快手-W第四季度业绩预期 - 根据朝阳永续截至2026年01月15日的数据，市场对快手-W第四季度的营业收入预测区间为382.92亿元至404.71亿元，同比增长8.2%至14.4% [1][8] - 市场对第四季度的净利润预测区间为38.86亿元至49.05亿元，同比变动幅度为-2.2%至23.4% [1][8] - 市场对第四季度的经调整净利润预测区间为50.16亿元至57.27亿元，同比增长6.7%至21.8% [1][8] - 卖方机构预测的平均值为：营业收入390.81亿元（同比增长10.4%），净利润46.07亿元（同比增长15.9%），经调整净利润54.15亿元（同比增长15.2%） [3][10] - 卖方机构预测的中位数为：营业收入388.96亿元（同比增长9.9%），净利润46.70亿元（同比增长17.5%），经调整净利润54.07亿元（同比增长15.0%） [3][10] - 多家券商近期发布了具体预测，例如东方证券预测营业收入388.45亿元（同比增长9.8%），净利润48.99亿元（同比增长23.3%）[3][10]，华安证券预测营业收入404.71亿元（同比增长14.4%），净利润49.05亿元（同比增长23.4%）[11] 快手-W最新业务进展与AI技术 - 公司在AI技术领域取得显著进展，推出了可灵AI视频O1系列模型和Keye-VL-671B-A37B大语言模型，展现了在多模态视频和大语言模型领域的领先地位 [5][13] - 可灵AI视频O1系列模型是全球首个统一多模态视频大模型，集成了文生视频、图生视频、视频编辑等功能 [5][13] - Keye-VL-671B-A37B大语言模型在多项核心基准测试中全面领跑，通用视觉理解表现突出 [6][13] - 第三季度，公司用户规模持续增长，平均日活跃用户达4.16亿，月活跃用户达7.31亿，日均用户使用时长达134.1分钟 [6][13] - 第三季度核心商业收入同比增长19.2%，其中线上营销服务收入为201.02亿元，其他服务收入为58.78亿元，电商业务商品交易总额同比增长15.2% [7][14] - AI商业化能力持续加强，OneRec和G4RL模型的应用推动了线上营销服务收入增长，OneSearch架构提升了电商搜索体验 [5][14] - 可灵模型的商业化持续推进，第三季度收入超过3亿元，新模型降低了视频生成成本近30% [7][15] 快手-W第三季度业绩表现 - 根据华安证券观点，公司第三季度营收和经调整净利润分别同比增长14.2%和26.3%，业绩表现亮眼 [7][15] - 第三季度电商业务商品交易总额同比增长15.2%，泛货架电商商品交易总额占比超过32% [7][15] - AI技术在内容生产、提效和商品匹配效率上赋能商家，提升了转化效率和用户信任感 [7][15] - 第三季度线上营销收入同比增长14.0%，AIGC技术为线上营销带来超过30亿元的消耗 [7][15] - 公司的内外循环业务均受益于AI技术，提升了营销推荐效率和产品素材优选能力 [7][15]

文章核心观点 - 阿里千问通过全面接入淘宝、支付宝、高德等生态业务，上线400多项新功能，实现了从“聊天助手”向“办事助理”的战略转型，标志着AI从“给建议”进入“给结果”的办事时代 [2] - 此次更新的核心在于千问首次系统性地触碰了“交易”，使其从实验产品进入真正的业务验证期，并可能成为模型应用商业化落地的新范式 [3][4] - 千问正试图将自己打造为承载阿里生态能力的统一前端和AI交易入口，这一定位选择深度受制于阿里的成本结构与财务约束，其目标是探索一条可被解释、可审计的变现路径 [1][8][22][23] 千问产品战略升级 - 功能层面：千问全面接入阿里生态，一口气上线点外卖、买东西、订机票等400多项新功能，横跨生活、工作和教育场景 [2] - 定位转变：产品从“聊天助手”转向“办事助理”，从“给建议”走向“给结果”，旨在成为能帮用户办事的AI [2][6] - 