智通财经APP获悉，方正证券发布研报称，大模型产业正在由“更强的模型”走向“更便宜、更可靠、更可调用的智能供给”，能力仍是基础，但产业价值的决定因素正在从模型本身向任务经济、工作流控制权、专有反馈闭环与资本效率延伸。基础模型仍具备平台价值，但并非所有模型公司都能够成为平台;中国市场重点关注国产加速器真实TCO、海外Token使用结构、API对私有化部署的替代速度以及Coding/Agent向平台能力扩展的可行性，科技巨头则需重点观察AI资本开支对应的算力利用率、收入增长和自由现金流回报。
方正证券主要观点如下：
从技术演进来看，大模型的竞争已经不再只是扩大参数规模，而是围绕能力、效率与真实环境验证形成系统性迭代。Transformer仍是当前主干架构，MoE、稀疏化、长上下文、后训练、推理时计算以及工具与检索等技术不断提升模型的计算效率和任务能力，多模态也进一步向全模态演进。与此同时，模型能力的生产逐渐由“算力×数据×算法”转向“算力×数据×算法×工程闭环”，真实任务中的验证、反馈与迭代成为能力持续提升的重要来源。
能力提升和成本下降进一步改变了大模型的商业化方式，产业价值开始从模型输出本身向任务结果和工作流迁移。Token仍是智能服务供给的基础计量单位，但衡量模型经济性的关键逐步转向每成功任务成本及其对应的客户价值。随着商业化由API向MaaS、Agent和任务结果计费演进，模型与企业工作流、云平台及终端入口的结合不断加深，长期价值也由单纯提供模型能力逐步转向获得稳定生产负载、工作流控制权和默认调用权。
在此基础上，中美大模型产业形成了不同的竞争路径，而公司的长期价值取决于其能否将自身资源禀赋转化为持续的能力优势和商业优势。美国主要公司依托算力、云、开发者生态及全球入口，在前沿模型、企业工作流、基础设施和开源生态等方向形成差异化布局;中国厂商则在供给约束下更加重视成本效率、产业场景、本地化服务与国产算力适配。由此，判断一家模型公司的竞争力不能只看模型能力，还需要结合客户、生态、入口及资本投入能力进行综合判断。
因此，大模型公司的估值逻辑也需要从“技术领先”进一步转向“价值捕获”，核心在于判断能力优势能否持续转化为收入、工作流控制权和资本回报。本篇据此建立覆盖能力持续性、单位任务经济、收入质量、工作流控制权、数据闭环、生态入口与资本效率的七维估值框架，并进一步建立动态跟踪体系，将模型能力、生产负载、默认调用权及资本效率纳入持续观察。
风险提示：宏观环境及监管政策变化风险;AI产业发展及商业化不及预期风险;相关公司竞争及资本投入回报不及预期风险。