文|刘雪峰 戴亚敏
大模型行业正由规模扩张阶段进入效率与兑现阶段,建议沿算力、模型、应用三层把握机会:一是算力层,云厂商资本开支指引持续上修;二是模型层,国产下一代旗舰密集发布在即,关注性能追赶与单任务成本优势带来的份额机会;三是应用层,关注具备行业数据、合规与流程壁垒的垂直应用、掌握交易入口的个人智能体生态,以及物理 AI 中训练、仿真与数据采集等先行受益环节。
摘 要
性能:海外进入新一轮旗舰周期,国产旗舰开始追近。9–10 月海外厂商在约一个半月内集中完成旗舰换代,AA 智能指数 52 分及以上的 9 款模型中有 8 款为海外本轮新品,Claude Opus 5.5 以 58 分居首。月之暗面 10 月 24 日发布的 Kimi K3.1 Pro 以 55 分位列全球第四,将国内外最高分差距由 12 分缩小至 3 分;国内 Flash 档快速进步,DeepSeek V4.1-Flash-1017 已与部分旗舰基本持平。
价格:从普降走向分层,竞争焦点转向单任务成本。海外同档换代普遍降价,并在顶部新增 GPT-6 Astra 等高价档;国内在上半年至 8 月中旬修复成本式涨价后,8 月底起以新代旧在 Flash 档重新降价。Ramp 口径的企业混合有效价格持续下降,各模型单任务成本的排序已与标价不一致,单任务成本正取代标价成为更有效的比较口径。
ROI:增速放缓引发回报焦虑,但更像预期重置而非需求拐点。Anthropic 三季度收入 168 亿美元,环比增速由约 144% 降至约 45%,主要源于企业 AI 付费采用率趋于饱和、token 单价下行抵消用量增长、OpenAI 在企业与编程市场的反攻分流等因素。但其单季收入增量仍达约 53 亿美元,已连续两个季度实现调整后经营盈利,每 1 美元算力支出对应收入由 2025 年的约 0.63 美元升至 2026 年上半年的约 1.82 美元。两家厂商收入仍在持续扩张,当前增速较高点回落更接近高基数下的正常放缓与竞争格局调整,而非行业需求见顶。
新场景:编程之外商业化信号初现,模型能力仍是核心变量。知识工作智能体起量最快,垂直行业付费意愿已获验证,个人智能体有望推高消费端付费档位并打开交易与广告变现,物理 AI 远期空间最大但当前收入主要落在训练侧。新场景兑现节奏各异,能否接力编程的核心在于模型能力,这也将决定 AI 投入回报的逻辑能否延续。
投资建议。大模型行业正由规模扩张阶段进入效率与兑现阶段,建议沿算力、模型、应用三层把握机会:一是算力层,云厂商资本开支指引持续上修,据 Anthropic 招股书披露的分项合同,其算力承诺合计已超过五千亿美元,算力基础设施景气度有望延续;二是模型层,国产下一代旗舰密集发布在即,关注性能追赶与单任务成本优势带来的份额机会;三是应用层,关注具备行业数据、合规与流程壁垒的垂直应用、掌握交易入口的个人智能体生态,以及物理AI中训练、仿真与数据采集等先行受益环节。
风险提示
AI 技术迭代不及预期;商业化与收入增长不及预期;价格竞争加剧;算力供给与资本开支波动;监管与地缘政治风险;第三方数据口径偏差。
正 文
投资要点
海外进入新一轮旗舰周期,国产旗舰开始追近。9–10 月,Anthropic、OpenAI、Google、Meta 在约一个半月内集中完成旗舰换代,AA 智能指数 52 分及以上的 9 款模型中有 8 款为海外本轮新品,Claude Opus 5.5 以 58 分居首。国内以 Flash 档为主密集迭代,DeepSeek V4.1-Flash-1017 在价格不变的情况下由 39 分提升至 45 分,已与 MiMo-V2.6-Pro(46 分)等国产旗舰基本持平。旗舰档方面,月之暗面 10 月 24 日发布的 Kimi K3.1 Pro 以 55 分位列全球第四,将国内外最高分差距由 12 分缩小至 3 分。
价格从普降走向分层,竞争焦点转向单任务成本。海外呈现“同档降价、顶部抬升”特征,同档换代普遍降价,同时在顶部新增 GPT-6 Astra 等高价档。国内在上半年修复成本式涨价后,8 月底起以新代旧在 Flash 档重新降价。实际支出端,Ramp 口径的企业混合有效价格由 7 月下旬接近 1.2 美元/百万 token 降至 10 月中旬约 0.64 美元,部分源于用户向低价模型迁移和缓存占比提升。由于回答长度、缓存价格和返工纠错的差异,各模型单任务成本的排序已与标价不一致,单任务成本正取代每百万 token 单价成为更有效的比较口径。
收入增速放缓引发回报焦虑,但更像增长预期的重置,而非需求拐点。Anthropic 三季度收入 168 亿美元,环比增速由二季度的 144% 降至约 45%;美国四大云厂商二季度资本开支合计约 1720 亿美元,同比增长 77%,投入加速与收入放缓的落差引发回报焦虑。我们认为,放缓源于多重因素叠加:OpenAI 在企业与编程市场的反攻分流了 Anthropic 的新增份额、企业 AI 付费采用率逼近 S 曲线顶部、token 单价下行基本抵消用量增长,Ramp 样本 8 月初以来用量增长约六成,支出仅比前高高出 1.5%,叠加反蒸馏清理等一次性扰动。但 Anthropic 单季收入增量仍达 53 亿美元,已连续两个季度实现调整后经营盈利(其中二季度 GAAP 经营利润 9.74 亿美元),每 1 美元算力支出对应的收入由 2025 年的约 0.63 美元升至 2026 年上半年的约 1.82 美元(Anthropic 招股书口径)。两家厂商收入仍在持续扩张,当前增速较高点回落更接近高基数下的正常放缓与竞争格局调整,而非行业需求见顶。
