涉及的公司与行业 * 行业：大中华区IT服务与软件行业，特别是人工智能（AI）与大型语言模型（LLM）领域[6][98] * 重点覆盖公司： * 北京智谱华章股份有限公司 (Knowledge Atlas / Z.ai) (2513.HK)[3][31] * 上海稀宇科技有限公司 (MiniMax) (0100.HK)[3][30] * 阿里巴巴 (Alibaba Group Holding) (BABA.N)[31] * 其他提及公司：月之暗面 (Moonshot)、深度求索 (DeepSeek)、小米等中国AI实验室[13][27] 核心观点与论据 1 中美AI发展路径与竞争力分析 * 发展路径差异：美国前沿LLM通过扩大模型参数规模（Scaling Law）实现能力跃升，而中国AI实验室则专注于提升工程效率以弥补算力约束[3][4] * 工程效率来源：包括(1) 架构设计（如混合专家模型）、(2) 后训练（如强化学习、模型蒸馏）以及 (3) 推理基础设施优化（如硬件优化、KV cache效率）[4] * 成本与性能：中国AI实验室能够在仅为美国15–20% 的推理成本下，交付相近水平的模型智能，表明其具备更高的单位词元成本智能密度[4] * 技术差距：尽管美国在基座模型能力上持续突破，但中美AI竞赛高度胶着，中国的技术跟随时间差仅约3–6个月，工程效率尚未触及其自身的“扩展上限”[3][4] 2 市场动态：使用量、定价能力与商业化 * 词元使用量激增：中国头部LLM的词元使用量市占率从2025年4月的5% 大幅提升至2026年3月的32%（同期美国头部模型从58%下滑至19%）[5] * 使用量增长驱动：主要得益于模型智能的突破，尤其是在编程与智能体（agentic）能力方面，驱动了工作流型应用，其词元消耗量显著高于传统对话场景[5][27] * 定价能力显现：与基座模型商品化的担忧相反，头部模型展现出定价能力。智谱年初至今已将价格上调约一倍，MiniMax亦将其缓存读取价格上调了一倍。预计MiniMax在新模型发布后将实施显著的价格上调[5] * 价格趋势：主要AI实验室在2025年第二季度至2026年第一季度期间，将API输入/输出价格平均分别上调约80%/36%。中国LLM的API价格相对于美国模型的比例已从2025年第一季度的5–6% 上升至2026年第一季度的17–20%[25] * 收入增长预测：预计前沿模型的年化经常性收入（ARR）将在2026年底达到10–15亿美元，并在2027年底达到25–50亿美元（基准-乐观区间），对应3–5倍的年增速[10] 3 对香港股市的结构性影响 * 指数纳入预期：智谱（Knowledge Atlas）与MiniMax有望于6月8日被纳入恒生科技指数，预计合计权重约5–7%[5][33] * 资金流入影响：此次指数调整或将带来12.5–17.5亿美元的被动资金流入[5][33]。若两家公司在上市时已被纳入，恒生科技指数年初至今表现将提高约5个百分点[5] * 南向通纳入：预计智谱于6月8日、MiniMax于8月6日纳入港股通，可能在六个月内将内地投资者持股比例提升至其自由流通股本的9–20%[10][33] * 监管与IPO支持：年初至今，科技板块占香港IPO募资的40%，在储备项目中占比43%，巩固了AI作为香港股市长期结构性力量的地位[10][33] 4 重点公司投资观点与估值调整 * 智谱 (Knowledge Atlas / Z.ai) - 超配 (Overweight)： * 目标价从HK$560.00上调77% 至HK$990.00[3][31] * 公司指引ARR有望在一年内实现10倍增长，从2025年底不足1亿美元提升至2026年底约10亿美元[31] * 估值对应38倍 2027年预测市销率 (P/S)[37] * MiniMax - 超配 (Overweight)： * 目标价从HK$990.00上调18% 至HK$1,100.00[3][30] * 预计其ARR在2026年可达10亿美元，与同业持平或更强[30] * 估值对应36倍 2027年预测市销率 (P/S)[36] * 阿里巴巴 - 首选股 (Top Pick)： * 具备覆盖芯片、基础设施、模型与应用层的完整全栈AI能力[31] * 在偏高端分类加总估值（SOTP）中，假设其AI模型Qwen的ARR为10亿美元，按30倍 EV/S估值，对应270亿美元（约12美元/股）的价值贡献[32] * 阿里云预计未来五年外部收入可达1,000亿美元（对应40%+ 年复合增长率），其中模型即服务（MaaS）预计贡献超过50% 的云收入[32] 其他重要内容 5 对市场普遍假设的驳斥与澄清 * 驳斥“中国仅依赖低成本”：中国AI的核心竞争优势是算法创新，而非廉价能源或算力成本，使其能在单位算力下实现更高智能密度[24][26] * 驳斥“模型必然商品化”：对于行业领先的一流模型，商品化趋势并非必然。具备显著智能领先和良好用户体验的模型可享有价格溢价，且技术突破仍在拓展能力边界[26][28] * 驳斥“纯AI企业无法与大厂竞争”：纯AI企业可通过组织效率与模型迭代专注度形成优势，而非与超大规模云厂商进行资本开支对拼[26][29] 6 风险与关键条件 * 实现盈亏平衡的关键条件：需要(1) 词元消耗规模的持续扩展；以及 (2) 定价能力的可持续性[29] * 主要风险点：包括算力约束、地缘政治风险、竞争加剧与价格战、模型表现落后于同行等[31][40] * 模型追赶路径：指出模型蒸馏不能作为核心追赶路径，因其存在性能上限、泛化能力不足、模型坍塌等显著风险[28]