中国大模型命格重构进行时

来源：市场资讯

（来源：21世纪经济报道）

21世纪经济报道记者 石恩泽

2026年夏天，华尔街投行突然热衷起一项新业务：给中国大模型“算命”。

高盛交易台没有说“看好”，也没有说“增持”，而是直接推出一个叫“高盛中国AI价值链（GSXACART）”的可交易篮子，给出一个更具动作意味的指令——“做多”（Long）。

摩根大通同时动笔，将智谱的目标价从1800港币上调至2000港币，另一边把MiniMax从300港币下调至240港币。同一条赛道，同一种开放权重路线，一个被算成“贵命”，一个被算成“薄命”。

这不是资本市场的情绪摇摆，而是投行估值模型的一次硬着陆。当高盛用DCF（现金流折现）给MiniMax搭建三种情景，当摩根大通用2030年30倍PE对两家公司统一折现，它们手里拿的不是水晶球，而是Excel表格。

但所有模型都指向同一个命门。在大模型尚未盈利、技术迭代随时颠覆护城河的当下，什么才是真正决定命数的变量？

答案逐渐清晰——算命工具可以复制，但算准与否，取决于你能不能读懂技术成本优势这个八字。中国大模型正在经历的，不是一场情绪驱动的“命好”或“命差”，而是一次由成本效率重构的命格重排。

给一家没有盈利、没有稳定现金流、甚至没有成熟商业模式的大模型公司估值，投行怎么动笔？

2026年以来，高盛、摩根大通等机构给出了一套高度相似的“算命工具箱”：放弃单点预测，转向多情景剧本，但核心变量无一例外地指向了毛利率与成本结构。

高盛对MiniMax的估值框架堪称教科书式的“算命三件套”。基准情景（Base Case）使用标准DCF模型，即WACC（加权平均资本成本）设为12%，永续增长率2%，详细预测期覆盖2022—2030年，终值用戈登增长模型计算至2035年。乐观情景（Bull Case）在DCF基础上上调市占率，并以2028年年中ARR倍数辅助校验。悲观情景（Bear Case）则退回到EV/Sales相对估值法，下调市占率预期。

三种情景的推演差异，最终都落脚在M3模型降价后的毛利率假设上。前代M2.7文本API毛利率尚有40%，M3被预测骤降至10%—20%。

摩根大通对智谱和MiniMax采用了更简洁的“批命”方法：统一以2030年30倍PE为锚，按15%的WACC折现回2026年底。智谱目标价上调至2000港币，MiniMax却被下调至240港币。

同一把尺子，量出截然相反的方向。差异的根源不在折现率，而在对未来盈利能力的判断：智谱2028年利润预测被上调84%，而MiniMax不仅盈利时点比智谱晚2年，2030年利润还下修25%。

这里暴露了一个投行不会轻易写在报告首页的真相：大模型估值看似是金融工程问题，实则是技术成本问题。当模型毛利率从40%跌至10%，DCF模型里每一期自由现金流都会被击穿；当涨价能力无法支撑，2030年的PE倍数就只是一纸空文。

分析师可以搭建漂亮的估值模型，但模型里的数字能不能填得上去，取决于企业在推理成本、训练效率、模型蒸馏和工程优化上的真实功力。算命工具人人会用，但算准命数的前提，是读懂了技术成本这个八字。

市场对中国大模型有一个常见的误读，把价值归结为“便宜”。但无论是投行的估值修正，还是全球企业的真实采购行为，都在指向一个更精准的结论，即中国大模型的命数不是卖得便宜，而是用更低的单位成本，跑出了可商用的有效能力。

一个极具说服力的数字来自部署成本的“算命盘”。以DeepSeek V4 Pro为例，在每月1亿有效输入Token、2000万输出Token的常规工作量下，官方路线的总成本仅为23.5至40.9美元；而第三方部署中最便宜的方案也需要约85美元，最贵的SiliconFlow高达195.7美元，成本差距接近8倍。

这8倍差异并非来自模型权重本身，而是来自端点持续的工程优化——缓存命中率93.5%，对比第三方最低的18.2%，直接决定了有效输入成本。

MiniMax的处境同样印证了八字决定论。M3毛利率崩塌，本质上不是不想卖贵，而是技术成本效率尚未形成护城河。

相比之下，智谱的GLM-5系列在2026年上半年累计涨价83%，调用量反而增长400%，供不应求。

摩根大通在报告中直言，在AI需求仍超过推理供给的市场里，能涨价且不掉单，才是模型能力被市场验证的唯一硬指标。这恰恰是技术成本优势转化为定价权的直接体现。

中国大模型之所以被重新看好，是因为其建立在三层独特的工程与资源禀赋之上。

第一层是模型蒸馏与算法优化的工程能力。中国团队在资源约束环境下优先发展成本效率导向的迭代，将开放权重作为生态放大器。MiniMax的M3虽然毛利率承压，但其官方路线在缓存命中率和响应速度上仍显著优于第三方量化版本；对于需要跑智能体、写代码的场景，速度和稳定性差一点，体验就差很多。

