•
中信建投：AI應用2026年投資機遇
2025年AI應用的關鍵詞是加速商業化。移動應用垂直性相對較強，使用者需要在社交、電商、支付、出行等不同場景下使用不同的應用。未來AI助手、通用型Agent的性能更強、功能更豐富，有望聚合更多垂類應用平台，而每個使用者可能只需要少數幾個AI助手、通用型Agent就能滿足所有線上需求，網際網路時代的流量入口格局有可能會被打破，搶佔AI時代流量入口是保持或強化自身在AI時代市場地位的關鍵一步。
我們認為，全球AI應用商業化有望呈現持續加速。中信建投TMT科技、醫藥團隊推出【AI應用產業鏈2026年投資展望】系列研究：
通訊 | 國內外CSP持續加大資本開支，雲業務與大模型應用表現亮眼
傳媒 | MiniMax：國產全模態多面手，模型與應用飛輪啟動
醫藥 | AI健康應用螞蟻阿福下載量攀升，繼續看好AI醫療投資機會
01 AI大模型與應用持續發展，算力受益，關注量子
DeepSeek V3.2正式版發佈，強化Agent能力，融入思考推理。在公開的推理類Benchmark測試中，DeepSeek-V3.2達到了GPT-5的水平，僅略低於Gemini-3.0-Pro。DeepSeek-V3.2-Speciale的目標是將開源模型的推理能力推向極致，探索模型能力的邊界。字節跳動旗下豆包團隊與中興通訊合作推出首款工程樣機nubia M153，支援豆包手機助手，進一步探索手機側AI Agent。我們認為，AI大模型仍在持續迭代，大局未定，各家都存在繼續進步或逆襲可能，所以不能因為某些模型階段性領先就過度看空其餘模型及相關公司產業鏈，AI應用也在持續發展，不論是手機還是眼鏡，尚未到完全突破階段，但都可能引發階段性行情，值得持續關注。
亞馬遜發佈Trainium3，基於3奈米製程打造，性能較Trainium2提升4倍，能效提升40%。同時，亞馬遜表示正在研發中的Trainium4將支援與輝達晶片協同工作。AMD蘇姿丰證實已獲批對華出口AI晶片MI308，需向美政府支付15%稅費。摩爾線程上市首日大漲。xPU持續迭代，市場高度關注，有望推動AI進一步快速發展。
近期，AI產業鏈催化不斷，包括Google新模型性能大幅提升及TPU展示出的較強能力、DeepSeek V3.2正式版發佈、亞馬遜發佈Trainium3、以及摩爾線程上市市場展現出的高參與熱情等等，同時更多公司包括輝達、阿里、AMD等否認AI泡沫的觀點，均展現了AI的良好發展前景。目前，世界正處於AI產業革命中，類比工業革命，影響深遠，不能簡單對比近幾年的雲端運算、新能源等，需要以更長期的視角、更高的視野去觀察。因此，我們對AI帶動的算力需求以及應用非常樂觀，持續推薦AI算力類股。
風險提示：
國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。
02 國內外CSP持續加大資本開支，雲業務與大模型應用表現亮眼
北美四家CSP廠商已經公佈三季報，資本開支加速增長，同時各家對未來基礎設施投資均繼續保持積極態度。北美四大雲廠商今年資本開支逐季提升：2025Q1資本開支總計773億美元，同比增長62%；2025Q2資本開支總計958億美元，同比增長64%；2025Q3資本開支總計1133億美元，同比增長75%，環比增長18%。
大模型應用資料與相關業務收入規模激增。2025年5月，Google表示系統每月處理的Tokens數量激增，從去年的9.7兆增加到480兆，增長將近50倍。2025年7月，Google每月處理超980兆Tokens，較兩月前翻倍增長。2025年10月，Google每月處理的Tokens超過1300兆，一年內增長超過20倍。據The Information報導，OpenAI在2025年前七個月實現收入翻番，年化收入ARR達到120億美元，遠超2024年約40億美元的水平，目標是2029年年收入達到1250億美元，近期OpenAI CEO奧爾特曼表示公司年收入超過130億美元，並有望提前實現千億美元營收目標。2025年7月，Anthropic年化收入達40億美元，較2024年增長近四倍，其中70%-75%由程式碼生成場景貢獻。The Information資料：Anthropic將2025年營收預期上調26%至47億美元，2026年預期上調28%至152億美元，2027年預期上調13%至389億美元，到2028年營收將突破700億美元。
