AI能力趋同后，谁能将AI转化为企业利润引擎，谁才是真正的潜力股

6月17日，智谱在港股市场表现抢眼，涨幅超过14%；紧接着6月18日，其股价再度飙升26%，一举创下上市以来的新高，市值攀升至9336亿港元。

尽管短期股价的波动可能受到市场情绪和资金面的影响，难以简单归因，但若将时间线拉长，不难发现一个更为引人深思的变化正在悄然发生：二级市场对AI公司的估值标准，似乎正在经历一场深刻的变革。

旧估值标准缘何失效

回顾过去两年，AI行业的主流叙事相对清晰：谁的模型更为强大，谁便更具市场价值。参数规模、跑分排名、基准测试成绩，一度成为市场评估AI公司估值的常用标尺。然而，这一逻辑如今正逐渐失去效力。随着开源模型对闭源模型的追赶步伐加快，国内头部大模型之间的能力差距已从“代际差异”缩小至“版本差异”。当大多数玩家都能拿出一个“尚可”的模型时，“模型有多强”本身便难以再支撑起一个具有区分度的估值故事。

模型已从“变量”转变为“常量”，市场因此开始寻找新的估值标尺。这一新标尺的选择，取决于一家公司在AI价值链中所处的位置。

第一层：模型层——售卖能力，关注收入兑现速度

海外市场的标杆是OpenAI、Anthropic，而国内则以智谱、MiniMax等头部大模型公司为代表。这一层级的产品直接售卖“AI能力”，客户通过购买API、调用量来获取服务。此时的定价标尺直观而明确：收入增速、调用规模以及商业化兑现的确定性。

智谱无疑是这一层级中的佼佼者。其在港股市场的强势表现，并非源于“模型评分最高”，而在于其成功地将商业化路径阐述得清晰明了——企业级API收入超出预期，新一代模型的发布进一步带动了需求增长。客观而言，这是一份令人瞩目的阶段性成绩单。

智谱此轮行情的背后，还隐藏着另一层背景：Anthropic最新模型在中国市场的使用受到限制，国产大模型的“供应链安全”价值因此被重新审视。当海外头部模型的可用性出现不确定性时，能够稳定供应的国内模型提供商自然获得了一层额外的战略溢价。智谱在一定程度上被市场视为海外头部模型的国产替代选项——这已不仅仅是“谁的模型强”的问题，更是“谁能稳定供应”的关键。

然而，智谱尚未完全兑现其潜力：目前仍处于大幅亏损状态，其商业化路径能否从“增长预期”转变为“稳定利润”，仍需后续几个季度的财报来验证。智谱的强势表现，恰恰证明了市场的估值标尺已从“模型多强”转变为“收入多快”与“供应多稳”的结合。

第二层：应用层——售卖结果，关注按效果计费的占比

海外市场的标杆企业如Salesforce的Agentforce，其最近一个财年的年化收入达到约8亿美元，同比增速接近170%，且计费方式正从“按账号收费”向“按完成结果收费”转变；前Salesforce联席CEO Bret Taylor创办的Sierra则更为彻底——仅在AI真正解决问题时才收费。这一层级售卖的并非工具，而是“完成的工作”。此时的定价标尺为ARR增速加上按结果计费的渗透率：能够按结果收费，意味着客户认可的是产出而非席位，粘性和议价权均更高。

在这一层级，中国玩家仍在追赶之中，真正能够“按结果计费”的样本并不多见——而这恰恰是观察国内AI应用公司含金量的一把重要标尺。

第三层：协作层——售卖生产力网络，关注上下文护城河的厚度

这是最为稀缺、也最难被现有框架定价的一层。它要解决的不是单个Agent是否足够聪明，而是一个更为工程化的问题：当数十、上百个来源不同的Agent需要在同一家企业内协同工作时，它们之间如何共享上下文、如何互相纠错、人在哪个节点介入。

明略科技正是押注于这一层级的企业。这家计划于2025年11月在港交所主板挂牌（2718.HK）、并获得腾讯、红杉中国等机构股东支持的公司，被市场誉为“全球Agentic AI第一股”。它并未将赌注押在“训练一个更强的基座模型”上，而是自主研发了开源Agent协作平台Octo。

