熱門資訊> 正文
2025-12-03 21:57
(來源:華泰證券科技研究)
全球主流大模型集中於中美。據Artificial Analysis數據,美國頭部模型廠商包括OpenAI、xAI、Anthropic與Google;國內DeepSeek、阿里、智譜、Kimi與MiniMax較為領先。由於國內高性能算力受限,在同樣強化學習+后訓練範式下,海外模型偏向規模擴展,而國內擅長架構優化。投資建議上,把握算力、存儲、電力、應用四個方向,我們認為:1)大模型產業的基座是算力。2)隨着多模態模型的普及,存儲需求同步提升。3)電力是算力的配套,是大規模集羣上線的前提之一。4)AI應用是商業化落地的關鍵。
與市場不同的觀點
1)中美大模型差異並非技術強弱,而是算力結構決定路線:海外依託高密度集羣深化后訓練與推理擴展,國內在算力約束下以Attention優化、MoE稀疏化和長上下文重構追求單位算力效率,因此跑分不構成統一比較錨。2)AI應用落地並非遙遠,OpenAI提出統一模型、Pulse主動Agent與ACP對話內結賬已使應用從「能用」進入「可經營」,電商等高頻閉環場景率先具備規模化條件。3)市場普遍低估數據標註的價值,ScaleAI、SurgeAI等高收入與高客單價顯示標註是模型能力上限的關鍵投入;需求擴張疊加客户對獨立供應鏈偏好提升,行業定價權仍在抬升。
強化學習+后訓練範式下,中美模型迭代路徑分化明顯
大模型能力演進呈預訓練、后訓練與推理全鏈路擴展範式。早期Scaling Law聚焦預訓練(參數/數據/算力同步放大);2024年9月OpenAI發佈o系列后,強化學習系統性併入后訓練,推理端以思維鏈延長思考時間、生成更多token釋放能力。海外以xAI為代表,依託約20萬卡級集羣,持續在推理端擴算力;國內在算力受限下更側重架構與算法精修,Qwen、DeepSeek、Kimi等以注意力優化、稀疏化與MoE等提升訓練推理效率與性價比。我們認為,兩條路徑將沿各自要素稟賦持續演進。
商業化已成頭部廠商當前重心,應用與生態建設優先推進
OpenAI提出GPT-5統一模型后,后續的模型迭代更多屬工程整合、價值再提效,研發重心上移至應用與變現。OpenAI以ACP(與Stripe)實現對話內購買,首批接入Shopify、Etsy,並與Salesforce、Walmart協作,打通「發現-支付」閉環。國內側阿里Qwen以多模態與場景推動token上量;據云棲大會2025主題演講,近2-3個月Token消耗倍增、百鍊平臺過去一年日均調用量增約15倍、FY26Q1雲業務收入同比增速25.8%。我們認為,支付閉環疊加生態擴展將主導下一階段商業化。
投資建議
1)算力:預/后訓練迭代推高算力需求,OpenAI規劃算力中心合計超36GW;據SCMP,出口限制后NVIDIA在華先進芯片份額95%→0,國產供給接棒。利好海外/國產算力鏈。2)存儲:多模態/長視頻抬升容量與帶寬(圖片1MB、音頻5MB、視頻≈50MB/分)。3)電力:美國新建大型數據中心併網申請到商運的中位時長繼續增加,而礦場改造成本約500-800萬美元/兆瓦、落地更快。4)應用:OpenAI ACP實現對話內結賬貫通「觸達-體驗-支付」;國內入口卡位者更易受益:C端用户積累豐富的公司;2B領域,有多樣化企業客户的公司。
風險提示:宏觀經濟波動,技術進步不及預期,中美競爭加劇。研報中涉及到未上市公司或未覆蓋個股內容,均系對其客觀公開信息的整理,並不代表本研究團隊對該公司、該股票的推薦或覆蓋。
與市場不同的觀點
#1:中美大模型走出了差異化的發展路線
我們認為,市場以模型跑分來衡量國內外大模型技術孰優孰劣,是對國內算力供給約束的誤讀。海外依託高密度算力把后訓練與強化學習做大做深,更易拔高長尾任務基準分;國內面臨算力供給不足,並非技術不行,而是主動轉向差異化路線:以Attention本質優化、MoE稀疏化、長上下文工程重構,追求單位算力的有效產出。因此,跑分並不構成統一錨;決定路徑的變量是算力結構而非研究能力,分化由此形成並將延續。
海外路徑正將算力重心移向后訓練與推理,國內路徑在算力約束下押注架構與算法精修。xAI以Scaling Law 2.0為綱,圍繞后訓練+強化學習+算力擴張迭代Grok。而在算力供給差距下,國內頭部廠商聚焦Attention本質優化與MoE稀疏化以換取訓練推理效率:Qwen3-Next在Transformer+MoE框架內引入「75%線性注意力+25%傳統注意力」的混合注意力機制,顯著提高長上下文與大參數場景的效率。DeepSeek V3.2以DSA(動態稀疏注意力)重構算子與內核,API輸入/輸出成本相比上一代模型約-50%/-75%。
#2:AI應用的轉折點或將到來
市場多認為AI應用大規模落地仍遠;我們認為時間點正在接近,電商等高頻垂類具備先行條件。OpenAI為代表的頭部廠商研發重心由底層能力轉向應用與商業化:統一模型提供一致能力底座,Pulse把模型從被動問答推進為主動智能體,ACP對話內結賬打通「推薦-下單-履約」,疊加Apps SDK與MCP的標準化接入與分發,以及與Shopify、Etsy等合作擴展生態,「對話即入口、即時結賬」的工程與流量前提已具備。
商業化抓手成形、需求側啟動。OpenAI Pulse引入異步推理,使Agent在用户離線時持續分析與生成,算力需求由「交互次數」轉向「在線Agent數量」。在2025年10月OpenAI開發者大會上,官方把ACP對話內即時結賬確認爲生態核心,Apps SDK與MCP提供接入、控制與富交互能力;其后宣佈與Salesforce、Walmart合作擴展生態。據The Information數據,OpenAI 2030年營收預期上調至約2,000億美元,結構從訂閲/API拓展至Agent與新產品。國內側,阿里Qwen推進多模態與2B落地;據云棲大會2025主題演講,百鍊平臺模型日均調用量一年增約15倍,阿里雲FY26Q1雲業務收入增速25.8%。我們認為,「統一模型+Pulse+ACP」已將應用從「能用」推進到「可經營」,電商垂類具備流量、閉環與支付三要素,轉折點正在逼近。
#3:數據標註的重要性被低估
市場低估標註價值,海外龍頭營收與客單價已給出明確反證與強力證據。市場認為「數據標註技術含量低、價值量不高」,我們認為,高質量標註是模型訓練的關鍵投入。據TapTwice Digital數據,ScaleAI收入由2022年2.5億美元升至2023年7.6億美元、2024年8.7億美元;據路透社信息,SurgeAI在2024年營收超過10億美元並實現盈利,單筆合同與客單價多在八位數至九位數美元區間;據TechCrunch信息與Forbes數據、Sacra數據,2025年9月,Mercor年化收入快速逼近4.5億美元,2025年上半年錄得淨利潤約600萬美元。高收入與高客單價共同説明標註價值被系統性低估。
需求擴張疊加供給演變,行業空間與議價能力同步抬升。據Mordor Intelligence數據,全球AI數據標註市場規模預計自2025年約19億美元增至2030年近55億美元,年複合增長率超過20%。驅動來自更高LLM性能需求、基於LLM的Agent數據、機器人與自動駕駛感知數據、以及醫療保健與金融科技等垂直場景。供給側出現結構變化:客户對數據隔離與供應鏈獨立性的偏好增強。2025年6月,Meta以戰略入股方式取得Scale AI 49%股權后,部分大型實驗室為降低信息外泄風險傾向選擇與大型互聯網公司股權關係更疏的獨立標註方,Surge AI承接相關遷移並實現業務躍升。我們認為,高質量標註決定模型能力上限與商業化效率,在需求與結構性變化共同作用下,行業滲透率與定價權仍有提升空間。
投資建議
1)算力
算力投資主線延續,訓練與推理共振抬升需求。據OpenAI現在的算力規劃,截至25年10月,成體系大型算力中心已超30GW,奠定大模型容量基礎;頭部廠商在預訓練與后訓練持續迭代,訓練端擴容保持韌性,硬件投入與軟件優化圍繞版本與架構升級推進。Google在多國擴展AI Overview、AI Mode,25年10月AI Mode引入36種新語言/40多個新國家和地區,覆蓋逾200個國家和地區;OpenAI在2025年開發者大會宣佈打造應用生態,周活用户達8億(圖表29)。隨用户與場景擴大,推理端對吞吐與響應要求提升,算力需求走強。我們認為,推理側邊際增量更為突出,對上游提出更高併發與更低時延的配置要求。
國產算力接棒推進,供給體系趨於多元穩健。據South China Morning Post於2025年10月信息,黃仁勛指出受美國出口限制影響,NVIDIA不被允許向中國大陸公司出售先進產品,其在中國先進芯片市場份額由95%降至0。疊加國內互聯網廠商採購國產化趨勢增強,外採第三方與自研並行,有助縮短迭代、優化成本並強化自主可控,帶動本土生態協同升級。我們認為,並行策略將提升國產芯片規模化落地效率與韌性。
2)存儲
AI存儲需兼顧容量、吞吐與可靠性。訓練側重穩定寫入與快速恢復檢查點,推理側重高效查詢與即時響應,對系統擴展性與可用性提出更高門檻。硬盤用於保留模型產出、檢查點與查詢數據;SSD與內存承擔高併發低時延通路。隨模型參數與能力擴張,訓練對數據規模、豐富度與標註質量要求提升,多模態樣本需持續匯聚與留存,催生原始與清洗多副本管理與分層留存。我們認為,大容量HDD與高性能SSD協同、以容量擴充與分層優化為主,將與算力投入並行成為中長期建設重點。
視頻多模態推理驅動容量與帶寬上行。多模態成熟后,線上推理對素材、緩存與生成成品留存擴大,併發訪問與調用頻率提升。據希捷科技數據:單圖約1MB、音頻約5MB、視頻按分鍾計約50MB;隨生成視頻分辨率與時長上行,單體內容容量繼續抬升。Sora App等應用病毒式傳播提升創作者滲透率與產量,視頻生成分發依託邊緣低時延內存與SSD快速檢索與回源,推動本地緩存與中心存儲協同調度與分層管理細化。我們認為,推理端需前瞻規劃容量與帶寬冗余,邊緣存儲與SSD加速將獲增量。
3)電力
電力約束抬升算力門檻,能源成為AI時代稀缺要素。AI訓練與推理持續推高用電負荷,據彭博新能源財經(BNEF)預測,至2035年美國數據中心電力需求將由2024年的近35吉瓦增至78吉瓦,平均每小時用電由16吉瓦時升至49吉瓦時。AI與能源已「合二為一」,有效算力的度量正轉向以吉瓦為單位的供電能力。我們認為,能獲得穩定低價電力者,將在算力競爭中佔據結構性優勢。
核能被視為穩定低碳的中長期解法,海外頭部雲廠商等已簽訂多個電力購買協議(PPA)。美國電網當前面臨需求激增與多年投資滯后疊加,SMR(小型模塊化反應堆)有望成為新增負荷的重要抓手。海外頭部廠商,包括微軟、Gogole、亞馬遜、Meta均與SMR廠商簽訂了相關協議或PPA。
4)應用
AI應用是后續AI商業化落地的核心戰場與抓手。在OpenAI加速擴展數據中心的同時,2025年9月OpenAI與Stripe合作推出ACP支付協議,打通ChatGPT內的即時支付功能,形成商業化變現閉環。首批接入ChatGPT應用生態的廠商包括Etsy、Shopify兩家電商,以及Figma、Zillow、Expedia、Instacart、Salesforce、Spotify、Duolingo等各垂類應用。
國內入口卡位稀缺、覆蓋較多2B/2C客户的標的更易受益於AI應用商業化浪潮。面向國內AI應用標的,我們延續「生態優先」的判斷框架:以平臺級入口為抓手、具備服務企業(2B)或消費者(2C)的用户結構,並能與模型、支付與分發渠道形成閉環者,更有望在應用商業化範式變化中率先兑現。此類公司通常兼具穩定的終端觸達與企業服務能力,能通過API、插件或原生場景快速嵌入,放大用户黏性與付費轉化。我們認為,入口卡位、用户結構齊備與生態協同將構成篩選受益標的的關鍵標準。
中美兩國持續引領大模型迭代
全球主流大模型集中於中美,兩國頭部廠商或長期佔據主導優勢。基於Artificial Analysis的數據與模型智能指標觀察,當前頭部模型整體由美國陣營領跑,海外最具代表性者為OpenAI、xAI、Anthropic與Google;曾在開源方向表現突出的Meta,受Llama 4系列推進不順等因素影響,模型性能階段性落后。國內方面,從模型性能維度評估,DeepSeek、Qwen(阿里系)、智譜模型位居前列,Kimi與MiniMax等亦處於國內較為領先的行列。騰訊、百度的模型沒有被納入排行榜單,但其模型依然各有特色。我們認為,上述格局反映了中美在基礎模型與工程化推進上的綜合優勢。
客觀看待大模型幻覺與排行榜結果。OpenAI論文《Why Language Models Hallucinate》指出,模型幻覺源於訓練與評估目標錯位,反映當前「刷分」現象背后的機制。論文顯示,現有訓練體系往往獎勵模型在不確定時仍作出回答,而非承認「不知道」,導致模型更傾向「猜測」而非求真。幻覺因此並非偶發性錯誤,而是統計學習以語言分佈為目標的自然產物,與事實正確性並不等價。要減少幻覺,需要在評估機制上轉向激勵模型表達不確定性、懲罰誤導性回答,而非單純追求更高得分率。我們認為,這一機制偏差解釋了部分模型評測得分高但實際體驗不佳的原因,反映了模型能力與真實可用性間的結構性落差。不過,當前階段,大模型排行榜依然是直觀對比不同模型性能的較好選擇。

