26年中报总结：营收盈利增速边际放缓，行业分化逐渐显现

2026年H1计算机板块业绩增速边际出现回落，营业收入同比增速中位数下降至2.5%，低位窄幅波动特征显著；扣非净利润同比增速中位数-4.3%，同比转负；经营性净现金流净额中位数同比增速-6.3%，反映行业供需趋于平衡，业内竞争下回款滞后、营运资本承压，挤占利润空间。从结构上看，毛利率延续下行态势，研发费用率略有下降，管理、销售投入强度持续提高，期间费用率抬头，此外信用减值损失占比回升，资产减值损失强度保持上升态势。

大模型：长程Agent、开放生态与商业化协同演进

大模型产业正由单点能力竞争转向长程Agent、开放生态与商业化协同演进。海外模型持续强化长任务、工具调用及模型-Harness协同能力，国内厂商则通过后训练Scaling、稀疏及线性注意力、超长上下文和推理系统优化加快追赶；与此同时，开放模型竞争已由权重发布延伸至许可证、Infra、框架及真实Token调用，模型能力提升也开始在API使用、ARR及企业服务收入中得到验证。我们认为，后续行业竞争重点将进一步转向长任务稳定性、单位有效任务成本及模型能力向真实商业需求的转化效率。

全球软件FDE加速，关注国内软件厂商业绩放量

AI时代软件竞争从标准化产品逐步转向“产品能力 行业Know-how 深度交付”并重，全球软件厂商同步加速FDE转型，国内软件厂商的Know-how优势及客户粘性优势正加速凸显。从中报来看，由于闭源模型叙事走弱，美股软件进入估值修复期，带动全球软件估值预期改善。同时，国内AI应用代表企业26H1普遍实现营收加速及盈利改善，实现估值 业绩共振。我们认为，FDE模式放大国内软件厂商的优势，正加速推动软件厂商AI业务由试点验证向正式合同转化，关注国内软件厂商全年业绩放量。

算力租赁：收入利润高增，资产端积极扩张

算力租赁板块延续高景气，我们选取20家算力租赁相关公司作为样本，研究样本26H1营业收入中位数同比增速达到40.1%，反映前期投入的算力资源陆续完成交付上架，叠加下游AI算力需求持续增长，收入保持较快放量；同期归母净利润中位数同比增速达到11%，主要受益于资产利用率提升、高端算力价格支撑及固定成本摊薄。资产端看，2026H1样本公司在建工程、固定资产、使用权资产及存货平均规模分别同比增长92.7%、65.9%、128.9%和64.8%，后续有较多资源具备转化为可计费产能的空间。展望后续，我们认为伴随国内算力需求的高景气，算力租赁业绩弹性有望持续释放。

AI4S：收入分化显著，大额BD驱动行业商业化提速

2026 年上半年AI4S代表性港股标的业绩分化显著，行业步入商业化早期，大额BD 授权成为业绩重要变量，盈利拐点尚未全面到来。收入端，企业增长梯队明显分化：英矽智能受益礼来BD首付款及研发服务交付，营收同比增长287%；剂泰科技在低基数与BD项目集中确认下营收增速高达 13399%；德适依靠高毛利模型许可业务实现收入21%稳健增长；晶泰控股受去年DoveTree合作带来的高基数影响，营收同比下滑 24%。利润端仅英矽智能实现盈利，主要受益于大额BD，其余三家仍持续亏损。费用方面行业销售费用整体可控，但研发、管理费用刚性较强，营收规模是摊薄费用的重要抓手。当前 BD带来的业绩脉冲具备阶段性，企业长期盈利仍有赖常态化订单落地与内部费用管控。

风险提示：下游需求波动，AI 迭代不及预期，AI4S赛道毛利率分化。

2026年中报总结：营收盈利增速边际放缓，分化趋势显现

整体业绩：营收增速放缓，利润承压

2026年H1计算机板块营收同比增速略有回落，扣非净利润增速转负。剔除缺失值、极端值后，我们选取计算机板块共包含330家公司的样本，用中位数法进行分析。2026年H1计算机板块营业收入同比增速中位数为2.48%，收入端维持稳定增长态势。2026年H1扣非净利润同比增速中位数为-4.32%，相较于25年H1转负。从个股表现看，收入增速前十公司均实现50%以上增长，其中行云科技（ 497.11%）、宏景科技（ 156.43%）、直真科技（ 150.07%）领跑，扣非净利润增速前十公司增幅均超过350%，增长受益于业务结构调整与控费出清等。

