圖：估值的兩大體系五種方法，來(lái)源：《公司估值：方法論與思想史》，錦緞?wù)?/p>

誠(chéng)然，對(duì)于大模型這類尚未形成穩(wěn)定盈利范式的前沿產(chǎn)業(yè)，充滿靈活性的主觀價(jià)值體系似乎更具解釋空間。然而，其根本缺陷在于主觀判斷難以驗(yàn)證和比較，無(wú)法形成一套可重復(fù)、可驗(yàn)證的嚴(yán)謹(jǐn)估值方法論。因此，當(dāng)我們?cè)噲D為新一代科技企業(yè)建立估值標(biāo)尺時(shí)，仍需回歸到可計(jì)算、可比較的客觀價(jià)值體系框架內(nèi)進(jìn)行探索。

在此基礎(chǔ)上，縱觀商業(yè)史，估值模型的每一次重大演進(jìn)，本質(zhì)上都是對(duì)新經(jīng)濟(jì)范式下供需關(guān)系革命的回應(yīng)。當(dāng)舊有的數(shù)理框架無(wú)法捕捉和衡量新興商業(yè)模式所創(chuàng)造的經(jīng)濟(jì)價(jià)值時(shí)，新的估值計(jì)價(jià)方式便會(huì)應(yīng)運(yùn)而生。

例如，股利折現(xiàn)模型(DDM)契合了早期商業(yè)投資節(jié)奏緩慢、分紅即核心回報(bào)的時(shí)代。然而，隨著技術(shù)進(jìn)步與規(guī)模經(jīng)濟(jì)效應(yīng)凸顯，企業(yè)將大量利潤(rùn)用于再投資以驅(qū)動(dòng)增長(zhǎng)，股利支付率下降但公司價(jià)值持續(xù)攀升。此時(shí)，能夠衡量企業(yè)全部自由現(xiàn)金流創(chuàng)造能力的現(xiàn)金流折現(xiàn)模型(DCF)，便成為了更合理的價(jià)值標(biāo)尺。

互聯(lián)網(wǎng)的崛起帶來(lái)了更徹底的顛覆。傳統(tǒng)制造業(yè)依賴的市凈率估值法，在幾乎不依賴有形資產(chǎn)卻能創(chuàng)造巨大價(jià)值的平臺(tái)型公司面前徹底失效。市場(chǎng)轉(zhuǎn)而擁抱以用戶價(jià)值為核心的新指標(biāo)，例如衡量訂閱制業(yè)務(wù)健康狀況的年度經(jīng)常性收入。這標(biāo)志著估值邏輯從“為資產(chǎn)定價(jià)”轉(zhuǎn)向了“為增長(zhǎng)和生態(tài)定價(jià)”。

由此我們得以推演：如果人工智能是一場(chǎng)堪比工業(yè)革命、信息革命的范式級(jí)生產(chǎn)力變革，那么它必將催生我們當(dāng)下難以全然設(shè)想的全新商業(yè)模式。因此，一套與之匹配的、全新的估值數(shù)理模型也必然會(huì)在實(shí)踐中誕生。

然而，一個(gè)現(xiàn)實(shí)的矛盾擺在眼前：當(dāng)前大模型公司的主要變現(xiàn)途徑，無(wú)論是谷歌將其融入搜索廣告，還是OpenAI力推的訂閱付費(fèi)，其商業(yè)內(nèi)核仍未完全跳出互聯(lián)網(wǎng)時(shí)代的流量與用戶邏輯。

若想真正把握下一代技術(shù)巨頭的估值核心，我們必須穿透表象，找到屬于AI原生時(shí)代獨(dú)有的、最基礎(chǔ)的價(jià)值度量衡。這并非要憑空創(chuàng)造一個(gè)數(shù)字，而是要在客觀價(jià)值體系的框架內(nèi)，識(shí)別出大模型企業(yè)最核心的生產(chǎn)要素與價(jià)值載體，并以此確立一個(gè)新的計(jì)價(jià)單位。 

02 Tokens將成為AI商業(yè)模式估值的核心計(jì)價(jià)單位 

在客觀價(jià)值體系下，無(wú)論是折現(xiàn)模型中的未來(lái)現(xiàn)金流、市盈率中的凈利潤(rùn)，還是年度經(jīng)常性收入，這些核心指標(biāo)本質(zhì)上都試圖刻畫(huà)企業(yè)的三種基本面：

那么，對(duì)于大模型公司而言，是否存在一個(gè)能夠同時(shí)映射這三個(gè)維度、且可被精確計(jì)量的指標(biāo)呢？目前看來(lái)，最契合的答案正是行業(yè)通用的基本單元——Tokens。

