词元是智能时代的价值锚点。2026年3月，中国发展高层论坛正式确定Token的中文官方名称为词元，将其定位于智能时代的价值锚点以及产业供需两端的统一结算单位。当前，国内词元日均调用量呈现指数级上行态势，这一趋势标志着国内人工智能产业已走出模型技术验证阶段，全面迈入算力规模化消耗与商业化落地运营周期。

AIGC 驱动内容工业化，无限供给重塑产业格局。随着词元消耗量持续高速放量，AI 推理需求得到全面释放，传媒内容产业正加速从传统人工创作模式，向 AI 原生生成模式实现根本性跃迁。内容生产彻底摆脱人力产能的约束、创作效率的瓶颈以及高边际成本的限制，正式迈入规模化、标准化、可无限复制的内容工业化量产阶段。

大模型持续技术迭代，开源生态推动生态发展。词元调用量持续上行，直接带动下游各类应用端 API 接口调用需求爆发，该层需求将进一步向上传导至模型底座厂商。词元需求持续放量，既能够放大模型底座的复用价值，也可有效摊薄模型训练、技术运维的单位成本，持续加固模型底座厂商的技术壁垒与市场竞争优势，成为支撑模型底座行业长效增长的核心驱动力。

云服务量价共振，有望打开增长新空间。词元消耗量持续上行，对应全社会AI推理需求规模化放量，对阿里云为代表的云服务商构成确定性利好。伴随词元成为智能时代统一价值结算单位，云计算商业模式正发生根本性重构，行业逐步脱离传统服务器租赁、时长计费的IaaS模式，全面转向以词元消耗为核心的MaaS智能服务按量计费体系。推动云厂商高毛利AI服务收入扩容，优化整体盈利结构，行业进入需求放量、量价共振的上行周期。

词元已经成为智能时代的价值锚点，其广泛用于AI行业的结算单位。从需求侧来看，全球词元的调用量高速增长，推动AI产业从模型迭代走向商业化落地，这将有望从底层重构传媒行业的生产要素、产业逻辑和商业模式。词元经济赋能传统内容生产行业，在AIGC工具加持下，向着无限供给不断迈进，有望实现内容行业的繁荣。建议围绕核心AI产业受益方向布局，重点关注：1）AI综合布局加码的互联网大厂；2）AI视频工具产品力领先的厂商；3）受益于AI应用的细分领域头部公司；4）技术迭代不断推进的大模型厂商

政策及监管环境的风险、AI技术发展不及预期的风险、AI应用落地不及预期的风险、市场情绪与资金流向短期调整的风险。

一、词元：智能时代的价值锚点

（一）词元消耗量与日俱增

2026年3月举办的中国发展高层论坛正式确定Token的中文官方名称为词元，将其定位于智能时代的价值锚点以及产业供需两端的统一结算单位。当前，国内词元日均调用量呈现指数级上行态势，这一趋势标志着国内人工智能产业已走出模型技术验证阶段，全面迈入算力规模化消耗与商业化落地运营周期。词元逐步成为数字经济领域全新的基础度量单位，中长期维度下将会重塑云计算原有商业模式，手握成本优势与多场景落地能力的底层基础设施服务商，将在行业内掌握核心定价话语权。

根据OpenRouter的周度数据，2025年5月以来，全球token用量中枢持续上移，周度消耗由2T–3T tokens提升至2026年3–4月的20T tokens以上。国内方面，词元日均调用量也实现指数级增长，2024年初仅1000亿，2025年底升至100万亿，2026年3月已达140万亿，相较2024 年初增幅超千倍。字节跳动披露截至2026年3月底，豆包大模型日均词元消耗量突破120万亿，较2025年底63 万亿近乎翻倍。

词元消耗量持续上行，意味着AI的真实需求已全面爆发，行业商业化落地进入实际兑现阶段，从传媒互联网行业的视角来看，内容创作、智能营销等下游应用领域，已实现规模化渗透。这也标志着AI产业正式从早期的模型研发比拼阶段，迈入面向C端用户与B端企业服务的规模化推理消费时代。我们判断，传统传媒行业依托流量、版权储备与人工生产能力运转的产业底层逻辑已被重塑，词元消耗现阶段已成为行业 AI 渗透水平、内容工业化产能、企业 AI 变现潜力以及上游云算力行业景气度的核心先行观测指标。

