我們認為,中國人工智慧行業正從“百模大戰” 階段,邁向以商業化落地能力、模型創新實力及全球化佈局為決定成敗之關鍵的階段。我們認為,MiniMax 和智譜脫穎而出,已成為最具特色的兩家獨立大語言模型開發商,海外佈局不斷加速:MiniMax 目前超過 70%的收入來自海外市場,兩家企業均在通過全球開發者生態落地快速推進 API 業務的規模化擴張。海外佈局不僅實現了收入來源的多元化、推動毛利率提升,更彰顯了二者的全球競爭力。我們自下而上的分析預測,到 2030 年全球 AI 市場規模將達到 1.4 兆美元,其中 B2B 應用市場規模約 1.1 兆美元,B2C 應用市場規模約 3,000 億美元,兩大類股均具備廣闊的發展空間。儘管兩家企業自近期上市後股價出現顯著上漲,我們仍建議投資者佈局。我們首次覆蓋智譜和 MiniMax,給予“增持”評級,截至 2026 年 12月的目標價分別為 400 港元和 700 港元,將其視為把握全球 AI 下一輪價值創造浪潮的首選標的。市場格局:從分散競爭到集中角逐:中國 AI 市場正迅速整合,具備實力且資金充足的模型開發商數量已從超 200 家縮減至不足 10 家。我們認為當前行業呈雙軌競爭格局:一方面是擁有規模和管道優勢的綜合性科技巨頭;另一方面是以智譜和 MiniMax 為代表的、驅動創新與敏捷性的獨立先鋒。兩家公司均展現出頂尖的模型性能,智譜的 GLM-4.7 與 MiniMax的 M2.1 在程式設計和智能體任務方面的表現位列全球領先水平。隨著市場成熟,API 定價、使用量及基準測試表現正成為衡量可持續能力與商業價值的最重要指標,而 MiniMax 與智譜的模型近期均表現出色。商業化:全球擴張與 API 變現:MiniMax 與智譜的商業化戰略正逐漸趨同——將 API 變現與國際擴張作為其核心增長引擎。MiniMax 以其稀缺的全球化佈局脫穎而出,其橫跨消費應用、生成式媒體及 B2B API 的均衡業務組合,支撐我們對其 2026-30 年營收年複合增長率 138%的預測,並預計公司將於 2029 年實現盈虧平衡。智譜則憑藉其在國內受監管行業積累的穩固私有化部署客戶基礎,結合可規模化擴張的雲 API 業務,目前正加速推進全球開發者生態的落地;我們預計其 2026-30 年營收年複合增長率為127%,同樣有望在 2029 年實現盈利。我們認為,隨著海外業務佔比提升及理性定價策略帶動 API 毛利率改善,兩家公司均將從中受益。首次覆蓋智譜與 MiniMax,給予“增持”評級:我們首次覆蓋智譜與MiniMax,均給予“增持”評級,12 個月目標價分別為 400 港元和 700 港元。我們的估值基於 30 倍的 2030 年預期市盈率得出,並以 15%的加權平均資本成本進行折現,這反映了行業的高成長性以及相較於中國網際網路同業的估值溢價。主要風險包括:出口管制與地緣政治(智譜被列入美國商務部工業和安全域實體清單)、持續的法律訴訟(MiniMax)、激烈的競爭、高昂的研發投入、以及客戶採用率和算力成本的不確定性。我們認為,在國內獨立 AI 開發企業中,智譜與 MiniMax 最有望把握全球 AI 價值創造的下一階段機遇。主要圖表投資理據中國 AI 市場正從“百模大戰”過渡至結構性整合階段,能否生存取決於商業化落地能力與可持續的模型迭代。在此階段,我們認為模型能力是決定長期競爭力的根本要素。在行業格局持續演變的背景下,MiniMax 和智譜脫穎而出,成為最具特色的兩家獨立大語言模型開發商,二者各自開闢出了獨特的商業化路徑。我們首次覆蓋均給予“增持”評級,因為我們認為二者有望在快速成熟的全球 AI 生態中獲得顯著價值。通過自下而上分析,我們搭建了嚴謹的情景分析框架以計算 AI 市場規模,結果顯示,至 2030 年 B2B 和 B2C 市場合計規模將超過 1.4 兆美元。