Token“通胀”大趋势下，AI算力产业正迎来需求、架构与国产替代共振的新一轮增长周期。1）Token“通胀”：国内日均调用量两年增长超千倍，供需缺口下海内外算力租赁、云服务价格持续上涨，同时C端分层付费落地验证Token商业化价值。2）产业矛盾已从GPU总量不足转向系统级效率释放：Agent场景下CPU处理时延占比偏高是制约GPU效能释放的核心瓶颈，CPU已从传统配套角色跃升为AI基础设施的核心变量，超节点、存算优化等效率提升技术路径同步落地。3）国产算力迎来模算协同的历史性发展窗口：大模型与国产算力深度适配打破海外技术路径依赖，核心厂商业绩有望保持高速增长，同时Token运营模式将算力买卖升级为智能服务交易，商业模式重构打开长期成长空间。

大模型产业正迎来商业模式验证、需求空间快速增长、国产替代落地的三重驱动增长阶段。1）海外标杆已跑通高阶智能的商业化路径：Anthropic实现年化10倍的ARR增长，对应估值突破万亿美元，验证了“模型智能上界直接决定定价权”的产业逻辑，高阶模型量价齐升趋势明确。2）AI Agent带动Token需求增长：消耗主体从人类转向机器，需求上限不再受人口规模约束；以OpenClaw为代表的常驻智能体将模型调用从单轮问答推向长链路多工具执行，行业价值度量单位切换为Token，运营商、互联网大厂纷纷推出分层套餐，商业模式从算力买卖升级为智能服务交易。3）主权AI重要性凸显：限制前沿模型出口凸显主权AI重要性，国产大模型已进入局部突破、规模化验证的发展新阶段。

AI应用产业正沿着制度建设、垂直落地、模式创新的路径加速成熟。顶层制度设计搭建了从数据供给到模型开发再到场景落地的全链条闭环，明确了Token作为价值载体的核心定位，为产业发展提供了确定性支撑；垂直行业大模型已经从技术验证进入商业闭环阶段，合作模式从传统项目制转向价值分成，头部厂商率先落地了与Token计价结合的订阅制商业模式，复制路径清晰；AI Agent驱动的原生商业形态也已完成首个场景的规模化验证，支付场景已经跑通从智能体能力调用到交易完成的全链路闭环，为智能体经济的全面发展建立了基础信任机制。

投资建议：Token“通胀”是本轮AI产业行情的核心主线，需求端的非线性增长正在带动算力、大模型、应用全产业链价值重估，重点看好技术壁垒清晰、商业化验证充分的龙头公司。推荐智谱、寒武纪、浪潮信息、海光信息、中控技术等龙头公司。

风险提示：技术迭代不及预期风险；商业化落地不及预期风险；行业竞争加剧风险。

1.1  计算机板块年初至今涨幅位居全行业中游

截至2026年6月17日，计算机板块年初至今涨幅13.51%，处于A股所有板块第10名。

截至2026年6月17日，计算机板块涨幅前20家公司细分领域分布相对集中，主要集中在算力、物理AI、AI Agent等领域。

截至2026年6月17日，计算机板块年初至今涨幅13.51%。分市值区间看，500亿以上市值公司涨跌幅平均数为20.18%；50亿以下市值公司平均涨跌幅为-16.64%。

市值500亿以上的涨跌幅平均数：20.18%；

市值200亿-500亿的涨跌幅平均数：14.67%；

市值100亿-200亿的涨跌幅平均数：-5.26%；

市值50亿-100亿的涨跌幅平均数：-8.02%；

市值50亿以下的涨跌幅平均数：-16.64%。

1.2  产业资本回购与激励持续进行

2026年1月1日至6月17日，计算机板块共有32家上市公司实施回购股份，总金额约81.58亿元；共21家上市公司发布股权激励预案，以期权初始行权价格为准，总金额约为55.65亿元，总股本约2.71亿股。

1.3  基金持仓占比接近历史相对低位

通过对基金前十大重仓股进行估算，2026年Q1计算机板块（同花顺计算机指数成分股）计算机持仓比约为1.98%，较上个季度小幅下降（2025Q1~2025Q4分别为2.79%、2.52%、2.44%、2.04%）。

基金重仓股持仓数量下降，持仓集中度提升。1）绝对指标方面，2026年Q1基金前十大重仓股中的计算机公司数量为119家，低于上季度的138家 （2025Q1~2025Q4分别为197家、191家、171家、138家）。基金重仓的119家计算机板块公司多数持仓下降，分别为持仓下降62家、持仓上升57家；2）相对指标方面，持仓市值前十大公司的市值占比（CR10）为61.34%，持仓市值前二十大公司的市值占比（CR20）为79.33%。

2.1  Token“通胀”：需求端核心逻辑清晰，行业正处于快速增长期

AI Agent时代Token需求的非线性增长，或直接带来超预期的AI算力需求，Token“通胀”主线确立。

第一，从数据看Token“通胀”的基础：Token消耗量大幅增加。1）根据人民日报的报道，国内日均Token调用量，从2024年初的1000亿，到2025年底的100万亿，到2026年3月已经达到140万亿。2）根据OpenRouter平台的数据，自2025年6月第三周至2026年6月第一周，该平台每周的token消耗量由2.36万亿大幅增长至44.6万亿，增幅约为17.9倍。

第二，从价格看Token“通胀”的表现：全球计算资源呈现涨价态势。在2027财年第一财季财报电话会上，英伟达首席财务官科莱特·克雷斯(Colette Kress)表示，随着AI工厂的建设正在加速推进，英伟达的基础设施价值也在不断攀升。今年以来，H100芯片的租赁价格已上涨20%，而A100芯片的云端定价涨幅接近15%。她指出，在公司GPU的折旧年限外，客户依然能产生盈利性收入。

由于对AI GPU的需求持续高涨，Nebius近日宣布H100 GPU的按需租赁价格将从每小时2.95美元上涨至每小时3.85美元。

AI Agent时代Token需求的非线性增长，或直接带来超预期的AI算力需求，国内头部云厂商开始涨价，是需求端景气度持续提升的体现之一。今年3月以来，阿里云多次发布涨价通知：1）3月18日，阿里云发布AI算力、存储等产品调价的公告，2026年4月18日起对AI算力、CPFS（智算版）等服务价格进行调整。2）4月13日，阿里云发布公告，大数据开发治理平台 DataWorks 调整标准版、专业版用户的API免费额度并支持按量付费。3）4月15日，阿里云发布DDoS防护产品调价公告，为统一产品定价规范，2026年7月15日起对DDoS原生防护2.0（包年包月）、DDoS高防（中国内地）以及DDoS高防（非中国内地）商品的弹性95功能进行价格调整。当天，阿里云还发布了部分模型单元服务涨价通知，将对部分 MU（Model Unit）模型单元的服务价格进行适度调整。同时，腾讯、百度等云厂商也宣布开始涨价。

C端商业化验证，豆包分层付费落地，Token价值首次在C端得到明确定价。2026年5月4日豆包推出三档分层订阅服务，标志着国内C端AI正式进入"按高价值Token收费"的时代，其商业逻辑本质与传统软件形成鲜明差异：传统软件卖授权、卖功能，边际成本趋近于零；而AI卖Token使用权，每一次深度研究、PPT生成、视频制作背后都是真实的推理算力消耗。

豆包的分层付费模式具备充分的商业合理性：普通问答继续免费维持普惠和用户习惯，复杂任务收费覆盖高算力、高推理时间成本，解决了AI订阅无法像传统软件一样"买断式无限用"的核心矛盾。不同厂商C端策略也呈现分化：豆包依托庞大用户基数收入弹性主要来自付费率提升，智谱和MiniMax则凭借开发者、Agent用户等垂直高价值人群，ARPU中枢有望显著高于普通聊天订阅，长期收入天花板更高。

海外头部厂商已成功验证分层定价模式，ChatGPT、Claude、Gemini均按照不同使用强度划分价格带，其核心共性在于AI订阅本质不是卖软件功能，而是卖自主可控的Token使用权。本次豆包收费的核心意义不在于单一产品的商业化成果，而在于推动国内用户逐步建立"AI不是免费的搜索框，而是有成本、有价值、有分层的智能生产资料"的新认知，这一免费习惯的改变对于整个AI产业的商业化进程而言，远比单一产品的市场胜负更具长期价值。

2.2  计算架构革新：CPU有望成为存算协同与Agentic AI时代的核心

2.2.1  计算架构的瓶颈影响计算效率，CPU重要性凸显

大模型训练推理场景：MFU波动导致算力严重浪费。根据英特尔商用官方公众号，企业斥资搭建的GPU集群实际MFU（模型算力利用率）往往仅为40%-50%，超过一半的算力因等待任务处于空转状态。1）I/O等待引发算力停顿：GPU计算速度远高于存储系统吞吐量，训练阶段数据加载、推理阶段KV Cache搬运等操作导致GPU长期处于“等数据”状态，长上下文推理场景下该问题尤为突出。2）Checkpoint存盘效率瓶颈：大模型权重规模已达数百GB甚至TB级，定期保存Checkpoint时存储写速不足会导致整个GPU集群挂起；若出现存储故障还可能造成训练中断，直接影响业务稳定性。3）综合成本压力显著：内存与存储硬件价格上涨背景下，盲目增加存储节点的解决方案会大幅推高硬件采购、运维、能耗等综合TCO，形成持续性隐形开支。

同时，在Agentic AI时代，CPU-GPU协同失效制约落地效率。当前智能体部署同样面临“堆卡低效”的困境，佐治亚理工学院相关论文通过对五大典型智能体负载的实证测试，揭示传统“CPU搬运、GPU推理”分工模式存在协同瓶颈。

1）时序错配导致GPU空转：CPU工具处理时延在整体负载中占比偏高，GPU推理时延占比偏低，两者节奏错位导致GPU长期处于等待状态，算力无法充分释放。

2）吞吐量提升遭遇双重瓶颈：系统效率上限一方面受GPU显存容量限制——批大小提升到一定阈值后KV Cache占用显存过高，吞吐量进入饱和区间；另一方面受CPU调度瓶颈限制——多核CPU常出现核心未完全占满时吞吐量提前饱和的情况，批大小从64提升到128时，LangChain负载的CPU端摘要任务时延可从2.9秒上升到6.3秒，核心超分导致上下文切换开销大幅增加。

3）能耗结构失衡：大批次场景下CPU能耗占比显著提升，批大小为128的LangChain负载中，CPU动态能耗占总动态能耗比例可达44%，单纯依赖CPU多进程并行提升吞吐量会拉低整体投资回报率。

2.2.2  CPU在AI时代的需求有望进一步提升

巨头业绩已经开始出现拐点。1）英特尔：2026年第一季度实现营收136亿美元，同比增长7%，连续六个季度实现高于预期的营收。公司首席执行官陈立武指出，当前人工智能浪潮正从基础模型走向推理、再迈向智能体阶段，这一转变增加了市场对英特尔CPU、晶圆及先进封装产品的需求，成为公司业绩增长的核心动力。2）AMD：董事会主席及首席执行官Lisa Su博士也表示，AI基础设施市场需求持续快速提升，数据中心业务已经成为拉动公司营业额和利润增长的核心支柱，推理和智能体AI的发展正在持续拉动对高性能CPU和加速器的旺盛需求，当前头部客户需求规模已经超出前期预判，后续服务器业务增长将显著加速。AMD数据中心事业部2026年第一季度实现营收58亿美元，同比增长57%，主要得益于市场对AMD EPYC（霄龙）处理器的强劲需求以及数据中心GPU出货量的持续增长，印证了CPU与AI算力的协同需求已经成为算力行业的核心增长动力。

