私募股权的 AI 热潮在推动回报的同时加剧市场分化

私募股权领域的 AI 热潮正带来显著分化的回报，《华尔街日报》报道。将 AI 嵌入被投企业运营的机构取得了更强劲的业绩，而持有老旧软件资产的机构则面临估值下滑和退出受阻。

这种分化之所以重要，是因为私募股权在进入 2026 年时，几乎没有空间再经历一个疲软周期。收购基金需要出售持有已久的资产、向投资者返还现金，并为新一轮募资提供合理依据。AI 如今同时影响着这两方面。

它可以帮助被投企业提升销售、实现工作自动化并推出新产品；但也可能削弱支撑数百项软件投资的订阅模式。由此形成的分化，并不只是科技投资者与其他投资者之间的差别，而是能将 AI 转化为可衡量运营收益的机构，与仅依赖相关敞口、试点项目或乐观标签的机构之间的差别。

因此，核心竞争在于执行力与敞口之间的较量。持有一家与 AI 相邻的公司已不再保证优势。管理人必须证明，被投企业能够在持有期结束前守住收入、改善利润率，或打造具有防御性的产品。

Google News 标题释放的私募股权信号

重要变化在于，AI 已从未来的投资主题，转变为当前检验投资组合质量的标准。

过去数年，私募股权管理人可以将 AI 描述为其持仓中蕴含的一项选择权。一家软件公司或许最终会加入助手功能、实现客服自动化，或提升开发效率。这种可能性提供了一个吸引人的叙事，却不要求立即拿出财务证明。

市场如今变得不那么有耐心。投资者开始区分仅在个别工作流程中使用 AI 的公司，与围绕 AI 重构产品或运营模式的公司。这一区别会影响交易筛选、估值以及成功退出的可能性。

近期一项 AI 价值研究考察了 31 个行业中的 471 家非上市公司。该研究根据 AI 应用的深入程度对其分类，范围从孤立的实验到新业务的创建。

广泛采用 AI 的公司，其收入倍数中位数比机会性使用该技术的公司高出约 130%。最先进的一组在 2023 年至 2025 年间录得 31 倍的收入倍数中位数。

这种关联并不能证明仅凭 AI 就造成了估值差异。管理更出色的公司在采用 AI 前，就可能拥有更强的数据、产品、领导力和增长能力。这些相同的优势也会让 AI 落地更加容易。

不过，这一趋势解释了为何该报道会作为私募股权回报问题登上 Google News。投资者已观察到足够明显的分化，从而改变了他们评估资产的方式。AI 成熟度正在成为承保分析的一部分，而不再只是管理层演示中的一页幻灯片。

真正的动作发生在被投企业内部。一些所有者正将 AI 用于客户服务、销售、软件开发、客户入驻和内部分析；另一些则把模型嵌入产品，或围绕现有数据打造新的收入来源。

这些方法会产生不同的经济结果。将内部任务自动化可以降低费用，但竞争对手往往也能购买同样的工具。与专有数据和既有工作流程绑定的产品则更难被复制，也可以支撑额外的使用量或收入。

私募股权管理人历来通过多种杠杆创造回报：增加收入、扩大利润率、降低债务、提升估值倍数，或将这些因素结合起来。AI 会触及每一项杠杆，但不会自动改善它们。

编码助手可能缩短开发时间，却未必减少支出。客服代理可能处理更多请求，同时造成代价高昂的错误。AI 功能可能吸引试用，却无法改善留存率。运营活动并不等同于已实现的价值。

如今获得认可的机构，越来越多是那些将部署与具体财务结果相连接的机构。它们明确指标、指定负责人、建立基线，并在持有期内追踪结果。这个过程不如宣布 AI 战略那么令人兴奋，但它能形成潜在买家可以审视的证据。

这种转变构成了本文的主要张力。AI 为私募股权摆脱疲软回报提供了路径，却也同时暴露出哪些管理人无法将技术获取能力转化为运营改善。

疲软的收购回报抬高了赌注

私募股权需要 AI 兑现价值，因为以往较为容易的回报来源已经减弱。

压力首先来自相对表现。McKinsey 的私募股权报告发现，全球收购基金回报位于前四分之一的机构，在 2025 年平均回报为 8%。S&P 500 回报为 18%，MSCI World 指数回报为 22%。