國內CSP廠商季度資本開支略有波動，整體仍保持較高投資強度。2025年第二季度，阿里巴巴的資本開支達到386億元，同比增長220%，環比增長57.1%，創下單季歷史新高。2025Q2阿里雲業務營收333.98億元，同比增長26%，AI相關收入繼續保持三位數增長，外部商業化收入中AI貢獻已超過20%，AI需求快速擴大，同時帶動計算、儲存及其它公有雲服務需求上升。在財報電話會上，阿里巴巴CEO吳泳銘披露，過去四個季度，阿里已經在AI基礎設施及AI產品研發上累計投入超1000億元。公司已為全球AI晶片供應及政策變化準備“後備方案”，通過與不同合作夥伴合作，建立多元化的供應鏈儲備，從而確保投資計畫能夠如期推進。阿里2025雲棲大會上，阿里巴巴集團CEO、阿里雲智能集團董事長兼CEO吳泳銘表示，目前阿里正積極推進3800億元的AI基礎設施建設，並計畫追加更大的投入，為了迎接超級人工智慧(ASI)時代的到來，對比2022年GenAI的元年，到2032年阿里雲全球資料中心的能耗規模將提升10倍，這意味著阿里雲算力投入將指數級提升。2025年第二季度，騰訊的資本開支為191億元，同比增長119%，公司表示在AI方面一直在大量投入，同時未來還會繼續加大投入力度，但需要以合適的節奏進行。公司正在部分遊戲、微信、廣告等多方面加大人工智慧的應用，同時不斷升級混元基礎模型的功能，推動AI原生應用元寶的使用。
據國家資料局資料，2024年初中國日均Tokens的消耗量為1000億，截至今年6月底，日均Token消耗量已突破30兆，1年半的時間增長300多倍。以豆包為例，去年12月中旬，豆包日均Tokens使用量已超過4兆，較七個月前首次發佈時增長了33倍；截至2025年3月底，豆包大模型日均Tokens 呼叫量已超過12.7兆，是2024年12月的3倍，是一年前剛發佈時的106倍；截至2025年5月底，其日均Tokens使用量超過16.4兆，同比增長137倍。2025年10月16日，火山引擎總裁譚待在武漢舉行的FORCE LINK AI創新巡展上披露，豆包大模型的每日Token呼叫量從去年5月的1200億增長至今年9月的30兆，實現253倍增長。根據IDC報告，今年上半年火山引擎在中國公有雲大模型服務呼叫量上居第一，市場份額達49.2%。
風險提示：
國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧需求過快增長，供給緊張導致出貨及業績兌現不及預期；人工智慧行業發展不及預期，資本開支不及預期，影響雲端運算及算力產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；持倉較高帶來的交易型市場波動等。
03 模型的應用落地處理程序呈現顯著加速態勢
根據ARR Club最新統計的全球AI 應用ARR資料可以看出，全球AI應用商業化速度迅猛，且呈現強“頭部平台 + 長尾應用”結構。按 ARR 切分可見三個明顯層級：超大體量（>40億美金）由通用平台把持（OpenAI、Anthropic、Databricks、Canva），其後是 5–15億美金的企業應用與橫向工具（Deel、Fullscript、Rippling、Ramp、Samsara、Notion 等），最後是1–5億美金的專業垂類與新興 AI-native（Cursor、Cohere、HeyGen、ElevenLabs、Perplexity、Aiven 等）。這說明通用模型與資料平台依靠強大的平台效應或廣泛的客戶群迅速商業化，
榜單前二十中出現了大量B端AI應用，包括上游（模型/資料/平台）和企業工作流（ERP/人力/安全/合規）。如“AI 程式設計/工作流自動化”成為新增長錨點，Cursor、Cognition（Devin+Windsurf）、Replit、Usercentrics、Customer.io 等顯示出 AI+開發的強勁變現能力：一是高頻、剛需、可快速替代人工（如程式設計師）；二是從開發者自下而上滲透到B端批次採購。傳統軟體廠商（如 Databricks、Canva、Notion、Deel、Rippling）依靠既有客戶基座與資料資產快速把AI能力嵌入，形成“功能增購/套件化”收入，強客戶粘性是顯著優勢。
C端（圖像/視訊/配音/伴侶類）多數處於1–3億美金區間，增速快且空間大。且多模態內容生產正由“工具”走向“管道與平台化”。HeyGen、ElevenLabs、Otter.ai、Perplexity等的 ARR 進入 1-2億美金檔，核心不止是模型效果，而是範本化工作流、資產管理與分發管道：例如一鍵生成/配音/字幕/多語版本到企業素材庫，或將搜尋問答轉化為“可引用、可復用”的知識單元。