Arm AGI CPU正式发布，有望成为CPU市场的又一重要发展力量。Arm首次推出自主设计的量产芯片产品Arm AGI CPU，将Neoverse平台能力从IP、计算子系统(CSS)延伸至完整芯片产品，为客户提供定制化芯片开发、平台级方案集成、直接采购部署的多层级选择，适配AI基础设施快速演进需求。

Arm AGI CPU采用Neoverse V3核心，架构设计完全匹配高密度机架部署需求，风冷/液冷方案分别可实现单机架8160核、超45000核的部署规模，凭借内存带宽优势、高负载性能稳定性、单线程性能优势的三重叠加，单机架性能可达最新x86系统的两倍以上。

商用落地节奏清晰，生态支持广泛。产品已开放商用订购，参考设计符合OCP标准并将向社区开源，后续产品规划明确且与现有CSS路线图协同，已获得Meta、OpenAI等头部客户及超50家产业链企业支持。其中，Meta作为联合开发合作伙伴，将产品用于吉瓦级规模基础设施优化，与自研MTIA加速器协同运行；Cerebras、Cloudflare、F5、OpenAI、SAP、SK电讯等均为首发合作客户，将推动产品在云、网络、企业场景的AI服务落地。

根据Arm发布的财报，公司在第四财季营收达到14.9亿美元，同比增长20%；调整后每股收益0.60美元。公司全年营收同比增长23%至49.2亿美元，这是Arm自上市以来连续第三个财年营收增幅超过20%。

2.2.3  GPU与CPU深度协同是Agent时代重大趋势

AI基础设施迈向CPU与GPU深度协同的大时代。在COMPUTEX期间举办的NVIDIA GTC台北大会上，全球科技领军企业英伟达正计划采用NVIDIA Vera——首款专为AI智能体打造的CPU。

Vera CPU的推出，反映出AI工厂的性能瓶颈正从单一GPU算力转向CPU、GPU、内存和数据的系统协同。智能体从问答走向工具调用、代码执行和任务编排后，CPU承担更多控制流、数据流和调度任务，能否高效向GPU供给数据和指令，直接影响GPU利用率和Token产出。

Vera是为智能体AI和AI工厂打造的专用CPU。它既可用于独立服务器，也可作为Vera Rubin系统的主机CPU，并为BlueField-4 STX存储平台提供算力。相比Grace CPU，Vera搭载88颗Olympus核心，引入空间多线程技术，三级缓存162MB，内存带宽1.2TB/s，内存容量从480GB提升至1.5TB，NVLink-C2C从900GB/s提升至1.8TB/s，同时新增机密计算能力。

CPU与GPU的深度协同是Vera的核心价值。智能体运行中，CPU负责工具调用、代码执行、数据准备和任务调度，GPU负责模型推理和加速计算。Vera 通过第二代NVLink-C2C与Rubin GPU形成1.8TB/s的一致性互连，CPU与 GPU显存之间形成统一地址空间，降低数据搬运成本，让GPU在训练、后训练和推理中保持更高利用率。

个人AI计算平台升级中，CPU与GPU协同意义同样凸显。NVIDIA发布全新NVIDIA RTX Spark™超级芯片，重塑个人AI智能体时代的Windows PC。RTX Spark的推出，说明AI基础设施正在从数据中心进一步延伸到个人终端。 NVIDIA将RTX Spark定位为面向个人智能体时代的Windows PC平台，核心目标是让本地设备具备运行AI智能体、前沿模型、创意工作流和游戏应用的能力。其具备1 Petaflop AI性能、最高128GB统一内存，并集成NVIDIA AI与图形技术栈，使PC从传统工具型设备，向可执行任务、协同创作和本地推理的个人AI计算平台演进。

从硬件架构看，RTX Spark强调高性能、统一内存和能效之间的平衡，GPU与CPU的协同重要性再次体现。RTX Spark超级芯片由Blackwell RTX GPU与 20核Grace CPU组成，并通过NVLink-C2C实现芯片间互联。GPU侧承担 AI 计算、图形渲染和游戏加速任务，CPU侧负责系统调度、应用执行和智能体运行中的控制逻辑，二者通过统一内存和高速互联形成协同。

2.2.4  AI存算加速成为大模型竞争升级的关键

AI发展进入加速阶段，“打破内存墙”成为确定的技术趋势。据TrendForce，当算力性能的增长远超内存带宽和数据传输能力时，大量处理时间会花在等待内存数据上，而不是执行计算；当系统性能受限于数据的传输速度时，就会出现典型的“内存墙”问题。近年来，GPU等AI芯片的计算能力增长速度远超内存带宽和数据的传输效率。根据《人工智能与内存墙》研究，AI模型两年内计算能力提升了3×，而内存带宽仅增加了1.6×，连接带宽增加了约1.4×。因此，大多数计算受限于内存访问和通信效率，而非原始处理能力。

在训练侧，CheckPoint可以保障模型训练的可持续性，却因低速存入造成算力闲置。据华为《AI-Native技术与实践白皮书》，大模型的参数数量呈指数级增长，导致模型大小急剧增加，模型参数量越大，CheckPoint文件越大，由于CheckPoint中除了包含模型参数权重信息，还包含优化器、配置等训练任务信息，膨胀系数一般按6倍计算。例如，GPT-4的参数数量为1.76万亿。若使用FP16格式存储模型参数，GPT-4模型参数约为3.52TB，在模型训练过程中，模型的CheckPoint大小是21.12TB。按1min完成CheckPoint保存，5min完成CheckPoint恢复，数据并行度 DP为30，则对存储系统的写带宽需求352GBps/s，读带宽需求为2112GBps/s。总之，大模型CheckPoint检查点管理涉及繁重的存储和作业恢复时间开销，频繁的CheckPoint检查点保存，加上从最近可用的CheckPoint检查点快速恢复训练作业，成为一项严峻的挑战。

大模型训练AI集群故障概率高，故障影响大，故障发生后任务恢复耗时长，浪费大量AI算力和时间。据华为《AI-Native技术与实践白皮书》，检查点CheckPoint通过在给定时间定期保存完整模型状态的快照来帮助缓解训练的模型状态丢失问题。如果发生故障，可以使用之前保存的CheckPoint快照将模型重建到快照时的状态，以从该点恢复训练。但是，根据CheckPoint检查点保存频率，通常会导致几个小时的计算时间损失。此外，保存和恢复CheckPoint过程本身会产生大量开销，恢复时，所有节点都需要并发读取CheckPoint千亿大模型。TB级大小的CheckPoint文件保存和恢复通常会成为训练过程中的瓶颈，CheckPoint保存和恢复过程中会长时间中断训练任务，浪费大量算力和时间，考虑到大模型使用的GPU/NPU规模，以1万卡为例，故障损失将达到数万卡时。

在推理侧，影响计算效率的核心是访存，提高访存效率极为关键。大模型的推理主要包括Prefill和Decode两个阶段，据中国电信官网，Prefill和Decode两者计算类型不同：Prefill为计算密集型，时延主要由算力决定；Decode为访存带宽密集型，时延主要由访存带宽决定。PD混合部署时，两者互相干扰：Prefill时，Decode等待；Decode时，Prefill时延增加，P/D时延不稳定，资源需求更大；中国电信天翼云携手昇腾围绕大EP与PD分离技术进行深度创新，将DeepSeek 671B满血版大模型按专家维度切分到不同的NPU上，使得单卡权重占用内存比例大幅降低，权重加载耗时大幅减少，且可用于KV数据计算的内存显著增加，实现高并发、高吞吐、低时延的推理性能。

全球持续探索“打破内存墙”技术路径，目前主要分为算法压缩、存内计算/存算一体、系统级互连与池化、以存换算等不同技术路径。

2.3  系统级效率提升：超节点成为未来发展重要趋势

AI发展推动算力架构革新，国产超节点加速发展，有望成为国产算力“弯道超车”的重要机遇。AI算力与传统数据中心的计算方式有所区别，它是持续在线的智能生产系统，核心性能取决于推理、上下文处理与数据移动效率，而非仅服务器峰值算力。AI工作负载需在超长上下文中执行多步骤推理，对平台全层级能力形成压力，微小效率损耗在数万亿token规模下会严重影响成本、吞吐量与竞争力。AI计算的进步可以由三大扩展定律来体现：预训练扩展让模型学习固有知识，后训练扩展通过微调与增强学习赋予模型思考能力，测试时扩展则在推理中通过生成更多token实现深度推理。

大模型自回归推理存在 Prefill（计算密集）与Decode（内存带宽密集）两种资源需求冲突的阶段，超节点可以成为实现P/D分离的重要支撑，因此有望成为下一代AI算力架构的核心形态。在Decode阶段，决定性能的关键因素不再是GPU的峰值算力，而是其在单位时间内能够从显存中读取或写入数据的总量。这一性能直接影响着用户的另一个核心体验指标，即单字生成延迟，它决定了后续文本生成的流畅度，进而P/D分离架构应运而生，新型的超节点服务器架构实现高效物理分离，凭借强大的内部互连网络，在内部进行P/D任务的划分。同时，在互联协议端，技术的进步可以更有效实现物理带宽能力的释放。以中国移动推动的OISA协议为例，新一代互连技术已经超越了单纯“数据管道”的角色，正在向系统管理中的主动参与者演进。

NVIDIA推出的Vera Rubin POD是全球首款面向代理式AI工作负载深度优化的POD级AI基础设施平台。1）NVIDIA Vera Rubin NVL72 ： AI工厂 的核心机架级计算引擎，集成了72个 NVIDIA Rubin GPU和36个 NVIDIA Vera CPU，通过大规模NVLink铜质主干相连。2）NVIDIA Groq 3 LPX ：与NVIDIA Vera Rubin平台共同设计，可满足代理式AI的大规模上下文和低延迟需求，每个机架配备256个语言处理单元 (LPU)。3）NVIDIA Vera CPU 机架：在密集的液冷机架中集成了多达256个NVIDIA Vera CPU，可提供可扩展的高能效容量。单个机架可支持超过22500个并发 强化学习 (RL) 或智能体沙盒环境。4）NVIDIA BlueField-4 STX 机架：采用NVIDIA BlueField-4处理器，该处理器结合了Vera CPU和ConnectX-9 SuperNIC，并通过Spectrum-X 以太网网络进行横向扩展。5）Spectrum-6 SPX 网络机架：旨在加速 AI 工厂的东西向和南北向流量。可通过 Spectrum-X 以太网或 NVIDIA Quantum-X800 InfiniBand 交换机 进行配置，它能够大规模提供低延迟、高吞吐量的机架到机架连接。

浪潮信息：元脑SD200超节点是当前国内大模型推理性能领先的本土AI超节点产品之一。元脑SD200超节点搭载64张本土AI芯片运行DeepSeek R1 671B大模型时，在输入长度4096、输出长度1024的场景下，单用户token生成速度达112 tokens/s，单token生成时延低至8.9ms，是国内率先突破10ms大关的本土超节点产品，大模型推理端到端体验领先行业。

