ji

最近，圍繞“AI參與斬首行動”的爭議鬧得沸沸揚揚。

在國內(nèi)的AI投資里，Minimax是一個繞不開的標的。

自上市以來，MiniMax 的股價已經(jīng)上漲了3倍。就在 3 月 2 日年報發(fā)布次日，股價又上漲了9%。

從基本面看，公司的增長也確實非常快。2025 年，MiniMax 實現(xiàn)總收入 7903.8 萬美元，同比增長 158.9%。

但正因為增長速度太快，圍繞它的估值問題，也成了投資人討論最多的話題之一。目前，MiniMax 的最新市值為 2305億港元。類似的情況其實也發(fā)生在智譜身上。

一個最核心、也最棘手的問題是：究竟應該如何為智譜、MiniMax這樣的大模型公司進行估值？

如果用傳統(tǒng)SaaS 公司的方法，比如 PS（市銷率） 或 PE（市盈率），往往會顯得非常不合理。

但如果完全拋棄這些方法，又很難找到一個新的共識框架。這其實并不是MiniMax 或智譜兩家公司的問題。

更本質(zhì)地說，這是一個所有投資人都繞不開的問題：

當AI 成為一種新的商業(yè)形態(tài)時，我們究竟應該用什么邏輯去給 AI 企業(yè)定價？

在這里，我們提出一種可能的思路：AI 公司真正的“產(chǎn)能”，其實是生成和消耗 Token 的能力。而衡量其商業(yè)模式好壞的關鍵指標，也逐漸從轉(zhuǎn)向：這家公司每生產(chǎn)一枚Token，究竟能賺多少錢。

今天，我就借著高盛給MiniMax 做估值這件事，聊聊我自己對 AI 企業(yè)估值邏輯的一些看法。

三種情景，三個估值

大模型的估值，比看上要復雜的多。

傳統(tǒng)軟件公司，通常用PE或者EV/Sales就能大致框出來。但大模型公司不一樣——它既像平臺，又像基礎設施，還帶一點消費互聯(lián)網(wǎng)屬性。商業(yè)模式還在變化，盈利時間點也不清晰。

所以，在這份報告里，高盛用了一個很典型的投資框架：三種情景估值。這三種情況，分別對應基準情景、樂觀情景和悲觀情景。

先說基準情景。這是最“學院派”的估值方法，用的是DCF，也就是折現(xiàn)現(xiàn)金流模型。

高盛把MiniMax的發(fā)展分為兩個階段，第一階段是詳細預測期，一直算到2030年；第二階段是穩(wěn)定增長期，一直延續(xù)到2035年；最后再通過戈登增長模型算出長期終值。

在關鍵參數(shù)上，折現(xiàn)率用12%，永續(xù)增長率2%。報告里解釋了為什么折現(xiàn)率是12%，無風險利率用美國3年期國債，大約3.3%。股權(quán)風險溢價大約7%。算下來，差不多就是12%。

在經(jīng)營假設上，采取自上而下預測，即市場空間×市場占有率。也就是，先估算全球大模型市場未來有多大，然后再看公司能分到多少。

報告假設，2026-2030年，Minimax在全球AI大模型訂閱+API收入池的市占率每年提升0.3-0.7個百分點。到2030年，公司在全球大模型訂閱和API市場里的份額能做到2.5%。

按這個邏輯計算，2030年Minimax收入規(guī)模應該在116億美元。

公司的盈利拐點在2029年。到時，公司的實現(xiàn)經(jīng)營利潤與自由現(xiàn)金流轉(zhuǎn)正。到2030年，公司的經(jīng)調(diào)整凈利潤為12.78億美元，自由現(xiàn)金流（FCF）7.94億美元。

在2031-2035年穩(wěn)定期里，Minimax累計能貢獻收入1577.71億美元，經(jīng)調(diào)整凈利潤為267億美元，自由現(xiàn)金流（FCF）212.62億美元。2035年，公司的調(diào)整后EBIT利潤率達到21%。

把2022-2035年每年的自由現(xiàn)金流、2035年末的終值，全部按12%的WACC折現(xiàn)至2026年，得到貼現(xiàn)后的企業(yè)價值410.67億美元，注意此時是企業(yè)價值（Enterprise Value）。