较早期基金拉低了平均水平。2015 年至 2017 年的收购基金年份批次，内部收益率约为 2%。较新的批次约为 15%，但其中很大一部分业绩仍未实现。

内部收益率，即 IRR，在考虑现金流入和流出时间的同时，估算一项投资的年化表现。未实现 IRR 部分取决于尚未出售资产所获赋予的估值，并不能为投资者提供可支配的分配资金。

这一区别至关重要。有限合伙人，包括养老基金、捐赠基金和保险公司，需要私募股权管理人出售公司并返还资本。账面收益无法完全替代现金，尤其是在这些投资者自身也面临配置限制之时。

该行业还缺少两项曾使收购交易更具容错性的顺风。低成本债务让发起人能够以更少的股权融资完成收购；而估值倍数的上升，即使运营改善不及预期，也能推高回报。

据 McKinsey 数据，2010 年至 2022 年间，低成本杠杆和倍数扩张贡献了私募股权回报的 59%。如今，更高的融资成本和更严格的估值标准，将更多责任放在企业业绩之上。

AI 正是在这一时刻到来。它承诺带来一种新的运营价值创造形式，即在被投企业内部产生改善，而非依靠金融工程。这包括更高效的销售工作、自动化流程、更优的定价、新产品以及更高的员工产出。

管理人同时面临现有和潜在投资者的压力。现有有限合伙人希望从老基金中获得分配；潜在投资者则希望在承诺投资另一只基金前，看到管理人能在当前环境下创造价值的证据。

募资统计数据反映出这一筛选更严格的环境。2025 年，北美私募股权募资增长 8%，至 4,320 亿美元；欧洲募资下降 41%，至 1,180 亿美元；亚太地区募资下降 49%，至 490 亿美元。

规模也变得更加重要。规模低于 5 亿美元的基金，其募资份额低于五年前。该份额从 17% 降至 13%，而大型管理人则取得进展。

AI 可能加深这种分化，因为落地需要较小机构可能难以长期维持的能力。管理人需要技术尽调、数据治理、采购专业知识、网络安全控制，以及理解具体被投企业的运营人员。

大型机构可以组建中央团队，并将成本分摊到数十家持有企业之间。它们可以与模型提供商谈判、维护可复用工具，并比较不同公司之间的结果。较小的发起人可以行动更快，但必须谨慎选择范围狭窄的项目。

资金本身并不能解决问题。一个庞大的中央团队可能产出被投企业高管不会理会的演示材料；一个激励明确、运营领导力强的小型所有者，则可能通过聚焦部署取得更好的结果。

被迫作出的应对已十分明确。管理人必须将 AI 从实验性预算，转入投资委员会决策、价值创造计划和退出准备之中。他们还需要在风险反映到买方报价之前，识别那些商业经济性受到 AI 威胁的资产。

这是一场长期能力竞赛，却带有短期后果。建设数据基础设施需要时间，但持有已久的资产现在就需要退出。较早开始布局的机构拥有优势，因为它们可以展示多个季度的运营证据，而非临时抱佛脚的演示。

推动回报差距的是执行，而非 AI 支出

新出现的赢家并非只是投入更多 AI 资金；它们将部署选择与收入、成本和退出准备度相联系。

FTI Consulting 的 Private Equity AI Radar描述了一小群取得更强报告结果的基金。FTI 将这组机构称为 AI Alpha Tier。

在受访基金中，95% 表示其 AI 项目达到或超过了最初的商业论证。仅有 17% 表示显著超过预期。两类回答之间的巨大差距表明，基本成功已变得普遍，而卓越价值仍然稀缺。

领先组报告的回报实现水平高出 6%，成本节省多出 5%，收入增长多出 4%。该组还报告了多出 18% 的 AI 相关退出。

这些是咨询调查中的自报结果，因此读者不应将其视为经审计的基金回报。AI 价值的定义可能不同，受访者也可能选择有利的衡量方式。不过，这些发现仍为与更强结果相关的实践提供了有用视角。

