2026 年 8 月 10 日,Theory Ventures 投資人 Tomasz Tunguz 在 X 發布長文〈AI Harness’ ARR Multiples〉,試圖回答一個正燒熱私募市場的問題:AI Harness 估值,到底該是 25 倍、100 倍,還是根本不能用一條線回答?
他的資料很吸睛:Harvey、Legora、Sierra 都在短時間內宣布跨過 1 億美元 ARR,圖中五家公司的最新倍數約落在 31–129 倍。更值得讀的是,Tunguz 沒把圖畫成勝利宣言;他在腳註承認,十五個觀測值只有九個來自公司或創辦人,其餘靠第三方補點,而且所有低於 1 億美元的數字都是估算。
這篇文章會先把原文兩張圖完整讀懂,再逐筆核對里程碑、融資與倍數,最後回答更重要的問題:投資人是在替 Harness 這層軟體付錢,還是在替少數超高速成長公司的未來買一張很貴的選擇權?

一、原文的答案:AI Harness 估值已進入 25–125 倍?
Tunguz 把 Harvey、Legora、Sierra、Decagon 與 Ramp 的融資估值放在縱軸,收入放在橫軸,兩邊都採對數刻度;圖上的虛線分別代表 10、25、50、100、200 倍。第一張圖想表達的是:即使收入快速成長,幾家公司的估值仍大致沿著高倍數帶往右上方移動,沒有像成熟 SaaS 那樣明顯壓縮。

從作者標示的最新端點來看,Ramp 約 31 倍、Harvey 37 倍、Legora 56 倍、Sierra 79 倍、Decagon 129 倍。原文把答案概括成「規模化之後約 25–125 倍目前 ARR」,並認為 2026 年部分公司的倍數再度上修。
第二張圖把十五個點改成時間序列,讓「估值倍數是否反彈」更直觀:Legora 從 225 倍降到 36 倍、再回到 56 倍;Sierra 從 173 倍降到 100、67 倍,再回升至 79 倍;Ramp 從 23、27 倍升至 31 倍;Harvey 則從 50、42 倍一路降到 37 倍。

但原文最有價值的句子,其實不是 100 倍,而是最後的自我約束:
“Treat the direction of each line as the finding rather than the precise level.”
中文:「請把每條線的方向當成結論,而不是把精確水位當成結論。」
— Tomasz Tunguz,〈AI Harness’ ARR Multiples〉
這句提醒是對的。問題在於:連「方向」也必須先把分子、分母與日期拆開,否則看似連續的折線,可能只是不同時點、不同收入品質的數字被接在一起。
二、三家破億 ARR 的里程碑,大致站得住腳
先從最強的證據開始。Harvey、Sierra、Legora 的 1 億美元 ARR 都能在公司一手公告中找到,時間也與原文相符;它們不是媒體把估值倒推成收入。
| 公司 | 公司聲明的里程碑 | 相鄰融資事實 | 查核判斷 |
|---|---|---|---|
| Harvey | 2025/8/4 宣布 ARR 超過 1 億美元、服務逾 500 個客戶 | 2025/6/23 宣布募資 3 億美元、估值 50 億美元 | 里程碑成立;公告未說明 50 億是否為 post-money |
| Sierra | 2025/11/21 宣布上線七季達 1 億美元 ARR | 2025/9/4 宣布募資 3.5 億美元、估值 100 億美元 | 里程碑成立;公告未說明 100 億是否為 post-money |
| Legora | 2026/4/2 宣布 ARR 超過 1 億美元、客戶逾 1,000 家 | 2026/3/10 宣布 5.5 億美元 Series D、估值 55.5 億美元 | 里程碑成立;4/30 延伸輪才明確寫 56 億美元 post-money |
Harvey 的三週年公告寫得很直接:公司產生超過 1 億美元 ARR,週活躍用戶一年成長四倍。Sierra 的公告則把 1 億美元歸因於 2024 年 2 月上線後的七個季度,並明說採 outcome-based pricing。Legora 的新聞稿稱,它從 100 萬成長到 1 億美元 ARR 花了 18 個月。
所以,原文最重要的基本事實沒有垮:三家企業 AI 應用在八個月內先後公布已達 1 億美元 ARR,速度確實罕見。但「自報 ARR」仍不等於經獨立查核的收入;這三份里程碑公告也沒有提供一致的合約期限、取消權、服務收入拆分、毛利率、GRR 或 NRR。這些未知數不推翻成長,卻會決定同一塊收入究竟值 10 倍還是 100 倍。
一個細節更正:Legora 的 56 億美元不在里程碑之前
原文腳註把 Legora 的 56 億美元 Series D(含 4 月延伸輪)描述為「里程碑前一輪」。時間順序其實是:3 月 10 日先以 55.5 億美元估值募資,4 月 2 日宣布突破 1 億美元 ARR,4 月 30 日才把 Series D 擴大到 6 億美元並明確寫出 56 億美元 post-money。這不會大幅改變 55–56 倍的量級,卻說明折線上的時間標籤不能當成逐日成交價。