Google當前擁有較為全面的全棧模型軟硬件能力,其他玩家強化補短。據Artificial Analysis數據,以四維能力矩陣系統評估全球大模型主要競爭者的能力與定位現狀,框架涵蓋最底層的硬件支撐、其上的雲服務能力、進一步的技術模型能力以及面向終端的頂層應用四個維度。從現階段表現看,Google在上述各維度的能力佈局相對均衡且覆蓋面廣,體現為底層自研硬件(TPU系列)到應用的端到端一體化優勢。相對而言,其他玩家也在逐步補齊短板,如OpenAI在底層定製化硬件方面暫處於落后位置,但是據路透社信息,OpenAI已宣佈與博通合作開發新一代ASIC芯片,以期強化算力與成本控制的基礎能力;國內DeepSeek V3.1及之后系列、智譜GLM 4.6在Day0即適配了國產芯片。我們認為,當前大模型玩家格局呈現「Google更全面、其他廠商強化補短」的階段性特徵。

Google在多模態模型領域的綜合實力突出,技術積累構築長期競爭壁壘,實現多點開花。對比海外主要廠商,OpenAI以文本生成和圖片生成為核心,並拓展至實時語音及視頻生成(Sora系列),但產品迭代節奏相對分散,如Sora於24年2月發佈,直到12月才上線,25年10月更新Sora 2;Anthropic聚焦純文本及部分視覺理解,多模態生成能力有限;xAI同樣以文本生成為主,尚未正式發佈視頻生成模型。相比之下,Google依託多模態融合及跨領域研究的深厚儲備,具備系統化的模型開發與算力調度能力,圖像(Gemini Image系列)、視頻(Veo系列)、機器人(PaLM-E、Gemini Robotics系列)多點開花。我們認為,Google的多模態佈局覆蓋面廣,技術底座穩健,為后續模型代際躍遷奠定基礎。
Gemini 3作為Google多代技術積累的集中釋放,驗證預訓練與后訓練仍具顯著提升空間。回顧迭代節奏,Gemini 1以原生多模態與長上下文能力擴大模型可處理的信息類型與規模;Gemini 2進一步奠定面向複雜任務的Agent能力框架,帶來更高質量的推理與任務分解。在此前提下,Gemini 3實現多模態理解、Agent能力與Coding能力的全面釋放,構成更成熟的能力體系。據Google官網信息,Gemini團隊在預訓練階段取得階段性躍升,未呈現外界擔憂的規模化受限跡象。與此同時,包括強化學習在內的后訓練仍具進步和改進空間。兩條路徑共同塑造了Gemini 3的綜合性能進展。Gemini 3 Pro在多模態理解和生產力應用場景表現突出,其中Vending-Bench 2基準顯示,其在長時序運營模擬中能夠保持穩定的工具調用與決策節奏,實現更高回報且未偏離任務目標。


Google前期在模型發佈節奏上較慢,主要源於大型企業內部的結構特徵,目前陣痛期已過。過去兩年,Google模型迭代速度不及OpenAI(2024年9月員工3000人以上)/Anthropic(2025年5月員工1300人左右)等初創公司,原因在於其公司人員規模大(截至25Q3共有190,167名員工)、內部多條業務線並行、決策鏈條較長,導致產品落地周期相對延后。然而,這種節奏背后體現出研發體系的系統化與安全審慎。一旦內部多項目成果集中兑現,往往能形成「多點開花」的局面,帶來技術與產品層面的顯著突破。我們認為,Google在大模型迭代上的滯后並非能力不足,而是戰略穩健與組織複雜性使然,后續一旦節奏提速,其潛在創新爆發力值得關注。
Transformer架構依然主流,Diffusion值得關注
當前全球大模型仍以Transformer的decoder-only架構為核心主流。儘管近年來陸續出現如Mamba、KAN等新型網絡結構,但尚未在工程實踐中形成主導地位,Transformer體系依舊佔據核心位置。我們認為,在可預見階段內,Transformer仍將是大模型研發與優化的基礎框架,其生態與工具鏈優勢將繼續鞏固主導地位。