词元（Token）作为大模型信息处理的最小原子单位，正在从底层重构传媒互联网行业的生产要素、产业逻辑与商业模式。过去，传统传媒互联网行业的运转高度依赖流量红利、用户在线时长与内容版权/人工创作供给三大要素。然而，随着智能手机渗透率趋于饱和、人口结构性压力显现，移动互联网用户红利正逐步见顶：从用户规模看，2017-2025年间，我国网民规模虽从7.51亿增长至11.25亿，但增速已从高峰期的近6%跌落至不足1%，用户规模扩张空间明显收窄；在商业变现方面，互联网广告市场规模增速同样收窄，2021年后一度回落至5%以下。单纯依赖用户规模扩张与流量增长驱动的旧增长逻辑正面临瓶颈，行业亟需寻找新的效率提升工具与产能扩张路径；而词元的规模化应用，恰恰提供了结构性破局的可能。

（二）词元经济有望重塑行业商业模式

1. 内容生成：词元驱动的工业化内容产能革命

词元（Token）作为AI内容生成的计量基本单位，正在将内容创作从手工业态推向工业化扩张范式，把AI生成能力彻底融入到了内容创作、智能营销、游戏交互、数字文娱、信息分发的每一个环节。传统内容行业的产能边界由“人工×时间”决定，而词元经济的本质是将这一约束重新定价。词元消耗量替代了人力工时，成为衡量内容产出效率的新度量单位。这一转变意味着，一方面，内容创作门槛大幅下降，中小团队的内容生产能力得到解放；另一方面，内容生产的边际成本递减，内容变现的核心竞争要素正从“有无内容”转向“内容质量与分发效率”。内容生产的边际成本递减趋近于0时，供给将随需求的增加而无限增加，实现“无限供给”。在这种情况下，企业的规模扩张主要依靠需求端的增长，而非传统的有限供给模式下依靠产能的扩张来实现增长。我们认为，中国在人口规模、经济发展等全方位的超大市场规模，AI内容如果能够向“无限供给”的方向发展，将充分展现超大规模市场的需求优势。

2. 大模型API：词元定价体系与企业变现潜力

词元已从纯粹的技术概念，演变为AI服务行业统一的成本核算标准与商业化计价单位。由于词元消耗量能够更直接地刻画模型实际处理的信息量和算力消耗，国内外主流大模型API几乎无一例外地采用“按词元量计费”模式。

当前的API与企业级变现模式可划分为三大核心路径：

一是“MaaS（模型即服务）订阅 按量付费”模式，也是目前最成熟的企业变现模式。该模式主要通过标准化的API接口，将文本、图像、逻辑推理等生成能力作为一种基础设施进行售卖；而企业用户通过API调用大模型能力，降低了前期投入与技术门槛。在计费机制上，全球头部厂商普遍依据不同服务质量和交付方式对应不同价格，实现精细化计价。以OpenAI为例，GPT系列模型采用输入/输出分别计价，并叠加缓存输入优惠的按需计费（Pay-as-you-go）策略：GPT-5.5的文本输出定价为每百万词元30美元，是输入定价（5美元）的六倍，缓存输入价格仅为标准输入价格的十分之一（0.5 美元）。

二是AI Agent应用的词元消耗分成模式。AI Agent应用进一步放大了词元消耗的商业价值。Agent 能够围绕复杂任务进行多轮推理、工具调用、知识库检索和结果修正，单次任务的词元消耗显著高于普通问答。模型厂商可通过API调用收费，Agent平台可通过资源计费、应用分发和插件生态抽成变现，开发者及垂直服务商则可围绕具体场景推出订阅制、按任务收费或企业定制服务。

三是B端企业服务的私有化部署。面向医疗、金融、政务等对数据安全与合规有强需求的行业，公有云API调度已无法满足其安全规范。因此，私有化部署AI大模型成为企业数据安全、自主掌控和成本优化的理想选择。