编程之外新场景商业化信号初现,模型能力仍是核心变量。知识工作和垂直行业最接近收入,前者起量最快,但仍以短任务和按座席收费为主,后者付费意愿已获验证,但模型厂商目前主要赚取 API 费用。消费端个人智能体有望推高付费档位,并打开交易与广告变现。物理 AI 远期空间最大,当前收入主要落在训练侧。我们认为,新场景兑现节奏各异,能否接力编程的核心在于模型能力,这也将决定AI投入回报的逻辑能否延续。
投资建议。大模型行业正由规模扩张阶段进入效率与兑现阶段,建议沿算力、模型、应用三层把握机会:一是算力层,云厂商资本开支指引持续上修,据 Anthropic 招股书披露的分项合同,其算力承诺合计已超过五千亿美元,算力基础设施景气度有望延续;二是模型层,国产下一代旗舰密集发布在即,关注性能追赶与单任务成本优势带来的份额机会;三是应用层,关注具备行业数据、合规与流程壁垒的垂直应用、掌握交易入口的个人智能体生态,以及物理AI中训练、仿真与数据采集等先行受益环节。
一、性能:海外进入新一轮旗舰周期,国内高性价比档密集迭代
从近期全球大模型的性能竞争来看,海外正进入新一轮旗舰周期,国内的竞争重心则在高性价比档,而旗舰模型正处于换代窗口期。9—10 月,Anthropic、OpenAI、谷歌、Meta 等相继推出新一代旗舰;同期国内厂商以 Flash 等轻量模型为主密集迭代,并伴随降价。国内旗舰则处在换代蓄力期,月之暗面已于 10 月 24 日率先发布 Kimi K3.1 Pro,DeepSeek、智谱、MiniMax、阿里、腾讯等厂商的下一代旗舰也已进入准备阶段。
(一)整体性能比较:海外旗舰与国产模型大致分处两个区间
按 Artificial Analysis(AA)智能指数,海外旗舰与国内模型大致分处两个区间。具体看,海外头部模型集中在 52–58 分,月之暗面 10 月 24 日发布的 Kimi K3.1 Pro 以 55 分位列全球第四,是唯一进入这一区间的国产模型。国内其余头部模型密集分布在 42–46 分,其中既有各家旗舰,也有刚发布的 Flash 模型;海外的 Grok 4.7 与轻量模型 Claude Haiku 5.5 也落在这一区间。
(二)海外:新一轮旗舰集中发布,轻量档同步升级
9 月至 10 月中旬,海外厂商在约一个半月内集中完成新一轮旗舰换代。其中,Anthropic的Claude Opus 5.5与 Sonnet 5.5 分别以58分和56分位列第一和并列第二(与 Muse Wonder Full 同分),OpenAI则自9月初起陆续推出GPT-6系列,9月29日又发布GPT-6.1 Sol,并于10月7日向全球付费用户开放;Google 在 Gemini 3.5 Pro 一再推迟之后,于9月30日发布 Gemini 4 Argon,并于10月13日全面开放,重回第一梯队;Meta亦于 10月推出Muse Wonder,并同步开源 Muse Spark Open。从结果看,前八名得分集中在52–58分之间,差距6分,各家在编程、数学、Agent、多语言等场景上各有所长,最强模型已难有单一答案,模型选型日益取决于具体场景。
与此同时,海外旗舰的发布方式与产品布局也在发生变化。一方面,分级开放逐渐成为最强模型的发布常态,Gemini 4 Argon首发时仅向Fairwind计划中的网络安全防御伙伴开放,约两周后才面向公众,而此前Anthropic 的Mythos 5也曾仅向约100家经审核的美国机构开放。另一方面,旗舰之下的轻量档同步升级,Claude Haiku 5.5的AA得分达到43分,<10万token 时输入价格为每百万token 0.10美元,GPT-6 Luna也已下放至ChatGPT免费层,海外厂商由此开始在性价比档与国产模型正面竞争。
(三)国内:高性价比档密集迭代,旗舰处于换代蓄力期
与海外集中推出旗舰不同,9–10月国内厂商的发布以Flash等轻量模型为主。DeepSeek 于10月17日发布V4.1-Flash-1017,在架构、规模和API价格均不变的情况下,AA得分由9月版的39分提升至45分;MiniMax于10月19日发布M3.1Flash,AA得分为43分,较前代M3的29分大幅提升,官方称推理速度提升近3倍、使用成本降低70%;阿里于8月开源基于 Qwen4架构的预览模型Qwen3.8-Flash-Next,官方称训练成本下降至Qwen3.7-Plus的九分之一,并于9月18日上线全模态模型qwen3.8-omni-flash。
Flash 档快速进步,旗舰档开启新一轮升级。DeepSeek V4.1-Flash-1017 的 45 分已与小米 MiMo-V2.6-Pro(46 分)、Qwen3.8-Max(45 分)、GLM-5.3(45 分)、Kimi K3(44 分)、阶跃 Step 5 Preview(44 分)等国产旗舰基本持平,DeepSeek 甚至将 V4-Pro 的请求全部转由 V4.1-Flash 处理,直至 V4.1-Pro 上线。月之暗面率先完成换代,10 月 24 日发布的 Kimi K3.1 Pro 以 55 分成为目前 AA 得分最高的国产模型,较 K3 提升 11 分,在全球排名第四,已进入海外旗舰所在的 52–58分区间,而DeepSeek、智谱、MiniMax、阿里、腾讯等厂商的下一代旗舰也已进入准备阶段。
