广告
加载中

一级市场的月之暗面和DeepSeek 估值叙事「溢价」从何而来|估值叙事17

主编24小时在线 2026-07-20 11:12
主编24小时在线 2026/07/20 11:12

邦小白快读

EN
全文速览

本文梳理了当前一级市场两家头部中国AI大模型公司月之暗面、DeepSeek的产品与估值核心信息,干货整理如下:

1.核心产品信息:月之暗面推出的Kimi K3拥有2.8万亿参数,支持100万token上下文,性能评分接近Opus 4.8和GPT-5.5,编码排名超越多个海外头部模型,后续会开源模型权重;DeepSeek的V4模型计算效率大幅提升,调用量位居全球前列,低价仍能维持50%以上毛利率。

2.核心估值情况:月之暗面半年估值上涨超7倍,当前投前估值315亿美元;DeepSeek一个月内估值上涨36%至740亿美元,两家公司估值都接近甚至超越二级市场可比标的。

3.未来趋势:两家公司上市后将面临增速季度检验、解禁供给冲击,估值倍数大概率下行,最终业绩增长能否跑赢估值收缩仍待验证。

当前AI大模型行业发展快速,资本热度高,呈现出多个明确的行业趋势,对品牌商布局AI有较高参考价值,整理如下:

1.行业与消费趋势:当前行业核心叙事已经转向大模型编码能力、Agent开发、算力效率方向,用户与开发者对大模型长上下文、推理速度要求持续提升,国产大模型在全球市场的调用量已经超过美国厂商,本土化适配的需求愈发凸显。

2.定价成本趋势:AI推理价格出现大幅下降,中端价格带二季度经历了95%的价格通缩,峰谷定价等灵活商业化定价模式开始应用,品牌商落地AI应用的成本正在快速降低。

3.产品布局提示:盲目做多线全模态布局反而容易被市场质疑,聚焦核心性能突破的玩家更容易获得资本和用户认可,品牌商布局AI应当聚焦自身核心需求,避免铺张浪费。

当前国内AI大赛道处于资本和技术双增长的阶段,给AI相关卖家带来了明确的机会和风险提示,整理如下:

1.市场机会:国产大模型性能快速提升,多数适配国产算力,开源模型逐步成熟,卖家开发AI应用的技术与算力成本大幅降低,可依托头部厂商的API快速落地产品;当前资本和市场都更认可聚焦核心赛道的玩家,聚焦编码、Agent等方向的项目更容易获得资源支持。

2.风险提示:当前行业一级市场估值存在明显溢价泡沫,最终需要二级市场业绩检验,推理价格持续通缩,价格竞争激烈,卖家需要重点控制成本、提升变现效率;未来行业估值倍数会随增长逐步下行,所有玩家都需要做好业绩增长规划,应对上市后的解禁和检验压力。

AI大模型技术的快速发展,给工厂推进数字化转型、挖掘商业机会带来了多方面启示,整理如下:

1.技术落地条件已经成熟:当前大模型的多模态能力、长上下文能力已经可以支撑工厂研发设计、流程优化、质量检测等多种场景需求,国产大模型性能提升、推理价格下降,适配本土算力,安全性更有保障,工厂搭建定制化AI系统的成本已经大幅降低。

2.商业机会:工厂可以依托大模型技术升级现有产品与生产流程,增加AI设计、智能服务等功能,提升产品竞争力;符合国产AI替代方向的项目更容易获得资本支持,转型的融资门槛也在降低。

3.方向启示:不需要盲目铺全栈式布局,聚焦自身生产场景的核心需求落地技术,更容易获得实际收益,可对标头部厂商的聚焦策略推进转型。

当前国内AI大模型行业快速发展,呈现出明确的行业趋势与客户痛点,给服务商带来了新的发展方向,整理如下:

1.行业发展趋势:一级市场资本持续加注头部国产大模型,国产大模型的全球市场调用量已经超过美国厂商,行业核心竞争点转向模型性能、算力效率、商业化变现能力,技术迭代速度加快,推理价格持续下降。