2026年H1计算机板块收入增速呈纺锤形分布。0～10%、10%～30%增速区间公司数量最多（均为77家），-30%～-10%其次（57家），三者合计占比超过六成；负增长区间公司合计142家，占比约43.03%，相比去年同期（43.54%）略有下降，但仍有超过四成的公司面临收入下滑压力；增速低于-30%（35家）与高于30%（34家）的公司数量占比均超10%，行业分化逐渐显现。

经营效率：毛利率承压，现金流下滑及人员扩张趋缓

板块毛利率持续承压，期间费用率结构转差。2026年H1板块毛利率为34.4%，较2025年H1下降0.5个百分点。期间费用率方面，总体较2025年H1上升1.03个百分点，出现结构性抬升：销售费用率为11.16%，同比上升0.86个百分点；管理费用率为12.41%，同比上升0.24个百分点；研发费用率为14.12%，同比下降0.07个百分点，研发强度略有下滑。

资产减值压力持续增加，信用减值压力维持高位。资产减值损失占收入比逐年上升，在2026年H1达0.34%，相较2025年H1扩大0.09个百分点，反映存货、固定资产等减值风险加速出清。信用减值损失占收入比维持在高位，2026年H1达1.39%，相对2025年H1增长0.06个百分点，相对2024年H1下降0.01个百分点，具备潜在冲回弹性。

现金流边际回落，区间震荡明显。2026年H1，板块经营性现金流净额同比增速中位数为-6.3%，增速相较于2025年H1的23.8%降幅明显。从时间上看，2023年H1增速为22.3%，2024年H1则降至-16.5%，震荡明显，产业链上下游博弈加剧。

员工数量增速边际持续放缓。2026年H1板块员工同比增速为2.1%，相对2025年H1下降2.9个百分点。整体上，伴随AI应用的持续普及和控费转型的推进，行业的扩张节奏逐渐放缓，个人效率的提升成为后续发展的重点。2026年H1增速持续下降，行业整体人员规模趋于稳定的态势仍在延续。

大模型：长程Agent、开放生态与商业化兑现

我们认为，二季度模型层出现六项结构性变化。1）长程Agent成为能力升级主线，模型价值越来越取决于持续规划、工具调用、错误修正和结果验证；2）后训练Scaling的重要性上升，同一预训练底座通过任务环境扩展和强化学习仍可获得显著能力增量；3）国内创新开始深入注意力、连接结构、KV Cache、Kernel及Serving软件栈，能力追赶与推理效率改善同步发生；4）开放生态从权重下载扩展至许可证、Infra、框架、渠道和真实Token份额；5）OpenAI、Anthropic与智谱、MiniMax等公司的年化收入快速上升，为模型能力跨过可付费阈值提供了商业验证；6）开放模型追赶周期持续缩短，闭源模型在长任务稳定性、深层专业任务、Harness产品化和算力正反馈上仍保持优势。

海外模型：长程任务成为能力升级主线

长程任务成为海外模型的共同主线。Anthropic、OpenAI、Google、Meta和xAI二季度发布的模型均将能力重点放在Agent Coding、工具调用、复杂工作流及长时间运行上，传统数学、知识问答等单点能力的权重边际下降。据METR 2026年1月29日发布的《Time Horizon 1.1》及截至5月8日更新的Task-Completion Time Horizons页面，2023年以来模型50%任务完成时长的翻倍周期约为130.8天，2024年以来约为88.6天；截至3月20日，Claude Opus 4.6的50%任务完成时长约为12小时。据Anthropic 2026年7月24日官方Blog《Introducing Claude Opus 5》，7月发布的Opus 5继续强化长程多步骤任务、自我验证和迭代执行能力。当模型能够稳定执行数小时任务后，竞争重点会转向过程规划、工具协同、错误修正和结果验证，长任务完成率也更接近真实生产力。

Anthropic继续强化长任务与受控能力释放。据Anthropic 2026年6月9日官方Blog《Claude Fable 5 and Claude Mythos 5》，6月发布的Claude Fable 5和Mythos 5重点提升长文本、长任务和Agent Coding，其中Mythos 5仅向Glasswing合作伙伴开放；面向大众的Fable 5在网络安全、生物化学和模型蒸馏等方向设置能力限制，触发相关问题时切换至Opus 4.8，平均触发率低于5%。据Anthropic 2026年7月24日官方Blog《Introducing Claude Opus 5》及同日发布的《Claude Opus 5 System Card》，7月发布的Opus 5进一步改善编码、工具使用、自我检查和长任务能力，但系统卡同时指出，其尚未跨过自动化AI研发门槛，Opus 5与Mythos 5的AI研发加速指标也基本相当。第二季度Anthropic的增量主要集中在长任务可靠性、受控能力释放和模型效率。