生态闭环：用户提出需求后，千问直接调用阿里体系内能力（如淘宝闪购的地址、本地供给的商品、支付宝的支付与履约），使整个交易流程完整留在阿里生态内 [6] 商业化与入口价值验证 - 触碰交易：在阿里体系内，产品一旦触碰交易就意味着进入真正的业务验证期，千问此次更新使其成为国内首个真正承担AI交易入口角色的模型应用 [3][8] - 海外验证：路径已被ChatGPT的“即时结账”（抽佣1%-3%）和谷歌Gemini整合沃尔玛商品所验证，OpenAI预计该功能在2026-2030年间仅免费用户抽成即可达1100亿美元 [9] - 用户行为数据：千问用户主动询问商品推荐的月环比增长300%，证明其正被作为决策辅助工具使用，这是成为入口的重要条件 [11] 用户增长与运营策略 - 用户规模：千问上线两个月，C端月度活跃用户突破1亿，核心用户为学生和白领 [10] - 增长动力：在集团资源倾斜下，其前身通义App日下载量从长期徘徊1万次左右迅速拉升至15万次以上，主要依靠大力推广和用户尝鲜心理 [10] - 投放策略：买量偏短期，未在春节等关键窗口延续大规模拉新，选择与B站等用户画像更精准的平台合作，而非覆盖全民的春晚 [10] 阿里的核心优势与组织准备 - 生态优势：阿里拥有从商品、商家、支付到履约的全链路交易原生能力，组织阻力和接入成本远低于需外挂支付方式的公司 [13] - 组织整合：2025年12月底，阿里组建千问事业群，整合了原属阿里云、通义实验室、淘天集团、高德等多部门的C端团队，明确其作为Agent中枢和统一入口的定位 [15] - 渐进策略：可以采取“渐进性接入”，先从高德等功能性应用试水，再扩展到外卖、电商等复杂场景 [13] 面临的挑战与不确定性 - 用户习惯：点外卖、刷淘宝等行为包含探索、对比和娱乐属性，并非纯效率行为，例如约1700万人每晚逛淘宝但啥都不买，千问若推荐不精准或操作不顺滑可能变成“多此一举”的中转站 [17] - 责任边界：当千问从给建议变成直接下单，责任边界迁移，一旦推荐结果不符预期，用户不满可能指向千问，对其模型理解、风控和解释能力提出极高要求 [17] - 补贴依赖：目前通过“千问爆红包”给予补贴以形成价格优势（如一杯星巴克抹茶可可星冰乐实付18.5元），但补贴收紧后，能否凭“更省心”留住用户仍是未知数 [6][17] 行业对比与战略路径选择 - 阿里路径：选择将千问打造为连接生态的统一前端和显性入口 [21] - 字节路径：更为克制，豆包虽曾宣布接入抖音商城但后续进展不明，AI更像导流工具而非闭环执行者 [16] - 腾讯路径：模型应用（如元宝）在能力和规模上落后于第一梯队，目前处于完善基础设施阶段，尚未稳定到可贸然承接成熟交易 [16] - 路径分化：行业出现两条路线，一是模型应用成为新入口（阿里），二是大模型能力被拆解融入操作系统与App成为“无处不在”的能力（字节豆包手机助手更偏向后者） [21] 财务约束与商业化动机 - 成本压力：云计算、算力采购、模型训练与推理资源会真实反映在财务报表并持续摊销，阿里云利润改善未达预期且面临竞争，无法长期承受高投入低回报 [23] - 变现需求：千问选择“入口”方向，是因能为阿里系应用带来“效率提升”或“收入增量”，是一条可被解释、可审计、易被长期接受的变现路径，以回应资本市场对商业回报的期待 [23]

文章核心观点 - AI聊天机器人（Chatbot/AI Agent）与电商支付环节的打通，形成从对话到下单的完整商业闭环，具有重大价值，并可能重塑下一代电商格局 [1][2] - 相较于北美市场，中国大模型厂商在打通支付权限后更具商业化潜力，主要得益于模型与电商平台的一体化以及更高的商业化积极性 [1][2] - 阿里巴巴凭借其完整的商业生态，其千问APP有望在实现交易闭环方面取得领先优势 [3] 商业模式与战略合作 - Google于1月11日宣布其大模型Gemini接入沃尔玛及山姆会员店，并发布通用商业协议（UCP），旨在为谷歌搜索和Gemini提供智能购物能力 [1] - Google此举有望推动其电商商业模式从Google Shopping的“卖流量”向“分佣金”模式转变 [1] - 通过UCP协议，Google能将用户的搜索行为直接转化为购买行为 [1] - 阿里巴巴的千问APP亦有望实现对话内购物功能 [1] 闭环价值与行业影响 - 从AI Chatbot到实际支付落地的闭环价值意义重大，是下一代电商格局重塑的前兆 [1][2] - 对Google而言，此举可强化Gemini的适用性及用户粘性 [1] - 通过掌握用户的真实购买路径和复购频次，Google能强化其“购物图谱”的数据护城河，并反哺推荐算法 [1] - AI搜索下的广告业务存在“零点击率”痛点，支付环节的落地将直接改善此问题 [1] 海外案例复盘与挑战 - ChatGPT早在2025年9月29日便推出了“即时结账”功能，跑通了购物闭环，首批接入的Etsy、Shopify当日股价大涨 [2] - 但后续未能形成持续性行情，原因包括：北美大模型龙头（如OpenAI、谷歌）与电商龙头（亚马逊）市场割裂，亚马逊会抵制模型厂商渗透支付场景 [2] - 其他原因包括：AI购物支付仅是OpenAI宏大“操作员”计划的子功能，市场关注度在其复杂代理能力；高价值商品的退换保、产品信任度等问题尚未完美解决 [2] 中国市场潜力与优势 - 国内大模型在打通支付权限后的潜力更值得期待 [1][2] - 优势一：模型与电商市场二合一，阿里巴巴与字节跳动等公司本身既是模型大厂，也是电商平台 [1][2] - 优势二：国内企业在AI功能的商业化上积极性更高 [1][2] - 千问APP有望通过Agent调用飞猪或淘宝API，在对话框内完成选购、确认和支付，从搜索选择进化为指令交付 [3] - 大模型有望从聊天机器人向个人Agent形态进化，降低用户认知负担 [3] 阿里巴巴生态优势 - 阿里巴巴拥有电商、旅行、本地生活、物流及支付的完整生态，其千问APP有望率先实现交易闭环 [3] - 未来，随着AI模型及算法差距持续收窄，场景及数据打通能力或成为领先优势 [3] - 需关注后续千问与阿里生态深度整合的进展 [3]

AI应用板块市场动态 - AI应用板块持续走强，市场关注度提升，投资焦点或将从上游算力向下游的教育、金融、办公、传媒、医疗等应用领域迁移 [1][6] - AI模型迭代加速、成本降低的趋势有望推动AI应用端的商业化加速落地 [1][6] - 纯粹聚焦AI应用的行业标杆公司赴港上市，未来可通过其经营状况更直观地观察AI应用生态和商业化水平 [1][6] 港股科技板块与互联网龙头 - 互联网龙头企业凭借庞大的用户基数与成熟的AI大模型技术储备，在AI商业化应用方面有望担纲主力军 [1][6] - 具备稀缺互联网资产的港股科技板块成为投资焦点之一 [1][6] - 某港股互联网龙头公司旗下大模型产品“千问”将于2026年1月15日上午10时举办“有问必达”产品发布会，预计将推出面向终端用户的独立应用产品，有望进一步推动AI商业化进程 [1][6] 恒生科技ETF（513130）资金与交易情况 - 恒生科技ETF（513130）连续6个交易日（26/1/7-26/1/14）获资金净流入，期间合计金额超26.69亿元 [1][6] - 该ETF成交活跃度明显提升，昨日单日成交额达94.92亿元，成为跟踪恒生科技指数中仅有的当日成交额超90亿元的产品，并刷新2025年12月以来单日成交新高，流动性优势突出 [1][6] - 该ETF支持场内T+0交易机制 [2][3][7][8] 恒生科技指数成分股 - 恒生科技指数是港股科技市场的代表性指数，前五大成份股为中芯国际、阿里巴巴-W、美团-W、腾讯控股、网易-S [2][7] - 这些成分股企业在互联网、移动支付、云计算、人工智能等前沿科技领域拥有深厚技术积累和广泛业务布局，在大模型研发、AI应用落地等领域均为行业领先者，有望受益于本轮AI应用落地机遇 [2][7] 基金管理人华泰柏瑞基金及其产品 - 恒生科技ETF（513130）的基金管理人华泰柏瑞基金是境内首批ETF管理人之一 [2][7] - 华泰柏瑞基金打造的华泰柏瑞沪深300ETF（510300）是A股市场规模居首的ETF，最新规模达4297亿元，是上交所沪深300ETF期权唯一现货标的 [2][7] - 沪深300ETF华泰柏瑞（510300）将实施现金分红，每10份基金份额派发现金红利1.23元，按最新基金份额测算，本次分红总额或接近110亿元，有望创下境内ETF单次分红新高 [2][7]

