大模型简史里的估值旧账

这篇文章最有价值的信息是，中国大模型早期先把规模做上去了，却长期没回答“它该变成什么”。投资人看这句话会不舒服。因为很多项目的估值逻辑，建立在默认前提上：能力稀缺，参数巨大，所以值钱。需求没定义时，稀缺只是供给端的自我感动。

我一年看很多AI和机器人项目，常见创始人把模型能力放第一页。现在我更先问估值逻辑是什么，这个赛道天花板在哪。历史已经演示过：模型小，失败只是改参数再跑；到千亿级，失败背后是真实GPU、电费、融资压力。算力从背景被推到台前，不是修辞，是账。

但真正改变估值逻辑的，不是更大，而是模型开始可复制、可压缩、可开放。GLM团队开放权重、代码、训练日志，又把1300亿参数往更便宜机器里塞。开放权重，把“我比你聪明”变成公共资产；低成本部署，把“我比你贵得起”变成成本问题。模型层从稀缺入场券，变成效率竞赛。

便宜之后，钱该往哪看

“模型变便宜”常被讲成利好。对，也不全对。便宜降低客户试错门槛，也降低毛利保护。API调用量再大，没有场景黏性，就是流量生意；私有化再重，没有后续运维和流程改造，就是一锤子买卖。客户买的不是参数，是结果。企业不会为模型能力长期付费，只会为少招人、少出错、少等工单、少停线付费。

所以我更看三条线。任务数据，能不能拿到别人拿不到但客户愿意给的数据。流程闭环，模型能不能嵌进旧系统，改岗位手册，改审批链，改现场作业。上下文壁垒，模型越同质化，谁越懂用户长期状态，谁越有定价权。我前两天写过手机AI记忆，现在看端侧记忆和评测基准，更觉得竞争从“谁模型强”转向“谁记得住、用得稳”。

Agent也要警惕。听起来像入口，但如果只是把模型包装成自动点击，没有行业 know-how，没有容错、成本核算，那只是 Demo。真正可投的 Agent，往往不炫，像脏活：接ERP，读工单，核对字段，处理异常，把人的十分钟变成系统里的十秒钟，并且可审计、可追责、可复购。

回头看这一章，技术曲线先奖励胆大的人，再惩罚只会讲大故事的人。千亿、万亿、1300亿、开放权重、低成本部署，最后都落到一个问题：谁愿意为它付钱，明年还付。大模型简史真正的估值转折，不是参数变大，而是能力便宜后，谁能把模型装进一个可收费、可复购、可替换的业务闭环。