第二层是数据采购与算力租赁的成本结构。相较美国同行，中国大模型厂商拥有更低成本的数据获取渠道和成熟的模型蒸馏技术，能够支撑高吞吐量的企业级工作负载。高盛在调研纪要中特别提到，智谱主要向第三方租赁算力与服务器，虽然近期租赁费用上涨，但训练端资源充足，这与中国本土算力供应链的成熟密不可分。

第三层是中国大模型单位成本下的有效能力正在逼近全球第一梯队。根据OpenRouter平台数据，2026年以来美国企业使用中国AI模型产生的Token占比从过去12个月的平均11%飙升至30%以上，峰值一度达到46%。

中国模型价格普遍较海外头部闭源模型低60%至90%，但在软件开发、网络安全、数理任务等常见业务场景中，性能差距已缩小到可商用的程度。对美国企业而言，这不是退而求其次，而是“够用、便宜、可控”的理性选择。

正是这三层技术成本优势，让中国大模型在全球市场上获得了重新定义命数的话语权。投行的重估，不是资本市场的慷慨，而是企业端采购账单发生了真实的结构迁移。中国大模型正在被全球客户用真金白银“算”进自己的技术栈里。

投行可以给人算出一个好命，但命能不能兑现，要看修行。对中国大模型而言，修行就是把技术成本优势转化为商业闭环，从“卖Token”升级为“卖生产力”。

这是智谱与MiniMax估值分化的第二重逻辑。摩根大通将开放权重定义为赢家通吃的游戏。只要模型足够强，开放权重就是借全行业的GPU帮你铺量，生态越大，官方API、云合作、企业服务的变现路径越宽；模型不够强，开放反而加速比价和替代，连本来的API生意都被冲垮。

智谱的GLM-5.2之所以能让目标价上调，是因为它证明了“强模型+开放生态”可以转化为真实的收入期权，即客户先拿权重在手消除顾虑，用深了之后自然升级到官方高级服务。

更深层的估值锚点，在于工作流产品对Token经济的超越。纯API生意是最没黏性的，云厂商、IDE、智能体平台可以一键切流；但如果用户是在你的编码助手、智能体开发平台里用模型，你就把用户关系、使用数据、反馈闭环全部握在了手里。

智谱力推代码智能体与GLM架构在40多款国产芯片上的适配，本质上是在构建一条国产化的“模型+算力+开发”生态链。

高盛在亚洲通信与科技大会交流后给出的判断是，智谱在代码智能体领域具备竞争优势，需求数倍于算力供给，API定价已较年初上调一倍。

这种卖生产力而非访问权的商业模式，直接对应着更高的毛利率和更强的客户留存。摩根大通将智谱视为中国LLM投资的首选标的，核心逻辑就是企业执行力强、编码智能体业务推进领先。

相比之下，MiniMax的C端业务整体毛利率仅4.7%，Talkie的ARPPU仅5美元，3亿用户带来的不是护城河，而是日均上亿元量级的算力账单——这在大模型时代是不明智的财务结构。

大模型估值的核心逻辑已然清晰。技术成本优势打开了估值模型的第一道门，但投行真正愿意给高估值的，是那些把成本优势转化为商业闭环，并从卖Token升级为卖生产力的企业。

从更宏观的视角看，这场算命的结果正在与全球资本配置形成共振。高盛指出，中国AI总市值约4万亿美元，占全球AI市值的10%和收入的16%，但全球共同基金仅将1.2%的科技敞口配置于中国。

这种极端错配意味着，一旦国际资金开始修正偏差，率先受益的将是那些已经用技术成本优势证明了自己商业闭环能力的公司。而高盛给出的配置方向——电力、半导体、AI基础设施、模型与应用——恰好覆盖了从成本可控到变现可期的完整链条。

当然，任何算命都有不准的风险。地缘政治与出口管制悬于头顶，算力租赁成本的上涨可能侵蚀轻资产模式下的利润率，模型迭代的速度竞赛永无止境。

但正如高盛全球投资研究部的判断，当前中国AI股价所隐含的经济收益，可能比AI通过效率提升和新利润创造带来的真实价值低了50%至100%。

这个缺口的存在，恰恰说明市场此前严重低估了中国大模型在成本效率、工程落地与全球渗透上的真实能力。

当高盛从“看好”升级为“做多”，当摩根大通用同一把30倍PE的尺子量出智谱和MiniMax截然相反的方向，资本市场实际上在做一个朴素的判断：大模型赛道已经过了讲故事的阶段，现在每一步都要落到商业化、定价权和用户黏性上。

投行可以给人算命，但算准与否，最终取决于技术成本能不能撑住商业想象。在这场重估中，真正值钱的不是能否开源，而是开源之后，能否让官方路线比第三方部署强出一个数量级。这或许才是中国大模型从估值洼地走向全球配置的核心命数。