准备A轮融资时,人们很容易先展示市场规模、专利数量、试点农场数量和累计传感器数据。这些数字在相应语境下很重要,但仅凭它们并不能证明业务具有可重复性。30个免费试点所体现的购买意愿,可能还不如3个付费客户;如果没有关于缺失数据和代表性的标准,10亿条传感器读数也不能成为碳证据。
并不存在所有投资人都要求的统一及格线。预期会因硬件占比、销售周期、受监管市场和企业阶段而不同。因此,下面的7个数字不是“超过这个数就能启动A轮”的公式,而是一套用于检查技术、市场、碳和运营是否彼此衔接的最低仪表盘。如果公司没有实际数字,应将其标注为目标或假设,而不要伪装成业绩。
数字1:客户可回收的经济价值与回收期
第一个数字是客户价值,而不是产品价格。计算“
价值因客户类型而异。农场为生产率和运营成本付费;饲料企业为Scope 3排放和产品差异化付费;采购企业则为供应链声明和风险管理付费。不要把某个客户获得的特殊补贴外推为普遍价值。应说明由谁从哪项预算中付款,以及效果需要多长时间才能实现。
数字2:付费转化率与转化时间
定义比试点提案转为合同的比例更重要。应区分合格客户、技术审查、免费试点、付费PoC和正式合同阶段,并固定每个阶段的分母。可以按“
还应查看从首次接触到安全审查、法务、采购批准、安装和验收所需时间的中位数及较高区间。一个极其漫长的交易,或一个通过创始人人脉迅速完成的交易,都可能扭曲平均值。只有同时掌握转化率和转化时间,才能预测增加销售人员后现金何时会变成收入。
数字3:留存率与使用深度
在气候科技B2B领域,续约是最强的需求信号之一。但合同期尚未结束的客户不能计入留存客户。应在续约机会确实到来的合同中计算客户标识留存率和收入留存率,并将扩张收入与一次性设备收入分开。
合同仍然有效,并不代表客户真的在使用。应定义能够产生价值的行为,例如月活跃农场数、有效数据天数、报告批准次数以及使用API的客户数。因监管要求而未解约的合同,与客户自愿扩大采购的合同,是不同的信号。
数字4:包含经常性直接成本的每农场单位经济性
如果只扣除传感器成本来计算毛利率,现场型气候科技看起来会过于理想。应将设备、安装差旅、连接、云服务、校准、现场支持、替换、数据QA和外部核查直接成本都计入,计算每个农场或合同的贡献利润。中央研发等长期投资可以单独列出,但不能遗漏新增一个客户时会重复发生的成本。
同时要展示规模扩大后经济性改善的路径。说明预组装、远程诊断、合作伙伴安装和抽样核查如何改变第10个农场与第100个农场的成本,并把假设与结果分开。不要用“规模经济”四个字掩盖负的贡献利润。
数字5:部署速度与运营可靠性
第五个数字是从签订合同到产生价值所需的time-to-live。应固定起止条件,例如从合同签订日到正常数据连续生成7天的那一天。只测量安装时间,可能会漏掉许可、农场日程、网络、校准和数据审批延迟。
运营可靠性可通过数据覆盖率、设备正常运行时间、现场访问率、平均恢复时间和首次到场解决率来衡量。即使正常运行时间很高,如果缺失数据集中在重要的饲喂或通风时段,也可能不适合进行碳核算。应同时呈现服务SLA和碳数据质量标准。
数字6:可验证的碳绩效与不确定性
减排率是最醒目、也最需要谨慎的数字。必须固定基准线、处理组、畜群、期间和边界,并明确按畜群规模和产量进行标准化,以及实际的饲喂和通风变化。
GHG Protocol Project Protocol为项目基准线、监测和减排量计算提供原则。ISO 14064-2也涉及项目层面的温室气体减排与清除量的量化、监测和报告原则。仅仅提到某项标准并不会自动使减排得到验证;实际应用的边界必须与证据相一致。
数字7:到下一项证据为止的资本效率
最后一个数字不是简单的现金跑道,而是
美国能源部提出的Adoption Readiness Level认为,不能只用技术成熟度解释采用准备度,还应同时考察价值主张、市场、资源、监管和利益相关者接受度等非技术壁垒。气候科技的A轮数字遵循同一原则:应将传感器性能提升与客户准备好重复购买这两件事分开衡量。
在投资人数据室展示七个数字的谱系
为每个KPI附上定义、来源系统、负责人、截止日期、例外情况和修改历史。CRM合同阶段、会计收入、设备管理中的运行时间以及碳台账中的减排量,必须通过相同的客户ID和农场ID连接起来。如果董事会材料与投资人数据室中的数字不同,应能够确认哪一个是最新版本。
一张好的月度表不仅包含当前值,还应包括目标、上月值、队列和原因。如果转化率下降,应解释是合格线索增加了,还是采购审查变慢了;如果毛利率上升,应解释是涨价,还是遗漏了校准成本。应区分暂定、内部审查和外部验证状态,不能把科学不确定性包装成商业确定性。
执行检查清单
客户价值是否反映了实际付款主体、预算和新增运营成本?
付费转化的分母和判定时点是否固定?
是否在转化率之外同时观察销售和验收所需时间?
留存率是否按续约机会已经实际到来的队列计算?
是否具备包含安装、校准、支持和核查重复直接成本的单位经济性?
是否测量了从签约到生成正常数据的time-to-live?
是否区分设备运行时间与对碳核算有效的数据覆盖率?
减排量是否附有边界、基准线、不确定度和审查状态?
本轮投资需要创造的下一项证据及失败标准是否明确?
所有KPI是否都能根据源记录和版本复现?
结论
A轮的7个数字不是一张华丽的增长率清单,而是一条相互连接的故事:客户为何付费,试点多频繁地转化为收入,客户是否留存,客户增加时经济性是否改善,现场运营能否重复,碳绩效能否验证,以及现金是否足以支撑到下一个风险被消除。
数字之间的一致性比绝对及格线更重要。如果收入增长的同时安装损失增长得更快,或者减排率虽然提高却无法从原始资料复现,那么增长就是脆弱的。相反,即使规模仍小,只要定义固定、队列不断改善、证据持续累积,就能说明下一轮资本将加速什么。
来源
Adoption Readiness Levels:TRL的补充 — 美国能源部
GHG Protocol项目核算 — GHG Protocol
Edge AI — 美国国家标准与技术研究院(NIST)
ISO 14064-2:2019 — 国际标准化组织(ISO)
IFRS S2气候相关披露 — IFRS Foundation

