AI产业链剖析，阵营分化谁能笑到最后

报 告 日 期 ：2 0 2 6 - 0 6 - 0 1 研 究 部姓 名 ：李 承 儒S F C：B L N 9 1 4电 话 ：0 7 5 5 - 2 1 5 1 9 1 8 2E m a i l : l i c r@ g y z q . c o m . h k 写在前面 目录 复盘：AI叙事的变化走到哪个阶段？ 近三年情绪主导下的算力超前投入，AIcapex叙事贯穿美股始终，但算力需求预期主导 Ø2023年语言模型规模化，AI模型训练主导算力投资需求 •Chatgpt周活跃用户快速破1亿，GPT功能实现飞跃，使得语言模型引领时代升级的概念深入人心。•训练主导的算力投资：GPU相关企业业绩大增、云计算厂商CAPEX恢复投入。 Ø2024年多模态模型训练使得推理需求崛起，AI融合和Agent成为发展方向。 •OpenAISora发布；Meta在升级AI广告系统后收入增长超预期；企业级服务agent开始落地。•市场认可推理需求趋势，伴随着算力需求大幅提升，引起模型训练算力长期需求的担心 Ø2025年Token经济。OpenAI、Genimi、Anthropic、Deepseek普及，全球开始大量调用Token数据 •年初Deepseek横空出世并首次在全球范围内开源，5月以来Token数据暴增持续验证推理需求。企业服务Agent落地缓慢。 •9月OpenAI循环投资引发AI泡沫担忧，Gemini3.0将发布，不同模型阵营的算力和云厂走势分化。 Ø2026年投资追求回报 •Anthropic上调收入增长预期，Anthropic预计2027年现金流转正，估值逼近1万亿美元，超过OpenAI。 当下中美AI发展的路线出现分歧。中国更强调算力效率优先，更多依赖算法优化、开源生态和工程化提高效率，美国更强调“物质学科范式”，以技术自由主义为主导。尽管目前仍缺算力，但国产替代算力在投资视角可能更为占优，而大模型追赶也是重要主线。二是，经济结构不同决定中美AI冲击的传导路径存在差异。美国由于服务业占比高、白领人工成本昂贵，需要面临短期AI带来的替代性冲击和通缩压力。 复盘：AI叙事的变化走到哪个阶段？ 市场趋势与资本动态：AI概念企业上市潮与价值重估 Ø资本化进入新阶段，香港成为全球AI创新集资中心。2025年至2026年初，港股市场迎来了一波AI企业的密集上市潮，包括滴普科技、明略科技、智谱AI、MiniMax等在内的多家重磅企业相继挂牌，显著提升了市场的AI含金量。这一现象表明，AI产业的资本化已进入新阶段，香港凭借其开放的融资环境、完善的监管体系以及连接东西方的桥梁作用，正成为内地AI企业走向全球、获取国际资本支持的首选平台。资本市场对AI赛道的热情持续高涨，AI相关主题指数在过去一年中表现强劲，显著跑赢大盘，如恒生人工智能主题指数在2025年录得了高达34.6%的涨幅。 Ø投资逻辑转变：从“技术叙事”到“商业价值”。资本市场的偏好正发生深刻变化。早期投资更关注技术的颠覆性与模型的参数规模，而当前，投资逻辑已转向关注AI技术能否有效解决垂直领域的具体痛点、能否创造可衡量的商业价值以及是否具备可持续的盈利模式。市场不再仅仅为“可能性”买单，而是更加看重“确定性”，即企业的客户基础、收入增速、毛利率和续费率等核心经营指标。 Ø企业AI预算激增，应用从“实验”走向“标配”。随着AI技术成本的下降和应用门槛的降低，全球企业正以前所未有的力度增加AI领域的预算投入。AI应用正迅速从少数头部企业的“创新实验室”走向各行各业的“标准配置”，广泛渗透到研发、生产、营销、客服、办公自动化等核心业务流程中，以提升效率、优化决策并创造新的增长点。 港股AI服务上市公司商业模式及技术路径对比分析 当前港股AI服务上市公司的商业模式呈现出多元化特征： •平台赋能型：以第四范式为代表，核心是提供一个强大的AI开发与运行平台，降低企业应用AI的门槛，通过平台授权、订阅费和技术服务费获取收入。