总结:节奏错位放大了此前差距,国内下一代旗舰有望使其阶段性收窄。从智能上限来看,海外旗舰集中在 52–58 分,Kimi K3.1 Pro 发布前,国内最高仅 46 分,落后 12 分,K3.1 Pro 以 55 分将差距缩小至 3 分。在高性价比档,国内已与海外处于同一竞争区间,DeepSeek V4.1-Flash-1017 得分 45 分,略高于 Claude Haiku 5.5 的 43 分,但 Haiku 5.5 的标价和单任务成本更低。展望后续,国内旗舰已进入换代窗口,下一代旗舰仍在准备中,差距有望进一步收窄;但海外也可能在此期间再度迭代,同代差距短期内仍难完全消除。
二、价格:从普降到分层,竞争焦点转向单任务成本
大模型价格正从过去两年的全面降价,走向按档位分化的分层定价。海外厂商同档换代普遍降价,同时在顶部新增了更高价的档位,轻量档则快速下探,标价已追平甚至低于国产同档模型。国内厂商在上半年至8月中旬经历了一轮修复成本式的涨价,8月底起又通过发布更高效的新模型在Flash档重新降价,旗舰档则多数维持高位。与此同时,市场实际支付的加权价格整体下行,但其中相当部分来自用户向低价模型迁移和缓存占比提升,而非标价下调。随着单价差距收窄、标价越来越难以代表真实使用成本,模型的竞争焦点逐渐从每百万 token 单价转向单任务成本(cost per task)。
(一)整体比较:旗舰档价差仍达数倍,轻量档已处同一区间
从代表性模型的官方标价看,海外旗舰与国内旗舰之间仍有数倍价差,但在轻量档,海外与国产模型的标价已基本处于同一区间。(1)旗舰档方面,海外主力旗舰Claude Opus 5.5、GPT-6.1 Sol的输出价分别为每百万token 20美元和10美元,新增的顶级档GPT-6 Astra更高达50美元;国内的Qwen3.8-Max、GLM-5.3分别约为4.95美元和4.4美元。海外主力旗舰的输出价约为国内的2–4.5倍,顶级档则在10倍以上,仅Kimi K3.1 Pro(输出10美元)与海外差距较小。(2)轻量档方面,Claude Haiku 5.5与GPT-6 Luna均以输入0.10美元、输出0.50美元定价,低于DeepSeek V4.1-Flash,即便按DeepSeek打五折后的闲时价(输入0.15美元、输出0.60美元)计算也是如此;国产Flash档的输入价多在0.11–0.30美元、输出价多在0.30–1.20美元之间,两者已基本重叠。不过,低价也附带条件,Haiku 5.5仅在单次输入不超过10万 token时适用该价格,超出后输入和输出价格均上调为5倍;而在缓存命中价格上,DeepSeek仍低于Haiku 5.5。总体来看,国产模型过去的单价优势正在收窄。
(二)海外:同档换代降价,顶部新增高价档
海外厂商的定价呈现“同档降价、顶部抬升”的特征。一方面,同一档位的新一代模型普遍降价:Claude Opus 5.5较Opus 5输入、输出价各下调20%,缓存价下调60%;GPT-6 Sol较GPT-5.6 Sol输入、输出价均减半。另一方面,厂商在原有旗舰之上新增了更高价的档位:GPT-6 Astra的标价为每百万 token输入10美元、输出50美元,为GPT-6.1 Sol的5倍,Claude Fable 5.1的输入价同样为10美元。即便是定价相对激进的 Gemini 4 Argon(输入2美元、输出10美元),也采用了首发优惠价,12月起将上调至输入4美元、输出20美元。因此,“海外旗舰维持高价”主要体现在新增的顶级档位,而非原有档位。
与此同时,海外厂商在旗舰之下的轻量档快速下探。Claude Haiku 5.5与GPT-6 Luna均以每百万token输入 0.10美元、输出0.50美元定价。以OpenAI为例,GPT-6 Luna较7月发布且于 7 月 30 日降价的GPT-5.6 Luna(输入0.20美元、输出1.20美元)输入价减半、输出价下降约58%。海外厂商由此开始在性价比档与国产模型正面竞争。
(三)国内:先涨价修复成本,再以新代旧降价
2026 年上半年至8月,国内模型价格以上涨为主,但过程中有反复。智谱在2月发布GLM-5时率先逆势提价,3月起智谱、阿里云、腾讯云、百度相继上调 Token价格,幅度从5%到4倍以上不等;DeepSeek则在5月底将 V4-Pro调至原价的1/4,又于8月上调价格、8月17日实行峰谷定价,V4-Pro高峰时段输出价达每百万token 27元,为涨价前6元的4.5倍。我们认为,这轮涨价是对推理算力成本长期倒挂的修正,2024–2025年的低价主要承担市场教育功能,到2026年企业客户已转向更高单位智能。其中,独立模型厂商没有云业务交叉补贴,因而涨幅更大;大厂则将模型API更多视为云服务的引流入口,调价相对温和。
8月底以来,国内价格在Flash档重新下行,但降价主要通过发布更高效的新模型实现,而非给旧模型打折。阿里8月26日开源的Qwen3.8-Flash 借助新架构将训练成本降低至九分之一,定价为输入0.8元、输出2.7元;DeepSeek 9月10日下调 Flash系列价格;MiniMax 10月发布的M3.1 Flash,输入和输出单价较M3下降50%以上。相比之下,旗舰档多数仍维持高位,Qwen3.8-Max 为输入12元、输出 36元,Doubao-Seed-2.1-pro为输入6元、输出30元,K3.1 Pro 为输入 13 元、输出 68 元。
(四)从标价到实际成本:竞争焦点转向单任务成本
从市场实际支出看,企业为每百万 token 实际支付的价格整体下行。根据 Ramp AI Index 基于企业真实支出数据测算的混合有效价格(按 token 用量加权、覆盖输入、输出和缓存 token),2026 年以来企业实际支付的 AI token 单价整体下行:整体均价在 3 月初和 7 月下旬两度接近每百万 token 1.2 美元,到 10 月中旬已降至约 0.64 美元,较高点接近腰斩,较年初的约 0.85 美元下降约四分之一。分厂商看,Anthropic 价格始终高于 OpenAI,但溢价明显收窄。混合有效价格的下降并不完全等同于厂商降价,其同时受到模型用量结构向中小模型迁移、缓存 token 占比提升等因素影响。