GPT-5.6兼顾能力上限与Token效率。据OpenAI 2026年7月9日官方Blog《GPT-5.6: Frontier intelligence that scales with your ambition》，OpenAI于7月全面发布GPT-5.6系列，分为Sol、Terra和Luna三档，并为高复杂度任务提供max和ultra推理模式，其中ultra默认协调4个Agent并行探索、检查和修订方案；GPT-5.6 Sol在Agents' Last Exam得分53.6，较Claude Fable 5高13.1分，在Artificial Analysis Coding Agent Index中得分80，较Fable 5高2.8分，同时输出Token不足后者一半、运行时间不足一半。

OpenAI内部使用数据进一步验证了Agent需求的弹性。据OpenAI 2026年7月9日官方Blog《GPT-5.6: Frontier intelligence that scales with your ambition》，过去6个月，用于内部编码推理的研究算力份额增长100倍，Agent Token用量增长约22倍；GPT-5.6测试期内，活跃研究人员日均输出Token较GPT-5.5历史峰值提高一倍以上。我们认为，能力提升会同时扩大单个任务的复杂度、并发Agent数量和持续运行时间，Token需求可能由“人发起一次问答”转向“Agent连续执行任务”。模型效率因而需要以单位有效任务的Token和时间评价，单纯压低每百万Token价格无法完整衡量经济性。

Google将模型效率嵌入Agent能力升级。据Google 2026年7月21日官方Blog《Introducing Gemini 3.6 Flash, 3.5 Flash-Lite, and 3.5 Flash Cyber》，Gemini 3.6 Flash相较3.5 Flash减少17%的输出Token，在部分DeepSWE任务中Token消耗下降幅度可达65%，DeepSWE得分由37%提升至49%，MLE Bench由49.7%提升至63.9%，OSWorld由78.4%提升至83.0%；Gemini 3.5 Flash-Lite输出速度达到350Token/秒，Terminal-Bench 2.1由31%提升至54%，长上下文得分由60.1%提升至72.2%，并支持调节思考等级及电脑操作；同期推出的Flash Cyber聚焦漏洞发现、验证和修复，并通过多模型协作形成安全报告。据Google 2026年8月13日官方Blog《Introducing Gemini 3.7 Flash》及ARC Prize同日发布的Gemini 3.7 Flash评测结果，Gemini 3.7 Flash较3.6 Flash每百万Token便宜50%，ARC-AGI-2得分84.6%，单项任务成本为0.25美元。

Google同步探索更轻量的开放生成架构。据Google Developers Blog 2026年6月3日《Gemma 4 12B: The Developer Guide》，Gemma 4 12B采用统一、无编码器的多模态架构，以轻量嵌入模块替代视觉编码器，并将原始音频直接投射至Token空间；模型采用Apache 2.0许可，约16GB显存即可本地运行。据Google Developers Blog 2026年6月10日《DiffusionGemma: The Developer Guide》，DiffusionGemma将文本生成由逐Token自回归扩展为对整段内容进行扩散式迭代细化，可在生成过程中同步起草、纠错和填补空白，生成速度超过1,000Token/秒，并可在18GB消费级显卡运行。两条路径分别降低多模态编码和序列生成的系统负担，开放模型也开始从能力追赶转向架构创新和本地实时部署。

Meta与xAI集中补强真实软件工程能力。据Meta 2026年8月5日官方发布的《Introducing Muse Code and Muse Spark 1.2》，Muse Spark 1.2针对多文件重构、长时间调试和完整代码库生成进行训练，通过规划、目标条件和上下文压缩维持数小时任务方向，同时支持异步及并行工具调用，并将上下文扩展至100万Token。据SpaceXAI 2026年7月16日官方Blog《Introducing Grok 4.5》，Grok 4.5在Terminal-Bench 2.1得分83.3%，接近GPT-5.5 xhigh的83.4%；在SWE-Bench Pro得分64.7%，低于Fable 5的80.4%，但平均输出15,954Token，约为Opus 4.8 max的四分之一。据SpaceXAI 2026年8月12日官方Blog《Introducing Grok 4.6》，Grok 4.6进一步聚焦长程Agent，Artificial Analysis Intelligence Index得分61，与GPT-5.6 Sol同为61；CursorBench 3.2得分69.9%，DeepSWE 1.1得分65.9%。

国内模型：后训练与架构效率同步突破

后训练成为国产模型能力提升的重要抓手。据Z.ai 2026年8月14日官方Blog《GLM-5.3: Frontier Coding with Emergent Cyber Capabilities》及DeepSeek API 2026年7月31日《DeepSeek-V4-Flash更新》，GLM-5.3沿用GLM-5.2的基座模型和参数规模，DeepSeek-V4-Flash正式版也与预览版保持相同架构和规模，两者的主要增量均来自更长周期任务环境、Agent轨迹和强化学习。

