北京智譜華章科技股份有限公司與通用人工智能公司MiniMax在同日通過港交所上市聆訊，引發資本市場高度關注。這兩家被視為國內大模型領域“六小虎”代表的企業，幾乎同步叩開資本市場大門，一場關于“港股大模型第一股”乃至“全球大模型第一股”的競爭正式拉開帷幕。

自2022年末人工智能進入快速發展階段以來，這些在資本助力下成長起來的初創巨頭，歷經三年多發展，如今站在了公開市場的關鍵節點。若智譜AI成功上市，有望成為全球首家以通用人工智能基座模型為核心業務的上市公司；MiniMax若明年初掛牌，則可能成為全球從成立到IPO最快的AI公司之一。

然而，招股書呈現出的行業現狀，遠比“第一股”的稱號更為復雜。高增長、高投入與高虧損，成為大模型行業的鮮明特征。智譜AI在2022年至2024年間，收入年復合增長率達130%，但2024年凈虧損高達29.58億元。MiniMax增長更為迅猛，2024年收入同比增長782%，同期凈虧損卻達4.65億美元（約合人民幣32.7億元）。為維持技術迭代，“燒錢”成為常態，僅2025年上半年，智譜AI研發開支就達15.95億元，是其同期收入的8倍以上，其中大部分資金用于購買算力。

這兩家公司的上市，不僅標志著企業自身發展的里程碑，更意味著中國大模型行業從早期的“技術競賽”階段，邁入接受公開市場審視的“資本考驗”新階段。過去依賴宏大敘事和私募融資推動發展的模式逐漸式微，資本市場開始關注企業的實際價值與回報。此時，如何為智譜、MiniMax這類大模型公司進行合理估值，成為亟待解決的核心問題。

在估值領域，市場上雖存在眾多模型，但追根溯源，主要可歸結為兩大體系。一是以約翰·伯爾·威廉姆斯與本杰明·格雷厄姆為奠基人的客觀價值體系，其核心是數理邏輯，通過折現企業未來自由現金流來確定當下價值；二是以約翰·梅納德·凱恩斯為思想源頭的主觀價值體系，強調市場博弈與群體心理的主導作用，衍生出“選美理論”、K線技術等一系列解讀市場的方法。

對于大模型這類尚未形成穩定盈利模式的前沿產業，主觀價值體系看似更具解釋力，但其根本缺陷在于主觀判斷難以驗證和比較，無法形成可重復、可驗證的嚴謹方法論。因此，在為新一代科技企業建立估值標尺時，仍需回歸客觀價值體系框架進行探索。

縱觀商業史，估值模型的演進本質上是對新經濟范式下供需關系變革的回應。當舊有數理框架無法衡量新興商業模式創造的價值時，新的估值計價方式便會應運而生。例如，股利折現模型契合早期商業投資節奏緩慢、分紅為核心回報的時代；隨著技術進步與規模經濟效應凸顯，現金流折現模型成為更合理的價值標尺；互聯網崛起后，傳統市凈率估值法失效，市場轉而以用戶價值為核心指標，如年度經常性收入，估值邏輯從“為資產定價”轉向“為增長和生態定價”。

人工智能作為堪比工業革命、信息革命的范式級生產力變革，必將催生全新商業模式，與之匹配的全新估值數理模型也將在實踐中誕生。然而，當前大模型公司的主要變現途徑，如谷歌融入搜索廣告、OpenAI力推訂閱付費，商業內核仍未完全跳出互聯網時代的流量與用戶邏輯。要把握下一代技術巨頭的估值核心，需穿透表象，找到AI原生時代獨有的基礎價值度量衡，在客觀價值體系框架內，識別大模型企業核心生產要素與價值載體，確立新的計價單位。

目前看來，Tokens有望成為AI商業模式估值的核心計價單位。在客觀價值體系下，核心指標旨在刻畫企業的現有資產盈利潛力、未來增長價值與成本以及可比風險評估。對于大模型公司而言，Tokens是能夠同時映射這三個維度且可精確計量的指標。

首先，Tokens可統一計量多元收入，反映現金流潛力。當前國內大模型公司付費模式和SaaS服務尚不成熟，直接使用年度經常性收入不準確。大模型收入主要來自企業API調用和用戶產品服務，計費方式復雜，而Tokens作為覆蓋所有產品線的底層計價單位，能更直接反映創收能力與資產效率。

其次，Tokens直接串聯成本與收入，能量化增長需求。在成本側，Tokens消耗量與核心成本（算力）直接相關。例如，中泰證券通過特定假設建立Tokens消耗與算力需求的量化模型，雖無法驗證測算結果準確性，但提供了從Tokens消耗量推算算力成本需求量的思路，進而確定可預測增長下的算力成本。在收入側，Tokens作為AI工作最小單位且與成本掛鉤，成為大模型廠商定價首選，無論是B端還是C端，主流計費公式均為價格 = (輸入Tokens + 輸出Tokens) × 單價，使其成為連接成本支出與收入生成的天然橋梁。

最后，Tokens具備行業可比性，為風險評估提供基準。作為通用度量單位，它使跨公司、跨模型比較成為可能，如計算“單Token利潤”類比傳統凈利潤。目前，OpenRouter等機構通過統計各模型Tokens調用量市場份額評估市場地位與趨勢，為行業內相對估值和風險比較提供關鍵數據。

基于Tokens邏輯，雖難以構建完善計算體系為OpenAI與Deepseek等大模型公司進行精準估值，但可提供一些思路。一種思路是延循ARR估值邏輯，替換計價單位。以即期ARR為核心，將“ARR*增速”公式中的增速換為以Tokens為計價核心的增速，因大模型公司業務變化不穩定，用Tokens調用增速更貼切。以OpenAI為例，去年收入116億美元，Tokens調用量增速約54倍，初步計算估值為6264億美元。在此基礎上，結合Tokens調用量市場份額假定風險閾值，樂觀情況下給予市場份額獎勵系數，悲觀情況下扣除與市占率排名相關的風險因素，可得出不同估值結果。

另一種思路是以Tokens為核心的相對估值法，這是現階段市場化較高、計算相對方便的方法。假設已知某大模型公司估值，根據其單月調用量份額及市場總份額，可推算其他大模型公司估值。若考慮價格因素，結合不同模型單價進行估算，雖存在匯率差和不同市場實際情況差異，但某種意義上形成制衡，估值計算結果更接近媒體披露情況。