2026年传媒互联网行业策略：看好AI应用、游戏及港股互联网

港股互联网 证券分析师：周良玖执业证书：S0600517110002联系邮箱：zhoulj@dwzq.com.cn联系电话：021-60199793 证券分析师：张家琦执业证书：S0600521070001联系邮箱：zhangjiaqi@dwzq.com.cn联系电话：021-60199793研究助理：周珂执业证书：S0600125080006联系邮箱：zhouk@dwzq.com.cn联系电话：021-60199793 证券分析师：张良卫执业证书编号：S0600516070001联系邮箱：zhanglw@dwzq.com.cn联系电话：021-60199793 证券分析师：张文雨执业证书：S0600525070007联系邮箱：zhangwy@dwzq.com.cn联系电话：021-60199793 证券分析师郭若娜执业证书：S0600524080004联系邮箱：guorn@dwzq.com.cn联系电话：021-60199793 请务必阅读正文之后的免责声明部分 二零二五年十二月十二日 核心观点 2026年传媒互联网领域重点看好三条主线： 1、AI应用2026年展望：看好云服务及文娱领域生产力释放。我们对AI应用前景乐观，Token消耗仍在快速增长，编程、搜索、办公生产力等领域在2025年实现规模化落地，未来客服和销售、教育、医疗健康等细分场景值得关注。我们认为限制Agent大规模落地的三个核心障碍包括：1）可靠性不足与能力缺陷，需要场景适配、产品优化、幻觉控制；2）Agent产品同质化严重；3）商业模型较传统SaaS软件有较大差异，成本问题尚未解决。短期来看，大厂之间的模型竞争及入口竞争远未结束，从确定性上来看，云厂商是最确定的受益者；相比通用Agent，垂直Agent（即专注于特定行业或场景的Agent）更容易跑通商业模式、建立行业壁垒，建议关注。标的方面，推荐阿里巴巴、快手-W、美图公司、焦点科技，建议关注汇量科技等。另外，2025年，sora、Nano banana、veo3等模型相继取得进展，带来文娱领域生产力释放，小团队大爆款可能性提升，2025年游戏领域已经开始体现生产力红利，后续包括短剧、漫剧等其他文娱领域也有望加速爆款产出。这一逻辑下，推荐哔哩哔哩、快手-W、中文在线、昆仑万维，建议关注阅文集团等。 2、游戏：行业迎来玩法创新周期，女性红利长线可期。25年女性向赛道延续高增长，厂商正从单纯的恋爱模拟向融入权谋、科幻、悬疑等元素的“她娱乐”生态演进，实现“供给创造需求”。2025年《超自然行动组》以“中式微恐”题材破圈，立足玩法深度大、商业化潜力高的“搜打撤”玩法机制，通过融合“微恐、休闲、社交”，开辟了高增长、低竞争的新赛道。SLG+X融合玩法也在拓宽天花板。厂商通过轻量化、副玩法买量和优化新手体验，拓宽海外玩家群体，同时保留SLG深度商业化长板，实现长生命周期与高回报。我们认为本轮创新周期尚未结束：供给侧领先厂商深耕细分赛道，以玩法创新和品类突破实现用户破圈。需求侧大量休闲玩家正逐步转化为愿意为优质内容付费的成熟玩家，带动市场空间扩容。此外，我们看好TapTap等内容平台和社区生态优化营销格局，有望提升留存、降低获客成本、助力长线运营，增厚A股游戏公司业绩。同时，AI对游戏的降本增效已落地，未来有望带来新的交互形式，提供情感陪伴价值，重构玩家体验。推荐：巨人网络、恺英网络、三七互娱、神州泰岳、完美世界、心动公司等，建议关注：世纪华通等。 3、看好港股互联网，估值仍有吸引力。受到宏观经济预期影响，当前港股头部互联网公司估值仍被压制，当前位置对应2026年经调整利润估值中枢在15-20倍区间，交易类电商平台如京东、拼多多等估值在10倍左右，社交及内容平台如腾讯控股、哔哩哔哩、腾讯音乐等估值在20倍左右，我们认为当前估值具有安全边际。