核心观点

• AI教育新阶段： AI从辅助工具转向教育基础设施，重构教育系统底层逻辑，推动教育从经验驱动转向数据驱动，从周期性管理转向实时性管理。
• 教育大模型竞争： 通用大模型加速进入教育场景，垂类教育大模型快速发展，学校私有化模型部署与教育主权意识上升，教育数据成为核心战略资源。
• 三大危机： 技术中心主义危机（评价标准异化、数据迷恋、复杂系统简化）、主体性危机（学生认知外包、教师角色认同危机、权力结构失衡）、信任危机（学术诚信、算法与隐私信任、学历信号价值稀释）。
• 全球治理模式： 欧盟风险治理、美国原则导向与地方自治、英国风险规制、芬兰教育价值与伦理导向、新加坡国家统筹、日本审慎创新、韩国技术驱动与国家推进。
• 中国实践与治理： 政策驱动、教育场景规模优势、应用领域拓展、顶层设计持续完善、治理方式逐步走向分层分类、治理体系逐渐形成多元共治格局、治理能力仍需持续完善。
• 治理原则： 坚持教育价值引领、坚守人本内核、以教育公平为底线、打造适配技术迭代的监管体系、全面提升师生数智素养、推动多元共治。
• 对策建议： 强化顶层设计、抬高准入门槛、统筹数据治理、重塑教育评价体系、持续赋能教师队伍。

关键数据

• 60.7%的教师基于提升效率目的使用AI工具，56.7%因减轻负担目的使用AI工具。
• 全球AI+智慧教育市场规模预计2025年达850亿美元，2030年突破2400亿美元。
• 英国谢菲尔德大学AI相关学术不端案例一年内从6起飙升至92起。
• 72%的人接受使用AI，但54%认为AI带来网络安全、隐私泄露及错误信息等显著风险。
• 中国国家智慧教育平台用户已突破1.78亿，覆盖200多个国家和地区。

研究结论

• AI推动教育从工业化时代的标准化体系向智能化时代的大规模个性化与人机协同体系转型。
• 人工智能教育治理的根本命题是：在技术创新与风险防控、效率提升与公平保障、工具理性与价值引领之间建立动态平衡。
• 未来教育竞争不仅是技术能力竞争，更是治理能力竞争。
• 人工智能教育治理需要以教育价值为根本遵循、以人的主体性为核心、以教育公平为基本底线、以适应性监管为制度保障、以师生数智素养为能力基础、以多元主体协同为治理机制。

一、超节点行业概况

AI模型参数量和训练复杂度持续提升，对算力基础设施提出更高要求，传统服务器集群架构面临通信墙、功耗散热墙、复杂度墙三重瓶颈，超节点成为算力基础设施演进的核心方向。超节点通过Scale-up和Scale-out结合的组网方式，突破传统架构的通信瓶颈，将分离的算力芯片整合成逻辑上的“超级GPU/ASIC”。

超节点演进历经三个阶段：计算机视觉模型主导的单卡阶段，NLP模型主导的八卡模组阶段，当前大模型主导的超节点服务器集群阶段。超节点的核心增量在于Scale-up互联，通过NVLink、UAlink、UB等协议，搭配胖树、Mesh、Torus等拓扑，实现高带宽、低时延的内存语义通信。

超节点推动多环节升级：光通信向跨柜、集群化演进，NPO方案成为主流；铜连接向高速、高密度升级；交换环节从柜外下沉至柜内，国产替代空间大；液冷从选配变为标配，冷板式液冷优先放量；供电向高功率、模块化演进，推动架构升级。

二、市场规模

2026年起国内超节点投资进入规模交付阶段，预计2026、2027年国产超节点机柜市场规模约759亿元、2256亿元，对应等效64卡机柜出货量0.69万、2.38万柜。需求由国内头部CSP资本开支拉动，供给受国产AI加速卡限制。

三、技术演进

传统计算集群多采用横向扩展（Scale-Out）架构，但大模型分布式训练高频执行All-Reduce、All-to-All集合通信，跨服务器带宽与时延成为核心瓶颈。为突破瓶颈，头部厂商探索向内聚（Scale-Up）超节点方案，路线有所区别：

• 英伟达方案：NVLink垂直集成，机柜内构建逻辑巨型单机。通过NVLink等专有硬件打造，将整机柜的GPU打造成一台逻辑上的“巨型单机”。
• 华为方案：灵衢互联创新，跨机柜扩展超节点规模。通过昇腾NPU、鲲鹏CPU、自研HCCS/UB灵衢互联以及云侧调度软件，将更多强耦合通信尽量保留在高带宽域内。