我們認為,未來仍可能出現替代Transformer的新型架構。儘管Transformer自2017年提出以來已成為主導範式,但其真正獲得全球關注與驗證是在2023年底ChatGPT問世之后。回顧這一歷程可以發現,技術範式的更替往往具有滯后性,新的架構或已在研究階段出現,只是尚未進入廣泛應用周期。我們認為,隨着模型規模、算力利用和推理方式的進一步演進,未來在特定時間點上,或將出現性能與效率兼備、並能超越Transformer的新一代主流架構。
Diffusion架構正被重新審視,其在生成領域的應用邊界正逐步擴展到文本領域。Diffusion架構本身並非全新技術,主要用於圖像與視頻生成。2024年初Sora的發佈,展現了Diffusion與Transformer結合的潛力,顯著提升了視頻生成的一致性、分辨率及時長表現。25年5月,Google首次嘗試將Diffusion算法用於文本生成,發佈Gemini Diffusion預覽版,字節隨后也推出Seed Diffusion以跟進相關方向。Diffusion的優勢在於Token生成速度快(字節Seed Diffusion專門用於代碼生成,其推理速度達到2,146 token/s,比同等規模的自迴歸模型快5.4倍),且生成后可進行精細化修改,而Transformer基於Next Token Prediction的生成方式則缺乏這種可回溯調整能力。我們認為,儘管Diffusion能否取代Transformer成為主流尚待驗證,但其在頭部廠商中的探索已具前瞻意義,值得持續關注。



Scaling Law 2.0下,中美模型迭代的差異化路徑
Scaling Law 2.0含義更加豐富,數據、算力持續攀升
「Scaling Law」作為Transformer體系的核心邏輯,正從單一階段演進至多階段範式。早期的Scaling Law主要聚焦於預訓練階段,通過擴大模型參數、數據規模、算力規模實現性能提升,可稱為1.0階段;而自2024年9月OpenAI發佈o系列模型以來,強化學習被系統性引入后訓練流程,標誌着Scaling Law進入2.0階段,即在后訓練環節繼續擴大算力與數據投入,使模型在強化學習中形成可擴展的能力增益。進一步地,在推理階段,模型通過思維鏈(Chain of Thought)方式開展推理,用户可在實際使用中使用更多算力以延長思考時間、生成更多token,在推理中充分釋放已習得的強化學習能力。我們認為,這種從預訓練到后訓練再到推理端的全鏈路擴展邏輯,構成了當前大模型性能演進的主線框架,也是2025年黃仁勛在GTC大會上所強調的關鍵趨勢。


MoE之后,推理模型成為主流選擇
頭部大模型整體呈現推理強化與MoE並行的雙特徵趨勢。具體看,在混合專家(MoE)架構,便於沿參數規模規律擴展(Scaling Law)潛力,同時推理時按路由僅激活部分專家,降低單位開銷,兼顧效率與性價比,由此成為頭部模型實踐的優先選項。2024年下半年,隨着OpenAI的o系列「推理模型」在預訓練后引入強化學習等后訓練以糾偏優化,推理階段進一步給予更高算力與更長思考時間,以換取複雜任務上的性能改進。我們認為,推理階段的資源調度與MoE的擴展效率將繼續支撐性能提升。


大模型訓練數據量持續提升
訓練數據Token規模持續走高。據Artificial Analysis統計,典型開源模型的訓練數據常見在10-15萬億tokens,被視為可免費獲取並高質量清洗后的網絡數據量級。頭部廠商通過新增標註與合成數據等方法持續擴容訓練數據tokens,新近模型的訓練tokens繼續上行:例如阿里Qwen系列由18萬億(24年9月Qwen 2.5)提升至36萬億(25年4月Qwen 3),Meta在訓練Llama 4 Scout時引入部分社交數據,使總體訓練數據約達40萬億。我們認為,隨「垂類」數據與新標註數據的不斷累積,訓練tokens仍將增加,且從模型泛化性和性能表現來看,OpenAI、Google等頭部模型的訓練規模或高於公開口徑。

訓練算力與訓練成本保持快速增長
從全球前沿模型的訓練趨勢來看,算力投入的增長仍是推動大模型性能演進的核心動力。根據Epoch AI在《Training Compute of Frontier AI Models Grows by 4-5x per Year》中的測算,2010年至2024年間,具代表性的前沿模型訓練所需算力的年均增長倍數約為4-5倍。這一趨勢在主要科技企業的旗艦模型中表現一致,顯示出業界對算力擴展的持續依賴。值得注意的是,最頭部的語言模型的增長趨勢更快,在2017年6月至2024年5月期間,其增長速度高達每年9倍。從2025年發佈的新前沿模型來看,仍然沒有放緩。總體判斷,在當前階段,算力仍是大模型能力演進的底層約束與增長引擎,其年均4-5倍的擴張速度構成了行業發展的核心節奏。

從訓練成本趨勢來看,前沿模型的資金投入正快速攀升。根據Epoch AI的研究《How Much Does It Cost to Train Frontier AI Models》,2016-2024年中具有代表性的前沿模型訓練成本年均增長約2.4倍(區間為2.0-3.1倍),若按雲端算力租用價格計算,增速約為2.6倍。當前訓練成本結構中,AI加速器硬件與研發人力支出佔比最高,分別約為47-67%與29-49%。若這一增長趨勢延續,預計至2027年前沿模型的單次完整訓練成本或將達到十億美元量級。我們認為,訓練成本的持續攀升將進一步抬高進入壁壘,強化頭部廠商的領先優勢,同時促使行業在硬件能效、算法效率及架構創新方向加速突破,以在性能與成本間尋求平衡。

模型性價比提升的趨勢不變
大模型API價格延續下降,但未發生「智能性-價格」倒掛現象。當前看,各家在新模型發佈后通常同步下調API費用,整體價格呈持續下行態勢;從「智能性-價格」關係看,智能性更強的模型定價仍更高,尚未出現高智能卻更低價的倒掛情形。我們認為,隨着模型效率迭代與供給增加,價格下行趨勢仍將持續。

Scaling Law 2.0下,中美模型迭代的差異化路徑
海外:xAI持續踐行「大力出奇跡」,緊抓后訓練和強化學習
Scaling Law 2.0以「后訓練+強化學習」為核心路徑,Grok迭代驗證該方向。圍繞xAI的發佈節奏可見Scaling Law側重的遷移:Scaling Law 1.0階段,對應xAI自Grok 2到Grok 3的迭代,主要通過將預訓練算力擴大約10倍帶來性能躍升;Grok 3的推理模型標誌着Grok模型進入后訓練階段;至Grok4發佈,其后訓練(Reasoning)相較Grok3再度將算力放大約10倍,使得后訓練算力需求接近預訓練。從目前頭部模型迭代進度看,后訓練的算力需求還有可能繼續增加。據xAI官網,Grok 4依託20萬卡級別的Colossus大規模集羣進行訓練,因此,持續擴大后訓練的模式與海外更高密度算力核集羣稟賦相匹配。我們認為,Scaling Law 2.0體現出算力重心由預訓練向后訓練與推理環節遷移,並對高密度集羣供給提出更高要求。
Grok 4.1在強化學習獎勵範式上引入Agent模型獎勵,並繼續在后訓練算力上有數量級提升。Grok 4.1延續「預訓練+強化學習」的總體路徑,但在后訓練環節進行了關鍵範式調整。據xAI官網信息,本次迭代沿用了Grok4的大規模強化學習基礎設施,並針對強化學習中不可直接驗證的獎勵信號進行了優化,採用具備Agent推理能力的模型作為獎勵模型,使系統能夠實現自動化評估與響應迭代。Grok4.1在偏好度測試中達到64.78%,呈現出更符合用户交互偏好的輸出特徵。xAI訓練團隊在X平臺亦指出,其后訓練強化學習規模相較Grok4擴大了一個數量級,結合更強推理能力的獎勵模型,使模型在真實對話偏好學習、自主評分與反饋循環中持續改進。


OpenAI在后訓練Scaling領域或也進入重投入階段。儘管OpenAI未公開其在后訓練階段的具體Scaling進展,但從「Stargate(星際之門)」項目的規劃細節與算力佈局來看,其在后訓練方向的資源投入已具備顯著規模。Stargate項目的算力規劃高度完善,體現出OpenAI對后訓練階段的重視程度,以及為實現Scaling Law 2.0提出的「后訓練-強化學習」體系所需的基礎設施支撐。我們認為,作為后訓練Scaling Law 2.0理念的提出者,OpenAI當前的研發重點同樣正在從模型規模擴展轉向后訓練與推理環節的算力優化與結構化部署,進入了重投入階段。

國內:阿里、DeepSeek創新性架構優化,抓住Attention本質
國內算力受限背景下,模型迭代更依賴架構層創新。相較於海外依託NVIDIA最新GPU構建10萬至20萬卡級超大集羣的條件,國內在算力基礎設施上仍存在差距。在此約束下,基礎模型的發展更需通過架構優化提升效率。從當前技術演進看,Transformer架構在中短期內仍將是主流,其核心算法Attention機制(通過計算Tokens間相關性以預測最優輸出),構成了模型性能的關鍵環節。因此,國內頭部廠商普遍聚焦於Attention層面的優化與創新,其中以阿里的Qwen系列與DeepSeek的模型為典型代表。我們認為,在算力約束難以短期突破的情況下,架構創新與算法精煉將成為國內基礎模型競爭的主要方向。
Qwen3-Next延續Scaling大方向,通過Attention優化提升長文本與大參數效率。阿里為進一步增強模型在長上下文與大規模參數條件下的訓練及推理效率,其Qwen3-Next在保持Transformer與MoE總體框架不變的前提下,主要改進了:1)引入「75%線性注意力+25%傳統注意力」的混合機制,在兼顧長文本效率與記憶精度間取得平衡;2)顯著提升稀疏化程度,80B總參數僅激活約3B,激活率約3.7%,推理效率明顯改善;3)擴大MoE專家數量至512個,為前代的兩倍;4)採用多Token預測機制,提高訓練與推理並行度。我們認為,Qwen3-Next的創新體現出在Scaling框架下通過細粒度結構優化實現性能與成本的再平衡,這類「細節創新」或將成為后續國內大模型迭代的主要演進路徑。