推荐：腾讯控股（AI驱动广告变现增长，游戏业务稳中有升）、小米集团（高端化见成效，新零售稳步推进）、美团-W（估值已到底部区间，关注竞争动态变化）。 风险提示：产业进展不及预期；行业竞争格局恶化；游戏流水不及预期；政策监管风险；宏观经济超预期下行风险；市场系统性风险等。 目录 一、AI应用2026年展望：看好云服务及文娱领域生产力释放 二、游戏：行业迎来玩法创新周期，女性红利长线可期 三、看好港股互联网，估值仍有吸引力 四、风险提示 一、AI应用2026年展望：看好云服务及文娱领域生产力释放 1、Token消耗快速增长，编程、搜索、办公等场景率先落地 ◼Token消耗仍在快速增长，以推理模型为例，从o1到DeepSeek R1再到Claude的最新版本，都在走“用大量Token打草稿”的路径。一个看似简单的用户请求，背后可能消耗几万甚至几十万Token用于内部推理，真正输出给用户的可能只有几百Token。这种模式下，Token消费量与用户请求数之间的倍数关系在急剧放大。 ◼过去Token主要由人类用户直接消费——用户输入一个问题、模型输出一个答案，交互链条短且可控。现在越来越多的Token被Agent自己消耗：一个Agent在执行任务时会进行多轮自我推理、调用多个子模型，真正返回给用户的只是冰山一角。 ◼再叠加多Agent协作场景——比如Cursor的多Agent模式可以同时调用多个模型处理同一个任务——Token消耗呈现乘数效应。 1、Token消耗快速增长，编程、搜索、办公等场景率先落地 ◼2025年增长最快的三个场景：编程、搜索、办公生产力 ◼编程是目前Agent落地最成熟、Token消耗密度最高的场景。Cursor、GitHub Copilot、Windsurf等编程Agent已经形成清晰的商业模式和用户黏性。编程场景之所以跑得最快，因为①代码本身有明确的“对错”判断标准，模型输出可以直接运行验证；②开发者群体对新工具的接受度高、付费意愿强；③代码补全和生成是高频、刚需的工作流嵌入点，一旦用上就很难回退。 ◼搜索是第二个主要场景。Perplexity以及各大厂自己的AI搜索产品，本质上都是把传统的“返回链接列表”变成“直接给答案+引用来源”。这个过程需要AI先检索大量网页、对每个来源进行理解和评估、最后整合成一个连贯的回答。 ◼办公生产力是第三个主要场景，但分化明显。办公场景的Agent化正在两个层面展开：一是单点工具的智能化，比如AI写作助手、AI会议纪要、AI邮件总结等；二是跨应用的工作流自动化，比如自动把会议内容同步到CRM、自动根据邮件生成任务等。前者进展较快、用户接受度高，但客单价和黏性有限；后者想象空间更大，但涉及多系统集成、权限管理、数据安全等复杂问题，落地速度慢于预期。 资料来源：threads，simlarweb，东吴证券研究所 1、Token消耗快速增长，编程、搜索、办公等场景率先落地 ◼除了上述三大场景，还有几个细分值得关注： ◼客服和销售Agent是目前企业端落地最广、付费意愿最明确的场景之一，但客服对准确率要求接近100分，目前大量实际系统仍停留在规则+prompt+RAG的初级形态，真正端到端的AI客服渗透率仍然很低。 ◼教育场景的个性化辅导、语言学习Agent有清晰的商业模式，但对模型幻觉和错误的容忍度低，需要大量人工兜底。 ◼医疗健康领域的AI问诊、AI辅助诊断有巨大潜力，但受监管约束，短期更多是“辅助”而非“替代”。 2、限制Agent大规模落地的三个核心障碍 1、可靠性不足与能力缺陷，需要场景适配、产品优化、幻觉控制。Agent落地最大的障碍不是“不够聪明”，而是“不够可靠”。从对Gemini 3的实测来看，在财报PDF分析这类看似不复杂的任务中，模型会出现卡顿、指令混淆、逻辑混乱等问题。在汉字学习应用中，生成的汉字笔画频繁出错。这些问题在Demo场景中可以接受，但在生产环境中可能导致严重后果。当前模型的能力曲线是参差不齐的。