中科曙光：全场景覆盖产品矩阵，开放生态助力国产算力前行。中科曙光推出世界首个无线缆箱式超节点scaleX40。scaleX40采用正交无线缆一级互连架构，实现计算节点与交换节点直接对插，从根源上消除线缆带来的性能损耗与运维风险。scaleX40单节点集成40张GPU，总算力超过28PFLOPS （FP8精度），HBM总显存超过5TB，访存总带宽超过80TB/s，形成高密度算力单元，满足万亿参数大模型的训练与推理需求。

华为昇腾：从384超节点到万卡集群，国产算力龙头打造坚实计算底座。以Atlas 950 AI超节点为例：面向万亿参数大模型训练推理场景打造的万卡级旗舰超节点，搭载8192颗Ascend 950DT AI芯片，FP8精度总算力达8EFLOPS、FP4精度达16EFLOPS，总显存容量1152TB；互联架构升级到灵衢2.0协议，总互联带宽达16.3 PB/s。

2.4  模式创新与价值升级：从算力资源买卖到Token运营服务

Token运营成为算力租赁"下一站"的核心逻辑：1）供给端：通过Token化运营可以将不同架构、不同厂商、不同节点的异构算力统一转化为标准化的Token供给，无需用户关心底层算力硬件型号、集群部署位置等细节，只需按需购买对应数量的Token即可调用适配的大模型服务，能大幅降低用户用算门槛，同时通过动态调度提升算力资源利用率。2）商业价值：Token运营将算力租赁的商业模式从“一次性卖硬件资源”升级为“持续运营智能服务”，不仅可以通过算力-模型的智能匹配降低用户单位需求的Token消耗，还可以延伸出分层定价、套餐订阅等多元盈利模式，把原来的一次性算力收入转化为高粘性的持续运营收入。3）产业趋势：当前行业已经从前期的算力基础设施建设阶段转向算力高效调度运营阶段，Token作为AI价值流转的核心载体，逐步成为行业内较普遍认可的统一标准，算力租赁企业向下延伸Token运营服务，既能充分盘活已有算力资源的变现潜力，也能对接快速增长的AI推理、训练需求，有望成为行业发展的重要方向。

政策端双红利加持叠加需求端增长，Token运营有望进入快速发展阶段。1）国家将算力网纳入与水网、新型电网、通信网、城市地下管网、物流网并列的“六张网”重点规划，据国家发改委测算，今年“六张网“及相关领域的投资规模将超过7万亿元；工信部、国家数据局同步启动“模数共振”行动，明确支持Token技术赋能钢铁、工业母机等20个重点工业行业。2）截至2026年3月我国日均Token调用量达140万亿，较2024年初增长超千倍，以OpenClaw为代表的智能体应用推动了Token消耗量的数十倍增长。

三大运营商已完成智算底座布局，成为Token产业核心参与者。1）中国电信：明确“All in Token”战略，发布Token套餐以及三大运营商首个百亿级Token工厂集采（不含税规模约164.51亿元），智算总规模91EFLOPS，八大枢纽互访时延<12毫秒；2）中国移动：以算力基建为核心，发布Token运营生态体系 应用生态联盟，承诺开放万亿级Token体验包；3）中国联通：主打“Agent Token AI云”模式，智算规模45EFLOPS，建成7个百兆瓦级AIDC园区。

Token运营本质上不是算力的二次销售，而是实现价值的升级，其利润空间长期看有望持续扩大。以DeepSeek-V4为例，其价格有望在国产算力进步后同步下降，因此单纯的算力售卖空间长期看可能有限。Token运营更接近于“行业数据积累-大模型训练优化-高质量Token输出-用户反馈迭代”的闭环竞争，掌握重要数据集、能够稳定生产低幻觉、高专业价值Token的厂商，有望建立自身壁垒，进而提升长期利润空间。

因此，Token运营的本质是打造智能交易媒介，将AI产业链从“算力资源买卖”升级为“智能服务交易”。运营商等Token运营的核心参与者的优势是“融合连接”：中国电信Token套餐覆盖自研星辰大模型、DeepSeek、GLM等国内主流大模型；同时，运营商联合上下游厂商构建开放Token生态，覆盖产业链各环节共同做大市场。

2.5  国产算力的伟大机遇：模算协同实现全国产闭环，产业共振助力长期发展

根据DeepSeek官方文档介绍，DeepSeek V4将细粒度专家并行(EP)方案同时在英伟达GPU和华为昇腾NPU上完成验证。与非融合的强基线方案相比，该方案在通用推理任务上实现了1.50 ~ 1.73倍的加速；在强化学习（RL）rollout、高速智能体服务等对延迟敏感的场景中，最高加速比可达1.96倍。

根据DeepSeek官方公众号，受限于高端算力，目前V4-Pro模型的服务吞吐仍有限，预计下半年昇腾950超节点批量上市后，Pro价格会大幅下调。因此，V4-Pro模型与国产算力的深度适配，将成为打造“模算协同”，实现全国产闭环的重要机遇。

昇腾超节点系列产品全面支持DeepSeek V4：基于DeepSeek V4-Pro模型，在8K输入场景，昇腾950超节点可实现TPOT约20ms时单卡Decode 吞吐4700TPS。DeepSeek V4-Flash模型，8K长序列输入场景下可实现TPOT约10ms时单卡Decode 吞吐1600TPS。低时延的实现源于昇腾950代际底层架构的三大升级，包括原生精度加速、稀疏访存优化、Vector与Cube共享Memory等。

昇腾超节点方案有望发挥更大价值。1）昇腾超节点可进一步大幅提升延迟与吞吐，同时实现低成本，并兼顾万卡级别的Scale out集群规模，解决了长序列 4K到1M序列长度范围内的低延迟、高吞吐需求。该架构支持基于NAND SSU的低成本、大容量、高性能KV Cache，为长序列应用提供有效支撑。其中，昇腾 A3 超节点系列产品已实现DeepSeek V4-Flash模型单卡Decode吞吐 2000 TPS，其代表产品Atlas 900 A3 SuperPoD 液冷超节点与 Atlas 800 A3 风冷超节点采用平等架构、全局内存统一编址，点对点互联带宽达 784GB/s，提供 32 到 384 多种规格，可满足互联网、运营商、金融等行业对大模型推理超高吞吐、大并发的性能需求。2）基于昇腾A3 64卡超节点结合大EP模式部署，DeepSeek V4-Flash模型在8K/1K输入输出场景下，通过vLLM推理引擎即可实现2000 TPS的单卡Decode吞吐，且单卡吞吐仍在持续提升；针对 DeepSeek V4-Pro模型，昇腾A3也已同步支持推理部署，性能正持续优化中。

编程新范式，打造更强生态。昇腾CANN推出了PyPTO编程范式。PyPTO提供完善的Python API，使开发者能够以符合Python习惯的语法进行算子开发。

除昇腾外，以寒武纪为代表的国产厂商也都宣布第一时间完成适配。2026 年 4 月 24 日，寒武纪基于vLLM推理框架，当日完成深度求索DeepSeek‑V4‑flash（285B）与 DeepSeek‑V4‑pro（1.6T）两款开源大模型的Day 0适配，适配代码已开源至 GitHub。此次成果依托寒武纪自研NeuWare软件生态与芯片技术，结合此前对 DeepSeek 系列的软硬件协同优化，实现业界领先的算力利用率。适配从两大维度体现核心能力：

第一，快速模型迁移。NeuWare原生支持主流AI框架，联合众智FlagOS 降低适配壁垒，以 Triton 快速开发算子、CNAgent智能体全流程加速，芯片原生支持低精度格式，实现模型发布即稳定运行。

第二，极致性能优化：通过Torch‑MLU‑Ops算子库专项加速新模块，BangC 优化核心算子；vLLM支持5D混合并行等技术，深度挖掘MLU硬件特性，降低通信占比、提升推理吞吐与效率。

DeepSeek开源模型，推动“算法-芯片协同进化”国产厂商迎来重要发展机遇。DeepSeek开源推理模型引起产业变革，低成本高效能的模型开源，推动了行业的整体发展。此次DeepSeek V4深度融合昇腾等国产算力，并提出“预计下半年昇腾950超节点批量上市后，Pro价格会大幅下调”等观点，实际上侧面验证了国产算力将深度适配模型并有望大规模应用，“模算协同”有望成为国产算力发展的重要机遇。例如，此次DeepSeek V4论文《DeepSeek-V4:Towards Highly Efficient Million-Token Context Intelligence》中提出采取FP4（MXFP4）量化来加速强化学习等环节，而昇腾950系列芯片已全系支持FP4精度，寒武纪也研究并实践W4A4以及MX-FP8/MX-FP4等新型数据类型，探索并支持多种高效注意力机制。

国产算力龙头业绩保持快速增长态势。1）寒武纪：收入从2018年的1.17亿元增长至2025年的64.97亿元，归母净利润则对应从亏损转为盈利，2025年实现归母净利润20.59亿元。2）海光信息：收入利润同样是实现双高增，2025年收入、归母净利润分别达到143.77亿元、25.45亿元，同比增速分别达到57%、32%。

3.1  Anthropic引领AI大时代：10倍年化营收复合增长推升估值近万亿美元

Anthropic自2022年至今几乎维持年化10倍的ARR增长趋势，当前ARR或超440亿美元，估值规模接近1万亿美元。据华尔街见闻，Anthropic首席执行官Dario Amodei披露，公司自获得第一笔收入以来，每年收入增长约10倍：

1）2022年ARR约为1000万美元；

2）2023年约1亿美元；

3）2024年12月约10亿美元；

4）2025年9月约70亿美元；

5）2025年12月约90亿美元；

6）2026年2月约140亿美元，2026年3月约190亿美元，2026年4月约300亿美元，至2026年5月已超过440亿美元。

在收入端快速增长的同时，Anthropic利润率水平也在快速增长，预计2027年达到70% 。据The Information报道，Anthropic 2024年毛利率为-94%，主要受GPU折旧与推理算力成本拖累。2025年公司初始预测毛利率为50%，后因运营成本上升修正至约40%（计入免费用户成本后约38%）。公司设定的远期目标为2027年突破70%、2028年达到77%，接近成熟SaaS公司水平（行业平均70%至80%）。毛利率改善的核心驱动力包括：推理效率优化（prompt caching降低90%成本、batch处理提供50%折扣）、模型蒸馏降低单次推理算力消耗、以及收入规模效应对固定成本的摊薄。

专注AI Coding，企业端市占率或已超越OpenAI。据ramp数据，2026年4月Anthropic的采用率上升3.8pct达到34.4%，与此同时OpenAI的采用率下降了2.9pct至32.3%，总体人工智能采用率上升了0.2pct达到50.6%。我们认为，Anthropic旗下模型Claude及相关产品Claude Code的快速发展是该趋势的核心驱动力，据华尔街见闻，企业采购Claude的逻辑已从"创新项目"转向"核心流程"；法务、金融、咨询、客服等部门正将Claude嵌入稳定的工作链条，采购模式也从传统按席位付费转向按调用量计费；Semi Analysis指出，企业并非在试验Claude，而是将其嵌入关键业务流程，签署长期合同并持续扩大用量。

