传媒行业专题报告-大模型：从智能能力的生产到平台控制权与估值重构

正文目录TOC\o"1-1"\h\z\u大型技本：能实的合台 4Transformer之：术路如继进化 4从模到模：实世接口 5大型力样生产 5Token济：练本、理本模定价 6全资开：技头在什下注 7美大型局六战略种 8中大型局成、生、户国算力 9中大型对比 9模怎变生从Token任结果 10模公的值法 10争下阶：Agent、模与入口 11何续踪模业 11基模到业：AI三研框架 12业望投结论 12险示 13图表目录图表1:4图表2:Transformer5图表3:5图表4:6图表5:大模型厂商公开API/Tokens）6图表6:7图表7:2025（）7图表8:AI8图表9:8中国大模型主要厂商的竞争卡位与跟踪重点...............................................9中美大模型竞争环境与产业路径对比.....................................................9图表12:大型业与价密阶梯 10图表13:大型业径及值获力 10图表14:大型司维估框架 11图表15:Agent从助具向实界互演路径 11图表16:大型业态跟框架 12图表17:AI用层框架 12图表18:大型业观察标验信号 13大模型的技术本体：智能实现的混合平台大模型的关键价值并非只是提供对话能力，而在于将不同智能模块重新编排为可“混合”至少包含四个层面：API图表1:大模型驱动智能范式演进的主要路径路径 典型载体 改变对象 核心价值 汇合方向路径 典型载体 改变对象 核心价值 汇合方向混合台 大语模型/Agent 认知行模

降低智能生产与调用成本

进入空间、终端与机器人吸收模型的理解和行动能力吸收模型的理解和行动能力重建交互、呈现与现场感AppleVisionPro/ 空间算 间关系重构时空研究含义：Transformer之后：技术路线如何继续进化Transformer之后，主干架构并未发生根本改变，但技术竞争的焦点已从“单一架构”转向“架构×后训练×系统工程”。TransformerTransformer：MoE图表2:Transformer之后大模型主要技术演进方向及跟踪指标方向 解决问题 潜在收益 新风险 跟踪指标方向 解决问题 潜在收益 新风险 跟踪指标MoE/稀疏化参数扩张与激活成本能力/计算效率提升与通复杂 利用率长上下文跨文档和长任务“标称长度”不等于减少片MoE/稀疏化参数扩张与激活成本能力/计算效率提升与通复杂 利用率长上下文跨文档和长任务“标称长度”不等于减少片信丢失 长程索确有效用后训练/RL把基座能力变成任务能力推理、Coding、Agent提升奖励偏差、环境故障任务成功率、训练稳定性推理时计算难题上投入更多思考能力按需扩展延迟与Token成本上升质量—成本曲线工具/检索