2.核心客户痛点:大模型厂商研发需要大量算力投入,对国产算力适配、资本运作、上市辅导的需求强烈;中小AI开发者对低成本、高性能的模型部署与调试服务需求旺盛。

3.解决方案方向:服务商可以针对性推出大模型算力优化、上市辅导、商业化定价咨询等面向大厂的服务,以及面向中小开发者的模型微调、部署配套服务,抓住国产大模型发展的行业红利。

当前AI大模型行业的发展变化,给平台型企业带来了多方面的运营与招商启示,整理如下:

1.市场需求变化:开发者对开源大模型、低成本高性能国产大模型API的需求快速增长,国产大模型调用量已经超过美国厂商,平台需要调整引入策略,加大对优质头部国产大模型的扶持力度,更好满足开发者需求。

2.运营管理提示:大模型行业技术迭代快,估值波动大,待上市厂商面临业绩检验、解禁冲击等风险,平台需要完善信息披露机制,向投资者提示估值风险,引导理性定价,规避行业大幅波动带来的平台风险。

3.招商方向:当前市场和资本都认可聚焦核心性能、符合国产替代方向的大模型项目,平台可以将这类项目作为重点招商对象,同时推出匹配不同阶段厂商需求的定价、运营工具,提升平台竞争力。

本文梳理了中国AI大模型一级市场的最新发展与估值情况,呈现出多个产业新动向与新问题,整理如下:

1.产业新动向:国内头部一级市场大模型公司月之暗面、DeepSeek估值在半年内大幅上涨,当前估值已经接近甚至超越二级市场可比标的,国产大模型性能快速提升,全球调用量已经超过美国厂商,行业核心叙事从全模态布局转向编码能力、算力效率与商业化增速。

2.估值与商业模式新特征:当前一级市场大模型估值存在明显的叙事溢价,分为两类:月之暗面是可跟踪验证的财务性溢价与性能溢价,DeepSeek则包含技术影响力、地缘战略价值的非财务性溢价,高估值本质是为未来未发生的增长预支定价。

3.待研究新问题:中美大模型能力差距是否会重新拉大,高估值预支背景下业绩增长能否跑赢估值收缩,开源大模型对全球AI行业格局的影响,都是值得深入研究的新方向。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article summarizes key product and valuation information about the two leading Chinese large language model (LLM) startups in the primary market: Moonshot AI and DeepSeek. Key takeaways are as follows:

1. Core product updates: Moonshot AI’s Kimi K3 features 2.8 trillion parameters and supports 1 million tokens of context window. Its performance score is close to Opus 4.8 and GPT-5.5, and it outranks many leading overseas models in coding benchmarks. The company plans to open-source its model weights. DeepSeek’s V4 model has seen significant improvements in computing efficiency, ranks among the top globally in API call volume, and maintains a gross margin of over 50% even with low pricing.

2. Key valuation updates: Moonshot AI’s valuation has surged more than 7 times in six months, reaching a pre-money valuation of $31.5 billion. DeepSeek’s valuation rose 36% in one month to $74 billion. Valuations of both companies are now close to, or even exceed, their comparable listed peers in the secondary market.

3. Future outlook: After going public, both companies will face quarterly growth scrutiny and supply pressure from share lock-up expirations. Their valuation multiples are likely to decline, and it remains to be seen whether their revenue growth can outpace valuation contraction.

The LLM industry is growing rapidly with strong capital interest, and several clear industry trends have emerged that hold high reference value for brands looking to integrate AI:

1. Industry and consumer trends: The industry’s core narrative has shifted to model coding capabilities, Agent development, and computing efficiency. Users and developers are increasingly demanding longer context windows and faster inference. Domestic Chinese LLMs now surpass U.S. providers in global call volume, and demand for localized model adaptation is growing more prominent.

2. Pricing and cost trends: AI inference prices have dropped sharply, with the mid-tier price segment seeing 95% price deflation in the second quarter. Flexible commercial pricing models such as peak-valley pricing have started to be adopted, rapidly lowering the cost for brands to implement AI applications.

3. Guidance for product strategy: Blindly pursuing a full-line, multi-modal layout is more likely to raise market skepticism, while players that focus on core performance breakthroughs gain more recognition from capital and users. Brands should align their AI布局 with their own core business needs to avoid unnecessary waste.

