请仔细阅读在本报告尾部的重要法律声明
1
Token 启示录（三）：大模型商业模式的中
观分析
于钟海 分析员
王之昊 分析员
袁佳妮 分析员
SAC 执证编号：S0080518070011
SFC CE Ref：BOP246
@
SAC 执证编号：S0080522050001
SFC CE Ref：BSS168
@
SAC 执证编号：S0080523050003
SFC CE Ref：BTM577
@
纵轴：相对值（%）
股票 股票 目标 P/E (x)
名称 评级 价格 2026E 2027E
智谱-H 跑赢行业 . .
MINIMAX-H 跑赢行业 . .
中金一级行业：科技
资料来源：Wind，彭博资讯，中金公司研究部
⚫ 软件及服务 | Token启示录（一）：Agentic AI驱动Token
大幅增长，AI产业链全线受益 ()
⚫ 软件及服务 | Token启示录（二）：单位经济模型探讨
()
观点聚焦
投资建议
2026 年初至今，Claude Code、Codex、OpenClaw等Agent产
品的相继爆火带动Token关注度进一步跃升，与此同时，大模型
随着智能程度的提高进入真实复杂生产力场景，整体商业化变现
进程持续加速。本篇报告我们主要以中观视角讨论大模型在B端
和C端场景的商业化变现方式、拆解模型厂商算力成本结构、以
及展望模型厂商稳态盈利参数。
理由
B端以API为核心的Token Factory具备高确定性，模型智能水平
和效率是核心。AI coding的突破加速了模型进入企业级市场赋能
用户提升生产力，企业也愿意以API调用的方式为智能而高效的
模型付费。Anthropic作为专注于Coding和企业级市场的代表性
厂商，ARR从 2025 年底的 90 亿美元增长 5 倍至 2026 年 5 月
的 450 亿美元，而OpenAI也加码企业级市场与Anthropic展开角
逐。我们估算，全球白领市场Agentic AI的TAM将达到 1-3 万亿
美元，模型智能水平和Agent泛化能力提高支撑TAM扩张。
C端通过订阅制和广告进行商业转化，未来Agentic AI潜力可
期。2023 年GPT基于AI问答和搜索引入ChatBot模式开始覆盖C
端市场，Google则是基于搜索引擎的基本盘迭代升级Gemini巩
固流量，2026 年 5 月ChatGPT和Gemini的C端月活分别达到 10
亿/9 亿。大模型在C端变现的核心是通过模型的智能化水平获取
流量入口以及提升Token付费质量，包括引入广告覆盖免费用户
的Token成本，以及探索单Token价值量更高的Agentic AI市场。
推理端毛利率趋势性提升，远期模型厂商有望盈利。我们认为，
2026 年海内外模型厂商仍加码模型预训练，参数量将更上一个
台阶，带动训练端算力成本持续提升；推理端随着底层算力效率
和模型智能水平提高，毛利率将趋势性提升。而随着下游需求加
速释放带动模型厂商收入放量，模型训练和人员费用将被摊薄，
中长期模型厂商将实现盈利。
盈利预测与估值
维持模型厂商盈利预测，估值和评级不变，推荐智谱和MiniMax。
风险
算力持续涨价；Agent泛化能力不及预期；API价格战。
90
100
110
120
130
140
2025-06 2025-09 2025-12 2026-03 2026-06
沪深300 中金软件及服务
软件及服务
证券研究报告
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
2
目录
收入端：B 端曲线加速，C 端潜力可期 ............................................................................................. 4
B 端：以 API 为核心的 Token Factory，模型智能水平是核心 ...................................................... 4
C 端：面向广泛消费级用户，巩固流量是关键 ........................................................................... 15
AI 应用：具备高溢价空间，但目前仍在探索阶段 ...................................................................... 20
成本端：投入扩张期，聚焦算力与人才 ........................................................................................... 22
训练端：Scaling Law 延续，模型参数规模再上一个台阶 .......................................................... 22
推理端：厂商优化推理效率，毛利率趋势性提升 ....................................................................... 24
利润端：收入端达到一定规模后，模型厂商有望盈利 ................................................................ 25
