科技企业估值的核心，并不是简单地给当期利润乘上一个更高的市盈率，而是资本市场对企业未来收入规模、利润率、现金流以及竞争壁垒进行折现后的结果。与传统成熟行业相比，TMT企业的价值往往更多来自未来而非现在，因此其估值体系也更加依赖增长速度、技术壁垒、商业模式和行业空间。

过去十年的全球科技股行情也反复证明，科技企业的高估值并非永久存在。2018年的风险偏好收缩、2020—2021年的低利率与数字化浪潮、2022年的全球加息，以及2023年以来生成式AI带来的新一轮资本开支周期，都曾显著改变科技企业的估值水平。以英伟达为例，其年度市盈率从2018年的约17.9倍上升至2021年的约90.6倍，随后又伴随利润爆发和估值消化回落至2025年的约46.2倍；Adobe则由2021年的约56.6倍下降至2025年的约21.0倍。同样属于科技企业，不同商业模式和增长阶段已经出现明显估值分化。（数据来源：Morningstar）

从理论上看，企业价值最终仍然来自未来可以创造的现金流，但科技企业最大的特点在于，其收入、利润和自由现金流可能存在非常明显的非线性变化。

传统制造企业增加收入通常需要同步增加厂房、设备、人工和营运资金，而软件、平台以及部分互联网企业在完成基础技术平台建设后，新增客户所需要增加的边际成本相对有限。因此，一旦企业跨过盈亏平衡点，其利润增速可能显著高于收入增速。

半导体和科技制造企业则是另一种逻辑。它们并不具备纯软件企业的轻资产属性，但如果企业能够掌握先进制程、关键设备、核心芯片或者平台型产品，其技术进入壁垒和客户认证壁垒可以形成较长时间的超额利润。

例如，台积电2025年实现营业收入3.81万亿新台币，同比增长31.6%；净利润1.72万亿新台币，同比增长46.4%，毛利率达到59.9%，营业利润率达到50.8%。先进制程持续提升收入占比，使得其盈利增长明显快于收入增长，这正是资本市场愿意给予全球头部科技制造企业较高估值的重要基础之一。（数据来源：台积电2025年度报告）

因此，TMT企业估值通常可以拆解为五个核心变量：

因此，科技企业所谓的“高估值”，本质上并不是资本市场愿意为科技概念支付额外溢价，而是市场愿意提前为未来可能形成的更大盈利规模定价。

TMT行业不存在一种适用于所有企业的估值指标。

对于已经形成稳定盈利能力的成熟科技企业，PE仍然是最直接的指标：

例如一家科技企业净利润5亿元，市场给予30倍PE，对应股权价值约150亿元。其本质是投资者愿意以多少年的当前利润购买企业。

但对于高速增长、尚未形成稳定利润的软件、SaaS以及互联网企业，PE可能失去意义。如果企业为了扩大市场份额持续进行研发和销售投入，当期净利润很低甚至亏损，而收入和客户价值却仍在高速增长，此时资本市场往往使用PS：

PS实际上是在判断企业当前收入未来能够转化为多少利润，因此同样是10亿元收入，毛利率30%的企业和毛利率80%的企业不可能获得相同PS。

对于已经形成相对稳定经营利润，但资本结构差异较大的成熟软件、IDC、通信设备以及科技制造企业，则经常使用：

这一指标弱化了企业债务结构、所得税以及固定资产折旧政策差异，因此在并购交易中具有较强的可比性。

估值方法实际上对应企业生命周期：

因此，对TMT企业进行估值首先要回答的并不是“应该给多少倍PE”，而是企业目前处于什么发展阶段，以及当前利润是否能够真实反映企业长期盈利能力。

资本市场给予成长型企业较高估值的原因，可以用一个简单逻辑理解：

假设A、B两家公司当前净利润都是1亿元。

A公司未来五年利润每年增长5%；

B公司未来五年利润每年增长30%。

五年以后，两家公司的利润规模已经完全不同，因此即使当前利润相同，市场也不可能给予完全相同的估值。

但真正重要的并不是“增长越高，估值越高”，而是：

如果增长必须依靠持续补贴、低价获客或者巨额资本开支维持，那么增长本身未必创造价值。相反，如果企业能够在保持高增长的同时不断提高毛利率、营业利润率和现金流，其估值反而可能在盈利增长过程中被逐渐消化。