GLM-5.3验证了后训练Scaling的有效性。据Z.ai 2026年8月14日官方Blog《GLM-5.3: Frontier Coding with Emergent Cyber Capabilities》，该模型沿用GLM-5.2基座模型，通过扩大长程任务环境、丰富环境类型及增加后训练计算提升能力，并采用IndexShare、单次Rollout异步优化SAO及新一代Slime强化学习框架；Z.ai Code Bench较GLM-5.2提升约50%，Terminal-Bench 3.0由4.6提升至28.3，DeepSWE v1.1由46.2提升至66.9，Agents' Last Exam由23.8提升至28.5；在Z.ai Code Bench High档设置中得分31.4%，高于Claude Opus 4.8同档设置的29.5%，平均每项任务约使用5万Token，后者约为12万Token。

GLM-5.3-Flash把开放、效率与多模态结合到同一模型。据Z.ai 2026年8月26日官方Blog《GLM-5.3-Flash: Frontier Intelligence, Flash Cost》，该模型采用320B总参数、18B激活参数的MoE架构，使用30万亿Token多模态预训练语料，是GLM-5系列首个原生多模态模型，并将稀疏注意力与线性注意力、流形约束超连接mHC及IndexPool结合；相较GLM-5.3，其Attention计算量降低3倍、KV Cache降低4.4倍，IndexPool通过加权池化将索引器4个缓存向量压缩为1个，进一步降低100万Token上下文下的时延和内存开销；在同一国产芯片硬件上通过Kernel和Serving软件栈优化，端到端服务性能提升3倍。据Z.ai上述官方Blog及OpenRouter 2026年8月26日前后公开的模型使用榜数据，模型先以Ox Alpha匿名上线接受真实流量测试，6天处理约42万亿Token，随后公开身份并开放权重，形成“真实调用验证—系统优化—权重发布”的新路径。

MiniMax M3以稀疏注意力支撑超长任务。据MiniMax 2026年6月1日官方Blog《MiniMax M3: Frontier Coding, 1M Context, Native Multimodality — All in One Model》，M3采用428B总参数、23B激活参数的MoE架构，从预训练Step 0开始混合文本、图像等多模态数据，并支持100万Token上下文；MiniMax Sparse Attention使100万上下文下每Token计算量约为上代模型的1/20，Prefill和Decode阶段分别实现超过9倍和15倍加速。该篇官方Blog展示的长任务案例显示，M3连续运行接近12小时复现论文结果，产出18次Commit和23张实验图；另一项Kernel优化任务连续执行约24小时，完成147次Benchmark提交和1,959次工具调用。

Kimi K3以更大MoE规模推进开放模型前沿。据Kimi 2026年7月16日官方Blog《Kimi K3: Open Frontier Intelligence》及7月27日发布的同名技术报告，K3总参数达到2.8万亿、激活参数104B，设置896个专家、每Token激活16个专家，支持100万Token上下文和原生多模态理解。据Kimi 2026年7月27日技术报告《Kimi K3: Open Frontier Intelligence》，K3采用Kimi Delta Attention，将百万Token解码加速6.3倍，并以Attention Residuals替代传统残差连接，训练效率提升约25%。据Arena.ai 2026年7月16日Frontend Code Arena公开榜单，K3以1,679分位列榜单首位，两两比较胜率76%，高于Fable 5的63%和GPT-5.6 Sol的58%。

Kimi K3同时揭示了超大开放模型的部署约束。据Artificial Analysis截至2026年8月30日Kimi K3模型页面的模型规模测算，K3权重本身约需1,570GB显存，尚未计入KV Cache，无法放入单台Hopper GPU节点；据Kimi 2026年7月27日技术报告《Kimi K3: Open Frontier Intelligence》，896个专家还需要WideEP将权重分布到多张GPU，并在每层进行Token分发和汇总，Kimi Delta Attention可以显著降低KV Cache传输，但对权重存储、专家并行和节点间通信仍提出较高要求。因此，开放权重降低了获取门槛，生产级部署成本仍可能把大量用户推向云端托管和按量API，开放模型的商业化与推理基础设施将长期绑定。

DeepSeek围绕V4底座形成Flash、Pro分层。据DeepSeek API 2026年7月31日更新日志《DeepSeek-V4-Flash更新》，DeepSeek-V4-Flash正式版与预览版保持284B总参数、13B激活参数的MoE架构，支持100万Token上下文，升级重点集中在编程、工具调用和Agent任务，并原生支持Responses API；同一更新日志显示，其多项Agent Benchmark已超过此前的V4-Pro Preview，体现轻量模型通过后训练反超旧版大模型的可能。据DeepSeek 2026年8月13日官方公告《DeepSeek-V4-Pro正式版上线》，V4 Pro采用1.6T总参数、49B激活参数并以MIT许可开放权重，进一步加强规划、自测和专业知识任务；据Artificial Analysis截至2026年8月30日更新的《LLM Leaderboard》，其智力指数为53，较4月版本提升8分。

