中国AI应用调研显示工作流驱动的早期变现证据

概览

本报告总结摩根大通中国AI应用调研的要点。调研覆盖自动驾驶、独立模型开发、企业工作流软件和垂直AI应用，核心结论是中国AI应用正出现由工作流驱动的早期变现证据。基础模型仍重要，但在部分企业场景中更像可租用和可路由的输入，真正的价值捕获越来越取决于专有数据、业务流程控制、客户集成、部署能力和价格权。

核心观点

报告的核心观点包括：第一，模型访问在部分企业用例中可能变得更可替换，客户更愿意为能嵌入业务流程并完成任务的工作流层付费；第二，保险和金融风险、企业数据集成、跨境营销等垂直AI应用出现经常性收入和价值定价信号；第三，ADAS比L4 robotaxi更接近规模化，L4在部分城市和海外部署出现早期商业化假设但仍受监管和单位经济约束；第四，中立专业厂商可在部分OEM和企业采购中获胜，而平台仍可通过云、地图、算力和基础设施受益；第五，AI基础设施需求正在从前沿训练扩展到推理、国产栈适配、内存、存储和企业工作流执行；第六，消费者AI和智能体电商仍缺乏足够估值证据。

分析框架

报告采用调研纪要和投资映射相结合的方法，先将8场公司交流中的管理层表述和业务信号归纳为六项观察，再与此前关于模型能力、应用变现、基础设施和自动驾驶经济性的假设进行对照。分析重点不是复述非公开数字，而是判断哪些信号可以转化为上市公司投资框架，以及哪些变量仍需通过财报、客户证据、分部披露和第三方可验证数据确认。

方法论与常识提炼

• 商业化框架掌握场景、租用模型

  在企业AI中，模型能力是必要输入，但专有数据、工作流控制、用户界面、反馈循环和部署经验决定长期价值捕获。

  该框架用于解释为什么企业客户可以在多个模型之间按价格、性能和可用性路由任务，同时继续为能嵌入业务流程的应用层和工作流层付费。

• 阶段划分叙事、试点、早期商业化、规模化

  报告用商业化成熟度区分不同AI用例，而不是把所有AI应用统一看作同一阶段。

  垂直和企业AI应用被视为介于早期商业化和规模化之间，ADAS更接近规模化，L4 robotaxi在部分城市为早期商业化但广泛部署仍属试点，消费者AI和智能体电商仍偏叙事。