AI产业周期进入商业化关键节点 - 2026年起，AI产业跨入应用放量与价值兑现并行的攻坚阶段，市场焦点从“流动性叙事”转向“盈利叙事”，无法落地财报的技术故事将被迅速折价 [1] - 2025年全球人工智能市场规模达7575.8亿美元，同比增长18.7%，预计2026年将增至9000亿美元，到2033年将突破2万亿美元，年复合增长率为11% [1] - 行业重心正从底层模型“军备竞赛”转向商业化落地，产业“奇点”或已到来 [1] 2026年成为AI应用催化与商业化加速的关键年份 - 2026年一季度，Blackwell芯片大规模上机的余温将集中释放，同时OpenAI下一代主力模型与xAI的Groq 5等新模型预计发布，硬件与模型进入共振倒计时 [4] - 高盛预测，受益于AI货币化、企业出海及政策推动，中国上市公司利润增速将从2025年的4%大幅提升至2026年的14%，TMT板块盈利增长有望达约20% [7] - 业内普遍预判2026年将成为AI大模型规模化落地并产生深层业务影响的突破年份 [7] 中国AI应用商业化实现规模化突破 - 在全球按年度经常性收入排名的100大AI产品中，有23个来自中国公司，其ARR收入加总超过11亿美元 [5] - 截至2025年8月，全球AI公司月活前100名合计达47.8亿，中国贡献46%约22亿MAU，百度、字节、DeepSeek、美图等六家中国公司进入榜单前十 [5] - 高价值场景AI应用不断落地，如AI+广告营销全链路自动化、AI推动电商交易流程极简化、AI影视降本增效等 [5] 政策与资本共振为AI产业提供确定性赛道 - 2026年1月，八部门联合印发《“人工智能+制造”专项行动实施意见》，将AI在工业领域从“可选题”升级为“必答题”，提供未来三年的确定性赛道 [6] - 国内政策明确2027年前实现二级以上医院AI辅诊全覆盖，2026年成为预算集中投放期 [7] - 海外美联储延续降息，全球流动性宽松，头部VC将70%资金投向应用层，垂类赛道估值锚由PS切换到PS+ARR混合锚，融资窗口显著拉长 [7] AI赋能下软件产业的投资机会 - 软件ETF易方达紧密跟踪中证软件服务指数，该指数以行业应用软件为主占比近50%，前十大成分股合计权重超50%，均为细分领域龙头 [9] - 在跟踪该指数的ETF产品中，软件ETF易方达过去1年的超额回报排名第一 [9] - 当前AI资本市场更偏向产业革命早期，以“AI+”为核心的科技革命是确定性产业趋势，巨额资本持续注入反映技术迭代真实发生、应用需求切实存在 [10]

资金流向与市场关注 - 计算机ETF（512720）近5日获资金净流入超2亿元，行业拐点与AI商业化进程引关注 [1] AI商业化进程与行业展望 - 2024年为基础大模型高速迭代阶段，软件公司尝试与AI融合但未披露相关收入 [1] - 2025年部分公司开始披露AI订单，行业进入新技术应用初期 [1] - 2026年基础大模型能力提升将推动AI应用商业化加速，软件行业迎来市值快速提升阶段 [1] - 2025年软件板块将受益于降本增效与基本面转好双重驱动 [1] - 2026年AI应用商业化成为收入增量核心 [1] 中国软件行业特点与AI落地路径 - 中国软件行业以乙方定制化为特色，软件供应商通过深度定制开发积累行业know-how，与大模型形成互补壁垒 [1] - AI应用落地更可能由软件公司实现 [1] AI应用商业化较快领域 - AI Agent通过分层架构、多步搜索等技术提升复杂任务能力 [1] - 多模态生成（视频/图片）覆盖刚需场景，技术成熟进入商用 [1] - AI编程（如Cursor）已为企业降本增效，ARR达5亿美元 [1] - AI营销因数字化程度高、容错性强，ROI可量化而易于变现 [1] 医疗健康领域的AI应用 - AI工具（如ChatGPT Health）整合电子病历数据提供个性化服务，C端渗透加速 [1] - 脑机接口、AI药物研发等细分领域亦有突破 [1] 计算机ETF及跟踪指数概况 - 计算机ETF（512720）跟踪的是CS计算机指数（930651） [2] - CS计算机指数从沪深市场中选取涉及软件开发、IT服务、硬件制造等业务的上市公司证券作为指数样本，以反映计算机行业相关上市公司的整体表现 [2] - CS计算机指数聚焦于计算机行业，涵盖该领域多个细分方向的代表性企业，具有较高的科技含量和成长性特征，能够较好地体现中国计算机行业的整体发展态势 [2]

报告行业投资评级 * 报告未明确给出统一的行业投资评级，但列出了多个细分领域的相关投资标的，包括芯片、存储、光通信、互联网大厂及云厂商 [4] 报告核心观点 * **AI投资逻辑转变**：海外AI投入面临现金流压力，投资正从“FOMO CapEx”（害怕错过的资本开支）转向“ROI CapEx”（追求投资回报的资本开支）[4] * **数据中心建设瓶颈**：数据中心面临电力容量限制，建设重点转向追求最大化每瓦特Tokens产出效率，并强调通用性和灵活性以支持多种模型和负载 [4] * **模型与商业化演进**：AI大模型围绕长文本、多模态、逻辑推理和工具使用能力迭代，工程化能力提升，商业化进程有望在锚定高ROI场景下提速 [4] * **云业务增长动力**：AI云服务进入“超大订单+长期基建”模式，随着2026年算力容量逐步释放，云业务收入有望迎来加速增长 [4] 根据相关目录分别总结 一、资本开支节奏：资本开支预期上调，未来现金流压力加大 * **资本开支持续扩张**：2024-2025年海外科技大厂资本开支高增，且未来开支预期进一步上调 [4] 2025年，海外四大科技厂商（微软、谷歌、亚马逊、Meta）合计资本开支同比增速有望突破60% [19] * **现金流压力显现**：高强度资本开支导致行业普遍面临现金流压力 [4] 甲骨文FY25Q4至FY26Q2自由现金流(TTM)连续为负，分别为-4亿、-59亿、-132亿美元 [24] * **融资需求加剧**：为缓解现金流压力，科技企业寻求多种融资手段 [4] 2025年9月以来，谷歌、亚马逊、Meta、甲骨文、CoreWeave合计新发债务规模达900亿美元 [36] * **利润端承压**：资本开支带来的折旧摊销增长加速，对利润端的压制效应日益显现 [31] 25Q3海外四大科技公司合计折旧摊销金额约404亿美元，同比增长40%，占收入比例约10%，为20Q1以来单季度最高 [31] 二、数据中心建设：电力容量面临限制，追求每瓦特产出效率 * **电力成为核心瓶颈**：海外云厂商普遍表态数据中心建设的瓶颈主要在于空间和电力供应，尤其是供电外壳层面 [59] * **建设模式多样化**：云厂商采用自建、带壳部署、租赁等多种方式共建数据中心 [51] 第一梯队云厂商以自建为主，第二梯队带壳部署或租赁占比较多 [51] * **强调通用性与灵活性**：多数云厂商强调建设通用的数据中心，以支持多代GPU、多种模型，并能在训练与推理负载间灵活切换，而非为单一技术或客户过度投资 [54] * **追求极致能效**：在电力限制下，云厂商致力于通过软硬件协同优化，最大化每瓦特下的Tokens产出效率 [59] 英伟达Blackwell相比Hopper，在同等用户响应速度下，数据中心每秒Tokens产出效率提升约50倍 [73] 三、模型能力演进：研究端产品端并进，工程化能力继续增强 * **模型竞争白热化**：2025年底，Grok 