风险提示 ......................................................................................................................................... 27
图表
图表 1：中国程序员使用 AI coding ROI 测算 .................................................................................... 5
图表 2：美国程序员使用 AI coding ROI 测算 .................................................................................... 5
图表 3：普通 ChatBot 的 Token 消耗拆解 ......................................................................................... 5
图表 4：Agentic Coding Token 消耗拆解 ........................................................................................... 6
图表 5：AI coding 的客群不仅限于开发者（2025） .......................................................................... 6
图表 6：基准情形下全球白领 AI Agent TAM 将达到 1 万亿美元 ........................................................ 8
图表 7：乐观情形下全球白领 AI Agent TAM 将达到 3 万亿美元 ........................................................ 9
图表 8：Harness 示意图 ................................................................................................................... 9
图表 9：美国企业市场模型采购率份额中，Anthropic 增长斜率较高 ................................................ 10
图表 10：OpenAI 收入以 C 端订阅为主（2025） ............................................................................ 10
图表 11：Anthropic 收入以 API 为主（2025） ................................................................................ 10
图表 12：2026 年 3 月末 Anthropic ARR 首超 OpenAI .................................................................... 11
图表 13：Claude Code 和 OpenAI Codex 完成相同开发任务的 Token 消耗对比 ............................. 11
图表 14：OpenAI 与微软合作分成示意图 ........................................................................................ 12
图表 15：Anthropic 与亚马逊合作分成示意图 ................................................................................. 12
图表 16：模型完成复杂任务的难度和时间快速提升 ........................................................................ 13
图表 17：海内外头部模型 API 价格对比 .......................................................................................... 14
图表 18：Agentic AI 消耗的 Tokens 量级是 ChantBot 的百倍 .......................................................... 14
图表 19：OpenAI 与 Anthropic 算力储备 ......................................................................................... 15
图表 20：ChatGPT 和 Gemini 月活对比 .......................................................................................... 16