其中 B2B市場規模約 1.1 兆美元,其結構性驅動力源於全球各行業的人力成本替代與生產力提升;而 B2C 市場規模約 3,000 億美元,增長則由時間節約、便捷性及新型娛樂模式所驅動。該框架並非精準預測,而是基於當前已知變現路徑(主要為訂閱與 SaaS 定價模式)建構的基礎模型。本次研究的投資啟示,不僅在於這些基準情景下的市場規模預估,更在於理解未來存在的巨大“期權價值”。 以 AI 程式設計為例:隨著模型能力的提升,我們認為潛在使用者群將顯著擴張,從 4,700 萬名專業開發者,擴展至全球 10 億知識工作者。參照過去 20 年視訊行業的演進,視訊製作門檻的降低催生了YouTube 和 TikTok 等超級平台,其商業模式也從簡單的 DVD 租賃/劇集訂閱,衍生出直播、電商、廣告等多種形態。我們認為 AI 模型開發商的長期經濟效益,主要取決於其能否在多輪技術周期中保持模型能力處於全球領先位置,而商業模式形態、部署方式及短期利潤率結構,很大程度上是該能力衍生出的下游表現。智譜和 MiniMax 均已展現出堅實的技術實力,二者只要能將其自研模型的性能保持在全球頂尖梯隊,那麼對AI 能力需求的巨大規模,疊加中國獨特的工程成本優勢,將支撐兩家公司營收走出強勁增長軌跡。在當前階段,智譜和 MiniMax 選擇了截然不同的 AI 能力變現路徑,反映出二者對市場機遇和風險的不同判斷——MiniMax 依託多模態 AI 原生產品矩陣和MaaS 平台,而智譜則聚焦通用大模型與智能體解決方案。然而正如我們強調的,在 AI 模型競爭的賽道上,模型本身就是核心產品,也是競爭優勢的主要來源,兩家公司似乎都走在正確的道路上,通過持續迭代模型能力以保持全球頂尖梯隊地位。雖然二者的整體商業化路徑不同,但正匯聚於同一核心賽道:通過向全球開發者提供 API 介面,實現其先進 AI 能力的商業化變現,其中程式設計應用已成為雙方重點聚焦和快速增長的關鍵領域。我們的單位經濟效益分析表明,API 毛利率主要由以下因素決定:1)單位推理算力的實際定價;2)以單次呼叫 GPU耗時衡量的推理效率;3)租賃 GPU 的使用率與容量管理;4)營收的地域結構。鑑於兩家公司均在穩步推進 API 業務向全球開發者擴張,我們預計,MiniMax 和智譜相關業務的收入結構將持續最佳化,利潤率也將快速提升。此外,智譜和 MiniMax 主要依賴租賃算力而非自建基礎設施,我們預計 2025年後算力相關成本結構將經歷顯著調整。雖然總算力消耗將隨商業化處理程序持續擴大,但訓練與推理的增長曲線和成本驅動因素將與 2022-25 年的擴張階段出現顯著差異:我們預計智譜和 MiniMax 的總算力成本在 2026-30 年將保持58%/65%的年複合增長率,而訓練成本佔比將大幅下降,從 2025 年的 93%/80%降至 2030 年的 32%/28%。智譜——技術驅動的 API 業務迎來拐點,私有化部署業務構築長期穩固基本盤智譜已確立深度企業級解決方案提供商的定位,專注於為 B 端客戶提供高定製化的私有化部署和 API 服務。我們認為,公司發展已抵達重要拐點:近期推出GLM-4.5/4.6/4.7 系列模型,戰略重心明顯向智能體化、生產級應用場景(尤其是在程式設計和多步驟任務執行領域)傾斜。這一能力演進軌跡得益於其業務架構:在中國受監管行業構築的長期穩固的私有化部署客戶基礎,疊加雲 API 業務的規模化拓展機遇;同時公司在可控但不可忽視的出口管制風險框架下營運。智譜的 API 業務迎來重要拐點。GLM-4.5/4.6/4.7 系列的發佈,連同公司戰略明顯向智能體系統、工具增強推理及面向開發者的基礎設施傾斜,表明其技術路線圖正與全球前沿技術能力維度對齊,特別是在生產級程式設計、長上下文推理和多步驟執行穩定性方面。