#24 熊飞：从北森 IPO 看充满挑战的中国企服这两年

本期所有关于北森股价、企业服务估值、2025 年 IPO 潮、AI 开源、Stable Diffusion、ChatGPT 和 Android 时刻的判断，都来自 2023 年 5 月的节目语境。本文还原嘉宾当时的观察，不把他的预测、估算或口述数字直接当作 2026 年事实；北森的财务和市场状态若要用于今天的判断，必须另行核对最新披露。

一、从北森上市开始：为什么“上市成功”仍然是一场考验

节目开头，熊飞把北森 IPO 描述成一个有代表性的时刻：北森是中国企业服务和 SaaS 领域较早上市的公司之一，上市时受到关注，之后股价却明显回落。主持人问他，作为早期投资人，这是一种遗憾、失败，还是企业服务正常的资本市场旅程？

熊飞没有把问题简化成“市场看错了北森”。他说北森在 2020 年已经做到现金流层面的盈利，说明公司不是没有经营能力；但疫情、低利率和资本宽松让企业服务估值被抬高，很多公司在同一时间获得了资金。到上市前后，外部环境、增长速度和资本市场偏好发生变化，原来可以用远期增长解释的估值，突然要面对利润、现金流和可验证的业务质量。

他把上市比作一场过山车：公司终于完成 IPO，第一枪打出去，后面的工作反而更公开、更困难。上市不是终点，而是从私募市场的叙事考核转向公开市场的连续评分；每个季度的收入、续费、人效、现金和亏损都会被重新放大。

二、疫情与容易的钱：六到八家公司在同一赛道融资

熊飞回顾 2020 年之后的企服市场：企业数字化需求确实增长，但资本也进入得太快。一个垂直赛道里可能同时有六到八家公司拿到大量融资，大家都相信自己可以成为第一名。问题在于，企业服务不像消费互联网那样可以迅速形成赢家通吃；客户采购周期长、实施复杂，多个产品可能同时存在，竞争者却会互相争夺同一批客户和人才。

他用“囚徒困境”来形容这种状态：每家公司都知道需要提高效率、关注盈利，但只要竞争对手继续烧钱扩张，自己就担心停下来会被超过；于是全行业一起追求高增长、更多销售和更大的市场声量。资金把亏损容忍度提高，也让一些本来应该更早做出的取舍被延后。

当市场变冷，企业服务的真实问题重新出现：增长速度下降，销售成本和交付成本不能再被融资掩盖，客户开始追问产品是否真正提高效率。熊飞认为行业回到“back to basics”：不是不要增长，而是增长要和人效、现金流、客户质量一起被观察。

三、从追求所有指标，到单月和全年盈亏平衡

熊飞举了一个他长期合作的公司作为例子：公司收入已经达到数亿元量级，接下来不再同时追求无限高增长、品牌关注和竞争者压制，而是把目标设成每年约 40% 的增长、年底实现单月盈利，随后实现全年盈利，并为可能的 IPO 提前准备券商、会计师事务所等中介工作。

这个案例的重点不在某一家公司的名字和具体预测，而在创始人决策的改变。融资选择很多时，创始人的注意力会被美股、港股、继续融资和竞争者 PR 分散；当市场平静下来，目标反而清楚了：客户是谁、收入能否持续、人效是否改善、每月是否能自我造血。熊飞说，经历挑战后，“很多事情反而变得 crystal clear”。

他也承认，企服市场在过去两三年确实被溢价。作为这个赛道的投资人，他仍然愿意坦诚指出：估值高不等于商业模式已经成熟，资本愿意容忍亏损也不等于客户愿意长期付费。健康增长应该能在减少外部输血后继续成立。

四、2025 年 IPO 潮：资本市场会重新提高什么门槛

主持人问，经历一轮低迷后，企业服务何时会重新迎来上市机会。熊飞在节目中预测，2025 年左右可能出现一波新的 IPO 潮，但那不是简单重现 2020 年的高估值，而是有更清晰的盈利与增长标准。他提到创业板、科创板等不同上市路径对盈利、研发和科技属性的要求可能不同；对应用软件而言，高研发投入和一定的利润、增长组合，可能比单纯讲市场规模更重要。

他讨论了一个大致的优秀公司画像：软件毛利率较高，成本主要来自研发、销售和交付；如果老客户续费和扩张做得好，随着实施效率提升，利润会逐渐释放。熊飞提到年度净收入留存（NDR）等 SaaS 指标，是因为老客户是否继续购买、增加席位或扩展模块，比只看新客户数量更能说明产品价值。

这些数字和时间点是节目当时的经验判断，不是上市规则的摘要。熊飞真正强调的是，企业服务估值具有非线性：收入每年增长、毛利率不错，并不自动保证高估值；市场会同时问增长是否健康、现金是否真实、人效是否改善、客户是否留存，以及公司能否在公开市场持续交付。

五、到底应不应该 IPO：上市是记分牌，不是公司的目的

熊飞不认为所有企业都必须上市。IPO 有好处：公开市场提供融资、品牌、人才和并购工具，也能把公司放在一个透明的记分牌上；但它带来季度压力、信息披露、股价波动和更高的治理成本。如果一家公司可以在稳定客户和现金流基础上长期经营，私有化并不等于失败。