英伟达是近年来这一现象较为典型的案例。其年度市盈率在2021年约为90.6倍，2023年约65.3倍，2024年约53.0倍，2025年约46.2倍。估值倍数下降并不意味着企业价值同步下降，相反，在AI计算需求推动盈利快速增长的过程中，利润增长速度一度明显快于股价增长速度，从而形成“市值上涨、PE下降”的估值消化过程。（数据来源：Morningstar）

这也是科技投资中非常重要的一个现象：

高估值企业并不一定需要依靠估值继续提升创造回报，只要利润增长足够快，即使估值倍数下降，企业价值仍然可以增长。

软件和SaaS企业是TMT领域最典型的高估值商业模式之一。

其价值通常来自四个特征：

第一，收入具有较强的持续性。订阅模式可以将一次性软件销售转化为持续性收入。

第二，毛利率通常较高。软件产品开发完成以后复制成本相对较低。

第三，收入具有较强可预测性。ARR、续费率以及剩余履约义务能够提高未来收入的可见度。

第四，规模扩大以后具有明显经营杠杆。

Adobe可以较好地说明这种商业模式。2025财年Adobe实现收入237.69亿美元，其中订阅收入229.04亿美元，占收入约96%；期末ARR约252亿美元，同比增长11.5%；经营现金流约100.3亿美元，同比增长25%。高订阅收入占比和较强现金流使成熟软件公司即使收入增速进入10%左右区间，仍然可以维持较强盈利和现金流能力。（数据来源：Adobe FY2025 Annual Report）

但成熟SaaS公司的估值也并非固定。以Adobe为例，其PS由2020年的约18.9倍、2021年的约17.3倍下降至2025年的约6.3倍；PE由2021年的约56.6倍下降至2025年的约21.0倍。随着增长率下降，资本市场会逐步从“收入增长定价”转向“利润和自由现金流定价”。（数据来源：Morningstar）

因此，SaaS企业真正需要观察的不是单一PS，而是：

资本市场实际上是在判断：今天的一元收入未来究竟能够转化为多少自由现金流。

半导体是TMT行业中估值体系最复杂的领域之一。

同样是半导体企业，晶圆代工、设备、EDA、IP、模拟芯片、数字芯片、存储芯片和功率半导体的盈利模式完全不同，因此不能简单使用统一PE进行比较。

半导体估值主要受到四个周期共同影响：

技术周期、产品周期、库存周期和资本开支周期。

周期底部时，企业利润可能大幅下降，反而使静态PE异常升高；周期顶部时利润快速释放，PE反而可能下降。因此，投资者更加关注正常化利润、未来两到三年盈利以及企业在下一轮技术节点中的竞争地位。

台积电的估值变化具有代表性。其美股ADR对应PE由2021年的约26.9倍下降至2022年的约11.7倍，此后伴随先进制程和AI算力需求上升，2023年恢复至约18.1倍、2024年约24.1倍、2025年约23.7倍，截至2026年9月重新处于接近29倍水平。估值变化不仅反映利润，也反映市场对AI资本开支、先进制程需求以及未来增长持续性的预期变化。（数据来源：S&P Global Market Intelligence/Fiscal.ai，经StockAnalysis整理，截至2026年9月）

A股半导体企业的估值波动通常更加明显。例如紫光国微（002049.SZ）年度PE由2016年的约41.9倍升至2017年的约73.5倍，2018年下降至约34.3倍，2020—2021年再次达到约70倍，2023年下降至约22.2倍，此后2024—2025年恢复至约45倍左右，显示半导体行业估值具有明显的产业周期与市场风险偏好属性。（数据来源：财报帮公开估值数据，截至2026年9月）

