高盛大幅上調中國大模型收入預期，性價比只是起點，能力才是真正的底牌

中國大模型的收入兑現速度，正在超出華爾街此前的預判。

8 月 3 日，高盛亞太互聯網團隊分析師 Ronald Keung 在最新研報中將中國大模型廠商 2026 年末合計 ARR（年度經常性收入）預期從 100 億美元上調至 130 億美元，並預測 2030 年將攀升至 1250 億美元——五年 25 倍。同日，Jefferies 最新研報中用更密實的數據刻畫了另一條暗線：OpenRouter 平台上，中國模型已連續 14 周包攬調用量前五，DeepSeek V4 Flash 單週消耗 7.22 萬億 token 登頂全球。

一條線是收入預期的上調，一條線是 token 消費的結構性爆發。二者交匯之處，正是中國大模型從 “性價比敍事” 邁入 “收入兑現敍事” 的拐點——而驅動這一拐點的核心力量，正是 Agent 與編碼場景對 token 消費模式的根本性重塑。

敍事切換：收入兑現時刻已到來

高盛預測，中國大模型的 API 及訂閲收入將從 2026 年估算的 350 億元人民幣增長至 2030 年的 8790 億元，對應每日 token 消耗量從 350 萬億增至 4600 萬億。這意味着，五年間收入與 token 消耗量同增約 25 倍，且增速仍在加速而非遞減。

更關鍵的是收入結構的分化。高盛對智譜和 MiniMax 的收入估計分別上調了 35% 和 22%—64%，反映出市場對中國頭部模型公司商業化能力的重新定價。高盛將中國 AI 模型市場描述為正在形成的 “雙層結構”：高端市場以智譜 GLM5.2 和阿里 Qwen3.7 Max 為代表，定價約每百萬 token 1 美元；低端市場面向 Agent 任務的模型定價低至每百萬 token 0.06 至 0.2 美元。兩層市場均在快速擴張，但驅動因素截然不同——高端靠智能溢價，低端靠規模效應。

不過，高盛也坦承現實約束：2026 年行業訓練總成本 40 億美元、推理總成本 70 億美元，合計高於當期 ARR，板塊整體仍處於負 EBIT 狀態。API 業務毛利率當前僅 20%—30%，盈利拐點要到 2030 年才會出現，屆時板塊 EBIT 利潤率可達 18%，對應總利潤 230 億美元。換言之，這是一條 “先燒錢、後兑現” 的路徑，但終點已被清晰標定。

極致性價比：4 到 8 倍的價差

性價比不是新話題，但價差的量級仍令人咋舌。

高盛算過一筆賬：一名 Agent 開發者每日約消耗 709 萬 token，在美國頂尖模型上運行，單日算力 “燃料費” 為 52 至 104 美元；切換至中國頭部模型後，成本驟降至 13 美元。4 到 8 倍的價差，使得 “不使用中國模型” 變成了一項需要向 CFO 作出合理解釋的商業決策。

價差的底層是架構紅利。中國模型普遍採用 MoE（混合專家）架構，通過極低的參數激活比壓低推理成本。以 DeepSeek V4 Flash 為例，輸入價格僅為每百萬 token 0.14 美元，輸出 0.28 美元——而 OpenAI GPT-5.5 的報價是 5 美元，差距在 35 倍以上。更關鍵的是 DeepSeek 的緩存命中折扣機制：命中緩存只按標價 2% 計費，遠超業內普遍的 90% 折扣水平。這意味着，對於 Agent 場景中大量重複性的上下文讀取，實際成本還能再降一個數量級。

但價格只是硬幣的一面。真正讓華爾街重新評估的，是中國模型在能力維度上的快速躍遷”。中國 AI 性價比的真正含義正在被重寫：它早已突破了"便宜但湊合"的舊標籤，轉而代表着"足夠好且不可不用"的新標準。

不只是便宜：能力超越的臨界時刻

高盛將中國大模型的發展劃分為兩個階段：2025 年是 “DeepSeek 時刻”，行業依託 MoE 架構大幅壓低推理成本，核心優勢落在成本效率；2026 年是 “智譜時刻”，GLM 5.2 躋身代碼、智能體等高價值賽道全球第一梯隊，證明國產模型性能具備全球競爭力。前者降低了成本，後者證明了能力。