FTI 发现，各业绩层级的 AI 投资比例相近，约占收入的 11%。报告中的差异来自部署选择，而非总支出。

领先机构将 AI 应用于整个投资周期，包括项目来源、尽调、投资组合改善、监控和退出准备。它们也偏好能够在多家被投企业之间推广的通用型应用场景。

这种模式具备规模效应。发起人可以一次开发客户服务框架，然后针对多家企业进行调整；也可以为销售研究、合同分析或财务报告建立通用方法。复用能够降低实施成本并加快学习。

不过，集中化也有局限。被投企业拥有不同的客户、数据系统、监管义务和产品架构。可复用框架必须为本地控制留出空间。

FTI 表现最强的一组往往偏好由被投企业主导执行。这种安排将责任置于最了解正在改变的流程的员工身边。基金可以提供技术、治理、人才和衡量方法，而管理层则对结果负责。

营收项目同样似乎在拉开领先者与跟随者之间的差距。削减开支存在天然上限，因为一家企业能够消除的工作量终究有限。如果 AI 能改善产品、提高转化率或开拓新市场，营收增长则可能形成复利效应。

麦肯锡的成熟度框架说明了这种差异。处于第一层级的公司使用彼此孤立的工具，却未改变工作流程或价值主张。第二层级将 AI 整合进运营流程。第三层级将 AI 嵌入产品，第四层级则创造新业务。

麦肯锡样本中最先进的公司报告称，其每名员工的营收中位数比前一层级高出 18 万美元，增幅为 52%。

同样，这种相关性并不能证明因果关系。每名员工营收的上升，可能是因为公司销售高价值软件、处于有利市场，或已经缩减人员规模。投资者必须审视其中的机制，而不是重复新闻标题。

可信的价值创造计划始于一项可衡量的约束。一家企业可能因为销售代表花费过多时间研究客户而流失订单。另一家企业可能因产品文档零散而承担较高的支持成本。第三家企业或许需要工程师维护重复性的集成工作。

管理者随后可以测试 AI 是否改变了这项约束。他们应将结果与基线进行比较，计入完整部署成本，并留意质量失误。衡量指标必须与现金流或可持续增长相联系。

这种纪律也能改善退出准备工作。买方会更信任有记录佐证的留存率提升，而非一份 AI 工具清单。它可以审查使用情况、单位经济效益、客户行为和治理机制。证据会让这项改善更容易获得认可。

知识基础设施在这里变得重要，因为许多企业模型依赖内部文档、客户记录和运营历史。可搜索的 AI knowledge base 可帮助团队检索这些背景信息，但访问控制和来源质量仍然至关重要。

因此，回报差距本质上是组织能力差距。模型访问渠道已广泛可得。稀缺能力在于选择有价值的问题、准备可靠数据、重塑工作方式、赢得用户采用，以及衡量财务影响。

AI 也在损害私募股权的软件资产

这项承诺带来新运营收益的技术，也正在动摇早期软件收购交易背后的假设。

私募股权大量投资软件，是因为经常性订阅能带来可预测的营收和较高利润率。按席位授权，即按用户数量收费，为客户增长转化为更高营收提供了一条直接路径。

AI 智能体让这种关系变得复杂。如果一名由多个智能体辅助的员工能够完成过去由更大团队承担的工作，客户可能需要更少的软件席位。供应商可以交付更多价值，却可能在现有合同下收取更少营收。

供应商可以转向按使用量或按结果收费，但改变模式会引入风险。客户可能不愿接受难以预测的账单。供应商可能难以公平衡量结果。销售团队也需要新的激励机制和合同条款。

公开市场已经反映出这些担忧。S&P Global 的 软件退出分析显示，S&P 北美科技软件指数在 2026 年 1 月 1 日至 4 月 10 日期间下跌 27.73%。

该指数随后收复了部分跌幅。截至 5 月 4 日，其年内仍下跌 14.03%，而标普 500 指数同期上涨 4.99%。

公开软件公司的营收增长也已放缓。S&P Global 报告称，增速接近 15%，低于 2021 年第二季度近 30% 的水平。私营公司并不总是以同样一致的方式披露可比信息，但买方可以利用公开市场表现来重新校准预期。