我們認為，全球AI應用商業化有望呈現持續加速：1）OpenAI：根據彭博披露，OpenAI 預計 2025 年收入約 127 億美元。根據《The Information》預測，OpenAI 2026 年收入規劃約 290 億美元、2027年進一步達到540億美元。同時根據管理層Sam Altman對外口徑，2027 年收入在樂觀情景下有望達 1000 億美元（屬目標展望，非財務指引）。2）Anthropic：根據《The Information》披露的資料，Anthropic 在 2025年末年ARR目標定在約 90億美金；在此基礎上，公司對 2026 年設定了 200-260億美金ARR目標，對 2027 年進一步增長至300億美金以上。
根據Unique Research 2025年10月發佈的資料統計，在全球按年度經常性收入（ARR）排名的 100 大 AI 產品中，有 23 個來自中國公司，23家的ARR收入加總超過11億美金，包括：KLing（1.49億美金）、PLAUD（1.44億美金）、美圖秀秀（1.10億美金）、PictureThis/形色（0.93億美金）、夸克（0.87億美金）、Hypic（0.81億美金）、HeyGen（0.80億美金）、Manus（0.75億美金）、GenSpark（0.42億美金）、AirBrush（0.40億美金）、BeautyPlus（0.26億美金）、OpusClip（0.26億美金）、OpenArt（0.24億美金）、BeautyCam（0.23億美金）、Wink（0.22億美金）、LazyFit（0.22億美金）、Polybuzz（0.21億美金）、Pixverse（0.20億美金）、Vidu（0.20億美金）、Linky（0.18億美金）、Filmora（0.17億美金）、Retell AI（0.17億美金）。
而全球MAU排名中（截至 2025 年 8 月），前 100 家 AI 公司，其網頁和移動端月活躍使用者數估計達到 47.8 億，其中中國約佔 46%（約 22 億 MAU），規模排名前十中有六家是中國公司——百度、字節跳動、DeepSeek、美圖、作業幫和阿里。其中，多家AI公司有數個產品上榜，例如美圖旗下的美圖秀秀、wink、beautyplus、airbrush等。這體現了中國公司強大的使用者基礎和粘性，以及未來商業化的巨大潛能。
中國前 100 名 AI 產品中近半數集中在媒體創作和最佳化領域，其中 47 個專注於視訊（23 個）或圖像（24 個）生成與編輯，約佔總數的 47%。這種高度集中反映了針對視覺內容製作和精修的生態系統已得到最佳化。值得關注的例子包括視訊領域的 KLING AI、HeyGen、Vidu 和 PixVerse，以及圖像領域的 Meitu、Hypic、BeautyPlus、BeautyCam、OpenArt 和即夢 AI。
根據Unique Research 2025年10月發佈的C端AI產品資料顯示，中國C端AI應用的MAU佔到全球使用者數的34%，但是C端商業化收入ARR僅為5億美金，而美國AI應用ARR達到了334億美金。這裡面有幾方面原因，一方面中國網際網路大廠的AI產品很多是嵌入原有業務中，未單獨披露ARR(例如Google也未統計進去)。另一方面，中國AI大模型主要為本地化部署，未形成像OpenAI這樣的會員訂購模式（Unique Research統計OpenAI的ARR為175億美金，佔了美國334億中的超過一半）。但不可否認的是，美國AI應用的商業化正在蓬勃發展中，加上美國對於軟體的付費意識較好，因此大量的AI應用開始實現規模化的收入，進而反哺其研發和推廣。
風險提示：
北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；晶片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；疫情影響公司正常生產和交付，導致收入及增速不及預期；資訊化和數位化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；人工智慧技術進步不及預期；汽車與工業智能化進展不及預期；半導體擴產不及預期等。
04 巨頭加碼終端側AI算力，應用落地驅動產業發展
混合AI有望成趨勢，端側AI價值顯現