這並非投行的溢美之詞。三個月內，中國大模型躋身全球文本賽道前 50% 的模型新增 13 款；代碼賽道全球前 30% 新增 5 款；智能體賽道實現從零到一的突破，GLM-5.2 穩居全球前 7。在 Artificial Analysis 視頻模型榜單中，MiniMax H3 的視頻編輯能力排名全球第一，字節 Seedance 在多模態生成領域同樣處於領先梯隊。斯坦福 AI Index 數據顯示，中美頂尖模型性能差距已縮小至約 2.7%——這個數字在一年前還是兩位數。

能力超越的核心在於：中國模型的架構創新並非以犧牲性能為代價換取低成本。恰恰相反，MoE 架構的稀疏激活機制在壓低推理成本的同時，通過更大的總參數量實現了更高的模型容量。MiniMax 在 M3 模型中推出的全新注意力架構 MSA（混合稀疏注意力），將 1M 超長上下文的處理成本降至傳統架構的極低水平，同時在 Coding 和 Agent 基準測試中躋身全球前列。美團 LongCat 2.0 基於 5 萬張國產算力卡完成 1.6 萬億參數全量訓練，證明國產軟硬件協同棧不僅能跑通，還能跑出競爭力。

更關鍵的是，能力超越正在從 “通用基準” 向 “高價值場景” 滲透。高盛的評估顯示，在基礎文本模型領域，智譜和 DeepSeek 表現最突出；在 Agent 工具調用和 Coding 場景中，阿里 Qwen3-Max 處於全球第一梯隊。當中國模型不再只有在 “性價比賽道” 上領先，同時在智能體、編碼、多模態生成等最考驗模型深度理解與長程規劃能力的賽道上與全球頂尖模型正面競爭時，“便宜” 就不再是唯一的故事——“更好” 正在成為新的敍事。

這也解釋了為什麼 OpenRouter 上的 token 消費不只是 “貪便宜” 的產物。當 Agent 開發者需要模型在數百次工具調用中保持指令遵循、長上下文記憶和錯誤恢復能力時，純粹的價格優勢不足以支撐持續使用——模型必須 “足夠聰明且足夠便宜”，二者缺一不可。中國模型正在同時滿足這兩個條件，這才是競爭態勢被改寫的根本原因。

Token 消費的結構性轉向：從 “Chat” 到 “Work”

如果説收入預期上調是 “果”，那麼 token 消費模式的轉變就是 “因”。

OpenRouter 最新週報（7 月 27 日—8 月 2 日）顯示，全球大模型調用量前五全部由中國模型包攬：DeepSeek V4 Flash（7.22 萬億）、小米 MiMo-V2.5（6.3 萬億）、騰訊混元 Hy3（4.82 萬億）、DeepSeek V4 Pro（3.28 萬億）、智譜 GLM5.2（2.89 萬億）。中國模型在全球平台的 token 份額已達 63.5%，美國跌至 35.5%。

但比排名更重要的是消費結構的質變。一個關鍵數據：同一份編碼任務，AI Agent 自動化工作流平均消耗 417 萬 token，普通代碼問答僅消耗 3390token——相差超過 1000 倍。原因在於，Agent 需要不斷讀取上下文、調用工具並循環規劃。真正昂貴的不是回答問題，而是讓 AI 持續工作。

OpenCode 平台披露，DeepSeek V4 Flash 單日處理量已達 8 萬億 token，其中 5 萬億來自免費試用額度，3 萬億來自付費套餐。這種 “免費拉新 + 付費轉化” 的路徑，直觀反映了 Agent 生態正在快速擴張。更值得關注的是，以 Hermes 為代表的 Agent 應用已經超過人類聊天，成為 OpenRouter 上最大的 token 消耗 App。

“Token 的主人正在換人”——過去三年，token 是人買的、人看的；從今年開始，越來越多的 token，人都不會看一眼——那是 Agent 在規劃、調用工具、寫代碼、自我檢查時，機器燒給機器的。這種轉變不僅改變了需求的計算方式，也重塑了模型競爭的核心維度：衡量一款模型的單位，從 “單次回答有多聰明” 變成了 “完成一項長任務要花多少錢、多久、失敗幾次”。

這種轉變也催生了 “多模型調用” 的新範式。微軟已證實正在探索將 DeepSeek V4 部署在 Azure 上，用作 Copilot 的低成本模型選項；Airbnb CEO 公開表示公司依賴阿里 Qwen 模型用於大規模生產場景。企業客户正在從 “綁定單一模型” 轉向 “便宜的和高級的搭配着來”——這種混用正在從個別企業的權宜之計，變成默認配置。