Silicon Data的LLM Token 支出指数(SDLLMTK)也呈现相同趋势,其衡量的是全市场每百万 token 的支出加权平均价格,而非单一模型的标价。该指数自2025年底设立后一度接近翻倍,于5月见顶,随后回落,截至10月25日数据为每百万 token 0.93美元,不足高点的一半。但用户在不同模型之间的迁移本身就会推动指数变化,因此与Ramp指数一样,其下行既可能来自降价,也可能来自用户向更便宜模型的迁移。
从支出结构看,定价最高的顶级档位在实际支出中占比有限。从YipitData观测到的Anthropic周度支出结构看,支出正快速向新一代主力模型迁移。Opus 5于7月下旬发布后数周内即占到约三成支出,Opus 5.5发布约三周后占比已升至约15%;而定价最高的Fable与Mythos合计占比最高时约7%,最近一周仅约3%,Mythos仅在8月中下旬短暂出现。截至10月中旬,Opus系列合计约占六成,Sonnet系列约占三成。因此,厂商在顶部新增的高价档位对整体有效价格的拉动有限,支出主体仍集中在换代普遍伴随降价的主力档位,这也是有效价格整体下行的重要原因。
从单个任务看,每百万token的单价也不完全代表真实使用成本。一方面,模型能力和稳定性不足带来的重复调用、返工和纠错,会迅速推高Token消耗;另一方面,Agent任务的Token消耗以缓存读取为主,SemiAnalysis按9月的使用结构测算,缓存读取占比约96.6%,缓存价格和回答长度对账单的影响往往超过标价本身。按AA 测算的单任务成本,GPT-6.1 Sol约为每任务0.72 美元,Gemini 4 Argon约1.99美元,GPT-6 Astra约3.26美元,Claude Opus 5.5约5.98美元,Claude Fable 5.1约7.63美元。其中,GPT-6.1 Sol与Gemini 4 Argon标价相同,单任务成本却相差近3倍;Claude Opus 5.5标价低于GPT-6 Astra,单任务成本反而高出约八成。DeepSeek V4.1-Flash-1017 每任务成本约0.26美元,仅为GPT-6 Astra的8.0%、Claude Opus 5.5的4.3%。此外,据 Anthropic 招股书,Claude Opus 5.5 的单任务成本较 Opus 5 下降约 40%。
总结:价格竞争正从比拼标价转向比拼单任务效率。从标价看,海外呈现“同档降价、顶部抬升”,国内则先涨后降,海内外在轻量档已进入同一区间,国产模型过去的单价优势正在收窄。从实际支出看,Ramp与Silicon Data的指数均显示市场加权价格整体下行,而定价最高的顶级档位在支出中占比有限,支出主体仍集中在换代降价的主力档位。从单个任务看,各模型单任务成本的排序已与标价不一致,回答长度、缓存价格和返工纠错对真实成本的影响往往超过标价本身,价格竞争正从比拼标价转向比拼单任务效率。
三、ROI:ARR 高增长,回报焦虑浮现,但不宜悲观
大模型厂商收入仍在快速扩张,但三季度增速有所回落,算力投入却仍在加速,二者之间的落差引发了市场对投入回报的担忧。以 Anthropic 为例,其 26Q3 收入为 168 亿美元,环比增速由二季度的约 144% 降至约 45%;但根据其招股书数据,已签订的算力合同合计超过五千亿美元。
我们认为,增速放缓是多重因素共同作用的结果。行业层面,企业 AI 付费客户扩张接近饱和,token 单价快速下行;公司层面,供给中断叠加 OpenAI、开放权重模型的竞争,分流了 Anthropic 的新增份额。此外,蒸馏调用削减等一次性因素和此前偏高的市场预期,也放大了增速落差。但我们认为不宜悲观,厂商季度收入增量仍处高位,Anthropic 已于 26Q2 实现 GAAP 经营盈利,单位算力支出对应的收入大幅提升,部分拖累因素也具有阶段性特征,当前更像是增长预期的重置,而非需求拐点。
(一)大模型厂商的收入仍在高速增长,但增速已有所放缓
厂商收入规模快速扩张,26Q3 增速有所放缓。Anthropic 的年化收入从 2025 年底的约 90 亿美元,增至 2026 年 7 月底的 650 亿美元以上;OpenAI 的年化收入也从 2025 年底的 200 亿美元以上,增至 9 月底的接近 500 亿美元。但进入三季度后,增速放缓的迹象开始显现。Anthropic 一至三季度收入分别为 47 亿、116 亿和 168 亿美元,环比增速从二季度的 144% 降至三季度的约 45%,季度收入增量也从 68 亿美元收窄至约 53 亿美元。(数据来源:Anthropic 招股书、各公司官网、Bloomberg、金融时报)
与收入增速放缓形成对照的是,投入端仍在加速。Dell'Oro预计 2026 年全球数据中心资本开支将超过 1 万亿美元,美国四大云厂商二季度资本开支合计约1720 亿美元,同比增长 77%,全年指引合计上调至 7350-7500 亿美元。模型厂商层面,据 Anthropic 招股书,其与谷歌云(不低于 1145 亿美元,至 2033 年)、亚马逊(不低于 1100 亿美元,至 2036 年)、微软(不低于 449 亿美元)、博通(谷歌 TPU 租赁,约 1612 亿美元)及 SpaceXAI(最高 1205 亿美元)等签订的算力合同合计已超过五千亿美元,另有Nscale、Lambda 等 GPU 租赁合同。投入持续加速、收入增速放缓,二者之间的落差正是当前回报焦虑的来源。(数据来源:Dell'Oro Group、Anthropic 招股书、金融时报、Platformonomics)
