智谱、Minimax上市，如何给大模型公司估值？
AI时代需要新的估值计价方式
估值体系的两大思想脉络
市场上的估值模型源于两大体系。客观价值体系以约翰·伯尔·威廉姆斯与本杰明·格雷厄姆为奠基，通过折现企业未来自由现金流计算内在价值；主观价值体系则以约翰·梅纳德·凯恩斯为源头，强调市场博弈与群体心理，如“选美理论”和K线技术等。
主观价值体系的缺陷
对于大模型这类前沿产业，主观价值体系虽有解释空间，但主观判断难以验证和比较，无法形成严谨的估值方法论。因此，为新一代科技企业估值，需回归客观价值体系框架探索。
估值模型随经济范式的演进
商业史上，估值模型的重大演进是对新经济范式下供需关系革命的回应。如股利折现模型到现金流折现模型，再到互联网时代以用户价值为核心的新指标，都体现了这一变化。人工智能作为范式级生产力变革，也将催生全新的估值数理模型。
Tokens将成为AI商业模式估值的核心计价单位
Tokens能统一计量多元收入
大模型公司收入计费方式复杂，缺乏成熟付费模式和SaaS服务，直接用年度经常性收入不准确。Tokens作为底层计价单位，能更直接反映创收能力与资产效率，统一计量多元收入，反映现金流潜力。
Tokens串联成本与收入
Tokens消耗量与核心成本（算力）直接相关，通过它可推算算力成本需求量。在收入侧，Tokens是大模型厂商定价首选，连接成本支出与收入生成，能量化增长需求。
Tokens具备行业可比性
Tokens作为通用度量单位，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。机构通过统计Tokens调用量市场份额评估模型市场地位与趋势，为风险评估提供基准。
基于Tokens逻辑，为OpenAI与Deepseek们进行估值
延循ARR估值逻辑，替换计价单位
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，可根据Tokens调用量的市场份额假定风险阈值，采用乐观或悲观方法调整估值。
以Tokens为核心的相对估值
这种估值法是传统市盈率估值的延续，通过Tokens调用量份额估算大模型企业价值。例如，假设OpenAI估值为5000亿美元，可推算其他模型的估值。考虑价格因素后，估值结果更接近媒体披露的实际情况。
探索贴合AI生产特性的价值衡量体系
以Tokens为核心计价单位评估大模型公司，为探索其价值提供了路径。虽基于有限数据、方法尚不完善，但揭示了可建立更贴合AI生产特性的价值衡量体系，随着相关公司上市进程加快，可据此进行更细致的估值计算。
相关问答
大模型公司为何难以用传统估值方法？
大模型公司盈利模式不稳定，缺乏成熟付费模式，业务变化大，传统估值方法难以准确衡量其未来现金流、增长潜力和风险，所以需要新的估值方式。
Tokens如何反映大模型公司的现金流潜力？
大模型公司收入计费复杂，Tokens作为底层计价单位，能统一计量多元收入来源，更直接地体现公司的创收能力和资产效率，反映现金流潜力。
基于Tokens的相对估值法是怎样的？
这是传统市盈率估值的延续，通过Tokens调用量份额估算大模型企业价值。如已知OpenAI估值和其Tokens调用量份额，可推算其他模型估值，还可考虑价格因素。
用Tokens为大模型公司估值有哪些难点？
不同模型分词器不同，Token涵盖语义维度有差异。且Tokens相关数据多源自第三方机构，准确性不足，这给围绕Tokens构建合理估值公式带来困难。
智谱和Minimax上市后如何参照Tokens法估值？
待智谱和Minimax招股书披露后，可依据Tokens能反映的大模型公司从算力到收入的核心价值关系，结合文中基于Tokens的估值思路，为它们进行更细致的估值计算。
Tokens在大模型公司成本与收入关系中起到什么作用？
在成本侧，Tokens消耗量与算力直接相关，可据此推算算力成本需求；在收入侧，Tokens是定价首选，连接成本与收入生成，反映两者关系，能量化增长需求。
