北京智谱华章科技股份有限公司与通用人工智能公司MiniMax在同日通过港交所上市聆讯，引发资本市场高度关注。这两家被视为国内大模型领域“六小虎”代表的企业，几乎同步叩开资本市场大门，一场关于“港股大模型第一股”乃至“全球大模型第一股”的竞争正式拉开帷幕。
自2022年末人工智能进入快速发展阶段以来，这些在资本助力下成长起来的初创巨头，历经三年多发展，如今站在了公开市场的关键节点。若智谱AI成功上市，有望成为全球首家以通用人工智能基座模型为核心业务的上市公司；MiniMax若明年初挂牌，则可能成为全球从成立到IPO最快的AI公司之一。
然而，招股书呈现出的行业现状，远比“第一股”的称号更为复杂。高增长、高投入与高亏损，成为大模型行业的鲜明特征。智谱AI在2022年至2024年间，收入年复合增长率达130%，但2024年净亏损高达29.58亿元。MiniMax增长更为迅猛，2024年收入同比增长782%，同期净亏损却达4.65亿美元（约合人民币32.7亿元）。为维持技术迭代，“烧钱”成为常态，仅2025年上半年，智谱AI研发开支就达15.95亿元，是其同期收入的8倍以上，其中大部分资金用于购买算力。
这两家公司的上市，不仅标志着企业自身发展的里程碑，更意味着中国大模型行业从早期的“技术竞赛”阶段，迈入接受公开市场审视的“资本考验”新阶段。过去依赖宏大叙事和私募融资推动发展的模式逐渐式微，资本市场开始关注企业的实际价值与回报。此时，如何为智谱、MiniMax这类大模型公司进行合理估值，成为亟待解决的核心问题。
在估值领域，市场上虽存在众多模型，但追根溯源，主要可归结为两大体系。一是以约翰·伯尔·威廉姆斯与本杰明·格雷厄姆为奠基人的客观价值体系，其核心是数理逻辑，通过折现企业未来自由现金流来确定当下价值；二是以约翰·梅纳德·凯恩斯为思想源头的主观价值体系，强调市场博弈与群体心理的主导作用，衍生出“选美理论”、K线技术等一系列解读市场的方法。
对于大模型这类尚未形成稳定盈利模式的前沿产业，主观价值体系看似更具解释力，但其根本缺陷在于主观判断难以验证和比较，无法形成可重复、可验证的严谨方法论。因此，在为新一代科技企业建立估值标尺时，仍需回归客观价值体系框架进行探索。
纵观商业史，估值模型的演进本质上是对新经济范式下供需关系变革的回应。当旧有数理框架无法衡量新兴商业模式创造的价值时，新的估值计价方式便会应运而生。例如，股利折现模型契合早期商业投资节奏缓慢、分红为核心回报的时代；随着技术进步与规模经济效应凸显，现金流折现模型成为更合理的价值标尺；互联网崛起后，传统市净率估值法失效，市场转而以用户价值为核心指标，如年度经常性收入，估值逻辑从“为资产定价”转向“为增长和生态定价”。
人工智能作为堪比工业革命、信息革命的范式级生产力变革，必将催生全新商业模式，与之匹配的全新估值数理模型也将在实践中诞生。然而，当前大模型公司的主要变现途径，如谷歌融入搜索广告、OpenAI力推订阅付费，商业内核仍未完全跳出互联网时代的流量与用户逻辑。要把握下一代技术巨头的估值核心，需穿透表象，找到AI原生时代独有的基础价值度量衡，在客观价值体系框架内，识别大模型企业核心生产要素与价值载体，确立新的计价单位。
目前看来，Tokens有望成为AI商业模式估值的核心计价单位。在客观价值体系下，核心指标旨在刻画企业的现有资产盈利潜力、未来增长价值与成本以及可比风险评估。对于大模型公司而言，Tokens是能够同时映射这三个维度且可精确计量的指标。
首先，Tokens可统一计量多元收入，反映现金流潜力。当前国内大模型公司付费模式和SaaS服务尚不成熟，直接使用年度经常性收入不准确。大模型收入主要来自企业API调用和用户产品服务，计费方式复杂，而Tokens作为覆盖所有产品线的底层计价单位，能更直接反映创收能力与资产效率。
其次，Tokens直接串联成本与收入，能量化增长需求。在成本侧，Tokens消耗量与核心成本（算力）直接相关。例如，中泰证券通过特定假设建立Tokens消耗与算力需求的量化模型，虽无法验证测算结果准确性，但提供了从Tokens消耗量推算算力成本需求量的思路，进而确定可预测增长下的算力成本。在收入侧，Tokens作为AI工作最小单位且与成本挂钩，成为大模型厂商定价首选，无论是B端还是C端，主流计费公式均为价格 = (输入Tokens + 输出Tokens) × 单价，使其成为连接成本支出与收入生成的天然桥梁。
最后，Tokens具备行业可比性，为风险评估提供基准。作为通用度量单位，它使跨公司、跨模型比较成为可能，如计算“单Token利润”类比传统净利润。目前，OpenRouter等机构通过统计各模型Tokens调用量市场份额评估市场地位与趋势，为行业内相对估值和风险比较提供关键数据。
基于Tokens逻辑，虽难以构建完善计算体系为OpenAI与Deepseek等大模型公司进行精准估值，但可提供一些思路。一种思路是延循ARR估值逻辑，替换计价单位。以即期ARR为核心，将“ARR*增速”公式中的增速换为以Tokens为计价核心的增速，因大模型公司业务变化不稳定，用Tokens调用增速更贴切。以OpenAI为例，去年收入116亿美元，Tokens调用量增速约54倍，初步计算估值为6264亿美元。在此基础上，结合Tokens调用量市场份额假定风险阈值，乐观情况下给予市场份额奖励系数，悲观情况下扣除与市占率排名相关的风险因素，可得出不同估值结果。
另一种思路是以Tokens为核心的相对估值法，这是现阶段市场化较高、计算相对方便的方法。假设已知某大模型公司估值，根据其单月调用量份额及市场总份额，可推算其他大模型公司估值。若考虑价格因素，结合不同模型单价进行估算，虽存在汇率差和不同市场实际情况差异，但某种意义上形成制衡，估值计算结果更接近媒体披露情况。