四、未来趋势

超节点未来主要沿三个方向发展：

• 部署形态升级：由机柜级超节点向系统级AI Factory演进，优化目标从单柜峰值性能转向整个数据中心的有效算力产出。
• 互联域规模扩大：Scale-up架构推动GPU高速互联域逐步扩展至数十卡、数百卡乃至更大规模统一互联域。
• 互联介质升级：AI基础设施互连架构有望由“以铜互连为主”向“铜与光共存”方向演进。

五、利好方向

• Scale-up扩容提升单卡对应交换密度，带动互联新需求。柜内交换直接面向GPU/NPU，要求交换芯片在高并发流量下保持稳定的端到端时延，并支持可靠传输、集合通信和内存语义。Scale-up架构下，单张算力卡对应的交换芯片数量可达传统Scale-out网络的2-3倍。
• 超节点推动液冷需求全面扩张，打开液冷市场空间。超节点推动单机柜功率密度提升，散热系统从传统风冷转向液冷演进。冷板式液冷有望优先放量，浸没式液冷凭借其在超高功率场景中的优势渗透率或将逐步提高。
• 超节点架构催生高功率密度、高稳定性AI数据中心电源需求。超节点使单柜芯片数量和总功率显著提升，拉动高功率PSU、Power Shelf、PDU、DC-DC/VRM等供电环节需求。BBU、冗余电源、智能PDU和电源管理系统从配套环节升级为保障整柜稳定运行的关键部件。

六、代表公司

中科曙光、紫光股份、锐捷网络、中兴通讯、申菱环境、曙光数创、欧陆通、中恒电气、新易盛、盛科通信、浪潮信息等。

七、参考研报

财通证券、长江证券、中金公司、开源证券、西部证券、国海证券、申万宏源等。

时间线与政策影响

• 2025年12月27日：国家网信办等五部门联合发布《人工智能拟人化互动服务管理暂行办法（征求意见稿）》。
• 2026年4月10日：正式公布《人工智能拟人化互动服务管理暂行办法》。
• 2026年7月15日：《办法》正式施行，平台需完成合规整改，包括调整未成年人模式、进行安全评估/算法备案等。

AI原生App应用类型

• 强人格/高互动型：如情感陪伴、角色扮演、恋爱陪伴等。
• 效率生产型：如职场办公、汇文案写作、行业顾问等。
• 生活服务型：如生活助手、社交指导、健康咨询等。

大模型平台整合趋势

• 资源聚焦：腾讯、阿里、抖音等头部平台完成集团级AI办公产品整合，算力、模型、信源归一治理。
• 模型能力底座化：模型能力下沉至统一平台底座，前端业务与办公入口不再重复搭建，降低成本并便于集团管控。
• 信源统一管理：分散内容接入平台，由集团统一分级治理、内容校准与质量管控，确保信息权威性。
• 算力统筹调配：计算资源集中管理，按需动态分配，提升整体使用效率。

AI办公赛道发展

• 用户规模：2026年7月AI办公赛道合计用户规模1.02亿，同比增长8.2%，总使用次数同比翻倍（112.4%）。
• 头部产品对比：
  • 腾讯IWorkBuddy：锚定个人生产力与内外连接，PC客户端用户规模1,030.1万（同比增长340.6%），App端用户规模792.6万（同比增长261.1%）。
  • 抖音ITRAEWork：以钉钉组织底座锚定企业流程原生嵌入，PC客户端用户规模显著。
  • 阿里1Qoderwork：以豆包流量叠加飞书知识底座，执行结果沉淀回企业协同网络。
• 生态锚点差异：三家产品表层架构趋同，差异主要在于生态锚点，如个人生产力、企业流程嵌入等。

商业化路径对比

• 豆包办公：通过元宝系统引导用户付费，流量入口收窄，品牌曝光集中度提升。
• 于问办公：从入口执行转向付费承接，商业化路径更侧重于高价值用户转化。

流量与内容趋势

• 流量回归通用问答/AI搜索：用户意图从“消磨时间”转向“解决问题”，流量商业意图浓度提升。
• 信源引用结构调整：头部信源引用量微降，内容引用量温和增长，Top10信源内容引用率提升。
• 品牌内容价值提升：平台商业化诉求提升，品牌高质量、结构化、可验证的内容被优先调用。
• 情感智能体退场影响：情感赛道退潮留下用户需求空白，迁移至通用问答，品牌可提前布局匹配内容。

