中国AI模型进入全球扩散的智能临界点
AI 摘要卡
中国AI模型进入全球扩散的智能临界点
高盛认为，中国开源/开放权重AI模型正凭借低成本、高推理效率和代码/智能体场景进步，推动国内企业与海外中小客户采用，并可能在2030年前带来显著token与收入增长。
- 中国AI模型在代码和智能体任务上接近“足够好”的临界阶段，部分模型进入全球前列。
- 报告提出以定价能力、成本优势和财务实力评估AI模型公司的竞争定位。
- 高盛估计，到2030E，中国AI模型公司生成的token量将较当前增长25倍，中国AI API与订阅收入池将达到US$125bn。
- Zhipu与DeepSeek被认为在文本基础模型中定位最强，ByteDance在多模态能力上领先。
- 主要风险包括海外市场准入、反蒸馏与监管、最高端训练算力可得性、价格战和新架构替代。
研报解读
概览
本报告围绕中国AI模型的全球扩散展开，核心判断是中国开源/开放权重模型正达到与全球闭源领先模型竞争的智能临界点。报告重点分析中国模型如何在算力受限条件下通过较小参数规模、MoE、稀疏注意力、后训练和真实代码数据反馈实现较高性能；为什么采用开源或开放权重路径；国内外可寻址市场如何演进；以及哪些公司最可能成为长期赢家。
核心观点
高盛认为，中国AI模型市场正形成两层结构：高性能模型依靠智能水平和上市速度获得定价能力，低价智能体模型则通过极低token价格扩大价格敏感型企业和中小客户需求。报告看好具备较大ARR规模、毛利率优势和财务实力的玩家；在基础文本模型中突出Zhipu和DeepSeek，在多模态中突出ByteDance，并认为MiniMax具备成本效率和风险回报优势。
分析框架
报告采用竞争定位框架，将AI模型公司拆解为定价能力、成本优势和财务实力三类可量化维度，并叠加token规模、市场份额、ARR、毛利率、现金与估值倍数等指标。报告还比较中国主要LLM玩家的模型性能、价格层级、API效率、商业化进展、资本开支和海外扩散潜力。
方法论与常识提炼
定价能力、成本优势、财务实力
报告用模型发布时间、真实使用场景Arena表现、价格水平、token规模、吞吐/缓存命中、参数与激活比例、推理毛利率、现金和估值倍数来判断长期赢家。
token规模与定价水平组合
报告认为AI模型的收入潜力来自token使用量与价格的组合，高性能高价模型和低价高量智能体模型均可能形成有吸引力的ARR象限。
以较低激活参数提升推理效率
MoE通过动态选择少量专家网络处理输入，使模型在保持大总容量的同时降低推理时激活参数和成本。
从单纯token消耗转向任务成本和实际产出
报告认为企业将更关注每个任务的整体成本、每日活跃智能体、后端流程自动化和实际产出，而非单纯追求token消耗量。
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）。
- Zhipu / Knowledge Atlas基础模型领先者
- 优势
- 在代码和智能体场景模型能力突出，被报告列为文本基础模型中定位最强的玩家之一；GLM5.2代表高智能水平与较强定价能力。
- 劣势
- 需要持续证明商业化规模、财务实力和长期毛利率优势。
- 对比
- 相对低端模型具备更高定价能力；与DeepSeek共同处于基础模型强势位置。
- 风险
- 海外市场准入、先进模型访问限制、训练算力限制和竞争者快速追赶。
- DeepSeek基础模型与成本效率领先者
- 优势
- 以极高成本效率支持可扩展token使用，V4系列和DSpark提升推理速度；被报告列为基础模型定位最强玩家之一。
- 劣势
- 峰谷定价显示算力紧张，低端价格段毛利率仍可能承压。
- 对比
- 与Zhipu共同领先文本基础模型；与ByteDance相比更偏文本/基础模型定位。
- 风险
- 先进模型海外访问限制、算力供给、价格竞争和政策不确定性。
- ByteDance多模态领先者
- 优势
- Seedance在多模态/视频生成模型中表现突出，报告称其ARR run-rate超过US$2bn且毛利率健康；预计到2030E与DeepSeek合计占中国AI模型token多数份额。
- 劣势
- Seed模型采取闭源路线，国际扩张可能面临更强监管和数据安全审查。
- 对比
- 在多模态能力上领先，区别于Zhipu和DeepSeek的基础文本模型优势。
- 风险
- 西方市场监管、数据本地化、算力管辖限制和地缘政策风险。
- MiniMax多模态与低成本模型受益者
- 优势
- M3模型位于低价高token量的有利ARR象限，报告强调其成本效率和估值折价，并提到Buy评级。
- 劣势
- 整体竞争定位仍取决于定价能力和财务实力提升。