China’s LLM sector is currently experiencing simultaneous growth in capital and technology, bringing clear opportunities and risk warnings for AI-related sellers:

1. Market opportunities: Domestic LLMs have improved rapidly in performance, most are compatible with domestic computing infrastructure, and open-source models are steadily maturing. This has significantly lowered the technology and computing costs for sellers to develop AI applications, allowing them to launch products quickly via APIs from leading LLM providers. Both capital and the market currently favor players focused on core niche segments, so projects centered on coding and Agent development are more likely to secure resources.

2. Risk warnings: There is clear valuation froth in the primary market for LLMs, which will eventually need to be validated by secondary market performance. Persistent inference price deflation has led to fierce price competition, so sellers must prioritize cost control and improve monetization efficiency. Valuation multiples will decline as the sector matures, so all market participants need to plan for sustained growth to prepare for post-IPO scrutiny and lock-up expiration pressure.

The rapid advancement of LLM technology has provided multiple insights for factories pursuing digital transformation and new business opportunities:

1. Technology implementation conditions have matured: LLMs’ multi-modal and long context capabilities can now support a range of factory use cases including R&D design, process optimization, and quality inspection. Improved performance, lower inference prices, compatibility with domestic computing infrastructure, and stronger data security have significantly cut the cost for factories to build customized AI systems.

2. Business opportunities: Factories can leverage LLM technology to upgrade existing products and production processes, adding AI-enabled design and intelligent services to boost product competitiveness. Projects aligned with China’s domestic AI substitution trend are more likely to gain capital support, lowering the financing barrier for transformation.

3. Strategic guidance: Factories do not need to blindly pursue a full-stack layout. Focusing technology implementation on core demands of their own production scenarios is more likely to deliver tangible returns, and factories can follow the focused strategy adopted by leading LLM players to推进 their transformation.

China’s LLM industry is growing rapidly, with clear industry trends and emerging client pain points that open up new development directions for service providers:

1. Industry development trends: Primary market capital continues to flow into leading domestic LLMs, which have already surpassed U.S. LLM providers in global call volume. Industry competition now centers on model performance, computing efficiency, and commercial monetization capability, with faster technology iteration and steadily falling inference prices.

2. Core client pain points: LLM developers require massive capital investment in computing power, and have strong demand for domestic computing adaptation, capital operation services, and pre-IPO advisory. Small and mid-sized AI developers have strong demand for low-cost, high-performance model deployment and debugging services.

3. Solution directions: Service providers can capture the industry dividend of domestic LLM growth by launching tailored offerings: including computing power optimization, pre-IPO advisory, and commercial pricing consulting for large LLM firms, as well as model fine-tuning and supporting deployment services for small and mid-sized developers.

Recent developments in the LLM industry have brought multiple insights on operations and business development for platform companies:

1. Shifting market demand: Developer demand for open-source LLMs and low-cost, high-performance domestic LLM APIs is growing rapidly, and domestic LLMs now exceed U.S. providers in total call volume. Platforms should adjust their sourcing strategies to increase support for high-quality leading domestic LLM providers to better meet developer demand.

2. Operational guidance: The LLM industry features fast technology iteration and large valuation volatility, and pre-IPO players face risks including growth scrutiny and post-lock-up share supply shocks. Platforms should improve information disclosure mechanisms, alert investors to valuation risks, and encourage rational pricing to mitigate platform risks stemming from sharp industry volatility.

3. Business development priorities: Both the market and capital currently favor LLM projects that focus on core performance and align with domestic AI substitution trends. Platforms can prioritize these projects for招商, while rolling out pricing and operational tools tailored to the needs of LLM firms at different growth stages to enhance platform competitiveness.

This article summarizes the latest developments and valuations of Chinese LLMs in the primary market, highlighting new industry dynamics and open research questions:

1. New industry dynamics: Valuations of the two leading primary market LLM players, Moonshot AI and DeepSeek, have surged dramatically over the past six months, and their current valuations are already close to, or even exceed, comparable listed peers. Domestic LLMs have improved rapidly in performance, surpassing U.S. models in global call volume, and the industry’s core narrative has shifted from full multi-modal布局 to coding capability, computing efficiency, and commercial growth rate.