生成式多模态模型继续向开放生态扩散。据MiniMax 2026年7月31日官方Blog《MiniMax H3: An Open Model Breaking the Boundaries Between Tasks and Modalities》，MiniMax公开MiniMax-H3模型权重，并随后发布覆盖量化、本地部署、LoRA及多GPU生产栈的生态集成。据Arena.ai 2026年8月13日发布的Video Edit Arena榜单，H3得分1,390，领先第二名32分；同期多图生视频公开榜单显示其位列第二，并成为排名靠前的开放权重视频模型。据MiniMax 2026年8月公开的H3生态集成信息，模型发布后衍生接近300个社区模型，ComfyUI版本下载量接近700万，说明视频模型开放后可通过量化、工作流和微调快速扩展应用边界。

调用与ARR：能力提升开始跨过可付费阈值

海外前沿模型的收入增速与Agent能力升级同步加快。据Epoch AI 2026年8月26日更新的《Data on AI Companies》及8月27日发布的《An update on AI's most important number》，Anthropic年化收入运行率由2025年底约90亿美元升至2026年2月140亿美元、4月超过300亿美元、5月超过470亿美元；据Reuters 2026年8月17日报道《Anthropic revenue run rate tops $65 billion, source says》，其7月底年化收入运行率达到650亿美元。据Epoch AI上述数据集，OpenAI年化收入运行率由2025年底约214亿美元升至2月底250亿美元；据Bloomberg 2026年8月13日报道《OpenAI's Revenue Run Rate Tops $40 Billion Ahead of IPO》，其8月年化收入运行率超过400亿美元。据Epoch AI 2026年8月27日《An update on AI's most important number》，两家公司合计年化收入运行率由年初约300亿美元升至约1,050亿美元，8个月约增长2.5倍、规模达到年初的3.5倍。至2026年8月，两家公司在高基数下仍维持高增速，说明编码Agent与复杂知识工作流可能已经跨过新的能力—付费阈值。

Anthropic的增长更直接体现模型能力、Harness与按量计费的联动。据SemiAnalysis 2026年7月8日发布的《Anthropic 3Q26 Profit Over $1B: The Anthropic IPO Financials Sneak Peak》，Claude Code把模型与工具链组合成可持续完成软件工程任务的产品，并推动Anthropic形成以企业API和使用量计费为主的收入结构；该报道估算约75%—85%的收入来自usage-based API，消费订阅仅约占ARR的5%。按Token计费下，同一客户将模型用于更多代码库、更长任务和更多并发Agent即可继续扩大收入，模型推理效率、吞吐和任务成功率会直接影响ARR与毛利率。OpenAI历史收入更偏消费订阅，固定月费下高Token用户可能压低单位经济性，因此两家公司的收入质量和模型使用深度不能简单等同。

国内模型的商业验证开始出现，但财务披露仍明显少于海外。据MiniMax 2026年8月26日2026年中期业绩电话会及财新网8月27日报道《MiniMax上半年收入1.17亿美元超2025全年 8月ARR达8亿美元》，公司8月ARR达到8亿美元，CEO闫俊杰表示增长主要由模型能力改善驱动；公司在同次业绩沟通中披露，过去6个月推出7个大模型，企业及开发者客户数量较6个月前增长超过5倍。据Bloomberg 2026年7月20日报道《Moonshot Narrowed the US's Evaporating Lead in AI》，月之暗面ARR由4月超过2亿美元升至6月3亿美元，K3发布后日销售额增长约6倍。据The Information 2026年7月14日报道《DeepSeek's Annualized Revenue Nears $500 Million, Boosting Fundraise and IPO Plans》，DeepSeek 7月年化收入运行率约4亿—5亿美元，收入主要来自模型API。

智谱已形成ARR、API用户与开发者产品同步扩张的商业化信号。据《证券日报》2026年7月17日报道《智谱年度经常性收入达到10亿美元》，截至7月智谱ARR达到10亿美元。据《晚点LatePost》2026年8月10日报道《晚点独家丨智谱API用户数近700万，新启用超5万块国产算力芯片》，智谱2026年年内ARR增长15倍；MaaS开放平台注册用户近700万，较7月初增加约200万，其中包括2.3万家企业客户，ZCode上线1个月用户突破100万，同期已启用超5万块国产算力芯片。我们认为，个人用户、企业客户与算力投入同步增长，为Coding产品与API调用扩张提供了商业化验证。