这种模式的规模效应强，但前期平台研发投入巨大。 •解决方案驱动型：以创新奇智和滴普科技为代表，更侧重于针对特定行业的痛点，提供“交钥匙”式的端到端解决方案。这种模式的客户粘性高，项目价值大，但对行业理解和交付能力要求极高。 •技术授权型：以智谱AI、MiniMax和云知声为代表，核心是将其领先的底层AI能力（如大模型、语音识别）通过API或MaaS平台进行输出，按调用量或订阅方式收费。这种模式能够触达广泛的开发者和企业，但面临激烈的技术竞争。 •AI内嵌型：以金蝶国际为代表，将AI能力作为其现有成熟软件产品（如ERP）的增值模块，提升产品竞争力和客户价值。这种模式的商业化路径清晰，能够利用现有渠道和客户基础快速变现。 •软硬一体型：以云知声为代表，不仅提供软件和云服务，还设计和销售搭载其AI算法的芯片和硬件模块。这种模式能够构建更深的护城河，但对供应链和硬件研发能力提出了更高要求。 各公司的技术路径选择也反映了其不同的战略定位： •底层基座模型派：智谱AI和MiniMax是坚定的底层技术自主研发者，致力于打造性能卓越、安全可控的通用大模型。它们的成功与否直接关系到中国在AI核心技术领域的国际竞争力。 •行业模型深耕派：第四范式和明略科技则认为通用模型无法完全满足复杂的行业需求，它们的技术路径是构建深度融合了行业知识的专有模型和知识图谱，追求在特定领域的“认知深度”。 •特定模态专精派：商汤科技起家于并持续领先于计算机视觉领域，而云知声则在智能语音赛道建立了深厚的壁垒。它们在特定信息处理模态上的技术优势是其核心竞争力。 •应用工程与整合派：滴普科技和金蝶国际更侧重于AI技术的应用工程能力，即将领先的AI技术（无论是自研还是第三方）与企业的数据和业务流程进行高效整合，快速创造商业价值。 目录 大语言模型技术对AI市场规模增长起到核心驱动作用 LLM技术能够赋予AI Agent理解意图、逻辑思考与持续进化的核心能力，使其具备语言理解、生成和推理能力，成为现代AIAgent的理想“大脑”， 自然语言接口 推理与规划器 充当Agent的“语言中枢”，实现流畅、准确的人机交互，精准理解用户指令意图。 作为“逻辑大脑”，将复杂的长期任务拆解为可执行的子步骤（思维链/CoT）。 🐀训练方式 世界模型与知识库 工具调用者 通常在预训练LLM基础上，通过指令微调或上下文学习等技术，赋予模型角色扮演能力，使其能够稳定、可靠地充当AI Agent的核心驱动。 充当“手眼延伸”，自主判断并调用外部API、计算器或搜索工具以扩展解决能力。 作为“记忆库”，提供海量事实性知识与通用常识，支持Agent的背景推理。 全球大模型格局已定 截至2026年，全球大模型格局已定， 国际与国产并驱 。目前已形成较为稳固的竞争格局，但是不同模型在性能与定位上依然差异明显。而根据模型产品用户数量、产生收入以及模型能力等综合因素考量，大致可以分为三个梯队，不同梯队在细分领域及生态中都拥有属于自身的核心竞争优势。 国内大模型能力已逐渐追上国际水平 目前国内大模型相比海外大模型在文本模态和编程能力差距相距不远，但在多模态领域仍有一定差距。国际通用大模型在通用推理与多模态能力上仍具优势。当前国产大模型核心优势是在中文理解、性价比及本地化服务上，部分能力甚至达到国际领先水平。 大模型市场规模快速攀升 AI大模型市场正以高达70%-80%的复合年增长率扩张。在技术端模型参数规模呈指数级增长，并叠加多模态融合技术，大幅拓宽了AI的能力边界。在应用端，千行百业的AI Agent持续落地，国内以通义、豆包等为代表的大模型日均调用量快速攀升。放眼全球，所有科技巨头资本开支维持在历史高位，充裕的资金供给为行业高速扩容奠定了基础。核心驱动因素 ØAI能力普遍化：AI能力平台化极大地降低了企业使用先进AI能力的门槛。企业无需投入巨资进行模型自研，通过API灵活调用所需功能，这大大拓宽了市场对大模型的需求。