20260509-华泰证券-图说研报_如何挑选AI应用公司_3页_1mb

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

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