开放生态：竞争从权重发布延伸至全栈扩散

“开放模型”的竞争内涵明显扩大。第一层是权重可下载和本地部署；第二层是许可证决定商业使用边界；第三层是注意力内核、训练方法、推理框架与硬件适配决定部署效率；第四层是聚合平台、云渠道、衍生模型和开发者工具决定真实使用规模。二季度国内模型在后两层的推进尤其明显：MiniMax开放MSA内核并获得SGLang Day-0支持，Kimi同步开放关键Infra技术，DeepSeek采用MIT许可并推出插件化Harness，GLM-5.3-Flash则以匿名真实流量完成服务验证后再开放权重。开放程度需要按这四层拆解，单看是否能在Hugging Face下载会遗漏主要变化。

开放模型已开始获得真实Token份额。据Vercel CEO Guillermo Rauch 2026年8月22日在X发布的AI Gateway实时流量数据，开放模型Token占整体Token的份额在两个月内由6月的28%升至62%；该指标反映Vercel AI Gateway平台的生产调用结构，显示开发者在实际调用中提高了开放模型使用比例。据SemiAnalysis 2026年8月21日发布的《Are Open Models Catching Up?》，开放模型服务商Fireworks在8月的日处理量超过40万亿Token，约为3月底OpenAI API流量的两倍。另据Z.ai 2026年8月26日官方Blog《GLM-5.3-Flash: Frontier Intelligence, Flash Cost》及OpenRouter同期公开的模型使用榜数据，GLM-5.3-Flash以Ox Alpha身份上线后6天处理约42万亿Token并登顶OpenRouter使用榜；SemiAnalysis 2026年8月21日的报道《Are Open Models Catching Up?》同时称其8月服务规模达到每日100万亿Token，且全部由国产芯片承载。结合H3的衍生模型和下载量，开放生态的衡量标准已经由“是否发布”扩展至实际调用、社区改造和多硬件部署。

开放权重并不天然对应低部署成本。据Artificial Analysis截至2026年8月30日Kimi K3模型页面的模型规模测算，Kimi K3需要约1.57TB显存保存权重，并依赖高带宽专家并行。据MiniMax 2026年6月1日《MiniMax M3: Frontier Coding, 1M Context, Native Multimodality - All in One Model》、Kimi 2026年7月27日《Kimi K3: Open Frontier Intelligence》、Google Developers Blog上述Gemma 4 12B公告及DeepSeek 2026年8月13日《DeepSeek-V4-Pro正式版上线》披露的许可证信息，MiniMax M3、Kimi K3等模型采用自定义许可证，商业规模扩大后还可能触发报备、署名或单独授权，而Gemma 4与DeepSeek V4 Pro分别采用Apache 2.0和MIT许可，商业边界相对更宽。开放模型在API端可以依靠多家服务商竞争压低价格，企业若选择自建，仍要承担推理优化、并发调度、硬件折旧和运维成本。因此，开放模型对闭源厂商的压力首先体现为Token价格、渠道议价和开发者入口，距离模型层全面商品化仍有较长路径。

业绩变化：企业服务驱动国产模型收入放量

MiniMax 2026H1收入增长较快，企业服务成为主要增量。据MiniMax2026年8月26日发布的中期业绩公告，2026H1公司实现收入1.17亿美元，同比增长283.1%，已超过2025年全年的0.79亿美元；其中AI原生产品收入0.43亿美元，同比增长100.9%，占收入36.6%；开放平台及其他基于AI的企业服务收入0.74亿美元，同比增长703.1%，收入占比由2025H1的30.3%提升至63.4%。公司在业绩会披露，开放平台及其他基于AI的企业服务收入增长主要来自付费个人用户及企业用户数量增长、API调用量增加以及Token计划推广，收入结构进一步向API及企业工作负载倾斜。

MiniMax毛利率改善，研发投入仍维持较高强度。据MiniMax 2026年8月26日发布的中期业绩，2026H1公司实现毛利2,081.3万美元，同比增长464.8%，毛利率由2025H1的12.1%提升至17.9%，公司披露主要受到基础设施效率提升推动；同期研发开支2.97亿美元，同比增长138.8%，低于收入增速。期内亏损3.58亿美元，同比收窄11.0%；经调整净亏损2.93亿美元，同比扩大111.2%，主要由于研发投入持续增长。此外，中国内地以外地区收入7,082.8万美元，占总收入60.8%。

