行业投资评级 - 报告未明确给出行业整体投资评级 报告核心观点 - AI业务的商业价值判断标准正由用户规模、活跃度和调用热度，转向**场景价值密度**与**结果兑现能力** [4] - AI商业化竞争正从流量获取转向场景深耕，从产品普及转向价值兑现 [4] - 未来能获得更高估值和更强商业承接能力的AI产品，是能持续嵌入**高价值场景**、形成稳定付费与复用需求的产品，而非用户规模最大的产品 [4] AI价值定义与场景判断 - **用户规模不等于收入质量**：用户规模体现流量入口和品牌认知，但决定收入质量和可持续商业价值的是AI是否嵌入高价值场景，形成高强度、可付费、可续费的工作负载 [13][14] - 市场关注点已从用户规模转向效率改善、企业营收与投资回报兑现 [16] - 例如，ChatGPT拥有约**9亿**周活用户，OpenAI年化收入超**250亿美元**；而Anthropic用户基础更小，2026年初年化收入已达约**90亿美元**，收入差距正在缩小 [16] - 中国头部厂商收入结构也反映此趋势：百度2025年文心助手月活**2.02亿**，同期AI Cloud Infra收入约**198亿元**（同比增长**34%**），AI Applications收入超**102亿元**，其中AI加速基础设施订阅收入同比增长**143%** [16] - **高频调用不一定代表高价值**：AI商业价值取决于单次调用的**价值兑现密度**，而非调用频次 [13][17] - 高价值场景需满足四大条件：任务边界清晰、工作结果可衡量、深度嵌入业务流程、易形成付费和续费需求 [13][17] - 例如，客服、代码辅助、工作流执行等任务型场景具备高频和明确产出；合同审查、合规审核等场景虽频次不高，但能实现时间节省与风险控制，提升效率 [22] - 以MiniMax数据为例：其陪伴互动产品“星野”平均MAU为 **2,005.1万**，付费用户**139.04万**，平均每付费用户支出**5美元**；而其主应用平均MAU为**142.9万**，付费用户**1.03万**，但平均每付费用户支出达**73美元**，是前者的**14.6倍** [22] AI Token商业逻辑 - **Token主流调用模式多元分层的价值**：中国AI Token定价体系正由基础输入/输出计费，延伸至长上下文、缓存与Batch等多元化模式，核心逻辑是通过**差异化定价匹配不同任务的算力占用方式**，增加AI厂商收入，降低算力成本 [24][25] - 以主流厂商基础文本档位为样本，输入价格均值约**2.4元/百万Tokens**，输出价格均值约**9.6元/百万Tokens**，输出侧价格约为输入侧的**4倍** [26] - 长上下文会显著增加计算资源消耗，因此多数平台对较长上下文设置更高价格；缓存机制通过复用内容减少重复计算；Batch模式通过异步处理提高低峰时段算力利用率 [26] - **多元层次计费如何匹配场景效益**：Batch、长上下文、缓存及资源包等模式根据**时效性、上下文长度与复用程度**对算力成本进行再分配，降低企业单位调用成本，提升高价值场景使用频次，并提高平台低峰时段资源利用效率 [24][28] - 例如，阿里云Batch价格为实时调用的**50%**，Kimi Batch API为标准价格的**60%** [30] - 百度千帆推出“闲时调度训练免费、推理部署低至**3折**”政策 [30] - **Token增长如何区分真实需求扩张与低效消耗**：Token快速增长反映AI需求真实扩张，但调用尚未同步转化为高质量结果，Token消耗与模型产出不构成稳定线性关系 [24][32] - 2026年3月中国日均Token调用量已超**140万亿**，较2025年底的**100万亿**增长约**40%** [35] - 火山引擎豆包大模型日均Token使用量已突破**120万亿**，三个月内翻倍 [35] - 从模型测试看，相同成绩下Token消耗差异明显：在Humanity‘s Last Exam测试中，Qwen 3.6 Max preview、Kimi K2.5、MiniMax-M2.7与GLM-5.1成绩均约**28.5%**，但Token消耗分别为**48百万**、**56百万**、**54百万**和**82百万** [35] - **未来Token调用的增长来源**：核心增量预计将主要来自**企业侧（To B）** [24][36] - To B场景能通过工作流嵌入、Agent执行和多场景复制，将模型持续纳入标准化流程，形成更稳定、高频、可持续的调用需求 [24][36] - To