Claude模型与Claude Code产品共同构建了公司在AI编程领域的显著领先优势。据Artificial Analysis，Coding Agent指数排行前10的组合中，有6项使用了Claude模型或Claude Code产品，其中包括排名第一的Cursor CLI Claude Opus 4.7组合。与模型不同，Claude Code 是一个终端原生的人工智能代理，不专注于集成开发环境（IDE）或像 Cursor 那样的聊天机器人侧边栏，Claude Code 是一个命令行界面（CLI）工具，可以读取用户的代码库，规划多步任务，然后执行这些任务，Claude可以理解其环境，制定计划，并逐步完成该计划，整个过程都听从用户的指令；用户可以用自然语言与计算机交互，描述目标和结果，而非执行细节。给Claude（CLI）一个输入，比如电子表格、代码库、网页链接，先明确所要实现的目标，再制定计划、核实细节，最后推进执行。

Anthropic的Claude模型 Claude Code产品组合已经充分为AI时代全新软件开发生命周期做好准备。据Anthropic《2026 Agentic Coding Trends Report》、腾讯云社区，2026 年出现的趋势表明，软件开发正朝着这样一种模式发展：人类的专长集中在界定值得解决的问题上，而人工智能则负责实施过程中的具体操作；传统的软件开发生命周期阶段依然存在，但如今加入了智能体驱动的实现、自动化测试以及内联文档将周期时间从数周缩短至数小时，监控结果直接反馈到快速迭代中。

Claude Code的多智能体协作能力有望进一步大放异彩。据Anthropic《2026 Agentic Coding Trends Report》、腾讯云社区，Anthropic预测，到 2026 年，各组织将能够利用多个协同工作的智能体来处理一年前难以想象的任务复杂性，这种能力将需要在任务分解、智能体专业化和协调协议方面掌握新的技能，同时还需要能够展示多个并发智能体会话状态的开发环境以及能够处理智能体同时生成的贡献的版本控制工作流。举例来说，Fountain，一家前沿的劳动力管理平台，实现了50%的增长。使用Claude进行分层多智能体协调，筛选速度更快，入职时间缩短40%，候选人转化率提高2倍，他们的Fountain Copilot充当中央协调智能体，负责协调专门的子智能体来执行候选人筛选、自动化文档生成和情绪分析等任务。这种架构使一家物流客户将新配送中心的人员配备时间从一周或更长时间缩短至不到72小时。

3.2  主权AI重要性提升：国模当自强迎发展机遇

Anthropic最新模型Fable 5 和Mythos 5限制外国主体使用。Anthropic发布声明称，美国政府以国家安全权力为由，发布了一项出口管制指令，要求暂停任何外国主体对人工智能模型Fable 5和Mythos 5的所有访问权限，无论该人员是否在美国境内，包括属于外国公民的Anthropic员工。该命令的实际效果是，Anthropic必须立即为所有客户禁用Fable 5和Mythos 5，以确保合规。所有其他Anthropic模型的访问将不受影响。

虽然公司正遵照美国政府的法律指令，对所有用户暂停访问Fable 5和Mythos 5，但Anthropic强调自身并不认同：仅因发现了一种潜在的、范围有限的越狱漏洞，就召回一款已面向数亿用户部署的商业产品。如果这一标准在整个行业得到实施，将实质上叫停所有前沿模型提供商的新模型部署。

Claude Mythos 5和Fable 5为现阶段最强模型。 这两款模型在软件工程、知识工作、视觉、科学研究、长上下文等多领域，在几乎所有评测标准上，均表现为较高水平。同时，任务越长、越复杂，拉开的差距就越大。最大的区别在于，Fable 5内置了“安全分类器”，而Mythos 5完全没有限制。在各类基准测试及内外部评估中，Claude 5的表现较为突出。

Anthropic CEO发布《Policy on the AI Exponential》，强调垄断强AI。Anthropic CEO Dario Amodei发布AI治理论文《Policy on the AI Exponential》，强调必须组建同盟，共享芯片与半导体基础设施，同时在芯片供应链上限制对手。

Dario同时提出前沿模型不能再只靠公司自愿披露透明度，而要进入强制安全测试阶段。超过算力阈值的模型，发布前必须接受第三方评估。如果风险不可接受，政府应该有权阻止发布或撤回部署。

主权AI引领国产大模型发展：头部大模型快速迭代，自身能力提升是带动主权AI发展的重要基础。

智谱GLM-5.2全量开放，承接所有客户。2026年6月13日，在部分前沿模型突然变得不可用的时刻，智谱宣布最新旗舰大模型GLM-5.2面向GLM Coding Plan全量用户开放，覆盖 Lite/Pro/Max/团队版。GLM-5.2 API 将于下周上线，模型下周正式开源，遵循MIT协议。

MiniMax于6月1日发布M3模型。MiniMax M3在编程和智能体等专业任务上达到了前沿的能力。它使用了公司提出的全新注意力架构MSA （MiniMax Sparse Attention），最高支持1M超长上下文。M3是一个原生多模态模型，支持图片和视频的输入，并能操作电脑桌面。在 Coding 能力方面，MiniMax M3 相比M2显著增强，在 bugfix、前后端、性能优化等均接近海外闭源模型。在 Agentic 能力方面，MiniMax M3 在办公搜索、Office 能力上表现突出，在金融领域已初步可用。

MSA结构创新带来 Context Scaling，进一步增强模型竞争力。MSA是一个简洁且易于扩展的全新稀疏注意力架构，它给M3带来了1M的上下文窗口，并让context成为又一个可被scale的维度。稀疏注意力机制普遍通过增加一个初筛阶段来避免复杂度爆炸问题。与 DSA 和 MoBA 等方案相比，MSA 可以更精确为KV分块，实现更高的有效上下文覆盖。公司还在算子层直接优化，采用以KV块为外层来聚合命中query的KV outer gather Q。每块只读一次、访存连续，在M3的head配比下计算访存比显著优于通行方法，比开源的Flash-Sparse-Attention、FlashMoBA快4倍以上。

3.3  紧抓核心趋势：寻找决定模型发展的“胜负手”

3.3.1  智能上界直接决定模型价值

模型智能几乎直接决定模型价值。据Artificial Analysis测算，根据缓存命中率、输入token和输出token的价格，按选定比例混合计算得出综合价格（单位：美元/百万Tokens），模型智能较高的模型如Claude Fable 5、GPT-5.5（xhigh）输出单价达到4美元/百万tokens以上，而模型智能较低的模型如GPT-OSS-20B（high）输出单价小于0.5美元/百万tokens。

在大模型持续走向AGI之前，模型的智能或是评价模型的持续第一优先级。Anthropic的增长主引擎来自To B，其年消费超过100万美元的企业客户已经从十几家，扩大到数百家乃至千家量级，年消费超过10万美元的客户数过去一年增长了7倍。与此同时，在收入高速增长的同时，Token单价也在快速增长。

3.3.2  Token需求迎J型增长，Harness   Coding Agent成为核心赛道

Token需求或迎来一到两个数量级的“J型增长”。据上海交通大学安泰经管学院《Token经济：一场正在展开的“智能定价革命”》，Agent正在驱动Tokens需求快速增长，比如在客服场景中，一个Agent可以同时处理成百上千个对话，还能自动检索知识库、生成回复、总结记录；在软件开发中，一个任务可能被拆解为多个Agent协同完成——写代码、跑测试、查Bug、做评审，每一步都在消耗 Token；在电商和运营领域，Agent 可以自动生成内容、投放广告、分析数据、再反过来优化策略，形成一个持续运转的闭环。

Token的主要消耗主体，正在从人类转向机器；这意味着，Token经济的上限，不再由人口规模或人类时间决定，而是取决于整个经济体系能够创造的价值总量，以及背后的算力与能源供给能力，随着Agent在企业中的大规模部署，Token的需求有可能在短时间内实现一到两个数量级的跃迁，形成一次真正意义上的“J 型增长”；到那个阶段，我们看到的将不再是“人们在使用 AI”，而是整个经济系统在用 AI 自主运转。

未来国内科技产业的底层单位有望转向token，将AI产业链从“算力资源买卖”升级为“智能服务交易”，使产业链各环节（算力提供商、模型厂商、应用开发商、终端厂商）能在统一的价值度量框架下协同共赢。据中国工业报微信公众号，传统流量计费以字节（Byte）为单位，计量的是数据的传输量；算力计费以CPU/GPU时长为单位，计量的是计算资源占用。而Token作为“AI模型处理的基本单位”，计量的是智能服务的实际消耗——用户并非为传输字节或占用算力付费，而是为AI模型的理解、推理、生成等智能能力付费。

运营商全面发力Token商业化，智谱GLM作为重要模型提供方。以天翼云为例，面向开发者及中小微企业客户，中国电信提供“Token 连接 安全”一体化服务，推出基础版、专业版、旗舰版三档Token Plan，月资费分别为39.9元、159.9元、299.9元，对应每月1500万Tokens、7000万Tokens、1.5亿Tokens。

互联网大厂纷纷入局AIDE推进Token商业化变现。以腾讯为例，腾讯云 TokenHub 率先上线 GLM-5.1，并通过零配置原生集成、API 无缝兼容、Token Plan 套餐全覆盖三大路径，实现模型能力在 WorkBuddy 与全腾讯云体系的即开即用，开发者与企业无需复杂适配，即可快速解锁最强开源模型的工程级自治能力；商业化方面，面向 AI 开发与办公的Token Plan采用99元包月套餐（渠道专属包），内含1亿tokens，支持GLM-5.1、GLM-5、腾讯混元 2.0、MiniMax‑M2.5、Kimi‑K2.5等多个模型。

Harness发布，AI Coding对于模型智能上界要求持续提升。据AIGC开放社区微信公众号，Harness像是一个统管一切的基座，记忆、技能和协议围绕其有序组织，将沙盒、可观测性、评估、审批和子智能体编排等运行时机制，负责把这三类独立的外化模块无缝对接到一起，形成一个真正可治理的系统。

2026年1月，OpenClaw（龙虾）在代码托管平台GitHub上的星标数量迅速突破13万个，官网累计访问量突破200万人次，成为2026年增长最快的开源技术项目之一。随之出现的“AI-only社区”如（Moltbook），该平台在极短时间内聚集了百万个代理账号规模，这类交互天然对应更高的请求密度与更频繁的API触发。其最直接的外显变量是API调用频次与token吞吐的阶跃式抬升。得益于OpenClaw创始人Peter Steinberger的公开推荐，MiniMax旗下兼具长文本处理、逻辑推理能力及高性价比优势的M2.1模型市场关注度显著提升。

OpenClaw所代表的常驻式个人智能体正在把模型调用从单轮问答推向长链路、多工具、持续执行。截至2026年5月，OpenClaw在OpenRouter累计消耗已达6.75万亿token，日榜位居全球第2；2026年5月，M2.7在平台使用模型中消耗4360亿token，已进入龙虾生态的核心调用模型之列。截至2026年2月，M2系列文本模型日均token消耗较2025年12月增长至6倍以上，Coding Plan token消耗增长超过10倍。M2.5在复杂Agent任务中进一步体现token效率，SWE-Bench Verified单任务平均消耗352万token，端到端耗时由31.3分钟降至22.8分钟；M2.7则可在40个以上复杂Skills中保持97%遵循率，并承担内部模型自进化流程中30%—50%的工作。随着龙虾类Agent持续放大任务频次、上下文长度与工具调用深度，MiniMax的token吞吐、成本效率与开发者生态渗透有望延续高增。

