AI模型将分层：中国实验室有望占据全球35-40%市场

概览

本报告提出了一个关于人工智能（AI）模型商品化和市场细分的新分析框架。伯恩斯坦认为，AI模型的竞争格局将不再单纯由技术收敛决定，而是取决于人类用户对不同应用场景下“任务完成度”的感知。一旦某类应用（如消费级服务）被AI“解决”，竞争焦点将从推理能力转向价格、可靠性和开发者信任度。基于此，报告预测全球AI市场将分化为两层：美国前沿实验室服务于高溢价的专业领域，而中国AI实验室凭借低成本优势，有望在更广泛的通用和企业应用中占据35-40%的全球市场份额。报告维持对腾讯和阿里巴巴的积极评级。

核心观点

AI模型商品化的驱动力在于用户感知而非纯粹的技术指标。报告指出，随着AI性能提升，当特定垂直领域的任务完成变得可靠且可规模化时（例如点奶茶、订机票），继续在该领域投入巨额研发资金的边际回报将急剧下降。这意味着AI实验室会将资源重新分配到更复杂的前沿任务上。因此，消费者导向的AI应用将最先实现商品化，随后是确定性较高的企业工作负载（如Excel处理），最后是前沿科学领域（如药物发现、核聚变）。 全球AI市场将出现明显的双层分化。第一层是美国前沿实验室（如OpenAI、Anthropic），它们通过不断解锁新的模型能力，服务于对价格不敏感、需求高度专业化的客户群体，并享有定价溢价。第二层是“落后边缘”AI市场，主要服务于常规的企业和消费者需求。在这一层，由于地缘政治和数据安全顾虑，部分欧美大型企业可能排斥中国模型，但在其他地区以及非主权/非大型企业的场景中，中国AI实验室提供的“足够好”且价格显著更低的推理能力将极具吸引力。 中国AI实验室的市场机会被低估。尽管面临地缘政治限制，报告估算中国AI实验室仍可触及约3200亿美元的全球AI收入TAM，占全球总额（约1万亿美元）的35-40%。这一份额主要来自美国以外的市场，以及对价格敏感的中小企业和个人用户。中国实验室的优势在于能够跟随全球最先进技术（SOTA）作为研发灯塔，减少探索性研究成本，并利用较低的开发者成本和硬件效率优势。 对AI实验室经济学的乐观展望。如果上述商品化路径成立，AI行业的研发支出增长可能会放缓，因为需要指数级资金投入解决的用例范围将逐渐收窄。这将有助于AI实验室展现经营杠杆。对于腾讯和阿里巴巴等中国互联网巨头，其在AI应用层的布局（如微信智能体、通义千问）将受益于这一趋势，报告据此维持对其的正面评级和高目标价。

分析框架

研报采用了一种基于“用户感知”和“任务完成度”的非传统分析框架，区别于传统的纯技术指标收敛论。机构首先通过观察近期AI定价策略变化（如Claude Fable 5的高价导致用户用量受限）引出对ROI的关注，进而推导出用户将根据任务的边际收益选择不同成本的模型。接着，报告将全球AI市场按地域（美国、欧洲、其他地区）和客户类型（政府、大企业、初创/个人）进行细分，结合地缘政治和数据安全约束，定性评估各细分市场的可进入性。最后，通过加总各可进入市场的规模，量化得出中国AI实验室的潜在TAM占比，并结合研发成本结构分析其对长期盈利能力的影响。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI模型商品化与细分市场供需分析

  研报没有简单地将AI视为单一同质市场，而是根据“任务复杂度”和“用户支付意愿”将市场划分为不同层级。这种细分方法帮助识别出不同区域和客户群体对AI模型的真实需求差异，从而更准确地评估中国AI厂商在非美国市场的潜在供给空间。

• 竞争与战略框架护城河/竞争优势

  基于成本和“足够好”性能的竞争壁垒

  报告指出，在通用AI任务中，竞争优势将从“绝对智能水平”转向“单位任务成本”和“可靠性”。中国AI实验室通过跟随策略降低研发探索成本，并以更低价格提供“足够好”的服务，从而在价格敏感型市场建立竞争壁垒。

• 估值方法PE/PEG 估值

  基于市盈率（PE）的相对估值法

  在对腾讯和阿里巴巴进行估值时，研报使用了未来一年的预期市盈率倍数（如腾讯20倍FY+1 PE）来确定目标价。这是评估成熟互联网科技公司价值的常用方法，反映了市场对其盈利增长预期的定价。

• 估值方法SOTP 分部估值

  分部加总估值法（SOTP）

  对于阿里巴巴这样业务多元化的公司，研报采用了SOTP方法，分别对其核心电商和云业务的未来收入和利润进行估值后加总。这种方法能更清晰地反映不同业务板块的独立价值，避免单一估值指标的失真。

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）。

• 腾讯控股 (700.HK)

  受益标的，其在微信智能体等消费者应用上的布局将率先实现AI任务的商品化和规模化落地

  优势

  庞大的用户基数，强大的社交生态整合能力，AI应用落地场景丰富

  对比

  相比纯模型厂商，腾讯拥有更直接的C端变现渠道和用户粘性

  风险

  宏观经济风险，用户参与度波动，游戏及广告竞争，反垄断监管风险

• 阿里巴巴集团 (BABA/9988.HK)

  受益标的，通义千问（Qwen）在企业和消费者应用中的推广，以及云业务的基础设施支持

  优势

  领先的云计算基础设施，丰富的企业级应用场景，开源模型生态影响力

  对比

  阿里云为AI推理提供算力基础，电商场景提供大量数据反馈闭环

  风险

  宏观经济风险，平台用户参与度波动，竞争加剧，监管风险，创新业务亏损

关键数据

• 中国AI实验室可触及全球TAM比例35-40%对应约3200亿美元的收入潜在市场规模，即使考虑地缘政治限制和美国市场准入困难
• 全球AI总潜在市场规模（TAM）约1万亿美元长期代理AI收入TAM估算值
• 腾讯目标价HKD 780基于20倍FY+1市盈率估值，较当前股价有显著上行空间
• 阿里巴巴目标价USD 180 / HKD 176基于核心电商和云业务的SOTP估值
• 中国顶级AI实验室研发支出增速预期50% CAGR（五年）短期内研发支出仍将快速上升，但长期随任务解决范围收窄而趋缓

影响与含义

对投资者而言，该框架意味着不应仅关注AI模型的绝对技术参数，而应关注其在具体商业场景中的落地成本和可靠性。中国互联网巨头（如腾讯、阿里）虽然在最前沿基础模型上可能略逊于美国顶尖实验室，但在庞大的“落后边缘”市场和消费者应用场景中拥有巨大的商业化潜力和成本优势。这支持了其长期的盈利能力和估值修复逻辑。同时，全球AI利润池将被重新分配，美国实验室占据高端利基市场，而中国实验室将在大规模通用市场中通过量价优势获取份额。

风险

• 宏观经济风险（如信贷紧缩、零售消费疲软）
• 用户参与度波动
• 来自竞争对手的平台、游戏及广告需求竞争
• 监管风险（特别是中国反垄断法规）
• 地缘政治和数据安全顾虑限制中国模型在海外大型企业的渗透
• 创新业务及其他部门的亏损

后续跟踪

• AI用户如何根据不同任务的边际成本选择模型（即“代币最大化”行为的理性回归）
• 中国AI实验室在非美国市场的市场份额扩张速度
• AI研发支出增速是否随任务解决范围收窄而放缓
• 腾讯微信智能体和阿里通义千问在商业部署上的进展