技术深度解析
当前估值飙升建立在真正的架构进化之上。第一代中国LLM——如百度的ERNIE 3.0和阿里的Qwen-7B——主要是基于Transformer的解码器，多模态能力有限。而由Zhipu AI的GLM-4、百川智能的Baichuan2和Moonshot AI的Kimi代表的新一代模型，已转向混合专家（MoE）架构，大幅提升推理效率。MoE允许模型每个token仅激活部分参数，将FLOPs降低40-60%，同时保持或提升准确性。
一个特别有说服力的技术差异化因素是视频生成与世界模型的整合。像Shengshu Technology（阿里投资）和Zhipu AI这样的公司，已发布在质量上媲美OpenAI Sora但延迟显著更低的视频生成模型。例如，Shengshu的Vidu模型采用新颖的级联扩散Transformer，能在30秒内生成24fps的1080p视频——比Sora报告的推理时间快3倍。这不仅是研究演示；Shengshu已将Vidu部署在腾讯的广告平台中，生成动态广告创意，在A/B测试中点击率提升了22%。
| 模型 | 架构 | 参数（活跃/总参数量） | MMLU（中文） | 视频生成 | 推理成本（每百万token） |
|---|---|---|---|---|---|
| GLM-4 (Zhipu) | MoE Transformer | 45B/130B | 86.3 | 是 (CogVideoX) | $0.85 |
| Baichuan2 (Baichuan) | MoE Transformer | 30B/100B | 84.1 | 否 | $0.72 |
| Kimi (Moonshot) | Sparse MoE | 25B/80B | 82.7 | 否 | $0.65 |
| Vidu (Shengshu) | Cascaded Diffusion | — | — | 是 (1080p, 24fps) | 每视频$2.10 |
数据要点： 表格揭示了清晰的权衡：具备视频生成能力的模型（Zhipu、Shengshu）推理成本更高，但解锁了广告和内容创作的全新收入流。纯文本模型如Baichuan2和Kimi更便宜，但可触达市场更窄。赢家很可能是那些能在保持质量的同时降低视频推理成本的公司。
在开源方面，中国生态系统贡献显著。GitHub上的GLM-4-9B-Chat模型已超过15,000星标，其官方仓库提供了完整的智能体框架（GLM-Agent），集成了工具使用、代码执行和多轮规划。同样，阿里云团队的Qwen2.5-72B-Instruct模型已成为企业微调的热门选择，拥有超过8,000星标，社区活跃贡献针对金融和医疗的LoRA适配器。
关键玩家与案例研究
Zhipu AI 可以说是技术上最具雄心的玩家。在阿里和腾讯4亿美元B轮融资的支持下，Zhipu构建了全栈平台：GLM-4基础模型、CogVideoX视频生成模型，以及用于构建自主智能体的AgentLM框架。其企业产品“智谱企业大脑”已被招商银行用于自动化风险评估报告，将人工分析时间减少了70%。Zhipu 1200亿人民币的估值正是基于这种垂直整合——他们不仅出售API token，而是销售端到端解决方案。
Moonshot AI 则采取了消费者优先的策略。其Kimi聊天机器人支持200万token上下文窗口，已成为中国最受欢迎的独立AI应用，月活跃用户达4500万。Moonshot 800亿人民币的估值主要基于用户增长和参与度指标。然而，变现仍是问题：Kimi的高级订阅（每月12美元）转化率仅为3%，意味着公司严重依赖风险投资来覆盖估计为每百万token 0.65美元的推理成本。这是一种经典的“圈地”策略，但盈利路径尚不清晰。
Shengshu Technology 代表了新一代“垂直AI独角兽”。专注于视觉生成，Shengshu已与字节跳动（用于TikTok广告创作）和网易（用于游戏资产生成）签订合同。其年化收入估计为5000万美元，毛利率达65%——与Moonshot的负毛利率形成鲜明对比。Shengshu 500亿人民币的估值有实际收入支撑，使其成为高估值初创公司中最具防御性的一家。
| 公司 | 估值（十亿人民币） | 主要收入来源 | 年化收入（估） | 毛利率 | 关键投资者 |
|---|---|---|---|---|---|
| Zhipu AI | 120 | 企业解决方案 | $1.2亿 | 55% | 阿里、腾讯 |
| Moonshot AI | 80 | 消费者订阅 | $3000万 | -20% | 阿里、红杉中国 |
| Shengshu Tech | 50 | 视觉生成API | $5000万 | 65% | 阿里、高瓴 |
| Baichuan | 60 | 企业API | $4000万 | 45% | 腾讯、小米 |
数据要点： 收入与估值之比揭示了严峻的现实。Zhipu AI的估值是其年化收入的100倍，而Moonshot AI的估值高达收入的267倍。相比之下，Shengshu的估值仅为收入的100倍，但凭借65%的毛利率和实际合同，其商业模式更为可持续。市场显然在奖励那些能将技术转化为实际收入的公司，而非仅仅依赖用户增长。
投资者逻辑转变
此轮估值飙升背后，投资者逻辑发生了根本性转变。2023年，中国AI初创公司的估值主要基于团队背景、技术论文和开源贡献。到2024年，焦点已转向商业化能力。一位参与多轮融资的匿名风险投资人告诉AINews：“我们不再为参数数量或基准分数买单。我们为收入、毛利率和客户留存买单。”
这种转变在估值倍数中显而易见。Zhipu AI的1200亿估值对应约100倍年化收入，而Moonshot AI的800亿估值对应267倍。尽管倍数看似极端，但与中国SaaS公司（通常交易在5-10倍收入）相比，AI公司享有溢价，因为市场预期其收入将呈指数级增长。然而，风险在于：如果增长未能实现，估值可能迅速收缩。
未来展望与风险
中国AI估值狂潮远未结束，但分化正在加剧。拥有实际收入、高毛利率和清晰商业化路径的公司（如Shengshu和Zhipu）可能继续吸引资本。而那些依赖用户增长但缺乏变现策略的公司（如Moonshot）可能面临估值修正。
关键风险包括：
- 监管不确定性：中国对AI生成内容的监管可能限制视频生成等领域的商业化。
- 竞争加剧：百度、阿里和腾讯等科技巨头正在大力投资自己的AI模型，可能挤压初创公司的空间。
- 技术瓶颈：尽管MoE架构提高了效率，但进一步扩展模型规模的成本正在上升，可能限制小型玩家的竞争能力。
最终，这场“资本高考”将筛选出真正的赢家：那些不仅能构建强大模型，还能将其转化为可持续业务的公司。对于投资者而言，关键在于区分技术炫技与商业实质——而这正是当前估值狂潮中最难回答的问题。