连接实时知识与外部系统

降低幻觉、获得行动能力

权限、安全与错误传播

调用成功率、可验证率从多模态到全模态：现实世界接口模态数量不是终点，统一表征、跨模态推理与行动闭环才是价值所在。图表3:从多模态到全模态：能力演进与应用价值能力层多模态全模态目标应用价值输入识别文本、图片、音频等连续感知多源信号把现场、设备、人的行为数字化表征模态编码后对齐统一/协同向量空间跨模态检索与因果关联推理对单次混合输入回答跨时间、跨工具、跨模态推理完整理解工作上下文输出生成文字/图片等实时原生多模态生成自然交互与内容生产行动有限工具调用感知—判断—行动—验证闭环进入生产、服务与物理场景AIGCC”大模型能力怎样被生产能力生产函数=算力×数据×算法×工程闭环。任何一项接近零，整体产出都受限。图表4:大模型能力生产的关键要素及观察指标生产要素传统观察新的关键口径为什么重要算力GPU数量有效计算、网络/存储、MFU、可用性决定实验密度与单位成本数据Token数量能力增益/样本、专家轨迹、失败数据决定算力是否烧在高价值信号上算法论文/参数质量—成本前沿、推理时策略决定资源转化效率工程上线速度验证环境、异常处理、迭代周期决定方法能否持续运行产品反馈DAU/调用量可训练信号密度、反馈时延决定数据飞轮是否真实存在正证券研究所CodingTokenToken是智能服务供给的基础计量单位，但只有“每成功任务成本”才能真正连接模型成本与客户ROI。图表5:大模型厂商公开API价格（单位：美元/百万Tokens）50255025101010521.250.32.50.441.3250403020100ClaudeFable5 ClaudeOpus5 ClaudeSonnet5 Gemini2.5Pro Gemini2.5FlashDeepseekV4Flash输入价 输出价nthropic、Google、DeepSeek官方定 注：DeepSeek-Flash取价为高峰时段—缓存未命中档。更严谨的单位经济模型应计算：单次尝试成本=有效输入Token成本+输出Token成本+工具/检索/环境成本；每成功任务成本=单次尝试成本÷任务成功率；任务净价值=人工替代价值或新增收入-每成功任务成本-集成与治理成本。图表6:大模型成本下降的主要路径及验证指标降本来源机制可持续性验证指标缓存复用相同前缀/KV取决于业务结构命中率、命中价差量化/蒸馏降低精度与模型规模存在能力边界质量损失、吞吐稀疏化/MoE减少激活计算工程门槛较高激活比例、通信开销基础设施利用率提高集群有效负载形成运营知识MFU、闲置率、故障率国产加速器降低供给约束与成本依赖软硬协同适配模型数、TCO正证券研究所全球资本开支：科技巨头在为什么下注CapEx购买的不是当期收入，而是未来模型实验、云供给与入口防御的选择权。图表7:2025财年或自然年四大科技巨头资本开支（单位：十亿美元）128.391.4128.391.472.264.6120100806040200Microsoft Alphabet Meta AmazonMicrosoft Alphabet Meta Amazon公司财 注：Microsoft为财年口径，Alphabet、Meta、Amazon为自然年口径，主要用于观察资本开支趋势，横向比较时需注意口径差异。2025MicrosoftFY2025645.51，Alphabet2025914，Meta2025722.22025128320252CEO3800AI2026MicrosoftFY2026（20266301,1592026806（Q244920261,9502,05020261,300—1,450Q211亿Amaon据025年42062,00020265支“可能远超”此前承诺的3,800亿元。图表8:AI资本开支的价值转化链条观察层正向信号风险信号建设服务器、网络与数据中心同步交付土地/电力/网络成为瓶颈利用训练实验和推理负载快速爬坡利用率不足、客户需求错配商业化云收入、AI产品收入和客户扩张用量增长但价格降幅更快财务毛利改善、现金回收期可控折旧陡升、自由现金流承压战略形成模型—云—应用—入口闭环仅扩张算力而缺少默认入口正证券研究所美国大模型格局：六种战略物种竞争不是模型榜单排位，而是不同资产、入口和商业模式之间对智能产业控制权的争夺。图表9:美国大模型主要玩家的战略定位与商业模式公司战略物种控制权来源变现路径关键矛盾OpenAI前沿模型+原生入口ChatGPT、开发者与迭代闭环订阅/API/企业/Agent资本强度与治理Anthropic可靠性+CodingAgent高价值开发工作流API/企业/任务使用算力与分发依赖Google全栈技术+搜索入口模型、数据、云、Android广告/云/API/订阅创新与自我替代Microsoft企业权限与工作流Azure、Office、GitHub云/席位/增量功能CapEx回报Amazon基础设施与模型市场AWS客户、芯片与平台算力/MaaS/API前沿模型品牌Meta开源+社交分发用户规模、广告与硬件广告效率/生态/终端直接模型收入OpenAIGoogle；AnthropicCodingAgent；MicrosoftAmazon；Meta中国大模型格局：成本、生态、客户与国产算力图表10:中国大模型主要厂商的竞争卡位与跟踪重点厂商 关键卡位 优势 主要约束 跟踪重点厂商 关键卡位 优势 主要约束 跟踪重点DeepSeek