(二)原因分析:客户扩张较为饱和、竞争分流与价格下行共同作用
拆分来看,增速放缓并非单一原因所致。行业层面,企业 AI 付费采用率逼近 S 曲线顶部、token 单价快速下行,支出增长越来越依赖存量客户加深使用;公司层面,OpenAI 及开放权重模型带来的竞争加剧,可能分流了 Anthropic 的新增份额。
行业层面,企业客户付费渗透率已较高。Ramp基于美国企业支出数据编制的 AI 指数显示,截至 9 月,55.9% 的企业已为 AI 付费,其中付费使用 Anthropic 和 OpenAI 的企业占比分别为 43.8% 和 40.6%;但 8、9 月整体采用率分别仅提升 0.40 和 0.62 个百分点,新增 AI 客户的增速较上半年明显放缓,Ramp 认为市场可能已接近 S 曲线顶部,后续增长将更多依赖现有客户加深使用,而非客户数量扩张。与此同时,支出高度集中:OpenAI 和 Anthropic 80% 的支出来自 1% 的企业,而这部分头部企业的人均 AI 支出近期也出现停滞:9 月头部 1% 企业的员工人均月 AI 支出为 9568 美元,虽较 8 月有所回升,但仍比 7 月峰值 9873 美元低 3.1%。相比之下,中位数企业的员工人均月支出仅约 16 美元,与头部企业相差数百倍,说明支出的深度扩张仍主要依赖少数重度用户。
行业层面的另一重压力来自价格下行。如前文所述,Silicon Data 的支出加权 token 价格指数已跌至5 月底的高点的一半以下。由于该指数按实际支出加权,其下跌不只反映厂商降价,也反映用户在向更便宜的模型迁移。Ramp 的企业支出数据从需求侧印证了这一趋势,2026 年 8 月初至 10 月,样本企业的 token 用量增长约六成,同期 token 支出仅比 8 月初的前期高点高出 1.5%。用支出除以用量粗略估算,企业为每个 token 支付的平均价格在两个多月内下降了三成以上,而上半年这一价格的降幅相对温和。
因此,同样的使用量带来的收入正在快速减少,对模型厂商而言,收入增长将越来越取决于用量扩张能否跑赢单价下滑,而至少在 Ramp 样本中,8 月以来两者基本打平。厂商自身也在主动降价:Opus 5.5 的标价较 Opus 5 下调 20%,10 月发布的 Haiku 5.5 价格较上一代下调约50%(> 10万token 档),这在提升竞争力的同时,也将在四季度继续压低单位收入。(备注:Ramp 仅统计按量计费的 API 支出,不含订阅收入,样本也偏中小企业,因此它反映的是按量计费市场的价格压力,而非厂商整体收入)
公司层面,Anthropic的新增份额受到自身供给中断和竞争对手多线反攻的双重挤压。供给端,6 月 12 日至 7 月 1 日 Claude Fable 5 因美国出口管制暂停访问近三周,恢复后部分请求仍被限流或回退至旧模型,给竞争对手留出了窗口。竞争端的分流主要来自三方面:一是开放权重模型,7 月月之暗面发布并开源 Kimi K3,官方称其整体能力仅次于 Claude Fable 5 和 GPT-5.6,以开放权重和低于海外旗舰的价格分流部分需求;二是大客户自研,据金融时报报道,Meta、微软等大客户正更多转向自研模型;三是 OpenAI 的反攻,其 9 月 3 日发布的 GPT-6 Astra 在编程智能体指数上与 Claude Fable 5.1 同为 62 分,单任务成本却不到后者的一半(约 43%),而 Anthropic 直到 9 月 22 日才以 Opus 5.5 回应,近三周的空窗恰好落在季末。
编程市场是这一变化的缩影。JetBrains调研显示,Claude Code 的工作场景使用率从 1 月的 18% 升至年中的 39%,Codex 则从 3% 升至 16%,两者之比从 6 倍降至约 2.4 倍,尽管绝对差距从 15 个百分点扩大至 23 个百分点。用户规模上,Codex 活跃用户从 2 月初的约 100 万增至 5 月底的 500 万、7 月中旬的约 800 万;7 月并入 ChatGPT 桌面端后,OpenAI 改为披露其与 ChatGPT Work 的合计数,10 月 8 日合计活跃用户达 4000 万。
除需求、定价和竞争等结构性因素外,一次性扰动、阶段性的算力约束和过高的预期基数也放大了增速落差。一是 Anthropic 三季度主动削减约占收入 5%–7% 的蒸馏调用,按三季度 168 亿美元收入算,这部分每季度约 8–12 亿美元,相当于从年化基数中移除 34–47 亿美元,短期拖累增速,但即便加回也只能解释增速回落中的一小部分;二是算力供给先松后紧,二季度亚马逊 Trainium2 和 SpaceX Colossus 1 相继上线,但进入三季度后,若全部算力需求未能满足,收入增长也将随之受限;三是市场预期建立在难以持续的高增速上,若根据此前高增速外推出Anthropic 年底 1000–1200 亿美元的年化目标预期,即便三季度环比仍新增约 53 亿美元收入,也将被解读为不及预期。
(三)回报焦虑浮现,但不宜悲观