隨著 GLM-4.7 在全球開發者社群(尤其是在高付費意願和使用強度的程式設計工作流領域)中獲得認可,我們預計其採用率將加速提升。私有化部署是國內市場的長期穩固需求。智譜已在國內受監管行業建立起可觀的私有化部署客戶基礎,我們認為這構成了長期穩固的需求池。隨著基礎模型的持續迭代,現有私有化部署基礎有望轉化為以更新驅動的、具備復購特徵的經濟模式。在此背景下,我們認為智譜是一個具備顯著增長潛能的技術能力驅動型平台,其營運面臨可控但不可忽視的監管風險。我們預計公司 2025-30 年營收年複合增長率為 127%,並將於 2029 年實現盈利。MiniMax——擁有可擴展增長引擎的全譜系 AI 企業在 AI 基礎模型領域,MiniMax 是罕見的兼具技術實力、多模態商業化潛力和全球可擴展性的企業。公司已建立紮實的技術積澱,其模型在核心基準測試中表現優異,同時其全譜系產品矩陣為 B2B/B2C 雙端變現奠定基礎。其全球化佈局(2025 年前三季度海外營收佔比已達 73.1%)進一步提升了規模擴張潛力與盈利能力。我們的投資邏輯基於以下兩點:全譜系模型支撐 B2B/B2C 雙端商業化。公司對文字、視訊和音訊多模態模型的同步佈局,使其能夠匹配企業與消費端日益多模態化的場景需求,降低了對單一變現路徑的依賴。MiniMax 實現了收入的均衡增長:2025 年前三季度,開放平台、生成式媒體和 AI 陪伴業務的營收佔比各約三分之一。這一結構降低了風險,並加速了規模擴張。全球化導向驅動規模與盈利:MiniMax 很早就確立的全球化導向(體現在客戶定位和基礎設施策略上),使其在發展階段類似的同業中具備稀缺的經濟靈活性。在推理成本高企、國內競爭激烈的行業背景下,進入國際市場、多元化的客戶群和差異化的定價環境,為公司提供了結構性優勢。雖然仍存在執行風險,但我們認為這種全球化佈局將增強 MiniMax 將技術進步轉化為實質性經濟效益的長期能力。我們預計公司 2025-30 年營收年複合增長率為 138%,並將於 2029 年起實現盈利。通往 1.4 兆美元市場(2030 年)的路徑及期權價值通過自下而上分析,我們搭建了嚴謹的情景分析框架以計算 AI 市場規模,結果顯示,至 2030 年 B2B 和 B2C 市場合計規模將超過 1.4 兆美元。其中 B2B市場規模約 1.1 兆美元,其結構性驅動力源於全球各行業的人力成本替代與生產效率提升;而 B2C 市場規模約 3,000 億美元,增長則由時間節約、便捷性及新型娛樂模式所驅動。該框架並非精準預測,而是基於當前已知變現路徑(主要為訂閱與 SaaS 定價模式)建構的基礎模型。本次研究最重要的投資啟示,不僅在於這些基準情景下的市場規模預估,更在於理解未來存在的巨大“期權價值”。 我們估算的市場規模面臨的下行/上行風險有:AI 推理的單位經濟效益波動,可能會衝擊 SaaS 式定價;AI 原生市場創造(類似於視訊行業演進過程中短影片的爆發)的潛力或被低估;僅聚焦軟體收入,或未能覆蓋廣告和交易價值向 AI 優先平台遷移的顛覆性變革。以 AI 程式設計應用場景為例:其市場規模的“期權價值”可從視訊行業的發展歷程中找到最佳參照。20 年前,視訊還是一種稀缺且高門檻的產品。分發大眾化、拍攝成本趨近於零以及基於演算法的分發管道這三次技術浪潮,推動內容創作者規模實現 200 倍的擴張,重塑了整個媒體行業格局,催生了 YouTube 和TikTok 等超級平台,行業商業模式也從簡單的劇集訂閱不斷創新,衍生出直播、電商、廣告等多種形態。我們看到 AI 賦能程式設計領域正湧現類似模式。當前的“副駕駛”(Copilot) 階段提升了專業開發者的生產效率,這是我們估算B2B 市場規模改採用的基準情景。然而,真正的期權價值在於從“副駕駛”向“創作者”的轉型——AI 技術降低軟體開發本身的門檻,解鎖一次性、高度個性化的軟體市場。