图表 21：ChatGPT 面向消费者各版本收费情况 .............................................................................. 16
图表 22：ChatGPT 付费用户数与预估付费率.................................................................................. 16
图表 23：OpenAI 收入结构拆分，2023-2030E ............................................................................... 17
图表 24：ChatGPT 和 Google Search 2 月广告展现量份额分行业对比 ........................................... 18
图表 25：ChatGPT 广告线索质量与 Google 和 Meta 对比 .............................................................. 19
图表 26：ChatGPT 广告成本与 Google 和 Meta 对比 ..................................................................... 19
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
3
图表 27：国内主要模型月活数据 ..................................................................................................... 19
图表 28：Token 分层示意图 ............................................................................................................ 21
图表 29：海内外模型厂商成本结构（2025） .................................................................................. 22
图表 30：海内外模型厂商算力成本结构（2025） ........................................................................... 23
图表 31：OpenAI 和 Anthropic 模型训练侧投入预期（2025A-2028E） .......................................... 23
图表 32：国内主要模型总参数和激活参数对比 ............................................................................... 24
图表 33：大模型公司假设 IS 模型 ................................................................................................... 26
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
4
收入端：B 端曲线加速，C 端潜力可期
AI 大模型迈入真实生产力场景，商业化变现进程持续加速。自 2023 年 ChatGPT
爆火后，大模型已快速渗透至千行百业，从最初的 ChatBot 到能够处理长链复杂
任务的 Agent、从简单文本生成到多模态视频制作、从代码 debug 到 Agentic
engineering，大模型基于算法和工程加速更新迭代，已赋能人类真实生产力提
升。商业化角度，大模型能够自主交付的任务复杂度增加，用户为智能付费的意
愿增强，当前阶段已形成模型直接商业化（C 端订阅+B 端 API）及间接商业化
（广告、电商）两种方式。未来随着模型智能上界不断突破，我们认为全球
Token 消耗量呈现指数级增长，支撑大模型规模商业化加速。
大模型面向不同层级实现多种商业模式变现，Token 分层趋势显现。2023 年
GPT 基于 AI 问答和搜索引入 ChatBot 模式开始覆盖 C 端市场，2025 年 Claude
通过 Coding 的规模化应用切入 B 端赛道，2026 年模型实现更长程任务的能力解
锁 Agent 场景，随着模型能够解决的任务复杂度提升，这背后反映的是模型智能
的进阶。面向最广大的轻量级消费场景，例如完成简单的问答和搜索任务，商业
变现路径或将是通过订阅和广告完成，核心是提升 C 端客户粘性与巩固流量；而
面向更复杂的企业场景，无论是 Coding 还是 Agent，需要更智能、更昂贵的
Token 实现，商业模式将延续 API 路径；价值量最高的 AI 原生应用产品可能是智
能 Token+面向场景的新型解决方案，将 Token 包装成产品进行收费，但目前该
产品形态及商业模式仍在探索阶段。
B 端：以 API 为核心的 Token Factory，模型智能水平是核心
