AI投资框架如何从传统财务指标转向Token定价？

在AI工业革命进入“第二局”的背景下，投资框架正经历从利润与现金流向算力与Token的根本性转变。西京投资主席兼CIO刘央指出，传统PE、DCF估值方法的适用性有所下降，主要原因在于GPU和数据中心可资本化，但研发、人才、数据和生态建设大量计入当期费用，长期能力难以充分反映在利润表中；且大额资本开支叠加快速变化的竞争格局，提高了长期现金流预测难度。因此，新的定价锚点需要围绕Token展开，正如能源经济看度电成本、广告经济看eCPM，AI经济则从Token观察生产与消费。

基于此，评估AI企业应重点关注三个维度：Token规模、Token效率与生态控制力。Token规模反映企业的体量和议价能力，是基础指标；Token效率衡量单位算力或Token投入创造的有效价值，体现技术与运营水平；生态控制力则体现开发者、客户及用户工作流黏性，以及企业持续参与价值分配的能力。这三者形成相互强化的飞轮：规模扩大推动效率优化，效率提升增强生态黏性，生态扩大又反哺规模。相比静态判断，持续跟踪这三个维度的趋势变化更为重要。

从产业链视角看，不同环节的价值评估逻辑存在差异。算力制造商如英伟达、台积电，其价值除盈利能力外，更来自关键产业节点的稀缺性，决定了Token供给的物理上限。Token制造商如OpenAI、Anthropic，负责将算力转化为智能，其估值持续性取决于能否将算力储备转化为稳定生态和商业化能力，若长期无法形成用户黏性和收入增长，需重新评估资产价值。Token集成商如Cursor、Genspark，则将模型能力转化为用户愿意付费的产品，其核心价值在于对工作流的绑定与应用落地的深度。因此，资本市场应突破单纯跟踪巨头资本开支的传统框架，将视野拓宽至由表外战略融资驱动的新兴算力生态，关注项目融资可及性、长期服务协议质量及信用增级机制。