這一路徑依賴的增長潛力意味著,我們當前預測的市場規模,尤其是在程式設計等領域,或許只是即將迎來供給側解放的龐大市場的冰山一角。B2B市場規模自下而上分析我們專有的自下而上分析預計,到 2030 年,企業級和專業級 AI 應用市場規模將達約 1.1 兆美元。該市場可分為兩大核心且互補的應用場景:AI 智能體/協作者(高價值替代型模式)和 AI 工具/副駕駛(更廣泛的增效模式),預計市場規模分別為 6,590 億美元和 4,560 億美元。受職業、地域和應用深度三大關鍵維度驅動,市場結構高度分層。價值集中於高技能、高成本的職業領域,即醫療、金融和法律行業的管理人員、專家和專業技術人員。從地域上看,我們估計美國是主導市場,憑藉高定價水平與高採用率,其市場規模預計佔全球總量的約 47%(其中智能體佔 3,060 億美元,工具佔 2,140 億美元)。中國憑藉龐大的就業基數成為第二大市場(智能體 1,470億美元+工具 960 億美元);而世界其他地區則受規模化發展和成本最佳化驅動,具備長期滲透機會方法論:精細化自下而上的市場規模建構模型我們對市場規模的估算基於一個精細化的自下而上模型,核心由三大元件構成:1)就業基數;2)滲透驅動因素;3)定價模型。此方法可提供透明且可論證的預測框架,具體如下:• 就業基數和細分維度:模型以全球職業勞動力為測算基礎,將其劃分為七大核心職業群體(如管理人員、ICT 專業人士、服務行業從業者等)及三大核心區域(美國、中國、世界其他地區)。這一細分方式考慮到,AI 的價值主張和滲透曲線在知識工作者與基礎崗位之間、發達經濟體與新興經濟體之間存在根本差異。• 分場景滲透驅動因素:針對兩大不同應用場景,我們的模型設定了不同的滲透率假設,以反映 AI 在各場景的融合深度差異:o 應用場景 1–AI 智能體/協作者:假設 AI 系統可自主完成任務,部分替代人力。考慮到該場景落地的複雜度與成本較高,模型設定的滲透率較為保守(例如,美國為 5-20%),且滲透率與 AI 所能替代的人力成本比例直接掛鉤。o 應用場景 2–AI 工具/副駕駛:假設 AI 通過輔助類軟體為人類賦能。由於其落地門檻和成本較低,且其核心作用是提升效率而非替代人力,模型設定的滲透率顯著更高(例如美國為 20-80%)。• 定價模型與價值兌現:各場景下的定價體系與 AI 創造的經濟價值高度繫結:o 對於 AI 智能體,其年度價格按各地區目標職業的年度人力成本的一定比例(約三分之一)測算,以此體現其人力替代或賦能的價值。o 對於 AI 工具,其單使用者年均收入(ARPU)按人力成本的較小比例(通常為 1-5%)設定,與軟體類效率提升工具的定價邏輯一致。B2C市場規模自下而上分析我們認為,面向消費端的 AI 市場規模相對較小,但結構迥異,至 2030 年其市場規模將達 3,000 億美元,驅動力更多來自時間節約、便捷性、情感價值和娛樂需求。核心變現情景包括通用 AI 助手、AI 陪伴/虛擬人、個人創作工具、AI家教/教練、健康/心理健康、效率提升類應用 ,AI 原生娛樂和遊戲等。市場規模估算的潛在偏差與未及之處本次市場規模分析是基於結構化情景假設的觀點,而非精確預測。其基礎是當前的商業模式、成本結構和使用模式;若其中任何一項發生重大變化,相關資料可能出現大幅變差。模型的核心風險並非隨機誤差,而是我們定價、需求與價值兌現分析框架中存在的系統性偏差。第一重也是最根本的風險,在於我們將 ARPU/SaaS 式定價假設應用於 AI 工作場景。傳統 SaaS 模式的邊際使用成本近乎為零;而生成式 AI 的每次token/API 呼叫均產生真實且波動的可變成本。若推理成本持續高企,供應商可能被迫限制使用量或維持高價,導致實際滲透率和/或利潤率低於我們的測算曲線。