行业核心观点 - 中国AI行业正从“百模大战”阶段迈向以商业化落地能力、模型创新实力及全球化布局为决定成败之关键的阶段，具备实力且资金充足的模型开发商数量已从超200家缩减至不足10家 [3] - 大模型竞争的主线正在从技术竞赛转向商业系统的构建能力，行业不再奖励“能不能做模型”，而是奖励“能不能长期活下来” [4][5] - 生成式AI的持久利润池可能高度集中于掌控分发、变现通道以及高频交易流的大型互联网平台，如腾讯和阿里巴巴 [9][10] - 独立模型公司的机会在于提供“结构性中立”的选择，其激励结构依赖于赋能客户应用，而非与客户竞争 [16][17][18] 行业利润池与竞争格局 - 国内AI行业最大的利润池恐将流向掌握分发的平台巨头，因为它们掌控着全国范围层级的分发、变现通道以及高频消费和商户事务流 [3][10] - 平台掌控分发，大型互联网公司天然拥有高频用户触点和成熟应用场景，AI能力更容易被“内化为功能” [10] - 平台掌控变现路径，AI更多是提升ARPU与转化率的工具 [11] - 平台掌控高频交易与消费流，高频使用场景决定了推理调用量，也决定了规模效应是否成立 [11] - 模型能力本身并不必然转化为盈利能力，分发和变现路径在中国市场尤为关键 [12] 独立模型公司生存策略 - 独立模型公司的机会不在于与平台正面竞争，而在于提供“结构性中立”的选择，通过API、企业授权或私有化部署直接将模型变现 [16][17][18] - 智谱被定义为以结构性持久的本地化业务为锚点，并迎来能力导向型API业务拐点的典型代表 [21] - MiniMax被描述为拥有可扩展增长引擎的全谱系AI企业，其核心标签是“天生全球化”和“全模态” [30] 智谱公司分析 - 商业模式与财务：2025财年上半年，公司总收入的85%来自本地化部署，该业务板块毛利率达到59.1%，而云端部署毛利率为-0.4% [22] - 增长拐点：随着GLM-4.7的发布，战略重心向智能体系统和工具增强推理倾斜，预计2025年下半年起云端部署的收入和利润率将双双爬坡 [24] - 估值与预测：摩根大通给予“增持”评级，目标价400港元，预计2026-2030年营收年复合增长率高达127%，公司将于2029年实现盈利，2030年调整后净利润率达20% [6][24][25][26] - 融资需求：预计公司可能需要在2026年和2027年进行外部融资，每年融资金额为50亿元人民币 [27] - 成本结构变化：训练成本占算力总成本的百分比将从2025年的93%大幅下降至2030年的32%，推理相关算力成本占比将从7%激增至68% [41][44] MiniMax公司分析 - 收入结构：2025年前九个月，公司73%的总收入来自中国以外的市场，已在200多个国家和地区进行部署，开放平台、生成式媒体和AI陪伴业务的营收占比各约三分之一 [31] - 业务细分：AI陪伴业务贡献35%收入，预计2030年付费率达18%，年度ARPU达31美元；生成式媒体业务贡献33%收入，年度ARPU高达75美元；开放平台业务贡献29%收入，服务13.2万名开发者，付费用户年化ARPU达8200美元 [31][32] - 技术策略：采用混合专家架构，实现两月一次的模型迭代，速度快于3-4个月的行业平均水平，通过消费者应用作为技术的验证器，形成研发闭环 [34] - 估值与预测：摩根大通给予“增持”评级，目标价700港元，预计2026-2030年营收CAGR高达138%，公司将于2029年起实现盈利，2030年调整后净利润率正常化至24% [6][34][35][36] - 融资需求：预计集团将需要在2026年和2027年进行外部融资，每年金额为7亿美元 [37] - 成本结构变化：训练成本占算力总成本的百分比将从2025年的80%下降至2030年的28%，推理相关算力成本占比将从20%激增至72% [42][45] 行业关键变量：推理成本 - 算力成本结构将从“训练驱动”彻底切换为“推理驱动” [39] - 训练成本将进入更理性的“正常化阶段”，而推理成本将成为支出的绝对大头 [43][44][45] - 未来竞争的核心是推理效率的竞争，关键在于谁的推理更便宜、谁的利用率更高、谁能掌握定价权 [46]