- 对比
- 相对高端文本模型价格更低，但有望通过海外收入和多模态产品扩大规模。
- 风险
- 低端API价格战、后续M3升级进度、H3视频模型表现和资金实力。
- Alibaba Qwen全栈AI与云生态玩家
- 优势
- 具备云基础设施、模型家族和商业化场景，Qwen部分高性能模型具备较高定价。
- 劣势
- 部分最大和最高性能模型转向闭源以加强变现，可能降低开源扩散效应。
- 对比
- 相对独立模型公司，拥有云与生态优势；与Tencent等大型平台同属mega-cap阵营。
- 风险
- 资本开支回报、云收入转化、模型竞争和价格压力。
- Tencent Hunyuan / WorkBuddy平台型AI与智能体应用玩家
- 优势
- 拥有WeChat生态和WorkBuddy等办公智能体入口，具备从消费端到企业端扩散潜力。
- 劣势
- 报告摘要中对其基础模型领先地位描述弱于Zhipu、DeepSeek和ByteDance。
- 对比
- 相比独立模型公司，平台和流量入口更强；相比ByteDance，多模态领先证据较少。
- 风险
- 模型迭代速度、应用转化、竞争加剧和监管环境。
关键数据
- 中国AI模型token增长预测25X by 2030E报告估计到2030年中国AI模型公司生成的token量将较当前增长25倍。
- 海外token份额预测5% of global tokens by 2030E报告估计中国AI模型公司海外生成token将达到全球token的5%。
- 中国AI API与订阅收入池US$125bn in 2030E报告估计中国AI API加订阅收入池到2030E达到US$125bn。
- 2030E token集中度ByteDance and DeepSeek 80%报告预计ByteDance和DeepSeek将占中国AI模型公司生成token的80%。
- 高端中国模型价格around US$1 per blended 1M tokensZhipu GLM5.2和Alibaba Qwen3.7 Max等高性能模型约为每百万混合token US$1。
- 低端智能体模型价格US$0.06-0.2 per blended 1M tokens低端智能体模型价格显著低于高端模型，用于开拓价格敏感型需求。
- DeepSeek V4 Pro/Flash峰值价格US$0.35 / US$0.12 per 1M tokens报告提到DeepSeek引入峰谷定价后，峰时为非峰时2倍，隐含混合价格为上述水平。
- 中国模型参数规模200bn to 1.6T parameters报告称中国模型参数规模多在2000亿至1.6万亿之间，低于部分全球SOTA模型。
- 激活参数比例3-5% activated parametersMoE、Sparse Attention等架构使激活参数占总参数比例较低。
- ByteDance Seedance ARR run-rateUS$2bn+ ARR run-rate报告引用新闻称Seedance最新ARR run-rate超过US$2bn，毛利率约70%。
影响与含义
如果报告判断成立，中国AI模型可能通过开源/开放权重、低成本推理和本地化算力栈扩大国内外采用，改变全球AI模型价格曲线和企业采用方式。投资含义上，市场可能更重视模型公司的ARR规模、毛利率质量、推理效率、真实场景数据闭环和资产负债表，而不仅是模型榜单排名。
风险
- 海外市场对中国前沿AI模型访问收紧。
- 西方市场政策、数据安全和市场准入限制。
- 高端训练算力和租赁算力获取受限。
- 低端智能体模型API价格战压低毛利率。
- 反蒸馏、实体清单或进一步监管指定影响国际扩散。
- SLM或新AI架构可能削弱当前大模型路径的商业价值。
- 开源向开放权重或商业许可切换可能影响采用速度。
- 算力紧张可能影响服务稳定性、推理成本和客户体验。
后续跟踪
- 2H26中国模型玩家是否推出2-5万亿参数级新模型。
- Zhipu GLM、DeepSeek V4、MiniMax M3/H3等模型的代码、智能体和多模态榜单表现。
- DeepSeek峰谷定价后的需求弹性、服务稳定性和毛利率变化。
- ByteDance Seedance、Kuaishou Kling、MiniMax Hailuo/H3等视频生成模型的ARR增长和毛利率。
- 中国国内ASIC供给和本地训练集群能否支撑更大模型训练。
- 企业是否从token消耗指标转向每日活跃智能体、任务成本和实际产出。
- 海外尤其非美国市场对中国模型的采用速度和监管边界。
- 开源模型是否进一步转向开放权重和商业许可模式。