多模态能力构筑AI Agent核心竞争力。在Agent时代，“谁更聪明”固然重要，但更重要的是“谁能以更低成本把强能力变成高频可用的生产力”。多模态与“视觉执行”正走向前台，Agent进入办公与生产场景后，输入不再主要来自纯文本，而大量来自截图、PDF、表格、图表、界面元素等视觉信息。在OpenClaw这种“能执行”的工作流里，用户不仅输入结构化文本，同时也伴随着截图、网页界面、报错弹窗、表格/图表或PDF页面等。

MiniMax的多模态能力辅助Agent更好地理解界面、提取关键信息、输出可执行的步骤/代码、再用截图回读做校验纠错。这让OpenClaw可以做“视觉驱动的自动化”：例如识别表格字段后自动填表、读报错截图后定位原因并改脚本、从图表中抽数并写入报告、对比前后截图确认任务是否真正完成等。MiniMax凭借自己的多模态能力，能更好地完成服务闭环、减少人工转述、快速纠错，达到更强的可交付性。

3.4  国产头部大模型的引领者

3.4.1 智谱：国内顶级基模公司，模型升级与商业化并重

中国排名第一的独立通用大模型开发商，力争打造高效率、通用化的“模型即服务”AI开发新范式。2019年，公司秉承着在中国追求通用人工智能(AGI)创新的大胆理念而创立。公司于全方位的人工智能研究中扎实交付先进技术，并稳步扩大其商业应用，以实现收入的快速增长。2021年，公司发布了中国首个专有预训练大模型框架GLM框架，并推出了公司的模型即服务(MaaS)产品开发及商业化平台，透过该平台提供公司的大模型服务。于2022年，公司开源首个1000亿规模的模型 (GLM-130B)。公司运营于大语言模型(LLM)市场，其为更广泛AI市场的一个细分领域。公司为机构客户（包括私营企业及公共行业实体）及个人用户（包括个人终端用户及独立开发者）提供通用大模型服务。

公司已建立全面的先进AI模型矩阵，在语言、多模态、智能体及代码能力方面展示出行业领先的性能。公司的模型矩阵囊括有端侧小模型、经济型模型和千亿参数的旗舰大模型等各种参数规模，可以针对性地解决特定客户需求。该矩阵提供全面功能支持，涵盖对话、通用智能体、代码生成、图像理解、文生图/视频、语音交互等各类功能，实现对各类模型应用场景的充分覆盖。智谱最新发布的GLM-5.1是支持8小时级持续工作的开源模型，也是全球范围内除Claude Opus 4.6外少数具备这一能力的模型。

公司旗帜鲜明提出“AGI商业价值=智能上界×Token消耗规模”。2025年公司推出的GLM Coding Plan凭借原生高质量工程推理能力，迅速覆盖全球，付费开发者规模突破24.2万，并在2026年2月主动上调价格30%并取消首购优惠，这种"量价齐升"态势证明市场正从盲目“价格战”转向对"技术价值"的真实认可——即通过更高阶的智能换取更确定的生产力。依托BigModel.cn，公司的MaaS平台已成为连接基础模型与产业应用的枢纽，GLM-5发布后24小时内即获得字节、阿里、腾讯等头部大厂官方接入，中国前10大互联网公司中已有9家深度集成GLM。高阶智能是当下的稀缺资源，掌握上限的模型或掌握定价权。

公司通过MaaS提供商业化服务，保证Token的分发消耗。公司的模型及智能体旨在跨多样化硬件、跨应用场景、跨业务工作流程无缝进行工具调用并执行复杂任务，支持AI原生的多模态复杂对话及深度推理。公司与基础设施业务合作伙伴携手共同设计先进的算力基础设施，使公司的MaaS平台能够提供集成计算、网络、训练通信以及推理加速能力。该合作亦使公司的模型具备广泛的适配性，支持从15亿到2,300亿参数的模型规模，并能够实现大规模、实时的跨云及芯片组部署。

MaaS商业模式具有显著的放大器效应或加速Token分发消耗。公司认为AI（终极形态是AGI）技术具有颠覆性变革力量，能适用于所有行业垂直领域与应用场景，尽管应用场景千差万别，但所需核心模型能力本质相通（如文本生成、图片理解与代码编写）。MaaS商业模型的显著优势在于能够藉助机构客户实现海量终端用户覆盖，当公司的技术帮助机构客户更好地服务其消费者时，公司便以间接却高效的方式触达并影响这些终端用户，无需自主建立、选择并维护这些关系，当机构客户推出基于公司模型的热门应用（如2025年初某头部生活方式类社交媒体应用在意外涌入大量说英语新用户时，采用的自动翻译工具），公司将间接共享其商业成功。依托MaaS平台，公司不仅依靠自身销售实现增长，更通过为机构客户提供优质模型助其更加成功，借助由此产生的集体势能获益。

MaaS商业模式特有的“环路生态”将显著优化模型的训练策略，进而带动模型升级。得益于公司MaaS平台服务的开放架构及先发优势，公司形成了链接算力资源提供商、智能设备制造商、机构客户、开发者及终端用户的繁荣生态，积累了丰富的深度洞察和多样化的真实场景应用需求，可以帮助公司更好地理解人们在不同应用场景下如何实际运用并受惠于公司的人工智能，从而有针对性地优化公司的训练策略。这构建了一个良性的飞轮效应：客户应用的持续发展，源源不断地带来更多高质量反馈，驱动模型持续优化，进一步增强模型性能，吸引更多机构客户和应用机会，自我强化的循环会不断强化平台的核心竞争力。

智谱旗舰模型持续涨价但仍供不应求，量价齐升态势证明了市场正从盲目的“价格战”转向对“技术价值”的真实认可，即通过更高阶的智能换取更确定的生产力。据虎嗅网、《IT时报》，在Agent场景的“系统提示词反复调用”这个高频使用场景中，GLM-5.1已经和Opus 4.5站在同一价格区间；从2月12日发布新一代旗舰模型GLM-5起，智谱便同步对GLM Coding Plan套餐进行调价，整体涨幅30%起，海外版涨幅更高，API调用价格涨幅为67%～100%；3月16日，智谱发布全球首个专为“龙虾”场景深度优化的通用模型GLM-5 Turbo，同步上调GLM-5-Turbo的API价格，涨幅为20%；第三次便是4月8日，发布GLM-5.1，OpenRouter显示同步提价10%；4月11日，智谱GLM Coding Plan海外版全线涨价80%～150%，Lite、Pro、Max版本的套餐价格从原先的每月10美元、30美元、80美元，分别涨至18美元、72美元、160美元（基于有邀请优惠10%折扣的价格），这个价格已经几乎等同于ChatGPT、Gemini、Claude等国外模型的订阅费。

GLM5.1是性能仅次于Anthropic与OpenAI的Coding Agent基座模型，性价比优势显著。据Artificial Analysis，Claude Code终端 GLM5.1的组合得分53分位列国产第一，是全球TOP3的Coding Agent基座模型（仅次于Anthropic和OpenAI）；完成每个任务的价格，GLM5.1仅为2.26美金，而Claude Opus 4.8（Claude Code终端）与GPT 5.5（Codex终端）分别达到4.62美金与4.33美金，具有一定性价比优势。

GLM-5.2登顶全球Code Arena评测，长程任务与代码能力进入国际第一梯队。2026年6月17日，智谱正式发布GLM-5.2大模型，该模型在全球百万用户参与盲测的前端开发评估系统Code Arena上取得全球可用模型排名第一的成绩。

从2025年初开始，智谱全力投入代码能力攻关，先后推出GLM-4.5、GLM-4.7两代代码基座，其中，GLM-4.7已成为表现较为突出的国产代码模型。本次发布的GLM-5.2聚焦长程任务能力突破，实现1M无损上下文支撑，通过扩展覆盖自动化研究、性能优化等多领域的1M Coding Agent训练环境，解决了此前同类模型上下文超过数百K后效果普遍劣化的痛点，其1M上下文下的稳定表现部分场景甚至超过Claude Opus。

长程任务基准测试显示，GLM-5.2整体表现介于Claude Opus 4.7与4.8之间，为当前排名最高的开源模型。其中在FrontierSWE测试集上仅落后Opus 4.8 1个百分点，优于GPT-5.5和Opus 4.7。实际应用中，GLM-5.2可单次承载88万tokens，独立完成覆盖Web、移动端与小程序的多端应用全流程开发交付。

代码能力层面，其在主流编程基准上保持开源SOTA，Terminal-Bench 2.1测试较上一代GLM-5.1提升17.5个百分点，数十万开发者实测反馈核心提升集中在项目级上下文承载、长程任务稳定性、工程规范遵循度、移动端开发能力四大维度。GLM-5.2还引入了effort level（思考档位）控制，可以在能力、速度、成本之间做出平衡。在相近的token预算下，GLM-5.2的Coding能力大致位于Claude Opus 4.7与Claude Opus 4.8之间。

架构创新与全栈国产算力适配同步落地，MIT开源消除产业落地核心障碍。

技术架构层面，GLM-5.2通过IndexShare创新设计，在每四层稀疏注意力层之间复用同一个索引器，将1M上下文下单位token的FLOPs降低2.9倍；同时改进用于投机解码的MTP层，将接受长度最多提升20%，训练侧依托自研Slime框架支撑大规模Agentic RL与OPD训练。本次发布的核心突破在于实现发布首日即完成全栈国产算力平台适配，已支持华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞等全部主流国产芯片，可在国产芯片集群上实现高吞吐、低延迟、大并发的稳定运行。开源政策方面，GLM-5.2采用最高权限的MIT开源协议，无地域限制，支持自由下载、部署与商用，目前已在GitHub、Hugging Face、ModelScope同步上线，vLLM、SGLang、transformers等主流推理框架均已完成适配，官方API同步上线并纳入GLM Coding Plan。

长程任务能力突破打开AI落地新场景，未来将向全自治智能体体系演进。GLM-5.2可长时间自主推进跨周期、长链路的复杂任务，除软件开发场景外，已通过AutoClaw产品落地设计、法务等知识密集型白领场景，可一次性完成数十个原型页面的自主迭代与品牌规范对齐；典型案例显示，开发者可依托其全自主完成65000行登月飞控程序的Rust移植工作。GLM-5.2的发布标志着国产大模型正式进入国际第一梯队可比区间，长程任务能力的突破将加速AI从"智能助手"向"数字员工"的业态演进。智谱明确后续将重点攻关完全自治的智能体系统，基于长程任务能力构建可自主驱动、协同作业、7×24小时运转的智能体群体，核心技术攻关方向包含Memory、持续学习与自我评判。

3.4.2  MiniMax：全模态AGI挑战者

公司基于实现AGI的终极目标，坚持自研了文本到视觉（Text-to-Visual）、文本到语音（Text-to-Audio）、文本到文本（Text-to-Text）三个模态的底层架构。坚守核心战略使得公司实现了同时在语音、视频和文本大模型上跻身世界一流。