科技制造企业处于传统制造与纯科技企业之间。

资本市场愿意给予较高估值的，并不是“制造”本身，而是制造环节中所包含的：

技术壁垒、产品平台、客户认证、全球竞争力和高资本回报率。

因此，一家科技制造企业是否能够获得高于传统制造业的估值，主要取决于三个问题：

一是企业究竟依靠产能赚钱，还是依靠技术赚钱；

二是收入增长是否必须持续投入大量资本开支；

三是产品是否具有足够高的进入壁垒和客户转换成本。

如果企业的核心竞争力仍然只是低成本产能和规模扩张，即使产品属于电子、通信或者半导体产业链，本质上仍然可能按照制造业逻辑估值。

反之，如果企业能够掌握核心设备、材料、工艺或者关键零部件，并且产品进入客户供应体系以后具有较长生命周期，其估值体系会逐步向科技企业靠拢。

因此，科技制造企业不能只看PE，而应同时观察：

ROIC、毛利率、研发费用率、自由现金流、资本开支强度以及客户集中度。

AI是当前TMT估值体系中最典型的“未来定价”。

AI产业可以大致划分为：

产业链位置不同，估值逻辑完全不同。

英伟达等算力基础设施企业已经形成规模化收入和利润，因此可以使用Forward PE和自由现金流等指标进行估值。

大模型和AI应用企业中则存在大量仍处于高速投入阶段的公司，当期盈利不能完全体现商业价值，市场更加关注收入增长、用户规模、推理调用量、单位Token成本、客户留存率以及未来潜在利润率。

截至2026年，AI对科技企业估值的影响已经不仅体现在“AI概念”，而越来越体现为收入和利润兑现。台积电在2025年度报告中明确表示AI相关需求持续强劲；2025年公司美元收入同比增长35.9%，净利润同比增长51.2%。

AI资本开支最终通过GPU、先进制程、HBM、服务器、网络设备和数据中心基础设施逐级传导，因此真正能够持续获得资本市场认可的仍然是能够把AI需求转化为收入、利润和现金流的企业。（数据来源：台积电2025年度报告）

因此，AI企业的估值最终仍然会经历一场迁移：

越靠近早期，估值越依赖市场空间和增长预期；越接近成熟阶段，估值越需要回归利润和现金流。

这张表实际上揭示了科技企业估值的一个核心规律：

企业越靠近成熟现金流，估值越接近利润；企业越靠近技术和商业模式创新前沿，估值越依赖收入与未来预期。

表7-1 代表性TMT企业十年估值变化

为了观察科技企业估值周期，可以选择软件、AI计算和A股半导体三个具有代表性的样本。

注：不同市场和数据平台对年度PE的计算时点可能存在差异，表格主要用于观察长期估值方向，不宜直接作为某一交易日投资决策依据。（数据来源：Morningstar、财报帮）

十年数据至少反映出三个现象：

第一，科技企业不存在永久的高估值。

Adobe在2021年仍处于约56.6倍PE，而2025年已经降至约21倍。随着企业由高速增长进入成熟增长阶段，即使收入和利润继续增加，估值中枢仍然可能下降。

第二，高增长可以消化高估值。

英伟达2021年的年度PE超过90倍，到2025年已经下降至约46倍。在这一过程中企业规模和市值大幅提升，说明科技企业可以通过利润高速增长消化此前较高的估值水平。

第三，产业周期能够带来估值的大幅重新定价。

紫光国微十年间PE曾在约22倍至70倍以上区间大幅波动，表明半导体企业不仅受到自身盈利影响，也高度受到行业景气度和市场风险偏好的影响。

科技企业估值研究不能仅仅回答“现在是多少倍”，更应该回答：

当前估值处于企业自身历史的什么位置，当前增长是否足以支撑这一估值，以及未来利润增长来自产业周期还是长期竞争力。

即使是相似的科技公司，在A股、港股和美股也可能获得明显不同的估值。

这种差异并不简单等同于“哪个市场估值更高”，而是由投资者结构、市场流动性、公司结构、成长性以及风险偏好共同决定。

第一，美股更强调全球竞争力与长期现金流

美股拥有大量全球化科技龙头，投资者对于SaaS、云计算、半导体以及互联网平台已经形成较成熟的估值框架。

微软、英伟达、Adobe、Salesforce等公司虽然商业模式不同，但市场会持续跟踪Forward PE、自由现金流、ARR、资本开支以及盈利预期。

截至2026年9月，微软对应TTM PE约27.9倍；英伟达约28.8倍；Adobe约13.9倍；Salesforce约21.9倍。即便都是美国大型科技公司，估值依然已经出现显著分化，说明成熟资本市场并不会简单给予所有科技企业统一的“科技溢价”，而是越来越依据增长和现金流重新定价。（数据来源：S&P Global Market Intelligence/Fiscal.ai，经StockAnalysis整理，截至2026年9月）