Octo的核心设计是一个“空间—分组—频道”的三层协作结构。空间（Space）对应一个完整的业务环境，分组（Group）将围绕同一任务的多Agent和人编成一个小队，频道（Channel）则是小队内部共享上下文、互相纠错的通信管道。这意味着一个负责竞品分析的Agent能够直接读取同组同事三天前在频道里讨论过的相关判断，而非从零开始推理。人在关键节点进行审批和纠偏，但无需盯紧每一步。企业也无需为每一个Agent单独搭建数据管道——新Agent接入后即可复用整个环境里已经沉淀的上下文。

这套打法的真正壁垒，并非在于Agent本身有多聪明，而在于它能够读取到哪些上下文。同一个任务——比如修复一个线上bug——一个孤立的通用Agent与一个能够读取到这家企业历史决策、过往讨论、相关代码与业务背景的Agent，其产出质量将天差地别。而这些上下文是随着每天的真实工作不断积累的资产，外部无法购买、也无法复刻。这正是“上下文即护城河”的含义——它不依赖一次性的技术领先，而是依靠时间累积出的不可复制性。

创始人吴明辉将这套思路概括为“Scaling Out”，与行业更为熟悉的“Scaling Up”（通过堆砌参数来强化单个模型）形成对应：单体能力的边际收益正在逐渐减小，真正稀缺的是让多个专精Agent在持续积累的私域上下文里进行分布式协作。一个可量化的例证是，这套系统目前已在公司内部约1400名员工范围内落地实施，超过2900个Agent在真实工作流中运行——这并非演示数据，而是一家公司通过自身日常运转来验证这套架构能否实现规模化应用。

在端侧能力方面，明略今年4月开源的GUI操作模型Mano-P同样值得关注。该模型使Agent能够直接“看懂”并操作电脑界面——包括点击、填写、跨应用串联等操作——而不仅仅是通过API调用。在OSWorld和ScreenSpot两项基准测试中，Mano-P分别以52.4%和48.1%的得分超越了当时的开源SOTA。它解决的是Agentic AI落地的“最后一公里”问题：企业内大量系统没有API接口，如果Agent只会调用接口而不会操作界面，其能够触达的业务场景将非常有限。从Octo的协作层到Mano-P的执行层，明略构建的是一个“Agent既能协同、又能动手”的完整技术栈。

这一层级的定价标尺最为特殊：不关注单次调用，而是关注上下文资产的累积厚度——使用越频繁、积累越深厚、越难以复制，粘性来源于时间而非一次性交易。

这套“上下文即护城河”的逻辑并非中国独有。美股市场的Palantir正是凭借类似思路脱颖而出的样本——其AIP平台使企业Agent能够接入一个名为“ontology”的业务数字化底座，读取组织自身的文档与历史数据，从而将AI嵌入客户的真实运转中，形成难以复制的高粘性。两者切入的是同一个关键点：AI的价值不在于模型权重之中，而在于模型能够读取到的组织知识之中。区别在于Palantir管理的是结构化数据之间的关系，而明略管理的是Agent之间的协作上下文——前者是数据层的护城河，后者是协作层的护城河。

财报能否支撑这一判断

明略的2025年财报在一定程度上印证了上述逻辑：全年营收约14.26亿元，毛利率从51.6%提升至55.4%，其中刚起步的Agentic Services（智能体化）板块占比虽然只有7%左右，但对毛利率的拉动作用较为明显。公司自身也坦承，客户集中度偏高、研发投入仍需保持高位等问题，是这套打法接下来需要面对的真实挑战。

护城河成为新估值标尺

二级市场在短期内可能会受到市场情绪和资金面的影响而波动不定，但长期来看，它终究是一台称重机——技术能否构筑起壁垒、壁垒能否转化为可持续的收入、收入的确定性是否足够强等问题，最终都会反映在公司的估值上。这一规律对智谱、对明略、对所有AI公司均一视同仁：谁能够将“让AI成为可计费的生产力”这一目标真正实现，谁便更有可能将技术价值沉淀为被市场认可的价值——只是这一过程的实现需要时间，需要一个个季度的真实业绩来铺就道路。

当下的AI竞争格局颇具五代十国之感——各路玩家能力趋近、打法各异，尚未有谁能够真正一统天下。智谱在第一层证明了“售卖AI能力”这一路径的商业化确定性；而明略则押注于一个更具想象力、也更需要耐心验证的方向：将分散的、各自优秀的AI Agent能力通过协作层和端侧执行层串联成一张企业级生产力网络，使AI从成本中心转变为利润生成器。如果这条路能够走通，明略便将成为那座将AI能力转化为商业利润的桥梁——而桥梁的价值往往要在交通繁忙起来之后才会得到充分体现。