DeepSeek V3.2引入Dynamic Sparse Attention,訓推效率再次有了大幅提升。DeepSeek V3.2-Exp在性能上與上一版V3.1-Terminus差距不大,並將V3.2定位為「邁向新一代架構」的中間步驟。V3.2最大的進步體現在DSA(Dynamic Sparse Attention)的引入,模型訓練與推理效率顯著提升,相比上一代模型API輸入與輸出成本分別下降約50%與75%以上(推理成本)。DSA的核心優化集中在Attention機制層,通過算子級與內核級的工程化重構,在長上下文任務中顯著壓縮訓練與推理開銷,同時儘量保持模型性能穩定,延續了以架構精修換取綜合效率提升的技術路線。我們認為,該版本體現出在算力約束下的務實取捨,既為后續架構演進奠定技術基礎,也展示出國產模型在底層優化方面的持續積累。

DSA實現長上下文推理的高效稀疏化。V3.2-Exp在原V3.1架構基礎上新增的結構改動為DSA,旨在顯著提升長上下文的訓練與推理效率。其基本思路是採用「先粗篩、后精算」的雙階段注意力機制:通過一個輕量索引器(Indexer)先對歷史tokens進行快速篩選,選出最可能相關的Top-k候選,再由主注意力模塊進行精細計算,從而將複雜度由O(L²)降至O(Lk)(k≪L),文本越長節省越顯著。索引器雖維持O(L²)複雜度,但因採用更少注意力頭、輕量化FP8計算及優化實現,使端到端推理顯著加速。我們認為,DSA標誌着國內Attention機制從全密集計算向動態稀疏推理的轉折,是長上下文方向的重要突破。

Kimi K2模型在整體架構上延續DeepSeek V3框架,並引入了針對性架構優化。K2主要改進包括:1)驗證在激活參數不變的條件下,單純提升MoE總參數量依然符合Scaling規律,訓練與驗證loss持續下降且無過擬合跡象;2)適度減少Attention head數量,在保持性能穩定的同時顯著降低算力開銷;3)僅保留首層dense層,其余全部採用MoE結構,以改善首層router負載不均並提升專家利用效率;4)引入無分組的簡化router,優化計算路徑與參數調度;5)將模型參數從V3的671B提升到1T;6)引入MuonClip優化器,顯著提升訓練穩定性與收斂一致性。得益於上述改進,K2在維持與DeepSeek v3相當的訓練與推理成本下,實現了更低loss與更高參數效率。我們認為,K2的路徑體現了國內團隊在算力約束下通過結構精修延展Scaling規律、提升模型性價比的工程化思路。

推理/非推理模型統一后,模型應用轉折點或將到來
GPT-5確立了行業內模型「統一系統」的方向
GPT-5以統一架構實現快思與深思的自適應協同,並以路由器按任務動態分配資源。具體而言,體系由基礎模型(Main model)承擔多數日常問答,深度推理模型(GPT-5 Thinking)處理複雜任務中的長期思考,實時路由器(Real-time Router)依據對話類型、問題複雜度、工具調用與用户意圖(如「認真思考」提示)在兩類模型間動態選擇與切換。路由器持續學習用户信號(如模型切換行為、回答偏好、正確率等)以優化決策,並規劃在后續將三者進一步融合爲單一模型,以在優化速度的同時提升思考深度與一致性。我們認為,該架構有利於在不同使用場景下兼顧響應效率與推理質量。
GPT-5.1以自適應推理與細化模型分工提升智能表現與交互體驗。GPT-5.1在延續GPT-5統一架構的基礎上強化產品化能力,通過Instant與Thinking雙模型分工使日常交互與複雜推理各得其所。Instant聚焦指令遵循與語境貼合,提升對話自然度;Thinking通過動態調整思考時間,在深度推理與響應速度間取得更穩妥平衡。據OpenAI官網,模型在AIME2025、Codeforces等數學與編程類任務中表現更強,邏輯嚴謹度提升明顯。自適應思考機制使模型可自主判斷是否深入推理,使速度與質量兼顧。語言表達趨向簡潔清晰,減少技術術語堆疊。個性化調節亦得到增強,新引入Professional、Candid、Quirky等語氣,並支持對簡潔度與情感温度的細粒度控制。生態上,GPT-5.1將逐步替代GPT-5,舊版本保留三個月以便用户平滑遷移,API同步更新至gpt-5.1-chat-latest與gpt-5.1。

GPT-5提出統一模型架構后,行業迅速跟進,並正成為新一代大模型演進的重要方向。其核心在於將推理模型與非推理模型整合到單一系統中,通過動態調度實現「快思-深思」的連續切換,從而在響應速度與推理深度間取得較優平衡。我們認為,這種統一思路正在改變模型設計邏輯,使「思考層級」成為可調系統參數,而非外部模式選擇,並且更加節省模型輸出的token數。此外,統一模型的一個重要優勢在於部署與運維效率顯著提升。過去需要分別部署推理模型和非推理模型,而現在只需部署一個統一模型即可覆蓋不同任務場景,不僅降低系統複雜度和算力成本,也提升推理過程的連續性與資源利用率。
DeepSeek V3.1以混合推理架構落地統一模型,實現單體兼容快思與深思。V3.1版本在一個模型內同時支持思考模式與非思考模式,使「是否推理、推理到何種程度」由系統自動判定;在思維鏈壓縮訓練的配合下,V3.1-Think能以更少的輸出Token在更短時間內完成複雜任務,同時保持與既有基線相近的性能表現。我們認為,該架構通過內部機制而非多模型切換,在性能與能效間取得更穩定的折中。
Grok 4 Fast同樣以統一模型架構為核心,將推理與非推理模式融合於同一體系內。Grok 4 Fast依據任務複雜度自動調節思考深度與計算資源,實現響應速度與推理能力的動態平衡,通過強化學習優化智能密度(intelligence density),在保持Grok 4同等性能的同時平均減少40%推理Token消耗(圖表24)。統一體系下模型可在實時搜索、代碼執行、複雜推理與普通對話間自適應切換,使「快思-深思」形成連續可調的譜系結構。

頭部廠商重心開始向應用和商業化生態轉移
統一模型屬於系統層面的重要創新,但並未改變大模型的底層理論架構。其核心價值更多體現在工程與產品層面,通過體系整合提升推理效率與部署便捷性。我們觀察到,在統一系統落地之后,頭部大模型廠商的研發重心正逐步由底層模型優化轉向上層應用與商業化探索,技術競爭正從模型理論創新轉向產品體驗與生態建設。
OpenAI的Pulse和購物功能是典型的應用和商業化生態新模式探索,也是OpenAI利用其日益增長的周活用户」變現的「第一步」。

Pulse解決了「模型如何主動地行動」的問題,屬於計算密集型服務(compute-intensive service)。Pulse讓大模型從被動響應的工具,演化為能主動理解與推理的智能體(Agent),真正邁向「自驅動」的應用形態。傳統ChatGPT依賴用户輸入觸發推理,而Pulse引入異步推理機制,能在用户離線時自動執行分析、生成更新與個性化內容。這意味着算力需求不再由「交互次數」驅動,而轉向「持續在線的智能體數量」驅動,推理任務的觸發頻率與時間跨度均被極大延展。結合此前Deep Research的經驗,這類Agent的Token消耗較傳統模型高出15-50倍(參見報告《科技/計算機: Token推動計算Compute需求:非線形增長》,2025年7月17日),而Pulse的主動推理模式將進一步放大這種差距。
從應用與商業邏輯上看,Pulse的推出意味着OpenAI的重心正在由底層架構轉向上層生態與商業化探索。一方面,Pulse通過長期積累的用户上下文,具備構建個性化推薦與廣告體系的潛力,使大模型商業化路徑從「賣API」擴展至「用戶數據驅動的服務經濟」;另一方面,端側硬件的引入讓模型能更深入地嵌入用户日常生活場景,形成「端側收集+雲端推理」的雙層閉環,從而進一步擴大算力需求與數據邊界。
我們認為,統一模型奠定了底層能力的集約化基礎,而Pulse則代表了從統一模型走向統一智能體生態的關鍵一步。它使算力的消耗從「響應一次對話」變為「持續感知與主動決策」,為AI在個性化推薦、數字助理及端雲協同場景中的商業化落地打開了新的空間。


