瑞银看好中国AI模型H226E三条主线：编码能力、商业化与token ROI

概览

这份瑞银报告聚焦中国AI模型公司在2026年下半年的投资主题，核心围绕模型能力提升、商业化扩张和token ROI纪律。报告认为，Zhipu和MiniMax上市后，市场讨论已从单纯模型迭代扩展到货币化、竞争格局和估值分化。

核心观点

瑞银认为AI coding仍是最清晰的模型能力提升路径，原因是代码执行、单元测试和自动评分使结果更可验证，适合RL后训练。中国AI实验室正在推出一方coding-agent产品和harness，可能积累用户项目上下文、技能和偏好，形成数据飞轮和用户粘性。在商业化方面，AI coding正在从开发者工具扩展到更广泛知识工作者场景，叠加多模态变现进展。随着企业从tokenmaxxing转向token优化，中国模型凭借结构性成本效率和高频重复推理场景的ROI优势，具备全球份额提升潜力。

分析框架

报告结合模型能力路径、产品化进展、TAM扩张、企业采用模式、ARR预测、P/S与P/ARR估值框架，对Zhipu和MiniMax进行比较。Zhipu被定位为更接近SOTA coding模型领导者，享有更高估值溢价；MiniMax具备算力获取和研发效率优势，但其模型表现仍需观察能否追赶前沿SOTA。

方法论与常识提炼

• 模型能力评估AI coding与RL后训练

  将AI coding视为模型智能提升的可验证训练场景

  代码任务可通过执行、单元测试和自动评分验证结果，叠加合成数据和coding agent真实任务反馈，有利于持续推进模型能力边界。

• 商业化评估token ROI纪律

  从tokenmaxxing转向token优化

  企业不再只追求token使用量最大化，而是更关注单位token带来的业务产出和ROI，这可能推动SOTA模型与其他模型在定价权和需求层级上分化。

• 估值方法P/S、P/ARR与SOTP交叉验证

  Zhipu采用P/S并以SOTP交叉验证，MiniMax采用P/ARR

  瑞银对Zhipu使用160x 2026E P/S，并用开放平台P/ARR与本地部署P/S做SOTP交叉验证；对MiniMax使用20x 2026E P/ARR。

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）。

• Knowledge Atlas Technology (Zhipu; Z.ai; 2513.HK)

  核心受益标的

  优势

  SOTA coding模型领导力增强，GLM-5.2获得全球认可，开放平台和API收入增长潜力强，推理基础设施优化改善成本效率。

  劣势

  仍受算力可得性、竞争压力和地缘监管不确定性约束；本地部署业务可能优先级较低。

  对比

  相较MiniMax，瑞银认为Zhipu在SOTA coding能力和商业化清晰度上更强，因此给予更高估值倍数和溢价。

  风险

  算力供应瓶颈、商业化延迟、KA客户自研模型替代、数据安全和AI治理监管风险。

• MiniMax (0100.HK)

  长期受益但估值折价标的

  优势

  算力获取、研发效率、多模态布局和全球化商业化策略具备优势，API和Token Plan收入增长加速。

  劣势

  模型能力仍需追赶前沿SOTA，持续高研发投入压制近期利润和现金流。

  对比

  相较Zhipu，MiniMax估值倍数显著更低，反映市场对非SOTA模型商业化和定价权的折价。

  风险

  竞争加剧、商业化不确定、利润率承压、用户生成内容治理风险、关键服务商中断。

关键数据

• Zhipu目标价HK$2,200由此前HK$1,160上调，基于2026E收入Rmb5.5bn和160x P/S。
• MiniMax目标价HK$500由此前HK$1,000下调，基于2026E ARR US$1.0bn和20x P/ARR。
• Zhipu 2026E ARRUS$1.5bn预计到2026年12月达到，高于此前管理层内部目标US$1bn。
• MiniMax 2026E ARR约US$1.0bn预计到2026年12月达到，基本符合管理层内部目标。
• Zhipu 2025-27E收入CAGR332%开放平台收入占比预计从2025年的26%升至2027年的87%。
• MiniMax 2025-27E收入CAGR258%收入组合预计更多转向2B服务。
• Zhipu 2026E收入预测调整+71%主要反映对ARR爬坡速度更乐观。
• MiniMax 2026E收入预测调整+108%反映ARR爬坡加速，2026E收入预测为US$461mn。
• Kuaishou Kling ARRUS$500m报告引用其2026年5月视频生成商业化进展，作为多模态变现案例。
• OpenAI Codex非开发者个人用户增长137x2025年8月至2026年6月初，显示AI coding采用正在扩展到非开发者。

影响与含义

报告的投资含义是，中国AI模型公司可能在高频、重复、agentic和coding工作流中凭借成本效率获得全球份额，但资本市场会更严格区分SOTA coding模型与非SOTA模型的长期定价权。Zhipu短期更受益于模型领导力、GLM-5.2认可度和商业化路径清晰；MiniMax的关键在于未来模型迭代、多模态商业化和ARR兑现。

风险

• AI模型竞争格局快速演变且竞争加剧。
• 技术趋势、用户需求和偏好变化快，可能削弱既有产品优势。
• 商业化节奏和ARR爬坡存在不确定性。
• 算力供应和先进硬件可得性可能限制模型升级与收入增长。
• 地缘政治、出口限制和监管环境可能影响全球扩张。
• 数据安全、AI治理和模型训练数据相关风险。
• 流量获取、内容和品牌推广成本上升可能压制利润率。

后续跟踪

• Zhipu GLM系列后续升级及其在全球coding模型中的排名变化。
• MiniMax M系列、Hailuo和潜在2.7tn参数开源权重模型的发布节奏。
• 企业AI采用是否继续从tokenmaxxing转向ROI驱动用量。
• Zhipu和MiniMax 2026年中期业绩、ARR披露和毛利率变化。
• 南向资金纳入、A股上市等资本市场催化因素。
• 中国模型在海外应用和平台中的集成数量及高频agentic工作流渗透率。
• 算力供应、推理成本优化和国内AI芯片适配进展。