雲邊協同的混合式AI架構對AI的規模化擴展起到重要作用。根據高通《混合AI是AI的未來》白皮書，隨著生成式AI正以前所未有的速度發展以及計算需求的日益增長，AI處理必須分佈在雲端和終端進行，才能實現AI的規模化擴展並行揮其最大潛能。與僅在雲端進行處理不同，混合AI架構可以根據模型和查詢需求的複雜度等因素，在雲端和邊緣終端之間分配並協調AI工作負載。雲端和邊緣終端如智慧型手機、汽車、個人電腦和物聯網終端協同工作，能夠實現更強大、更高效且高度最佳化的AI。
端側AI具有成本、能耗、可靠性、隱私、安全和個性化優勢。
成本優勢：AI推理的規模遠高於AI訓練。模型的推理成本將隨著日活使用者數量及其使用頻率的增加而增加。在雲端進行推理的成本極高，這將導致規模化擴展難以持續。將一些運算負載從雲端轉移到邊緣終端，可以減輕雲基礎設施的壓力並減少開支。
能耗優勢：邊緣終端能夠以很低的能耗運行生成式AI模型，尤其是將處理和資料傳輸相結合時。
可靠性、性能和時延：當生成式AI查詢對於雲的需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況。向邊緣終端轉移計算負載可防止這一現象發生。
隱私、安全和個性化：由於資料處理完全在本地進行，終端側AI有助於保護個人資訊，以及企業和工作場所中的機密資訊。以本地和雲端分別運行AI大模型製作行程安排為例，本地AI大模型通過長期學習使用者行為，並利用本地儲存的資訊，可以給出更貼合使用者生活習慣、更準確的建議。相較之下，如果雲端模型需要訪問使用者本地儲存的檔案、瀏覽記錄等資訊再給出個性化的建議，使用者通常較難接受。
邊緣側已具備運行AI的實踐基礎，未來將支援多樣化的生成式AI模型。在生成式AI出現之前，AI處理已在終端側獲得應用，越來越多的AI推理工作負載在手機、PC等邊緣終端上運行。自2017年華為麒麟 970 首度在手機 SoC中引入了 NPU（用於拍攝和圖像識別）之後，高通與聯發科也先後在2018年的驍龍855和2019年的天璣1000中整合了NPU/APU模組；目前NPU已逐漸成為手機SoC中常備整合的模組，且用途從最初的協同ISP進行圖像處理發展為目前端側模型的主要支撐者，重要性與日俱增。在2024年發佈的驍龍8e和天璣9400上，分別整合了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用於AI處理，NPU模組佔SoC投影面積比例顯著提升。除此之外，OPPO還曾在2021年12月舉辦的OPPO INNO DAY上發佈了首款外掛式NPU MariSilicon X(採用TSMC 6nm製程)，儘管只是用於圖像處理，但仍讓我們看到了未來NPU在端側獨立部署的另一種可能。
終端裝置有望在AI的催化下迎來新一輪創新周期。生成式AI正在驅動新一輪內容生成、搜尋和生產力相關用例的發展，覆蓋包括智慧型手機、PC、汽車、XR以及物聯網等終端品類，提供全新的增強使用者體驗。以PC為例，AI大模型已能夠有效地處理文件撰寫和簡報製作等任務，完美契合PC作為生產力工具的定位。此外，在以終端為中心的混合AI架構中，多數任務能夠在PC本地運行，既保護隱私，又能及時響應。新興的發展趨勢有望帶動新一輪的產品創新周期，全球科技巨頭正加速投入。
風險提示：
1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；
2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；
3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；
4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；
5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。
05 景氣賽道：金融IT+智能駕駛
互金行業景氣度持續攀升，AI賦能行業發展成效顯著
AI技術快速迭代升級，正重塑證券行業的定價邏輯、服務模式以及風險管理體系。當前，AI賦能證券行業重點聚焦智能投顧、量化交易、風險控制以及投研輔助等核心應用場景，迅速提升客戶體驗，並以此為突破口，打開公司業務新增向上空間。隨著AI與證券行業全鏈條、全領域、全環節深度融合，有望全面釋放前中後台人員生產力，加速推動證券行業數位化、智能化轉型。如，東方財富2023年推出“妙想”金融大模型，2024年發佈Choice8.0版本，提供智搜、智讀、智問、智創、智研以及智投等6大智能體驗；同花順2024年推出金融對話大模型HithinkGPT，應用於問財和iFind，提供智能投顧、金融問答、投研寫作、客戶服務、風控合規/程式碼生成等服務與能力。指南針主要通過接入外部大模型，整合技術能力，AI佈局集中於應用層最佳化，提供量化策略工具、智能客服等服務。隨著AI技術快速迭代，如DeepSeek、Manus等優秀成果持續湧現，“AI+金融”有望迎來新一輪發展機遇。