3. 云服务：算力提价与AI驱动

受供应链成本的硬性传导以及AI需求(尤其是token调用量)指数级爆发的影响，2026年开年以来，国内外云厂商先后上调AI基础设施服务价格。

云厂商本轮提价的核心逻辑是AI时代云计算供需关系和商业模式发生了变化：供给端，高端GPU、高性能存储、电力和液冷等关键资源持续紧张，智算中心建设和运维成本明显抬升，云厂商过去依靠规模扩张和硬件降本让利的空间被压缩；需求端，大模型推理、AI Agent、多模态应用带来的词元调用量迅速增长，使AI算力具备持续的刚性需求，客户对算力稳定性和响应速度的需求弹性高于价格弹性。因此，AI算力相关服务的定价权也随之从价格战逻辑转为资源稀缺性、服务效率和模型价值本身，成本压力沿着“芯片→云厂商→模型厂商→应用厂商→企业客户”的链条层层向下传递。

AI需求爆发直接推动云厂商收入加速增长及资本开支扩张。据Gartner，2025年全球AI支出高达1.76万亿美元，其中AI基础设施支出0.96万亿美元，占比约55%；预计2026年全球AI支出将达到2.53万亿美元，其中AI基础设施支出约1.37万亿美元。国内云市场增长同样受AI驱动，25Q4中国大陆云基础设施服务支出达147亿美元，同比增长26%，连续第三个季度增速超20%。

二、AIGC 驱动内容工业化，无限供给重塑产业格局

随着词元消耗量持续高速放量，全社会 AI 推理需求得到全面释放，传媒内容产业正加速从传统人工创作模式，向 AI 原生生成模式实现根本性跃迁。内容生产彻底摆脱人力产能的约束、创作效率的瓶颈以及高边际成本的限制，正式迈入规模化、标准化、可无限复制的内容工业化量产阶段。

数字内容作为涵盖文本、图像、声音等多种形态的信息载体，是融媒体产业的核心呈现形式，也是最容易实现“无限供给”的产业，从生产方式来看，数字内容市场正处于生产方式的变革期。数字内容生态的发展大致可以分成四个阶段：PGC（专业生成内容）到UGC（用户生成内容），再到AIUGC（AI辅助生成内容）、AIGC（AI生成内容）。

随着技术进步和人们对数字化生活的需求增长，PGC和UGC的生产方式已经趋于成熟，AIGC的生产方式正在不断探索。随着内容生产方式不断创新，每一次变革都掀起了新的商业浪潮。我们认为AI技术正引领第四次场景革命，开启万物赋能的时代：随着数字技术的进步，AIGC将使数字内容产业突破传统产业的边际成本限制和产能限制，打破“成本-质量-速度”的不可能三角，呈现出零边际成本和无限供给的特征。

（一）AI视频工具快速发展

以AIGC中的AI视频工具为例：Google在2024年已经分别发布了其文生视频模型Veo，款可以生成最长超过1min的高清视频。从工具的展示Demo来看，除满足了文本要求的主题、要素外，两款模型在对场景的光影、人物轮廓的描绘等方面都展示了极高的质量：场景中的光影处理真实。我们认为目前的文生视频生成的高质量视频在时长上实现了飞跃式的提升，60s的时长已经能够进入一些应用场景，如短视频、宣传片等，AI生成视频在相关行业内的应用或将加速推进。

2025年5月，Google发布了Veo3，全面提升生成视频的质量（支持添加对话、音效和背景噪音，提高文本指令的遵循度等），同时通过影视制作工具Flow可以像拍摄电影一样创建场景、管理素材、编辑情节并控制镜头运转，用户可以更便捷的生成“影视大片”风格的视频。此后在10月，Google更新Veo 3.1，加强叙事与音频控制的同时，进一步增强输入与编辑能力。

