从“规模定价”到“验证定价”：AI正在悄悄改写资本评价公司的标准

财经 TOM 2026-10-25 16:39

同一赛道里，头部平台的股价在跌，新上市的基础模型公司营收在翻倍。这组反差指向的，不是谁行谁不行，而是资本衡量一家公司的尺子，换了一把。

一、一个说不通的悖论

先看一组来自极光月狐数据《2026中国AI上市企业发展洞察》的数据。

2026年8月，大模型与AI平台赛道的企业标准化价格中位数同比下跌24.9%，为五大赛道之最；据该报告披露，赛道内多家头部企业同期标准化价格较上年下跌25%至35%。

而在同一赛道、同一时间段，2026年新上市的两家基础模型公司却交出了另一份答卷：智谱上半年营收同比增长399.5%，MiniMax增长283.1%。报告同时指出，两家企业的研发投入同比增速分别为33.6%和138.8%。

这是个说不通的悖论。论资源、论算力、论用户、论现金——头部平台全面碾压。它们既握着模型，又握着流量，还握着云。可结果是：拥有最多的那批公司，估值在缩水；刚上市、什么都没有的那批公司，收入在翻倍。

如果按传统的商业常识，“强者恒强”应该在这里成立。但它没有。这意味着，被重新定价的可能不是这些公司的经营能力，而是资本评价它们的那套标准。

二、旧尺子：规模曾经是最好的答案

要理解这把尺子为什么换了，得先看它过去为什么管用。

在移动互联网的黄金十年里，“规模”几乎是一把万能尺。用户规模意味着网络效应，意味着交叉补贴的空间，意味着可以用一项业务的利润去养另一项业务——这套打法曾经造就了无数巨头的护城河。规模本身就是壁垒，因为你大，所以你能承受亏损；因为你能承受亏损，所以你最终能赢。

AI时代初期，这套逻辑依然在起作用。谁的算力多、谁的模型多、谁的用户基数大，谁就更可能在竞争中胜出。于是资本愿意为“版图”定价，为“潜力”定价，为“什么都有”定价。

但2026年的数据说明，这套逻辑正在失效。失效的原因不是规模不重要了，而是规模变得“难以验证”了。

三、新尺子：能验证的才算数

报告里有两组数据，恰好说明了“验证”这件事为什么变贵了。

图1 2026上半年我国AI企业领域分布及各数据中位数同比变化水平数据来源：iFinD、企业财报，引自报告第11页

第一组在产业链上。大模型与AI平台赛道研发强度中位数8.5%，五大赛道最高；盈利企业占比55.1%，五大赛道最低。而它的上游——智算芯片与算力硬件——营收增速中位数16.1%、盈利企业占比78.4%，两项都是第一。

这意味着中游处在一个尴尬的位置：向上要付算力成本，向下要给免费或低价服务。报告记录了这一年的策略——国产厂商普遍开启“Token补贴、限时免费”，并以“闲时折扣”培养粘性。结果是，2026年8月底OpenRouter平台的AI Token周度消耗量突破100T，较6月翻了一倍以上；而这场增长的成本，相当一部分写在了中游的利润表上。

第二组在经营结构上。对头部平台而言，AI只是众多业务中的一项。它越成功，越可能反噬自己原有的现金牛：搜索被助手分流、电商被智能体重构、广告被生成式内容改写。报告注意到，头部平台股价在2026年年中“整体表现均较弱”。

更关键的是可追溯性。头部平台的AI收入散落在云、广告与生态合作里，市场很难单独给它定价，往往只能折算成一个模糊的“AI溢价”，再被庞大的存量估值稀释。而一家以基础模型为主业的企业，每一块钱收入都能对应到模型调用和产品订阅——投入与产出之间的因果链是清晰的。

过去，资本为“你能做多大”付费；现在，资本为“你证明了什么”付费。

四、但这把新尺子也很苛刻

需要说明的是，“验证定价”并不是一把更宽容的尺子，它可能更苛刻。

两家新上市企业的营收增长很快，但绝对规模仍在早期，而模型训练与推理的成本是刚性的。研发投入33.6%与138.8%的增速，说明它们仍处在以投入换份额的阶段。报告亦预判，“未来1至3年将是头部大模型企业投入持续加大的重要时间窗口”。

这意味着，“用增长率定价”成立的前提，是增长率能持续兑现。一旦增速回落到常规区间，市场的尺子很可能切回“用利润定价”——而那时，它既没有平台的现金牛托底，也没有上游的算力利润。这是整条产业链上风险最集中的位置。

这把尺子还在筛掉另一类公司。智能终端与机器人赛道2026年8月标准化价格中位数同比下跌17.8%，部分个股跌幅在25%至55%之间。热度最高的赛道，反而承受了最深的估值修正——因为“具身智能”的故事讲了很久，而“机器人量产并交付”至今仍是全行业的难题。

五、真正的变化：验证，正在取代规模成为新的信任基础

把上面几段放在一起，一条线索就清楚了。

上游拿走利润，因为它们的产品能被直接计价；中游承担投入，因为它们的产出要靠生态兑现；下游承受修正，因为它们的承诺还没有被交付验证。资本的分歧，本质上是“可验证程度”的分歧。

这背后是一个更深的转变。过去二十年，商业世界的信任建立在“规模”上——因为你足够大，所以你足够可靠；因为你覆盖足够广，所以你不会倒。规模是一种信用。但当AI把“能力”变成一种可以快速复制、快速迭代、也快速贬值的东西之后，规模不再自动等于可靠：一家公司可以很大，却说不清自己的AI业务到底赚了多少钱；也可以很小，却能让每一块钱收入都对应到具体的调用量。

资本开始偏好后者。这不是因为它更善良，而是因为技术迭代极快的行业里，“可验证”是唯一能穿越周期的信息——比故事可靠，比规模诚实，比承诺便宜。

AI时代的新壁垒，不是规模，而是可被验证的增长。

这个判断，对三类人都有现实含义。

对仍在转型中的大企业而言，真正的挑战不是“要不要做AI”，而是“能不能把AI的价值从庞大业务中单独剥离出来、讲清楚”。说不清，就会被按存量估值；说得清，才可能重获溢价——这是组织能力问题，不是技术问题。

对创业者而言，这一轮窗口的通行证不是“更大的故事”，而是“更早的验证”。市场愿意给高增长以高估值，但耐心正在变短。

对整个AI产业而言，这或许是个好信号。当评价标准从“谁讲得更大”转向“谁做得更实”，泡沫会被挤掉，但真正解决问题的人会被留下——一个行业成熟的标志，从来不是它的故事有多动人，而是它开始用数字说话。

所以，2026年AI产业的分水岭，可能不是谁的模型跑分更高，也不是谁的参数更多，而是谁能把投入变成可交付、可追溯、可复利的收入。规模依然重要，但它不再是答案本身。