2. New features of valuation and business models: Primary market LLM valuations currently carry clear "narrative premiums", which fall into two categories: Moonshot AI’s premium is trackable, verifiable financial and performance-based, while DeepSeek’s valuation includes non-financial premiums tied to its technical influence and geostrategic value. High valuations are essentially advance pricing for future unproven growth.

3. Open research questions: Key directions for future research include whether the capability gap between Chinese and U.S. LLMs will widen again, whether revenue growth can outpace valuation contraction against the backdrop of pre-paid high valuations, and how open-source LLMs will shape the global AI industry landscape.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

作者:MD

出品:明亮公司

稍早前,月之暗面(MoonShot AI)发布了其最新版本的模型Kimi K3,凭借在各项评分上的领先表现,引起资本市场的高度关注。据月之暗面在X上的介绍,K3是一款拥有2.8万亿参数的多模态模型,支持100万token上下文,具有原生视觉能力,并采用多项创新技术。

Artificial Analysis称,Kimi K3在Artificial Analysis智能指数(Artificial Analysis Intelligence Index)上得分为57。其智能水平可与Opus 4.8和GPT-5.5相当,但仍落后于Fable 5和GPT-5.6 Sol。月之暗面已表示计划发布这个2.8T参数模型的权重,这将使其成为领先的开源模型。

在AI Arena Code的排名上,K3甚至领先于Anthropic的Fable 5、Gpt5.6-sol以及智谱的GLM-5.2(max)。此前月之暗面完成最后一轮融资,投后估值约为315亿美元,如果仅以榜单性能排名来看,月之暗面这一估值水平远低于Anthropic和OpenAI。

在一级市场同样备受关注的中国AI公司还有DeepSeek。据The Information与彭博援引知情人士报道,DeepSeek正以740亿美元估值推进第二融资,距其首轮543亿美元投前估值敲定仅一个月。

从估值的角度来看,DeepSeek和月之暗面两家一级市场的公司,正在接近甚至超越二级市场的可比标的。也许是因为受限于一级市场的流动性和信息透明度,智谱和MiniMax经过公开市场半年多的连续定价,叙事共识已经相当清晰——无论是市场奖励的还是惩罚的;而DeepSeek和月之暗面的估值虽然更激进,围绕它们的叙事却并未完全形成。

二级市场两家公司的叙事:Coding性能和ARR增速斜率

智谱(02513.HK)和MiniMax(00100.HK)的上市,为中国独立模型厂商提供了一个估值线。如果按照P/ARR来看,其叙事清晰度和ARR增速决定溢价幅度。

今年1月港股上市以来,智谱股价飙升逾1000%,市值约920亿美元。支撑这个价格的是一条罕见陡峭的收入曲线:ARR从1月的0.67亿美元增至7月的10亿美元,7个月增长15倍,提前半年完成全年目标——多家券商指出,这一斜率超过了Anthropic当年15个月完成1亿到10亿美元ARR的纪录。36Kr的最新信息显示,智谱的ARR已经达到10亿美元,远快于年底达到10亿美元的预期。

MiniMax市值已从上市高点约4100亿港元回撤约75%至约810亿港元,隐含P/ARR约13倍,「明亮公司」近期已经讨论过MiniMax估值叙事的挑战:当行业主线转向Coding与Agent,MiniMax“全模态、C+B双轮”的多线布局反而成了市场质疑的对象。

一级市场融资积极

DeepSeek的首轮融资于5月底签署:规模超500亿元人民币,约74亿美元,创中国AI大模型史上最大单轮。

据The Information,公司在首轮路演中明确告知投资者:无意将模型商业化,专注前沿研发,没有明确IPO时间表。梁文锋在首轮融资正式完成前就已开始筹划第二轮。这一轮的条款发生了根本性转向:估值升至740亿美元,较首轮跃升约36%。