反之,若推理成本大幅下降,AI 技術可能被廣泛嵌入和捆綁至各類作業系統、裝置、雲服務、現有 SaaS 產品中,顯性 ARPU 極低,而商業價值將通過其他方式獲得。上述兩種情形下,簡單以“ARPU x 使用者數量”建構的預測模型,均可能錯估營收端的市場規模,且無助於分析利潤池的分佈。第二重風險在於市場創造和使用量爆發,我們的基準情景對此可能偏保守。雖然我們已考慮 AI 陪伴、AI 原生娛樂、長尾創作者等新增需求,但測算仍以現有消費品類的增量支出為錨點。短影片行業的發展歷程表明,生產門檻的急劇降低加上供需匹配最佳化,能夠催生全新的內容形態並帶來數量級的消費增長。AI 技術的潛力可能更大:不僅在於最佳化供需匹配,更在於規模化的個性化內容創作——使用者定製的、持續不斷的視訊/音訊/文字內容,AI 驅動的社交圖片,智能體營運的微型商業等。若其中任一 AI 原生形態能實現如短影片或移動社交般的規模化發展,那麼無論是消費端還是中小微企業驅動的 B2B 市場規模,均可能數倍於我們當前的估算。我們的框架還可能面臨變現結構覆蓋過窄、對廣告業態考量不足的風險。我們主要將 AI 視為一種工具來計量(SaaS、API、訂閱、佣金),而此前幾波網際網路浪潮中,廣告和效果類分發最終均成為核心收入池。目前我們僅通過行銷技術工具和 AI 購物助手等場景計算了部分價值,卻可能忽視了一種變化:AI 助手、AI 媒體流和 AI 陪伴產品或成為主要的注意力介面,大量廣告預算和贊助將轉向 AI 優先環境。那種情景下,AI 驅動的價值將有相當一部分被計作平台內“廣告收入”,而非“AI 軟體收入”,而我們當前估算的市場規模將會低估AI 在廣告經濟中的規模和戰略核心地位。與之相關的是,即使在廣告領域,我們的測算也隱含了一個類似 TikTok 的模型假設——即 AI 的核心作用是最佳化廣告供需匹配。而更具顛覆性的發展路徑是,AI 直接生成內容和廣告創意,並根據不同使用者和場景實現即時個性化定製。屆時,“內容”、“廣告”和“助手”的邊界將變得模糊:同一 AI 模型將同時完成文案創作、呈現形式、投放位置及周邊敘事。此種模式不僅能大幅提升廣告效果和可觸達支出,還將重構商業價值分配格局——現有平台、新AI 平台、模型提供商,智能體網路均可能成為價值兌現主體。而我們當前按細分領域自上而下的價值分配,尚未充分納入這種價值鏈重構帶來的影響。最後,我們對部分結構性不確定性僅作簡要提及。例如,B2B 市場規模測算以職業分類下的人數為錨點,這在早期階段合適,但在智能體之間自主交易、經濟活動規模與人類員工數量不再呈線性相關的場景下,該測算方式將系統性低估市場規模。此外,算力成本曲線和監管/地緣政治因素(如安全規則、資料駐留、出口管制),也可能導致實際結果顯著偏離基準情景。綜上所述,我們的市場規模測算應被視作一套嚴謹的基礎分析框架。若定價模型、市場形態、政策約束的發展與當前參考基準出現顯著偏離,實際市場規模將面臨顯著上行/下行風險。以AI程式設計為例——借視訊行業發展脈絡看市場規模的期權價值我們先前對 AI 程式設計市場規模的分析,主要通過“效率提升視角”,將其視為助力目前約 4,700 萬名專業程序/軟體開發者降低成本的工具。這一分析雖能支撐該領域的基準情景測算,卻可能忽視了其背後蘊含的巨大期權價值。通過觀察視訊行業過去 20 年的發展軌跡,我們發現了一個反覆出現的規律:技術的終極價值,不在於最佳化專業從業者的工作流程,而在於通過降低技能要求釋放大眾供給潛力。若 AI 程式設計遵循“視訊行業發展範式”,從精英技能轉變為通用素養,軟體市場的現有規模天花板將被打破。這一潛在的範式轉變,代表著一個“一次性軟體”新時代的“期權價值”——這是一個尚不存在,但具備不對稱上行潛力的市場。案例研究:過去二十年視訊行業的發展歷程20 年前,視訊行業的核心特徵是稀缺性。