AI公司怎么估值？高盛給MiniMax算了三筆賬

ji

最近，圍繞“AI參與斬首行動”的爭議鬧得沸沸揚揚。

在國內的AI投資里，Minimax是一個繞不開的標的。

自上市以來，MiniMax 的股價已經上漲了3倍。就在 3 月 2 日年報發布次日，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 成為一種新的商業形態時，我們究竟應該用什么邏輯去給 AI 企業定價？

在這里，我們提出一種可能的思路：AI 公司真正的“產能”，其實是生成和消耗 Token 的能力。而衡量其商業模式好壞的關鍵指標，也逐漸從轉向：這家公司每生產一枚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，還帶一點消費互聯網屬性。商業模式還在變化，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，也就是折現現金流模型。

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

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

在經營假設上，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，公司的實現經營利潤與自由現金流轉正。到2030年，公司的經調整凈利潤為12.78億美元，自由現金流（FCF）7.94億美元。

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

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

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

結合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，模型調用量會明顯提升，Token消耗的市場份額可能做到10%。

第三，產品定價達到美國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Anthropic的估值范式，用可比公司P/ARR倍數計算遠期企業價值。那對應的估值就是：

44 × 16.8億 ≈ 739億美元。

再用年化12%的折現率折現回當前，大概就是660億美元。

最后一個情景是悲觀情況。

如果行業競爭很激烈，大廠持續壓價，模型能力差距縮小。假設行業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AI軟件公司的邏輯。這個時候，報告用的是EV/Sales倍數法，可以簡單理解為市銷率。

參考中國傳統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。那企業價值就是：

17 × 9.8億 ≈ 166億美元。再按12%的折現率折回來，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行業的競爭格局。

問題其實很簡單：在一堆互聯網巨頭、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行業仍然處在早期階段，技術路徑、商業模式和產品形態都沒有完全收斂。在這種階段，大公司雖然資源充足，但組織結構往往更復雜，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、成本效率和產品節奏上形成優勢，依然有機會建立自己的護城河。

在高盛看來，MiniMax 的優勢主要集中在三點：

第一，全模態原生架構；

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 在與互聯網巨頭競爭時，仍然具備一定的組織效率優勢。

第二個變量，是商業模式和盈利拐點。

高盛在報告里給出了一個非常明確的判斷：

未來AI 行業最賺錢的環節，很可能不是應用，而是多模態 API 平臺。

因為API 是最標準化、最可規模化、也最接近基礎設施的一種商業形態。

目前MiniMax 的 API 業務毛利率已經達到 69%。隨著調用量持續增長，以及算力效率的進一步提升，這部分業務的毛利率仍然有繼續上升的空間。

一些面向C 端的消費產品，比如社交類應用，短期內仍然處在投入期，甚至還在持續燒錢。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 平臺業務。

如果這條路徑走通，MiniMax 的商業結構會逐漸接近典型的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 年前后實現盈利拐點。

Token，將成為AI資產核心計價單位

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 企業的估值，比傳統軟件公司復雜得多。

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。

但如果從產業結構的角度看，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 企業估值里權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 產品形態的統一計價單位。

現在，AI 公司的商業模式非常復雜：有API調用、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 推理成本通常可以被拆解成一個非常簡單的公式：

每次請求消耗的Token 數量 × 每百萬 Token 的計算成本。

換句話說，Token 既是產品單位，也是成本單位。

這在過去的軟件行業里是很少見的。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對業務嵌入越深，使用Token 的比例越大。多模態和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聊天場景的幾十倍甚至上百倍。

甚至有業內人士判斷，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。

但現在，一些團隊內部的真實使用數據顯示，人均Token消耗對應的成本已經達到了 500 美元/月的水平。

而隨著Agent 能夠承擔越來越復雜的工作，市場上已經開始出現并醞釀 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束。當Token 消耗量開始成為評估 AI 企業的重要指標，一個新的討論也隨之出現：

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Token的能力以及成本結構也完全不同。

在云端，Token 的成本主要來自 GPU 算力；而在端側設備上，Token的成本結構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 數量，而是——每枚 Token 的毛利潤。

換句話說，一家AI 公司真正的商業能力，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 指標做統計對比時，確實能看到一個明顯規律。

在雙對數坐標系下，“每枚 Token 的毛利潤”與公司估值之間的相關系數達到 0.70，而Token 的總量與估值的相關系數只有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“產能”，其實是生成和消耗Token的能力。而衡量其商業模式的好壞，則變成了這家公司每生產一枚Token，究竟能賺多少錢。

無論模型和產品形態如何演變，圍繞Token注定會是AI企業價值最核心的變量。

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。