三、AI Harness 估值最大的破口:ARR 並不是同一種收入
把五家公司畫在一張圖上,有助於看出資本市場的興奮程度;把它們當成一個財務同業群,問題就開始了。Harvey 與 Legora 是法律工作平台,Sierra 與 Decagon 是客服 Agent,Ramp 則首先是一家金融科技公司。它們都用模型、工具、狀態、權限、評估與工作流把 LLM 包成可用產品,也都符合AI Agent Harness的架構概念;但架構相似,不代表收入單位相同。
Ramp:31 倍不是純 SaaS ARR 倍數
Ramp 2026 年 6 月融資的 440 億美元估值是真的,公司也正式披露年化收入超過 10 億美元;但圖中採用的約 14 億美元,是媒體在春季引述知情人士的 run-rate 說法,不是公司正式公布的已達成 ARR。更重要的是,Ramp 自己說主要收入來自企業卡刷卡的 interchange 與 Ramp Plus,不是單純按年簽約的軟體訂閱。
因此 440 億除以 14–15 億,得到約 29–31 倍,只能叫「交易型年化收入的估值倍數」。而且 Ramp 真正以 AI 作業系統定位的 Ramp Stack 到 2026 年 6 月才推出。把整家公司既有收入拿來證明「市場願意替 Harness 付 31 倍」,因果方向倒過來了:更合理的說法是,成熟 fintech 把 AI Harness 加進既有分發與支付引擎。
Decagon:129 倍是估算情境,不是成交水位
Decagon 在 2026 年 1 月宣布以 45 億美元估值募資 2.5 億美元,這個分子有公司公告。35 百萬美元 ARR 卻是 Sacra 對 2025 年 10 月的估算;Decagon 自己在 2024 年只公開過「八位數 ARR」這個寬範圍。45 億除以 3,500 萬的確等於約 129 倍,但它把一月估值除以前一年十月的第三方估計,精確到個位數反而會製造錯覺。
原文把 129 倍稱為上限,這仍需要一個前提:一月實際 ARR 至少已達 3,500 萬美元。由於估算誤差可能向上也可能向下,最嚴謹的表達是「Sacra 的晚 2025 年估算隱含約 129 倍」,而不是 Decagon 當時真的以 129 倍 ARR 成交。
所以可比範圍不是一條乾淨的 25–125 倍
原圖五個最新端點實際是 31–129 倍,十五個歷史點則橫跨 23–225 倍。若拿掉以第三方收入估算驅動的 Decagon,剩下約 31–79 倍;再拿掉交易收入占比高的 Ramp,三個較可比的 AI 軟體觀測落在 37–79 倍。這仍然非常昂貴,只是與「Harness 市場合理價是 25–125 倍」完全不是同一句話。
四、100 倍回來了?2021 與 2026 的尺並不相同
Tunguz 在 2021 年寫過著名的「100x ARR」文章,當時用的是公開公司的 enterprise value,除以最新季度收入年化。2026 年這張圖則混合私募融資估值、自報 ARR、第三方估算與交易型年化收入。前者扣掉現金、反映公開市場連續交易;後者可能包含新募資金與優先股權利,而且 Harvey、Sierra 的公司公告只寫「valuation」,沒有公開確認 pre-money 或 post-money。
換句話說,兩張圖的確都出現接近 100 倍的數字,卻不是同一把尺。作為對照,Software Equity Group 的 2026 年第二季報告把 106 家公開 B2B SaaS 公司的中位數列在 3.2 倍 EV/過去十二個月收入。私募 AI 領先者落在 37–79 倍,約是這個公開市場中位數的 12–25 倍;這證明的是投資人正在支付極端期權價值,不是估值方法已失效。
原文還說,這批公司的底層成長約比 2021 年快三倍。方向合理:Harvey、Sierra、Legora 的成長速度確實遠超多數成熟 SaaS;但精確的「三倍」無法從文章重建,因為今天的私營公司數字未經公開獨立查核、時間間隔不一致,2021 年樣本又是不同公司的公開財報。比較安全的結論是:成長快得多,精確快多少仍未知。
「2026 年倍數全面上修」也太整齊
若逐家公司看,Legora 從 36 倍回到 56 倍,Ramp 從 27 小升至 31 倍;Sierra 雖從 67 回升到 79 倍,仍低於 2025 年底的 100 倍;Harvey 繼續從 50 降到 37 倍;Decagon 的 129 倍又沒有新的公司 ARR 點。合理結論是「部分公司從近期低點反彈」,不是整個 Harness 類別在一月同步重估。
五、AlphaLab 判讀:100 倍是穿著指標外衣的預測
