China AI model industry：中国AI实验室面临更分层的竞争，但海外扩张和效率提升或将支持采用

概览

本UBS行业报告考察中国和全球AI模型开发商在能力、成本效率、定价和海外分发方面的竞争如何演变。UBS仍看好中国实验室的国际扩张和创新，但强调政策不确定性及日益按任务区分的成本效益差异是重要制约因素。

核心观点

UBS认为，随着中国AI模型与领先海外模型的能力差距收窄，且其成本优势依然显著，中国模型已获得全球认可。然而，竞争前景变得更加复杂：对开放权重模型的潜在限制可能阻碍海外采用；全球领先者收紧反蒸馏措施，以及美国日益关注工业规模蒸馏，可能拖慢能力追赶；近期担忧也导致上市模型公司表现疲弱，MiniMax和Zhipu本月以来分别下跌约20%和40%。 报告预计，AI模型定价将按任务层级进一步分化。在高交易量端，现有模型已能满足用户需求，额外智能带来的边际价值有限，UBS预计单Token价格将持续下行。中国及海外开发者正推出接近旗舰性能、但价格大幅更低的Flash或小参数模型，包括GLM-5.3-Flash、Kimi K2.8 Preview、Qwen3.8-Flash和Gemini 3.8 Flash。UBS还指出海外直接降价：OpenAI的GPT-5.6 Sol输入、缓存输入和输出价格分别下降20%、20%和33%；GPT-5.6 Luna各类Token价格均下降80%；Claude Fable 5.1的KV缓存价格较Fable 5低75%。OpenAI于9月22日推出GPT-6 Sol和Luna，其API价格约为GPT-5.6对应产品的一半；Anthropic的Claude Opus 5.5则在性能提升的同时，实现输入和输出价格降低20%、缓存读取价格降低60%，典型任务成本估计降低约40%。 在能力前沿，UBS认为定价能力可能更具持久性。前沿模型可处理计算机使用、软件工程、科学研究和专业工作流中的复杂、长周期任务，从而提高任务成功率和每次成功任务的价值。较高的单Token价格不一定意味着更高的客户成本：根据Artificial Analysis，在最大推理强度下，GPT-6 Astra完成每项编码任务所用Token约为GPT-5.6 Sol的三分之一。因此，UBS认为，更强的能力和Token效率可以在维持客户投资回报的同时，支撑甚至扩大前沿模型的价格溢价。 UBS预计，即便模型发布节奏更为审慎，前沿竞争仍将激烈。AI实验室正将AI用于编码、实验和研究工作流，并探索递归自我改进；报告举例提到OpenAI和Anthropic的内部AI辅助研发，以及Zhipu的Infra Agent。预计中国实验室将在近期融资后扩大计算能力，以支持规模更大的下一代训练。UBS还预计，中国模型未来的能力提升将更多依赖多元数据来源，例如GitHub问题和拉取请求、合成数据，以及包括网络安全数据在内的累积领域环境数据。 UBS将海外分发视为中国实验室在开放权重模型采用加速背景下的重要变现杠杆。MiniMax已开展涵盖企业采用、垂直微调和云部署的全球合作；Zhipu与全球云服务提供商建立了合作关系；Kimi K3则已在AWS Bedrock上提供。OpenRouter数据表明，中国和开放权重模型的使用份额持续上升，UBS将此归因于领先中国模型以及其与美国前沿模型间缩小的能力差距。UBS认为，这些分发渠道可强化变现机会。 最后，UBS认为近期行业估值下调低估了中国实验室在海外分发、架构创新和开源研发协同方面的进展。报告认为，Step 5 Preview和Xiaomi MiMo-V2.6等持续发布的模型，若能拓展智能与成本的帕累托前沿，可能成为情绪催化剂。报告列出的后续潜在催化剂包括DeepSeek V4.1 Pro、Kimi K3.1、MiniMax M3 Pro和Zhipu GLM-5.5/6.0。

分析框架

UBS从模型能力、Token定价、Token效率和任务层面的经济性比较中国及海外模型。报告利用模型组合及API定价比较、OpenRouter和Vercel的使用趋势、公司与云分发进展以及融资活动，评估竞争定位、采用和变现前景。