C端增量更多来自**既有用户使用习惯深化**（如搜索、写作、规划等行为迁移），而非新增用户高速扩张 [36][41] - 例如，MiniMax旗下陪伴式AI“星野”用户平均日使用时长超**70分钟**，能稳定贡献大规模Token消耗 [41] AI产品商业化与收入模式 - **AI产品调用与收入间如何兑现**：关键在于将流量型调用转化为**可付费、可续费、可盈利的有效需求**，核心链条包括：模型能力与任务匹配决定有效调用，场景价值决定付费转化，流程嵌入与替换成本决定续费稳定性，推理效率与成本控制决定毛利水平 [43][44] - 有效调用取决于“模型-场景”匹配度，企业需求已从“体验验证”转向“结果可验证” [47] - 付费转化取决于商业场景价值验证（ROI），能否在降本、增效或增收上形成明确回报 [47] - 持续续费由工作流嵌入深度与替换成本决定 [47] - 毛利修复取决于单位经济模型优化速度，高调用规模不必然转化为高利润 [47] - 例如，智谱2025年云端API收入同比增**292.6%** 至**1.9亿元**，毛利率仍处**18.9%**；MiniMax C端产品毛利率仅**4.7%** [47] - **To C难以形成高利润背景下，厂商追求的核心价值点**：核心价值在于**占据用户入口、培养使用习惯和沉淀交互数据**，建立长期流量与品牌壁垒；同时，将消费端流量持续导向API、企业服务、广告分发和交易撮合等更高质量收入环节 [43][48] - 截至2025年末，中国生成式AI用户达**6.02亿**，渗透率约**40%** [51] - To C产品价值体现在：占据流量入口；向高毛利业务导流（如MiniMax Open Platform企业服务毛利率达**69.4%**）；通过高频交互沉淀数据反哺模型迭代 [50][51] - 未来变现重点在多元化模式探索，如广告、交易分发（例如Qwen春节期间促成近**2亿**商品订单）及成本端持续改善 [51] - **To B客户愿意为哪些具体的AI场景付费，核心考察点**：客户更愿意为能够**替代重复、规则化工作且ROI可验证**的AI场景付费，典型包括智能客服、合同审核、报表分析和流程自动化 [43][52] - 核心考察点在于能否**降本、增效、增收并控制风险**，以及能否嵌入既有系统与流程 [52][55] - 未来替代空间将沿财务共享、供应链协同、人力资源与运营控制等方向扩展 [43][55] - **价格、成本与收入之间错位的原因**：根源在于**消耗逻辑与价值逻辑不一致** [43][56] - 价格围绕Token消耗、上下文长度和输出规模设定，但收入兑现取决于场景能否形成可验证价值、客户是否愿意持续付费及产品能否稳定续费 [43][56] - 用户侧错位：高消耗场景（如长上下文、长输出）未必能转化为高价值结果，若输出仍需大量人工修正，边际价值下降 [57][60] - 平台侧错位：高性能模型的高成本投入未必对应客户真实付费需求，企业核心诉求是任务稳定、流程可嵌入和成本可控 [57][60]

报告核心观点 - AI业务的商业价值判断标准正从用户规模、活跃度和调用热度，转向**场景价值密度与结果兑现能力**，核心在于单次调用能否进入真实业务场景、形成明确产出并创造可验证价值（如降本、增效、增收或风险控制）[4] - Token高消耗反映了AI需求的真实扩张，但高质量商业价值取决于**单位调用能否产生有效产出**，关键在于能否同步推动付费、续费、效率提升或收入改善[5] - To C端的核心价值在于**占据用户入口、培养使用习惯、沉淀交互数据**，并向广告分发、交易撮合、会员服务、API调用及企业业务导流，而非依赖短期订阅利润[6] - To B端商业化的关键兑现因素在于**场景攻克能力**，即识别高频、标准化、规则清晰且ROI可验证的具体任务，并通过工作流嵌入、Agent执行和系统协同实现持续交付，而非单纯的模型技术提升[7] AI价值定义与场景判断 - **用户规模不等于收入质量**：AI估值关注点已从用户规模、模型热度转向企业营收与投资回报兑现。例如，ChatGPT拥有约**9亿**周活跃用户，OpenAI年化收入超**250亿美元**，而Anthropic用户基础更小但年化收入也达约**90亿美元**，差距正在缩小。百度文心助手月活达**2.02亿**，但同期**AI Cloud Infra**收入约**198亿元**，**AI Applications**收入超**102亿元**，其中AI加速基础设施订阅收入同比增长**143%**，表明企业订阅、模型服务和工作流调用正成为更核心的收入承接方式[16] - **高频调用不一定代表高价值**：AI商业价值由**单次调用的价值兑现密度**决定。