OpenAI首推「對話內購買」,以協議驅動交易閉環。OpenAI在統一模型與Pulse之后,又推出了Agentic Commerce Protocol(代理商務協議,ACP),標誌其正式將智能體(Agent)能力延伸至商業交易場景。該協議由OpenAI與Stripe聯合開發,旨在讓AI Agent具備直接執行購買行為的能力,實現從「推薦商品」到「完成交易」的全流程自動化。第一批電商合作伙伴主要為Shopify(SHOP US)和Etsy(ETSY US)。
OpenAI對商户收取少量服務費,但對用户完全免費,且不影響商品價格或搜索結果排序。「對話內購買」使ChatGPT從信息服務工具進一步演化為具備交易執行能力的主動型Agent平臺。用户可在對話中完成即時結賬(instant checkout),無需跳轉頁面或輸入額外信息;而商家則可通過接入該協議直接觸達ChatGPT的數億級用户羣,在保持自身支付體系與客户關係的前提下參與交易。
從系統演進的角度看,Agentic Commerce Protocol是繼統一模型→Pulse(主動推理)→Agentic生態之后的又一次關鍵商業化延伸。統一模型提供了智能體的計算基礎,Pulse讓智能體具備主動性,而該協議則賦予智能體實際執行力,使AI從「會思考」邁向「能行動」。我們認為,這一進展代表OpenAI正在把智能體從生產力工具推進為商業行為主體,AI產業的價值鏈由算力與模型競爭,進一步拓展至支付、交易與用户生態層面。

OpenAI開發者大會再次強調以ACP對話內即時結賬為核心,貫通需求發現到用户支付的商業閉環生態。10月6日2025年OpenAI開發者大會上,OpenAI再次明確在支付側引入Agentic Commerce Protocol的「對話內即時結賬」,並強調不止電商,后續各類接入ChatGPT的App均可能通過ACP實現變現。對話即入口、結賬不外跳,已訂閲用户可在對話直接登錄,未來支持多種變現,使交易鏈路由「觸達-體驗-轉化」在同一會話內閉合,顯著降低流失點並便於歸因與運營。我們認為,ACP將會話從信息交互延伸為交易承載,提升單位會話的轉化效率與可運營性,成為商業化的關鍵抓手。

Apps SDK與MCP提供商業化所需的接入、控制與富交互能力。Apps SDK(預覽)基於MCP,前后端完全可控,支持數據接入、動作觸發與富UI(內聯/畫中畫/全屏/Widget);「Talking to Apps」使應用可反向暴露交互上下文給模型,強化對話-UI-動作閉環。據發佈會信息,年內將開放提交審覈與目錄,開發者指南草案已發,達標上架、優秀者可獲更多推薦位。我們認為,標準化接入與目錄化分發共同構成商業化基礎設施,幫助開發者更好的接入到ACP環境中。

開發者大會之后,OpenAI顯著加速軟件生態的構建步伐。除了在10月6日開發者大會上宣佈的Coursera、Zillow、Figma、Spotify等一系列軟件合作伙伴外,OpenAI加緊與其他軟件應用廠商的合作,10月14日,宣佈與Salesforce合作,實現在ChatGPT里使用Salesforce產品,並能夠使用ACP支付協議完成支付;同日宣佈與Walmart達成合作,共同打造新型購物體驗,通過Chatgpt實現購物並即時結賬。OpenAI的戰略中心已經逐步向應用和生態轉移,后續或會有更多的軟件應用廠商加入。

OpenAI收入預期顯著上修,驅動來自ChatGPT、API、Agent與新產品,Pusle/ACP是重要一環。據The Information數據,25Q3 OpenAI將2030年營收由年初預測的約1,740億美元上調至約2,000億美元,2029年由約1,250億提升至約1,450億;2025 年仍以約130億為基準。結構上,收入來源由ChatGPT訂閲與API擴展至Agent與「新產品(含免費用户變現)」。結合ACP(Agentic Commerce Protocol),平臺可在對話內直連交易與支付,形成「推薦-下單-履約」的閉環,一方面OpenAI能夠有一定take rate,另一方面有望提升免費用户變現與商户轉化。此外,配合通用代理能力、企業級集成與潛在硬件終端等產品形態,OpenAI收入曲線呈現由單點訂閲向多元生態的過渡。Pulse/ACP或將成為Agent化商業閉環的重要抓手,與企業付費、API用量增長及硬件載體共同構成中期營收彈性的關鍵來源(參見圖表34)。

阿里的Qwen模型或是國內大模型中全領域佈局最為齊全的。Qwen系列旗艦模型Qwen3-Max在綜合性能上超越GPT-5、Claude Opus-4,Coding與Agent兩項關鍵指標進入全球第一梯隊;Qwen形成大規模衍生家族,Qwen3-VL、Qwen3-Omni與通義萬相2.5覆蓋視覺、音視頻與內容生成,百聆語音面向客服、電商等剛需付費場景;與Nvidia在Physical AI的合作或拓展至機器人模型。
國內C端商業化稍慢於海外,阿里通過模型佈局推動2B token上量和商業化加速。在研報《科技/計算機: 多模態大模型和應用奇點將至》中,我們得出了國內2C商業化(尤其是AI原生應用)稍慢於海外的結論。因此,國內商業化方面,2B是大廠的主要選擇。據云棲大會2025主題演講,近2-3個月需求端Token消耗實現倍增,伴隨模型能力提升與Agent類應用出現,阿里雲百鍊平臺過去一年模型日均調用量增長約15倍,反映開發者與企業側的活躍度提升。從阿里雲業務來看,自2024年底以來,一直呈現較快的收入增速,最新的FY26Q1雲業務收入增速達到了25.8%。后續隨着Qwen多模態模型持續擴展,阿里token調用量有望持續增長,最終有望帶來商業化加速。
千問APP以All-in-One形態強化阿里進軍C端AI入口的戰略定位。25年11月,千問APP正式公測上線,依託Qwen3模型作為能力底座,為用户提供集聊天、任務處理與多場景服務於一體的AI助手,並開放免費體驗入口。產品形態上,千問APP旨在成為統一的AI交互樞紐,未來將持續覆蓋辦公、地圖、健康、購物等日常場景,使模型能力在更廣泛的生活鏈路中可直接調用。過去三年阿里團隊持續打磨Qwen模型能力,本次應用落地意味着模型能力向C端進一步靠近,並通過移動端入口提升觸達效率。


模型Agent能力:海外注重基模,國內偏向應用
海外:旗艦模型執行復雜任務的時長持續Scaling
海外旗艦模型能執行復雜任務的時長不斷提高。METR提出了「50%任務完成時長閾值」概念,指模型在某任務族上以50%成功率可獨立完成的任務,其對應的人類完成用時。研究以RE-Bench、HCAST與66個新增任務為樣本,先計時具備相關經驗的人類用時,再將模型在不同時長下的成功率擬合為曲線,取成功率50%點作為指標。據METR數據,模型在數分鍾內可完結的短任務上成功率接近滿分,但當任務持續跨越數小時,成功率顯著下降,限制因素主要在長鏈路執行與錯誤恢復能力。前沿模型對應閾值約在50分鍾量級,且過去六年呈指數提升,翻倍周期約7個月。其中OpenAI GPT-5、Anthropic Claude Sonnet 4.5、xAI Grok-4時長能達到1-2小時。

主流agent產品傾向選用海外旗艦模型。市場上面向複雜業務流程的agent系統,多采用海外基礎模型作為核心底座,偏好具備長時執行與穩定規劃能力的版本;這一取向與圖表35中對METR「長執行時間能力」的強調相互呼應,反映出在長鏈路、強工具調用與跨代理協同的場景中,工程團隊更關注穩健性與一致性,而非單點指標的提升。
Genspark以Claude為新架構底座以適配多智能體。據Genspark官方,團隊在測試多種模型選項后,明確選擇Claude作為新一代系統基礎,主要看重其在任務規劃與鏈式推理上的穩定表現,契合「混合多智能體」的編排需求;同時,Genspark並未排他,複雜任務處理亦合作接入OpenAI的旗艦模型,以覆蓋更廣的指令理解與工具使用場景。
Manus採取多供應商並行並接入OpenAI旗艦。據Manus幫助中心與產品説明,其支持Anthropic、Google、OpenAI等多家模型提供商,結合路由與成本/質量權衡以適配不同任務強度;在複雜、長鏈任務中,Manus可同時利用Claude與OpenAI旗艦模型,以提升跨步驟協同與結果一致性。
「長執行時間能力」與產品選型形成雙向印證。結合前文METR數據,能維持更長執行與控制的模型在代理任務完成率、規劃一致性與容錯上的表現更具應用價值;與之對應,主流agent產品實際選型更易傾向此類海外旗艦模型,並在多智能體、工具調用與監控校驗上形成工程閉環。我們認為,這一趨勢將延續,並促使廠商圍繞長時控制、可觀測與安全約束持續迭代。