他用 Airbnb 和 Uber 做例子：一些公司上市初期表现并不理想，上市后的公开压力反而迫使它们提高效率、改善商业模式、走向盈利。熊飞把这种现象称为“上市后变好”的可能性，但也提醒不能把个案变成规则。上市不是让坏公司自动变好，而是让公司的问题更早、更透明地暴露出来，并给管理层施加新的约束。

反过来，若企业为了上市而扩大亏损、制造虚假的增长、把客户折扣当作收入质量，IPO 只会把问题公开化。所谓“乞丐式 IPO”不是上市本身的道德评价，而是提醒公司不要把交易所当作最后的融资避难所。

六、2015—2017 与 2020—2022：为什么熊飞说前一段更健康

当主持人追问早期企服创业和后来创业的差异时，熊飞比较了两个阶段。2015—2017 年，很多团队还没有大量资本可以烧，必须尽快找到真实客户、做出收入、理解交付和控制成本。资本市场没有那么热，创业者的选择少，因此更容易被迫面对产品是否有人买。

2020—2022 年，资本充裕、远程办公和数字化叙事升温，创业者可以更早融资、扩大团队、追逐市场份额。这样能加速真正优秀的公司，但也让大量尚未证明客户价值的项目被一起推高。熊飞并不是怀念贫困，而是指出“资金约束”有时会把战略问题提前暴露。

他因此期待新的周期更加务实：大家先做后说，先让产品和收入通过考验，再谈更高估值和大规模扩张。对投资人来说，竞争也会从“谁先下注”回到“谁能识别质量、帮助公司活过周期”。

七、为什么仍然留在企服：复利、开源和基础设施的长期价值

熊飞说自己并没有因为市场降温而离开企业服务，原因有两层。一层是长期复利：企业服务的产品、客户和组织能力积累得慢，但一旦形成信任、数据和交付能力，价值可以持续多年。另一层是他对技术基础设施和开源的兴趣：即使短期应用变化快，真正能改变行业的底层工具仍会留下。

他也谈到投资人的职业选择：企服并非一个只靠热点就能获得回报的赛道，投资人必须理解客户、产品、组织、财务和行业结构。长期留在其中，意味着接受更慢的反馈，也意味着可以在下一轮技术变化到来时，知道哪些团队有真实的产品能力，而不是只会追逐概念。

八、给创始人的建议：小客户与大客户不是同一种生意

主持人问创业者应该先做大客户还是中小客户。熊飞没有给一条绝对规则，而是提醒两类客户的购买逻辑、交付方式和现金周期不同。大客户可能带来更高客单价、更强品牌和长期合同，但销售周期长、定制和实施成本高，项目容易变成服务外包；中小客户决策快、产品反馈密集，却需要更低的客单价、更简单的部署和更高效的渠道。

创业公司要先理解自己的产品属于哪一种生意：是标准化软件、半定制方案，还是复杂项目交付。若没有明确边界，团队会同时满足所有客户，最后既没有标准产品，也没有高质量服务。企业服务的“高毛利”不能只看软件订阅价格，还要扣除销售、实施、客服、培训和持续集成的真实成本。

这段建议和前面“回到基本面”相连：客户是否续费、交付是否可复制、人效是否改善，比单一大客户的宣传价值更能决定公司能否穿越周期。

九、AI 投资的两层：模型基础设施和应用/数据

节目中段转向 AI，熊飞把机会大致分为基础设施与应用层。基础设施包括训练、推理、分布式计算、模型工具链、评估和部署；应用层包括内容生成、企业软件、行业工具以及把数据与工作流连接起来的产品。对投资人而言，基础设施的风险是押错技术路线或赢家；应用层的风险是模型能力快速变化，产品很快被更大平台吸收。

他说，AI 公司的技术演示很容易让人兴奋，但投资判断必须继续追问：模型质量是否可重复？数据是否有独特性？客户是否真的愿意把工作交给它？成本随使用量增加时，毛利是否仍然成立？这些问题把 AI 拉回 SaaS 的老问题，只是推理成本、数据权限和模型更新让反馈速度更快。

熊飞也提到“数据和模型”之间的关系：有些企业拥有大量业务数据，但把数据变成高质量训练集、微调和工作流，仍需要工程、治理和领域理解。数据存在，不等于数据可以直接形成护城河。

十、Midjourney 与 Stable Diffusion：闭源体验和开源生态的两条路

当主持人问生成式 AI 的具体机会时，熊飞比较了 Midjourney 和 Stable Diffusion。Midjourney 更像一套闭环产品：体验、社区和生成结果被包装在一起，用户可以直接获得相对完整的使用感受。Stable Diffusion 则更接近可被下载、修改、部署和二次开发的开源底座，早期能力不一定与闭源产品相同，却为生态提供了更低的进入成本。

