AI与DeepTech公司的知识产权与股权绑定

AI 与 DeepTech 公司正在改写股权设计的底层逻辑。与传统互联网公司不同，这类企业的核心资产不在服务器、办公室或销售渠道——而在科学家的大脑里、在训练好的模型参数中、在尚未公开的专利组合里。

当一家 AI 公司的估值高度依赖其技术壁垒时，知识产权（IP）与股权的绑定关系就成为了资本架构设计的核心命题。如何将一项尚未商业化的算法专利量化为股权比例？数据资产和训练好的模型该归谁？开源策略下如何保护商业价值？技术创始人又该如何与商业合伙人分配股权？

本文将从 AI/DeepTech 公司的独特性出发，系统拆解知识产权的估值映射、股权归属安排、期权激励设计以及典型公司的股权架构案例。无论你是科学家出身的创始人、AI 公司的早期投资人，还是正在搭建技术团队的高管，这篇文章都将为你提供可落地的框架和判断依据。

AI/DeepTech公司股权结构的核心特色

AI 和 DeepTech 公司的股权结构，与消费互联网或传统 SaaS 公司存在本质差异。概括而言，有五大显著特征：

这些差异决定了 AI/DeepTech 公司的股权设计必须以技术资产保护和科学家人才留存为核心出发点，而非单纯的商业增长逻辑。

核心知识产权的价值评估与股权映射

在 AI/DeepTech 公司中，IP 往往是创始团队最大的"出资"——甚至比现金出资更重要。如何将 IP 的价值合理映射到股权比例，是创始人之间第一次也是最关键的一次分配博弈。

IP 价值评估的四个维度

不同于实物资产可以用重置成本法评估，知识产权的价值评估需要综合考量以下四个维度：

1. 技术稀缺性——该技术在全球范围内的竞争者数量。独家技术路线的溢价远高于跟随式创新
2. 专利保护强度——是否已获得授权专利、专利权的覆盖范围和剩余保护期。Pending 专利的价值应打折计算
3. 商业化距离——从当前技术状态到可销售产品所需的研发投入和时间。3 年内的技术路线价值高于 5 年后的
4. 可替代性——如果该 IP 不被发布，行业是否有替代方案。独有且不可替代的 IP 享有最高乘数

IP 股权化的三种主流模式

在实践中，IP 作价出资在中国法下最为常见。根据《公司法》第二十七条，股东可以用知识产权等可以用货币估价并可依法转让的非货币财产作价出资。但需注意：出资 IP 的评估报告必须由具备资质的评估机构出具，且评估值不得显著高于市场公允价值，否则存在出资不实的风险。

数据资产与算法模型的股权归属

AI 公司的特殊性在于：除了传统的专利和著作权，数据资产和训练好的模型参数同样是核心资产。这两类资产的 IP 归属问题在法律和实践中都存在较大的模糊地带。

训练数据的所有权问题

训练数据的来源决定了其归属的核心判断标准：

• 自采数据——公司内部采集、标注的数据集，属于公司资产，归公司所有
• 公开爬取数据——从互联网公开渠道获取的数据，归属较为复杂。在中国，根据《数据安全法》和《网络数据安全管理条例》，爬取行为需遵守网站协议，且不得涉及个人信息和重要数据
• 用户生成数据——用户使用产品过程中产生的数据，须在用户协议中明确数据使用授权范围。实践中通常约定公司在匿名化和去标识化处理后拥有分析使用权
• 第三方采购数据——通过授权协议获得的商业数据集，使用范围和期限受合同约束

算法模型的知识产权归属

对于训练好的 AI 模型（即模型权重文件），知识产权归属目前在中国法律框架下处于待完善状态：

• 软件著作权——模型代码本身可以作为软件著作权登记，保护的是代码表达形式而非模型能力
• 商业秘密——模型权重、架构设计和训练方法可以作为商业秘密保护，前提是公司采取了合理的保密措施（签署保密协议、权限控制、加密存储等）
• 专利保护——AI 算法可以通过方法专利或系统专利保护，但需满足专利授权的"三性"（新颖性、创造性、实用性）

在股权归属安排中，建议在以下两个层面明确约定：

• 创始人协议中明确约定"在职期间和受聘期间创造的全部 AI 模型、算法、训练方法和数据集属于公司"
• 知识产权转让协议中要求创始人在入职时签署在职发明转让书（Invention Assignment Agreement），并明确涵盖"AI 模型权重"和"训练管线"