高昂的裝置成本和非線性編輯技術的陡峭學習曲線,將內容生產主體侷限於好萊塢製片廠和廣播公司。當時的市場聚焦於這一封閉體系內的漸進式升級(例如從 DVD 到藍光),未能將內容生產大眾化的可能性納入價值考量。然而,三輪技術創新浪潮的出現,系統性地消除了這些壁壘:• 分發環節:YouTube 等平台的出現,降低了分發成本。• 拍攝環節:智慧型手機的普及,讓實體拍攝成本趨近於零。• 工具與演算法:TikTok 演算法推薦等工具彌合了技能差距,將數十億消費者轉化為內容生產者。最終結果是,這場“供給側解放”不僅擴張了現有市場,更催生了一種全新的經濟形態。創作者數量從不足 100 萬激增至超過 2 億(增幅超 200 倍),視訊內容存量更是實現萬倍級增長,從 2005 年的數百萬條,增至 2025 年的每年超200 億條。因此,字節跳動等純科技平台得以崛起,企業價值比肩並最終超越了派拉蒙等傳統媒體巨頭。結論顯而易見:降低准入門檻所創造的價值,遠大於僅為既有從業者改進工具。此外,商業化潛力或許並不止於使用者規模的擴大。使用者基數的擴大,還能通過商業模式創新,推動市場規模實現二次擴張,且第二輪的規模可能更大。以視訊行業為例,市場規模的爆發式增長,並非僅因為更多人能夠上傳視訊,更是因為直播、電商、達人行銷和微交易等全新模式在 TikTok 和抖音等平台上的湧現。對 AI 程式設計市場擴張潛力的啟示當前 AI 程式設計市場正處於“副駕駛”階段,核心在於提升全球約 4,700 萬名程式設計師的生產力,這也是我們估算 2030 年該行業 1,640 億美元基準市場規模的核心依據。而關鍵的期權價值在於向“創作者”範式的轉型。正如視訊編輯工具從好萊塢製片廠普及至所有智慧型手機,AI 程式設計智能體有望將軟體創作的門檻,從編寫程式碼語法降至用自然語言表達意圖。這一變革或將推動相關使用者群體從程式設計師擴展至近 10 億知識工作者——潛在使用者規模實現 20 倍的擴張。這些新使用者無需具備專業開發能力,即可生成滿足日常需求的一次性、個性化或部門級程式碼。因此,投資者應將 AI 程式設計 2030 年預期 1,640 億美元的市場規模視為冰山可見的一角,而非其上限。然而,AI 程式設計要實現屬於自己的“TikTok 時刻”,模型/智能體本身必須實現從“提示詞補全”到 “意圖→設計→實施→驗證”全流程閉環的跨越。目前尚處萌芽階段,但視訊行業的發展脈絡,無疑為 AI 未來的發展提供了重要借鑑。中美AI分岔路:殊途同歸中美 AI 發展態勢往往以競爭形式呈現,但更準確而言,這反映了戰略重點及經營限制的差異,引領向截然不同但日趨關聯的發展路徑。• 美國的“拓展前沿”範式:OpenAI、Anthropic 和 Google 等公司擁護的美國路徑把絕對性能領先放在首位。其特點是海量研發投入、追求下一代架構突破,以 API 為核心的閉源商業模式為主。戰略目標是建立壓倒性的技術領先優勢,通過高利潤企業解決方案變現。這一路徑以基準測試壓倒性優勢以及開拓新的技術前沿為成功標準。• 中國的“效率至上”範式:在不同於美國的資本及半導體獲取環境下,以智譜、MiniMax 和 DeepSeek 為代表的中國路徑強調務實最佳化。目標是以估計成本的一小部分實現接近前沿的模型能力(約 90-95%)。這一路徑建立在極高的架構效率(如專家混合模型 MoE)、複雜的演算法最佳化以及對快速商業化落地及規模化部署的高度專注之上。這一路徑以卓越的成本性能比及採用速度為成功標準。這種發展態勢形成了一種不對稱競爭。美國生態追求通過根本性創新來引領未來,而中國生態旨在通過工程卓越和市場應用來實現商業化和規模化。這兩條路徑不是孤立的;中國的成本效益創新影響全球定價,而美國的前沿研究為全球產業設定了雄心勃勃的性能目標。中國內部角逐:從碎片化到高度集中化競爭國產大模型市場發生大變局。