多款智能投研產品爆火出圈，為AI在投研領域的應用創新提供了多種可能性。投研是AI技術的重要應用場景，該領域豐富規範的資料基礎、明確的任務流程、清晰的反饋機制，與AI的技術特性高度適配，能夠有效解決傳統投研中的資訊處理效率、分析深度等痛點，2025年以來Alpha派、Manus等產品的出圈，進一步印證了AI在投研場景的應用價值與發展潛力。儘管Manus從6月的爆火出圈，到徹底撤出中國，曇花一現，但是其多智能體協同架構與端到端閉環處理的技術方案，為AI投研的產品形態創新提供了重要參考；其在金融分析場景中展現的高效資料處理與可視化輸出能力，也進一步印證了AI賦能專業投研的巨大潛力。Alpha派作為訊兔科技推出的AI投研應用，聚焦機構投研全流程痛點，打造會議機器人、業績點評等細分工具，可快速生成紀要、梳理投資邏輯、輸出基本面概覽，支援定製化服務。產品上線後覆蓋超4萬名機構投研使用者，頭部買方機構使用率達80%，成為投研人員提升效率的高頻工具，充分驗證了AI在投研領域的巨大應用潛力。
隨著A股市場活躍度提升，ETF市場規模逐步壯大，網際網路金融科技企業業績增長預期增強。AI在股票分析、智能投顧領域的積極進展，有望推動網際網路金融科技企業加大AI戰略佈局，重塑證券行業的定價邏輯、服務模式以及風險管理體系，加速AI賦能證券行業降本增效，打開業務新增長空間。網際網路金融科技企業核心受益市場活躍度提升以及AI在金融行業取得積極進展，迎來新一輪發展機遇。
無人化應用場景廣泛帶動智能駕駛高景氣
當前，以自動駕駛、機器人技術為核心的無人化應用正迎來多元化發展的關鍵時期。人工智慧、5G、物聯網等新一代資訊技術逐步成熟，企業應對勞動力短缺、提升效率與安全的需求強勁，共同驅動無人化應用場景加速落地。以港口、礦區、環衛等為代表的半封閉場景，憑藉環境可控、規則明確的特點，已基本完成技術驗證階段，實現了規模化商業落地，形成了清晰的商業模式和積極的投資回報。幹線物流、無人配送和Robotaxi（無人駕駛計程車）等場景市場空間更為廣闊，涉及時間與空間複雜度更高，且相關法律法規建設仍未完善，但上述場景正處於技術快速迭代與商業化試點周期，海內外技術與市場共振，有望在未來幾年內迎來加速突破。
無人化場景的持續拓展，對車、路、雲、網等一體化基礎設施建設提出了大量新增需求，拉動了智駕產業鏈上游的高景氣度。要實現高階“真無人”駕駛，單車智能的成本限制以及自動駕駛演算法技術瓶頸仍然存在，“車路雲一體化”成為當前主流的解決方案。這催生了對智慧道路（路側感知、計算與通訊單元）、高精度地圖（釐米級高精度的靜態環境底圖）以及高可靠、低時延的5G/5G-V2X網路等基礎設施的大規模投入。上述設施共同形成了智能駕駛對於環境的即時感知能力和分析能力，彌補單車智能在高階智駕能力上的差距，提升安全冗餘和運行效率。2024年7月，工信部等5部門發佈《關於公佈智能網聯汽車“車路雲一體化”應用試點城市名單的通知》，確定20個城市（聯合體）作為首批“車路雲一體化”應用試點。北京、武漢等地相關項目規模突破百億元，無錫市已建成約1700個路口訊號燈聯網聯控、700個路口安裝路側直連通訊單元、300個路口部署感知及邊緣計算裝置，形成市區兩級協同的車聯網雲平台。
風險提示：
（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。
06 MiniMax：國產全模態多面手，模型與應用飛輪啟動
MiniMax成立於2021年12月，是模型能力、應用商業化均在前列的，國產大模型獨角獸。據虎嗅、新浪財經和創業最前線，目前MiniMax團隊規模僅約400人，但是依靠高效率、規模化的研發組織，MiniMax的模型性能可以對標全球頭部模型能力。模型與應用的協同發展也驅動Minimax快速商業化，24年收入約7000萬美元，在短時間內就實現自負盈虧甚至盈利。
