UBS看好中国AI模型在H2 2026E的模型能力、货币化与Token ROI主题

概览

本报告聚焦中国AI模型行业在H2 2026E的三条主线：模型能力提升、模型层货币化扩张，以及企业和用户对Token投资回报率的关注上升。UBS认为，Zhipu与MiniMax上市后市场讨论已从单纯模型迭代扩展到商业化、竞争格局和估值差异。报告总体看好中国模型凭借成本效率和应用扩张获得全球份额，但同时强调算力供给、地缘监管和竞争仍是关键约束。

核心观点

核心观点包括：第一，AI编码仍是推动模型智能提升最清晰的能力路径，SOTA模型可能借助数据飞轮、产品化和AI参与模型研发来巩固领先。第二，AI编码的TAM继续扩张，从开发者工具进入知识工作者工作流，叠加多模态进展，推动模型层货币化。第三，随着企业采用从tokenmaxxing转向ROI纪律，不同模型的定价权将进一步分化，SOTA模型服务高价值场景，非SOTA模型更可能面对大众Token使用中的商品化压力。

分析框架

报告采用主题研究加公司估值更新的方式，先分析AI编码、产品化、Token ROI和多模态商业化等行业驱动因素，再分别评估Zhipu和MiniMax的模型能力、ARR爬坡、收入预测、盈利压力和估值倍数。Zhipu主要采用P/S估值并以SOTP交叉验证，MiniMax采用P/ARR估值。

方法论与常识提炼

• 模型能力分析RL-based post-training

  强化学习后训练

  报告认为AI编码结果可通过代码执行、单元测试和自动评分器验证，叠加合成数据和真实任务反馈，因此是模型智能继续提升的高可行性领域。

• 商业化分析Data flywheel

  数据飞轮

  编码智能体产品中的用户交互、真实工作流、项目上下文和偏好可反哺模型改进，并提升用户粘性。

• 需求分析Token ROI discipline

  Token投资回报率纪律

  企业从最大化Token使用转向优化单位Token回报后，将更重视成本效率和任务产出，利好具备结构性成本优势的中国模型。

• 估值分析P/S, P/ARR and SOTP

  市销率、P/ARR和分部估值

  Zhipu采用160x 2026E P/S并以SOTP交叉验证；MiniMax采用20x 2026E P/ARR，体现SOTA与非SOTA模型之间的估值差异。

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

  具备国内SOTA编码模型领导力、GLM-5.2获得全球认可、开放平台和API收入爬坡清晰，并通过LayerSplit和ZCube等基础设施优化改善吞吐和成本。

  劣势

  仍面临算力供给、商业化执行、KA客户自研模型替代和长期亏损压力。

  对比

  报告将Zhipu的模型发展和货币化策略与Anthropic相类比，并给予相对MiniMax更高的P/ARR或P/S估值溢价。

  风险

  地缘和监管不确定性、算力基础设施受限、竞争加剧、数据安全和AI治理风险。

• MiniMax (0100.HK)

  长期受益但短期估值折价标的

  优势

  拥有算力获取和研发效率优势，产品覆盖2B和2C，并在Hailuo等多模态方向具备差异化潜力。

  劣势

  模型能力仍需时间追赶前沿SOTA模型，高研发投入将压制近期盈利和现金流。

  对比

  MiniMax估值倍数显著低于Zhipu，反映市场对SOTA与非SOTA编码模型定价权差异的认知。

  风险

  商业化延迟、利润率压力、模型训练数据风险、用户生成内容治理风险以及关键服务商中断。

• 中国AI模型提供商

  行业层面潜在受益者

  优势

  结构性成本效率更优，在高频、重复性编码和智能体推理任务中具备Token ROI优势。

  劣势

  全球前沿模型竞争激烈，算力供给仍可能限制ARR爬坡速度。

  对比

  相对美国前沿模型，中国模型可能通过成本效率和海外应用集成获得份额，但高端场景仍取决于模型智能差距。

  风险

  出口限制、监管环境、技术快速变化和价格竞争。

关键数据

• Zhipu目标价HK$2,200较此前HK$1,160上调，基于2026E收入Rmb5.5bn和160x P/S。
• MiniMax目标价HK$500较此前HK$1,000下调，基于Dec 2026E ARR US$1.0bn和20x P/ARR。
• Zhipu Dec 2026E ARRUS$1.5bn高于此前管理层内部目标US$1bn，反映AI编码领导力和算力优化。
• MiniMax Dec 2026E ARR约US$1.0bn报告预计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%提升至2027年的87%。
• MiniMax 2025-27E收入CAGR258%收入结构预计更多转向2B服务。
• OpenAI Codex非开发者个人用户增长137x截至2026年6月初，较2025年8月增长。
• OpenAI Codex非开发者组织用户增长189x显示AI编码智能体从开发者扩展至更广泛知识工作者。
• Kuaishou Kling ARRUS$500m2026年5月数据，被报告用作中国模型视频生成货币化进展的例子。
• Zhipu GLM-5.2能力1mn-token context window报告称其进一步缩小与全球顶级编码模型的差距，并保持有竞争力定价。

影响与含义

投资含义是，市场可能继续给予SOTA编码能力更高估值溢价，Zhipu因GLM-5.2、AI编码领导力和开放平台ARR爬坡而获得更强定价权；MiniMax虽短期承受估值折价，但若未来模型迭代、多模态产品和商业化兑现，也可能出现追赶和股价催化。对行业而言，Token ROI纪律将推动需求分层，高价值场景集中于领先模型，大众化Token使用则更可能出现价格竞争。

风险

• 竞争格局演变和行业竞争加剧。
• 技术趋势、用户需求和偏好快速变化。
• 模型商业化不确定，ARR爬坡可能低于预期。
• 算力供给和关键计算基础设施受限。
• 地缘政治、出口限制和监管不确定性。
• 数据安全、模型训练数据和AI治理风险。
• 高研发投入、硬件成本和获客成本可能压制利润率。
• 国际扩张执行风险和海外市场政策风险。

后续跟踪

• Zhipu后续模型升级、GLM系列在编码和agentic能力上的全球排名变化。
• MiniMax M系列、Hailuo视频生成模型和多模态商业化进展。
• Zhipu和MiniMax的2026年中期业绩、ARR披露和收入结构变化。
• 企业从tokenmaxxing转向Token ROI优化的速度，以及API价格和使用量趋势。
• 中国模型在海外应用和平台中的集成数量与实际Token使用份额。
• 算力供应、国产AI芯片适配和推理成本优化进展。
• 南向纳入、A股上市等资本市场催化。