從“參數競賽”到“算賬時代”——大模型行業進入“價值驗證期”

　　2026年第一季度財報季，一個被業界反復提及的轉折點出現在百度身上：當季百度人工智能（AI）業務收入達136億元，占核心業務收入比重首次突破52%，超過了支撐其十余年的在線營銷主業。這是大模型從“燒錢講故事”走向“算賬要回報”的一個縮影。

　　不止百度。這個財報季，加碼AI幾乎成了頭部廠商的共同選擇。阿里巴巴最新財報顯示，云智能集團收入同比增長38%、AI相關產品收入已連續十個季度保持三位數增長，集團首席執行官吳泳銘明確表示，阿里AI已跨越初期投入階段、進入正向的規模商業化回報周期，面向未來五年的算力投入將“遠超3800億元”。騰訊則將2026年在混元、元寶等核心AI產品上的投入定調為“翻倍以上”增長，字節跳動等也在持續加大AI基礎設施投入。一個共同信號正在浮現：在連續兩年的擴張之后，大模型行業開始集體“算賬”。從比拼參數規模，到比拼商業回報與成本效率，行業正進入一個被普遍稱為“價值驗證期”的新階段。

　　競爭標尺：從“更大”到“更省”

　　過去兩年，大模型行業比的是誰的模型更大、誰的融資更多、誰的用戶漲得更快。而2026年以來一個明顯的變化是，“成本”開始取代“規模”，被廠商擺到臺面上，當成對外競爭的賣點。

　　5月上線的文心大模型5.1就是一個例子。據百度介紹，這款模型靠新的訓練方法，只用了業界同等規模模型約6%的預訓練成本，就達到了領先水平。換句話說，過去比的是誰敢花錢，現在開始比誰會省錢。

　　多位行業分析人士的看法是，當頭部模型之間的能力差距越來越小、投入越多但效果提升越不明顯時，誰能把單位算力的成本壓下來、把響應速度提上去，誰就更有競爭力。

　　資本標尺：投入在加碼，回報開始顯現

　　如果說成本是企業關起門來自己算的賬，那么資本市場盯的是另一本賬——錢投下去，回報到底在哪里。這個財報季給出的答案是積極的：一邊是投入繼續加碼，一邊是商業化回報開始看得見。

　　在百度，AI已經成了名副其實的“第一增長曲線”：當季智能云收入88億元、同比增長79%，其中自研GPU云收入同比激增184%；據財報顯示，騰訊則在持續加大投入，一季度資本開支約319億元、研發投入約225億元，主要投向AI相關的基礎設施；字節跳動也把全年AI基礎設施的預算繼續往上加。

　　中國郵政儲蓄銀行研究員婁飛鵬認為，在技術快速創新迭代的背景下，科技巨頭千億級的AI資本開支，可以看作是為構建長期護城河的戰略投入。“隨著AI技術應用場景日益豐富，市場在估值上正逐步從短期盈利，轉向更關注模型迭代效率與場景變現的閉環。”他對記者表示，投資者如今更看重單位算力的產出比，以及AI在應用領域的滲透率。

　　一個共識正在形成：在動輒千億元的年度投入面前，市場比以往更在意一件事——這些錢多久能轉化成實實在在的收入和利潤。

　　需求是真“旺”：日均Token調用量兩年漲了上千倍

　　價值驗證不只看花錢的一側，需求端的數據能更直接地說明問題。

　　國家數據局披露的一組數字很有說服力：截至2026年3月，我國日均Token調用量已經超過140萬億，相比2024年初的1000億增長了1000多倍，僅2025年底到2026年3月這三個月就增長超過40%。Token是大模型處理信息的最小單元，調用量猛增，說明AI正從“能聊天”加速走向“能干活”。

　　市場規模也在快速擴大。據賽迪顧問測算，2025年中國智能體（AI Agent）市場規模約78.4億元，2026年有望達到135.3億元，增速超過70%。旺盛的需求也帶火了算力租賃——據賽迪研究院測算，2026年算力租賃市場規模有望達到2600億元，高端GPU的出租率超過90%。對廠商來說，這既驗證了商業前景，也對“把算力用得更省、更高效”提出了更高要求。

　　價值落點：從“會聊天”到“能干活”

　　價值驗證最終要落到一個問題上：AI能不能真正替企業把活兒干了、并且帶來看得見的回報。一個耐人尋味的細節，是衡量標尺本身正在變。

　　在5月舉行的開發者大會上，百度提出用“日活智能體數”（DAA）來替代過去常用的Token指標，理由是Token衡量的是“投入”，而真正該看的是“有多少智能體在替人干活、并交付結果”。2026年初，工業和信息化部等八部門部署“人工智能+制造”專項行動，明確提出到2027年要推出1000個高水平工業智能體，把AI往生產一線推。

　　這一點在金融業體現得頗為典型。婁飛鵬介紹，大型銀行在引入大模型或智能體賦能風控、營銷、客服等場景時，最看重的投產比指標集中在三個方面：風險成本的下降、客戶營銷轉化率的提升，以及人工替代帶來的效率提升。

　　不過，從“演示好看”走到金融一線的“安全敢用”，中間仍隔著不小的距離。婁飛鵬分析，難點主要有三：一是大模型可解釋性不足，尤其是AI幻覺和“黑箱”問題的影響；二是金融行業監管嚴格、合規門檻高；三是支付結算等金融基礎服務的容錯率極低，必須確保模型決策穩定可靠、符合審慎經營原則。說到底，“能用”和“好用、敢用”之間，要靠技術成熟度與風險可控性來一點點填平。

　　大模型行業下半場：比的是“賬本”

　　綜合這個財報季的種種信號，幾點判斷逐漸清晰。其一，省成本不能以犧牲服務質量為代價——如果“省”出來的算力換來的是響應變慢、穩定性下降，最后傷的是用戶對整個行業的信任。其二，市場對回報的追問短期內不會停，錢投下去能不能換來可持續的收入和利潤，是檢驗各家成色的關鍵。其三，真正的護城河，也許不在模型有多大，而在能不能把AI的能力，沉淀成某個真實場景里“可交付的結果”。

　　從“參數競賽”到“算賬時代”，大模型行業的下半場，比的不再是誰的故事更宏大，而是誰的賬本更經得起推敲。（記者關佳浩 實習生李思宇亦對本文有貢獻）

　　轉自：經濟參考網

　　【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