• 基础设施需求任务量弹性假设

  基础设施多头逻辑取决于AI任务量增长是否快于单任务成本下降。

  如果推理、部署和企业工作流执行带来的任务量扩张超过模型效率提升造成的成本压缩，算力、云、内存、存储和国产芯片需求将更有支撑。

• 自动驾驶评估ADAS与L4 robotaxi分层评估

  ADAS和L4 robotaxi的商业化路径、监管约束和可投资性不同，不能用同一估值逻辑处理。

  ADAS受益于OEM量产、真实道路数据闭环和规模化软件利润率；L4 robotaxi需要可审计的城市级贡献利润、牌照扩张、车辆降本、安全记录和监管连续性。

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）。

• AI基础设施、算力、国产芯片、内存和存储

  最清晰受益方向

  优势

  受益于部署扩张、推理增长、多模型路由、国产栈适配和企业工作流执行，不需要准确判断最终胜出的基础模型。

  劣势

  投资逻辑依赖任务量增长和利用率持续提升，若产能宽松或效率提升过快，价格和需求弹性可能承压。

  对比

  相较模型层，基础设施更偏模型无关；相较应用层，收入映射更直接但也更受供需周期影响。

  风险

  模型架构效率、稀疏化、边缘推理或单任务成本下降快于任务量扩张，可能削弱云、芯片、内存和存储读数。

• 工作流层和垂直AI应用

  选择性正面

  优势

  在保险和金融风险、企业数据集成、跨境营销、运营自动化等数据密集型场景中出现经常性收入、价值定价和经营层面盈利信号。

  劣势

  部分公司客户集中度高、大客户钱包份额仍小，实施和人工辅助环节可能较重，盈利质量未必完全软件化。

  对比

  相较基础模型，工作流层更接近客户业务结果；相较基础设施，可扩展性和毛利率更需要逐案验证。

  风险

  企业或平台可能内建工作流编排能力，模型成本下降后客户重新议价，导致应用层利润率压缩。

• 基础模型和模型主导型公司

  观点更复杂，需证明垂直防御力

  优势

  在编码、智能体和企业软件自动化等高价值工作流中，模型质量、可靠性、上下文长度、工具调用和多步任务完成率仍能影响客户付费意愿。

  劣势

  多模型路由和低原始API切换成本可能削弱通用模型访问的定价权，单纯基准测试领先不足以证明长期护城河。

  对比

  相较应用层，模型层更容易展示使用量增长；但相较具备场景控制的工作流公司，留存和价格权更需要披露验证。

  风险

  若使用量增长伴随毛利率压缩、客户按价格路由任务、模型厂商无法展示垂直留存或工作流控制，估值逻辑会转弱。

• ADAS和L4 robotaxi

  选择性建设性

  优势

  ADAS更接近量产和OEM搭载，具备真实道路数据循环和规模化软件利润潜力；部分L4 operator称城市级经济性和海外部署价格改善。

  劣势

  L4 robotaxi公司层面盈利仍较远，监管门槛、车辆成本、安全记录和城市复制能力仍是关键不确定性。

  对比

  ADAS比L4 robotaxi更容易承销，因为其收入贡献和供应商经济性更接近可见量产。

  风险

  事故可能导致多季度牌照暂停，车辆降本停滞或城市级贡献利润无法跨地区泛化。

• 大型平台、云、地图和分发基础设施

  作为基础设施供应商温和正面，对平台自有模型更选择性

  优势

  Tencent和Alibaba等平台仍可通过云、地图、算力、数据基础设施和企业分发受益，尤其当中立专业厂商也消耗平台基础设施时。

  劣势

  在OEM和企业采购中，客户可能偏好中立、可定制且不绑定竞争生态的专业模型或应用厂商。

  对比

  平台的基础设施和分发价值仍在，但平台自有模型在应用层的份额并非必然优于中立专业厂商。

  风险

  如果平台通过补贴模型访问、捆绑云和应用工具或利用分发重新夺回企业入口，中立应用厂商将面临价格压力。

• 消费者AI和智能体电商

  继续折价看待

  优势

  长期机会可能较大，若能证明高留存、付费转化和交易提升，估值空间仍可能打开。

  劣势

  当前多数公司回避将消费者AI作为短期商业模式，原因包括低忠诚度、竞争激烈、付费意愿弱和产品快速模仿。

  对比

  与企业和垂直AI应用相比，消费者AI目前更缺乏可承销的收入质量和毛利证据。

  风险

  如果只能依赖下载量、演示或产品发布，而不能证明复购、毛利和交易提升，上市公司估值信用仍有限。

关键数据

• 调研覆盖8场会议覆盖自动驾驶、独立模型开发、企业工作流软件和垂直AI应用。
• 核心商业化信号经常性收入、价值定价、经营层面盈利主要来自保险和金融服务风险、企业数据集成、跨境营销等垂直方向，但多数数字未公开且需要验证。
• 模型层观察部分企业场景中原始API切换成本较低客户粘性更多来自企业数据集成、工作流控制和部署深度，而非单纯基础模型访问。
• 自动驾驶阶段ADAS接近规模化；L4 robotaxi在部分城市和海外部署处于早期商业化或试点更广泛的估值认可需要第三方可验证的单位经济、牌照扩张、车辆降本和安全记录。
• 基础设施映射算力、云编排、国产芯片、内存、存储和推理基础设施部署驱动和模型无关需求使基础设施成为当前证据中最清晰的上市公司受益方向。
• 消费者AI阶段仍属叙事阶段当前证据不足以支持显著上市公司估值信用，需观察留存、付费转化、复购、毛利率和交易提升。
• 涉及公司价格和评级9988.HK HK$126.00/OW；BABA $131.47/OW；0100.HK HK$663.00/OW；0700.HK HK$439.00/OW；2513.HK HK$1010.00/OW报告列示价格均为2026-05-21收盘价。

影响与含义

投资含义是将AI投资框架从“谁拥有最强基础模型”扩展到“谁能掌握场景、工作流和数据”。基础设施仍是最清晰的上市公司映射，因为多模型路由、推理增长和国产栈适配会继续消耗算力、内存、存储和云资源。应用层机会更集中于能把模型能力转化为客户价值的垂直工作流公司。模型主导型公司需要证明留存、定价权、毛利率和工作流控制，而自动驾驶需要用可审计单位经济和监管连续性来支撑估值。

风险

• 关键盈利、利润率和盈亏平衡数据多为管理层表述，且部分来自私营公司，可能无法在审计财报、招股书或上市公司分部披露中得到验证。
• 场景和工作流护城河可能不如预期稳固，企业和平台可能自建编排能力，或在推理成本下降后更强势地比较供应商并重新议价。
• 基础设施需求弹性可能弱于调研暗示；如果模型效率、稀疏化、边缘推理或架构改进使单任务算力强度下降快于部署扩张，相关受益方可能低于预期。
• Robotaxi仍受监管约束，即使城市级经济性改善，也可能因地理、天气、安全标准和监管制度差异而难以复制。
• 垂直AI应用经济性可能比表面更服务化，人工实施、人工辅助流程、客户集中度或低钱包份额会削弱软件化扩张能力。
• 平台可能重新强化分发和捆绑优势，使中立专业厂商面临采购份额和定价压力。

后续跟踪

• 上市云和硬件公司是否更清楚披露推理、部署和国产芯片组合对增长的贡献。
• 模型公司是否能证明净留存提升、价格稳定或改善、低流失率以及多模型路由环境下仍能维持毛利率。
• 编码、智能体和企业软件自动化是否成为模型公司可防御的高频工作流垂直场景。
• 垂直AI应用公司的收入质量、客户集中度、实施强度、定价结构、净留存和扣除人工支持后的毛利率。
• ADAS的OEM搭载率、供应商收入贡献、量产节奏和软件利润率。
• L4 robotaxi的城市级贡献利润、牌照城市扩张、车辆降本、安全记录和监管连续性。
• 消费者AI和智能体电商的留存、付费转化、复购、毛利率和可衡量交易提升。
• Tencent、Alibaba等平台的云推理增长、OEM设计赢单、企业采购份额，以及基础设施收入与模型或应用收入的拆分。