智谱AI与MiniMax同日过聆讯：大模型第一股之争与Tokens估值时代来临

2025年12月17日，智谱AI正式通过了港交所的上市聆讯。无独有偶，就在同一天晚间，其强劲对手通用人工智能公司MiniMax也成功通过聆讯。这两家被誉为国内大模型“六小虎”的代表企业，几乎同步叩响了资本市场的大门，一场争夺“港股大模型第一股”乃至“全球大模型第一股”的竞速赛就此拉开帷幕。

这意味着，自2022年末AI浪潮开启以来，在资本助推下成长了三年多的初创巨头们，终于走到了公开市场的门前。若智谱AI顺利上市，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。而MiniMax若明年初挂牌，则将创下从成立到IPO最快的全球AI公司纪录。

然而，招股书揭示的图景远比“第一股”的名号更复杂，也更真实地展现了前沿行业的现状：高增长伴随高投入与高亏损的特征格外鲜明。

智谱AI在2022年至2024年间，收入年复合增长率高达130%，但2024年净亏损达29.58亿元。MiniMax增长更为迅猛，2024年收入同比增长782%，但同期净亏损达4.65亿美元（约合人民币32.7亿元）。“烧钱”以维持技术迭代已成常态，仅2025年上半年，智谱AI研发开支就高达15.95亿元，是其同期收入的8倍以上，其中大部分用于购买昂贵的算力资源。

因此，它们的上市远不止是两家公司的里程碑，更标志着中国大模型行业正式从早期的“技术竞赛”阶段，迈入必须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驱动的狂奔时代即将过去，资本市场开始计算“回程票”的价格。此刻，一个最核心的问题被推至台前：究竟该如何为智谱、MiniMax这类大模型公司进行估值？

01

AI时代呼唤全新的估值计量体系

市场上林林总总的估值模型，虽因行业各异而显得纷繁复杂，但追根溯源，其思想脉络可归结为两大体系：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，另一则是以约翰·梅纳德·凯恩斯为思想源头的主观价值体系。

前者核心是数理逻辑，旨在计算企业内在价值，通过折现企业未来自由现金流来确定当下价值。后者核心是市场博弈，强调群体心理的主导作用，衍生出从洞察情绪的“选美理论”到分析价格图形的K线技术等一系列方法。

图：估值的两大体系五种方法，来源：《公司估值：方法论与思想史》，锦缎整理

诚然，对于大模型这类尚未形成稳定盈利范式的前沿产业，灵活的主观价值体系似乎更具解释力。然而，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，当我们试图为新一代科技企业建立估值标尺时，仍需回归到可计算、可比较的客观价值体系框架内进行探索。

纵观商业史，估值模型的每一次重大演进，本质上都是对新经济范式下供需关系革命的回应。当旧有数理框架无法捕捉新兴商业模式的经济价值时，新的估值计价方式便会应运而生。

例如，股利折现模型(DDM)契合了早期商业投资节奏缓慢、分红即核心回报的时代。然而，随着技术进步与规模经济效应凸显，企业将大量利润用于再投资以驱动增长，股利支付率下降但公司价值持续攀升。此时，能够衡量企业全部自由现金流创造能力的现金流折现模型(DCF)，便成了更合理的价值标尺。

互联网的崛起带来了更彻底的颠覆。传统制造业依赖的市净率估值法，在几乎不依赖有形资产却能创造巨大价值的平台型公司面前失效。市场转而拥抱以用户价值为核心的新指标，如衡量订阅制业务健康的年度经常性收入。这标志着估值逻辑从“为资产定价”转向了“为增长和生态定价”。

由此推演：如果人工智能是一场堪比工业革命、信息革命的范式级生产力变革，那么它必将催生全新的商业模式。因此，一套与之匹配的全新估值数理模型也必然会在实践中诞生。

然而，当前大模型公司的主要变现途径，无论是谷歌将其融入搜索广告，还是OpenAI力推的订阅付费，其商业内核仍未完全跳出互联网时代的流量与用户逻辑。要真正把握下一代技术巨头的估值核心，必须穿透表象，找到属于AI原生时代独有的、最基础的价值度量衡。这并非要凭空创造一个数字，而是要在客观价值体系框架内，识别出大模型企业最核心的生产要素与价值载体，并以此确立新的计价单位。

02

Tokens将成为AI商业模式估值的核心计价单位

在客观价值体系下，无论是折现模型中的未来现金流、市盈率中的净利润，还是年度经常性收入，这些核心指标本质上都试图刻画企业的三种基本面：

现有资产的盈利潜力：即公司当前资产能产生多少现金流或利润。

未来增长的价值与成本：增长能否持续、潜在成本是否可量化，以及增长能创造多少额外价值。

可比的风险评估：未来风险是否可以通过横向比较进行大致计量。

那么，对于大模型公司而言，是否存在一个能同时映射这三个维度且可精确计量的指标？目前来看，最契合的答案正是行业通用的基本单元——Tokens。

首先，Tokens能够统一计量多元收入，反映现金流潜力。

理论上，衡量现金流应沿用互联网的年度经常性收入模式。然而，当前国内大模型公司普遍缺乏成熟的付费模式和SaaS服务，直接使用年度经常性收入并不准确。大模型收入主要来自面向企业的API调用和面向用户的产品服务，计费方式复杂。相比之下，Tokens是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。

图：以Google应用端为例拆解Tokens调用量，来源：国海证券

其次，Tokens直接串联成本与收入，能量化增长需求。它是少数能同时连接供需两端的专业指标。

在成本侧，Tokens消耗量与核心成本（算力）直接相关。例如，中泰证券的研究通过特定假设（如用户交互Tokens覆盖率为60%），建立了Tokens消耗与算力需求（以H100显卡数量计）的量化模型。