我的結論很簡單:這張圖證明市場願意為少數高速成長的 AI 應用押下巨額期權,卻還沒有證明「Harness」本身就是一個值 25–125 倍 ARR 的資產類別。
100 倍看起來像一個靜態估值,實際上是一串沒有寫出來的預測。假設一家公司現在 ARR 1 億美元、估值 100 億美元;若成熟後市場只給 10 倍,它的收入要成長十倍至 10 億美元,名目估值才能維持 100 億。若成熟倍數是 5 倍,收入得成長二十倍。這還沒計入時間折現、後續稀釋與執行失誤。
所以 100 倍不是「今天值很多」這麼簡單,而是市場一次預付了多年高速成長、續約、毛利改善與類別領導地位。任何一項沒兌現,倍數就有壓縮空間;反過來,如果產品真的嵌入核心工作流、每個客戶持續擴張,而且服務成本占比下降,今天看似瘋狂的價格也可能被未來收入追上。
Harness 是架構,護城河要到別處找
Harness 的價值是真實的:它把裸模型接上記憶、工具、狀態、權限、可觀測性與評估,讓 Agent 能在企業裡可靠做事。但這是一種產品架構,不是天然稀缺資產。真正可能累積的護城河,是權限化的工作情境、深度整合、專業內容、評估紀錄、合規信任、分發,以及把組織流程改造成功的能力。
而且模型供應商已經往上走。OpenAI 在 2026 年 7 月推出 Presence,能替企業部署語音與文字 Agent、連接系統、執行核准動作、做評估與人工升級;目前是 limited GA,由 OpenAI FDE 與合作夥伴交付,還不是自助產品。它與 Sierra、Decagon 的重疊不是假設,而是已出現的競爭測試。
另一端,Thomson Reuters、LexisNexis、Salesforce 等既有業者握有內容、系統紀錄與客戶通路。新創若只比模型包裝,很容易被上下夾擊;若能讓部署速度愈來愈快、成功結果愈來愈便宜,並把客戶流程變成難以搬走的系統,Harness 才會從功能組合變成經濟護城河。
部署悖論:FDE 是護城河,還是顧問成本?
Harvey 有 legal engineering 與 transformation 團隊,Sierra 有 forward-deployed 團隊,Decagon 也以 Agent Product Manager 協助上線。高接觸服務可以把產品深植流程、提高切換成本;也可能意味著每多一美元 ARR,就要同步增加人力。幾家公司的公開資料沒有提供一套可比的部署工時、服務收入占比或扣除推論成本後毛利,現有證據無法替任何一方下結論。
這正是下一輪查核的重點:如果每新增 100 萬美元 ARR 所需的部署工時持續下降,客製經驗就可能轉化為可複製產品;如果人力近乎線性增加,再漂亮的 ARR 也可能帶著顧問業的毛利天花板。
六、我同意什麼,又對什麼保留
我同意原文最核心的觀察:最快的一批 AI 應用公司,用過去 SaaS 少見的速度跨過 1 億美元 ARR;成長夠快時,收入擴張確實可能抵銷常見的倍數壓縮。私募資金也顯然願意為類別領先與未來選擇權付出高價。
我不接受那個過度整齊的答案:五家公司的分子不是統一口徑的 enterprise value,分母也不是同品質的 ARR;Ramp 是 fintech 邊界案例,Decagon 是估算外點,日期又未完全對齊。用它們推導「市場如何替一個 Harness 定價」,把架構相似誤當成經濟同質。
更好的答案應該是:Harvey/Legora 可作為法律 AI 配對,Sierra/Decagon 可作為客服 Agent 配對,Ramp 則應回到 fintech 同業比較。在每一組內,再用相同時點的現金調整後 EV、可驗證收入、毛利與留存率比較,才有接近投資決策的意義。
七、接下來看這六個訊號,別只盯 ARR 倍數
- 12/24 個月 GRR 與 NRR:首批大客戶續不續約、擴不擴張,比新增 logo 更接近護城河。
- 扣除模型、語音、雲端與人工作業後的毛利:若收入成長但單位經濟沒有改善,100 倍只是把成本一起放大。
- 每 100 萬美元 ARR 的部署工時:持續下降代表產品化;近似線性增加,代表服務密度仍高。
- 每個成功結果的成本與品質:客服要看重開、升級、CSAT;法律要看引用、錯誤與人工覆核,而不是只看 query 數。
- 對 OpenAI、Salesforce 與垂直 incumbents 的續約勝率:模型商與系統商綁售後,是否仍能維持定價權?
- 下一次可獨立驗證的價格:員工次級交易、下一輪或 IPO,改用現金調整後 EV 與經審計收入,並揭露優先權結構。
這套觀察表也提供一個可被證偽的預測:若 Harness 領先者的護城河是真的,未來兩年應同時看到高留存、毛利上升與單位部署工時下降;若優勢只是模型與整合的暫時窗口,模型商上移後,價格壓力與服務成本會先暴露。
接著閱讀
左右滑動查看更多推薦
下次再看到 100 倍 ARR,先別問「這家公司夠不夠 AI」;先問分子是不是可比估值、分母是哪一種收入,再問未來十倍收入要靠什麼護城河兌現。這三個問題,通常比圖上的漂亮斜線更接近答案。