第二，A股更加重视产业趋势与稀缺性

A股科技企业估值通常更容易受到产业政策、国产替代、行业景气度和市场风险偏好影响。

尤其对于半导体设备、材料、EDA、工业软件和高端制造等具有较强国产化逻辑的领域，市场不仅定价当前盈利，也可能提前定价国产化率提升和市场份额扩张。

因此，同一家企业可能在行业景气上升阶段获得较高PE，但在订单和利润兑现以后出现估值下降。

这也是为什么A股TMT研究不能机械地认为“40倍PE一定贵于20倍PE”，而需要判断企业未来三年的利润增长是否能够把当前40倍PE消化到合理水平。

第三，港股更加重视现金流与风险折价

港股TMT企业以互联网平台、消费科技、软件、生物科技以及部分硬件企业为主，国际机构投资者占比较高，因此对全球利率、美元流动性和风险溢价变化更加敏感。

恒生科技指数自2020年推出以来经历了明显的大幅波动，其相关ETF在2022年、2023年分别出现较明显年度下跌，2024—2025年重新恢复上涨，反映港股科技资产估值同时受到企业基本面、流动性环境和国际资金风险偏好的影响。（数据来源：公开市场历史行情）

A股、港股和美股之间的估值差异可以概括为：

但这种差异并非固定。随着企业进入不同发展阶段，同一家企业的估值体系也会发生变化。

早期科技企业首先证明的是技术可行性；随后证明的是商业化能力；再之后证明的是规模增长能力；最终证明的则是持续创造自由现金流的能力。因此，资本市场真正给予高估值的，并不是“科技”两个字，而是企业能够以较高确定性证明：

今天投入的一元资本，在未来能够持续创造更多收入、利润和自由现金流。这也是理解TMT企业估值的最终落点。

TMT行业的投资与并购，本质上是资本对未来产业格局的提前布局。过去十年，资本关注点逐步从用户规模和市场份额，扩展到产品、客户、技术、数据、算力和产业链控制能力。

对于并购方而言，真正值得支付溢价的并不只是企业当前的收入和利润，而是目标企业是否掌握了一项买方难以在短期内复制的能力。判断一家TMT企业是否具有投资和并购价值，核心问题不是“企业现在有多大”，而是“企业掌握了什么稀缺能力，以及这种能力能否转化为未来增长和协同价值。”

TMT企业的价值通常由市场空间、技术能力、产品竞争力、客户基础、商业模式和产业位置共同决定。与传统行业相比，科技企业的核心资产更多体现为技术、研发团队、知识产权、客户认证、软件代码、数据和生态体系。

随着AI进入产业应用阶段，技术、产品、数据和算力之间的边界进一步模糊。AI模型、芯片、服务器、云平台、数据资源和行业应用正在形成新的产业协同关系，资本判断科技企业时，越来越关注企业能否形成“技术+产品+客户+数据+产业链”的组合优势。

技术能力型并购的核心，是通过外部交易直接获得研发平台、核心IP、技术团队和经过市场验证的产品能力。

半导体行业是这一逻辑最典型的应用场景。2024年纳芯微（688052.SH）收购麦歌恩部分股权，核心价值在于进一步获得磁传感器产品及相关研发和客户资源。

纳芯微收购麦歌恩的核心交易部分对应68.28%股权、交易对价约6.83亿元，按照股权比例简单折算，对应100%股权隐含交易价值约10亿元。但公开资料不足以形成统一可靠的交易时点PE或EV/EBITDA，因此不强行计算交易倍数。对于这种仍具有较强技术成长属性的企业，交易价格中包含的不仅是当期利润，还包括未来产品商业化的期权价值。（数据来源：交易公告）

技术型企业的估值关键，不是当前利润有多少，而是技术壁垒能够转化成多少未来收入和利润。

对于已经完成产品化的科技企业，并购方购买的往往是成熟产品、用户群、品牌、IP和商业化体系。

2016年腾讯通过财团收购Supercell约84.3%的证券，交易对价约86亿美元。根据交易数据库的不同口径，该交易对应约3.7至4.4倍EV/Revenue、约8.9至10.1倍EV/EBITDA。不同来源之间存在差异，主要来自企业价值、收入期间和计算口径不同，因此更适合采用区间而不是单一精确值。（数据来源：交易公告）

产品型并购的本质，是用资本购买已经完成市场验证的商业化时间。2018年美团收购摩拜，市场报道交易价格约27亿美元。由于摩拜当时仍处于亏损阶段，EV/EBITDA缺乏实际比较意义，交易价值更多来自用户规模、场景入口以及与美团本地生活生态的协同。（数据来源：交易公告）