尽管增速回落引发了回报焦虑,但不宜悲观。从收入增量、盈利质量、需求深度、阶段性因素和估值等维度看,头部厂商的基本面仍然稳健,当前更像是估值从超高增长外推向正常高增长的回归,而非需求拐点。(1)收入增量仍处高位,Anthropic 三季度收入达168 亿美元,环比增长约45%,较二季度净增 53 亿美元,公司披露的年化收入亦从 2 月的 140 亿美元、4 月的超 300 亿美元进一步升至 7 月的超650亿美元。OpenAI 9 月年化收入已接近 500 亿美元,较年初约 200 亿美元显著提升。两家厂商收入仍在持续扩张,当前增速较高点回落更接近高基数下的正常放缓与竞争格局调整,而非行业需求见顶;(2)盈利拐点初现,据招股书,Anthropic 二季度实现 GAAP 经营利润 9.74 亿美元,上半年调整后经营利润率达 10%,三季度调整后口径继续盈利;每 1 美元算力支出对应的收入从 2025 年的约 0.63 美元升至 2026 年上半年的约 1.82 美元(招股书口径);(3)需求深度仍有空间,降价推动 token 用量自 8 月初增长约六成,中位数企业人均 AI 支出与头部企业相差数百倍;(4)蒸馏收入清理、算力约束等拖累属阶段性扰动,叠加算力供给改善与新模型迭代,四季度存在边际改善催化;(5)若 IPO 估值下调,对应市销率相应降低,预期重置降低了再度不及预期的风险。
综合来看,我们认为当前的回报焦虑更多反映的是增长预期的重置,而非 AI 需求的逆转。厂商收入仍在扩张,Anthropic 已实现经营盈利,增速回落主要来自高基数、价格下行与竞争格局变化。后续可重点关注:(1)Anthropic 与 OpenAI 四季度的环比收入增量;(2)token 用量增速能否重新跑赢单价降幅;(3)中位数企业的人均 AI 支出能否延续上行;(4)模型厂商收入与算力支出之比能否继续提升。
四、新场景:编程之外,下一波需求在哪里
编程是大模型第一个跑通的规模化场景,但增长空间正逐步受限。开发者群体规模有限、渗透已较深,叠加 token 价格下行,单靠编程难以支撑头部厂商继续大规模扩张。
我们认为,后续需求将来自多个方向:通用知识工作智能体起量最快,垂直行业应用付费意愿较强,消费端用户基数最大且变现方式正从订阅扩展到交易与广告,物理 AI 远期空间大但当前收入主要落在训练侧。各类新兴场景的兑现节奏各异,其能否接力编程,将决定 AI 投入回报的叙事能否延续。
(一)通用知识工作:从对话走向执行,优势在于用户规模
智能体正在把大模型的用途从编程扩展到更广泛的知识工作。与聊天机器人不同,智能体可以直接操作文件、调用业务系统、完成多步骤任务。Anthropic 披露,其面向非开发者的智能体产品 Cowork 超过 90% 的用量并非软件开发,其中业务运营和内容创作合计约占一半,典型任务包括核对支出并撰写差异分析、把合同文件夹整理成带风险提示的续约台账、根据通话记录和销售数据生成客户材料等。据 Anthropic 招股书,Cowork 于 2026 年 1 月以研究预览形式推出,在发布后同期的采用速度已超过 Claude Code;9 月起,Anthropic 开始将 Cowork 与 Claude.ai 合并为同一应用。OpenAI 企业端的数据也显示了类似的趋势,自 2 月以来,法务、销售、招聘和市场职能的活跃用户数分别增长了 108 倍、41 倍、41 倍和 26 倍。
相较编程,知识工作的优势在于用户规模,使用深度和人均支出仍有较大提升空间。知识工作覆盖法务、销售、市场等几乎所有职能,潜在用户远多于开发者。目前使用仍以对话和短任务为主,单用户 token 消耗相对较低,企业多按座席采购,这一场景的增长主要来自用户数的快速扩张。深度使用已在头部企业率先跑通,OpenAI 数据显示,人均输出 token 前 10% 的企业与中位数企业的差距已从 1 月的 2.6 倍扩大到 8.3 倍,这也意味着多数企业仍有较大的追赶空间。我们认为,随着使用方式从对话转向多步骤执行,人均支出有望明显提升,叠加中位数企业逐步向头部看齐,知识工作有望形成规模化收入。
(二)垂直行业:付费意愿较强,模型厂商从底层供应走向直接布局
垂直行业应用已验证付费意愿,但模型厂商在其中主要作为底层供应商。垂直行业应用多由第三方公司基于头部模型构建,深度绑定行业数据、合规要求与专业流程。例如在法律领域,Harvey 的年化收入已达约 4 亿美元,客户超过 3000 家,覆盖 80% 的美国百强律所,估值升至约 155 亿美元。这类应用普遍同时接入多家模型,例如Harvey 已同时接入 Anthropic、OpenAI 和 Google 的模型,按任务选择,某家服务受限时可切换至其他模型。因此,模型厂商在其中只是可替换的供应商之一,主要赚取 API 调用费用。为了在垂直行业获取更多价值,头部模型厂商开始直接布局,主要有三种方式。
一是做行业版产品,像软件公司一样直接卖给行业用户,法律、金融是典型。2026 年 5 月,Anthropic 推出 Claude for Legal,提供覆盖诉讼、AI 治理等 12 个执业领域的插件和 20 个 MCP 连接器,并与 Thomson Reuters、Box、Microsoft 365 等法律团队常用的平台打通。此前,Anthropic 已于 2025 年 7 月推出面向金融服务的版本,这类产品主要服务企业法务、财务人员的日常工作,与垂直应用形成部分竞争。
二是把前沿能力当作稀缺资源,只开放给少数合作方,网络安全是典型。2026 年 2 月,Anthropic 发布 Claude Code Security,可扫描代码库中的漏洞并给出补丁建议。4 月,Anthropic 推出 Project Glasswing,以未公开发布的 Claude Mythos Preview 为核心,以“能力过强、需限制访问”为由,仅向白名单合作方开放。另一方面,CrowdStrike CEO 回应称,Claude Code Security 处于开发阶段的代码检测环节,自家产品则是运行时的端点检测与响应,二者并不直接替代。
