|
站在当前时点回望，大模型引发的产业变革早已超出技术范畴，深度重塑着资本市场的定价逻辑。从上游算力芯片到中游模型平台，再到下游垂直应用，一条清晰的估值传导链正在形成。市场从初期的概念炒作，逐步转向对商业模式、落地能力与现金流创造能力的精算。 算力层是这轮浪潮中最先兑现业绩的环节。训练与推理需求持续井喷，让高性能GPU和AI服务器供不应求，相关企业的营收增速与毛利率同步扩张。但更值得关注的是，随着模型参数规模逼近物理极限，单纯堆叠算力的边际效用开始递减，市场愿意给算力提供商的远期估值溢价正在收窄。聪明的资金已悄悄将视线从“卖铲人”向“挖金人”迁移。 模型层企业的分化尤具观察价值。过去一年，通用大模型的竞争格局急剧集中，头部厂商凭借数据飞轮与生态壁垒，不断拉大与追赶者的身位。资本对这类公司的定价，正从基于用户增长与流量预期的市销率模型，转为考察单位经济模型和客户生命周期价值。能够率先证明标准化API调用能够持续产生正向现金流的厂商，获得了比仍在烧钱圈地阶段企业高出两倍以上的市现率溢价。这意味着，模型能力本身不再是唯一的估值锚点，工程化落地效率、推理成本控制力与开发者生态粘性，正构成新的估值三角。 下游应用层则呈现出更具想象空间的定价弹性。企业服务、金融、医疗、教育等场景中，大模型正从“锦上添花”的辅助工具，进化为“雪中送炭”的生产力核心。以代码助手和智能客服为例，这类产品不仅显著降低了人力成本，更重构了服务交付的形态。市场对这类企业的估值方法发生了根本性改变：不再简单参照传统SaaS的ARR倍数，而是开始计入数据网络效应带来的超额收益。当客户每多使用一次服务，模型就变得更懂行业逻辑，这一自我强化机制所对应的护城河宽度，正在被赋予更高的估值权重。 另一个不容忽视的结构性变化在于，大模型正在对传统行业的存量资产进行“二次定价”。拥有高质量私有数据的企业，其数据资产价值被大幅激活。过往仅被视为流程记录的大量非结构化文本、图像和日志，经由模型精调后直接转化为决策与自动化能力，相应带来的成本优化与收入增量正在被纳入净现值重估。可以说，大模型不仅是生产力工具，更是一套对数据资产进行货币化重定价的会计标尺。 但从风险维度审视，估值泡沫的隐忧主要集中在两方面。其一，技术迭代过快导致先发优势脆弱性加剧，新架构的出现可能在短时间内颠覆现有模型的经济性。其二，算力投入与商业变现之间存在明显的时间错配，当预期中的B端爆发被递延，部分高估值标的将面临盈利预测下修带来的戴维斯双杀。投资人需要紧盯各家公司模型服务毛利率的边际变化、客户留存曲线以及推理成本下降斜率这三大先行指标。 总体而言，大模型板块已经走过了普涨阶段，进入精细化的个股甄别期。那些能够将模型能力融合进客户既有工作流，形成数据闭环与迁移成本的企业，将获得穿越周期的估值韧性。未来的赢家不是拥有最大参数规模模型的公司，而是最能将大模型编织进产业毛细血管、重构单位经济成本的务实派。在这一认知差被完全定价之前，结构性机会依然存在。 |