在工业软件、半导体、汽车电子、通信设备和企业级软件领域，客户认证本身就是一种稀缺资产。

对于半导体、汽车电子等行业，客户导入通常需要经历测试、认证、量产验证等环节。买方如果通过内部研发进入市场，需要承担较长的验证周期，而收购成熟供应商则能够直接获得客户关系和供应链位置。

因此，客户型并购的估值不能只看收入规模。

因此，客户和渠道的价值最终仍然需要通过未来收入和利润兑现。

产业链整合的核心，是通过并购向上游获得核心技术，向下游获得客户和产品，从而形成更加完整的产业能力。

2024年长电科技收购晟碟半导体（上海）80%股权，是典型的产业链整合交易。交易文件以标的公司7.80亿美元估值为基础，80%股权初始交易对价约6.24亿美元。由于公开资料不足以形成统一的交易时点收入和EBITDA口径，因此不宜强行计算EV/Revenue或EV/EBITDA。（数据来源：交易公告）

2025年海光信息换股吸收合并中科曙光，则进一步体现了芯片与计算系统之间的产业整合。交易采用换股吸收合并方式，交易金额约1159.67亿元，因此更适合结合换股价格、换股比例和双方市场估值进行分析，而不是简单套用现金收购PE。（数据来源：交易公告）

产业链并购支付的溢价，本质上来自控制关键产业环节所产生的协同价值。

AI正在改变TMT行业的边界。未来的科技并购不一定发生在传统TMT企业之间，也可能发生在科技企业与制造、汽车、金融、医疗和能源企业之间。

2025年百度收购JOYY旗下中国大陆YY Live业务，累计现金对价约21亿美元。由于交易对应业务的独立财务数据及企业价值口径不足以形成具有可比性的EV/Revenue或EV/EBITDA，因此不将媒体报道的交易金额直接包装成交易倍数。（数据来源：交易公告）

这一案例更适合从“平台+内容+AI基础设施”的战略协同角度理解。AI企业的估值也因此更加依赖未来收入兑现能力。对于尚未形成稳定利润的企业，PS、EV/Revenue通常比PE更具参考意义；对于已经形成规模收入和利润的AI基础设施企业，则可以逐步回到EV/EBITDA和PE等传统指标。

科技企业海外并购的价值通常并不只是海外收入，而是获取全球品牌、客户、渠道、技术和研发体系。

联想收购IBM个人电脑业务、摩托罗拉移动和IBM x86服务器业务，是中国科技企业通过海外并购进行全球化布局的典型案例，但跨境交易的风险也更复杂。

海外并购最终能否创造价值，取决于收购方能否真正实现业务和组织整合。

TMT行业不存在统一的并购估值倍数。企业所处生命周期、商业模式、收入增长和盈利能力不同，适用的估值指标也不同。不同赛道的估值方法如下表所示：

不同时期的估值倍数如下表所示：

这里需要特别注意，不同案例的倍数不能直接横向比较。Supercell处于高增长、高利润状态，摩拜处于亏损扩张阶段，搜狗属于成熟互联网业务，豪威则属于半导体技术资产，因此倍数背后的商业逻辑完全不同。

因此，判断一个交易倍数是否合理，不能只问“10倍贵不贵”，而要问“这10倍买到了什么，以及这些价值能否最终兑现为利润和现金流。”

将2016至2025年作为完整十年观察窗口，可以看到中国TMT并购的核心逻辑持续发生变化。

2016—2025年代表性中国TMT并购案例如下表所示：

不同阶段的并购关注的核心资产如下表所示：

这一变化并不意味着过去的用户和收入价值下降，而是资本定价的维度不断增加。过去资本更关注“企业拥有多少用户”，现在则进一步关注“企业掌握什么技术、服务什么客户、处于产业链什么位置，以及买方收购以后能够获得什么协同”。

TMT企业最终能否获得资本溢价，取决于企业自身价值与买方协同价值的结合。

从投资和并购角度看，真正具有较高价值的企业，往往不是某一个指标特别突出，而是多个能力已经形成组合。

因此，一家TMT企业真正值得资本关注的，不只是“收入做到多少亿元”，而是是否形成了买方无法快速复制的能力。

如果只有收入而没有壁垒，企业更接近普通成长型资产；如果拥有技术但缺乏商业化能力，价值仍然需要通过产品和客户验证；如果同时拥有技术、产品、客户和产业链位置，则企业价值开始从单纯的财务价值向战略价值扩展。

