如何构建大模型公司的七维估值框架以评估其长期投资价值？

针对大模型公司的估值，不能简单套用传统软件的席位或ARR框架，因为模型行业具有独特的资本强度、推理可变成本和快速技术迭代特征。仅以训练投入或榜单排名估值会高估无法商业化的能力，因此需要建立覆盖以下七个维度的综合估值框架：

1. 能力持续性：考察模型领先优势的重复性。正向证据包括快速的迭代速度和在复杂任务上的持续领先；证伪信号则是单代领先后出现停滞。

2. 单位任务经济：核心指标是“每成功任务成本”。需关注成本下降速度快于售价的速度，若Token便宜但失败率高，则经济性不佳。

3. 收入质量：评估收入是否留存并扩张。生产负载和客户净留存率是关键，警惕由测试用量和补贴驱动的收入。

4. 工作流控制权：衡量模型嵌入业务的深度。拥有权限、记录系统和决策节点的公司更具粘性，仅是可替换插件的风险较高。

5. 数据闭环：判断反馈能否用于训练。高质量的任务轨迹与验证数据能形成飞轮效应，海量低价值日志则无助于能力提升。

6. 生态入口：观察是否拥有默认调用权。云、OS、应用或终端入口能决定分发，依赖第三方分发的公司价值受限。

7. 资本效率：分析投入回报。需确保收入和现金流改善能跟上资本开支，避免折旧与融资吞噬价值。

在实际应用中，估值倍数应与这七维评分联动。例如，高增长但低控制权、低资本效率的API收入，其估值可能低于增长较慢但深嵌工作流的平台收入。对于科技巨头，还需采用分部估值，区分AI对原有业务（广告、云、办公）的防守价值与新收入价值。