9月2-3日我们组织了2026年秋季策略会，邀请了AI产业链各个方向的多个嘉宾就当前行业趋势与机遇进行交流。我们看到：1）AI定价逻辑由Token转向任务；2）多模态、轻量化与工作流成为Agent应用重点；3）具身大脑成为具身智能突破的关键瓶颈；4）AI医疗未来成长空间广阔；5）关注AI行情的需求侧催化。我们认为AI应用正在各行业持续深化，重点关注有业绩支撑的AI应用公司。

核心亮点：

1. AI模型定价逻辑由Token付费逐步向任务付费演进。我们看到，2026年以来模型平均Token价格存在下行趋势，但旗舰模型仍维持较高定价，不同模型之间的价格带进一步拉宽。尽管旗舰模型单Token价格较高，但随着模型能力提升和任务完成效率改善，单次任务的实际交付成本仍在下降。同时，模型使用成本已不再只取决于Token单价，还受到缓存命中率、Tokenizer效率以及峰谷定价等因素影响。客户结构方面，Token消耗进一步向头部客户集中，Token用量增长与用户数量增长开始出现分化。我们认为，随着AI商业模式逐步成熟，模型计量方式有望从按Token计费进一步向按任务、按结果计费延伸，以成果交付为核心的商业模式有望持续扩大。

2. Agent应用：落地重点在于多模态、轻量化与企业工作流。AI Agent已在工业、零售、科研、公共事业等多个领域落地。不同于通用模型，企业级AI应用更强调与企业私有知识和业务流程的结合。企业首先基于多模态数据构建知识系统和本体模型，在此基础上，通过轻量化模型降低Token成本、提升推理效率，并以对话框等入口接入企业工作流，使数字员工能够真正参与业务执行。我们认为，未来AI Agent落地的关键，在于能否有效处理企业个性化的多模态数据，并理解和适配企业自身的业务逻辑。

3. 具身智能：具身大脑成为智能化的核心瓶颈。现阶段机器人应用落地的主要瓶颈，在于具身大脑及配套工具链尚未成熟。具身大脑主要包括大脑、小脑和神经系统，分别承担感知、理解与决策，运动控制，以及数据传输与执行驱动等功能，同时对人类意图、人工介入等高质量数据提出了更高要求。我们认为，随着具身大脑能力和配套工具链逐步成熟，机器人智能化开发和应用部署的门槛有望下降，从而推动机器人在更多场景中的渗透率提升。

4. AI医疗：重塑医疗逻辑，成长空间广阔。AI应用驱动医学“Cure Medicine”向“Care Medicine”的范式转变，医疗服务有望进一步覆盖更广泛人群，实现防治一体并改善健康管理体验。在技术和产品层面，AI医疗逐步形成从医学影像数据标注、多模态医学影像模型到工具平台的完整体系，并在胰腺癌、婴儿早产、染色体检测等场景实现应用落地。我们认为，随着模型能力持续提升和应用场景不断拓展，AI医疗有望覆盖更多疾病和诊疗环节，行业成长空间仍然广阔。

5. AI产业链：市场关注点落在需求侧。当前美股科技与宏观走势相关性增强，软硬跷跷板效应持续。模型侧，训练Scaling Law仍然成立，头部模型能力差距逐步收窄，模型分层趋势进一步明显，顶尖模型维持能力溢价，轻量化模型则持续提升性价比，中期来看RSI有望成为模型能力提升的重要方向。我们认为，下一阶段市场关注点将更多落在需求侧，AI Agent、具身智能、AI4S和端侧AI有望成为潜在增长方向，建议重点关注有业绩支撑的AI应用公司。

风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。