针对长程复杂任务，用户愿意为“聪明”模型付费。2025 年以前模型进入企业级
市场较为困难，主要由于 B 端场景及任务相较于 C 端的问答更为繁琐，仅通过
ChatBot 模式解决问题有限。2025 是转折之年，AI coding 的破圈不仅快速提升
了程序员生产力，也是实现 AGI 非常重要的突破口。Coding 基于可验证环境+高
质量数据成为首个进入真实生产力级别的应用，也为其他场景实现 Agentic 奠定
了基础，让模型真正进入了企业级场景。2026 年 OpenClaw 的爆火让 Agentic AI
渗透率和关注度迅速提升，用户开始调用智能水平较高的模型作为“大脑”、让
Claw 作为执行命令的“脚手架”解决个人和企业场景复杂长程任务。无论是
Coding 还是 Claw，由于智能的模型可以真实提升生产力水平，用户对模型智能
要求明显提高并且也愿意为“聪明”的模型付费。
Coding 广泛提升生产力，Token 消耗是 ChatBot 的百倍
Coding 提升编程生产力，已初步验证 ROI。对于程序员而言，Coding 已从最初
简单的代码补全到实现端到端 Agentic engineering，大幅提升编程生产力。根据
Stack Overflow 全球开发者调查，2025 年 84%的程序员日常使用 AI 编程，2026
年这一数字将更高。我们估算，假设中国程序员每日花费 116 美元（对应每年 22
万元），AI coding 节省约 小时 ROI 就可以转正，同等情况在美国，AI coding
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
5
节省不到 小时 ROI 即可为正。Coding 的经济模型已得到验证，随着模型智能
程度进一步提高，Coding 提效能力大幅提升，用户付费意愿及模型厂商议价能力
仍有提升空间。
图表 1：中国程序员使用 AI coding ROI 测算
资料来源：中金公司研究部
图表 2：美国程序员使用 AI coding ROI 测算
资料来源：中金公司研究部
Coding 从代码补全到 Agentic engineering，Token 消耗是 ChatBot 的百倍以
上。按照程序员日常 Coding 工作覆盖场景可以大致分为代码解释、函数生成、
Debug、核心功能实现、多文件代码重构等。单代码（~-2 个 Token/代码）相
较英文单词（~ 个 Token/单词）消耗的 Token 更多，加上实现 Agentic
engineering 需要对以上工作场景全覆盖，并且还包括额外的工具调用、思维链推
理、循环迭代等。我们估算，单用户基于 Agentic Coding 的 Token 消耗是
ChatBot 的百倍以上。
图表 3：普通 ChatBot 的 Token 消耗拆解
资料来源：，中金公司研究部
3 4 5 6
$86 -9% 6% 21% 36% 51% 66% 81%
$96 -19% -5% 8% 22% 35% 49% 63%
$106 -26% -14% -2% 10% 23% 35% 47%
$116 -33% -22% -10% 1% 12% 23% 34%
$126 -38% -28% -17% -7% 3% 13% 24%
$136 -43% -33% -24% -14% -4% 5% 15%
$146 -47% -38% -29% -20% -11% -2% 7%
$156 -50% -42% -33% -25% -17% -8% 0%
$166 -53% -45% -37% -30% -22% -14% -6%
每日节省的工作时间（小时/天）
每日Token花费（美元/天）
1 2 3 4
$86 -41% -12% 17% 47% 76% 106% 135%
$96 -47% -21% 5% 32% 58% 84% 110%
$106 -52% -29% -5% 19% 43% 67% 91%
$116 -56% -35% -13% 9% 31% 52% 74%
$126 -60% -40% -20% 0% 20% 40% 60%
$136 -63% -44% -26% -7% 11% 30% 49%
$146 -65% -48% -31% -14% 4% 21% 38%
$156 -68% -51% -35% -19% -3% 13% 29%
$166 -70% -54% -39% -24% -9% 6% 22%
每日节省的工作时间（小时/天）
每日Token花费（美元/天）
组成部分 Token消耗 注释
系统提示词 200-2,000 具体情况因复杂度而异
用户消息（单回合） 50-200 简短提问与请求
AI回复 150-500 典型答案长度
RAG 上下文注入 500-3,000 已检索的区块添加到提示词中
总和（单次对话） 900-5,700
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
6
图表 4：Agentic Coding Token 消耗拆解
资料来源：，中金公司研究部
Coding 覆盖的场景及客群拓宽，开始解锁企业复杂场景。以 Coding 作为驱动的
各类 Agentic AI 也在快速进步，核心在于 Coding 是模型执行复杂任务的基础。
从场景看，视频剪辑、设计等多模态相关任务开始用 Coding 作为生产力工具提
效，IT 领域的商业智能、自动化脚本、运维等场景也可以基于 Coding 实现。而