三是自己下场做研究,从卖工具转向获取研究成果的价值。Anthropic 于 2025 年 10 月推出 Claude for Life Sciences,2026 年 6 月 30 日又发布 Claude Science。9 月,Anthropic 在旧金山湾区建成湿实验室,开展计算模拟之外的实体生物实验。10 月 20 日,Anthropic 公布了首批成果,内部 Claude 研究模型针对五种蝎子神经毒素,在 Claude Science 中基本自主地运行了 64 小时,生成 318,484 个蛋白设计,送测的 211 个中有 17 个达到结合标准(对应其中 4 种毒素),最优者结合强度达个位数纳摩尔级。而OpenAI 走的是“专用模型 + 科研工作空间”路线,2026 年 1 月推出面向科学家的免费 Prism 工作空间,4 月发布专门面向生命科学研究的 GPT-Rosalind 模型。
(三)消费端:个人智能体兴起,厂商密集推出相关产品
聊天助手升级为常驻型个人智能体,厂商在半年内密集推出相关产品。5 月,Google 在 I/O 大会上发布 Gemini Spark,定位为 7×24 小时运行在云端、可跨应用自主完成任务的消费级智能体。9月 8 日,Meta 推出基于自研 Muse Spark 模型的个人智能体 Muse,用户可通过独立应用或 WhatsApp 使用,可以代为发送邮件、预订餐厅和行程、在线购物,并已接入 Gmail、Spotify 等应用。9 月底,OpenAI 在开发者大会上推出常驻智能体dots,可连接 4000 多个应用,并支持在 Slack、Teams 中交互。10 月 21 日,Anthropic 推出 Claude Duet 研究预览版,接入 6000 多个连接器和插件,每天早上推送简报,并在需要时主动提醒。与传统聊天助手相比,这类产品拥有独立的云端运行环境,用户关闭应用后仍持续工作;接入大量第三方应用,可以直接执行操作,从被动应答转向主动提醒和代办。
国内厂商同样在加速布局,但更多依托自有超级应用和手机系统入口切入。字节跳动的豆包手机助手消费者版于 9 月 14 日发布,与努比亚合作在系统层面实现跨应用操作,并陆续接入机票、火车票、打车和水电燃气缴费等服务,另正在内测独立个人助手“小豆”。阿里的千问基于淘宝、飞猪和支付等自有生态,已推出个人智能体“千问 Go!”,可完成购物比价、价保退差、航班延误索赔等任务。腾讯则在微信内灰度测试原生 AI 助手“小微”,可以发送消息、拨打电话并调用小程序完成生活服务,同时在开发独立的“元宝助手”应用。与海外相比,国内个人智能体面临的核心问题是生态壁垒,个人智能体的竞争很大程度上是各大厂生态之间的竞争,交易入口的归属将决定其变现空间。
个人智能体将显著抬升单用户的 token 消耗和付费层级。聊天式使用每次交互消耗的 token 有限,而常驻智能体在后台持续浏览网页、读取邮件、执行任务,token 消耗远高于聊天。从定价看,Meta Muse 100美元/月的档位每周额度达 30 亿 token;OpenAI 则新推出 500 美元/月的 Pro 500 套餐,用量为 Plus 的 25 倍。消费端的付费结构正向按用量分层的高价档位延伸。截至 2 月底,ChatGPT 周活跃用户超过 9 亿,付费订阅用户超过 5000 万,付费率不到 6%。若个人智能体能把部分用户推向更高的付费档位,消费端的单用户收入有望明显提升。
代办交易和广告,为消费端打开了订阅之外的变现空间。个人智能体直接参与购物、订餐、订票等交易环节。Meta Muse 已与 Stripe、Shopify 等打通,并由 Stripe 为购买失误提供保障,这为交易佣金等新的变现方式提供了可能。广告方面,当用户把比价、选品交给智能体,广告也可以向智能体对话中迁移,掌握了消费决策的入口,智能体的商业价值就不再局限于订阅收费。
(四)物理 AI :远期空间大,当前收入主要落在训练侧
物理 AI 远期空间大,但仍处于投入期,当前收入主要落在训练侧。与编程、知识工作和消费端不同,物理 AI 尚未形成面向终端用户的规模化收入,现阶段的投入主要用于模型训练、仿真和数据采集,最先受益的是算力和数据的供应方。从布局看,英伟达以全栈平台卡位基础设施,头部模型厂商从“机器人大脑”切入,资本则加速流向机器人模型公司和数据采集环节,而终端部署仍以工业和物流等场景的试点为主。
英伟达以开源模型带动全栈硬件。2026 年 3 月的 GTC 大会上,英伟达开放 GR00T N1.7 的早期访问并提供商业授权,面向量产机器人的灵巧控制,并计划在年底前推出 GR00T N2;5 月 31 日,英伟达发布开源世界模型 Cosmos 3,次日又在 GTC Taipei 公布 Isaac GR00T 参考人形机器人。由此,英伟达形成了从训练(DGX)、仿真与合成数据(Omniverse、Isaac、Cosmos)、机器人基础模型(GR00T)到端侧部署(Jetson Thor)的完整链路,模型和工具以开源方式提供,变现主要落在训练算力和端侧芯片等硬件上。