高价值场景需满足四大条件：任务边界清晰、工作结果可衡量、深度嵌入业务流程、易形成付费和续费需求。例如，MiniMax主应用平均MAU为**142.9万**，付费用户**1.03万**，平均每付费用户支出为**73美元**；而其陪伴互动产品星野平均MAU为**2,005.1万**，付费用户**139.04万**，但平均每付费用户支出仅**5美元**，前者单位付费深度约为后者的**14.6倍**[22] AI Token商业逻辑 - **Token主流调用模式多元分层的价值**：中国AI Token定价体系正从基础输入/输出计费，延伸至长上下文、缓存与Batch等多元化模式，核心逻辑是通过差异化定价匹配不同任务的算力占用方式，以增加AI厂商收入并降低算力成本。以主流厂商基础文本档位为样本，输入价格均值约为**2.4元/百万Tokens**，输出价格均值约为**9.6元/百万Tokens**，输出侧价格约为输入侧的**4倍**[26] - **多元层次计费如何匹配场景效益**：Batch、长上下文、缓存及资源包等模式正加快铺开，本质是根据时效性、上下文长度与复用程度对算力成本进行再分配。例如，阿里云将**Batch**价格设为实时调用的**50%**，Kimi Batch API为标准价格的**60%**；百度千帆推出“闲时调度训练免费、推理部署低至**3折**”政策，以提升低峰时段资源利用率[30] - **Token增长如何区分真实需求扩张与低效消耗**：Token增长反映需求真实扩张，但调用尚未同步转化为高质量结果。2026年3月中国日均Token调用量已超**140万亿**，较2025年底的**100万亿**增长约**40%**。火山引擎豆包大模型日均Token使用量已突破**120万亿**，三个月内翻倍。然而，模型测试显示Token投入与成绩提升并非严格同步，例如在Humanity's Last Exam测试中，Qwen 3.6 Max preview消耗**48百万**Token取得**28.9%**成绩，而GLM-5.1消耗**82百万**Token取得**28.0%**成绩，投入差异明显[35] - **未来Token调用的增长来源**：核心增量预计将主要来自**企业侧（To B）**。To B场景能通过工作流嵌入、Agent执行和多场景复制，将模型持续纳入标准化流程，形成高频、可持续的调用需求。To C端增量将更多来自既有用户使用习惯深化，而非新增用户的高速扩张。例如，千问通过Agent功能促成近**2亿**商品订单；MiniMax旗下星野用户平均日使用时长超**70分钟**，能稳定贡献大规模Token消耗[41] AI产品商业化与收入模式 - **AI产品调用与收入间如何兑现**：关键在于将流量型调用转化为可付费、可续费、可盈利的有效需求。核心链条包括：模型能力与任务匹配决定有效调用，场景价值决定付费转化，流程嵌入与替换成本决定续费稳定性，推理效率与成本控制决定毛利水平。例如，MiniMax 2025年前九个月数据显示，其企服/开发者业务（Open Platform等）营收占比**28.9%**，毛利率达**69.4%**；而AI原生C端产品营收占比**71.1%**，毛利率仅**4.7%**[47] - **To C厂商追求的核心价值点**：在难以形成高利润的背景下，厂商核心价值在于通过**占据用户入口、培养使用习惯和沉淀真实交互数据**，建立长期流量与品牌壁垒，并将消费端流量导向API、企业服务、广告分发和交易撮合等更高质量收入环节。截至2025年末，中国生成式AI用户达**6.02亿**，渗透率约**40%**。腾讯2025年第四季度在线广告收入同比增长**17%**，部分归因于AI增强的广告定向能力[51] - **To B客户愿意付费的具体AI场景及核心考察点**：客户更愿意为能够**替代重复、规则化工作且ROI可验证**的AI场景付费，典型包括智能客服、合同审核、报表分析和流程自动化。核心考察点在于能否**降本、增效、增收并控制风险**。未来替代空间将沿财务共享、供应链协同、人力资源与运营控制等方向扩展[55] - **价格、成本与收入之间存在错位的原因**：根源在于**消耗逻辑与价值逻辑不一致**。价格通常围绕Token消耗、上下文长度和输出规模设定，但收入兑现取决于场景是否能够形成可验证价值、客户是否愿意持续付费以及产品能否实现稳定续费。例如，高端模型对应更高的训练、推理成本，但企业客户核心诉求往往是任务稳定、流程可嵌入和成本可控，而非持续为更强性能支付溢价[60]