1、模型佈局：全球少數在文字、視訊、音訊三大模態均領先的公司。MiniMax在過去三年分別突破不同模態模型能力，23年發佈語音合成模型，24年發佈視訊和音樂生成模型，25年發佈全新文字模型M2，程式設計與Agent性能全球領先。其中M2模型率先在效果、價格和速度上取得較好的平衡，性能與GPT5、Claude4.5 Sonnet處於相近的水平線，但價格僅為它們的10%以內，速度快50%以上；視訊和音樂生成模型分別位列Artificial Analysis全球模型細分榜單的前10和前3。
2、應用佈局：覆蓋AI社交、視訊、程式設計和Agent等多個賽道，出海步伐快，商業化節奏清晰。公司在賽道選擇上具有較強的前瞻性和差異化，22年底率先佈局社交陪伴賽道，首款產品Glow的上線時間僅比Character AI晚一個月；23年底成功拓展至語音/音樂賽道，彼時同類公司還主要在基座模型上發力；24年以來又拓展了視訊、Agent、程式設計等賽道。
1）Talkie&星野：目前收入和使用者規模均最大的國產AI陪伴產品。Talkie和星野是分別面向海外和國內使用者的姊妹產品，App月活分別維持在2000萬和500萬以上。AI陪伴的使用者時長長、付費意願高，Talkie&星野之所以能在Character AI、字節貓箱等同類產品中脫穎而出，一是因為虛擬角色儲備更豐富，達千萬種以上；二是因為該產品在會員訂閱、廣告等常規變現模式的基礎上，還整合抽卡、UGC內容共創與交易等創新玩法。據新浪財經，24年Talkie收入達數千萬美元量級，是公司最核心的收入來源。
2）語音合成和音樂生成：主要面向B端客戶，佈局具備前瞻性。2023年開始佈局，是國內發力最早、步伐最快的公司之一。國內已與躍然創新、Rokid、閱文起點中文網、高途教育、獵豹移動等超2000家公司達成合作，應用於有聲書、AI玩具、數字人等場景；海外為部分原生AI應用提供語音合成能力，以語音生成工具和AI廣告視訊創作工具為主，如Hedra（ARR 1億美元）、Vapi（ARR 800萬美元）。
3）海螺AI：多次在海外出圈的AI視訊產品。海螺視訊模型的綜合性能，長期位列全球視訊模型榜單Artificial Analysis的前10。公司基於該模型推出面向B端的API介面和面向C端的AI視訊創作工具海螺AI，生成720P的5秒視訊最低僅1.7元，略低於豆包和可靈視訊模型。今年年中使用該模型創作的動物跳水視訊在Instagram的播放量超2億，吸引大量海外短影片創作者模仿。我們預計目前海螺視訊模型的收入主要來自海外P端使用者的訂閱。
4）Coding Plan：程式設計性價比高，Token呼叫量快速提升。10月底公司推出M2模型，程式設計性能接近Claude Sonnet4.5、GPT5.1和Gemini3 Pro。目前已有超20個大模型聚合平台和AI程式設計應用直接呼叫M2模型的API，在頭部大模型聚合平台OpenRouter上的呼叫量連續4周位列全球前5，且超75%應用於程式設計場景。公司同步推出Coding Plan，是專為AI程式設計場景提供的M2模型呼叫方案。使用者可以在Cursor、Claude、Trae等主流程式設計應用中呼叫M2，價格僅為Claude Code的8%。
5）MiniMax Agent：定位為通用Agent，已進入商業化階段。MiniMax Agent於今年7月上線，完成PPT創作、深度研究報告撰寫、網站製作等複雜任務的效果較好。目前該產品已開啟商業化，折合每個任務約1元，降本增效效果顯著。
風險提示：
版權保護力度不及預期，智慧財產權未劃分明確的風險，消費習慣難以改變的風險，關聯公司治理風險，生成式AI技術發展不及預期的風險，產品研發難度大的風險，產品上線延期的風險，行銷買量成本上升風險，人力成本上升的風險，政策監管的風險，商業化能力不及預期的風險，AI產品和服務的使用者增長和付費率不及預期的風險，AI產品和服務降本提效效果不及預期的風險，新客戶拓展不及預期的風險，生成式AI帶來的資料安全風險，全球經濟環境惡化風險，國內外網際網路行業反壟斷及監管風險，地緣政治導致客戶出海困難的風險，競爭加劇風險，頭部廣告主預算縮減風險，品牌客戶拓展不及預期的風險，人才流失風險。
07 AI應用：從等待爆款，到商業化加速落地
回顧2025年，AI應用的關鍵詞是 加速商業化。OpenAI從追求AGI全面轉向變現，OpenAI預計25年內ARR完成從100億美元到200億美元的跨越，Anthropic的ARR從24年底的10億美元快速增長至25年7月的50億美元，程式設計、搜尋、多模態 成為目前商業化最快的幾個賽道。國內外大廠Token呼叫量快速增長，GoogleGemini10月份Token量較7月增長33%，字節豆包9月底的Token呼叫量較今年5月增長超80%。重點公司AI收入跨越式增長，如海外Applovin在24年高基數下仍維持70%左右的收入增速，國內美圖整體付費滲透率從1H23的2.9%增加至1H25的5.5%，可靈二季度收入2.5億元，環比一季度增長超60%。