交易倍数显示出另一项变化。2021 年，软件收购方支付的营收过去十二个月中位数倍数为 6.4 倍。根据 S&P Global 引述的 451 Research 数据，截至 2026 年 4 月 20 日，这一指标降至 3.2 倍。

以高倍数买入的发起人，若没有通过显著增长、利润率改善或减债来抵消下降，就难以以更低倍数出售。AI 功能或许能提供帮助，但无法抹去不利的入场价格。

较早购入的资产让问题更为紧迫。截至 2026 年 4 月，北美活跃私募股权软件投资组合公司中，超过 27% 至少在五年前被收购。约 11% 已持有七年或更久。

较长的持有期限制投资者流动性，并消耗管理层注意力。它们还可能造成时间错配：投资组合公司可能恰好需要重大产品重建，而其所有者正希望准备退出。

交易活动几乎没有带来缓解。2025 年软件并购总额为 3,100 亿美元。截至 2026 年 4 月 20 日，仅录得 250 亿美元，其中 72% 与 1 月公布的交易有关。

潜在战略买家也面临自身约束。股价下跌使股票融资收购的吸引力降低。私募股权买家同样依赖债务融资，而当贷款方质疑软件营收的持久性时，这类融资更难获得支持。

市场并非否定所有软件。它正根据工作流程重要性、专有数据、客户转换成本，以及企业能否为 AI 创造的价值收费来区分公司。

深度嵌入金融、安全、医疗或工业运营的系统，仍可能难以替代。围绕通用数据构建、差异化较弱的界面，则可能面临来自模型供应商、捆绑功能或新兴 AI 原生竞争者的更大压力。

这正是 Google News 叙事背后的市场分化。私募股权公司可以从强势企业内部的 AI 采用中获利，同时也可能在产品更容易被复制的软件公司上损失价值。

这种矛盾对专注科技领域的发起人尤为尖锐。它们的运营团队或许是最有能力部署 AI 的团队之一，但其投资组合也可能集中了最多面临威胁的订阅营收。

没有任何宽泛标签能够化解这种矛盾。“软件”的范围过宽，正如“AI-enabled”也过于模糊。投资者必须在产品和工作流程层面评估每项资产。

这些数据仍留有疑问空间

报告中的 AI 超额表现足以值得调查，但现在仍为时过早，不能将每一项估值差异都视为已实现的投资回报。

第一项不确定性涉及衡量方式。私营公司估值并不会持续更新。它们可能依赖融资轮次、内部估值、可比公司或交易假设。这些方法的反应速度各不相同。

更高的营收倍数可以表明预期增长，但并不保证能以该估值退出。当市场变化、尽职调查发现弱点或增长放缓时，买方可能修正其假设。

第二个问题是选择偏差。管理能力强、数据干净且技术栈现代化的公司，更可能深度实施 AI。即使没有 AI，这些特质也可能带来更强的结果。

先进公司也往往能吸引熟练员工和更好的融资。它们的 AI 成熟度可能反映的是更广泛的组织质量，而非业绩表现的独立原因。

第三项不确定性涉及费用。模型使用、数据准备、网络安全、集成、评估和人工审核都需要成本。一个项目可以提升总产出，却在计入全部费用后降低利润。

有些生产率提升永远不会转化为现金节省。员工可能完成更多工作，却没有增加销售或减少人员。这一结果可以改善服务，但管理者应准确描述它。

营收归因也带来另一项挑战。一家公司可能在添加 AI 功能的同时调整价格、扩充销售团队并进入新市场。要分离出 AI 的贡献，需要谨慎测试和一致的数据。

投资组合管理者还面临治理风险。模型可能泄露机密信息、生成错误内容，或再现偏见。在受监管的工作流程中发生失误，可能抹去节省的成本并延迟采用。

这些风险并不意味着应避免 AI，而是说明实施必须更加严格。企业应明确每个模型的责任归属、它可访问哪些数据、何时必须由人工审核其输出，以及公司将如何发现质量下降。

私募股权有限的持有期带来进一步复杂性。一个技术上合理的项目，如果需要数年才能成熟，仍可能是一项糟糕投资。发起人必须让部署时间表与预期退出窗口相匹配。

最可信的项目能够在数个季度内展现收益，随后逐步推动更实质性的产品变革。这种方法既为管理者提供证据，也保留了扩大实施的选择权。

投资者还应区分已实现收益与预期退出改善。财务报表中可见的成本节省，与一个预测未来买方将支付更高倍数的模型，具有不同的分量。

因此，FTI 发现仅有 17% 的基金显著超出其 AI 商业案例，这一结论比广泛的 95% 成功率数据更具参考价值。它意味着，AI 可以满足适度目标，却未必创造卓越回报。