AI应用：全球软件FDE加速，看好国内软件公司业绩放量

海外：闭源模型叙事趋缓，美股软件估值快速修复

闭源模型ARR增速趋缓，美股软件估值压力暂缓，7月底实现估值 业绩共振修复。25年底，海外Anthropic ARR走强，带动“模型吞噬软件”悲观预期加重，市场担心通用大模型对软件短期业绩及长期成长空间造成侵蚀，导致美股软件估值持续承压。26年6-7月，市场开始讨论大模型ARR是否存在增速放缓风险，美股软件进入估值压力暂缓的过渡期。26年7月下旬，美股软件进入二季报业绩披露期，Microsoft、Palantir、Cloudflare、Salesforce等美股软件业绩超VisibleAlpha一致预期，同时叠加模型预期相对走弱，美股软件进入估值 业绩的共振修复期，美股IGV指数快速上涨，截至26年8月28日，IGV指数较7月24日已上涨约24%。

国内：AI商业化加速，AI业务驱动营收稳步加速

国内软件AI商业化进展提速，驱动H1营收整体稳步加速。根据各公司披露的中报业绩，港股、A股AI应用典型代表的AI商业化均实现同比较快增长。同时AI业务正逐步成为部分公司的新增长驱动，带动公司整体营收呈现稳步修复趋势。具体公司梳理，详见研报原文。

AI战略转型同步驱动利润改善，后续有望持续推进。AI转型背景下，国内软件企业正通过FDE（Forward Deployed Engineer，驻场部署工程师）模型加速提升业务质量，AI业务带动多数公司毛利率、费用率稳步改善。1）毛利率：受益于AI应用产品稳步放量，国内软件公司毛利率呈现改善趋势，以用友网络为例，公司26H1毛利率同比提升2.56pct；2）费用率：受益于AI内部提效推进，国内软件公司费用管控效果初显。关注软件公司长期盈利能力改善。

展望：FDE模型成为全球共识，关注国内软件公司业绩放量

全球软件厂商加速FDE转型，国内软件Know-how优势及客户粘性优势有望凸显，看好全年业绩放量。AI时代，软件产品竞争从标准化产品逐步转向“产品能力 行业Know-how 深度交付”并重，全球软件厂商同步加速FDE转型。FDE要求软件厂商具备将模型能力嵌入具体业务流程、打通存量数据并持续迭代应用的能力，国内软件公司长期服务于本土大型企业和政企客户，具备贴近客户现场、理解业务流程、具备二次开发能力的关键能力，其Know-how优势及客户粘性优势有望凸显。我们认为，FDE模式将放大国内软件厂商在行业理解和客户基础上的传统优势，同时推动AI订单由POC（Proof of Concept，概念验证）试点加速向正式合同转化。

算力租赁：收入保持高增，毛利率修复带动盈利弹性释放

样本公司收入利润及资产端情况

我们选取行业20家算力租赁公司作为我们的研究样本，所选样本的收入利润情况及资产端情况如下：

算力租赁板块收入利润快速兑现

算力租赁板块收入端率先进入加速兑现期，利润端同步修复但弹性暂弱于收入。2022-2025年板块收入增速经历较大波动，2025年恢复至16.5%的正增长后，2026H1收入中位数同比进一步加速至40.1%，反映前期投入的算力资源逐步完成上架并进入收入确认阶段，板块景气由资产扩张向经营兑现传导。相比之下，净利润在2022-2025年波动更为明显，2026H1归母净利润中位数同比转为11%的正增长，显示盈利端已走出前期调整。结合毛利率同比明显回升而销售、管理及研发费用率均有所抬升，我们认为，当前算力利用率提升及高端算力价格支撑已开始改善项目毛利，伴随资产端的逐步扩张，更大的利润弹性有望在后续季度逐步释放。

2026H1算力租赁板块收入端保持较快增长，利润端分化更为显著。我们选取20家算力租赁相关公司作为样本，2026H1，其中14家公司实现同比正增长，占比70%；收入增速超过30%的公司达到9家，10%-30%的公司为4家，两者合计占比65%，显示随着前期算力资源逐步上架、客户需求持续兑现，板块收入仍处于较快放量阶段。13家公司实现利润同比正增长，其中10家公司增速超过30%。我们认为，头部公司随着算力资产利用率提升及毛利率改善，收入向利润的转化效率增强。

毛利率修复，强化经营杠杆。2026H1样本公司毛利率中位数同比提升3.69pct至24.91%，结束2022H1以来的持续下行趋势；同期销售、管理及研发费用率分别升至19.43%/6.16%/4.06%，均较2025H1有所抬升。我们认为，这一变化主要受益于前期集中投放的算力设备逐步进入稳定运营阶段，上架率和利用率提升使折旧、机房及运维等固定或半固定成本得到更充分摊薄，带动单位算力成本下降；同时，高端算力供给相对紧张亦对租赁价格形成一定支撑，进一步改善项目毛利率水平。