客群方面，Coding 已加速从开发者向泛开发者拓展，大型企业中软开中心、IT 运
维、网安、HR、财务、供应链等部门均开始使用 Coding 或 Claw 的能力完成日
常工作事务。根据 Replit（AI 编程的 IDE 环境）数据，2025 年 7 月，使用其平
台 AI 编程的客群除了软件工程师，还包括运维人员、营销人员、产品经理、设计
者等等。我们认为，随着模型 Coding、记忆、长程任务执行能力进步，完成任务
的复杂度和效率提高，将打开 TAM 更大的企业级市场。
图表 5：AI coding 的客群不仅限于开发者（2025）
资料来源：Replit 平台，中金公司研究部
组成部分 输入Token 输出Token 总Token 预估次数
工具调用与结果（单个） 150-1,800 50-200 200-2,000 20
推理链条 500-5,000 15
代码补全 500-2,000 50-500 550-2,500 5
代码解释 500-3,000 300-1,000 800-4,000 5
函数生成 200-1,000 200-2,000 400-3,000 8
代码审查（单文件） 2,000-10,000 500-2,000 2,500-12,000 2
Debug 1,000-5,000 500-2,000 1,500-7,000 8
测试生成 1,000-5,000 500-3,000 1,500-8,000 1
完整功能实现 5,000-50,000 2,000-20,000 7,000-70,000 1
代码重构（多文件） 10,000-50,000 5,000-30,000 15,000-80,000 1
上下文累积 1,000-15,000 20
总和（Agentic Coding） 57,600-534,000 24,350-175,500 81,950-709,500
工具调用与推理链条
代码输出相关
48%
9%
13%
9%
8%
7%
6%
软件工程师
开发者关系
市场营销
数据科学家
产品经理
运营人员
设计师
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
7
Coding Agent 泛化能力提升，整体 Agentic AI TAM 或达到万亿美元。当前阶段，
Claude Code/Codex 正在代码领域快速渗透，北美和中国科技厂商程序员对于
Coding Agent 的粘性加速提升。随着 Agent 的泛化能力提高，将覆盖至更广泛的
白领群体，支撑整体 Agentic AI TAM 扩张。我们按照当前阶段不同群体对于 AI
Agent 的依赖程度对全球 10 亿白领（根据世界银行统计，2025 年全球就业总人口
为 37 亿人，我们假设 30%为与电脑工作密切的白领）分类，可以分为 5%重度（软
件工程师、AI 工程师、数据工程师、IT 运维等）20%、中度（金融分析、法律、咨
询品设计等高杠杆白领）、75%轻度（广义白领）三类用户。我们估算，基准情形
下全球 AI Agent TAM 为 1 万亿美元，其中以程序员为代表的 5%重度用户（约占
全球白领市场）贡献了 60%的市场份额，其 ARPU 值约为 万美元（约占美国
高级程序员年均薪酬的 5%），而中度用户对 Agent 付费程度有限，大约为 1000 美
元/年，轻度用户则以订阅 ChatBot 为主，单客户价值贡献较低；在乐观情形下全
球 AI Agent TAM 将达到 3 万亿美元，此时重度用户的 ARPU 值为 2 万美元，相较
基准情形下的客单价提升有限，但随着 Agent 能力的加速泛化、能够覆盖更多行业
解决复杂长程任务，中度和轻度用户付费意愿和客单价将大幅提升，3 万亿美元的
TAM 中重度/中度/轻度用户分别占比 1/3。我们认为，模型智能水平提升以及 Agent
的泛化能力是支撑 AI 加速渗透至千行百业赋能用户提效的核心。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
8
图表 6：基准情形下全球白领 AI Agent TAM 将达到 1 万亿美元
注：ARPU 是根据当前 Anthropic Claude Code 每月订阅价格（$20/$100/$200）以及 API 价格综合测算而来
资料来源：世界银行，OpenAI，Anthropic，中金公司研究部
全球白领分类的定义（根据对AI Agent的依赖程度）
分类 人群 假设应用场景
重度用户 码农/软件工程师/AI工程师/数据工程师
Agent直接替代部分开发、测试、debug
、部署、人力外包
中度用户
金融、法律、咨询、科研、产品、设计、数据分析等高杠杆
白领
提升研究、写作、分析、流程处理效率
轻度用户 广义白领、文职、销售、运营、行政、教育等
类似办公Copilot、通用助手、轻量自动
化
全球白领分类比例
全球白领人数假设（亿） 10
分类 占比 对应人数（万）
重度用户 5% 5,000
中度用户 20% 20,000
轻度用户 75% 75,000
Base Case
全球各白领分类Agent价值量假设
分类 需求层级 年ARPU假设（美元/年）
重度用户
重度Agent Coding Plan用户，主要由企业付费，且有超额
Tokens需求，日均消耗Tokens峰值可达亿级
12,000
中度用户
轻度Agent Coding Plan结合ChatBot Pro版用户，部分时间超
