传媒行业深度报告：诸侯混战，国模出海——大模型2026年中复盘及展望

诸侯混战，国模出海——大模型2026年中复盘及展望 2026年07月07日 证券分析师张良卫执业证书：S0600516070001021-60199793zhanglw@dwzq.com.cn证券分析师张文雨 执业证书：S0600525070007zhangwy@dwzq.com.cn 增持（维持） ◼每隔一段时间，市场就会响起同样的质疑声：Scaling Law是不是见顶了？紧随而来的连锁反应总是相似的，例如担心AI是不是泡沫，是不是有更高效的方式，Transformer本身不是真正的理解而只是概率统计的游戏……然后模型能力又一次跃升，ARR又一次增长，这些怀疑暂时被搁置，但从未真正消失。它们在每一次模型迭代放缓时重新浮现。这种周期性的怀疑背后，是两个更本质的问题：第一，什么是理解？第二，是否存在比暴力scale更高效的路径？我们认为，压缩本身就是智能。当AI不仅在回答问题，还在真正地操作工具、修改代码、生成代码、生成报告、生成观点……如果这些都不是理解，那什么是理解？关于第二个问题，确实有人在下不同的赌注。田渊栋、Yann LeCun、Ilya新成立的公司，都在探索alternative架构和新的推理范式。但现实是：这些几乎没有成型的模型、产品。投资人给钱，更像是一种分散下注——万一Transformer真的不是终点呢？但这种bet的风险极高。相比之下，暴力美学至少还是有效的。Opus系列能力迭代放缓后，Fable（Claude5）再次跃升；GPT 5.1到5.4进步平缓，而GPT-5.5/5.6又实现了质的突破。这个规律一次次重复：预训练决定天花板，后训练决定能触及天花板的高度。真正在发生的不是Scaling Law失效，而是单一维度的参数堆叠遇到了边际收益递减，多模态、Multi-Agent、RSI（递归自改进）、世界模型的scaling空间正在被打开。 相关研究 《NeoCloud龙头崛起，AI算力基础设施价值凸显》2026-05-31 《“十五五”规划定调，看好游戏出海》2026-03-16 ◼Frontier model竞争格局：交替领先，终局未定。2025年11月Google凭Gemini 3短暂领先，2026年初Anthropic靠coding反超，到Q2OpenAI凭GPT 5.5/5.6回归。Google在coding上因产品飞轮未启动而掉队，但多模态数据优势和自研芯片的优势让其保留翻盘可能。大模型第一的位置从未稳固，领先优势的半衰期正在急剧缩短。 ◼闭源vs开源：开发者用开源，企业买闭源，但天平正在倾斜。闭源在前沿能力上仍领先6到12个月，但开源在性价比、可控性、数据隐私上的优势正在吸引越来越多的垂直AI应用公司自己训练模型。Harvey用GLM-5.1训练出法律agent超越GPT-5.5和Opus 4.8，Cursor被xAI收购获得自己的模型底座。垂直应用公司过去是闭源API+promptengineering，正在逐步转为开源模型+自有训练能力+垂直场景优化。 ◼从Vibe Coding到Vibe Working再到Vibe Creating：三波浪潮叠加推进。Coding已经是收获期（Anthropic和OpenAI收入主要来源），Working正在渗透（知识工作者占Codex用户20%且增速是程序员3倍，金融成为Anthropic第二大收入来源），Creating还在实验期。三波浪潮的演进逻辑是从高可验证性向低可验证性递进。 ◼投资建议：①OpenAI和Anthropic或在今年下半年到明年陆续上市。两家上市后会对整个板块形成定价锚点。②Google的翻盘机会：Coding追赶看Antigravity能否重启产品飞轮。长期看多模态+世界模型布局。③中国开源模型全球化机会：国产开源模型能力上已经快速追赶，从“能用”到“好用”。DeepSeek算法创新领先，成本优势显著；智谱GLM-5.x系列在coding上表现优秀；minimax m3在原生多模态有所突破。我们认为随着企业端从tokenmaxxing转向开源节流，国产模型在全球市场的份额有望提升。 ◼风险提示：Scaling Law失效风险，ARR增速放缓，自由现金流压力 内容目录 1. Scaling Law没有失效，多模态、multi-agent、RSI是新的方向..................................................41.1. Scaling law没有失效..................................................................................................................41.2.多模态：从理解文字到理解世界.............................................................................................41.3. Multi-Agent：从单兵作战到军团协作......................................................................................51.4. RSI：让AI自己训练AI............................................................................................................62. Frontier model：交替领先，终局未定..............................................................................................73.价格战：开源模型正在冲击闭源模型的定价根基..........................................................................94.模型在做应用，应用也在做模型....................................................................................................135.从Vibe Coding到vibe working再到vibe creating：AI应用的三波浪潮...............................155.1. Vibe Coding——已经爆发的现实...........................................................................................155.2. Vibe Working——正在渗透的白领办公.................................................................................155.3. Vibe Creating——值得期待的未来.........................................................................................165.4.从高可验证到低可验证的递进...............................................................................................176.投资建议............................................................................................................................................177.风险提示............................................................................................................................................18 图表目录 图1：artificial analysis的文生视频排行榜（截至2026/7/5）...........................................................5图2：Anthropic人均贡献的代码量快速提升.....................................................................................6图3：全球主要大模型公司年化经常性收入（ARR）......................................................................7图4：大模型发布节奏越来越密集，且frontier模型竞争焦灼.........................................................9图5：artificial analysis榜单上，开源模型占据半壁江山..................................................................9图6：开源模型的成本显著低于claude opus 4.8/fable 5..................................................................10图7：OpenRouter上开源模型token占比快速上升.........................................................................11图8：openrouter上deepseek的tokens份额涨幅比收入份额涨幅更大.........................................11图9：微软CEO纳德拉的文章...........................................................................................................12图10：按照模型划分的rubric pass rate.............................................................................................14图11：OpenAI报告中关于knowledge worker的描述.....................................................................15 1.Scaling Law没有失效，多模态、multi-agent、RSI是新的方向 1.1.Scaling law没有失效 每隔一段时间，市场就会响起同样的质疑声：Scaling Law是不是见顶了？紧随而来的连锁反应总是相似的——AI是不是泡沫，是不是有更高效的方式，Transformer本身不是真正的理解而只是概率统计的游戏……如此云云。然后模型能力又一次跃升，ARR又一次增长，这些怀疑暂时被搁置，但从未真正消失。它们像幽灵一样，在每一次模型迭代放缓时重新浮现。 这种周期性的怀疑背后，是两个更本质的问题：第一，什么是理解？第二，是否存在比暴力scale更高效的路径？ 关于第一个问题，从信