憑什麼零收入獲得8億美元估值？
開源軟件的價值錨點正在重塑！
一個幾乎沒有營收的開源專案，憑什麼在種子輪就拿到 8 億美元的估值？
2026 年 1 月真實發生在矽谷的故事，主角是 vLLM，一個源自 UC Berkeley 頂尖 AI 實驗室的開源大語言模型推理引擎。它的商業公司 Inferact 剛成立，就在 a16z 和 Lightspeed （中國光速）的領投下，完成了 1.5 億美元的種子輪募資，公司估值直接衝上 8 億美元。
#中國清華軟件與計算學院博士游凯超成為核心聯創和項目核心貢獻者
募資當下，vLLM 的商業收入趨近於零。
這件事徹底顛覆了傳統軟體公司的價值評估方式。過去「營收 x 倍數 = 估值」的公式已然失靈，其背後是一場關鍵的典範轉移。
## 不只個案：19 人團隊，身價 2.2 億美元
vLLM 並非單一特例。2025 年 2 月，資料庫巨頭 MongoDB 宣布以 2.2 億美元（現金加股票）收購 Voyage AI。這家專注於 AI 嵌入（embedding）和重排序（reranking）模型的新創，由史丹佛大學的科學家於 2023 年 9 月創立，被收購時成立不到 18 個月，團隊僅有 19 人，總募資金額也才 2800 萬美元。
同樣地，Voyage AI 幾乎沒有傳統意義上的產品營收。但簡單一算，這次收購等於為每位員工付出了高達 1160 萬美元的價值，創下了 AI 領域「人才收購」（acquihire）的新紀錄。
這兩個案例共同說明，在 AI 時代，評斷一個開源專案價值的「錨」已發生根本轉變。
#價值錨點的轉移：從「成本替代」到「標準制定」
#雲原生時代：省錢就是王道
在 2010 到 2020 年的雲原生（Cloud Native）週期，開源軟體的核心價值是「替代」。它的故事很簡單：用開源的 PostgreSQL 取代昂貴的 Oracle，用 Kubernetes 取代 VMware，用 Elastic 取代 Splunk。
這場遊戲的本質，是在既有的軟體市場中進行存量博弈，核心價值主張是為企業降低 IT 支出。因此，創投在評估一個開源專案時，看的都是很實際的指標：ARR（年度經常性收入）、客戶數、市場份額。估值公式也很線性：
估值 = ARR × 收入倍數 （通常是 10-15 倍）
最經典的例子就是 Docker。它曾是開發者的最愛，但資本市場給它的估值錨點是「能替代多少 VMware 的市場份額」。當 Google 開源的 Kubernetes 成為容器編排的標準後，Docker 的工具價值迅速貶值，估值也隨之停滯。
#AI 時代：成為「無可替代」的基礎設施
在 AI 時代，遊戲規則已完全不同。由於技術路線仍在快速演進、尚未收斂，開源專案的核心價值不再是「替代」，而是成為未來技術的「標準」與「基礎設施」。
價值判斷的核心轉變為：
該產品對於 AI 應用、大模型、甚至 AGI 而言，是否為開發過程中「不可或缺」的一環？
- 沒有向量資料庫，就無法實現 RAG（檢索增強生成）。
- 沒有像 Dify 這樣的平台，就無法快速建構 Agent。
- 沒有 vLLM 這樣的框架，就無法有效加速 GPU 在推理場景下的效率。
在這種邏輯下，資本的定價公式也變得非線性：
估值 = 開發者社群規模 × 資料飛輪（用戶黏性） × 技術戰略卡位
投資人關注的不再是財報上的 ARR，而是 GitHub 上的星星數、專案的貢獻者活躍度、以及它是否已經滲透到企業核心的生產環境中。
vLLM 的案例便說明了其 8 億美元估值的底氣來源：
1. 技術的必需性：vLLM 透過 PagedAttention 等創新技術，將 GPU 記憶體利用率提升 2-4 倍，大幅降低 AI 推理成本。在推理成為剛需的今天，它已是開源推理引擎的「事實標準」，連 AWS 都在用。
2. 生態的壟斷性：它在 GitHub 上擁有龐大的開發者社群，佔領了開發者的心智。這意味著未來大量的 AI 應用底層都將依賴它，形成強大的網路效應與技術鎖定。
3. 頂尖人才的稀缺性：vLLM 於 2023 年在 UC Berkeley 的 Sky Computing Lab 開發，該實驗室由 Ion Stoica 教授主持。Ion Stoica 是 Databricks 和 Anyscale 的聯合創始人，他的實驗室此前還孵化出了 Apache Spark、Ray 等著名開源項目。在 AI 人才戰爭白熱化的當下，投資人實質上是在為「獨家鎖定這個世界級團隊」支付溢價。