再把賬上的凈現(xiàn)金加回來，對應股權(quán)價值大概418億美元，折合3262.95億港元。

結(jié)合3.21億股總股本，最終對應每股目標價1018港元，這意味著現(xiàn)價還有38.5%上漲空間。

當然，這只是一個假設。由于大模型這個行業(yè)的不確定性實在太大，高盛又給了樂觀情景和悲觀情景的假設推演。

在樂觀情形下，Minimax需要做到三個條件：

第一，公司到2030年可以拿到5%的全球市場份額，差不多是基準情景的兩倍。

第二，模型調(diào)用量會明顯提升，Token消耗的市場份額可能做到10%。

第三，產(chǎn)品定價達到美國SOTA模型的50%（當前僅10%）

在這種情況下，假設公司2027年的ARR做到16.8億美元。

參考海外頭部AI企業(yè)Anthropic的估值范式，用可比公司P/ARR倍數(shù)計算遠期企業(yè)價值。那對應的估值就是：

44 × 16.8億 ≈ 739億美元。

再用年化12%的折現(xiàn)率折現(xiàn)回當前，大概就是660億美元。

最后一個情景是悲觀情況。

如果行業(yè)競爭很激烈，大廠持續(xù)壓價，模型能力差距縮小。假設行業(yè)競爭加劇導致市占率增長基本停滯，2027-2030年全球收入市占率僅每年微增0.1-0.2個百分點，2030年僅提升至1.2%。

那公司估值就得回到傳統(tǒng)AI軟件公司的邏輯。這個時候，報告用的是EV/Sales倍數(shù)法，可以簡單理解為市銷率。

參考中國傳統(tǒng)AI上市公司的估值水平，大概是17倍EV/Sales。如果公司2027年的收入是9.8億美元。那企業(yè)價值就是：

17 × 9.8億 ≈ 166億美元。再按12%的折現(xiàn)率折回來，大概是160億美元。

除了競爭，還是競爭

除了估值模型，高盛的報告其實還提到了幾個會影響MiniMax 價值變化的關鍵變量。

第一個變量，是AI行業(yè)的競爭格局。

問題其實很簡單：在一堆互聯(lián)網(wǎng)巨頭、云廠商和科技公司同時下注的大模型賽道里，獨立AI公司到底還有沒有機會跑出來？

高盛的判斷是：機會仍然存在。

原因在于，AI行業(yè)仍然處在早期階段，技術路徑、商業(yè)模式和產(chǎn)品形態(tài)都沒有完全收斂。在這種階段，大公司雖然資源充足，但組織結(jié)構(gòu)往往更復雜，決策鏈條更長，反而未必是效率最高的玩家。

相較之下，一些獨立AI 公司如果能夠在技術路線、成本效率和產(chǎn)品節(jié)奏上形成優(yōu)勢，依然有機會建立自己的護城河。

在高盛看來，MiniMax 的優(yōu)勢主要集中在三點：

第一，全模態(tài)原生架構(gòu)；

第二，全球化市場布局；

第三，較高的算力效率和成本控制能力；

這些因素疊加在一起，使得MiniMax 在與互聯(lián)網(wǎng)巨頭競爭時，仍然具備一定的組織效率優(yōu)勢。

第二個變量，是商業(yè)模式和盈利拐點。

高盛在報告里給出了一個非常明確的判斷：

未來AI 行業(yè)最賺錢的環(huán)節(jié)，很可能不是應用，而是多模態(tài) API 平臺。

因為API 是最標準化、最可規(guī)模化、也最接近基礎設施的一種商業(yè)形態(tài)。

目前MiniMax 的 API 業(yè)務毛利率已經(jīng)達到 69%。隨著調(diào)用量持續(xù)增長，以及算力效率的進一步提升，這部分業(yè)務的毛利率仍然有繼續(xù)上升的空間。

一些面向C 端的消費產(chǎn)品，比如社交類應用，短期內(nèi)仍然處在投入期，甚至還在持續(xù)燒錢。但從長期來看，公司很可能會逐步降低這部分投入，把資源更多集中到 高毛利的 API 平臺業(yè)務。