他并不把开源等同于“马上更好”。开源项目需要模型质量、数据、训练工具、推理成本、许可证和社区共同成长；早期模型可能被用户吐槽，和成熟闭源模型存在明显差距。但一旦能力达到足够可用的水平，企业可能因为隐私、数据控制、成本和自定义需求而选择本地或私有部署。

熊飞的判断是，ChatGPT 已经创造了“iPhone 时刻”：大家第一次看到一个真正改变交互的产品；但大规模创业潮可能要等“Android 时刻”，也就是一个足够好、成本更低、可被大量厂商和开发者使用的开放底座出现。这个类比不是说 AI 必然复制手机历史，而是指出：创新产品的出现和生态普及之间，往往需要不同的基础设施。

十一、基础设施的策略：与赢家一起玩，而不是猜谁赢

谈到 AI infra，熊飞提到一种“play with the winner”的投资策略：基础设施公司最好服务多个模型或站在行业共同需求上，而不是完全押注某一个尚未确定的模型冠军。模型变化时，评估、部署、实验管理、分布式训练、数据处理和安全治理仍然需要存在；但如果基础设施和单一模型强绑定，赢家一旦改变，平台价值也可能被一起带走。

他举出当时行业里围绕 OpenAI、Anyscale、Weights & Biases 等工具和平台的讨论，说明 AI 的基础设施不只是 GPU。真正的产品需要让研究团队能训练、记录、比较、部署和回滚，企业团队能管理数据、权限、成本和效果。这个位置可能没有最抢眼的模型演示，却更接近长期生产系统。

熊飞也提醒，单点 AI 功能会很快面临竞争：Jasper 可能面对 Notion、Office、Salesforce、Marketo 等平台的进入。如果产品不能从一个功能跃迁到完整解决方案，就很难抵抗平台整合。

十二、AI 会重塑 SaaS，但从技术功能到解决方案有一条长路

熊飞认为 AI 会明显改造 SaaS：软件可以从被动记录，变成主动理解、生成和建议；用户不再必须在每个菜单里手工完成流程。但“AI 加进 SaaS”不等于产品完成。企业软件仍然要处理权限、数据、流程、多人协作、异常、审计和客户成功，技术功能必须被嵌入可交付的解决方案。

他用大模型的行业补充作类比：通用模型能给出一个 75 分的答案，但某个垂直模型如果掌握独特数据，可能把菜谱、法律、医疗或交易结果做到更高质量。可垂直模型也不是靠训练一次就完成，它需要数据持续进入、专业用户纠错、产品流程重做，以及商业模式覆盖成本。

这正是 AI 和传统 SaaS 的连接点：SaaS 的价值不在于“有一个功能”，而在于组织是否愿意长期把流程、数据和责任放进系统里。AI 让软件更聪明，却不会自动替软件获得信任。

十三、开源的“临界点”：从安卓、数据库到大模型

熊飞把大模型开源放到几段历史中比较。特斯拉开放专利之后，电动车创业的进入成本下降；安卓开放之后，手机厂商可以在一个共享系统上竞争，移动互联网才形成更大规模；数据库早期由 Oracle、SQL Server、DB2 等商业产品主导，后来 MySQL、PostgreSQL 等开源数据库随着互联网数据量增长获得长期机会。

他的推理是：当闭源模型的能力足够成熟、使用成本继续下降、企业产生了大量真实需求时，开源模型可能跨过一个 tipping point。企业可能不愿把全部数据交给外部模型，也可能希望拥有自己的模型；即使开源模型只有闭源模型的 20%—30% 能力，若已经足够解决很多实际问题，也可能形成巨大市场。

但他同时承认这条路存在条件：如果闭源模型继续无限突破，开源很难追赶；如果数据、训练、推理和社区不能形成完整工具链，公开权重也不能自动变成生产力。开源的关键不是“免费”，而是让更多人能够在可接受的成本、质量和责任边界内使用与改造。

十四、创投的重力：最后所有热点都要回到收入与变现

节目最后，熊飞用“重力效应”形容创投市场。过去两三年，资金充足，很多项目像在低重力环境里快速上升；市场转冷后，重力重新变大，所有行业都要看收入、变现、客户质量和现金流。过去能先讲故事再做产品，接下来更可能是先做出结果，再公开表达。

这不意味着科技周期结束。熊飞认为下一个周期一定会来，但没人知道具体何时到来；创业者能做的是让产品、组织和客户准备得更充分，以便周期到来时拥有真正的加速度。对于年轻投资人，他给出的建议也很务实：AI 变化快，必须深入官网、模型、工具、创始人访谈和外部资料；愿意在一个垂直领域长期学习的人，仍然可以在新的起跑线上建立优势。

节目在“back to old days”的语气中收束：不是回到旧技术，而是回到更严格的筛选——质量大于速度，收入大于声量，能对抗重力的企业才值得长期投入。

以上是原文讲解。下面才进入本文自己的结构化抽象、证据审计与独立判断。

北森是一个有代表性的案例，但企业服务按客户规模、行业、部署模式和收入质量差异很大。上市后股价、毛利或增长变化，也不能单独证明产品好坏。要判断公司，需要看合同结构、续费扩容、应收账款、销售回收期、实施成本、研发效率和现金余额。