IlyaSutskever在访谈中指出，模型在某些任务上表现惊艳，但在相邻任务上可能突然失灵，这种不可预测性使得企业难以放心把关键业务交给Agent。对于客服这类要求接近100分可靠性的场景，哪怕模型在99%的情况下表现完美，那1%的失误也可能导致客户投诉、合规风险甚至法律纠纷。能力缺陷方面，目前Agent最大的短板在于长程规划和多步执行的稳定性。单轮对话中模型表现往往不错，但一旦需要跨多轮、多工具、多系统协作，错误会累积放大。一个典型例子是：让Agent自动完成一个包含20个步骤的流程，即使每一步的成功率是95%，整体成功率也只有35%左右。这使得复杂任务仍然需要人工介入和兜底。 2、同质化严重：目前市面上的Agent产品同质化非常严重。大部分产品的底层都是调用OpenAI、Anthropic、Google的API，再封装一层prompt和UI。这导致两个问题： 一是用户体验趋同，很难形成差异化壁垒； 二是一旦底层模型升级，上层应用可能瞬间失去价值。 从投资角度看，需要区分两类Agent公司：一类是“API封装型”，本质是在大模型上套一层薄壳，价值主要来自对模型能力的早期发现和产品化速度，但护城河很浅，随时可能被模型厂商的产品化进展反向挤压；另一类是“场景深耕型”，在特定垂直领域积累了独特的数据、workflow、客户关系，即使更换底层模型也能保持竞争力。前者的估值风险较高，后者仍有长期价值。 2、限制Agent大规模落地的三个核心障碍 3、成本问题尚未解决： 1）Agent的成本问题往往被低估：表面上看，Token价格在持续下降，每百万Token的成本从一年前的几十美元降到现在的几美元甚至更低。但Agent模式下的Token消耗量也在同步甚至更快地上升，两者相抵后，实际业务成本下降的幅度远小于Token单价下降的幅度。 2）当前的Token定价很大程度上是补贴价，依赖大模型API搭建的Agent公司，要么需要自己承担亏损，要么需要把成本转嫁给用户——而用户的付费意愿和付费能力往往跟不上。 3）对于通用Agent（即试图在所有场景下替代人类的通用助手），成本问题更加突出。通用场景下，Agent需要处理各种各样的请求，Token消耗高度不可预测，很难做精细的成本控制。这也是为什么通用Agent目前更多是大厂的战略性亏损业务，而不是能自负盈亏的独立产品。 3、底层模型及入口之争仍然激烈，关注云厂商及垂直Agent机会 ◼Agent时代的入口之争，本质是“用户的第一个问题问谁”的争夺。目前来看，入口候选人包括： ◼搜索入口：谷歌、百度、Perplexity等。 ◼对话入口：ChatGPT、Claude、豆包、千问APP等。这类产品试图成为用户与AI交互的默认界面，但目前更多是工具属性，尚未成为“必须打开”的流量入口。 ◼专业场景入口：Cursor（编程）、Figma（设计）、各垂直行业的头部SaaS等。这类入口不追求通用性，而是在特定场景中成为“工作流的一部分”。 ◼大厂之间的入口竞争远未结束。短期来看，没有一家能通吃所有场景，更可能的格局是：搜索场景由谷歌/Perplexity主导，编程场景由Cursor/GitHub Copilot主导，通用对话场景由OpenAI/Anthropic主导，办公场景由微软/谷歌主导，各自在自己的地盘上构建壁垒。 3、底层模型及入口之争仍然激烈，关注云厂商及垂直Agent机会 ◼受益者：云厂商与垂直Agent，大厂入口之争延续 ◼云厂商是最确定的受益者：无论Agent战争最后谁赢，云厂商都是确定受益方。AI消耗的Token最终都要落到芯片上，而芯片的提供者就是云厂商。从产业链价值分配来看，云厂商的收入增长与AI市场规模高度相关，但风险敞口远低于AI应用公司本身。 ◼垂直Agent率先跑通商业模式：相比通用Agent，垂直Agent（即专注于特定行业或场景的Agent）更容易跑通商业模式。原因有三：①，垂直场景的需求边界清晰，可以针对性地优化模型和产品，不需要解决