港股AI应用服务的多层级投资机遇

2026年6月16日 AI产业进入新阶段——从技术转向应用 ➢中国AI产业正经历从技术追赶到商业化变现的历史性转折阶段，从追赶技术转向应用落地，从而实现盈利的兑现。 AI产业时间轴 2025-2026：商业化兑现新阶段 2017-2022：国产AI技术追赶阶段 2025年开始，AI相关行业细则持续落地，开源轻量化模型开始普及，AI调用成本开始显著下降，垂类产品实现规模化收费； 2017年开始，国产AI上升到国家战略层面，开始全产业链的追赶； 2020年，GPT3发布，国内加速布局自研大模型路线； 2026年，AI Agent智能体产业化落地，原生AI应用批量上线，智能经济成为产业主线。 2022年，ChatGPT上线，生成式AI引爆全球，国内大模型研发加速，自研蓄力。 2023-2024：商业化落地起步阶段 2027-未来：生态成熟阶段 2023年国内百模大战，文心一言、豆包、千问等国产大模型集中上线，监管细则持续落地带来产业的健康规范发展； 生态逐渐成熟，AI+行业全面深度渗透，商业化进入利润释放的新阶段 2024年，政策从扶持研发到鼓励赋能实体经济，告别纯烧钱研发的阶段，从B端开始实现商业化落地。 2026年为什么会成为重要节点 ➢三大因素共同作用： ➢成本下降：国内Token价格两年降了99%，意味着中小企业每个月可能只需要花几百块钱就可以在业务流程中接入AI； ➢政策支持：今年1月到5月，每个月都有新政策推出，例如5月8日三部门联合印发《智能体规范应用与创新发展实施意见》，是国家层面第一次给“智能体”下定义、画路线，划了19个应用场景，5月22号发改委发布会明确表明正在谋划加快“AI+”落地的配套文件，要推动央国企开放高价值场景，政策传递的信号不仅仅是鼓励，而是落地； ➢技术成熟：Agent不再是一个实验室概念了，它是可以被企业部署、可以产生收入的成熟产品。 AI Agent的发展 ➢随着AI的发展，人不再满足于仅仅和AI进行对话交互，而是要求AI帮忙做事，AI也因此加速从辅助性的Copilot模式进化为协作自治的Autopilot多智能体系统，能够自主感知环境、记住上下文，并做出决策后进行执行。 ➢Copilot：可用可不用；Autopilot：不用不行。 中国企业级AI Agent市场 ➢IDC发布了中国AI Agent市场研究报告《IDC Market Glance：中国AI Agent市场概览, 2026Q1》，将中国AI Agent市场划分为行业智能体、企业级智能体和智能体开发平台三大核心赛道。 ➢报告显示，市场正从“概念验证”阶段迈向“规模化落地”阶段。2025年中国企业活跃智能体数量已接近200万，预计2026年将达到500万，商业模式也逐渐从“订阅制”演变为“订阅+Token”及“按结果付费”的混合模式。 中美市场的差异 ➢美国：模型能力驱动。例如，OpenAI和Anthropic出了更强的模型，应用层就跟着升级。 ➢中国：主要是场景驱动。例如，在制造、金融、零售、政务这些领域，谁先跑通场景，谁就拥有先发优势。 目前主流的变现模式 ➢当前主流的变现模式可以大致分为四种：订阅制、项目制、按结果付费制、Token计费制。 ➢传统的SaaS订阅制是最早出现的变现模式，AI Agent商业化初期直接沿用了此模式，在订阅制的基础上，衍生出了其他几种模式，以及不同模式之间混合搭配的变现模式。 ➢订阅制在C端和小B客户之间最为普及；项目制主要是针对中大型企业的定制化部署要求，常见于金融、医疗、制造、政企等；按结果付费制主要应用于高价值可量化的场景，如电商、广告投放、客服等场景；Token计费制在技术侧应用最广，包括大模型API、开发者工具、数据分析等。 Token价格变化 Token消耗量为什么成为重要指标 ➢Token是大模型处理数据的最小计费单位，Token消耗量是“成本+算力+效率+商业+智能化”的综合体现，因此成为重点关注的指标。 ➢成本：一次请求的输入+输出的Token量，直接反映了GPU时间、电力、人力等成本，成本不完全取决于请求次数，而是完成一次请求消耗Token量； ➢算力：Token量也是算力投入的一个反映指标，日处理万亿级Token是大厂“算力护城河”的直观体现；➢效率：相同任务下，提示词越优、模型越高效、冗余越少，对应的Token量就越少；➢商业：在无统一价值标准衡量企业AI渗透水平的时候，Token量可以成为一个可量化、可排名的硬指标，高Token消耗也可以反映强算力、大场景、高估值，可以吸引更多投资；➢智能化：Token消耗量可以用于衡量企业智能化水平，政府和机构也可以利用Token量作为战略指标，来衡量数字经济中的智能化含量。 ➢收入确认有延迟性，但Token消耗量却是实时的，今天客户调用了多少Token，可以说明业务对AI的依赖有多深。 Token定价权在谁的手上 ➢根据国家数据局，2024年初中国日均Token消耗量为1000亿，2025年6月底日均Token消耗量已突破30万亿，2026年3月日均Token消耗量更是飙升至140万亿，两年增长1400倍。当Token消耗以万亿为单位计算时，AI就不再是一个好玩的工具，而是必需的系统。 ➢然而通用模型的Token和垂类模型的Token（也就是细分场景的Token）之间出现了一定的分化，可以从单价、标准化程度、准确性、消耗规模等角度去进行对比。通用模型门槛相对低、竞争更激烈，垂类模型门槛较高、在具体场景下有不可替代性。因此，Token定价权更有可能掌握在拥有更多不可替代的场景数据的厂家手上。 竞争格局：非零和博弈，而是生态分工 ➢早期：垂类企业率先验证细分赛道的商业模式，赛道收益被证实后，大厂依靠自身的资金、流量、通用技术能力，快速下场。在这一阶段对抗为主，合作较少。 ➢针对标准化简单业务（通用CRM、基础办公工具等），大厂通过自研，免费内嵌进自身平台，快速挤压垂类小企业，使得部分小企业在这一环节直接被淘汰；➢针对较复杂的赛道，大厂可能通过投资并购等方式拿下垂类龙头，快速补齐行业知识，节省漫长的摸索过程。 ➢分化：大模型让通用功能的开发门槛降低，纯简单包装型的垂类企业（只套一层API而没有行业深度能力）会被快速淘汰。市场分化出两类玩家，一类是依附大厂或被大厂收购，一类是和大厂共存。 ➢依附/收购类：部分中型垂类企业会选择放弃独立平台定位，深度接入大厂生态，基于大厂的底层能力做行业插件、行业解决方案等，依附大厂并成为其服务商，收益主要是项目分成和服务费。还有部分垂类龙头因拥有成熟的客户网络和完整的行业方案，成为大厂并购的目标；➢深耕类：部分垂类企业扎根在壁垒极强的细分领域（例如工程造价、重症医疗等），依靠私有行业数据、几十年沉淀的行业Know-how以及行业资质和客户信任，建立起护城河。大厂能提供算力但难以切入复杂业务流程的细分行业，大厂和垂类企业错位共存。 12➢稳态：未来行业竞争将会大幅减弱，行业竞争不是零和博弈，而是在稳定状态下的分工合作。大厂承担底层技术成本，垂类企业负责建立完整的产业认知。 ➢大厂掌控算力、通用大模型、云服务等横向基础设施，大厂之间互相竞争底层生态； ➢垂类企业负责完整的行业解决方案，打通业务流程，聚焦细分环节，与大厂生态共存。 AI应用服务分层 ➢自下而上分为四个层级，算力硬件层、模型层、平台层、应用层。算力硬件和基础模型基本由大厂、国资平台、海外龙头把控，壁垒较高，是能力天花板的决定因素；平台层是由大厂掌握通用平台，垂类企业做行业插件，这决定了企业渗透率水平；应用层作为最顶层，决定了场景的覆盖面，垂类企业占据核心优势，大厂采取生态合作的形式。 港股可关注标的 ➢金蝶国际➢迅策➢有赞➢汇量科技 金蝶国际268.HK-公司概况 ➢公司是中国领先的企业云SaaS服务商，专注财务、供应链、HR、制造等企业管理软件，依托长期积累的企业管理经验、财务管理场景及广泛的而客户基础，公司加速向企业管理AI公司转型。