大模型毛利率测算与财务对比分析
全文摘要
本次讲座由国海传媒举办，专注于大模型毛利率的测算，特别强调了会议的专属性与内容的专业性，明确指出不构成投资建议。主讲人通过对比海外（如DeepMind V4）与国内（如mini max）的模型公司财务状况，深入分析了大模型的毛利率趋势与测算方法，核心围绕输入输出比、缓存命中率等关键假设，以及通过敏感性分析揭示提高毛利率的策略，包括短期定价调整与长期硬件利用率提升。讲座最后，总结了测算的关键要点，并鼓励听众关注后续系列讲座，整体展现了对会议专业性的强调及参与者的法律责任意识。
章节速览
- 大模型毛利率测算与财务对比分析：会议分享了国海传媒AI加24讲系列中关于大模型毛利率测算的内容，对比了各模型公司的综合毛利率，基于旧数据拆解了V3的毛利率，并进行了头部三家模型公司的毛利率测算，包括测算方法、核心假设、敏感性分析及结论，强调了会议内容的非投资建议性质及法律责任保留。
- 国内外公司毛利率对比与趋势分析：对比了国内外公司在综合毛利率和推理毛利率上的差异，指出海外公司毛利率普遍高于国内公司。尽管数据来源多样，但均显示毛利率有持续提升的趋势。毛利率受多种因素影响，包括免费服务占比、业务结构、硬件利用率等。
- Deep Seek退服务测算与高推理毛利率分析：讨论了Deep Seek的退服务测算，基于DPC官方2025年2月27至28日的数据，仅考了收入与虑GPU租赁成本，未包含其他成本，计算出推理阶段毛利率高达84.5%，反映了其在成本控制和盈利能力方面的优势。
- AI模型毛利率测算方法与结果分析：详细介绍了AI模型毛利率的测算流程，包括收入端通过统计输入和输出token量并乘以单价计算，成本端通过计算在线GPU数量及租赁单价得出。基于deep seek方法，三个模型（d six v pro、GM5.2、minimax M3）的毛利率测算结果显示，官方披露的毛利率约为85%，但数据较早，仅供参考。
- 混合收入与成本测算方法详解：详细阐述了测算毛利率的方法，包括混合收入的计算，基于输入和输出占比及价格，以及成本的计算涉及单卡小时成本、GPU利用率调整和单位换算。核心在于通过缓存命中率调整输入价格，结合输出价格计算混合收入，再与成本对比得出推理毛利率，强调了每百万token的收入与成本单位换算的重要性。
- AI输入输出比与成本假设分析：讨论了AI输入输出比、缓存命中率和token占比对收入的影响，以及硬件成本、GPU利用率等核心假设。通过官网价格数据，分析了chatbot、agent和综合情景下三家公司的收入差异，指出定价策略是收入优势的关键。
- 模型成本与毛利率对比分析：围绕不同模型在经济版和顺畅版下的成本与毛利率展开，指出DPCK在单卡总吞吐量上显著优于其他模型，且毛利率高达85%以上。Linux和GMMGLM在经济版和顺畅版的毛利率上各有优势，但总体差距不大。分析结合TTFT、用户速度等因素，评估了模型在推理层面的表现与成本效益。
- 毛利率敏感性分析揭示低毛利率公司提升空间：讨论了影响毛利率的五个关键指标，包括输入输出比、缓存命中率、单卡每小时成本、每秒GPU吞吐量和GPU利用率。通过敏感性测算，发现毛利率较低的公司对这些指标的变化更为敏感，意味着在任何方向上的优化都能带来较大的毛利率提升。特别指出，低毛利率产品如mini MAXM3，其毛利率对指标变化的反应尤为显著，显示出较大的提升潜力。
- 模型公司毛利率提升策略：短期定价调整与长期工程优化：讨论了影响模型公司毛利率的五个关键指标及其敏感度，指出短期内通过调整定价或降低缓存命中率可快速提升毛利率，而长期策略则需聚焦于工程优化，提高GPU利用率和吞吐量，以及增强硬件议价能力，以实现持续的盈利能力提升。