相较于海外AI视频工具的视频长度和物理推理能力上的不断突破，国内的部分AI视频工具更注重聚焦细分用户的需求：

以字节跳动旗下的即梦AI和快手旗下的可灵AI为例：二者都具有更丰富的创作模式，除了常见的文本生成视频外，还支持首尾帧功能，即输入单图或两张图片作为首帧和尾帧，直接生成视频或配合提示词描述生成视频。视频编辑能力方面，即梦AI和可灵AI均支持对口型，可以为生成视频中的人物配音并匹配口型，还有镜头控制能力和速度控制能力。此外，即梦AI还有针对故事创作需求的用户故事创作模式，支持一站式生成故事分镜、镜头组织管理、编辑等功能。而可灵的运动笔刷功能则能够进一步按照用户的需求生成区域内主题的运动轨迹。

2026年2月，字节发布Seedance2.0模型，相比 1.5 版本，Seedance 2.0 的生成质量大幅提升，其在复杂交互和运动场景下的可用率更高，物理准确度、逼真度、可控性显著增强，更加贴合工业级创作场景的需求。目前，即梦和豆包等字节系AI产品已经可以调用Seedance2.0模型。

（二）AI生成工具的商业模式

国内AI产品与国外产品在定价模式及价格上存在显著差异。

从定价模式看，国内产品更显灵活多元，如美图秀秀AI采用“订阅 单次付费”模式，用户既可以15元/月订阅粉钻SVIP获取AI修图等功能，也能通过美豆充值（1元=100美豆）灵活兑换AI绘画等特定功能；剪映则推出“订阅 积分充值”，除专业版订阅（25元/月）外，还有以1元=100积分兑换“瞬息宇宙”等高级功能。而国外产品由于其用户的付费惯性，多以订阅制为主流，如ChatGPT的Plus版（20美元/月）、Midjourney的标准版（30美元/月），强调持续付费获取服务。

从价格层面来看，国内产品普遍走“亲民”路线：剪映专业版年付仅138元，美图秀秀AI年付128元；国外产品相对而言定价较高，ChatGPT企业版499美元/月起，Midjourney专业版60美元/月。我们认为，这种差异源于市场定位：国内产品侧重大众普及，以低价吸引广泛用户；国外产品更聚焦专业领域或高端需求，通过高定价实现技术溢价。

我们看好国内AI工具未来的商业化发展，主要包括以下两点原因：

国内AI工具基础定价相对低，且有免费额度，价格层面未来具备上浮空间。国内AI工具初期以低价策略快速占领市场，培养用户使用习惯，后续可通过功能升级与增值服务实现提价。例如，目前即梦和可灵的定价在基础款和中等级会员已经基本逐渐向海外视频工具对齐。我们认为，一方面随着视频工具性能的逐渐追赶，价格对齐是必然趋势；另一方面，这种“低价获客—功能优化—价值升级”的路径，符合互联网产品的常见发展逻辑，为长期盈利提供可能。

国内潜在用户群体广阔，用户体量仍有较大增长空间。国内庞大的人口基数与数字化需求，为AI工具提供了肥沃土壤。随着AI技术普及，更多用户将从基础功能转向高级AI应用，进一步提升渗透率。例如电商卖家、自媒体从业者等群体，对AI图片编辑、视频批量处理的需求持续增长，推动国内AI工具在垂直领域渗透。因此我们认为，国内AI工具凭借前期低价积累的用户基础，结合不断提升的渗透率，未来在技术迭代与市场拓展中，有望实现商业价值的持续增长，成为全球AI应用市场的重要力量。

三、大模型持续技术迭代，开源生态推动生态发展

词元调用量持续上行，直接带动下游各类应用端 API 接口调用需求爆发，该层需求将进一步向上传导至模型底座厂商。模型底座作为词元运算与推理的核心载体，承接全行业海量词元处理任务与 API 调用负载，自身服务收入与规模效应同词元消耗量、API 调用频次深度挂钩。词元需求持续放量，既能够放大模型底座的复用价值，也可有效摊薄模型训练、技术运维的单位成本，持续加固模型底座厂商的技术壁垒与市场竞争优势，成为支撑模型底座行业长效增长的核心驱动力。

