摩根大通徐文韬团队11月3日下调智谱与MiniMax的目标价，但维持对中国AI模型行业的整体看涨立场。智谱目标价由2000港元降至1200港元，评级维持「增持」；MiniMax由300港元降至200港元，评级维持「中性」。两家公司的估值基准同步从20倍2030年预期市盈率压缩至12倍，主要反映下一个企业需求场景拐点到来时间的不确定性。智谱仍是该行首选股。
两只股票已从2026年峰值大幅回调，智谱跌约78%、MiniMax跌约85%。摩根大通认为市场悲观推断存在偏差，依据包括token使用量持续攀升、中国市场受制于算力约束而非需求疲软，以及智谱毛利率持续改善。
该行将AI模型企业市场类比为劳动力市场：模型是劳动力，企业是雇主，模型公司则像兼营人事业务的培训学校。企业需求呈「台阶式」跳升——只有当模型能可靠完成一类新工作时，企业才会大规模「录用」。目前市场正处于编码与更广泛白领工作两个台阶之间的空档期。编码需求已验证这一模式：Cursor年化收入从2025年11月约10亿美元增至2026年6月逾40亿美元（据Dealroom），触发点正是编码智能体变得可靠；法律科技公司Harvey的ARR不到两年增长约8倍。摩根大通指出，其他白领工作今天的状态类似2024年的编码工作，需求初露端倪但尚未爆发。独立测评机构METR数据显示，当前最优模型在约80%情况下能完成3小时工作量的任务，模型可独立完成的任务时长大约每105天翻一番，据此判断下一个需求台阶「是时间问题」。
针对token价格下跌是否意味着实验室丧失定价权，摩根大通认为商品化与定价权可以并存。据Ramp AI指数，自2025年8月以来美国样本中最大供应商的每百万token综合价格已减半，但企业token支出增至约15倍，因token消耗量增至约36倍。中国方面，2024年价格战令API标价下跌90%以上，此后日均token调用量从2024年初约1000亿增至2026年6月超过500万亿。该行将模型分层定价类比学历市场：老一代模型等同低学历，以降薪换使用量；率先达到新能力标准的顶尖模型享有溢价窗口期。过去两个月，中美七家头部实验室发布逾十款新模型，逾半数定价低于前代，但OpenAI的GPT-6 Astra和谷歌的Gemini 4 Argon均实现提价，印证定价权仍存在于前沿模型层面。长智能体任务中质量尤为关键：单步准确率从95%提升至99%，20步任务成功率可从36%跳升至82%，使顶尖模型的替代品无法仅凭低价取胜。智谱的GLM-5.3 API价格较前代提高一倍，同时推出低价版GLM-5.3-Flash留住价格敏感用户。智谱开放平台及API业务毛利率在2026年上半年从一年前的-0.4%升至24.6%，该行认为随芯片、基础设施和模型硬件协同设计改善，毛利率还有提升空间。
摩根大通将智谱定位为「中国少数仍在培养前沿毕业生的学校之一」。智谱ARR从2025年12月约3500万美元增至2026年8月18亿美元，约8个月增长约46倍；管理层随后将年末指引从24亿美元上调至30亿美元。公司9月通过增发及可转债筹集50亿美元，用于下一代模型训练和算力投入。该行将智谱2026年收入预测从61亿元下调至57亿元，同时将2027年预测从178亿元上调至239亿元。目标价下调主要源于估值倍数压缩，新目标价基于12倍2030年预期市盈率，剔除了此前给予公司相对国内一线互联网企业的大部分溢价。近期观察点是预计11月发布的GLM-5.5/GLM-6，参数预计达2.5万亿至3.5万亿，关注其是否缩小与美国前沿模型的差距，以及企业是否开始用于更长的多步骤智能体工作。
对MiniMax，摩根大通态度审慎。该公司今年主要在性价比层面竞争，M3和M3.1 Flash以领先实验室中最低区间价格提供有实力的模型，但全年未上调ARR指引，该行认为这表明性价比策略尚未转化为企业需求的实质升级。近期关键观察点是预计11月发布的M3 Pro，关注其能否在多步骤智能体工作方面缩小与中美领先模型的差距，并按前沿模型定价而非延续性价比路线。该行列出的主要下行风险包括：追随者能力追赶加快导致溢价窗口期缩短、拥有云业务的平台巨头长期亏本供应模型、编码之后迟迟无新工作类型完成「晋升」、算力供应持续受限，以及融资摊薄股东价值。