿美元。再加终值按 2029 年营收 10 亿美元、25 倍 EV/Revenue 计算终值约 250 亿美元折现回来约 165 亿美元。把这个数除以 70 亿收购价可以反推 Stripe 假设的终值倍数是更保守的——大概是 8—12 倍 EV/Revenue。这就是收购方和被收购方在未来增长路径上做了不同假设。假设档位三年 CAGR终值倍数合理估值乐观120% / 80% / 50%25 倍约 250 亿美元中性80% / 50% / 30%15 倍约 100 亿美元保守50% / 30% / 20%8 倍约 50 亿美元Stripe 实际出价中性偏乐观隐含 8—12 倍70 亿美元4.2 增长折现的国赛用法DCF 不是硬算终值而是对增长路径做敏感性分析。评委会看你有没有考虑以下四点增长率衰减前 100%、后 50%、再 30%——这是 S 曲线不是直线毛利率提升路径固定成本摊薄 → 毛利率从 30% 爬到 50%折现率选择AI 早期公司 15%—20%成熟公司 8%—10%终值倍数低增长 6—10 倍高增长 15—25 倍把 OpenRouter 这道题换成国赛里的AI 公司估值题你只需要把这四个变量做一张敏感性表就能拿到 80% 的分数。剩下的 20% 是看你的建模细节——比如是否考虑了风险调整折现率早期公司每多一年存活折现率下调 1—2 个百分点。五、把三种方法放在一起交叉验证单用任何一种方法都有偏差正确的做法是三种方法交叉验证方法OpenRouter 估值估算关键假设EV/Revenue50—100 倍 × 当前年化 2—3 亿 100—300 亿倍数区间、毛利率EV/User单开发者价值 × 开发者数 × 模型数 50—200 亿开发者规模、付费率DCF 增长折现50—250 亿增长率、终值倍数实际成交价70 亿卖方谈判力、买方协同价值四种方法的估值区间在 50—300 亿之间Stripe 的 70 亿出价落在保守 DCF 偏乐观区间。这说明 Stripe 给出的不是AI 泡沫价而是一笔考虑协同价值后的合理溢价——70 亿里有相当部分是 Stripe 把 OpenRouter 整合进自家支付流程后产生的协同效应。六、协同价值的建模70 亿里有多少是溢价协同价值是收购方愿意出的超额部分。常见算法是协同价值 收购价 − 独立估值 − 整合成本 − 失败概率折损对 OpenRouter 这笔交易可以拆成三块独立估值DCF 中性假设下约 50 亿协同价值支付流量 × 模型路由 大约 25—30 亿按 Stripe 全球支付 1.4 万亿美元 GMV、1% 渗透到 AI API 路由计算整合成本 风险折损约 5—10 亿合计 70 亿上下。这就是为什么 70 亿不算离谱——它不是市场情绪驱动的溢价而是有清晰的协同价值估算做支撑。七、国赛估值类题型的标准打法把上面这套思路浓缩成国赛 6 步标准流程步骤任务工具1明确标的与可比公司同行业 3—5 家2收集可比公司倍数EV/Revenue、EV/User、EV/EBITDA3选择基础倍数中位数描述统计4修正毛利率、增长率、规模加权打分或回归5DCF 独立估值做交叉验证增长率 × 终值倍数6计算协同价值区间增量现金流折现这 6 步可以套到任何公司估值题——AI 公司、SaaS 公司、传统制造公司都能用。差别只在第 4 步的修正系数AI 公司要给增长溢价传统公司要给稳定折价。八、回到 OpenRouter82 天翻 5.4 倍的真正教训把这道题做完OpenRouter 这笔交易给我们的真正教训不是AI 估值高而是三件事第一估值倍数的口径决定一切。同一个 5.4 倍按营收口径、按用户口径、按增长折现口径含义完全不同。建模的第一步永远是拆口径。第二82 天的间隔本身是信号。如果是 820 天涨 5.4 倍那是稳健增长82 天涨 5.4 倍意味着要么之前的 B 轮估值被严重低估要么这 82 天里有结构性变化Stripe 的收购协同价值被市场发现。两种解释对应不同的建模思路。第三协同价值是 AI 行业的新常态。AI 公司之间的并购越来越多不是为了买营收而是买协同——把对方的 AI 能力整合进自己的产品体系提升边际价值。这与传统并购的逻辑完全不同也是国赛估值题越来越爱考的方向。把拆口径 DCF 交叉验证 协同价值这套思路记下来下次碰到任何X 公司收购 Y 公司值不值的题都能给出一个有理有据的判断。