公司动态与市场认可 - ModelOp被Gartner评为2026年AI治理平台魔力象限的“远见者” [1] - 公司认为这一认可是对其长期愿景的验证，即企业需要一个系统来管理其不断增长的ML、生成式AI、智能体AI和嵌入式供应商AI组合，并实现治理、运营和衡量价值 [2] - 公司CEO表示，高效、可执行的AI治理对于企业工业化AI交付至关重要，当治理被设计嵌入AI交付流程时，能确保合规与质量，同时不拖慢AI团队速度 [3] 产品能力与技术优势 - 在2026年Gartner AI治理平台关键能力报告中，ModelOp在AI智能体治理用例上与IBM共同获得最高分（3.97分，满分5分） [3] - 公司认为这反映了其治理能力，能够将生命周期自动化、审批、风险管理、监控、可追溯性和证据收集等能力应用于所有形式的企业AI，同时提供运行时策略执行 [3] - 公司于2026年6月推出了首创的智能体驱动框架MADE™，该框架允许企业和系统集成商将其自有智能体接入受治理的AI交付工作流，从而将交付时间从数月压缩至数天 [6] - ModelOp通过集成主要的大语言模型提供商来追踪令牌使用量，计算解决方案级别的总成本，并对重大支出增长发出警报，以帮助AI和业务负责人扩大有效投入并暂停无效投入 [6] - ModelOp具备互操作性，位于现有AI技术栈、MLOps、GRC、ITSM、安全、数据管理之上，连接并延伸这些投资 [11] 市场定位与行业洞察 - ModelOp是面向财富500强和全球2000强组织的“企业AI指挥中心” [1] - 根据ModelOp的2026年企业AI基准研究，企业目前管理着数百个AI用例，但只有一小部分能够投入生产并产生商业价值 [2] - Gartner将AI治理平台定义为旨在确保组织遵守其负责任AI实践、组织政策、法规及其他风险管理框架/行业标准的工具 [2] - ModelOp认为其“远见者”地位反映了公司在AI治理方面的差异化方法，即治理内嵌于AI交付流程，并与市场发展方向（AI智能体治理和AI FinOps）保持一致 [3] - 公司CEO指出，智能体AI是企业AI的发展方向，而ModelOp已在此领域开展业务，客户能够治理智能体、在运行时执行策略，并查看整个投资组合的成本与价值 [5] - ModelOp服务于全球最复杂和受监管的机构，包括主要银行、保险公司、监管机构、医疗保健组织、国防、制造和全球消费品公司 [10] - ModelOp提供了一个记录系统，在一个操作层中驱动工作流并生成运营情报，以实现所有AI（ML、生成式AI、智能体AI和供应商AI）交付的工业化 [10]

文章核心观点 - 大模型Token单价大幅下降，但企业AI总支出因复杂任务消耗量剧增而持续上升，形成“价格撕裂”现象[4][7][16] - 产业链利润在价格撕裂中进行再分配，掌握稀缺资源、关键能力和高粘性场景的环节更具持续收费能力[8][17] - 投资逻辑从比拼模型单价转向寻找产业链中具备不可替代性、定价权和利润份额的环节[30][44] AI Token价格与成本趋势 - **Token单价大幅下降**：以OpenAI GPT-4为例，其每百万Token输入价格从2023年3月的30美元降至2024年5月的5美元，部分通用推理Token价格在三年内最高降幅达99%[4][5] - **企业总支出不降反升**：企业AI应用从简单问答转向Agent协作、代码生成等复杂工作流，此类任务Token消耗量是简单问答的十倍甚至百倍，导致算力总支出膨胀[7][14] - **成本结构分化**：可压缩的通用任务Token成本逼近“水电价”，而编程、Agent协作等不可压缩的高消耗场景正被剥离为“旗舰能力”并按更高价格计费[10][12] 上游产业链分析 - **核心环节与定价权**：上游包括计算芯片、高速存储、高速互联、智算中心基础设施等，定价权掌握在卡住物理瓶颈的环节[20][21] - **HBM与GPU**：HBM因产能周期长、扩产慢（需24–36个月）且被大客户长协锁定，供给刚性形成利润护城河；SK海力士2025年Q4毛利率达69%[22][23] - **光模块**：800G向1.6T升级驱动赛道走强，头部厂商如中际旭创、新易盛毛利率从早年30%左右攀升至40%以上，但客户集中风险高（前五大客户收入贡献超7成）[25][26] - **电力与散热**：液冷因单卡功耗上升成为刚需，特锐德“算电岛”方案可将Token用电成本降低约30%[27] - **服务器组装**：该环节“量大、利薄”，以浪潮信息为例，2025年毛利率仅5%左右，缺乏定价权[28] - **投资逻辑差异**：HBM/GPU依赖物理硬约束；光模块/液冷依赖需求超预期假设；电力/液冷兼具刚需安全边际与AI弹性；服务器组装则缺乏不可替代性[29][30] 中游产业链分析 - **核心逻辑与玩家**：中游包括云厂商、算力租赁平台、大模型供应商及运营商，核心逻辑是通过分层定价实现利润最大化[32] - **云厂商策略**：阿里、腾讯、百度等云厂商通过下调通用模型价格抢占入口，再对专属集群、弹性算力等高阶服务收取溢价，将收费模式转向“企业生产流水的过路费”[32] - **模型厂商分层定价**：模型厂商通过模型档位划分价格池，例如智谱GLM-5.1（针对编程与Agent场景）与GLM-4.7（日常轻量任务）价差约3倍[10][33] - **估值差异**：中国AI科技股如阿里巴巴、腾讯控股估值约15倍，低于美国同类（微软/亚马逊/谷歌约27倍），因市场仍用“传统互联网”框架定价[33] - **其他中游玩家**：运营商将AI算力包装成“流量包”；算力租赁商商业模式缺乏技术壁垒，易受供需逆转冲击[34][35] 下游产业链分析 - **场景壁垒是关键**：下游出现剧烈分化，有场景壁垒、用户粘性和付费闭环的公司能享受红利，如AI办公、编程、法律、医疗等领域[37][38] - **典型代表**：金山办公将AI能力嵌入文档场景，2025年WPS AI国内月活突破8013万，同比暴涨307%，日均Token调用量超2000亿，同比增长超12倍，同期营收59.29亿元，毛利率达85.95%[38] - **Token治理能力**：AI FinOps（成本治理能力）成为新机会，用于跟踪模型调用、Token消耗和建立熔断机制，以控制企业AI运营成本[39][40] - **投资分水岭**：下游公司需具备“场景壁垒”或“Token治理能力”，否则易陷入同质化竞争或被成本反噬[40] 产业链投资机会总结 - **短期机会**：确定性最高的机会集中在上游供给侧的硬约束资产，如HBM、GPU、光模块、电力、液冷和数据中心基础设施[43] - **中期机会**：弹性来自云厂商和模型厂商的分层定价能力，即能否将通用Token调用量转化为企业级服务收入[43] - **长期机会**：最大价值将回归下游场景，真正嵌入工作流、掌握用户和数据闭环的AI应用，以及拥有Token FinOps能力的企业将受益[44]