根据IDC及Gartner数据，金蝶在中国企业资源管理云及aPaaS市场多年稳居市占率第一，也是生成式AI模型中国市场TOP10中唯一的企业管理厂商。按照前文所述的层级，金蝶属于平台层，为超过740万企业客户提供服务。 ➢财务表现：2023-2025年收入分别为56.8/62.6/70.1亿元，同比分别增长16.7%/10.2%/12.0%，保持较好的增长态势，毛利率水平也是稳步提升，使得公司在连续减亏后，在2025年扭亏为盈，录得0.9亿元的归母净利润。 AI产品矩阵及商业化 ➢金蝶推出中国首个企业级AI原生超级入口「小K」，并发布近20款独立的AI原生智能体，涵盖财务分析、招聘、合同审查、ESG等场景，其中密钥财报已有近40万注册用户和35家企业客户。2025年AI合同金额达3.56亿元，41%的新增代码由AI生成，研发交付周期缩短21%。2026年Q1AI签约额2.3亿。 ➢在近期举办的2026世界智能产业博览会上，金蝶灵基企业Al操作系统亮相，该系统以Al原生架构为基础，提供智能体开发、编排、运行、治理及生态管理等能力，构建企业级Al应用平台，支持对话、工作和开发三种模式，并与公司现有SaaS产品体系深度融合： ➢对话模式：用户通过自然语言与系统交互，完成信息查询、数据分析及业务协同等任务；➢工作模式：AI可以承接任务、自主执行并交付成果；➢开发模式：企业可以快速搭建自己的AI智能体、Skill和企业应用。 ➢灵基标志着公司Al布局由应用功能增强向平台化建设升级，有望推动AI能力在企业管理场景中的进一步落地。 未来展望 ➢传统ERP收入=用户数×单价+模块数×单价+实施人天×费率+年维护费，用户数量越多收入越高，可以理解为“卖人头、卖软件”； ➢AI+ERP收入=云平台订阅+AI智能体模块订阅+API/Token调用费+结果计费+定制实施，加入了按结果付费，收入不再线性依赖于用户数量，客户付费意愿来自可量化ROI（如降本、增收），可以理解为“卖效率、卖结果”，AI越强大，价值就越大。 ➢和美国市场认为AI Agent会替代传统软件席位的担忧不同，金蝶在中国市场给出了相反的答案，中国中小企业席位基数本来就低（3-8个），砍席位的压力有限，AI的作用更多的在于带来增量而不是单纯的抢席位。 ➢公司计划未来五年用AI再造一个金蝶，其中AI原生收入占比要达到50%，还有很大的提升空间，相信随着AI原生收入占比的持续提升，公司的估值也有望进一步提高。 迅策3317.HK-公司概况 ➢公司是中国领先的实时数据基础设施及分析服务方案商，简单来说就是帮企业把散落在各个系统里的数据进行实时清洗、整合、标准化，并封装成可以被大模型直接调用的“场景Token”，因此被誉为港股“Token第一股”。按照前文所述的层级，迅策也属于平台层。 ➢财务表现：2023-2025年收入分别为5.30/6.32/12.85亿元，同比分别增长84.3%/19.1%/103.3%，加速增长，印证了AI大模型落地所带来的企业级数据需求集中释放；但毛利率水平持续下滑，主要是因为高毛利的资管业务占比有所下降，新客户的项目毛利较低；然而，归母净利润方面虽然持续录得亏损，但扣除一次性非经常性损益0.75亿元后，经调整净亏损为0.55亿元，同比大幅收窄33.41%，经营质量实际上有所改善，且2025年下半年经调整净利润已经实现转正，成功迎来盈利拐点，商业模式和盈利潜力得到验证。 商业模式 ➢迅策的Token OS系统把企业私域数据和行业Know-how通过标准化五层流程封装成可定价、可审计的Token，然后通过MCP协议对接各种大模型。迅策自己不拥有GPU、不拥有数据，只是对数据进行清洗和处理，轻资产+高毛利。 ➢1.0阶段（订阅制，资管客户为主，收费模式相对简单）：收入=ARPU×客户数； ➢2.0阶