开源模型商用化与股权关系

2024–2026 年，开源大模型生态蓬勃发展。Llama、Qwen、DeepSeek、Mistral 等开源模型成为 AI 创业的重要基础设施。但开源模型的商用化与股权结构之间存在深层关联，需要创业公司谨慎处理。

开源策略对估值的影响

一家 AI 公司是否选择开源其核心模型，直接影响到投资人的判断和估值逻辑：

开源许可协议对股权的潜在影响

选择开源协议不是技术问题，而是商业决策，直接影响公司控制权和投资人态度：

• Apache 2.0 / MIT——最宽松，投资人最熟悉，但对商业保护最少。竞争对手可以直接拿你的模型训练商业产品
• AGPL / SSPL——强 Copyleft，能有效防止云服务商"白嫖"。但部分投资人可能因为法律风险而估值打折
• 自定义开源协议（如 BSL、RAIL）——开源社区争议较大，需要长线品牌策略支撑。MongoDB 的 SSPL 被 OSI 拒绝，但商业上成功

AI公司的股权激励设计：技术合伙人模式

AI 公司的人才争夺战已经白热化。一位顶级 AI 科学家的年薪可以高达数百万美元，而且往往附带着价值不菲的股权激励。但 AI 人才的特殊性在于：他们中很多人和传统工程师的激励诉求截然不同。

科学家 vs 工程师：激励倾向的差异

技术合伙人模式：四种可行框架

针对 AI 科学家的特殊性，分股宝建议以下四种技术合伙人股权设计模式：

1. 学术留用型（Adjunct Model）

创始科学家保留大学教职或学术身份，以技术顾问或首席科学家身份加入公司，享有较小比例的股权（通常 5–15%）但不参与日常经营。公司通过研究成果优先许可权和联合实验室协议锁定其持续贡献。

适用场景：高校孵化型企业，教授不愿放弃 tenure。

2. 阶梯式兑现型（Milestone Vesting）

不同于标准的 4 年时间成熟，AI 科学家的股权兑现与技术里程碑挂钩。例如：基础模型训练完成兑现 25%、模型达到特定 benchmark 兑现 25%、首代产品上线兑现 25%、年营收达标兑现 25%。

适用场景：技术路线清晰、阶段性成果可量化的 DeepTech 公司。

3. 专利分成型（Royalty + Equity）

科学家保留专利所有权，公司获得独占许可。除基本股权外，科学家额外享受该专利商业化后产生的 5–15% 营收分成。这种模式在生物科技领域已有成熟先例。

适用场景：科学家拥有核心底层专利，且专利具备独立商业应用能力。

4. 虚拟股权型（Phantom Stock）

针对不愿放弃学术身份或海外身份不便持有公司股份的科学家，以虚拟股权（Phantom Stock）进行激励——约定当公司发生特定事件（上市、并购、新一轮融资）时，科学家获得对应价值的现金奖励。

适用场景：国际 AI 科学家团队、海外华人学者回国创业的过渡期。

AI 科学家的期权授予规模参考

华为/DeepSeek等公司的独特股权结构

中国的 AI 和 DeepTech 领域中出现了一些股权结构独特的成功案例。它们的经验为其他科技公司提供了非传统思考路径。

华为：员工持股的极限实践

华为的股权结构在全球科技公司中都堪称独树一帜。其核心特征如下：

• 全民持股而非上市——华为投资控股有限公司由华为员工持股会持有 99.35% 的股份，任正非仅持有 0.65%
• 虚拟受限股（ESOP）——员工持有的是虚拟受限股，没有所有权和投票权，只有分红权和增值权
• TUP 计划——时间单元计划（Time-based Unit Plan），针对海外员工和非中国籍员工，5 年一个 cycle 进行分配
• 动态调整机制——每年根据绩效结果调整持股比例，优秀员工可以增配，表现不佳的员工会被收回股份

华为模式的核心启示：在技术密集型企业中，全员持股和动态股权分配可以成为比上市更强的激励机制。但华为模式对管理制度、绩效评估体系和公司文化的成熟度要求极高，早期创业公司不易直接复制。

DeepSeek：高密度研究团队的扁平化股权

DeepSeek（深度求索）是近年来中国 AI 领域最受关注的创新公司之一。虽然其股权细节未公开，但从已知信息可以推断：

• 极强的研究导向——团队以纯研究背景的科学家为主，管理和商业角色极其精简
• 集中化决策——创始人持有绝对控制权，不做多轮稀释
• 高密度人才持股——核心研究员团队的持股比例远高于行业平均，激励深度绑定

DeepSeek 模式的核心启示：当公司选择"重研发、轻商业"路线时，股权的集中度和激励强度需要与这一战略高度匹配。若团队中商业角色过多、股权分散，反而会干扰研究效率。