TMT并购的核心也因此发生变化：资本从过去购买规模，逐渐转向购买能力；从购买今天的收入，逐渐转向购买未来增长以及产业协同。

对于准备融资、上市或寻求并购的科技企业而言，真正需要证明的不是企业今天值多少，而是企业掌握了什么别人难以复制的能力，以及这种能力为什么能够支撑未来更高的收入、利润和资本化价值。

TMT企业的价值往往建立在技术、产品、客户、数据和人才等无形资产之上。与传统制造企业相比，科技企业的收入真实性、客户稳定性、技术可持续性以及知识产权权属，更容易直接影响企业未来经营能力。对于并购方而言，尽职调查并不是简单地确认企业“有没有问题”，而是判断企业今天呈现的经营成果，能否在交易完成后继续转化为收入、利润和现金流。

TMT企业尽调的核心并非单纯寻找历史瑕疵，而是围绕“企业现在拥有的能力是否真实、未来能够持续多久、买方能否顺利接手以及这些能力究竟值多少钱”展开。对于技术型企业尤其如此：账面上的利润可能来自一次性项目，客户可能集中于少数核心客户，技术可能依赖少数人员，软件和算法可能存在权属或合规风险，而这些因素最终都会反馈到交易价格、付款安排以及交易结构中。

科技企业尽调首先需要回答的并不是“收入有多少”，而是“收入是怎么产生的”。

TMT企业的收入结构差异较大，既包括一次性软件授权、项目制收入，也包括SaaS订阅、平台服务费、广告收入、硬件销售、芯片销售以及软硬件一体化解决方案。不同商业模式对应完全不同的收入确认、客户留存和增长逻辑。如果并购方无法理解收入形成机制，仅依据收入规模和增长率判断企业价值，容易高估企业的持续经营能力。

对于软件和SaaS企业，应进一步关注合同期限、续费率、客户流失率、单客户收入以及客户生命周期；对于半导体企业，应重点核查芯片出货量、客户导入周期、终端应用、库存以及价格变化；对于科技制造企业，则需要将订单、产量、出货量、开票收入与回款进行交叉验证。

并购判断的关键不是收入越大越好，而是收入是否真实、可持续，并能够形成未来现金流。

客户是科技企业商业价值的重要组成部分，但客户数量并不等于客户质量。

尽调需要进一步判断客户是否真实存在、订单是否真实有效、客户与企业之间是否形成稳定合作关系，以及订单最终能否转化为回款。对于大客户占比较高的TMT企业，还需要判断企业与核心客户之间究竟是长期合作，还是依赖单一项目、单一产品或者单一关键人员。

对于科技企业而言，“大客户”本身并不一定意味着高价值。真正值得关注的是客户是否能够持续贡献收入，以及企业是否具备复制客户的能力，可以将客户价值拆解为：

这也是并购方判断企业未来收入预测是否可信的重要基础。

科技企业最容易被高估的部分往往是“技术”。

企业可能拥有大量专利、研发人员和技术材料，但这些指标本身并不能证明技术具有商业价值。并购方真正需要判断的是：技术是否真实存在、是否达到产业化水平、是否能够形成产品、是否已经得到客户验证，以及竞争对手是否能够以合理成本复制。

对于AI、半导体、软件等领域，还应特别关注技术迭代速度。技术领先并不意味着长期领先，某些技术优势可能只能维持一至两年，而另一些底层技术、工艺能力或数据积累则可能形成更长周期的竞争壁垒。因此，并购方需要区分“技术领先”与“技术可持续领先”。

技术价值建立在权属清晰的基础上。

对于科技企业而言，专利、软件著作权、商标、域名、源代码、技术秘密、算法模型及相关数据资源，都可能成为交易的重要资产。尽调需要确认这些资产究竟归属于目标公司、控股股东、员工还是第三方。

对于依赖核心算法、软件代码或者自主芯片设计能力的企业，知识产权尽调的重要性甚至可能高于部分传统财务指标。因为一项核心技术一旦无法由目标公司合法、完整地控制，买方支付的“技术溢价”就可能失去基础。

