方正焦娟：AI应用标的估值需切换 拆解可灵与即梦数据差异

一、核心要点

1. AI应用标的估值需切换：传统消费互联网的MAU×ARPU估值法不适用AI时代，应关注生产者用户，采用「供给端价值+消费端价值」双维度评估，横轴为用户广度，纵轴为生产深度。
2. 可灵与即梦数据差异本质是价值结构差异：即梦MAU规模大、消费端触达强、分发与生态协同潜力突出；可灵深度生产能力更强、单位MAU收入更高，偏向高价值生产端。

二、估值框架关键内容

1. 生产者用户分层：可分为体验型创作者、活跃实验者、付费实验者、商业实验者（短剧、真人短剧、互动游戏等细分），各分层Token消耗量级不同。
2. 生产者用户价值测算：需统计各分层MAU对应Token消耗区间，而非仅用整体MAU。
3. 平台核心能力：需具备高Token消耗生产者聚拢能力，并介入分发环节形成数据飞轮，实现商业闭环。

三、风险与关注

1. 数据透明度不足：生产者用户结构、Token消耗、续费率、补贴水平等核心数据较难获取，需持续跟踪。
2. 运营变动影响：大模型厂商Token调价、促销活动、平台运营策略调整均影响估值。
3. 生态演化不确定性：即梦的生态协同价值、可灵的生产者深度拓展需跟踪2026Q3起的商业化进展，AI应用第二层公司大爆发预计2028年，2027年为关键验证期。

四、后续跟踪指标
用户结构、Token消耗量级、平台运营模式、降本进展、生态数据沉淀情况。