大模型公司的典型股权结构

技术人 vs 商业人：创始团队股权分配最佳实践

AI/DeepTech 公司最常见的股权分配冲突发生在技术创始人（科学家/CTO）和商业创始人（CEO/COO）之间。这类冲突如果处理不好，轻则影响融资节奏，重则导致团队分裂。

引发冲突的三种典型场景

1. "谁的贡献更大"之争——技术创始人认为算法是公司的灵魂，商业创始人认为没有商业落地技术毫无价值。双方陷入主观评价的泥潭
2. 融资后的预期错位——技术创始人希望在研发上烧钱做更好的模型，商业创始人希望尽快商业化产生收入。股权的稀释节奏也激化了矛盾
3. 控制权博弈——CEO 掌握董事会和投资人关系，CTO 掌握技术决策权。当双方在战略方向上出现分歧时，股权占比就变成了最终的"投票武器"

分步分配框架

基于分股宝服务多家 AI 公司的经验，我们建议采用以下三维度加权分配法：

每个维度内部，双方按实际贡献打分（满分 100）。最终股权比例为各维度加权综合。

黄金法则：避免平分股权的陷阱

绝对不要 50:50 平分股权。这一建议适用于所有公司，但对 AI/DeepTech 公司尤为关键——因为在技术路线选择这类高度专业化的决策中，公司必须有明确的"决策大脑"。50:50 的结构意味着任何重大决策都可能陷入僵局，最终受损的是公司本身。

推荐的结构是：明确一方持有相对控制权（建议 CEO 或 CTO 之一获得 >50%），另一方获得足够的保护性条款（如特定事项的一票否决权）。这样既保证了决策效率，又保护了少数股东的合理权益。

中国的AI公司典型股权架构

结合中国法律环境和 AI 行业特点，中国 AI 公司的典型股权架构通常呈现以下模式：

架构一：纯内资架构（境内公司）

适合不涉及外资准入限制、主要面向中国市场、以人民币融资的 AI 公司。采用境内有限责任公司 + 员工持股平台（有限合伙）的结构。

• 创始人通过【北京/上海/深圳】XX 科技有限公司持有股份
• 员工期权池通过有限合伙持股平台持有（通常 GP 为创始人，LP 为员工）
• 投资人以增资方式进入，取得优先股/普通股

优点：结构简单、监管成本低、符合中国 AI 公司的数据合规要求。

缺点：未来境外上市需要重新搭建 VIE 架构，存在架构转换成本。

架构二：VIE 架构（开曼 + WFOE + 内资公司）

适合目标是境外上市（港股/美股）、需要美元融资的 AI 公司。

• 开曼公司作为上市主体，全体股东持股
• 香港子公司持有 WFOE（外商投资企业）
• WFOE 通过一系列协议控制境内运营实体（内资公司持有 AI 相关资质）
• 期权池设立在开曼层面，授予境内员工

需要注意：AI 行业涉及的数据安全问题在 VIE 架构下可能面临更严格的监管审查。2023 年以来，中国监管机构对涉及重要数据和用户个人信息的企业出境上市提出了更高的合规要求。

架构三：混合架构（红筹 + 国内 SPV）

部分 AI 公司在早期同时考虑境内外上市可能性，采用红筹架构 + 国内特殊目的公司（SPV）的混合模式。

中国 AI 公司股权分配参考范围

总结：AI/DeepTech 公司股权设计的六大原则

1. IP 先行——在股权分配之前，先梳理清楚公司拥有哪些 IP、每个 IP 的归属和估值。IP 的清洁度决定融资的顺畅度
2. 科学家友好——针对 AI 科学家的非传统激励需求设计灵活的股权方案，不要套用互联网公司的标准期权模板
3. 避免平分——在技术高度专业化的决策环境中，明确的控制权归属比民主更重要
4. 期权池充裕——AI 公司的人才密集度远高于传统公司，建议期权池至少预留 15–20%
5. 数据合规前置——训练数据和模型的知识产权安排不能事后补救，必须在公司设立之初就纳入架构设计
6. 开源策略与股权联动——开源不是纯技术决策，它直接影响估值逻辑、投资人偏好和长期控制权安排

AI 与 DeepTech 的浪潮才刚刚开始。在这个以技术为核心驱动的时代，股权设计不再只是"分蛋糕"，而是"建机制"——一套能让科学家安心做研究、商业人才放心拓市场、投资人敢于长期持有的利益分配系统。而这恰恰是专业股权管理工具和顾问团队可以发挥最大价值的场景。