随着软件、数据和人工智能成为TMT企业的重要资产，合规问题已经从传统的辅助性法律问题逐渐进入交易价值判断。尤其对于拥有大量用户数据、训练数据、算法模型或AI应用的企业，需要判断数据来源是否合法、使用范围是否受到限制、个人信息处理是否符合相关要求，以及企业是否建立相应的数据治理体系。

对于AI企业而言，还需要进一步区分“模型能力”“数据资源”“算力资源”和“应用场景”。企业拥有大量数据并不代表这些数据能够直接用于模型训练，也不代表数据能够随交易自由转移。数据和算法尽调最终需要回答的是：这些数字资产不仅是否存在，而且能否合法、持续、完整地为买方所使用。

对于半导体、硬件、电子制造以及软硬件结合型企业，供应链是决定企业持续经营能力的重要因素。并购方不能只看采购成本，更需要判断企业是否存在关键供应商依赖，以及核心原材料、晶圆、封装测试、设备、服务器、算力等资源是否存在替代方案。

科技制造企业尤其需要关注供应链中的“单点依赖”。如果一家企业的核心产品依赖某一特定芯片、设备或者工艺，而短期内又没有替代供应商，那么这种依赖本身就是企业价值判断的一部分。

科技企业的价值很大程度上存在于人的能力之中。研发负责人、核心算法工程师、芯片设计人员、销售负责人以及创始团队，都可能直接影响企业未来经营。如果核心人员离开，企业的技术、客户和产品能力可能随之下降，那么企业的实际可交易价值就需要重新评估。

股权激励也需要重点核查，包括授予对象、行权条件、归属安排、离职处理以及并购交易触发条款等。

对于买方而言，真正需要解决的问题是：交易完成以后，核心人才是否愿意继续留下，以及买方能否把原有技术、客户和组织能力真正接过来。

财务尽调是TMT并购的基础，但科技企业不能只看净利润。部分科技企业处于高速扩张阶段，利润可能较低甚至亏损，但经营现金流、客户增长和研发投入具有较强的战略意义；另一方面，一些企业账面利润较高，但应收账款和存货持续增加，经营现金流却长期无法改善，这同样需要引起关注。

在交易估值中，还需要对历史利润进行正常化调整。例如剔除一次性收益、非经常性损益、异常关联交易以及并购前后不具有持续性的成本变化。

最终形成的应该不是简单的“审计利润”，而是更接近企业正常经营状态的Normalized EBITDA / Normalized Net Profit / Normalized Cash Flow。

科技企业在成长过程中，容易形成关联采购、关联销售、资金往来、知识产权授权以及人员交叉任职等情况。这些安排本身并不必然意味着企业存在问题，但并购方必须判断：如果交易完成以后，原有股东及关联方退出，这些业务还能否继续存在。

尤其需要关注“企业价值”和“股东个人资源”的边界。如果一家企业的主要客户、核心技术、供应商资源甚至研发团队都高度依赖创始人个人，那么买方购买的可能并不是一家能够独立运行的企业，而是一套依赖原股东持续参与才能维持的经营体系，这会直接影响交易结构，例如设置业绩承诺、锁定期、核心人员留任安排、分期付款或者Earn-out等机制。

TMT企业尽调最终不能停留在“问题清单”。对于并购方而言，更重要的是把尽调发现的问题进一步转化为企业价值影响、交易风险以及交易结构调整，可以建立“六维评价体系”，将企业尽调从传统的合规审查转向投资判断。

进一步，可以将尽调结果分成四类。

最终形成的并购判断，可以进一步归纳为四个问题：

第一，企业现在的收入和利润是否真实。

第二，企业未来的技术、客户和产品能力是否能够持续。

第三，买方支付的价格是否已经反映了这些风险。

第四，交易完成以后，买方能否真正获得企业所声称拥有的价值。

因此，TMT尽职调查的最终目的并不是给企业简单打一个“好”或“坏”的标签，而是建立从事实核查、风险识别、价值调整到交易结构的完整链条。

对于TMT企业而言，真正值得买的并不一定是当前利润最高的企业，而是核心技术真实、客户基础扎实、商业模式可持续、资产权属清晰、组织能够独立运行，并且其未来价值尚未被交易价格完全透支的企业。

这也意味着，尽职调查与估值并不是两个独立的环节。尽调发现的每一个重大事实，最终都应该能够回答一个资本市场问题：它会不会改变企业未来的收入、利润、现金流、风险水平以及买方愿意支付的价格。