算力租赁板块资产端进入快速扩展周期

资产端整体保持高景气，算力租赁板块仍处于较强的产能建设与资源扩张周期。2026H1样本公司在建工程、固定资产、使用权资产及存货平均规模分别达到4.81/16.40/5.76/11.02亿元，同比增速分别为92.7%/65.9%/128.9%/64.8%，较此前年度整体明显加速。其中，在建工程接近翻倍，反映新增机房、机柜及供配电等基础设施建设持续推进；固定资产仍保持较高增速，说明前期项目正同步完成验收、转固和上架；存货高增则显示服务器、GPU等设备采购及待交付资源明显增加。整体来看，板块并非单一处于建设期，而是呈现“设备采购、项目建设、资产转固同步推进”的扩张特征。

从资产结构看，本轮算力扩张同时体现重资产投入与租赁扩容两条路径，新增供给仍在快速形成。固定资产自2022年以来持续较快增长，表明直接采购设备和建设基础设施仍是主要扩产方式；使用权资产则连续高速增长，2026H1同比增速达到128.9%，反映企业也在更多通过租赁IDC机房、机柜及设备提升资源获取和部署效率。与此同时，在建工程和存货增速仍处高位，意味着仍有较多算力资源停留在建设、交付及上架前环节，后续仍具备进一步转化为可计费产能的空间。我们认为，当前板块的关键已逐步从“扩张了多少资产”转向新增资产能否快速上架、提升利用率并形成有效收入贡献，资产周转和单位资产产出将成为判断本轮扩张质量的核心。

AI4S：收入高速增长，大额BD驱动行业商业化提速

我们选取行业4家AI4S公司作为我们的研究样本，所选样本的收入利润情况如下：

收入端：从2026年上半年四家AI4S样本企业营收表现来看，行业内公司收入增长呈现出显著分化的格局，各家企业商业化落地节奏差异较大。四家样本企业 2026H1营收规模跨度较大，英矽智能以7.24亿元的营业收入居于首位，大幅领先其余三家企业；晶泰控股实现营收 3.94亿元；剂泰科技‑P、德适‑B营收体量相对偏小，分别录得1.54 亿元、1.09亿元。

从收入增速维度拆解，行业增长梯队分化特征尤为突出。

整体来看，当前AI4S行业尚处在商业化早期阶段，不同企业之间营收增长率存在一定分化。头部企业已跑出高速增长曲线，部分新兴企业依托低基数实现超高速增长。行业尚未形成统一稳定的增长范式，后续各家企业商业化转化能力、客户拓展进度，将会成为拉开营收差距的核心变量，行业分化态势或将延续。

利润端：2026 年上半年四家AI4S 样本公司归母净利润表现分化明显，盈利兑现进度出现分水岭，行业整体仍处于盈利探索阶段。四家企业中仅英矽智能实现正向盈利，其余三家企业依旧维持亏损状态，反映出 AI 药物研发赛道前期研发投入高、盈利周期长的行业属性，大额BD首付款对利润的提振具备较强的阶段性特征。

综合而言，当前AI4S行业盈利拐点尚未全面到来，绝大多数企业依旧处于投入期，盈利企业仍属少数。大额BD收益可以带来阶段性利润拐点，后续需要观察常态化商业化订单落地情况，以及企业能否持续降本增效、放大持续性商业化收入规模，是决定能否扭亏为盈的关键。

AI4S样本公司毛利率及费用率情况如下：

2026 年上半年四家 AI4S 样本企业毛利率整体处于较高区间，行业轻资产属性凸显，公司间毛利率水平分化明显，主要由于各家收入结构、业务模式存在显著差异。四家公司的毛利率均高于55%，剂泰科技‑P毛利率高达 99%，居于样本首位；英矽智能紧随其后，毛利率达到 90%；德适‑B 毛利率为74%；晶泰控股毛利率录得 57%。

整体来看，AI4S赛道具备高毛利的天然属性，大额BD授权收入能够显著抬升当期毛利率水平。毛利率分化本质是收入结构差异的体现，侧重管线授权BD交易的企业短期毛利率更高。展望未来，随着商业化订单规模持续扩大，固定成本不断摊薄，服务类业务毛利率有望迎来修复；而以一次性首付款为主的BD收入带来的高毛利具备阶段性特征，长期毛利率走势仍取决于常态化业务结构的变化。

风险提示

下游需求波动。若宏观经济、行业景气度等因素导致下游客户预算收缩或项目推进节奏放缓，可能影响相关企业订单获取及收入确认，导致业绩增长不及预期。

AI技术迭代不及预期。若大模型能力提升、算法优化及AI应用落地进展不及预期，可能影响AI产业应用拓展及商业化进程，导致行业增长不及预期。

AI4S赛道毛利率分化。AI4S不同细分领域在产品形态、项目交付模式及客户结构等方面存在差异，若低毛利业务占比提升或行业竞争加剧，可能导致相关企业毛利率承压。