如果這條路徑走通，MiniMax 的商業(yè)結(jié)構(gòu)會逐漸接近典型的AI基礎設施公司。因此，高盛整體給出的判斷相對樂觀：

公司大概率會在2029 年前后實現(xiàn)盈利拐點。

Token，將成為AI資產(chǎn)核心計價單位

說完高盛這份報告，再說說我的一些觀察。

其實從這份研報里，很容易感受到一件事情：AI 企業(yè)的估值，比傳統(tǒng)軟件公司復雜得多。

僅僅是對MiniMax 的估值，高盛就用了三種不同的方法來交叉驗證。

但如果從產(chǎn)業(yè)結(jié)構(gòu)的角度看，我覺得還有一個很有意思的視角值得補充：

Token 消耗量，未來很可能會成為 AI 企業(yè)估值里權(quán)重越來越高的一個指標。

簡單來說，Token 正在成為新的基礎計價單位。

背后的邏輯其實很清晰，大致有兩個原因。

首先，Token 同時連接了收入端和成本端。

在收入端，Token 是目前 唯一能夠橫跨所有 AI 產(chǎn)品形態(tài)的統(tǒng)一計價單位。

現(xiàn)在，AI 公司的商業(yè)模式非常復雜：有API調(diào)用、有訂閱、有按任務收費，也有按席位收費。

但這些收費方式背后，最終都會落到同一個底層指標——消耗了多少 Token。

而在成本端，情況其實也一樣。

AI 推理成本通?？梢员徊鸾獬梢粋€非常簡單的公式：

每次請求消耗的Token 數(shù)量 × 每百萬 Token 的計算成本。

換句話說，Token 既是產(chǎn)品單位，也是成本單位。

這在過去的軟件行業(yè)里是很少見的。SaaS 的“Seat”更多只對應收入，而 Token 同時對應了收入與算力成本。

第二，Token 其實更接近 AI 公司的“真實產(chǎn)出”。

真正的AI原生就是看誰能通過使用大量的Token來解決復雜問題，AI對業(yè)務嵌入越深，使用Token 的比例越大。多模態(tài)和agent的應用，會大幅增加Token的消耗。

在簡單對話場景下，一次請求可能只消耗幾十到幾百個Token。

但當AI 開始真正執(zhí)行任務，比如寫一段完整代碼，或者生成一份復雜報告，Token 的消耗量可能是傳統(tǒng)聊天場景的幾十倍甚至上百倍。

甚至有業(yè)內(nèi)人士判斷，2026年Token 用量至少有 10倍以上增長。

這直接帶來了一個變化：AI應用的客單價大幅提升。

過去C 端產(chǎn)品的訂閱價格通常是 20美元/月，或者是稍貴一點的200美元/月。

但現(xiàn)在，一些團隊內(nèi)部的真實使用數(shù)據(jù)顯示，人均Token消耗對應的成本已經(jīng)達到了 500 美元/月的水平。

而隨著Agent 能夠承擔越來越復雜的工作，市場上已經(jīng)開始出現(xiàn)并醞釀 1000 美元/月甚至更高的 AI Agent 服務定價。

但事情到這里并沒有結(jié)束。當Token 消耗量開始成為評估 AI 企業(yè)的重要指標，一個新的討論也隨之出現(xiàn)：

Token 與 Token，其實并不完全等價。

舉一個很直觀的例子。一年前，如果讓GPT-4 寫一段復雜代碼，可能需要1000個Token。而一個小模型，可能需要3000個Token才能寫對。

但現(xiàn)在，小模型能力大幅提升，可能1200個Token就能完成同樣任務。

這意味著什么？小模型Token的價值密度正在提高。

同樣的，在云端和端側(cè)Token的能力以及成本結(jié)構(gòu)也完全不同。

在云端，Token 的成本主要來自 GPU 算力；而在端側(cè)設備上，Token的成本結(jié)構(gòu)更多取決于硬件效率與模型壓縮。

也就是說，未來AI 世界里的 Token，并不是一種完全同質(zhì)化的資源。

在這種背景下，硅谷投資人Tomasz Tunguz 提出了一個很有意思的觀點：

真正重要的指標，其實不是Token 數(shù)量，而是——每枚 Token 的毛利潤。

換句話說，一家AI 公司真正的商業(yè)能力，不在于生成了多少 Token，而在于每一枚 Token 能賺多少錢。

更有意思的是，當Tunguz 把 AI 公司的估值，與 Token 指標做統(tǒng)計對比時，確實能看到一個明顯規(guī)律。

在雙對數(shù)坐標系下，“每枚 Token 的毛利潤”與公司估值之間的相關系數(shù)達到 0.70，而Token 的總量與估值的相關系數(shù)只有0.47。

如果把這些線索放在一起，其實可以看到一個很有意思的趨勢：

AI 公司真正的“產(chǎn)能”，其實是生成和消耗Token的能力。而衡量其商業(yè)模式的好壞，則變成了這家公司每生產(chǎn)一枚Token，究竟能賺多少錢。

無論模型和產(chǎn)品形態(tài)如何演變，圍繞Token注定會是AI企業(yè)價值最核心的變量。

文/林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。