多模態與 Agent：競爭新前沿

當 token 消費從 “Chat” 轉向 “Work”，競爭的前沿也在遷移。

7 月 31 日，MiniMax 發佈新一代多模態生成模型 H3，並宣佈近期開源。這是 MiniMax 推出的首款開源多模態生成模型，支持文本、圖片、音頻和視頻等多種輸入，可直出 2K 分辨率畫面，最長生成 15 秒音畫內容。在 Artificial Analysis 視頻模型榜單中，H3 的視頻編輯能力排名全球第一。

更具衝擊力的是定價：H3 視頻生成價格為 0.8 元/秒（2K 分辨率），僅為業內同類旗艦模型的三分之一。成本下降來自兩個方向的技術優化——高壓縮 Tokenizer 減少了視頻生成所需的 token 數量，異構訓練和 GPU 利用效率的系統性調優則控制了訓練與推理成本。MiniMax 股價當日大漲超 14%，市場對 “極致性價比 + 開源” 的商業突圍路徑投下了贊成票。

在 Agent 應用層，競爭同樣白熱化。字節跳動發佈面向 Agent 與 Coding 場景的 Seed 2.1 Pro，具備複雜任務編排、長程規劃和工具調用能力；騰訊 WorkBuddy 在企業 Agent 應用市場佔據 34% 的份額；智譜 GLM Coding Plan 同步開放訂閲，1GW 級國產 AI 算力數據中心落地。編碼場景已成為模型廠商必爭之地——因為編碼是 Agent 能力最直接的商業化出口，也是 token 消耗最密集的場景之一。

高盛注意到，AI 消耗 token 最多的兩大應用——智能代理和編程——已大規模遷移至中國模型上運行。這不是因為中國模型品質超越了美國，而是因為其極低的單價使得規模化部署在經濟上變得可行。當 Agent 任務需要調用上百次模型才能完成時，4 到 8 倍的價差會被放大成數百倍的賬單差異。

CSP 財報前瞻：雲收入加速兑現

模型層的繁榮正在向雲收入層傳導。

阿里雲最新季度收入達 398.24 億元，同比增長 34%，增速創三年新高。AI 相關產品收入連續第九個季度實現三位數增長，AI 相關服務貢獻了雲業務對外收入的約 20%。高盛預計，阿里雲 AI 收入佔比將從 30% 向 50% 邁進，推動整體雲收入增速持續加速。

過去四個季度，阿里在 AI+ 雲基礎設施的資本開支約 1200 億元。阿里巴巴 CEO 吳泳銘在財報電話會上明確表示：“三年規劃 3800 億的投資目前看説少了。” 阿里雲 AI 服務器上架節奏跟不上客户訂單增長速度，在手積壓訂單持續擴大。供應鏈端 FAB、存儲、CPU 均處於緊缺狀態，連 3 到 5 年前的老一代 GPU 都滿載運行。

Jefferies 在研報中前瞻了即將到來的 CSP 財報季：阿里雲收入預計加速至 45% YoY，騰訊雲 AI 收入佔比持續提升，百度智能雲受益於文心繫列模型迭代。雲廠商正在從 “賣算力” 升級為 “賣 AI 能力”——這種轉變意味着收入結構從線性的資源租賃，轉向更具彈性的 MaaS+IaaS 混合模式，毛利率天花板也將被打開。

中國大模型正在經歷一場雙重轉型

第一重，從 “性價比” 到 “收入兑現”。高盛將 ARR 預期從 100 億上調至 130 億美元，不是因為它突然變得樂觀，而是因為 token 消費的數據已經跑出來了——7.22 萬億的周調用量不是預測，而是正在發生的現實。當中國模型連續 14 周包攬 OpenRouter 前五，當 Agent 開發者每天燒掉 8 萬億 token，收入預期的上調只是對既有趨勢的滯後確認。

第二重，從 “Chat” 到 “Work”。token 消費的主人正在從人變成 Agent，這不僅是量的爆發，更是質的轉變。Agent 任務的 token 消耗是普通問答的 1000 倍，而中國模型 4 到 8 倍的價格優勢在這種量級下被放大成不可逾越的成本壁壘。微軟在 Azure 上部署 DeepSeek、Airbnb 依賴 Qwen——企業用腳投票的結果，比任何 benchmark 都更有説服力。

兩條線交織的結論很清晰：中國大模型的競爭態勢正在被改寫。競爭的核心不僅僅是誰的參數更大、誰的 benchmark 分數更高，誰能把推理成本壓到最低、誰能在 Agent 和編碼場景中捕獲最多的 token 消費、誰能將模型能力最快地轉化為雲收入。這是一場關於成本、場景和生態的綜合博弈——而中國模型，正在從 “跟跑者” 變為 “規則制定者”。

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。