核心结论

• 《办法》推动AI平台合规化，加速资源整合与能力下沉。
• AI办公赛道规模快速增长，头部产品通过生态锚点差异化竞争。
• 流量与内容趋势显示，通用问答成为主入口，品牌内容价值凸显。

榜单排名与厂商分析

中国Token市场呈现高度集中趋势，收入差距悬殊。字节以约300亿元年化ARR位居第一，阿里160亿元位列第二，智谱110亿元排第三，形成百亿俱乐部。DeepSeek、Kimi、MiniMax、可灵构成50亿元量级梯队，腾讯和百度垫底，年化ARR分别为32亿元和25亿元。

字节：视频场景定价权优势明显

字节凭借视频模型能力绝对领先，视频生成场景定价权高，每秒价格比同类模型高出至少50%。但语言模型与海外领先者差距拉大，大语言模型发展落后。

阿里：全栈AI布局兑现Token收入

阿里通过芯片、云、模型、应用四层完整布局，Token业务收入高、增速快、利润表现佳。自研GPU平头哥规模化量产带来成本优势，ATH事业群组织资源投入最大。但开源世界模型地位不保，千问被K3、GLM超越。

智谱：量价齐升的Coding赛道标杆

智谱API均价上涨101%，Token调用量增长40倍，实现量价齐升。模型AICoding能力提升是核心动力，计划年底发布GLM-6.0。但人才与组织存在短板，顶尖学生高流动性难以沉淀为组织能力。

DeepSeek：模型能力与毛利率领先

DeepSeek模型能力突出，V4系列口碑好，API毛利率82.9%国内第一。算力供给不足导致服务异常，通过涨价和峰谷分时定价应对，但正在快速补齐算力短板，AIInfra支出大幅增长。

Kimi：K3模型驱动爆发

Kimi依靠K3模型爆发，参数规模和模型能力跻身全球第一梯队。K3用2.8万亿参数提升开源模型规模，评价与Claude等顶尖闭源模型相当。但高端算力依赖英伟达GPU，导致API价格高企，算力供给压力大。

MiniMax：视频模型崛起，语言模型拉胯

MinimaxH3视频模型发布后ARR上涨至48亿元，商业化重心转向B端。但毛利率低于Seedance和可灵，语言模型M3能力表现不及预期，算力资源投入未带来相应产出。

可灵：专注海外视频差异化发展

可灵海外收入占比八成，主要来自北美、韩国、东南亚。ARR增速超400%，企业客户近5万家。7月从快手分拆，投后估值180亿美元，目标冲击10亿美元ARR，2027年达20亿美元。

腾讯：Token业务发展迟滞

腾讯ARR仅为32亿元，对Token业务重视不足。马化腾表示AI竞赛像马拉松，腾讯认为时间尚早。但混元Hy3、Hy4免费API渠道占比高，付费比例低，更像未上场的长跑者。

百度：AI业务没落

百度ARR为25亿元，排名垫底。文心一言曾代表中文大模型，但发展停滞。李彦宏对开源模型态度转变，但新模型发布无动作，难以重回第一梯队。

行业洞察

中美AI差距缩短，商业化路线分叉

中国AI厂商整体落后美国一年左右，但追赶速度快，差距持续缩小。算力投入和场景需求是主要动力。中美AI商业化路线差异明显：美国模型强顶尖能力，目标高溢价客群；中国模型强开源和性价比，目标腰部客群。

模型降价是长期趋势

短期模型价格上涨是供小于求结果，长期看轻量级Flash模型降价趋势明显。Flash模型调用量占比大，价格远低于旗舰模型，未来可能成为价格屠夫。

收入与调用量分离，视频和语言模型分道扬镳

视频模型贡献收入，语言模型贡献调用量。视频模型单价高，如字节AI短剧和可灵海外视频；语言模型单价低、量大。未来AI4S科研模型可能走高单价路径，具身模型可能走低单价、调用量大路径。

数据说明

榜单制作方法

收入口径严格限定于Token计费收入，包括API调用和MaaS平台服务，不计入本地化部署、GPU云租赁、C端订阅等。统一以2026年8月数据年化，币种换算1美元兑7.1元人民币，按年化ARR排序。

数据来源

数据来自官方披露的审计财报、管理层业绩会、行业权威信源，以及爱分析一手调研，坚持交叉验证确保数字经得起查证。

研究方法论

遵循三阶段方法：先建库收集公开信息梳理厂商，再验证核实收入数字，后评估结合深度访谈和数据调研校准行业判断，形成多维验证。