公司区别于其他大模型厂商的另一大核心特征是最早对混合专家（MoE，Mixture-of-Experts）架构的前瞻布局。MiniMax在2023年就集中资源攻坚 MoE架构，2024 年初发布的abab 6.0是亚洲首个MoE架构的商业化文本模型。传统的稠密模型（Dense Model）随着参数量增长，推理成本呈线性上升，难以支撑C端大规模免费应用或B端高频调用。MoE架构可以凭借“大参数量、小激活量”（如M2模型230B参数仅激活10B）的特性，在保证模型智力（由总参数量决定）的同时，将推理成本和延迟降低一个数量级。

M2.7模型自行构建复杂Agent Harness，完成高度复杂的生产力任务。2026年3月，公司推出最新模型MiniMax M2.7，搭载自研的Agent Harness框架，在软件工程、复杂推理任务上性能接近顶尖水平。模型在真实的软件工程中有优异的表现，包括端到端的完整项目交付，分析日志排查Bug、代码安全，机器学习等。公司针对M2.7模型在各领域的专业知识和任务交付能力上进行了优化提升，M2.7在专业办公领域GDPval-AA的ELO得分是1,495，为开源最高。且模型对Office三件套 Excel/PPT/Word的复杂编辑能力显著提升，能更好地完成多轮修改和高保真的编辑。同时，M2.7具备与复杂环境交互的能力，在40个复杂skills (>2000Token)的case上仍能保持97%的skills遵循率。在OpenClaw的使用中，M2.7相比于M2.5也有了显著的提升，在MMClaw的评测中接近最新的Sonnet 4.6。

M2.7秉承着优秀的身份保持能力和情商，除了生产力使用外，给互动娱乐场景的创新也准备了空间。在基准测试SWE-Pro中，M2.7得分56.22%，几乎接近Claude Opus最好的水平。这一能力同样延伸到了端到端的完整项目交付场景（VIBE-Pro 55.6%）以及对复杂工程系统的深层理解Terminal Bench 2（57.0%）。

M2.7在多智能体协作上也具备原生能力：角色边界、主动质疑、协议遵循、行为分化。模型需在团队中稳定锚定角色身份、挑战队友盲区、自主决策。M2早期版本被设计为一个研究型Agent系统，能够与多个研究团队协作。它整合了数据流水线、训练环境、评测工具、跨团队协作和持久化记忆等功能，帮助研究员迭代开发更好的模型——研究员设定方向，模型负责执行构建。以下为模型迭代系统示意图:

随着M2.7模型的发布，公司将此前的Coding Plan全面升级为Token Plan，定位为“一个订阅，满足所有 AI 需求”的全模态订阅方案。Token Plan在原有编程与Agent工作流基础上，进一步扩展至文本、语音、视频、音乐、图像等多模态模型能力，所有方案均搭载M2.7模型，并根据套餐等级提供M2.7-highspeed、Speech 2.8、image-01、Hailuo-2.3、Music-2.6等模型用量支持。与此同时，公司通过Token Plan专属 API Key、Anthropic API兼容接口、MMX-CLI与Token Plan MCP，降低Claude Code、Cursor、OpenCode、Cline、Roo Code 等IDE/Agent工具的接入门槛，把文本推理、编程、图像理解、语音合成、视频生成、音乐创作等能力标准化为可插拔组件。整体逻辑是从单一Coding Agent订阅升级为“模型能力 统一订阅 协议入口”的全模态开发者平台，通过跨工具分发和订阅制收费，形成更高复用、更易规模化的ToB/开发者增长路径。

MoE架构与全模态布局是公司能够推出具备性价比的大模型产品，并支撑海量C端用户运营商业可持续性的技术基础。公司模型API定价约为海外领先竞争对手模型价格的8%，同时全模态布局使得公司不单一依赖ToC产品广告/内购或者ToB的API调用收费。多模态能力在统一架构下协同演进，有助于提高推理效率、降低单位成本，并支撑AI原生产品与开放平台同步放量，增强全球化扩展与长期商业化可持续性。

全球大模型“基于模型收入”高速扩容，为Agent商业化提供确定性增量：据灼识咨询数据，按“基于模型的收入口径”，全球大模型市场规模预计由2024年107亿美元快速增长至2029年2,065亿美元，CAGR80.7%；其中大模型应用市场预计由2024年71亿美元增至2029年1,515亿美元（CAGR 84.3%），大模型MaaS市场预计由2024年36亿美元增至2029年550亿美元（CAGR 72.7%）。“基于模型的收入”主要包括大模型应用订阅服务以及大模型API调用和授权等收入形态——对应ToC订阅/增值与ToB API/授权/交付的主流商业化路径。

MiniMax 已形成“可规模化调用   高性价比   国际化分发”的清晰商业闭环：从全球的主流大模型厂商横向对比看，MiniMax已具备“全球一席之地”的清晰定位；在OpenRouter口径下月度Token调用量显著高于多数新兴模型公司，验证其模型在真实开发者与平台侧的高频使用。更关键的是公司在定价端具备较强竞争力，M2模型输入/输出价格分别为每百万token$0.30/$1.20，在性能与成本之间形成优异平衡，明显低于OpenAI与Anthropic主力模型，体现其在推理效率与算力成本控制上的工程优势。公司不再只是区域性模型“玩家”，而是具备参与全球竞争、并持续放大份额的基础能力。

需求侧的结构性驱动：1）B端：企业级需求覆盖千行百业，随着Agentic模型更能交付优质结果、推理成本持续下降，大模型技术将成为生产力新常态、持续释放产业价值。2）C端：面向C端的互动娱乐/陪伴与内容创作，天然具备“长尾需求 高时长”的特点，具备长期变现潜力。据灼识咨询，在截至2025年前九个月内，Talkie/星野日均使用时长全球前五，且超70分钟——在ToC端，时长往往是订阅、增值与广告等变现方式的关键前置变量。

成本侧的加速器：1）行业趋势：据灼识咨询，行业平均推理成本已由2022年末约20美元/百万token降至2024年末不到0.1美元/百万token，且预计未来仍将以约“每年10倍”的速度下降——ROI门槛持续下移，有利于ToB端Agent从试点走向规模化部署。2）公司卡位：在当前全球TTS（语音合成）模型赛道中，公司凭借“第一梯队的模型表现   破坏性的成本优势”，成功卡位“高质量、高效能比”的生态位。

财务可持续性验证：投入产出效率提升 收入结构健康 利润率拐点

投入与产出优势：高强度投入可持续、商业化杠杆已显现。公司以“模型性能×成本效率”换取更高商业化弹性。2025年10月推出并开源、面向agent与编程应用的推理模型MiniMax M2；发布时在Artificial Analysis智能指数的“全球所有开源模型”中排名第一，用于强调其推理与认知能力优势。同时，M2在API定价上给出强“成本效率”信号：约0.30美元/百万输入token、1.20美元/百万输出token的价格，仅为海外领先模型成本的8%。这类“高性能 低成本”的组合通常更容易在ToB端触发规模化调用、在ToC端支撑更丰富功能形态。

投入强度不降，产出弹性提升：研发效率与费用率同步改善。公司研发开支绝对额持续增长，但研发开支/收入比例显著下降——由2023年超过2,000%降至2024年的619.1%，并进一步降至2025年的319.8%。公司明确将其解读为“在保持高水平技术投入的同时实现了收入增长”。销售及分销开支占收入比例也从2023年的659.7%持续下降到2025年的65.7%。

可持续性收入：公司收入由B2C（订阅/增值/广告等）与B2B（API/授权/企业服务）双引擎驱动。目前MAU、付费用户与付费企业客户均在稳步提升，且“基于模型收入”（应用订阅 API/授权）的行业大盘处于高增阶段，为中期持续扩张提供外部条件。

毛利率改善与研发费用率、销售费用率收敛同步出现。凭借模型智能与推理效率提升、基础设施优化，以及更强的商业化杠杆实现收入增速显著快于研发增速。若该趋势延续，公司的“高投入研发”与“规模化商业化”之间的张力有望持续缓释。

从多模态创作能力、产品化速度与用户体感三大维度看，MiniMax均表现优异。在多模态方向，公司不仅覆盖文本、语音、图像，更在视频生成等高算力密集场景实现规模化落地，相关模型在真实平台侧形成稳定调用量，体现其在高效、低延迟与成本控制上的系统性优势。产品化层面，公司并未停留在“模型发布”，而是快速孵化出Talkie、海螺AI等具备明确用户定位的原生产品，实现从模型能力到可变现产品的高效转化，商业闭环清晰。

用户体感上，MiniMax强调低延迟、高一致性与性价比，在价格显著低于 OpenAI、Google等的主力模型的情况下，仍能支撑高频调用与长时交互，验证其底层架构与推理系统的成熟度。MiniMax的核心竞争力不在单点指标，而在于“多模态能力×产品工程化×全球化分发”的协同放大，已具备与国际头部“玩家”长期竞争的现实基础。与此同时，OpenRouter榜单中Hermes Agent、OpenClaw都已位居APP & Agent用量前列。Harness并不完全等同于Agent，而是把大模型包装成可执行任务系统的工程底座。Agent面向用户负责理解意图、规划任务和交付结果；Harness则在后台负责工具调用、权限管理、长期记忆、上下文维护、文件/命令执行、反馈评估和安全边界，相当于让模型从“会说话”升级为“能干活”。OpenRouter上Harness类应用起量快，本质是因为 Agentic工作负载天然高Token消耗：一次任务会拆成规划、检索、工具调用、多轮校验和代码/文件处理，远高于普通聊天；同时OpenClaw、Hermes等开源/可插拔框架降低了开发者接入多模型和多工具的门槛，快速形成用量飞轮。

M2.7的低成本、高吞吐、长上下文、工具调用稳定性和代码/任务执行性价比会更适合Harness场景。我们认为，若 MiniMax持续自研Harness，并让Harness与旗下所有模型共同训练、评测和迭代，有望形成“模型理解Harness、Harness反哺模型”的正循环，壁垒从单纯模型参数扩展到工作流数据、工具链适配和执行经验沉淀，长期粘性有望高于普通 API 调用。

综上所述，全球化布局进一步提升了公司商业化的可持续性：公司不再只依赖国内单一流量池，而是通过Hailuo、Talkie等产品在海外创作者、AI 陪伴和视频生成场景中验证付费意愿，从而扩大收入来源并摊薄模型研发与推理的成本率。同时，海外市场具备更成熟的订阅付费习惯和更高的内容创作工具ARPU，一旦公司形成“模型能力 产品入口 创作者生态 Agent/Harness工作流”的闭环，其商业化有望从阶段性高增转向更稳定的全球用户资产沉淀。

4.1  制度性优势引领，AI应用建设有望加速

2026年工信部、国家数据局联合启动 “模数共振”行动，搭建了从数据到模型到场景的完整闭环路径。1）数据基础，分行业建设通识和专识两类高质量数据集；2）模型开发，基于通识数据集研发掌握行业技术机理的共性行业模型，针对细分场景研发专用模型或具备自主规划执行能力的特色智能体；3）协同载体，打造“模数共振”空间作为跨主体数据可信流通、模型协同训练的公共平台，同时引导算力、模型、数据、应用全链条企业组建创新联合体，打造行业赋能“样板间”。行动还配套了模型评测、人才培养、标准建设等生态保障，设置了清晰的量化指标和时间节点，确保到2026年底真正形成“数据驱动模型迭代、模型落地反哺数据优化”的良性循环，推动AI从单点试用走向全行业系统性赋能。

