> **来源：[研报客](https://pc.yanbaoke.cn)** # 如何挑选AI应用公司？总结 ## 核心内容 本文围绕如何挑选AI应用公司展开，重点分析了AI时代下企业的定价逻辑与应用价值的重新评估。文章提出了一种基于“Token经济学”的评估框架，将AI应用公司的价值分为算力层、模型层和应用层三个维度，并结合“护城河”与“成长性”的双轴评估体系，为投资者提供系统性的判断工具。 ## 主要观点 ### 1. Token经济学与价值增值逻辑 AI应用公司的价值可以通过Token的三个层面进行衡量： - **算力层**：Token的物理生产。算力基础设施是Token的铸币机，其定价锚点是每Token的推理与训练成本。超额收益来自资源稀缺性或规模领先带来的成本优势。 - **模型层**：Token的智能密度。同等数量的Token，承载的信息质量因模型能力不同而产生显著差异。加价逻辑在于智能密度溢价。 - **应用层**：Token的场景转化率。其核心价值是将行业私有数据与专业Know-how注入Token的使用过程，提升单位Token投入所能兑现的业务价值。加价逻辑是私有数据×行业 Know-how。 ### 2. 破除核心误判 文章指出，当前市场对AI应用公司的认知存在两个主要误判： - **误判一**：企业IT预算有限，算力支出激增将挤压软件采购预算。 - **观点**：企业整体IT投入在增加，AI Agent原生应用正在争夺传统软件预算以及企业的人力、营销和运营预算。AI应用的收费来源从采购预算迁移至业务超额收益，开启了更大的增量市场。 - **误判二**：AI Coding能力提升后，企业可自行开发应用，无需外购。 - **观点**：AI Coding解决的是代码生成问题，而非应用价值本身。企业AI应用的价值在于行业数据积累、工程化判断和效果承诺能力。AI Coding使代码生成成本趋近于零，反而强化了垂直应用厂商的竞争优势。 ### 3. AI应用公司双轴评估框架 #### 护城河：五维防御评估体系 | 维度 | 核心评估问题 | 强信号 | 弱信号 | |------|--------------|--------|--------| | 客户粘性 | 客户是否持续扩大购买？ | KA客单价年增 > 20%; 合同负债增速 > 收入增速 | 高度依赖新客; 客单价停滞 | | 数据时间资产 | 竞争对手需多少年追上？ | 深耕 > 10年; 独占数据渠道; 高标注成本 | 行业数据通用无独占性 | | 私有化部署性质 | 是护城河还是负担？ | 监管强制型; 毛利率 > 60%; 国产算力适配完成 | 能力不足型; 低毛利; 重度定制 | | 平台化程度 | 能否脱离项目制增长？ | 标准模块复用; 合作伙伴生态成型; CAC下降 | 高度定制; 人员随收入线性增长 | | 场景暴露度 | 场景是否有天然保护？ | 高监管、多系统集成、错误代价极高 | 高频标准化; 通用大模型原生可做 | #### 成长性：三维评估体系 - **纵向渗透空间**：衡量在已有客户群体中收入天花板的远近。AI平台卖“数字劳动力”，客单价天花板显著高于传统软件。评估信号包括头部客户用量是否仍在加速、产品矩阵中是否存在未货币化的场景。 - **横向扩张可行性**：衡量底层技术平台的迁移性。评估重点包括底层技术是否行业无关（如Agent框架、知识中台等）、是否有跨行业复制的财务证据、出海商业模式是否具有普适性。 - **AI共振系数**：衡量基础模型能力每提升一代，公司能解锁多少新场景。重点关注能力阈值跳变，例如模型准确率从90%提升至99%，是否能实现从“人工辅助”到“无人值守”的跃迁，释放市场空间。 ## 关键信息 - AI应用公司价值体现在Token的三个维度：算力、模型、应用。 - AI应用的收费来源正从采购预算迁移至业务超额收益，创造增量市场。 - AI Coding并不削弱垂直应用厂商的价值，反而可能增强其竞争优势。 - 护城河与成长性是挑选AI应用公司的两大核心维度，需综合评估。 - 投资建议关注业绩成长性高、估值低位、已有按Token消耗量或按结果付费收入的优质AI应用公司。 ## 投资建议 - AI数据服务商提出Token化收费模式，受到资本市场认可。 - 仍有更多优质AI应用公司估值处于低位，具备挖掘价值潜力。 - 业绩成长性高、估值低位、已有按Token消耗量/按结果付费收入的AI应用公司有望获得市场关注。 ## 风险提示 - 宏观经济波动 - 技术进步不及预期 - 中美竞争加剧