（一）AI技术高速发展

回顾人工智能的发展历程，目前全球人工智能的发展大致经历了如下阶段：

1）1.0阶段——被动分析与判断：早期的人工智能的主要能力是被动地接受信息来进行分析和判断。比较典型的例子如：生物识别技术（根据人脸、虹膜等特征信息输入判断是否匹配）。这些技术没有主动创造内容的能力，更多地是对人类所输入信息的判断和匹配。

2）2.0阶段——生成式AI出现：随着人工智能的不断发展，AI的能力不再仅限于对被动输入信息的接受和分析，而是具备了一定的主动输出内容的能力。在这一发展进程中，Transformer和Diffusion Model这两个算法模型对推动生成式AI的发展起到了重要的作用。目前的生成式AI已经可以自主生成文本、图片、视频等多种模态的信息。

3）3.0阶段——AI智能体：AI智能体不仅可以根据给定的指令生成内容，还能够感知环境并做出自主决策，进一步实现了自动化，是生成式AI的进一步赋能。AI智能体无需人类的干预，具有更强的交互能力、复杂任务处理能力，适合应用于自动驾驶、智能客服、工业自动化等场景。同时，多模态赋予了模型同时处理多种输入/输出形式的能力（理解文本、图像、音频、视频等）。

在人工智能的发展过程中，技术与应用相互促进，推进这人工智能产业迅速发展，成为近几年发展最迅猛的行业之一。AI3.0阶段的到来是人工智能发展的又一个高潮。

（二）模型开源推动生态构建

在DeepSeek的引领下，国产大模型在2025年展开了开源浪潮：2025年1月，DeepSeek发布其DeepSeek-R1模型，并同步开源模型权重。模型在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。后续文心大模型4.5系列、盘古大模型、Qwen3系列、智谱华章GLM4.5等国产大模型相继开源，并在此后不断更新。

2026年4月，Deepseek发布v4版本模型（包括Flash版和Pro版），在Agent能力、世界知识和推理性能上均实现国内与开源领域的领先，且Pro版模型性能比肩顶级闭源模型。相比前代模型，DeepSeek-V4-Pro的Agent能力显著增强。在AgenticCoding评测中，V4-Pro已达到当前开源模型最佳水平，并在其他Agent相关评测中同样表现优异。目前已成为公司内部员工使用的AgenticCoding模型。

在人工智能发展进程中，开源生态构建了技术创新的双轮驱动体系：头部企业通过技术开源形成知识溢出效应，使行业能够同步前沿技术进展并快速转化为应用实践；而技术应用的规模化落地又反哺底层技术迭代，形成"研发-应用-优化"的正向循环。DeepSeek推出的开源推理模型正是这一机制的典型实践——其显著的成本优势大幅降低企业技术接入门槛，为应用端释放创新活力提供了土壤，进而推动AI应用生态进入良性发展轨道。

在开源生态持续赋能的技术背景下，AI Agent正成为下一代技术突破的战略方向。这一转变源于两方面驱动：技术层面，开源体系加速了自然语言处理、多模态交互等底层技术迭代，为Agent构建奠定能力基础；应用层面，其具备的自主决策、任务执行能力，能够在提升工作效率、优化资源配置的同时，深度融入个性化服务、智能决策等场景，成为推动社会生产效率变革的关键载体。

放眼全球，从全球竞争格局审视，国产大模型正通过"技术创新 场景深耕"实现突围。这种竞争力体现在两个维度：C端场景，用户渗透率持续提升，核心AI应用的活跃数据保持环比增长，显示出强大的用户粘性；B端市场，AI营销等领域的商业化验证初步完成，技术价值向商业价值转化的路径清晰。这不仅为行业生态注入新动能，更通过开源模式加速技术扩散，推动影视制作、广告创意、社交陪伴等场景的智能化落地进程。

同时，部分模型厂商开启上市融资：以2026年年初赴港上市的智谱和minimax为例：智谱华章于1月8日挂牌港交所，上市前三个交易日涨幅分别为13.2%、20.6%、31.4%；Minimax于1月9日挂牌港交所，首日涨幅达109%。目前两者均较发行价上涨数倍以上，显示出资本市场对大模型及应用厂商的前景乐观预期。