模型厂商从“机器人大脑”切入,但路线明显分化。Google于7 月 30 日发布 Gemini Robotics 2 系列,包括动作模型 Gemini Robotics 2、基于 Gemini 3.5 Flash的具身推理模型 ER 2 和端侧版本 On-Device 2,其中 ER 2 已通过 Gemini API 向开发者开放;此前,Google 还与波士顿动力合作,将 Gemini Robotics 接入新一代 Atlas,并计划在现代汽车工厂测试。OpenAI 选择软硬一体,Altman 于 10 月确认将自研人形机器人,最早 2027 年公开演示,目前开放的相关岗位已覆盖运动控制和规模化制造。Anthropic 在 6 月更新的 Project Fetch 实验中,Claude Opus 4.7 在极少人工监督下编程控制四足机器人,效率分别是使用旧版 AI 的团队和无 AI 辅助人类的 19 倍和 38 倍。国内厂商更多采用开源模型或全栈方案切入,阿里 6 月发布千问 Qwen-Robot 系列,覆盖操作、移动和世界模型三类模型,腾讯在 7 月的 WAIC 上一次发布三项具身基座模型,字节 Seed 则持续迭代 GR 系列操作模型,并配套自研机器人本体。
数据先行,终端部署仍处早期,但远期空间广阔。数据端是当前机器人模型的瓶颈,海内外厂商都在加大采集投入。终端侧,工业和物流是最先落地的场景,头部人形机器人公司已从工厂试点逐步走向小批量订单,数据积累、硬件量产和可靠性仍有待突破。展望未来,物理 AI 有望把大模型的应用从数字世界延伸到制造、物流、出行和家庭等物理场景,面向的是全球劳动力市场,空间广阔。我们认为,随着机器人模型泛化能力提升、硬件成本下降,物理 AI 的需求有望从训练侧逐步向部署和终端传导,成为支撑AI 投入回报的长期重要来源。
(五)总结:新场景节奏各异,模型能力仍是核心变量
综合来看,编程之外的新场景已出现商业化信号,但多数尚未形成规模化收入,落地节奏也各不相同。知识工作和垂直行业最接近收入,前者起量最快,但仍以短任务和按座席收费为主,后者付费意愿已获验证,但模型厂商目前主要赚取 API 费用。消费端个人智能体有望推高付费档位,并打开交易与广告变现。物理 AI 远期空间最大,当前收入主要落在训练侧。我们认为,新场景能否接力编程,核心仍在于模型能力,只有模型能够长时间自主完成复杂任务,知识工作、个人智能体、科研和机器人等场景才能真正打开空间。后续可重点跟踪:(1)企业端非编程职能的用量占比;(2)垂直 AI 公司的收入增速与模型调用结构;(3)个人智能体的付费渗透率与交易、广告收入;(4)机器人的订单与出货量等。
风险提示
(一)AI 技术迭代不及预期的风险
大模型性能提升存在不确定性,规模扩展的边际收益可能递减。关于国内外性能差距可能收敛的判断,部分依赖于尚未发布的国内下一代旗舰,若其发布推迟或性能提升不及预期,相关判断可能不成立。
(二)商业化与收入增长不及预期的风险
企业 AI 付费采用率已接近 S 曲线高位,支出高度集中于少数头部企业;若头部厂商四季度收入增量进一步收窄、非编程场景未能从试点走向规模化收入,模型厂商的收入与估值可能承压。
(三)价格竞争加剧的风险
海外厂商轻量档快速下探、国内厂商以新代旧降价,若 token 单价的下行持续快于用量增长,行业整体收入与盈利能力将受到挤压,国产模型的价格优势也可能进一步收窄。
(四)算力供给与资本开支波动的风险
算力供给紧张可能限制收入增长,供给过剩则可能导致资产利用率下降;芯片、存储等硬件成本上涨可能推高推理与终端成本;模型厂商的大额长期算力承诺若与收入增长错配,可能带来财务压力。
(五)监管与地缘政治风险
各国对AI 服务的数据安全审查趋严,限制范围正由特定国家的模型扩大至未经安全评估的主流 AI 服务。例如瑞典政府办公室继限制 DeepSeek 后,自 10 月 26 日起停用 ChatGPT 与 Claude,仅保留经安全评估的微软 Copilot。若此类限制向更多政府部门及金融、医疗等受监管行业扩散,将影响模型厂商的获客与收入、抬高合规成本,国产模型出海也可能面临更多准入壁垒。
(六)数据口径与引用风险
本报告部分数据来自Artificial Analysis、Ramp、Silicon Data、YipitData 等第三方机构及媒体报道,部分公司财务数据为非 GAAP 调整后口径、管理层口径或第三方估算,样本覆盖与统计口径存在局限,可能与实际情况存在偏差。
报告信息
本摘要选自报告:《计算机行业 AI 模型系列(八):国产旗舰追近,新场景接力可期——大模型行业近期跟踪( 2026 年 10 月)》2026-10-28
报告作者:
刘雪峰 S0260514030002
戴亚敏 S0260526070004
法律声明
本微信号推送内容仅供广发证券股份有限公司(下称“广发证券”)客户参考,相关客户须经过广发证券投资者适当性评估程序。其他的任何读者在订阅本微信号前,请自行评估接收相关推送内容的适当性,若使用本微信号推送内容,须寻求专业投资顾问的解读及指导,广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠,但广发证券不对其准确性或完整性做出任何保证,报告内容亦仅供参考。
在任何情况下,本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定,在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断,可随时更改且不予通告。
本微信号及其推送内容的版权归广发证券所有,广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可,任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用,否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。
股票
板块
用户
资讯
评论 (0)