方法论与常识提炼

• 行业/产业分析框架量价拆分

  模型定价与任务层面成本效益比较

  报告将单Token定价与Token效率、任务成功率区分开来，说明为何低价模型可能主导高交易量任务，而前沿模型仍可在复杂工作中保持经济性。

• 行业/产业分析框架供需框架

  AI模型供给、计算能力扩张和采用分析

  UBS将模型供给增加、新低价版本发布和计算能力扩张，与需求增长、海外分发和变现机会联系起来。

• 估值方法PS 估值

  Zhipu的市销率估值

  UBS表示，其对Knowledge Atlas Technology（Z. AI/Zhipu）采用市销率估值，并以分部加总分析进行交叉验证。

• 估值方法

  MiniMax的Price/ARR估值

  UBS表示，其对MiniMax采用Price/ARR估值方法。

• 估值方法SOTP 分部估值

  Zhipu的分部加总交叉验证

  UBS采用分部加总分析，作为对Zhipu市销率估值的交叉验证。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• MiniMax Group (0100.HK)

  一家中国AI模型开发商，其海外合作可能支持企业采用、云部署和变现。

  优势

  覆盖企业采用、垂直微调和云部署的全球合作。

  劣势

  竞争和运营挑战可能延迟变现并压缩利润率。

  对比

  其参与的全球市场中，低成本模型面临价格下行，前沿模型则围绕任务效率展开竞争。

  风险

  宏观和地缘政治不确定性、数据相关训练风险、用户生成内容治理风险及关键服务提供商中断风险。

• Knowledge Atlas Technology (Z. AI/Zhipu) (2513.HK)

  一家中国AI模型开发商，其与云服务提供商的合作和基础设施举措可能支持海外覆盖及未来模型开发。

  优势

  近期与全球云服务提供商建立合作关系，并推出Zhipu的Infra Agent举措。

  劣势

  能力追赶和商业化可能受竞争、数据限制及计算基础设施获取影响。

  对比

  UBS采用市销率估值，并以分部加总分析进行交叉验证。

  风险

  地缘政治、监管、数据安全、客户集中度和计算基础设施风险。

关键数据

• MiniMax股价动向Down c.20% MTDUBS将其列为上市模型公司表现疲弱的一部分。
• Zhipu股价动向Down c.40% MTDUBS将其列为上市模型公司表现疲弱的一部分。
• GPT-6 Astra的Token效率About one-third of GPT-5.6 Sol tokens per coding task根据Artificial Analysis，在最大推理强度下。
• GPT-5.6 Luna价格变化-80%输入、缓存输入和输出Token价格均下降80%。
• Claude Fable 5.1的KV缓存价格变化-75% versus Fable 5UBS将其描述为由缓存驱动的成本下降。
• Claude Opus 5.5典型任务成本c.40% lowerUBS引用的Anthropic估计。

影响与含义

UBS预计，AI模型市场将更为分层：低成本模型应会支持高交易量任务中的更广泛采用，而前沿模型可通过更佳任务结果和Token效率，在复杂工作流中证明溢价定价的合理性。对于中国实验室，海外合作、云端可用性、计算能力扩张和后续模型发布被视为可能支持采用、变现和市场情绪的因素。

风险

• 竞争格局可能快速变化，竞争也可能加剧。
• 对开放权重模型的潜在限制和反蒸馏措施可能限制海外采用或拖慢能力追赶。
• 技术变化、互联网用户偏好转变和不确定的变现前景可能给行业带来压力。
• 宏观和地缘政治不确定性可能限制AI采用，或限制先进硬件和计算基础设施的获取。
• 数据安全、AI治理和模型训练数据风险可能影响模型表现和商业化。
• 更高的流量获取、内容、品牌推广和IT系统成本可能压缩经营经济性。
• 不利的市场情绪和国际扩张挑战仍是行业风险。

后续跟踪

• 中国实验室在海外企业、云服务及垂直部署合作方面的进展。
• OpenRouter和AI Gateway平台上中国及开放权重模型的使用份额趋势。
• Flash、小参数和前沿模型的发布节奏及定价。
• 前沿模型能否通过更佳Token效率和任务成功率维持较低的单次成功任务成本。
• 近期融资能否转化为计算能力扩张和更大规模的模型训练。
• 包括DeepSeek V4.1 Pro、Kimi K3.1、MiniMax M3 Pro和Zhipu GLM-5.5/6.0在内的潜在发布。
• 影响开放权重模型、蒸馏和AI治理的监管进展。