首先，Tokens能夠統(tǒng)一計(jì)量多元收入，反映現(xiàn)金流潛力。 

理論上，衡量現(xiàn)金流應(yīng)沿用互聯(lián)網(wǎng)的年度經(jīng)常性收入模式。然而，當(dāng)前國(guó)內(nèi)大模型公司普遍缺乏成熟的付費(fèi)模式和SaaS服務(wù)，直接使用年度經(jīng)常性收入并不準(zhǔn)確。

大模型的收入主要來(lái)自面向企業(yè)的API調(diào)用和面向用戶的產(chǎn)品服務(wù)，計(jì)費(fèi)方式復(fù)雜。相比之下，Tokens是覆蓋所有產(chǎn)品線的底層計(jì)價(jià)單位，能夠更直接地反映創(chuàng)收能力與資產(chǎn)效率。

圖：以Google應(yīng)用端為例拆解Tokens調(diào)用量，來(lái)源：國(guó)海證券

其次，Tokens直接串聯(lián)成本與收入，能量化增長(zhǎng)需求。 它是少數(shù)能同時(shí)連接供需兩端的專業(yè)指標(biāo)。

中泰證券測(cè)算顯示，一個(gè)日活過(guò)億的AI應(yīng)用，每日可能需消耗相當(dāng)于14.15萬(wàn)張H100的算力。

當(dāng)然我們暫時(shí)無(wú)法驗(yàn)證中泰證券的測(cè)算結(jié)果是否正確，但至少為我們提供了一個(gè)思路，就是從Tokens消耗量出發(fā)，確實(shí)可以推算出算力成本需求量，也就能夠確定可預(yù)測(cè)的增長(zhǎng)下，算力成本大約需要多少。

圖：基于特定條件下的Tokens消耗與算力關(guān)系測(cè)算，來(lái)源：中泰證券，錦緞?wù)?/p>

目前市場(chǎng)主流的計(jì)費(fèi)公式即為：價(jià)格 = (輸入Tokens + 輸出Tokens) × 單價(jià)。這使得Tokens成為連接成本支出與收入生成的天然橋梁。

圖：Tokens的定價(jià)范圍和案例，來(lái)源：國(guó)海證券

所以，Tokens指標(biāo)對(duì)于大模型廠商而言，也能在某種程度上反應(yīng)資產(chǎn)、再投資和潛在收入成本之間關(guān)系。

最后，Tokens具備行業(yè)可比性，為風(fēng)險(xiǎn)評(píng)估提供基準(zhǔn)。 

作為通用度量單位，它使跨公司、跨模型的比較成為可能，例如計(jì)算“單Token利潤(rùn)”來(lái)類比傳統(tǒng)凈利潤(rùn)。目前，諸如OpenRouter等機(jī)構(gòu)正是通過(guò)統(tǒng)計(jì)各模型的Tokens調(diào)用量市場(chǎng)份額來(lái)評(píng)估其市場(chǎng)地位與趨勢(shì)，這為行業(yè)內(nèi)的相對(duì)估值和風(fēng)險(xiǎn)比較提供了關(guān)鍵數(shù)據(jù)。

圖：不同大模型廠商的市場(chǎng)份額趨勢(shì)，來(lái)源：OpenRouter

綜上，將Tokens作為核心計(jì)價(jià)單位，目前最能有效刻畫(huà)大模型公司從生產(chǎn)資料（算力）到生產(chǎn)成果（收入）的核心價(jià)值關(guān)系，為在客觀價(jià)值體系框架下對(duì)其估值提供了可行的切入點(diǎn)。

03 基于Tokens邏輯，為OpenAI與Deepseek們進(jìn)行估值 

行文至此，關(guān)于大模型公司的估值方法只剩下最后一個(gè)，也是最難的議題：如何圍繞Tokens構(gòu)建合理的數(shù)理公式，去反映大模型公司的真實(shí)價(jià)值。

誠(chéng)然，我們目前沒(méi)有能力去構(gòu)建相對(duì)完善的計(jì)算體系，其一作為非專業(yè)人士，我們很難衡量大模型企業(yè)的單位Token價(jià)值幾何。

這其中主要的原因在于，不同模型的分詞器不同，可能Token涵蓋的語(yǔ)義維度也不同。其次，Tokens作為企業(yè)的經(jīng)營(yíng)信息，并不像財(cái)報(bào)一樣受監(jiān)管要求強(qiáng)行披露，也沒(méi)有披露規(guī)則約束，因此大多數(shù)數(shù)據(jù)源自于提供API服務(wù)的機(jī)構(gòu)，或者云服務(wù)機(jī)構(gòu)，可能數(shù)據(jù)準(zhǔn)確性不足。

所以這可能是一個(gè)需要長(zhǎng)期完善的議題，今天我們以目前能夠收集到的數(shù)據(jù)做一個(gè)淺析，數(shù)據(jù)源取自O(shè)penRouter，或有誤差，但為大家提供幾種簡(jiǎn)要的思路。