- 大模型毛利率测算与AI经济账系列探讨：讨论了大模型毛利率的测算方法及其敏感性分析，这是AI经济账系列第二讲的核心内容。后续AI经济系列将有更多分享，欢迎持续关注。会议强调仅供特定客户使用，内容不构成投资建议，严禁录音或转发，否则将承担法律责任。国海证券及其员工对使用会议信息造成的任何损失概不负责，提醒市场风险，投资需谨慎。
要点回顾
- 模型公司毛利率比较：国海证券对比了各家模型公司的财报口径下的综合毛利率，并基于官方公布的V3数据进行了毛利率的拆解分析。基于deep sick v3的拆解结果以及当前头部模型的表现和硬件假设条件，对头部三家模型公司的单模型毛利率进行了测算。
- 综合毛利率和推理毛利率差异：海外两家模型公司的综合毛利率在40%到45%区间内，国内上市公司质朴和mini max的综合毛利率在15%到30%之间，低于海外公司。推理毛利率上，desk的V4推理毛率相对较高，海外的answerpick和OpenAI在60到70%甚至更高，而国内质谱的mini max的推理毛率相对较低。
- 数据参考原因：目前上市的公司只有两家，其他几家数据来源于第三方公司或媒体测算，所以提供的毛利率数据仅供参考。但可以看到的是，无论是综合毛利率还是推理毛利率，各家都在持续提升之中。
- Deep Seek退服务测算中的推理毛利率计算：基于DPC官方在2025年2月24小时内做的收入和成本统计，只计算了GPU租赁成本。收入部分通过统计输入和输出token量，分别乘以单价计算输入和输出token收入并加总得到总营业收入。成本方面，计算推理集群使用的节点数、GPU数量，再乘以单GPU租赁单价和时长得出总体GPU算力成本。用收入减去成本即可得到大约85%的推理毛利率。
- 单模型毛利率测算方法：基于deep seek的方法，选取了d six v pro、GM5.2和mini max M3三个模型作为参与测算的对象。收入通过混合输入价格和输出价格按比例计算，成本则需先求得单卡小时成本，并按GPU利用率调整后换算成每百万token的成本，最后利用推理毛利率公式得出最终结果。
- 输入输出比、缓存命中率、输入token占比对收入的影响：输入输出比影响模型公司的收入，缓存命中率在agent环境下会更高，从而对收入产生积极影响。输入的token占比则是基于输入输出比例计算得出，这些假设结合每家公司的混合输入价格，可以计算出每百万talking的混合收入。
- 硬件成本假设与核心假设：硬件成本的假设是基于inference x上的数据，使用B200芯片FP4条件下的三年租赁期平均费率3.68美元，并根据云服务提供方通常给予模型公司的优惠折扣（大约四五折），推算出非三年期或短期租赁的单卡小时成本在6到7美元之间。收入端核心假设包括输入输出占比、缓存命中率和输入token占比；成本端核心假设主要是硬件成本。
- 各家模型公司的收入表现特点：GM5.2的每百万收入较高，主要归因于各家公司的定价策略以及输入价格和输出价格的差异。单位成本方面也进行了测算，并通过单位成本曲线对比了不同模型在经济版和顺畅版条件下的成本表现。
- 影响毛利率的指标：对毛利率影响较大的五个指标分别是输入输出比、缓存命中率、单卡每小时成本、每秒GPU吞吐量和GPU利用率。其中，对于毛利率水平较低的公司，这些指标的敏感程度更高，每个指标的变化都会对毛利率产生显著影响。
- 短期内提高毛利率的方法：短期内提高毛利率的主要手段可以通过提高定价或降低缓存命中率实现。长期来看，工程优化更为重要，比如提高GPU利用率和吞吐量，以改善毛利率表现。同时，GPU时租成本也会影响毛利率，体现模型公司对硬件资源的议价能力和盈利能力。