國內:智譜AutoGLM應用開始佔領用户心智
智譜AutoGLM較早佔據Agent應用生態位,佔領用户心智。AutoGLM在Agent應用路徑上實現從「會用手機→跨端無人駕駛→沉思推理閉環→雲端常駐執行」的遞進,兼顧方法論(WebRL、沉思強化學習、端到端異步RL)、評測證明(Phone/Web/GUI SOTA)與產品可達性(插件、內測/公測到API與生態),在設備操控智能體與「邊想邊干」能力上展現全球級領先特徵,率先佔領用户心智。
第一階段:AutoGLM奠定「能用手」的範式。AutoGLM以「基礎智能體解耦中間界面+自進化在線課程強化學習框架」為底座,核心技術WebRL緩解任務規劃與動作執行拮抗、訓練任務與數據稀缺、反饋稀少與策略漂移等問題,並以自適應策略實現穩定迭代。據AndroidLab與WebArena-Lite評測,AutoGLM在Phone Use與Browser Use上相對GPT-4o、Claude-3.5-Sonnet取得優勢;Web端經「智譜清言」插件對外發布,手機端開啟安卓內測,定位於L3工具能力,服務GLM-OS通用計算方向。
第二階段:跨端執行與無人駕駛上網產品化。升級后的AutoGLM可自主執行50步以上長鏈路,支持跨App任務、短口令與「隨便模式」,並在現場以語音指令完成羣發紅包與手機遠程指揮電腦演示;Web端「全自動」上網覆蓋搜索、微博、知乎、GitHub等數十站點,面向C端啟動百萬內測與「億級APP免費Auto升級」,開放標準化API試用;同步推出PC側GLM-PC,圍繞會議替身、文檔處理、指定平臺檢索總結、遠程與定時操作、隱形屏幕等能力展開,但當前仍需較精準指令。
第三階段:沉思能力讓「邊想邊干」成為閉環。智譜發佈AutoGLM沉思,技術路徑為GLM-4→GLM-Z1→GLM-Z1-Rumination→AutoGLM,強化學習推動模型形成自我批評、反思與長程推理,並與環境感知與工具使用耦合。沉思功能已在智譜清言網頁端、PC端與App免費開放(preview聚焦research場景),推出「虛擬機」形態;部分核心鏈路與模型於4月14日開源。
第四階段:評測領先鞏固手機/網頁/GUI能力。據AgentBench等基準,AutoGLM系列在5個測試環境獲得SOTA;在Phone Use(AndroidLab與AndroidWorld)中,AutoGLM-Phone任務成功率較此前方法提升逾20%;在Browser Use中,AutoGLM-Web相對GPT-4o與Claude-3.5-Sonnet表現更優;在GUI智能體方向,自研GLM-PC(CogAgent)以9B參數在多榜單達到SOTA,超越GPT-4o+UGround、Claude Computer Use等更大規模方案。上述模型計劃開源並陸續上線MaaS平臺。
第五階段:AutoGLM 2.0成為雲端Agent執行助手。AutoGLM 2.0採用「Agent+雲手機/雲電腦」範式,不佔用本地設備與屏幕,突破硬件限制(安卓/iOS均可用)並支持「定時任務」等常駐執行;以GLM-4.5/GLM-4.5V驅動,覆蓋推理、代碼與多模態。在生活側可一句話操作美團、京東、小紅書、抖音等高頻應用(點外賣、訂機票、查房源);在辦公側可跨站完成檢索、撰寫、視頻/PPT/播客生成與內容發佈;執行能力封裝為API,延展至眼鏡、家電等硬件。據Device Use基準,AutoGLM優於ChatGPT Agent、UI-TARS-1.5與Claude Sonnet 4,並在ComputerRL、MobileRL、AgentRL中引入多項訓練改進以提升穩定性與收斂效率。


多模態領域國內領先,Sora 2有望再次引發熱潮
國內模型廠商在多模態生成領域全球領先
國內在多模態生成領域整體保持領先地位,騰訊在圖像、3D領域領先。當前在多模態生成的主要方向中,國內模型在圖像、視頻及語音生成等多個賽道均位居全球前列。據 Artificial Analysis 排行榜顯示,字節跳動的Seedream4.0在「文生圖像」領域表現突出,居於領先位置;而根據LMArena 最新榜單,騰訊9月底開源的混元圖像3.0模型(原生多模態生圖模型,官方表示是首個開源工業級原生多模態生圖模型。具備常識並能夠利用知識進行推理;同時語義理解準確度高,並具備極致美學質感,能生成真實的高質感圖片;支持中英文文字生成,長文本文字渲染),已超越Google Gemini 2.5 Flash Image,位列榜首。此外,騰訊在3D模型上同樣頗有建樹,25年9月發佈混元3D-Omni、混元3D-Part,使得AI 3D建模更具實用性,加速了3D生成模型在遊戲、打印和AR/VR等實際生產流程中的落地應用。

快手、字節、MiniMax在視頻生成領域取得了不錯的突破。在視頻生成方向,包括「文生視頻」和「圖生視頻」兩類任務中,快手、MiniMax、字節跳動以及國內初創企業生數科技、Pixverse(愛詩科技)等均展現出較強競爭力。其中,快手推出的Kling 2.5 Turbo模型登上最新榜單首位,顯示出在視頻生成質量與效率上的顯著突破。此外,在文字轉語音(TTS)方向,國內廠商MiniMax同樣位列全球領先梯隊,體現出中國廠商在多模態生成能力上的系統性優勢。
我們認為,國內科技企業在多模態生成領域的快速追趕與領先,源於其在算力優化、數據工程與模型訓練效率方面的協同進步,同時得益於龐大的應用場景需求(短視頻、遊戲等)與高頻迭代機制的支撐。隨着產業鏈的成熟和開源生態的活躍,未來國內模型在視頻與音頻生成方向的國際競爭力有望進一步增強。





Sora 2和相應社交App的發佈,掀起多模態+社交的熱潮
OpenAI Sora 2在物理規律建模、動態一致性和音畫同步等方面實現了全面升級。相比前代版本,Sora 2能夠更準確地理解空間關係和時間邏輯,使生成畫面在物體運動、光影變化以及角色互動上更貼近現實。其推理能力支持跨鏡頭敍事和複雜場景控制,能夠在不同風格間靈活切換,如寫實影像、動畫或電影質感。同時,模型具備音頻生成能力,可在畫面中自動匹配環境聲、對白與音樂,從而實現視覺與聽覺的深度融合。我們認為,Sora 2的推出是視頻生成領域的重要節點,標誌着AI從圖像生成向「世界級模擬器」方向再一次的演進。
Sora App的商業化路徑將逐步清晰。Sam Altman在官方博客中指出,團隊正在思考如何通過視頻生成實現可持續盈利。為平衡創作生態與商業模式,OpenAI計劃與擁有角色版權的內容方建立收益共享機制,即當用户在生成內容中使用受版權保護的角色時,平臺將向相關版權所有者分配部分收入。這一機制仍處於試驗階段,具體方案將通過持續的實踐進行優化。通過引入版税分成機制,OpenAI有望建立一個兼顧創作自由與知識產權保護的內容生態,讓「7億周活」和AI視頻社交生態相互成就。


標註/合成數據都是后訓練時代重要的數據來源
數據標註作為監督學習的關鍵基石,直接決定模型可學性與可靠性與應用成效。數據標註(亦稱數據註釋)是以語義標籤標記原始數據(圖像、文本、音頻、視頻等),使機器學習模型能夠理解並從樣本中歸納規律。在監督式學習中,帶標籤樣本構成訓練時的「事實真相」,因而標註成為人工智能開發的基礎環節。實踐中,圖像可標註物體類別或位置,文本可標註情感或命名實體。高質量標籤有助於算法識別模式並提升預測準確度,其作用類似對兒童進行指認式教學,幫助模型形成對世界的表徵。若缺乏可靠且充足的標註數據,即便較為先進的系統也難以穩定運行。
人工智能/機器學習應用的普及推動了數據標註行業快速增長。據Mordor Intelligence數據,全球AI數據標註市場規模將從2025年的約19億美元增長到2030年的近55億美元,年複合增長率超過20%。增長得益於對標註數據集不斷增長的需求,以提高各行業的人工智能準確性。我們認為,主要驅動因素包括對更好機器學習模型(大語言模型LLM)性能的需求、基於LLM的Agent數據需求、機器人數據需求、自動駕駛汽車的激增(需要大量的標註圖像/激光雷達數據集),以及醫療保健/金融科技等垂類人工智能中標註使用量的增加。
數據標註方法多樣,包括內建、眾包外包、託管與人工智能輔助自動化。內建標註由企業員工或領域專家完成,適用於醫學影像、語言學等需專業知識的場景,質量較高但在大規模下效率與成本承壓。眾包與外包依託眾包平臺(Amazon Mechanical Turk、Toloka)或服務商(Appen、CloudFactory、iMerit、Sama等),以分佈式並行提升速度並控制支出,但質量一致性需嚴格把控;Playment曾組織超30萬標註者服務自動駕駛等項目。託管服務由專業團隊提供一體化平臺與內部質檢,配合工具、審覈層級和流程,並就本體與標籤體系提供建議,降低客户管理負擔,如Appen、Scale AI、Surge AI等新興初創公司。自動化與AI輔助以預標註+人工校驗為主,常見平臺含Labelbox、Dataloop、SuperAnnotate;Tan等在《Large Language Models for Data Annotation: A Survey》指出用LLM(如GPT-4)在文本標註與審覈上展現潛力,但實際項目仍保留人工閉環以確保準確性。
海外:專業化的數據標註公司是海外大廠首選
海外模型廠商相當程度上依賴專業的數據標註公司來標註大模型相關數據,重要玩家包括Scale AI、Surge AI和新興的Mercor。