4. 戰略卡位的時間價值：AI 推理市場的標準尚未完全確立，誰先卡位，誰就可能在未來萬億級的市場中佔據核心位置。這筆投資，是為「成為未來標準制定者」的可能性下注。
同樣的邏輯也適用於 Voyage AI。MongoDB 收購它，看中的不是它當下的營收，而是：
1. 戰略互補性：Voyage AI 的頂尖嵌入模型能直接解決 RAG 的「幻覺」問題，讓 MongoDB 的向量搜尋能力原生化，在 AI 技術棧中卡住更關鍵的位置。
2. 人才密度：一次性獲得一個由史丹佛、MIT 等頂尖人才組成的完整 AI 研究團隊，直接跳過 2-3 年的技術積累期。
3. 防禦性收購：防止競爭對手（如 Snowflake、Databricks）獲得這項關鍵能力。
#新規則下的退出路徑：更快、更高、更策略
估值邏輯的改變，也重塑了開源專案的出場方式。
過去一個開源公司可能需要 8-12 年，將 ARR 做到 1 億美元以上，才能以平均 20 倍的估值被收購或 IPO。
在 AI 時代，一切都在加速：
#戰略收購成為主流：退出週期被壓縮到 2-4 年。Databricks 以 10 億美元收購成立僅 4 年的 Neon（50 倍 ARR）；Nvidia 以 7 億美元收購成立 5 年的 [Run.ai](
http://Run.ai
)（47 倍 ARR）。買家願意為早期的戰略價值支付極高的溢價。
#快速 IPO 窗口：對於已經建立技術壁壘和開發者生態的專案，資本市場也開了綠燈。基於 Apache Kafka 的數據串流平台 Confluent，定位為AI數據管道的核心基礎設施，在 2021 年 6 月以 110 億美元估值 IPO；HashiCorp 同年 12 月以 140 億美元估值上市。這些公司當時 ARR 僅約 3-4 億美元，市銷率卻高達 30-50 倍。
#生態併購的「準退出」：像 Hugging Face 這樣的平台，雖然未被收購，但透過與 Nvidia、AWS 的深度合作，已成為 AI 開發的事實標準，估值在 2024 年達到 45 億美元。投資人可以透過後續的募資輪次，在二級市場交易實現部分退出。
#另一個平行宇宙：國家戰略驅動的中國市場
當矽谷在玩一場關於「技術標準」與「全球生態」的競賽時，中國市場則上演著另一套截然不同的劇本，其核心驅動力是「國家戰略」。
在地緣政治與 AI 技術革命的雙重背景下，中國已將開源納入頂層設計。2020 年 6 月，由工信部主管、民政部登記的開放原子開源基金會（OpenAtom Foundation）正式成立，由阿里巴巴、百度、華為、浪潮、騰訊、360 等科技企業聯合發起，成為中國首個開源領域的基金會。基金會通過項目孵化、知識產權托管等方式，為國產開源項目提供支持。
更關鍵的是「信創」（信息技術應用創新產業）體系的建立。這是中國推動軟硬體國產化的核心工程，旨在實現信息技術領域的「自主可控」。信創體系為國產軟體創造了一個巨大的政策性保護市場：只有進入「安全可靠」名單的國產化軟體，才能獲得黨政軍及關鍵基礎設施的龐大採購訂單。
在中美科技博弈大週期中，我們看到的是兩條截然不同、甚至相互平行的開源發展路徑，其背後反映了中美在科技戰略上的根本差異。
美國的開源思路，本質上是由市場驅動、爭奪全球「技術標準制定權」的競賽。資本押注的是能夠建立全球開發者生態、鎖定技術棧、並最終成為全球基礎設施的專案。其成功標準是開放市場下的全球影響力與商業回報。
然而，中國的開源之路，則更像其在半導體、新能源車領域的翻版——一場由上而下、以「國家戰略」為核心的產業造勢運動。其根本目標並非在全球開放市場中競爭，而是建立「自主可控」的技術體系，確保產業安全與技術主權。
在這套邏輯下，開源不再純粹是技術問題，而是國家安全的延伸。中國透過「信創」體系，人為地創造了一個巨大的政策性保護市場，配合國家級基金會的支持，加速催生本土的龍頭企業，填補這個受保護市場中的空白。
中美兩大市場的開源遊戲，因此有著完全不同的玩法和終局。一個追求成為全球開放標準的「王者」，另一個則致力於成為國家保護體系內的「首選」。這也解釋了兩邊估值邏輯與退出路徑的巨大分歧：它們衡量的是兩種截然不同的價值——全球市場潛力，以及國家戰略卡位。
——————————————————
⭕️ 我歷經兩次創業成功退出，目前擔任新加坡風險投資機構入駐企業家（E.I.R）。我正身處中美 AI 科技一線，親歷時代賦予的這一段波瀾壯闊，十五年產品商業化戰略和資本運作經驗，深度關注全球華人科技創業，歡迎你隨時找我交流創業題目！
如果你喜歡我的文章； 歡迎在評論區訂閱我的 Substack 頻道查閱過往我撰寫的內容！