《关于推进行业高质量数据集建设行动的实施方案》是"十五五"规划期间国家层面推动人工智能与数据要素协同发展的核心纲领性文件。文件承接前期"模数共振"行动部署，围绕行业高质量数据集供给、流通、应用全链条，推出六大专项行动，明确到2028年底建成一批覆盖重点领域的高质量数据集体系，其中探索以词元（Token）为基础的数据价值体系、开展词元交易等创新模式，是本次政策最突出的制度设计突破。

AI应用规模化趋势已现：根据量子位数据，2026年4月，量子位智库统计入库的国内AI应用中，Web端总访问量突破 9亿，APP端总下载量超过 2.4亿。

以AI编程为例：6月16日，SpaceX已与AI编程工具Cursor的开发商Anysphere签署最终合并协议，将以全股票交易方式完成收购，对Cursor的隐含估值高达600亿美元。Cursor的ARR从2025年1月的1亿美元升至2025年6月的5亿美元，到2026年初已增长至20亿美元。

4.2  垂类大模型的典范：从工业到金融，深耕细分领域凸显自身价值

4.2.1  工业：SaaS 大模型打开行业成长新空间

工业大模型正在推动中国工业智能化改造进程，催化价值分成的产业生态，SaaS 大模型商业模式有望迎来超800亿元市场。据亿欧智库，工业大模型与制造业的合作模式正在发生改变：1）合作模式从基础协作升级为深度联合建模，推动数据、知识、算法和知识产权的全方位融合，最终形成稳定的利益共同体，实现更紧密的长期合作；2）商业模式发生显著转变，传统的授权费和项目制合作占比持续下降，基于实际价值创造的分成模式逐渐成为主流，这种变化更有利于合作双方的风险共担和利益共享；3）合作场景从通用领域下沉到核心生产工艺等关键环节，这对合作双方的工业专业知识和核心技术融合能力提出了更高要求，需要具备将AI技术与行业know-how深度结合的能力。因此，SaaS AI的商业模式有望成为新时代的主流，亿欧智库预计到2030年SaaS AI带来840亿元市场空间。

中控技术率先落地订阅制产品，通过会员订阅 线下5S店 线上商城的产品组合全面捕捉市场机遇：1）公司会员订阅制以降低客户的投资成本并全方位满足其多样化的需求：引入Token作为代货币，以产品价值重新定义软件价格，客户登录平台即可实现“购买、激活、兑换、签收、开票”等全自助使用，更加规范化、标准化、高效化、平台化，2024年，公司与华谊、天辰、通威等数百家大客户签约会员订阅制，实现会员订阅制业务从无到有、再到亿级的重大突破；2）线下5S店以“安全、高效、便捷”为理念，为当地客户提供工业领域端到端、门对门的5S专业服务（即Sales产品销售、Spare parts备品备件、Service服务、Specialists专家、Solutions解决方案），通过缩小服务半径和缩短响应时间，更加敏锐地感知客户需求；3）线上商城创新融合企业中心与商城中心双核架构——企业中心深度整合客户管理系统、设备运维、检维修工单及供应链数据，实现全要素数字化管理，商城中心汇聚SUPCON自研产品、第三方产品、智能软件及行业知识库，构建多维度产业生态。

订阅制创新商业模式下，中控技术有望在海量客户群体中快速渗透，实现订阅制收入的快速增长。我们根据以下信息对公司2026-2028年订阅收入进行测算：

公司2025年年报披露，公司流程工业客户超3.9万，2024年创始人褚健在接受《财经智库》采访中表示，未来希望中控的客户数量可以很快达到5万；

公司开展订阅制百万至尊会员制度，据2024年7月，中控落地首个订阅客户华谊工程，我们推算ARPU达到100万/年；

参考亿欧智库工业大模型渗透率数据，我们预计中控AI订阅整体渗透率2026-2028年分别为3%/6%/12%（起步晚，渗透率略低于行业渗透率）。

根据上述信息进行测算，我们认为中控技术在2026年有望实现13亿订阅收入，2028年订阅收入有望达到56亿元。该测算结果与公司股权激励目标（2026-2028年10/25/50亿的工业AI收入目标）近似，属于合理测算。

4.2.2  Agent Payment打造新时代支付模式，迎接Agent助理时代

Agentic Payment时代开启，行业分多个阶段进行探索。现阶段Agent智能能力持续提升，主流大模型已经具备了强大的推理能力、精准的规划能力、灵活的工具调用能力，以及多智能体协同能力的“决策能力”，但对于执行交易能力还有欠缺，仍无法自主完成“付款、预算管控、授权验证、链上清算”等一系列金融行为。能完成机器对机器支付的Agent Payment提上日程。

Agent Payment除支付能力问题外，信任问题尤为重要。AI支付不仅涉及动作本身，还包括授权、责任、风控、合规与清算。因此，Agentic Payment 不可能一步进入“完全由机器执行支付”的状态，更可能沿着一条逐步释放权限的路径展开。

Agent支付可分为几个阶段：第一阶段：AI 先参与决策，但不触碰支付。第二阶段：AI 可以触发交易流程，但人保留最终确认权。第三阶段：AI 拿到有限边界内的授权额度。第四阶段：AI 拥有原生可调用的钱包或支付账户。第五阶段：机器对机器的连续交易成为新常态

Agent Payment体系庞大，多行业公司参与。Agent Payment行业多领域公司参与，参与的公司可包括此前从事网络支付、支付入口等科技企业。Agent 层级可包括多支付协议层、货币层、支付层等环节。体系庞大可容纳多领域公司参与。现阶段，行业正在从第一、第二阶段往第三、第四阶段推进。

行业重要参与力量：支付宝。2026年5月，支付宝正式推出覆盖授权、支付、结算、管理、安全的全栈AI原生支付体系，成为全球首个大规模商用的AI原生支付基建，目前已完成3亿笔智能体支付，支持95%主流智能体框架。其通过AI付、AI收、Token Pay、AI钱包四大产品矩阵，分别解决用户放心授权支付、商家接入全网智能体流量、模型厂商Token付费、全流程支付管控四大核心需求，同时配套“你敢付我敢赔”的安全兜底承诺，将资损率降低至亿分之一，为智能体经济建立了基础信任机制。

针对线下实体商业，支付宝同步将遍布全国百万门店的“碰一下”智能终端升级为门店级AI合伙人，推出商家经营智能体“晓雨”，可自动诊断经营问题、生成营销方案并推动执行。目前已落地千店千策、爆品营销、线上获客等多个场景，其中与河南喜盈门超市合作的爆品营销Agent，4周内实现自有品牌啤酒销量破100万瓶、单日客流量增长1万人；北京快餐品牌小胖通过淘宝闪购Agent实现7天累计1万次外卖曝光，低成本完成线下到线上的流量转化。同时AI收的落地也打开了长尾供给的商业模式，个人可将自身经验封装为智能体服务实现变现。

Circle推出 Agent Stack产品， Agent Payment初现雏形。根据Circle 2026年5月11日发布的官方公告，Circle Agent Stack初期包含五大核心组件：Agent Wallets（智能合约钱包）、Agent Marketplace（服务市场）、Circle CLI（命令行界面）、Nanopayments，以及Circle Skills，五大组件协同发力。

Circle正式发布Agent Platform，为Agent支付与USDC交易建立链接，Agent拥有自己的钱包。为 AI Agent 提供原生USDC钱包与 x402 支付协议，使其能自主发现、购买和调用付费 API 服务。Payment as Authentication（支付即认证）概念逐步确立，当 Agent 能够为服务付费时，Agent就不再是被动的工具，而是具备经济行为能力的数字主体。

新大陆作为支付链条全覆盖企业，有望受益行业变化，成为AI Agent Payment代表性公司。公司在消费端有POS机等端侧硬件接入支付消费端口，支付体系中从事收单业务，同时凭借多年收单业务积累的数据开发了支付大模型，并开发多类Agent服务整条支付链上的合作伙伴。底层支付端口打通，AI支付体系完善，后续随着行业向Agent之间支付发展，公司可凭借此前积累优势卡位AI Agent Payment赛道，有望成为该赛道代表性企业。

新大陆国通星驿首发支付行业专属大模型。星驿支付专属大模型以阿里云千问系列大模型为技术底座，深度融合国通星驿自有的海量数据，通过监督微调、知识蒸馏等核心技术，实现小型化、轻量化部署，具备快速理解支付行业知识、精准解析商户经营及交易行为特征等核心能力。

依托星驿支付专属大模型，国通星驿自研星驿智能体开发平台LLMOps，成功开发小驿秒哒、AI生意有数、AI商户审核助手、AI营销助手等智能体，并在此基础上逐步搭建支付行业MCP广场，面向SaaS软件开发商、聚合支付服务商、银行及商户开放MCP服务，持续推进支付行业智能体生态圈的构建。目前，国通星驿已在阿里云点金平台上线部分MCP服务，让AI能力更高效地触达支付产业链各环节。

AI业务实现商户经营及交易行为分析，实行以token收费的商业模式。公司相关模型通过快速理解支付行业知识、精准解析商户经营及交易行为特征等核心能力，提供给商业伙伴实现以token收费的商业模式，单日调用量近6亿。公司已经发布30多个智能体，覆盖营销、审核、数据、客服、风控等领域。公司同时聚焦于AI营销产品的商业化落地，在个性化营销素材生成的基础上新增营销活动方案策划、AI定制优惠券等功能，将AI产品嵌入支付、营销、经营分析、会员管理等商户核心经营流程，AI商户审核已实现全场景覆盖并将判断准确度提升至98%以上，可接管超70%的人工需求。公司产品可一键生成营销策划和海报/视频/数字人，分发核销优惠券，从而完成从营销到支付闭环增收。

烧烤店案例: 烧烤店老板可通过APP中的AI营销助手生成营销海报。营销生成的海报中带有需通过星驿付APP支付的二维码，在支付过程中星驿付APP发放营销优惠券，从而在餐饮行业完成了从营销到支付闭环增收。AI营销助手可生成优惠券方便后续使用。澡堂视频营销案例: AI营销助手生成营销视频。澡堂老板通过公司APP AI营销助手生成营销视频，可一键上传各大社交平台。在上传完视频后，后续可将AI营销助手X支付数据相结合，从而对营销活动进行效果分析。同时，客户在消费完后亦可将宣传视频在个人社交媒体上传传播。通过AI营销视频的商业模式，完成了从营销到支付到后续营销结合支付数据进行效果分析的完整闭环。零售店销售: 公司AI营销助手生成数字人口播，可帮助不善言辞的店主进行商品宣传。店中的星驿付亦可支持外卡支付。公司已实现的案例：公司AI营销助手结合哈尔滨冰雪经济，通过营销结合支付的模式，已实现多家线下门店营销转化率提升案例，完成了从营销到支付闭环增收。

5.1  行业投资建议

Token“通胀”是本轮AI产业行情的核心主线，需求端的非线性增长正在带动算力、大模型、应用全产业链价值重估，重点看好技术壁垒清晰、商业化验证充分的龙头公司。推荐智谱、寒武纪、浪潮信息、海光信息、中控技术等龙头公司。

