人工智能系列（一）：大模型从技术竞赛到商业闭环，AI生态收敛与竞争格局前瞻

　　主要观点：

　　1.全球大模型使用需求保持高增长，行业集中度同步提升。

　　OpenRouter数据显示，平台周度Token调用量由2025年9月5.26T增至2026年9月约127T，最新数据中DeepSeek、Google、OpenAI三家合计份额已超过60%，中国模型在TOP10中的合计份额超过40%。海外市场中OpenAI与Anthropic在用户规模、企业客户和商业化进展方面领先，Google依托云、搜索、安卓及自研算力形成较完整的产业布局。国内市场逐步形成大厂系模型、独立模型厂商、本地化部署厂商等不同发展路径。模型能力仍处于快速迭代阶段，单一模型的领先时间有限，用户入口、企业客户、工作流嵌入和数据积累对长期竞争力的重要性持续提高。

　　2.大模型能力仍有较大的提升空间，算力、数据和工程效率共同决定后续迭代速度。

　　ScalingLaw仍是当前头部模型迭代的重要基础。推理模型和Agent显著增加单次任务的计算量，长上下文进一步扩大代码库、长文档及复杂任务的处理范围。长上下文的情况下，单次任务能够容纳更多历史信息、任务状态和工具调用结果，同时明显提升Token消耗。国内模型在参数效率、推理成本和开放部署方面进展较快，DeepSeek、GLM、Kimi等厂商通过稀疏架构、低精度训练、缓存复用和通信优化降低单位Token成本，并通过开放权重、本地部署和接口兼容扩大开发者及企业客户覆盖。随着国内外模型能力差距缩小，成本、部署方式和行业适配能力的重要性将进一步提高。

　　3.Coding已经成为大模型商业化较为明确的应用场景之一，Agent正在扩大模型在企业工作流程中的使用范围。

　　软件开发任务具有较清晰的输入、输出和验证标准，代码提交、测试通过率、缺陷修复时间等指标可以直接衡量AI带来的效率提升，因此Coding较早形成付费需求。当前Coding产品已经覆盖代码库理解、终端操作、测试执行和多文件编辑等环节，产品能力逐步覆盖更完整的软件工程流程。Agent进一步进入办公、研究、销售、财务和客户服务等知识工作场景，并带动模型调用次数、上下文长度和任务执行时间增加。随着任务复杂度提高，Token消耗将更多反映实际使用深度，API、订阅、Credits以及企业部署等多种收费方式预计将长期并存。

　　4.商业化进展开始成为大模型厂商估值的重要依据，国内厂商之间的差异更多体现在客户、收入和成本端。

　　2025年以来，Coding付费、Agent企业应用以及模型调用量增长，使市场对大模型公司的观察指标更加具体。除模型能力外，Token调用量、API价格、ARR、企业客户数量、续费情况、推理成本和毛利率的重要性持续上升。国内大厂具备流量入口、云基础设施和企业客户基础，能够依托原有业务体系承接AI需求。独立模型厂商对融资能力、模型迭代速度和收入增长要求更高。本地化及垂直厂商主要依靠专有数据、部署能力和行业交付能力获取订单。国内C端调用量与B端ARR排名并不一致，用户规模并不能单独反映模型公司的商业价值。

　　5.投资建议：大模型行业已经进入商业化验证阶段。模型排名和参数规模仍是观察技术能力的重要指标，但Token需求、API定价、ARR、企业客户和毛利率等经营指标的重要性持续提高。建议重点关注三类厂商：一是具备用户入口、云基础设施和企业客户资源的大型平台公司，其优势主要体现在客户获取和商业化稳定性。二是模型能力、推理成本和收入增速领先的独立模型厂商，其业绩弹性较高，同时对融资和算力投入较为敏感。三是在政企、金融、制造等领域具备本地部署、专有数据和系统集成能力的厂商，其订单获取更多取决于行业需求和项目落地情况。

　　6.风险提示：模型技术迭代不及预期；开源模型竞争加剧导致API价格和行业利润率承压；高端算力供给受出口管制及地缘因素影响；行业竞争加剧；算力资本开支较高、商业化及盈利进展不及预期；基础模型能力提升对现有软件及AI应用产品形成替代。