展望2026年，重點觀察：
1）AI+老產品=新流量入口。騰訊微信最具備Agent化潛力，既擁有流量入口屬性（超14億月活），又整合微信小程序、公眾號、視訊號和社交生態，能滿足使用者幾乎所有線上功能。字節的豆包與抖音在AI搜尋（AI短影片、直播搜尋）全面打通；也期待阿里巴巴的淘寶、支付寶與夸克等產品成為一部分AI的流量入口。此外，期待抖快有望推出“中國版Sora”，目前AI生圖已經大眾化，AI視訊的全民推廣可期。
2）AI+廣告，有望從2026年開始兌現報表。以快手 OneRec為代表，快手OneRec是全球首個端到端的生成式推薦模型，營運成本Opex僅為傳統內容推薦模型的10%，目前僅承接25%的流量就使使用者總時長提升1%。後續融合生成式競價系統，有望進一步提高廣告效率。騰訊 連續10個季度廣告收入增速在20%附近，其中25年二季度收入同增20%，主要原因之一是AI提升點選率，從而驅動eCPM增長。嗶哩嗶哩1H26將上線端到端表示學習演算法，啟動AI廣告Agent的白名單測試，並上線AI混剪廣告視訊，廣告創意數量提升千倍。
3）AI出海有望成為關鍵詞：海外軟體付費意識較強，國內AI產品有望憑高產品力、高性價比獲得快速增長，美圖 有望在北美節假日加快海外功能更新和行銷節奏，此前AI合照、AI閃光燈等功能已推動美圖系產品登頂海外多國的iOS免費應用榜。快手可靈 海外收入佔比70%，後續模型性能有望沿著世界模型、音視訊同步生成等方向迭代，產品功能則可能借助靈動畫布、短影片生成Agent更深度融入視訊創作工作流。此外，Minimax、智譜等國產大模型公司，有望相繼步入資本市場，融資有望進一步驅動商業化速度，其中MiniMax在2024年的收入已突破7000萬美元，我們預計出海AI社交產品Talkie AI貢獻絕大部分收入。
4）海外AI也加快融資-商業化進展，需重點關注OpenAI和Anthropic的進展規劃。OpenAI推動ChatGPT接入第三方應用，為AI時代應用生態打樣板，即一個超級入口+一眾垂類應用。OpenAI預計2030年ARR達數千億美元，Anthropic預計2028年收入達到800億美元，企業客戶的AI程式設計需求驅動增長。
風險提示：
版權保護力度不及預期，智慧財產權未劃分明確的風險，IP影響力下降風險，與IP或明星合作中斷的風險，大眾審美取向發生轉變的風險，競爭加劇的風險，使用者付費意願低的風險，消費習慣難以改變的風險，關聯公司治理風險，內容上線表現不及預期的風險，生成式AI技術發展不及預期的風險，產品研發難度大的風險，產品上線延期的風險，行銷買量成本上升風險，人才流失的風險，人力成本上升的風險，政策監管的風險，商業化能力不及預期的風險。
08 國內AI產業鏈：AI轉型形成廣泛共識
美國領先全球算力佈局，中國受制於供給限制顯著落後。根據Epoch AI，中美領先全球AI算力佈局，其中美國以74.4%的16-bit FLOP/s份額佔據絕對主導地位，而中國持有14.1%的份額，位居全球第二，但與美國存在顯著差距，主要受制於晶片採購禁令以及上游製造代工裝置採購限制，導致本土晶片產能也同樣受限。
“開源大模型排行榜”顯示了一個關鍵趨勢：雖然美國的gpt-oss-120B在智能指數上拔得頭籌，但排行榜的前列（Top 10）幾乎被中國開源模型所佔據，包括DeepSeek V3.1、通義千問Qwen3 235B、Kimi K2 0905、智譜GLM-4.5等。它表明國內的“智能層”（中游）不僅在追趕，而且在廣度和頂尖競爭力上已經達到世界級水平。眾多中國模型上榜，顯示出市場競爭（如字節跳動發起的價格戰）和高強度研發投入（如阿里的全系列模型 、百度的文心）已經催生出一個高度繁榮和高水平的模型生態。
應用方面，最顯著的趨勢是，亞洲（主要由中國市場驅動）的份額從23H2的約32%穩步增長至超過40%，成為全球最大且增長最快的AI應用市場。相比之下，北美市場的份額則從約20%下降至約10%。與移動網際網路類似，亞洲（尤其是中國）龐大且活躍的消費者群體為AI應用提供了最佳的“試驗場”和變現管道。
以上共同描繪了一個完整的中國AI產業故事：一個龐大且佔主導地位的“應用市場”，正在資助一個“世界級”的“模型層”，並共同拉動一個“自主可控”的“硬體層”的快速迭代和追趕。我們看到雲廠商及網際網路平台在AI+廣告/搜尋/電商方面規模化探索，隨著海外投資者持續對AI CapEx回報產生擔憂，創新/規模化落地速度更快的國產應用具備更大的超預期空間，且估值更穩健合理，存在系統性重估的機會。