1.延循ARR估值邏輯，替換計(jì)價(jià)單位

這種估值模式其實(shí)就是Saas模型的估值方法，還是以即期ARR為核心。

但是“ARR*增速”這個(gè)公式中，增速應(yīng)該換為以Tokens為計(jì)價(jià)核心的增速，而不是實(shí)際收入增速。因?yàn)榇竽Ｐ凸镜臉I(yè)務(wù)變化不穩(wěn)定，可能會(huì)出現(xiàn)代際差直接導(dǎo)致企業(yè)價(jià)值大幅縮水的情況（比如META的LLaMA4），因此用Tokens調(diào)用增速更貼切。

以O(shè)penAI為例，去年的收入116億美元，Tokens調(diào)用量增速約為54倍，初步計(jì)算的估值應(yīng)該為6264億美元。

圖：過(guò)去一年不同大模型Tokens調(diào)用量趨勢(shì)，來(lái)源：OpenRouter

在此基礎(chǔ)上，我們借用了公眾號(hào)“共識(shí)流通處”的思路，假定了一種風(fēng)險(xiǎn)閾值（即排名靠后的大模型公司，實(shí)際價(jià)值理應(yīng)大打折扣），在其思路基礎(chǔ)上，我們直接選用Tokens調(diào)用量的市場(chǎng)份額假定風(fēng)險(xiǎn)閾值，采用兩種方法。

●樂(lè)觀情況下，直接給予市場(chǎng)份額獎(jiǎng)勵(lì)系數(shù)，比如目前OpenAI的市占率約為18%，那么樂(lè)觀估值=6264*（1+0.18）=7391億美元。

●悲觀情況下，扣除與市占率排名相關(guān)的風(fēng)險(xiǎn)因素，比如OpenAI排第二，假定只有前十名的企業(yè)有價(jià)值，那么OpenAI的風(fēng)險(xiǎn)系數(shù)為0.8（1-0.2），那么悲觀估值=6264*0.8=5011億美元。

目前看來(lái)與市場(chǎng)披露的差別不大。

2.以Tokens為核心的相對(duì)估值

以Tokens為核心的相對(duì)估值法，是現(xiàn)階段市場(chǎng)化較高，計(jì)算相對(duì)方便的估值方法，這種估值實(shí)際是傳統(tǒng)市盈率估值的延續(xù)，即市場(chǎng)是否高估/低估大模型企業(yè)。

比如假設(shè)目前OpenAI的估值為5000億美元，根據(jù)OpenRouter數(shù)據(jù)顯示，目前OpenAI單月調(diào)用量份額在18%左右，我們可以恒定目前市場(chǎng)總份額為2.78萬(wàn)億美元。

那么相對(duì)應(yīng)的，排名第一的谷歌大模型估值應(yīng)該為6255億美元，排在第5的Deepseek就應(yīng)該是2170億美元。

如果以這個(gè)方法算，Deepseek月初曝光的1.05萬(wàn)億元估值還有點(diǎn)低了。

 圖：當(dāng)月大模型廠商市占率，來(lái)源：OpenRouter

當(dāng)然，還有價(jià)格的因素，以過(guò)去一年間OpenAI整體使用量最大的兩個(gè)模型（GPT-oss-120b和GPT-o4 mini），乘以相對(duì)應(yīng)的份額估算，平均輸出Token的單價(jià)為1.54$/百萬(wàn)Tokens；同口徑下一年Deepseek（V3及V3.2）的單價(jià)約為0.6$。

如果加上價(jià)格，假定Deepseek值1500億美元，推算OpenAI估值將接近1萬(wàn)億美元。

這種方法雖然涵蓋了價(jià)格要素，但考慮到匯率差和不同市場(chǎng)的實(shí)際情況（相信如果Deepseek放在美國(guó)，可能價(jià)格會(huì)更高），不計(jì)算Token價(jià)差，在某種意義上反而形成了一種巧妙地制衡，估值計(jì)算結(jié)果更接近媒體披露的實(shí)際情況（畢竟成本也不一樣）。

綜上所述，將Tokens作為核心計(jì)價(jià)單位來(lái)評(píng)估大模型公司，為我們探索這一新興領(lǐng)域的價(jià)值提供了一條有跡可循的路徑。

盡管文中推演基于有限數(shù)據(jù)、方法尚不完善，但它已然揭示出：在傳統(tǒng)估值框架之外，我們可以建立一套更貼合AI生產(chǎn)特性的價(jià)值衡量體系。

隨著智譜和Minimax上市進(jìn)程加快，我們也可以參照此法，在智譜和Minimax招股書(shū)披露后，為它們進(jìn)行更細(xì)致的估值計(jì)算，敬請(qǐng)期待。

743人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

25

0

掃描下載App