四、云服务量价共振，有望打开增长新空间

词元消耗量持续上行，对应全社会AI推理需求规模化放量，对阿里云为代表的云服务商构成确定性利好。伴随词元成为智能时代统一价值结算单位，云计算商业模式正发生根本性重构，行业逐步脱离传统服务器租赁、时长计费的IaaS模式，全面转向以词元消耗为核心的MaaS智能服务按量计费体系。海量词元调用持续拉动云端推理算力需求，推动云厂商高毛利AI服务收入扩容，优化整体盈利结构，行业进入需求放量、量价共振的上行周期。

（一）美股互联网巨头：云服务规模不断扩大

对美股互联网巨头来说，通过其云服务将AI技术的商业价值有效变现，能够有效体现出AI技术的落地能力，以及由此带来的市场需求旺盛的一面。当前，美股互联网大厂的云服务收入规模及增速普遍较快，尤其是近来美股互联网大厂云服务收入呈现出规模持续扩大、增速较为稳健的特点，2024年以来季度增量已经呈明显增加趋势。

我们认为，云服务收入不断增加的根本原因在于AI技术结合云计算，云为AI提供算力、存储和数据管理支持，而AI技术为云服务增加附加价值。因此形成了“云 AI”的相互推动发展局面，企业云服务收入增长能反映全球云服务市场规模继续扩大以及AI技术商业化的实质性突破。“云 AI”已经成为当下全球互联网巨头企业最直接的增长方式，在今后AI应用场景不断扩大后，云服务市场规模仍有较大提升空间。

云服务收入是企业的重要增长动力，而企业的财务储备则是其继续在AI上加注的重要支撑点。因此，从整体业务盈利性看，企业现金流状况较好时，其对于AI的投入将更强。对2020年以来Big4的企业净现金量变化情况看，由于前期投入AI规模较大，对企业在自身的净现金状况有一定的负面影响，净现金量存在较大的波动，但从长期来看，受业务发展的影响，企业状况趋于稳定， Amazon、Google和Microsoft的净现金量在2024年后也有较明显的改善。

净现金变化的过程即是AI产业“高投入、长周期、慢回报”的反映过程，是企业战略节奏和盈利能力的具象体现。伴随AI业务逐渐开始变现进程，叠加前期投入效率提升，可预期科技公司净现金水平将会得到改善，并将成为抵御AI赛道不确定性，保持长期竞争力的重要支撑。

（二）国内互联网公司：加速布局，协同发展

在全球AI赛道的竞争中，不仅有美股互联网巨头的领跑，中国头部科技企业亦加速布局、通过加大资本开支和拓展业务边界为企业抢占市场跑道。腾讯与阿里巴巴作为中国科技公司的头部企业，二者的资本开支和云业务收入在一定程度上能够代表国内AI产业发展态势。

2024年以来的爆发式增长，最根本的原因还是在于“新质生产力”的全球兴起与中国AI政策加码，伴随着“新质生产力”相关政策的出台，AI成为促进企业数字化转型升级的关键因素。腾讯、阿里等作为中国科技领域的龙头企业，不断加大AI基础架构、大模型、行业应用的投入力度，以抢占中国AI赛道的主导地位。我们认为，与美股巨头极高的capex增速相比，中国企业的资本开支整体增速较为克制，反映出中国市场环境的复杂性与企业战略调整的灵活性，而2024年以来的阶段性快速增长，则标志着中国AI产业进入规模化投入阶段，未来随着技术落地与市场需求的持续释放，资本开支或将维持相对客观的增速。

当美股巨头靠着净现金储备来支撑其长时间投入AI的同时，中国的头部科技公司的云业务，则成为中国国内AI技术商业化的观察窗口。从收入规模来看，阿里巴巴一直保持着中国国内云市场主导地位，虽随行业周期有所波动，但整体持续攀升，规模优势显著；腾讯云业务（未披露细分，以金融科技及企服口径）则逐步扩张。从增速维度看，两家企业呈现高度同步的阶段性特征：均于2022年底至2023年初触达阶段增速低点；之后持续回升，至2024Q2前增速逐步加快。我们认为，这一趋势不仅标志着中国云市场的复苏，更印证了云业务与AI发展的协同逻辑，成为国内新质生产力培育的重要支撑。

