9 June 2026 | 12:51AM HKT Equity Research NAVIGATING CHINA INTERNET/AI MODELS Key AI & mega-cap debates; What to do from here? Coming out of the results season and Asia Communacopia + Technology, we re-assess the five key investor debates shaping the China AI model landscape: 1) the competitive dynamics between US vs. China AI models, 2) the intensifying price competition within Chinese model players, 3) drivers of exponential token growth and whether enterprise or consumer agents will justify the surge in ...

**行业与公司** * 涉及行业：中国互联网及其他服务、人工智能（AI）全产业链（芯片、基础设施、模型、应用）[1][6][163] * 涉及公司： * 主要AI模型公司：阿里巴巴（Qwen）、字节跳动（Doubao/Seed）、百度（Ernie Bot）、腾讯（Hunyuan/Yuanbao）、MiniMax、Z.ai（智谱）、Moonshot（Kimi）、深度求索（DeepSeek）、小米[11][12] * 主要AI云/基础设施公司：阿里云、腾讯云、百度云、火山引擎（字节跳动）、华为云、中国移动[45][52][60][63][66] * AI芯片/加速器公司：华为（昇腾）、寒武纪、海光信息、沐曦集成、壁仞科技、天数智芯、燧原科技等[45] * 其他相关上市公司：在覆盖列表中包括美团、拼多多、京东、网易、快手、贝壳、携程等[162] **核心观点与论据** **1. 中国AI模型竞争力：全球重要竞争者，采取“开放”策略** * 中国贡献了全球前十的SOTA（最先进）模型中超过一半的数量，是美国的主要竞争对手[10] * 中美AI模型战略对比：中国偏向“开放权重”（Open Weight），美国偏向“专有”（Proprietary）[10] * 中国前沿基础模型玩家在参数规模上表现突出，例如深度求索V4-Pro达1600亿参数，Moonshot K2.6达1000亿参数[12] * 中国领先大语言模型的平均价格仅为美国同行的5%-18%，具有显著成本优势[17] **2. 算法与效率创新是中国关键竞争优势** * 通过算法创新提升效率，以部分抵消在算力规模上的相对劣势[27] * 中国AI实验室的关键人物普遍年轻，例如腾讯首席AI科学家28岁，Moonshot创始人34岁，体现了人才活力[26] **3. AI芯片与计算基础设施：走向脱钩，自给率将大幅提升** * 预计中国AI GPU（图形处理器）总市场规模（TAM）到2030年将增长至670亿美元[31][33] * 预计到2030年，中国AI芯片自给率将达到86%（580亿美元 / 670亿美元）[36] * 通过芯片级（多Die封装）、集群级（构建超大规模集群）和制造级（扩大产能）三步策略，中国基础设施实力正在缩小 perceived technology gap（感知技术差距）[40][43] **4. AI云市场：快速增长，竞争格局初显** * 中国AI云市场与传统云市场不同，增长更快[56] * 根据2025年下半年数据，中国MaaS（模型即服务）市场收入份额：火山引擎（字节跳动）占43%，阿里云占26%，百度云占10%，智谱占6%，中国移动占4%[60][63][66] * 企业CIO（首席信息官）在AI部署中最倾向于寻求阿里云和腾讯云的协助[61] **5. 2C（面向消费者）AI应用：微信生态是AI智能体的前身** * 微信拥有庞大的用户基础和高粘性：2025年7月数据为11亿月活跃用户，用户日均会话44.6次，日均使用时长99.4分钟[76] * 主要AI应用各具定位：例如，深度求索擅长技术任务和编码；Kimi擅长长上下文文档分析；豆包（字节跳动）偏向轻量级社交娱乐[74] **6. 2B（面向企业）AI应用：早期采纳广泛，投资增加** * CIO调查显示，人工智能/机器学习/流程自动化是企业支出增加最多的项目（占受访者的13%）[87] * 企业AI/LLM投资的首要三大领域是：供应链与库存管理（43%）、客户服务（50%）、销售（30%）[91] * 预计未来三年，中国将有16%的工作时长被生成式AI/LLM取代[95] * 企业AI工作负载渗透率预计将从2024年的13%提升至2026年的16%[95] **7. 主要公司动态与战略** * **阿里巴巴**：Qwen是全球使用最广泛的开源模型系列，截至2026年1月21日在Hugging Face累计下载超10亿次；云业务目标五年收入1000亿美元，年复合增长率超40%；预计三年资本支出将超过3800亿元人民币[109] * **腾讯**：2026年将加倍对“新AI”的投资（2025年支出180亿元人民币）；在智能体AI部署方面处于早期领先地位[110][111][112] * **百度**：2025年第四季度，百度核心AI驱动收入超过110亿元人民币，占百度收入的43%；AI加速器基础设施的订阅收入同比增长143%[115] * **字节跳动**：被视作新的颠覆者，其火山引擎在MaaS市场份额领先[105] * **MiniMax**：中国唯一专注于全模态能力的独立AI实验室；超70%收入来自海外市场[100] * **Z.ai（智谱）**：纯专注于大语言模型，擅长编码、智能体和推理；起源于清华大学学术实验室[104] **其他重要内容** * 行业观点：摩根士丹利对中国互联网及其他服务行业给予“有吸引力”（Attractive）的评级[1] * 模型性能评估标准：智能水平、价格、速度[10] * AI模型竞争的三要素：计算能力/能源供应（学多少）、数据/知识（学什么）、模型算法/脑潜力（多高效地学）[21][22] * 全球数据量持续增长，为AI发展提供燃料[25] * 中国CIO调查显示，未来一年AI/LLM支出分配中，硬件占比预计从26%升至28%，软件（应用、模型）从40%降至33%，IT服务从34%升至39%[89]

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]