千元股背后：港股AI行情的敘事驅動與估值重構

出 品 | 異觀財經

作 者 | 夜叉白雪

文章配圖 | AI 生成

在2026年一季度的港股市場中，AI資產的定價明顯進入了一個情緒主導階段。圍繞大模型的敘事持續升溫，使得智譜AI與MiniMax這類尚處早期商業化階段的公司，在短時間內被資金迅速推高，一度觸及“千元股”區間。

這種價格變化，本質上并不反映企業經營的同步躍遷，而更像是市場在流動性充裕與敘事強化背景下，對“AI平臺化未來”的一次提前投票。換句話說，交易的不是當下，而是一個被放大后的遠期概率分布。

一個值得注意的變化是，這一輪AI行情的定價邏輯，正在逐漸脫離傳統基本面框架。過去投資者至少還會圍繞收入、利潤與增長質量做邊際判斷，而現在更多是在討論“是否具備成為平臺級入口的可能性”。當市場開始用這種方式定價時，資產本身就已經被重新定義為一種“帶期權屬性的成長標的”。

從資金行為來看，這一輪上漲更接近典型的“敘事驅動型行情”。圍繞AGI、Agent以及AI原生應用的討論不斷擴散，使得AI被賦予了重構所有行業的預期。這種預期的問題在于，它往往比商業現實推進得更快，從而在短期內放大估值彈性。

在這樣的環境下，傳統財務分析框架的解釋力確實在下降，但并沒有完全失效。以智譜為例，其收入仍主要依賴企業級API調用、行業解決方案以及政企合作，整體仍是典型的B端模型公司；而MiniMax則更偏向C端多模態應用與訂閱模式，但商業化仍在早期階段，收入規模和穩定性尚未經過完整周期驗證。兩者的共同點在于：收入仍然偏早期，尚未形成穩定的規?；F金流結構。

與此同時，成本端的剛性約束依然非常明顯。無論是大模型訓練所需的算力投入，還是持續迭代所帶來的研發支出，再加上對高端人才的長期依賴，都決定了這一類公司在短期內很難進入穩定盈利狀態。在這種結構下，用市盈率去解釋估值顯然不成立，而即便是現金流折現模型，也會因為未來路徑的不確定性而高度失真。

（數據來源：智譜招股書及2025年報）

市場因此轉向另一種更“非傳統”的定價方式：用概率去給未來的行業格局定價。也就是說，當前價格并不是基于企業已經創造的價值，而是在交易它們成為下一代平臺的可能性。這種邏輯更接近期權，而不是股票本身。

問題在于，這種定價方式本身高度依賴假設：模型是否會收斂為寡頭結構？企業是否具備構建生態的能力？是否能夠誕生真正意義上的AI原生應用入口？這些問題目前都沒有明確答案，但價格已經在提前給出答案。

尤其是“生態能力”這一點，正在逐漸壓過模型能力本身。歷史經驗反復證明，技術優勢可以被追趕，但生態一旦形成，就會通過開發者體系、分發機制與用戶習慣形成更強的路徑依賴。因此，市場將這些公司類比為早期的Apple或Microsoft，并不完全是對技術的判斷，而更多是對平臺結構的想象。

但這種想象的另一面，是顯著的脆弱性。一方面，當前市場缺乏成熟的估值錨，價格更多由資金與情緒共同決定；另一方面，大模型技術仍在快速演進，開源模型與架構創新可能隨時重塑競爭格局；再疊加商業化路徑尚未驗證完成，使得這一階段的定價天然不穩定。

從產業結構看，相對確定性更高的反而是基礎設施與垂直應用兩端。算力與云服務具有強路徑依賴特征，屬于“無論誰勝出都必須依賴”的底層資源；而垂直行業AI應用則更容易形成真實現金流閉環。相比之下，通用大模型公司雖然處于敘事中心，但同時也承載了最大的預期波動。

總體來看，當前AI行情已經在一定程度上提前透支了“平臺勝利”的長期概率。市場定價的不是現實盈利能力，而是未來成為行業基礎設施的可能性。而在技術革命的早期階段，這種概率往往會被系統性高估，并在中期通過劇烈波動重新校準。

行業大概率將經歷“狂熱—出清—重構”的演進過程，最終只有少數企業能夠真正建立持續競爭優勢。