AI平台公司如何估值？

在讨论AI平台公司的价值时，往往会被“AI热潮”冲得眼花缭乱，却忽视了评估的底层逻辑。真正决定一家平台能否在资本市场站稳脚跟的，是它能把智能转化为可度量的经济产出，而不是单纯的流量数字。

估值核心指标

传统互联网公司靠MAU、DAU和广告收入挂钩估值，而AI平台的“流量”被Token调用量取代。Token吞吐量直接映射算力消耗和模型使用深度，乘以智能密度（模型解决问题的复杂度）便得到一个近似的价值乘数。举例来说，某平台日均调用1 亿Token，智能密度系数为0.8，则其“智能产出”约为8 千万Token·单位。

智能密度的量化方式

智能密度并非抽象的概念，而是通过模型的参数规模、模态覆盖率和任务成功率等维度打分。比如，拥有200 B参数、全模态（文本、语音、图像、视频）并在同类基准上领先15%的模型，智能密度可以设为1.0；若参数仅为50 B且仅支持文本，则可能只有0.4。这样一来，投资者可以把技术进步直接映射到估值公式中。

B端与C端的权重平衡

平台的收入结构往往呈“低毛利C端+高毛利B端”双层模型。C端用户贡献的Token量大，但单价低；B端企业客户则以API订阅或定制化解决方案提供高单价的Token消费。假设C端贡献70% Token、单价0.0001美元，B端贡献30% Token、单价0.001美元，那么整体平均单价约为0.00037美元。将此乘以总Token吞吐量，即可得到平台的直接现金流估算。

案例：MiniMax的估值模型

MiniMax在2025年报告的日均Token调用量为1.2 亿，智能密度系数被公司内部评估为0.85。按照公式“平台价值≈智能密度×Token吞吐量×单价×12个月”，得到的年化价值约为0.85×1.2 亿×0.00037×365≈1.35亿美元。若再乘以行业常用的市销率（约30倍），其估值上限可逼近40亿美元，正是市场对其“平台潜力”定价的依据。

实务中的调节因素

• 算力成本：单位Token的GPU电费和折旧会直接压缩利润空间。
• 数据壁垒：平台拥有的高质量训练数据越多，智能密度提升的速度越快。
• 生态规模：第三方开发者的Agent数量和活跃度决定了Token的二次增长潜力。

把这些变量放进模型，估值不再是盲目的市盈率乘数，而是一套可以追溯到技术、算力和商业化三层面的自洽体系。于是，当下一轮融资路演的PPT上出现“智能密度×Token吞吐量”时，投资人已经不再需要凭感官判断，而是看一眼背后的数据表格，便能快速决定是否买单。