竞争问题在于，早期领先者能否维持优势。模型正在改进，实施工具变得更容易购买，经验丰富的员工也会在企业间流动。今天看似独特的做法，可能成为标准配置。

可防御性必须来自模型访问之外的因素。它可以来自专有数据、深度整合的工作流程、客户信任、专业化分销，或更快的组织学习能力。

最有力的怀疑性结论并非 AI 回报差距是虚构的，而是当前证据混合了运营结果、私营公司估值、调查回应和未实现的预期。

Google News 读者应将这波热潮视为一场正在展开的业绩测试。一些公司已经建立了早期领先优势，但最终排名取决于退出和现金分配。

三项信号将显示 AI 热潮是否能产生现金

下一阶段将由退出证据、软件定价变化和投资组合层面的运营结果决定。

第一项信号是 2026 年余下时间的软件退出交易规模和估值。已完成的出售比内部投资组合估值提供更强有力的证据。

投资者应将退出倍数与入场估值及最近一次报告的估值进行比较。他们还应考察，拥有成熟 AI 产品的公司是否比仅提供基础助手或自动化功能的企业获得更优条款。

高质量软件交易的复苏将支持这样一种观点：买方仍在奖励具有持久工作流程价值的产品。若交易活动持续疲弱，则会加深积压问题，并削弱 AI 改善已在恢复流动性的说法。

Bain 的年中评估报告称，科技交易价值从 2025 年第四季度到 2026 年第一季度下降了 70%。这一降幅形成了较低基数，但也表明信心消失的速度可以有多快。

第二个信号是，大型软件供应商是否能成功摆脱按席位许可模式。按使用量和按结果定价可以让收入与 AI agent 创造的价值相匹配，但前提是客户接受这种模式。

关注续约率、净收入留存率和合同扩张情况。一家供应商若能在减少席位数量的同时提高客户总支出，便说明已找到可行的转型路径。席位数和收入同时下滑，则会印证颠覆性冲击的判断。

私募股权管理人应在公开市场竞争对手披露这些指标之前，先在自身投资组合中审视它们。等待季度市场证据，可能会导致调整产品打包方式、产品设计或销售激励措施的时间所剩无几。

第三个信号是投资组合层面报告的质量。管理人在募集新基金时，将越来越多地宣称由 AI 驱动的营收增长和成本节省。有限合伙人应要求各项持仓采用可比较的衡量标准。

有价值的报告应包括采用率、部署费用、营收变化、成本削减、错误率，以及实现价值所需的时间。报告还应区分预测与实际结果，并说明收益是否已体现在财务报表中。

一致的报告方式将强化这样一种观点：回报差距反映的是可重复的运营能力。模糊的案例研究和不断变化的定义则会削弱这一观点。

私募股权领域的 AI 热潮，在支出、关注度和组织活动层面都是真实存在的。尚未解决的问题是，其中有多少活动最终会转化为可分配现金。

这种区别影响的不只是基金投资者。企业买家应预期投资组合控股的供应商会调整产品和定价。知识工作者将看到更多带有明确生产力目标的自动化被引入。开发者则将面临更严格的要求，需要把模型性能与收入、成本和客户留存联系起来。

通过 Google News 跟踪这一趋势的读者，不应只看 AI 公告的数量。更值得问的是：一家公司是否改变了未来买家能够验证的经济约束。

对于评估自身部署的团队，应保留每项决策背后的证据。实用的 AI 工作流 可以帮助整理更新，但最终记录应将采用情况与业务成果联系起来。

未来几个月，首先关注已完成的退出交易，其次关注软件定价转型，第三关注可比较的投资组合结果。这些信号将揭示，AI 究竟是在创造持久的私募股权回报，还是仅仅把乐观估值与真正能够出售的资产区分开来。