4.1、Gemini 3.0、Claude Opus 4.5、GPT-5.2相继发布，模型迭代围绕长文本、多模态、逻辑推理、工具使用四大能力展开 [83] * **训练算力需求持续**：训练阶段从预训练延伸至强化学习和持续学习，对数据集质量要求发生转变 [4][87] 预训练强调“对的数据”，中后训练更注重“好的数据”（带思考过程的数据）[94] * **推理需求成为主要驱动**：AI模型从“单轮回答”走向“长思考、重推理” [111] 根据OpenRouter数据，推理模型tokens消耗量占比从25Q1几乎为零提升至25Q4超过50% [111] * **工具调用需求可期**：AI产品形态向“智能代理”转变 [111] OpenRouter数据显示，工具调用tokens消耗量占比从25Q1极低提升至25Q4的15% [111] * **商业化定价策略分化**：模型厂商根据性能采取不同定价策略，用户愿意为更强性能付费 [128] OpenAI GPT-5.2较GPT-5.1 API提价约40% [120] 谷歌Gemini Pro系列定价策略从2024年的“低价竞争”转向2025年的“性能换溢价” [123] 四、AI云业务增速：算力容量加速释放，AI云服务迈向扩张期 * **云服务供不应求**：海外云厂商均表示当前算力产能供不应求，已锁定数吉瓦级别电力容量 [4] * **订单模式转变**：2025年，海外AI云服务进入“超大订单+长期基建”模式，云订单金额从十亿级到千亿级不等 [4] * **增长依赖产能释放**：云业务收入增速将高度依赖产能上线节奏，预计随着2026年算力容量逐步释放，云业务有望迎来加速增长 [4]

港股市场及互联网板块驱动因素 - 2026年三重因素将驱动港股反攻：美元走弱吸引国际资本增配、人民币升值带动滞留海外的中国资本回流、通胀回升与潜在化债政策修复基本面 [1] - 港股通互联网板块中，恒生科技因2025年滞涨具备高赔率，2026年或迎来“戴维斯三击”，即估值修复、盈利改善、流动性驱动，成为弹性最大方向之一 [1] - AI应用环节占比高的港股科技板块在中长期受益于AI商业化加速，行情弹性有望超越算力基建 [1] 市场估值与表现 - 1月12日，香港互联网ETF（513720）大涨4% [1] - 当前港股科技估值低于A股，均值回归逻辑下上行空间打开 [1] 相关指数与产品 - 香港互联网ETF（513720）跟踪的是港股通互联网指数（931637） [1] - 该指数从港股通范围内选取30家涉及互联网相关业务的上市公司证券作为指数样本，重点覆盖传媒、零售等核心领域，并均衡配置大中小市值标的 [1] - 指数集中反映消费互联网领域的整体表现，包括社交、电商及游戏等核心应用场景 [1]

文章核心观点 - 智谱与MiniMax作为大模型赛道同时上市的对照样本，展示了两种截然不同的商业化路径与市场估值逻辑[1] - 智谱采用To B项目制模式，将模型能力打包进企业解决方案，收入主要依赖本地化部署，其长期价值在于能否从“交付驱动”转向“调用驱动”的平台化模式[3][4][7] - MiniMax采用To C产品模式，通过AI原生应用直接面向消费者，收入增长迅速但成本前置，其估值模型更接近消费互联网公司，依赖规模效应摊薄成本并维持增长飞轮[3][8][10] - 无论两家公司路径如何，算力作为核心生产要素，其产生的稳定现金流最终流向云服务商，凸显了产业链上游的议价能力和确定性[12][13] 公司对比：上市表现与市场情绪 - 智谱上市首日盘中一度回调，最终收盘于131.5港元，较发行价上涨13.2%[1] - MiniMax上市首日表现强势，收盘于345港元，较发行价大幅上涨109.1%[1] - 市场对两家公司的不同反应，反映了对其商业化故事“性感程度”的不同评价[3] 智谱：To B解决方案模式分析 - 收入结构高度依赖B端，2024年及2025年上半年，本地化部署收入均占总收入的80%以上[4] - 