近日，OpenAI、xAI、Meta等全球頭部AI（人工智能）企業相繼推出新一代大模型。與過去主要展示智能程度和榜單成績不同，新一輪模型更強調單位Token（詞元）效率、調用價格、運行速度與綜合成本。這標志著大模型的“進化”方向，正逐漸由“能力有多強”向“以多低成本穩定完成任務”演進。
這種趨勢引發全球資本市場廣泛關注，其核心邏輯不僅在于模型調用價格的下探，更在于AI大模型處于產業鏈的樞紐位置：上游連接算力芯片、服務器、光模塊等龐大硬件設施，下游賦能千行百業。大模型企業對成本與效率的重新審視，勢必沿產業鏈逐層傳導，深刻影響資本開支方向、產業利潤分配及市場估值體系。
筆者認為，AI大模型加速步入“拼成本”的新階段，將從底層重塑產業生態，并對AI大模型企業、AI產業鏈其他公司以及各類投資者產生深遠影響。
對AI大模型企業而言，成本控制能力將重塑估值邏輯。
AI大模型發展早期，資本市場聚焦參數與能力上限，賦予技術領先者極高的稀缺性溢價。但隨著不同模型能力差距持續收窄，且企業端進入大模型規模化部署階段，競爭重點已從“能不能做”轉向“做一次多少錢、能否跑通商業閉環”。
由此可見，單純的模型能力迭代，已無法自然轉化為AI大模型企業價值的同步躍升。若AI企業營收增速跑不贏算力折舊與研發投入，模型越強，其背負的成本壓力可能反而越重。在此背景下，大模型企業的“估值錨”正悄然從“技術領先度”向“商業化效率”切換。未來衡量大模型企業價值的關鍵，不再是單純的智能測評分數，而是每一單位算力究竟能創造多少有效收入。
對AI產業鏈上游企業而言，降本能力將決定議價權。
大模型開啟“拼成本”模式的背后，是下游客戶（AI使用者）不再盲目追逐單一極致性能，而是著重考量成本。這將倒逼大模型企業在采購硬件時，更加關注芯片能效比、服務器集成度、光模塊傳輸速率等維度。沿產業鏈向上溯源，這種趨勢將推動相關硬件公司從“單純賣產品”向“以更高效率交付算力”轉型。能切實降低系統能耗、提升算力利用率的硬件龍頭企業，將在產業鏈中獲得更強的議價能力；而僅靠同質化擴產與低價博弈的企業，則易面臨毛利率承壓的風險。
需要厘清的是，上述轉變并不等同于上游硬件需求的萎縮。恰恰相反，隨著下游調用門檻的降低，有望加速AI從高價值場景向長尾場景的全面滲透。單次任務的算力消耗雖在減少，但并發任務量的幾何級增長，能夠催生“成本下降、應用爆發、算力需求再放大”的良性循環。
對投資者和金融機構而言，利潤兌現率將成為核心決策指標。
AI產業的長期趨勢毋庸置疑，但趨勢的高確定性不等于所有相關標的都應享有高估值。步入“拼成本”階段后，各類投資者的考量會更為務實：營收增長最后有幾成能沉淀為凈利潤？當前的高估值需要多久的業績增長來消化？
今年以來，無論是A股市場還是海外資本市場，不少AI概念股均獲得了較高溢價。但從基本面視角審視，能夠持續穩定盈利的企業才是優質投資標的。鑒于此，投資者在進行資產配置時，需著重考察企業能否將產業的高景氣度兌現為真金白銀。具體而言，考察大模型企業，需盯緊Token調用收入能否覆蓋運營成本；審視上游硬件企業，需確認訂單放量能否同步提振毛利率；評估下游應用，要研判AI是否實質性落地并實現了降本增效。此外，金融機構在授信與投資決策時，要將財務健康度作為衡量AI資產質地的重要標尺。
長遠來看，AI企業“拼成本”是前沿技術走向成熟應用的必經之路。任何通用技術從實驗室邁向千行百業，都必須跨越商業化的成本門檻。因此，AI競爭的下半場，注定屬于那些能以更低成本創造更高價值的“玩家”。（蘇向杲）
轉自：證券日報
【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。
延伸閱讀