The Information还称,DeepSeek已聘计划今年递交申请、2027年在上海科创板上市。推动这一切的核心因素,是模型研发所需的巨大算力开支。

月之暗面的融资节奏同样罕见:2025年底投后估值仅43亿美元;2026年5月完成20亿美元融资,投后200亿美元,6月30日新一轮启动,投前估值315亿美元,半年估值上涨超7倍。

DeepSeek和月之暗面都拿到了很高的一级市场估值,但支撑估值的逻辑似乎并不一样。前者更多依赖调用量、技术影响力和效率工程;后者更像是在复刻Anthropic早期收入曲线。

据知情人士向The Information透露,DeepSeek近期年化收入已达4亿-5亿美元,主要来自API服务;按上限5亿美元计算,740亿美元估值对应约148倍P/ARR——不仅是四家中国公司中最贵,也远超众多美国AI初创企业。

如果分析来看,支撑这个倍数原因可能来自三个方面。

第一是调用量。

招银国际7月3日报告显示,截至6月22日当周,DeepSeek以6.7万亿tokens位居OpenRouter平台全球首位,超过Anthropic的4.25万亿;2026年二季度OpenRouter总调用量从约21万亿增至46.66万亿tokens,单季翻倍,增长主要由中国开源模型贡献,中国厂商合计调用量已超过美国厂商。

从OpenRouter最新一周的市场份额排名来看,DeepSeek也仅次于谷歌,排名市场份额第二。

第二是效率工程。V4在百万token上下文场景下单token计算量仅为上一代的1/20,V4-Pro性能比肩顶级闭源模型,长江证券评估其接近Claude非思考模式水平。

第三是被验证的UE。据彭博,尽管其API收费仅为OpenAI和Anthropic的零头,V4的销售毛利率仍维持在50%以上——低价不等于低毛利,这是“算力效率”叙事完成财务验证的关键数据点。

此外,在战略方向上,公司7月中旬上线V4正式版并引入峰谷定价机制——这是其第一次带有明确商业化意图的定价动作;V4深度适配华为昇腾、寒武纪等国产算力,叠加国家AI基金的直接持股,其“国产算力闭环模型层锚点”的战略定位清晰可见。

再来看月之暗面。

其315亿美元投前估值对应约105倍P/ARR,若采用野村专家电话会上的专家给出的4亿-5亿美元ARR口径,则约70倍。而随着Kimi K3的发布,市场普遍期待三至四季度发布的K3模型打开新的定价空间。

多家券商将月之暗面的收入曲线类比Anthropic早期:开发者调用放量、API占比提升、海外付费增长、模型迭代带动价格体系上移。

野村7月6日的专家电话会纪要显示,专家预计其ARR年底可超10亿美元。但从公开信息渠道来看,杨植麟从未谈过“年底ARR 10亿美元”的目标。

叙事的溢价:从何而来,到二级市场又将面对什么?

对比智谱约100倍与MiniMax约13倍的公开市场定价,两家一级公司的溢价来源截然不同。

至少从之前的估值来看,月之暗面的溢价更偏向于是“财务性溢价”和“性能溢价”。

若年底ARR果真达到10亿美元,315亿估值对应的forward倍数仅约30倍——比智谱现值口径便宜;投资人同时在赌“复制智谱路径”的上市重估。智谱一级最后一轮估值137亿美元,上市后市值一度超1000亿美元。

这类溢价可证伪、可跟踪,每个月的ARR数据都在检验它。

而对比月之暗面,DeepSeek的溢价存在 “非财务性溢价”部分:调用量、架构定义权构成的技术影响力溢价、国家战略稀缺性带来的地缘期权、梁文锋个人出资200亿元形成的“创始人信仰”背书……等等,尤其是“DeepSeek时刻”对于中国资产重估所产生的影响,目前来看仍无法被其他厂商复制。

148倍的静态倍数无法用任何现金流模型自洽,投资者购买的是“当商业化开关完全打开时,它有能力做成Anthropic级别营收”的信念。

然而,当这两家公司走向IPO,将直面公开市场的连续定价机制,也将使其估值逻辑面临一些变化,甚至是压力。

首先增速的季度化检验。一级市场可以为“叙事”付费,二级市场越来越为 “兑现”付费。MiniMax上市初期市场也曾给出约65倍P/ARR,随着行业叙事转向Agent、其变现路径受到质疑,估值被磨去四分之三。