風險提示：
業務發展不及預期：業務市場競爭格局仍處於較快變化階段，我們對行業的判斷很大程度上是基於主觀預期，而市場競爭加劇可能影響相關業務的表現，使預期與實際業績產生偏差。
行業增長不及預期：疫情下居家辦公等需求脈衝式增長，這使得重新開放後高基數、需求透支下行業增速可能有所放緩。產品發佈帶來短期需求爆發，但這類需求的長期可持續性仍有待驗證。
監管不確定性：業務涉及多個國家和地區，同時滿足不同國家的監管要求及潛在的變化會對業務產生一定不確定性的影響。
技術風險：大模型的部署和維護可能涉及技術上的挑戰。需要強大的計算資源和儲存能力來支援大模型的運行，這可能會增加成本。此外，大模型的訓練和更新也需要大量的時間和人力投入。
商業落地風險：由於大模型業務處於探索期或成長期，業務模式尚未成熟，同時宏觀、行業環境可能發展變化，因此當前時點對未來的預判多數依賴上述環境變化不大或基本穩定的假設。大模型相關的監管尚未明確，可能涉及一些資料隱私、資料偏見、濫用等的法律風險
其他風險：消費復甦節奏；宏觀經濟及社零增長疲弱；聯準會加息處理程序超預期；行業監管風險；中美關係發展的不確定性；中概股退市風險。
09 AI健康應用螞蟻阿福下載量攀升，繼續看好AI醫療投資機會
螞蟻阿福月活量穩居健康管理AI首位，APP下載量位列蘋果應用程式商店第三
12月15日，螞蟻集團正式宣佈旗下AI健康應用“AQ”完成品牌升級，全新命名為“螞蟻阿福”。“螞蟻阿福”目前月活躍使用者已經達到1500萬，穩居健康管理類AI應用首位，15日新版App發佈後，下載量迅速攀升，16日位居蘋果應用程式商店下載總榜的第3位，顯示出使用者對其定位與價值的認可。
螞蟻通過醫保碼和超8億的醫保使用者，建構起覆蓋支付、掛號、線上問診、健康應用等完整的健康服務生態。通過聯合上千位專家、院士，並組建千人規模的醫學標註團隊，持續調教底層大模型的思維，螞蟻阿福的專業大模型在國內率先通過中國資訊通訊研究院醫療健康行業大模型雙領域可信評估，並在HealthBench、MedBench等權威行業榜單中名列前茅。
政策支援+產品應用落地，共同推動AI醫療的場景應用
今年以來，國內AI醫療在政策、技術、產品及應用等方面均有持續進展，技術突破有望從單個產品走向場景全鏈條，應用場景從大醫院下沉到基層和個體。政策端一季度的揭榜掛帥工作通知為AI醫療發展提供了有力支援和保障；工信部等七部門隨後提出階段性的工作目標，到2027年打造100個以上醫藥工業數智技術應用典型場景等；國務院、衛健委最新發佈的政策強調“場景落地優先”，重視基層醫療與慢性病管理；“安全可控底線”，從資料安全、診療責任、產品稽核多維度設防；“產業生態共建”，鼓勵政產學研用協同推進技術創新與成果轉化。
AI是醫療企業必須重視的創新方向，建議關注行業投資機會
AI醫療在提升醫療器械功能、檢查檢驗結果解讀、輔助臨床醫生決策、健康管理等多個領域的應用價值較大，是醫療企業和醫院必須重視的創新方向和競爭趨勢。企業有望借助AI進一步提高產品競爭力和客戶粘性，鞏固行業地位和競爭優勢。AI醫療也是國內企業出海競爭的關鍵要素之一，在自主研發之外，併購、外部戰略合作、建立數位化平台和生態圈等也是加快AI佈局的重要途徑。在國家政策和行業技術的持續催化下，AI醫療應用場景有望加速落地，建議關注行業投資機會。
風險提示：
資料隱私與安全風險：AI醫療依賴大量敏感的醫療資料，在資料收集、傳輸及應用過程中，存在資料洩露、隱私濫用等風險，可能引發患者信任危機和合規審查等法律問題。
技術落地及模型泛化風險：AI醫療產品可能因實際臨床資料複雜性、資料標準化難度大或技術瓶頸等因素，導致無法按計畫實現預期效果，甚至在特定場景下出現誤判、漏診等問題。
政策、法律和倫理風險：AI醫療應用高度依賴政策推動和行業監管，若政策或合規標準制定與調整進度低於預期，將直接影響產業化落地。
商業化進展和市場需求不及預期風險：由於AI醫療場景商業模式仍在探索，部分細分領域商業化落地速度、盈利能力、醫保支付等存在較大不確定性。同時，AI醫療的市場需求若未能按預期釋放，或C端使用者及院方客戶接受度不高，將限制企業收入增長。
行業競爭快速加劇的風險：AI醫療行業作為跨界新興產業，國內外巨頭及創業公司不斷湧入，尤其開源大模型和SaaS平台促進行業門檻降低，導致市場競爭日益激烈。 (中信建投證券研究)