“百模大戰”時期的百花齊放在達到頂點後以行業急劇整合而告終。有能力訓練前沿規模模型的可信度高、資金雄厚的實體已經從 200 多家坍縮至可能不足 10 家有力爭奪者,僅留下少數佼佼者在戰場上。這一大浪淘沙反映了市場從潛力驅動向商業可行性及可持續單位經濟效益主導的轉變。行業格局已清晰分化為兩大往往互補的派系:• 綜合性科技巨頭:這一陣營包括阿里巴巴(千問)和字節跳動(豆包)等頭部企業,通過規模效應、海量內部資源以及與現有生態的深度整合來競爭。其戰略充分利用了龐大資本儲備、專有資料池及大規模原生使用者分發管道。• 獨立先驅:少數純粹 AI 公司佼佼者,包括智譜、MiniMax 和 DeepSeek,憑藉技術專長、敏捷性和專業化創新進行競爭。他們不具備巨頭的雄厚財務實力,在特定高價值領域開創出領先優勢:• 智譜在複雜推理和企業級部署方面建立了深厚專長。• MiniMax 在多模態生成及面向全球消費者 AI 應用領域處於領先地位。為什麼獨立基礎模型提供商可以保持結構性重要地位基礎模型之爭通常過分強調規模——資本、資料和基礎設施——而低估了激勵及客戶協同差異對長期結果的塑造。實踐中,獨立基礎模型提供商不會在廣度或分發上與超大規模提供商正面競爭。它們結構性佔據著截然不同的地位,隨著 AI 採用成熟,依然重要。雲整合是優勢,也是制約因素超大規模提供商理所當然地設計最適用於其自身雲環境的基礎模型。與專有基礎設施、資料服務和身份層的緊密整合增強了客戶留存及平台效益。對於完全依賴於單一雲的客戶,這可能頗具吸引力。然而,對於許多大型企業來說,這種整合也帶來了限制。多雲架構、供應商風險管理及長期成本考慮降低了模型和基礎設施之間深度耦合的吸引力。選擇獨立提供商通常不是因為它們在絕對意義上“更好”,而是因為它們允許做出獨立於雲策略的模型決策,這一特點在規模化之後愈發重要。變現激勵不同造成客戶關係差異。超大規模提供商和獨立提供商之間的關鍵區別在於基座模型如何變現及分發。超大規模提供商主要利用模型賦能內部 AI 產品並強化整體平台生態,API 作為支援生態系統擴張的補充管道發揮作用。獨立提供商通常通過 API、企業授權或私有化部署、以及選擇性 AI 產品等方式直接將模型變現。這些管道服務於同一個根本目標——最大化模型採用及利用——而不要求客戶繫結單一基礎設施或軟體生態。這種結構通常更能深度匹配建構專有 AI 應用的客戶。功能侵蝕風險在垂直整合平台上建構 AI 應用的企業面臨一項風險:成功的工作流程隨後可能被平台內化並作為競品重新發佈。這種風險可能阻礙核心任務使用場景深度依賴超大規模提供商模型。獨立模型提供商通過結構性中立來緩解這種擔憂。他們的業務激勵依賴於賦能客戶應用,而非與客戶競爭,從而降低感知到的戰略和執行風險。中國的生成式 AI 利潤池可能向平台巨頭傾斜全球投資者日漸認為生成式 AI 是一個“模型實驗室贏家通吃”的故事。媒體報導稱,OpenAI 正在探索為 IPO 鋪路,估值高達 1 兆美元,該估值參考了2025 年底年化經常性收入或達到約 200 億美元的預期。另外,有報導稱,Anthropic 正在尋求募資,隱含估值可能在 3,500 億美元左右。我們認可這些資料,因為它們為“為他人做嫁衣裳”之說立下了高門檻。不過,我們仍認為國內生成式 AI 的持久利潤池將高度集中於大型網際網路平台,尤其是騰訊和阿里巴巴,因為它們掌控著全國範圍層級的分發、變現通道以及高頻消費和商戶事務流。我們的這一觀點基於一個簡單的觀察:最有價值的“模型公司”越來越像平台,而非純粹上游供應商。當投資者投注兆美元市場時,他們往往押注的是消費者門戶、企業分發管道及開發者生態系統,而非僅僅是模型質量的邊際改進。這一邏輯在中國非常關鍵,因為騰訊和阿里巴巴已然擁有國內最強大的消費者及商家介面,可以將生成式 AI 嵌入既有介面,意向、轉化及定價權都是現成的。 (水木紀要)