系统优化、开源品牌、价格领导力

企业深度渗透与持续投入

原生推理效率、Agent产品智谱 Coding/Agent+政

API本地化百炼生产负载、AI收入质量模型差异化持续期百炼生产负载、AI收入质量模型差异化持续期算力、模型供给、电商与企业客户模型+MaaS+云生态阿里/千问

多模态与头部竞争

真实任务、Token结构、海外MiniMax C

Agent/内容产品

算力架迭风险 M3列与ARR质量豆包/即梦与字节 多模+用发 内容据产、山台 商业算供给微信入口、

企业渗透腾讯 社交内容企连接正证券研究所

广告与产业连接

模型智产放量 混元应协同核心判断：API/中美大模型全对比中美大模型竞争并非同一跑道上的距离比较，而是资源禀赋、客户结构与制度维度美国维度美国中国研究结论前沿算力规模与先进芯片占优供应约束更强美国实验空间更大推理成本高端模型保有溢价价格竞争与系统优化更强中国形成成本压力模型路线闭源前沿+开源并存开源、本地化与快速追赶战略目的不同客户全球开发者/大型企业国央企/互联网/本地产业销售与交付函数不同商业化订阅、云、广告、办公齐全云、私有化、API、行业交付美国经常性更成熟入口搜索、OS、云、办公、社交超级App、电商、云、终端双方都有存量入口监管版权、隐私、全球合规备案、安全、本地化合规成本结构不同资本市场高估值与融资深度融资与退出约束更强资本耐力差异明显正证券研究所Coding大模型怎样变成生意：从Token产业价值沿“资源—能力—平台—工作流—结果—入口”逐级上移。图表12:大模型商业模式与价值密度阶梯正证券研究所TokenMaaSAgentROI12—18ROIDemo图表13:大模型商业化路径及价值捕获能力商业化阶段收入质量毛利潜力客户锁定主要风险Token/API中取决于成本曲线低—中价格战与同质化MaaS中—高平台层较高中平台能力趋同Agent席位高取决于推理用量中—高活跃度与任务成功率任务结果高价值定价空间大高责任与交付复杂智能入口极高平台租值极高监管与生态冲突大模型公司的估值方法估值对象不是参数，而是可持续智能供给、工作流控制权与资本效率。ARR图表14:大模型公司的七维估值框架价值维度权重建议核心问题正向证据证伪信号能力持续性16领先能否重复？迭代速度、复杂任务领先单代领先后停滞单位任务经济16每成功任务成本？成本下降快于价格Token便宜但失败率高收入质量14收入是否留存扩张？生产负载、净留存测试用量和补贴驱动工作流控制权16嵌入多深？权限、记录系统、决策节点仅是可替换插件数据闭环14反馈能否训练？高质量轨迹与验证海量低价值日志生态入口14是否默认被调用？云、OS、应用、终端入口依赖第三方分发资本效率10投入回报如何？能力/收入/现金流改善折旧与融资吞噬价值APIAI竞争的下一阶段：Agent、全模态与新入口AgentAgent图表15:Agent从辅助工具向现实世界交互的演进路径阶段能力形态产品形态价值锚关键瓶颈Copilot人主导、AI辅助聊天框/插件节省时间准确性与使用频率WorkflowAgentAI执行流程、人审批Coding/办公/客服Agent任务完成工具稳定与权限NativeAgent模型内生规划与修复通用任务代理工作结果长任务可靠性Embodied/Spatial实时感知并作用物理世界眼镜/机器人/垂类硬件场景重构安全、成本与责任正证券研究所，AIAgentApp如何持续跟踪大模型产业研究不是静态排名，而是“事实—机制—验证—估值”的动态决策系统。图表16:大模型产业的动态跟踪框架频率跟踪内容核心数据输出周度模型/产品/价格/开发者反馈榜单仅作线索、API价、延迟、故障事件卡与待验证假设月度Token、用户、客户与产品迭代调用结构、生产负载、海外占比公司更新卡季度收入、毛利、CapEx和折旧AI收入、云增速、现金流盈利与估值修正半年度技术路线和竞争位置复杂任务、成本前沿、入口变化行业格局重估年度资本回报与产业控制权ROIC、自由现金流、生态份额投资框架迭代正证券研究所每条信息必须回答四个问题：它是事实还是观点；可靠性等级是什么；改变了哪条机制；什么条件会证伪。从基础模型到产业应用：AI三层研究框架大模型专题聚焦AI产业链中的基础模型层，重点研究大模型的技术演进、能力AIAI图表17:AI应用三层研究框架层级研究对象价值来源典型指标第一层基础大模型智能能力生产