商业模型定义为“AI解决方案公司”，将大模型能力嵌入企业专属环境和流程[4] - 其规模化故事的关键在于同一客户内部的持续渗透与能力复用，而非单纯的项目横向扩张[5][7] - 面临从“项目交付”到“平台调用”驱动商业模式转变的挑战，这是其估值能否超越上一轮AI公司的关键[7] MiniMax：To C产品平台模式分析 - 收入呈现互联网产品特征，2025年前九个月收入为5343.2万美元，其中AI原生应用产品矩阵贡献了超过71%的营收[8] - 2024年全年收入为1355.2万美元，显示其收入在近期实现快速增长[8] - 采用“产品+平台”模式，更容易被市场用消费互联网的ARPU×MAU模型来评估增长潜力[10] - 成本结构与增长高度绑定，2025年前九个月向阿里云购买云计算服务金额达5830万美元，预计2026-2028年每年采购预算上限分别为1.15亿、1.25亿、1.35亿美元[12] - 公司处于商业化早期并呈现较高亏损率，其估值锚点可能从收入转向现金流，取决于增长能否持续摊薄高昂的研发与算力成本[10] 行业洞察：商业化路径与产业链价值分配 - 大模型公司的IPO标志着通用大模型作为基础设施的新产业周期开始，与上一轮以出售单点算法能力为核心的周期不同[4] - 两家公司的路径差异本质上是为底层算力成本买单方式的不同：MiniMax通过用户增长将成本前置，智谱通过项目交付将成本转嫁给客户[12] - 无论资本市场偏好哪种叙事，掌握算力、网络与调度能力的云平台处于产业链上游，具备更强的议价能力，并获得了确定且持续放大的现金流[12][13]

行业商业模式转变 - 顶级AI大模型公司开始探索广告变现，与早期“无广告”承诺形成显著转变，例如OpenAI首席执行官表示“对广告挺喜欢的”，谷歌也在洽谈其AI助手Gemini的原生广告合作 [1] - 行业正从追求纯净用户体验的免费模式，转向寻求成熟的商业化路径，未来AI助手可能转变为包含推广内容的“导购” [1] 财务压力与变现动因 - AI大模型的研发和运营成本极高，训练顶尖模型需数亿至数十亿美元，行业面临严重的“烧钱”困境 [3] - 以OpenAI为例，其2025年上半年营收达数十亿美元，但净亏损累计高达135亿美元，成本结构为每赚1美元需花费3美元 [3] - 谷歌、Anthropic等公司同样面临长期亏损，依赖外部资金输血，这种不可持续的模式迫使公司必须向投资者证明盈利能力 [3][4] - 在资本市场耐心耗尽和盈利压力下，互联网已验证的高效变现方式——广告，成为企业寻求“回血”的必然选择 [4] 广告嵌入形式演进 - AI广告预计不会采用粗暴弹窗，而是借鉴互联网经验，采用更“温柔”或“有价值”的嵌入方式 [6] - 基础形式为界面展示广告，如在对话侧边栏或底部放置品牌横幅或静态卡片，在不影响核心对话流的同时获得曝光收入 [6] - 可能采用“激励式”交互，例如免费用户通过观看简短品牌视频来换取更长的对话次数或解锁高级功能，这在游戏和工具类App中已很常见 [6] - 最具争议且难以察觉的是“生成式引擎优化”式隐性广告，AI在回复用户推荐请求时，可能在看似客观的比较中微妙倾向于合作品牌，模糊了客观建议与商业推广的界限 [8] 多元化商业路径探索 - 在个人用户市场，订阅制正趋向更精细化的分层，用户可能为特定垂直场景的专用AI助手付费，如法律咨询、专业编程或留学文书教练，其价值更明确且用户付费意愿更强 [10][11] - 企业级服务是利润最丰厚的主战场，企业愿意为能直接降本增效或创造收入的定制化AI能力支付高额费用，例如为金融机构定制风控模型或为制造业提供预测性维护方案 [11] - 各大云服务商正将大模型能力集成到云服务中，推动企业上云，构成了庞大的B端市场 [13] - 远景来看，随着AI工具调用能力成熟，其可能演变为数字世界的“调度中心”，在用户从查询、比价到下单、支付的闭环中抽取佣金，形成“AI即服务，服务即交易”的模式 [13] - 行业共识是纯粹的免费时代即将成为过去 [13]