1)Scale AI:被Meta收購的明星數據標註公司
Scale AI以AI數據基礎設施為核心定位,形成跨行業數據服務體系。公司成立於2016年,由Alexandr Wang與Lucy Guo共同創立,同年進入Y Combinator孵化。Scale AI定位為「AI數據基礎設施」提供商,主營高質量訓練數據標註與管理服務,產品包括人工與軟件協同的數據標註平臺及數據集管理工具。早期聚焦自動駕駛與機器人領域,提供大規模感知數據標註,后逐步拓展至金融、電商、企業軟件及國防等行業。隨着大語言模型(LLM)興起,公司推出Outlier平臺,招募具備專業知識的人才參與強化學習人工反饋(RLHF)等環節,進一步提升生成式AI模型訓練質量。我們認為,Scale AI通過工具體系化與質量控制標準化,構建了在AI產業鏈中的核心數據基礎能力。
公司客户覆蓋科技巨頭與公共機構,業務在擴張與調整中保持增長。其主要客户包括Google、Microsoft、Meta、General Motors、OpenAI等。自2020年起,公司承擔美國國防部項目,2022年獲得美國聯邦政府總值2.5億美元合同,提供AI數據工具服務。2023年因市場環境調整裁員約20%,但同年與OpenAI建立合作,成為GPT-3.5模型微調的核心夥伴,並參與ChatGPT訓練數據構建。根據TapTwice Digital數據,公司收入由2022年的2.5億美元提升至2023年的7.6億美元,2024年進一步增至8.7億美元,展現出顯著的業務擴張趨勢。雖然盈利情況尚未披露,但收入增長體現出其在AI生態中的需求穩定性。
資本運作與股權變化推動估值提升,戰略引入Meta后或導致客户結構變化。2019年Founders Fund向Scale AI投資1億美元,推動公司估值首次突破10億美元,進軍獨角獸行列。2025年6月,Meta以戰略入股方式斥資143億美元收購49%股權,對應公司估值約290億美元,成為其歷史高點。Meta此舉意在藉助創始人Wang的能力強化AI戰略,確保高質量訓練數據供應,並加速Llama等大型模型迭代。然而,Meta成為大股東后,一些競爭企業產生顧慮,例如Google或擔心信息泄露而計劃終止合作,其他AI實驗室亦可能減少依賴。
2)Surge AI:收入體量超過Scale AI的數據標註公司
Surge AI以高質量標註與專家化交付持續鞏固行業優勢地位。Surge AI成立於2020年,創始人Edwin Chen具備谷歌、Meta與推特的機器學習背景,創立初衷是以高質量人類智能提升模型訓練效果。公司聚焦高端數據標註,尤其覆蓋大模型RLHF(基於人類反饋的強化學習)等核心訓練環節,主張「數據質量決定AI上限」。與傳統眾包不同,其通過智能人才匹配與細粒度能力測評,將具備特定專業背景的標註者分配至相應任務:例如法律類由法律專家評審,文學類由文學專才優化生成質量。現已服務OpenAI、Google、Microsoft、Meta與Anthropic等一線實驗室。我們認為,專家化分工與過程治理構成其質量壁壘與口碑基礎。
穩健經營與高客單價共同支撐公司盈利與現金流持續提升。公司自成立起採取自籌資金路徑,至2025年前未引入外部股權融資,依賴創始人資金與業務現金流實現增長並保持盈利。組織上延續輕資產策略:正式員工約110人,聯動超過100萬名全球合同標註者形成彈性產能。2024年據路透社信息,公司營收超過10億美元並實現盈利,規模高於同期Scale AI約8.7億美元。核心收入來自少量但金額較大的長期項目,單筆合同與客單價多在八位數至九位數美元區間,公司在面向頭部客户時具備議價能力,並以合同工結構控制固定人力成本。我們認為,高客單價與成本彈性共同強化利潤表現與現金流質量。
客户獨立性訴求與行業變動正在為Surge AI創造結構性增長機遇。在生成式AI需求擴張與主要對手出現股權事件的背景下,部分大型實驗室為降低信息外泄風險,更傾向選擇與大型互聯網公司股權關係更疏的獨立標註方。如前述,2025年6月Meta以約143億美元取得Scale AI 49%股權,對應估值約290億美元,導致出現客户遷移,Surge AI承接相關需求。我們認為,客户對數據隔離與供應鏈獨立性的偏好,或對於更中立的標註公司利好。
資本推進與經營穩健繼續推動Surge AI估值抬升。在持續盈利基礎上,據路透社信息,Surge AI於2025年7月與頂級機構洽談首輪融資,計劃募資至多10億美元,估值或由約150億美元提升至250億美元以上。
3)Mercor:從AI招聘到AI數據標註的成功轉型
公司起步於AI招聘並迅速轉向高端數據標註業務賽道,以人類在環為核心。Mercor成立於2022年末,早期以「AI招聘」平臺自動化簡歷篩選、面試與匹配;招聘方輸入職位需求后,聊天機器人解析要點並匹配候選人。運營中公司觀察到AI實驗室對高質量人工標註需求攀升,遂在成立不久即轉向服務模型訓練的數據標註與評估,確立從人才到數據供給的一體化路徑。
打造Human Data平臺與RLHF工具鏈,形成可複用訓練與評估基礎。公司推出「Human Data」方案,招募醫生、律師、金融分析師、工程師等專家參與微調、評估與人類反饋;同時自研支持人類在環流程的軟件基礎設施,並增設面向強化學習的工具與數據管道,支持由人類驗證的決策反饋(RLHF)。據TechCrunch信息,公司還協助客户生成與管理代理智能訓練環境所需的數據與人力。我們認為,圍繞訓練環境的供給佈局提升了公司在價值鏈中的位置。
面向頭部實驗室提供專家數據,供給格局變化帶來窗口。Mercor曾為Scale AI提供合同標註人員,后轉為直接競爭。進入2025年,據TechCrunch信息,因Meta入股Scale AI並招募其CEO,部分一線實驗室(如OpenAI、DeepMind等)基於戰略考慮中斷與Scale合作,需求外溢為新進入者創造空間。公司客户主要為全球領先的AI研究機構與科技企業,OpenAI、谷歌、Meta、亞馬遜、微軟、英偉達等均曾在其平臺尋求專家支持,Mercor在高複雜度環節對傳統外包形成替代。
多輪融資加速擴張,估值持續抬升並獲頭部資本認可。據TechCrunch信息,Mercor經歷多輪融資。種子輪(2023年):General Catalyst領投,約360萬美元。A輪(2024年):Benchmark領投,3200萬美元,投后估值約2.5億美元。B輪(2025年2月):Felicis Ventures領投,1億美元,投后估值20億美元,老股東跟投,資金用於擴張專家網絡與升級平臺功能。計劃中的C輪(2025年下半年):公司與多家機構洽談,估值目標上調至100億美元以上,部分VC擬以SPV參與,交易尚未敲定。
收入快速爬坡並實現盈余,小團隊擴張帶來管理挑戰但規模效應增強。Mercor在成立后營收增長曲線呈指數式攀升。據TechCrunch數據,2023年公司年化經常性收入(ARR)約100萬美元,並已實現小幅盈利。進入2025年初,披露的ARR約為7500萬美元;2025年3月,公司CEO在X平臺宣佈ARR突破1億美元;隨后在大模型訓練需求推動下,年化收入迅速逼近4.5億美元(據Sacra數據)。公司向投資人表示,有望以快於Anysphere的速度達到5億美元ARR里程碑。盈利方面,據Forbes數據,公司2025年上半年淨利潤約600萬美元,顯示其商業模式已具備自我造血能力。組織層面,完成B輪融資時公司全職員工共31人,其中美國本土11人、印度及其他地區合同工程師20人;據彭博社報道,公司計劃將員工規模由2025年初的約75人擴充至年末約100人。
國內:DeepSeek、Kimi在最新的模型中均系統性使用了合成數據
DeepSeek V3.2合成數據成為提升泛化與推理能力的關鍵支點。V3.2后訓練階段延續「專家蒸餾+單階段混合RL」路徑,其中合成數據的作用尤為突出。團隊通過數學、編程、推理、Agent編碼與檢索五類專家模型生成多風格高質量合成樣本,並區分「思維型」與「非思維型」兩類風格,顯著擴展了監督樣本的覆蓋度與多樣性。經由單階段GRPO強化學習融合推理、Agent與人類對齊目標,模型在專家層面性能趨同並實現多域能力平衡。我們認為,V3.2通過系統性引入高質量合成數據,為稀疏架構下的訓練穩定性與跨域泛化提供了關鍵支撐。
Kimi K2通過大規模智能體合成數據體系,系統提升模型的工具使用與任務協同能力。為強化模型的Agent行為與工具調用能力,Kimi團隊構建了一個大規模智能體數據合成流水線。該體系在數百個應用領域中系統生成了數千種真實與合成工具,並據此構建數百個具差異化工具集的智能體。智能體在模擬環境中與用户代理進行多輪交互,生成逼真的工具使用場景與任務數據。所有任務均採由LLM評審器根據任務規範篩選高質量樣本,確保數據的一致性與有效性。通過這一流程,K2獲得了大規模、多樣化且具真實性的訓練數據,為后續強化學習與複雜任務泛化奠定了堅實基礎。我們認為,K2的合成數據策略不僅顯著擴展了高質量監督信號的規模,也構建了可持續演化的Agent數據生產機制,為智能體能力的系統性提升提供了關鍵支撐。

