智通財經APP獲悉，方正證券發布研報稱，大模型產業正在由「更強的模型」走向「更便宜、更可靠、更可調用的智能供給」，能力仍是基礎，但產業價值的決定因素正在從模型本身向任務經濟、工作流控制權、專有反饋閉環與資本效率延伸。基礎模型仍具備平台價值，但並非所有模型公司都能夠成為平台;中國市場重點關注國產加速器真實TCO、海外Token使用結構、API對私有化部署的替代速度以及Coding/Agent向平台能力擴展的可行性，科技巨頭則需重點觀察AI資本開支對應的算力利用率、收入增長和自由現金流回報。

方正證券主要觀點如下：

從技術演進來看，大模型的競爭已經不再只是擴大參數規模，而是圍繞能力、效率與真實環境驗證形成系統性迭代。Transformer仍是當前主幹架構，MoE、稀疏化、長上下文、後訓練、推理時計算以及工具與檢索等技術不斷提升模型的計算效率和任務能力，多模態也進一步向全模態演進。與此同時，模型能力的生產逐漸由「算力×數據×算法」轉向「算力×數據×算法×工程閉環」，真實任務中的驗證、反饋與迭代成為能力持續提升的重要來源。

能力提升和成本下降進一步改變了大模型的商業化方式，產業價值開始從模型輸出本身向任務結果和工作流遷移。Token仍是智能服務供給的基礎計量單位，但衡量模型經濟性的關鍵逐步轉向每成功任務成本及其對應的客戶價值。隨着商業化由API向MaaS、Agent和任務結果計費演進，模型與企業工作流、雲平台及終端入口的結合不斷加深，長期價值也由單純提供模型能力逐步轉向獲得穩定生產負載、工作流控制權和默認調用權。

在此基礎上，中美大模型產業形成了不同的競爭路徑，而公司的長期價值取決於其能否將自身資源稟賦轉化為持續的能力優勢和商業優勢。美國主要公司依託算力、雲、開發者生態及全球入口，在前沿模型、企業工作流、基礎設施和開源生態等方向形成差異化佈局;中國廠商則在供給約束下更加重視成本效率、產業場景、本地化服務與國產算力適配。由此，判斷一家模型公司的競爭力不能只看模型能力，還需要結合客戶、生態、入口及資本投入能力進行綜合判斷。

因此，大模型公司的估值邏輯也需要從「技術領先」進一步轉向「價值捕獲」，核心在於判斷能力優勢能否持續轉化為收入、工作流控制權和資本回報。本篇據此建立覆蓋能力持續性、單位任務經濟、收入質量、工作流控制權、數據閉環、生態入口與資本效率的七維估值框架，並進一步建立動態跟蹤體系，將模型能力、生產負載、默認調用權及資本效率納入持續觀察。

風險提示：宏觀環境及監管政策變化風險;AI產業發展及商業化不及預期風險;相關公司競爭及資本投入回報不及預期風險。