中泰证券测算显示，一个日活过亿的AI应用，每日可能需消耗相当于14.15万张H100的算力。虽然我们暂时无法验证其准确性，但至少提供了一个思路：从Tokens消耗量出发，确实可推算出算力成本，从而确定可预测增长下的算力成本需求。

图：基于特定条件下的Tokens消耗与算力关系测算，来源：中泰证券，锦缎整理

在收入侧，Tokens作为AI工作的最小单位，密切与成本挂钩，自然成为大模型厂商的定价首选，无论是B端还是C端。目前市场主流的计费公式即为：价格 = (输入Tokens + 输出Tokens) × 单价。这使得Tokens成为连接成本与收入的天然桥梁。

图：Tokens的定价范围和案例，来源：国海证券

所以，Tokens指标对于大模型厂商而言，也能在某种程度上反映资产、再投资和潜在收入成本之间的关系。

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、跨模型的比较成为可能，例如计算“单Token利润”来类比传统净利润。目前，诸如OpenRouter等机构正是通过统计各模型的Tokens调用量市场份额来评估其市场地位与趋势，为行业内相对估值和风险比较提供了关键数据。

图：不同大模型厂商的市场份额趋势，来源：OpenRouter

综上，将Tokens作为核心计价单位，目前最能有效刻画大模型公司从生产资料（算力）到生产成果（收入）的核心价值关系，为在客观价值体系框架下对其估值提供了可行的切入点。

03

基于Tokens逻辑，为OpenAI与Deepseek们进行估值

至此，关于大模型公司的估值方法只剩下最后一个，也是最难的议题：如何围绕Tokens构建合理的数理公式，去反映大模型公司的真实价值。

诚然，我们目前没有能力构建完善的计算体系。其一，作为非专业人士，我们很难衡量大模型企业的单位Token价值几何。主要原因在于不同模型的分词器不同，Token涵盖的语义维度可能有差异；其次，Tokens作为企业经营信息，并不像财报一样受监管要求强制披露，也无披露规则约束，因此大多数数据源自提供API服务的机构或云服务机构，准确性可能不足。所以这可能是一个需要长期完善的议题。今天，我们以目前能收集到的数据做一个浅析，数据源取自OpenRouter，或有误差，但为大家提供几种简要思路。

1.延循ARR估值逻辑，替换计价单位

这种估值模式本质是Saas模型的估值方法，还是以即期ARR为核心。但是“ARR×增速”这个公式中，增速应换为以Tokens为计价核心的增速，而不是实际收入增速。因为大模型公司业务变化不稳定，可能会出现代际差直接导致价值大幅缩水（如META的LLaMA4），因此用Tokens调用增速更贴切。

以OpenAI为例，去年收入116亿美元，Tokens调用量增速约为54倍，初步计算的估值应为6264亿美元。

图：过去一年不同大模型Tokens调用量趋势，来源：OpenRouter

在此基础上，我们借用公众号“共识流通处”的思路，假定了一种风险阈值（即排名靠后的大模型公司，实际价值应大打折扣），在其思路基础上，我们直接选用Tokens调用量的市场份额假定风险阈值，采用两种方法：

●乐观情况下，直接给予市场份额奖励系数，比如目前OpenAI市占率约为18%，那么乐观估值=6264×（1+0.18）=7391亿美元。

●悲观情况下，扣除与市占率排名相关的风险因素，比如OpenAI排第二，假定只有前十名企业有价值，那么OpenAI的风险系数为0.8（1-0.2），则悲观估值=6264×0.8=5011亿美元。目前看来与市场披露的差别不大。

2.以Tokens为核心的相对估值

以Tokens为核心的相对估值法，是现阶段市场化较高、计算相对方便的估值方法，这种估值实质是传统市盈率估值的延续，即判断市场是否高估/低估大模型企业。

比如假设目前OpenAI估值为5000亿美元，根据OpenRouter数据显示，目前OpenAI单月调用量份额在18%左右，我们可以恒定目前市场总份额为2.78万亿美元。

那么相应地，排名第一的谷歌大模型估值应为6255亿美元，排第五的Deepseek就应为2170亿美元。若以此法计算，Deepseek月初曝光的1.05万亿元估值还有点低了。

图：当月大模型厂商市占率，来源：OpenRouter

当然，还有价格因素：以过去一年间OpenAI整体使用量最大的两个模型（GPT-oss-120b和GPT-o4 mini），乘以相应份额估算，平均输出Token单价为1.54美元/百万Tokens；同口径下一年Deepseek（V3及V3.2）单价约为0.6美元。如果加上价格，假定Deepseek值1500亿美元，推算OpenAI估值将接近1万亿美元。这种方法虽涵盖价格要素，但考虑到汇率差和不同市场的实际情况（相信若Deepseek放在美国，价格可能更高），不计算Token价差，在某种意义上反而形成一种巧妙制衡，估值计算结果更接近媒体披露的实际情况（毕竟成本也不同）。

综上所述，将Tokens作为核心计价单位来评估大模型公司，为我们探索这一新兴领域的价值提供了一条有迹可循的路径。尽管文中推演基于有限数据、方法尚不完善，但它已然揭示出：在传统估值框架之外，我们可以建立一套更贴合AI生产特性的价值衡量体系。随着智谱和Minimax上市进程加快，我们也可参照此法，在智谱和Minimax招股书披露后，为它们进行更细致的估值计算，敬请期待。

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议