DeepSeek所处的中端价格带在二季度经历了95%的推理价格通缩。招银国际数据显示,智能指数40-50分区间最优调用价从3月的1.2美元/百万tokens降至6月的0.058美元。“调用量第一”能否持续转化为收入增长,将是每份季报的必答题。

第二个方面,是供给端的解禁压力。智谱与MiniMax在7月解禁周分别下跌8.5%和22.5%,随即进行合计逾400亿港元的配售——这种“解禁-配售”的供给冲击,将同样等待着未来上市的DeepSeek和月之暗面。

最后则是重是估值坐标系的统一,比如"单token变现率"会成为直接可比较的指标。

此外,在叙事层面,现阶段中国模型公司绕不开的一个对标对象,便是Anthropic。

Anthropic于5月28日以9650亿美元投后估值完成650亿美元H轮融资,并已保密递交IPO申请。其ARR从2025年底的90亿美元增至2026年5月的470亿美元。

据Jefferies引述SemiAnalysis,其7月ARR将超600亿美元,净收入留存率约500%,API毛利率超80%,预计三季度实现GAAP经营利润超10亿美元。

按470亿美元ARR计算,9650亿估值对应约20倍P/ARR。OpenAI同样已保密递交IPO申请,ARR约250亿美元——曾经的绝对领跑者,收入规模已被Anthropic反超。

Anthropic的估值倍数从ARR 1亿美元时的184倍,一路压缩至如今的约20倍。这意味着DeepSeek的148倍和月之暗面的105倍,本质上是在为“尚未发生的收入增长”预支估值——倍数下行是确定的,唯一的变量是ARR上行能否跑赢倍数收缩。智谱7月ARR达成10亿美元后,其现值倍数已自动从年初水平大幅消化。

此外在“地缘竞争层面”,Jefferies在7月13日的报告中提示,随着下半年美国厂商获得更多新一代算力、叠加反蒸馏机制,中美模型能力差距存在重新拉大的可能。当前中国模型的全部估值逻辑——从智谱的100倍到DeepSeek的148倍——都隐含着“能力差距持续收窄”的前提,至少K3的发布从目前来看,某种程度上抵消了“能力差距拉大”的判断。

目前无论是从融资估值还是模型的性能,月之暗面和DeepSeek表现乐观。

注:文/主编24小时在线,文章来源:明亮公司(公众号ID:suchbright ),本文为作者独立观点,不代表亿邦动力立场。

文章来源:明亮公司

广告
微信
朋友圈

FAQ回顾

一级市场AI企业月之暗面和DeepSeek当前估值是多少?

截至2026年6月,月之暗面新一轮融资投前估值约315亿美元,半年内估值上涨超7倍。DeepSeek正以740亿美元估值推进第二轮融资,较首轮543亿美元投前估值跃升约36%,两家估值已接近甚至超越部分二级市场可比AI标的。

DeepSeek的高估值主要靠什么支撑?

支撑DeepSeek高估值的核心因素有三点:一是调用量表现亮眼,位居OpenRouter平台全球首位,市场份额仅次于谷歌;二是效率工程优势突出,V4模型百万token上下文场景单token计算量仅为上一代的1/20;三是UE经过验证,V4销售毛利率维持在50%以上,还具备国产算力适配的战略稀缺性。

月之暗面的估值溢价有什么特点?

月之暗面的估值溢价偏向财务性溢价和性能溢价,其收入曲线被多家券商类比为Anthropic早期,若年底ARR达到10亿美元,315亿美元估值对应的forward倍数仅约30倍,低于智谱现值口径,投资者同时押注其上市后复制智谱的估值重估行情。

AI大模型企业上市后会面临哪些估值压力?

AI大模型企业IPO后将面临三重估值压力:一是增速季度化检验,二级市场更看重业绩兑现而非概念叙事;二是供给端的解禁与配售带来的股价冲击,参考智谱、MiniMax解禁周的跌幅;三是估值坐标系统一,单token变现率等可量化指标将成为核心估值参考。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0