投資建議
算力
算力投資邏輯未變,訓練端需求穩步上行,中長期空間仍具可見性。我們依然看好算力方向。據OpenAI現在的算力規劃,成體系的大型算力中心合計已超過36GW(圖表18),奠定大模型發展的容量基礎。長期看,模型仍在迭代,OpenAI、Google等頭部廠商在預訓練與后訓練上持續突破,訓練側的算力需求延續抬升,節奏隨模型版本迭代與能力拓展而推進。我們認為,訓練端擴容將保持韌性,硬件投入與軟件優化將以版本迭代/架構升級為核心線索展開。
AI搜索與應用生態擴張抬升推理側算力需求,用户規模成為直接催化。Google在全球多國持續擴展AI Overview、AI Mode等搜索功能,例如25年10月AI Mode引入36種新語言/40多個新國家和地區,使其覆蓋總計200多個國家和地區,搜索類場景調用頻次與Token消耗同步走高。OpenAI在2025年開發者大會上全力打造應用生態,周活用户達到8億;隨用户與場景擴大,推理端對吞吐與響應的要求同步提升,對應算力需求走強。我們認為,推理側的邊際增量突出,將對上游供給提出更高併發與更低時延的配置要求。
多形態產品與自主Agent路線將進一步放大推理算力需求邊界空間。OpenAI后續規劃包含硬件類產品、Agent類產品,以及類似Pulse等自主Agent推理形態,應用從單一對話向多Agent協同/多工具調用/自主推理等延展,推理規模與複雜度上升,帶動算力投入強度提升。我們認為,上述產品化與生態化推進,將延續推理算力的高強度需求,對算力基礎設施與相關產業鏈的投資形成持續支撐。
NVIDIA先進芯片幾乎撤出中國,國產算力將接棒。據South China Morning Post於2025年10月信息,NVIDIA創始人兼首席執行官黃仁勛指出,由於美國出口限制,NVIDIA不被允許向中國大陸公司出售其先進產品,導致NVIDIA在中國先進芯片市場的份額已從95%降至0。疊加國內互聯網廠商在AI芯片上的採購國產化趨勢愈發明確,外採第三方方案與自研路線同步推進,構建多元化供給體系。該路徑一方面有助於縮短迭代周期並優化成本結構,另一方面增強關鍵環節的自主可控與穩定性,帶動本土生態協同升級。我們認為,並行策略將持續提升國產芯片規模化落地效率與韌性。
存儲
AI存儲架構需同時提升容量、吞吐與可靠性,強調低時延協同。模型訓練側強調穩定寫入與快速恢復檢查點;模型推理側強調高效查詢與即時響應,整體對存儲系統的擴展性與可用性提出更高要求。硬盤用於保留AI模型創建的內容,並維護模型檢查點與查詢數據;SSD與內存承擔高併發、低時延的數據通路。我們認為,大容量HDD與高性能SSD的協同,將與算力投入並行成為中長期建設重點。
訓練端遵循Scaling Law驅動容量擴張與分層優化。隨着模型參數與能力擴展,訓練對數據規模、豐富度與標註質量的要求同步提高,多模態(圖片、視頻等)樣本需持續匯聚與留存,以支撐迭代與對比驗證。數據來源更分散、格式更復雜,催生原始樣本與清洗版本的多副本管理與分層留存需求,並對高吞吐、可擴展與高可靠的存儲系統提出更高門檻。我們認為,訓練端將以容量擴充與分層優化為主要投入方向。
視頻多模態模型滲透推動推理側容量與帶寬同步上行。多模態模型逐步成熟后,線上推理對素材、緩存與生成成品的留存顯著擴大,併發訪問與調用頻率提升。據希捷科技數據,以量級估算:單張圖片約1MB、音頻約5MB、視頻按分鍾計約50MB;隨模型能力增強,生成視頻在分辨率與時長方面有望繼續上行,單體內容容量需求抬升。疊加Sora App等應用的病毒式傳播提升創作者滲透率與內容產量,存儲將面臨文件變大與市場擴展的雙重抬升。我們認為,推理端需前瞻規劃容量與帶寬冗余。
視頻生成分發催化邊緣低時延存儲與SSD加速建設。Sora App帶來病毒式AI視頻短片,個性化信息流持續推送熱點內容;為保障即時分發與多併發體驗,視頻依託低時延內存與SSD從本地邊緣緩存中快速檢索與回源。該模式對邊緣節點的容量、IO路徑與讀寫效率提出更高要求,並推動本地緩存與中心存儲的協同調度與分層管理進一步細化。我們認為,視頻生成分發將成為邊緣存儲與SSD加速的重要增量來源。

電力
電力約束抬升算力門檻,能源成為AI時代稀缺要素。AI訓練與推理持續推高用電負荷,據彭博新能源財經(BNEF)預測,至2035年美國數據中心電力需求將由2024年的近35吉瓦增至78吉瓦,平均每小時用電由16吉瓦時升至49吉瓦時。AI與能源已「合二為一」,有效算力的度量正轉向以吉瓦為單位的供電能力。我們認為,能獲得穩定低價電力者,將在算力競爭中佔據結構性優勢。
核能被視為穩定低碳的中長期解法,海外頭部雲廠商等已簽訂多個電力購買協議(PPA)。美國電網當前面臨需求激增與多年投資滯后疊加,SMR(小型模塊化反應堆)有望成為新增負荷的重要抓手。海外頭部廠商,包括微軟、Gogole、亞馬遜、Meta均與SMR廠商簽訂了相關協議或PPA。

核電產業鏈條清晰,上中下游均有相關產業鏈標的。上游涵蓋鈾礦與燃料加工;中游為設計、研發與建造;下游為運營與售電;另還有配套設備。
礦場改造提供「即取電力+快速落地」的替代路徑,緩解新建項目周期長的矛盾。據勞倫斯伯克利國家實驗室(LBNL)最新隊列研究顯示,新建大型數據中心從併網申請到商運的中位時長已接近5年,並持續拉長;在弗吉尼亞,Dominion報告大型數據中心接網等待可至約7年。據Investing數據,美國比特幣礦企已具約6.3吉瓦在運營站點,另有2.5吉瓦在建;其「企業價值/瓦特(EV/W)」處於較低水平,若轉型數據中心,股權價值測算約5-8美元/瓦。礦企同時具備電價優勢與現成基礎設施:改造成本約500-800萬美元/兆瓦,顯著低於新建AI數據中心的千萬美元/兆瓦量級(據路透社數據,1吉瓦的AI基礎設施對應500億美元投入,對應為5000萬美元/兆瓦)。我們認為,礦場改造可在電力獲取、工期與資本開支之間形成效率解。
轉型樣本顯示「電力+場地+合約」組合正加速向AI雲遷移。IREN披露已與頭部AI公司簽訂多年期AI雲合同,落地約1.1萬塊GPU訂單,預計2025年底AI雲年化經常性收入(ARR)約2.25億美元;至2026年一季度,2.3萬塊GPU對應的ARR有望達5億美元;NVIDIA Blackwell交付前合同平均期限約2年;其在不列顛哥倫比亞及Horizon 1/2園區的可用容量可容納超10萬塊GPU,客户正推進現場參觀、技術盡調與商務談判。我們認為,上述進展驗證礦企電力資產與園區資源的再配置能力,為AI基礎設施供給提供可操作增量。
應用
AI應用是后續AI商業化落地的核心戰場與抓手。在OpenAI加速擴展數據中心的同時,2025年9月OpenAI與Stripe合作推出ACP支付協議,打通ChatGPT內的即時支付功能,形成商業化變現閉環。首批接入ChatGPT應用生態的廠商包括Etsy、Shopify兩家電商,以及Figma、Zillow、Expedia、Instacart、Salesforce、Spotify、Duolingo等各垂類應用。
國內入口卡位稀缺、覆蓋較多2B/2C客户的標的更易受益於AI應用商業化浪潮。面向國內AI應用標的,我們延續「生態優先」的判斷框架:以平臺級入口為抓手、具備服務企業(2B)或消費者(2C)的用户結構,並能與模型、支付與分發渠道形成閉環者,更有望在應用商業化範式變化中率先兑現。此類公司通常兼具穩定的終端觸達與企業服務能力,能通過API、插件或原生場景快速嵌入,放大用户黏性與付費轉化。我們認為,入口卡位、用户結構齊備與生態協同將構成篩選受益標的的關鍵標準。
宏觀經濟波動。若宏觀經濟波動,可能對AI產業資本投入產生負面影響,導致AI產業變革、新技術落地節奏、整體行業增長不及預期。
技術進步不及預期。若AI技術、大模型技術、AI應用進展不及預期,或對行業落地情況產生不利影響。
中美競爭加劇。中美競爭加劇,或影響國內算力基礎設施佈局,導致國內AI大模型技術迭代速度放緩。
研報中涉及到未上市公司或未覆蓋個股內容,均系對其客觀公開信息的整理,並不代表本研究團隊對該公司、該股票的推薦或覆蓋。