AI公司为何一边缺钱一边分拆?Token经济账正在重写估值逻辑

AI 行业正在经历一次不太容易被一句话概括的转向: 模型能力仍是焦点, 但资本市场更关心的 , 已经从“谁的模型更强”变成“谁能用更低成本把能力变成收入”。在算力开支持续攀升、头部公司频繁融资和大厂 AI 资产分拆的背景下,Token 背后的经济账, 正在成为理解 AI 产业的新入口。

📌 算力竞赛推高资金压力

大模型竞争的底层成本, 正在从软件研发扩展为芯片、数据中心、电力和云服务组成的重资产体系 。材料中提到, 谷歌、微软、Meta、亚马逊等巨头的资本支出均处于高位,OpenAI 也背负着庞大的未来算力支出承诺。

这意味着 AI 与传统互联网的成本曲线并不相同。 社交、搜索等业务在用户规模扩大后 , 边际成本往往会下降; 但生成式 AI 调用越频繁, 推理消耗越高,Token 越多, 成本压力也越明显。

🔍“循环收入”让估值更受审视

当前 AI 融资中, 一个值得关注的现象是云服务、投资与营收之间的关系变得更复杂 。材料提到, 部分投资并非完全以现金形式体现, 而可能通过云资源、算力额度等方式进入合作闭环。

这种安排可以帮助模型公司获得训练和推理资源, 也能提升云厂商的收入表现 。但当投资人开始更关注自由现金流和真实盈利能力时, 单纯依靠高估值、高订单、高投入维持增长叙事, 将面临更严格的检验。

💡 分拆让 AI 资产重新定价

另一条主线是大厂 AI 业务的独立化。 材料中提到 , 快手可灵 AI、百度昆仑芯等案例受到市场关注, 核心原因并不只是业务本身变化, 而是“放在集团报表里”和“作为独立公司融资”会对应完全不同的估值逻辑。

在集团内部,AI 业务常被视为战略投入项 , 研发、算力和数据成本会拖累整体利润表现; 一旦独立, 市场更容易按照成长性、稀缺性和未来融资空间给予定价。

• 技术门槛: 是否具备自研模型、芯片或多模态能力。
• 场景验证: 是否已经在视频、办公、搜索、内容生产等场景形成使用规模。
• 资本路径: 是否具备后续融资、并购或上市想象空间。

📊 行业叙事从模型崇拜转向价值兑现

过去两年,AI 行业的关注点高度集中在参数、榜单和模型能力上 。但随着算力、电力和数据中心建设成本上升, 市场正在追问更现实的问题: 这些能力能否稳定转化为收入? 能否改善企业效率? 能否支撑可持续商业模式?

🚀 值得关注的三条主线

• 头部 AI 公司仍会持续融资, 但资金用途将更多指向算力和基础设施。
• 大厂可能继续推动 AI 资产独立化, 以释放被集团估值压制的业务价值。
• AI 商业化将从“展示能力”进入“衡量回报”,Token 成本、推理效率和付费转化会变得更关键。