Ø模型能力的持续增强：头部模型厂商通过不断迭代，提供性能更强、功能更多样（如多模态、长文本）的大模型，持续吸引开发者和企业客户付费使用。Ø开源与闭源的共生发展：开源模型的问世促进了大模型技术普及和创新，同时闭源模型则在性能上持续突破，两者共同做大了整个模型层市场。 大模型的通用性带来广阔潜在市场空间 AI在释放社会生产力的同时，也丰富了创造力。如今AI已渗透到企业和个人生活的各个层面，从社交媒体内容推荐系统、chatbot、智能个人助理，到自动驾驶系统、智能风控模型、AI辅助诊断等，AI已成为推动社会与产业智能化转型的核心力量。和前几代AI相比，过去三年的大模型是重要的技术范式变化，也是社会发展的必然需要。传统AI基于小模型针对不同需求场景进行定制化训练，目标是达到能够执行人类所有思维任务的智能水平。而过去三年，大模型领域取得了飞跃式的发展，模型规模和智能水平都获得了大幅提升，叠加多模态能力拓展以及商业价值释放，行业呈现出高速演进的态势。目前大模型应用的主要赛道包括生产力、娱乐、视觉生成、音频生成和通用2B服务。由于大模型技术的通用性特征，这些市场都实现了用一套高度可扩展的模型，来撬动下游规模化与个性化并存多元需求场景，从大型行业客户到中小创作者实现了全覆盖，业务ROI实现转正。 Token消耗将持续爆发增长 过去三年中国日均Token调用量在两年内从1000亿提升到140万亿以上，增长超过千倍。Tokens消耗增量主要来自四大场景：AI搜索、AI视频、AI应用、大模型API调用。其中AI搜索仍然为核心Tokens消耗场景，例如Gemini大模型API在25年10月达到每分钟70亿Tokens消耗（月消耗约300万亿）。 中国国家数据局披露2025年9月底我国日均Tokens消耗达40万亿、字节跳动日均消耗超30万亿。预计中国企业活跃智能体数量将在2031年突破3.5亿，年复合增长率超过135%。随着智能体任务密度和复杂度提升，智能体Token消耗年均增幅有望超过30倍。 Token调用未来将持续实现爆发式增长。随着大模型、AIAgent、多模态应用加速落地并走向规模化商用，各类智能应用的交互频次、任务复杂度、上下文长度持续攀升，叠加企业端批量部署数字员工、C端AI工具渗透率快速提升，模型调用量迎来指数级扩容。Token作为AI算力与交互的基础计量单位，其需求将同步大幅走高。同时行业级应用走向常态化，长文本处理与多轮复杂任务成为主流，进一步推高单场景Token消耗。在当前供需格局下，Token赛道已经进入量价齐升的高增长周期。 Token中间层商业化模式开始出现 AI应用的商业化已经延伸到运营Token调用的能力。Token作为大模型处理信息的最小信息单元，也是模型API计费、结算和消耗的基础。随着调用量放大，Token本身开始像一种“库存”被采购、路由、拆分、转售。目前Token运营正在形成一个新的中间层市场，但不能简单理解成倒卖API额度。这类企业利润来自转售利差的占比较低，但通过推理加速、统一接口、企业端Prompt工程、Agent编排、模型选型和业务系统集成等能力，能够让利润增厚。 Token分销当前有三种盈利方式。 第一种是转售利差。平台向上游模型厂商批量采购API额度，再向下游客户加价销售。例如在供应商成本上加收约5.5%的溢价。 第二种是技术溢价。平台通过自研推理加速引擎降低单Token运行成本，在售价接近甚至低于官方价格时，依靠算力效率差获取毛利。例如将语言模型推理速度提升10倍，文生图效率提高3倍，使大模型API调用成本低降低。第三种是企业增值服务。企业部署AI的成本并不只在Token单价，还包括Prompt工程、多模型选型、业务系统集成、工作流编排、运维调度和员工AI能力建设。 大模型基础架构企业增长空间测算 目前智谱AI和Minimax代表了中国大模型创业公司的两条截然不同的商业