以阿里云为例：从业务结构来看，阿里云已构建以IaaS、PaaS与MaaS为核心的三层全栈云服务架构。其中，IaaS层提供计算、存储和网络等基础设施类资源服务，是底层算力基础；PaaS层提供应用程序所需的硬件和软件部署平台，是连接底层算力与上层应用的枢纽；MaaS层则围绕大模型能力，提供API调用、模型微调、AI应用开发等服务，帮助企业搭建专属大模型和应用，实现商业价值转化。IaaS为算力底座，PaaS为中间支撑，MaaS为上层增值，三层体系垂直协同，充分满足金融、电力、能源、智能硬件等不同行业、大中小微不同规模企业的差异化需求，支撑大模型应用的商业化落地。

目前，阿里云已从传统IaaS的服务器销售和时长租赁，全面转向百炼MaaS平台 通义千问全栈，统一按Token（词元）按量计费。阿里内部已成立TokenHub事业群，管理层明确未来MaaS词元收入将超越传统IaaS，成为阿里云第一大收入来源；未来五年云 AI千亿美金收入目标，底层全部锚定词元消耗放量。

结构性涨价逐步启动，云业务进入提价周期。据阿里云公告，2026年4月18日起GPU算力及CPFS等服务价格已明确上调，其中算力产品涨幅达5%-34%，高性能存储上涨约30%，验证提价逻辑正逐步落地。随着成本压力向下游传导、价格中枢上移，本轮涨价有望直接增厚公司云业务毛利率与净利润，相关盈利改善预计将在2026–2027年逐步体现。

五、投资建议

目前，词元已经成为智能时代的价值锚点，其广泛用于AI行业的结算单位。从需求侧来看，全球词元的调用量高速增长，推动AI产业从模型迭代走向商业化落地，这将有望从底层重构传媒行业的生产要素、产业逻辑和商业模式。词元经济赋能传统的内容生产行业，在AIGC工具的加持下，向着无限供给不断买进，有望实现内容行业的繁荣。

建议围绕核心AI产业受益方向布局，重点关注1）AI综合布局加码的互联网大厂；2）AI视频工具产品力领先的厂商；3）受益于AI应用的细分领域头部公司；4）技术迭代不断推进的大模型厂商。

六、风险提示

1. 政策及监管环境的风险

由于人工智能技术的快速发展，现有法律和法规的制定和修订速度往往滞后，导致监管框架难以全面覆盖新技术带来的挑战。此外，不同国家间的法律和文化差异也可能导致跨国的人工智能技术合作面临困难，影响全球统一的监管标准和政策的制定。这种不确定的监管环境可能使企业在进行AI产品的出海时面临法律风险，增加了产业发展的不确定性。

2. AI技术发展不及预期的风险

尽管在近几年，人工智能领域取得了显著进展，但技术的复杂性和专业性意味着其发展路径并不总是持续线性增长的。如果技术突破未能如期实现，企业的研发投入可能无法获得预期的回报。这种技术发展上的不确定性可能导致企业面临在前端技术上落后于竞争对手，从而导致市场份额下降等风险。

3. AI应用落地不及预期的风险

即使AI技术本身已在不断成熟完善的过程中，但AI技术在实际应用中可能会遇到各种未预见的问题和挑战，如用户接受度低、数据更新不及时等。这些问题可能导致AI产品的市场表现不如预期，甚至可能引发用户反感和市场抵制。此外，随着市场竞争加剧，企业还需要不断创新以保持竞争优势，这也增加了应用落地过程中的不确定性。

4. 市场情绪与资金流向短期调整的风险

资本市场的情绪与资金流向的短期调整可能会构成显著联动风险：在市场情绪受信息扰动时，风格的快速切换会推动价格脱离基本面合理区间，引发非理性涨跌。资金流向的短期异动会进一步放大波动，机构调仓、资金集中进出可能触发程序化止损，加剧价格扭曲。