5.2  重点公司

5.2.1  智谱

公司是国内头部独立通用大模型开发商，技术壁垒深厚。公司脱胎于清华大学，汇聚了国内顶尖AI人才，构建了覆盖语言、多模态、智能体、代码能力的全品类先进模型矩阵，产品性能行业领先。根据第三方机构Artificial Analysis的评测数据，GLM5.1是性能仅次于Anthropic与OpenAI的Coding Agent基座模型，同时具备显著的性价比优势，技术实力稳居国内第一梯队。在全球百万用户参与盲测的前端开发评估系统Code Arena上，GLM-5.2取得全球可用模型第一的表现。

公司确立了“智能上界×Token消耗规模”的商业化价值框架，议价能力持续验证。海外标杆厂商的发展路径已经充分证明，模型的智能水平是决定其商业价值的核心要素，高阶智能模型能够通过更强的生产力能力获取更高的市场定价与用户付费意愿，市场的核心诉求已从对Token价格的敏感转向对技术价值的真实认可。2026年以来公司旗下大模型经历多轮价格上调，但下游需求仍然旺盛，充分印证了产品的强议价权和市场竞争力；随着AI Coding工具的普及，行业对模型智能上限的要求持续提升，高阶模型的护城河效应将进一步凸显。

国内大模型厂商中率先深度受益Token商业化浪潮的核心标的。当前AI Agent驱动Token需求进入非线性增长阶段，需求上限已不再受人口规模和人类使用时长的约束，未来有望迎来一到两个数量级的“J型增长”。运营商与互联网大厂均已选择公司GLM系列作为核心合作模型推进Token商业化落地，公司有望凭借技术优势率先享受产业红利；同时随着推理侧技术的持续优化，公司毛利率水平有望稳步抬升，盈利质量持续改善。

投资建议：公司长期坚持“基座模型 平台 生态”的战略布局，GLM系列在全球Coding榜单长期保持领先地位，智能上界的持续领先构成了公司的核心壁垒；随着模型在Coding、Agent等核心场景的渗透率持续提升，付费Token消耗量有望实现指数级增长，商业化进程加速。预计2026-2028年公司实现营收29亿元、75亿元、206亿元，对应PS分别为239倍、93倍、34倍，维持“推荐”评级。

风险提示：大模型技术迭代、商业化落地进度不及预期，行业竞争加剧。

5.2.2  寒武纪

公司资金储备充足，业绩高增长趋势明确。2026年5月公司审议通过120亿元综合授信额度申请，可在36个月内循环使用，充分满足公司作为Fabless模式芯片厂商在研发迭代、先进制程流片、产业链协同等环节的大额前期投入需求，既体现了国产AI算力芯片龙头对未来发展前景的坚定信心，也为公司核心技术攻关与业务规模化落地提供了坚实的资金支撑。2026年一季度公司核心经营指标实现同比环比双高增，营业收入同比增长159.6%、环比增长52.7%，归母净利润同比增长185.0%、环比增长122.9%；同时经营性净现金流达8.34亿元，较去年同期大幅转正，销售回款情况显著改善；一季度末预付款项创历史单季度新高，较2025年底实现翻倍以上增长，预示后续产能端将持续扩张，业务高景气度有望延续。

高研发投入筑牢技术壁垒，软硬件协同与生态适配能力持续领先。公司持续高强度投入研发，2025年研发投入达11.7亿元，研发团队共887人，占员工总人数的80.13%，已掌握7nm等先进工艺下复杂芯片物理设计的一系列关键技术，并成功应用于多款芯片产品中；在智能处理器微架构及指令集层面，针对自然语言处理、视频图像生成及垂直类大模型等场景持续迭代优化；基础系统软件平台层面，训练软件平台通过迭代升级实现客户侧规模化应用，在框架生态、通信与系统软件等维度持续完善，有效拓展了适配模型广度、提升了模型训练性能。生态适配方面，公司2026年4月实现对DeepSeek-V4系列两款大模型的Day 0适配，同时已完成对Qwen3系列、HunYuan、GLM等主流国产大模型的适配；依托自研NeuWare软件栈，公司原生支持各类主流AI框架，结合快速算子开发能力、芯片原生低精度支持等硬件特性，适配效率持续领先行业；同时通过高性能融合算子库专项加速、vLLM框架下5D混合并行等优化技术，深度挖掘硬件特性，充分释放大模型推理潜能。

公司作为国产AI芯片龙头，模算协同产业趋势下长期成长空间持续打开。公司智能芯片及加速卡产品已在互联网、运营商、金融、能源等多个重点行业持续落地，市占率稳步提升。随着国产大模型产业的快速发展，模算协同成为行业核心发展趋势，公司与国产头部大模型厂商的适配不断加深，产品价值有望进一步凸显，成长空间持续打开。

投资建议：公司是国产算力领域核心龙头，有望充分受益于国产算力发展大趋势。预计公司2026-2028年营业收入分别为155.83亿元、264.66亿元、396.75亿元，归母净利润分别为52.30亿元、98.25亿元、156.12亿元，当前股价对应PE分别为162X、86X、54X，维持“推荐”评级。

风险提示：技术路线变革具有不确定性；行业竞争可能加剧。

5.2.3  浪潮信息

公司是国内算力产业龙头，技术壁垒深厚，龙头地位稳固。截至2025年累计全球有效专利超2万件，发明专利占比超85%，AI算力方向有效发明专利量国内第一。液冷技术优势显著，连续4年蝉联国内液冷服务器市场第一，攻克超高热流芯片散热难题，系统流阻降40%以上、换热效率升30%以上，可提供新建机房部署、存量改造全场景解决方案，兆瓦级两相液冷整机柜单芯片解热突破3000W，前瞻布局GW级AI数据中心；核心产品元脑SD200超节点单节点支持64路GPU、最大显存4TB，DeepSeek R1推理性能提升3.7倍，Kimi K2提升1.7倍，精准卡位算力系统效率升级赛道。

公司生态布局完善，产业趋势与下游需求共振下成长确定性强。作为OCP、OCTC等开放计算组织核心成员，公司深度参与行业标准制定，同时构建元脑生态体系，与166家EPAI种子伙伴合作形成可复制的AI行业落地方案。AI Agent时代CPU成为算力瓶颈的趋势明确，公司作为全球CPU产业链核心参与者，2025年一季度服务器业务全球第二、国内第一，产业链话语权持续提升；下游端，字节跳动等头部大厂算力投入与海外布局加速，美国放宽H200芯片出口限制，公司作为核心供应商有望受益。

投资建议：公司核心产品与生态优势突出，有望充分享受算力行业高景气红利。预计2026-2028年营业收入分别为2561.48亿元、4035.42亿元、5742.00亿元，归母净利润分别为48.75亿元、83.16亿元、133.28亿元，当前市值对应PE分别为26倍、15倍、9倍，维持“推荐”评级。

风险提示：行业需求释放节奏具有不确定性；行业竞争可能加剧。

5.2.4  海光信息

国产算力龙头，受益于AI算力需求快速增长与“模算协同”的双重红利。公司2026年5月完成深算3号DCU与腾讯混元Hy3 preview大模型的全面深度适配，针对大模型MoE架构、256K超长上下文等特性实现专项调优，依托成熟的DAS/DTK软件栈实现了高吞吐、低时延的优异推理表现，标志着国产算力全栈生态成熟度再上关键台阶。公司依托光合组织已凝聚超6000家生态合作伙伴，DCU已与365款主流大模型完成适配，覆盖全球99%非闭源大模型，同时通过HSL总线互联协议强化CPU与DCU协同优势，构建了深厚的产品生态壁垒。

“通用处理器 AI协处理器”的双产品线布局形成差异化竞争优势。海光CPU作为国内少数成熟商用的x86架构处理器，兼具优异性能、突出兼容性与领先安全性，已形成完整产品矩阵；海光DCU采用GPGPU架构，具备强大计算能力与数据处理能力，可全面覆盖千亿参数大模型训练及推理需求。目前公司产品已广泛渗透电信、金融、互联网等多个关键行业，服务国家税务总局、三大运营商、头部互联网厂商等核心客户，经营模式成熟高效，研发端牢牢掌握核心环节、销售端采用直销模式，与国内头部服务器厂商建立了长期稳定合作关系。

公司业绩增长态势强劲，印证核心竞争力。2025年实现营业收入143.77亿元，同比增长56.92%；归母净利润25.45亿元，同比增长31.79%，扣除股份支付影响后的归母净利润达27.68亿元，相较2023年已实现两年翻倍；2026年一季度收入同比增速超60%。

投资建议：公司作为国内稀缺的在CPU、DCU领域均具备领先优势的芯片厂商，有望充分受益于国产算力发展大趋势，预计2026/2027/2028年归母净利润分别为46.81/67.44/93.00亿元，对应PE分别为161/112/81X，维持“推荐”评级。

风险提示：行业需求释放节奏具有不确定性，行业竞争可能加剧。

5.2.5  中控技术

公司是国内工业基础模型领域的领军企业，正从传统自动化厂商向工业AI平台型企业升级。公司以DCS控制系统为起点，经过多年技术沉淀已形成覆盖控制系统、工业软件、仪器仪表及智能制造解决方案的完整产品体系，推出的流程工业首个自主运行工厂AOP体系，以时间序列大模型TPT和通用控制系统UCS为核心，构建了“识别-评估-决策-执行”的完整业务闭环，从生产、安全、运营三个维度系统性解决行业痛点，目前TPT已在氯碱、热电、石化等十余个工厂实现突破性应用。

工业大模型正推动国内制造业智能化改造加速，相关商业模式已从传统项目制向深度联合、价值共享的方向迭代。据亿欧智库测算，SaaS AI的商业模式对应市场空间超800亿元。公司是行业内较早推出工业AI会员订阅制产品的厂商，通过“会员订阅 线下5S店 线上商城”的产品组合全方位捕捉市场机遇，我们预计2026年公司订阅收入有望达到13亿元，2028年可达56亿元，工业AI商业化进程持续提速。

传统业务复苏与出海、行业扩容多点发力，公司基本盘稳固。2025年，公司先后与沙特阿美、阿布扎比国家石油公司建立深度合作，DCS、TPT等核心产品认证取得重大进展，全系列产品成功进入法国液化空气集团供应体系，控制系统产品入围阿布扎比国家石油公司合格供应商名单。国内市场方面，2025年公司持续深耕流程工业，签署了一批覆盖石化、化工、油气、电力等领域的重大项目订单，与大客户合作关系不断巩固，同时工业AI产品在中石油独山子、陕煤集团榆林化学等头部客户取得突破。

投资建议：公司是全球稀缺的工业基础模型领军者，形成了“主业筑底 工业AI破局”的双轮驱动增长逻辑：短期看工业AI规模化放量和海外业务第二增长曲线，中期看工业AI商业化持续提速，长期看公司有望成长为工业基模 执行层综合平台厂商，股权激励设定的2026-2028年10亿元/25亿元/50亿元AI收入目标也印证了赛道高景气度。我们预计2026-2028年公司实现营收92.75亿元、107.78亿元、138.25亿元，归母净利润8.65亿元、11.89亿元、16.30亿元，对应PE分别为88倍、64倍、46倍，维持“推荐”评级。

风险提示：工业AI商业化进度不及预期，下游需求释放缓慢，海外拓展进度低于预期。