额Tokens需求，日均消耗Tokens在百万至千万级
1,000
轻度用户
ChatBot Pro版可满足大部分需求，有低频的Coding相关需
求，通常无超额Tokens需求
200
对应Agentic AI市场规模
总计市场规模（亿美元） 9,500
分类 市场规模占比 市场规模（亿美元）
重度用户 63% 6,000
中度用户 21% 2,000
轻度用户 16% 1,500
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
9
图表 7：乐观情形下全球白领 AI Agent TAM 将达到 3 万亿美元
注：ARPU 是根据当前 Anthropic Claude Code 每月订阅价格（$20/$100/$200）以及 API 价格综合测算而来
资料来源：世界银行，OpenAI，Anthropic，中金公司研究部
API 在 Skills 和 Harness 的加持下，用户粘性有所提升。除了场景端空间释放
外，用户粘性也是模型加速渗透至企业级市场的核心。此前用户反馈 API 的切换
粘性较低，但随着近期 Skills 和 Harness Engineering 的爆火，用户开始在使用
模型时更多的沉淀数据和经验，API 的调用越来越偏向产品化，粘性较此前大幅
提升。因此，对于模型厂商来说保持模型能力领先，并且通过 Skills 和 Harness
Engineering 等工程化方式巩固客户需求，是提升 B 端客户粘性的基础。
图表 8：Harness 示意图
资料来源：JavaGuide，中金公司研究部
Anthropic 与 OpenAI 以 Coding 为切入，在企业市场展开角逐
Anthropic 作为 Coding 赛道领先厂商，在企业市场加速渗透。Anthropic 专注于
Coding 场景并在早期就积累了高质量编程数据，已进入正向数据飞轮。与
OpenAI 此前聚焦 C 端场景不同，Anthropic 始终瞄准 B 端客户并以 Coding 作为
Bull Case
全球各白领分类Agent价值量假设
分类 需求层级 年ARPU假设（美元/年）
重度用户
重度Agent Coding Plan用户，主要由企业付费，且有超额
Tokens需求，日均消耗Tokens峰值可达亿级
20,000
中度用户
轻度Agent Coding Plan结合ChatBot Pro版用户，部分时间超
额Tokens需求，日均消耗Tokens在百万至千万级
5,000
轻度用户
ChatBot Pro版可满足大部分需求，有低频的Coding相关需
求，通常无超额Tokens需求
1,500
对应Agentic AI市场规模
总计市场规模（亿美元） 31,250
分类 市场规模占比 市场规模（亿美元）
重度用户 32% 10,000
中度用户 32% 10,000
轻度用户 36% 11,250
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
10
抓手拓宽场景，4 月末最新 ARR 已达到 450 亿美元，2025 年底该值为 90 亿美
元，按照此增长斜率估算，年底 ARR 有望达到 1000 亿美元。Anthropic ARR 构
成中，80%来自于 B 端客户，年化收入贡献 100 万美元以上的客户达到 1000
家。根据 Ramp AI 数据，美国 4 月采购 AI 产品的企业客户中，采购 Anthropic 的
客户达到 %，环比 3 月提升 ，从趋势看 Anthropic 份额增长斜率较
高，并且在信息技术、金融保险、个人服务三个行业实现领先。
图表 9：美国企业市场模型采购率份额中，Anthropic 增长斜率较高
资料来源：Ramp AI，中金公司研究部
图表 10：OpenAI 收入以 C 端订阅为主（2025） 图表 11：Anthropic 收入以 API 为主（2025）
资料来源：OpenAI，The Information，中金公司研究部 资料来源：Anthropic，The Information，中金公司研究部
OpenAI 更遵循模型第一性原理，推出 Codex 加码企业级及 Coding 市场。从模
型扩张角度，Anthropic 和 Gemini 更偏向于在细分场景（Coding/多模态）做精
75%
11%
12%
2%
ChatGPT消费者 API/开发者
ChatGPT企业部署 新兴业务
62%
8%
18%
12%
API Claude code Business 其他
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
11
细，再沿着确定方向提升模型能力；而 OpenAI 则是多路线发展，模型的综合能
力相对更强。此前 OpenAI 更聚焦 C 端市场，B 端市场的布局主要来自 ChatGPT
Business。但目前 C 端 ChatBot 模式 TAM 有限、间接广告转化相对缓慢、以及
Anthropic 在 B 端加速扩张，OpenAI 也在优化商业化战略，包括推出企业智能体
Frontier，与 Amazon 合作打通 AWS 原生企业客户等等。公司 2026 年 2 月升级
迭代的 Codex，全面对标 Claude Code，目前周活用户已达 200 万，三个月增长
5 倍。而用户反馈 Claude Code 生成代码质量更高并且注重长期可维护性，适合
复杂业务逻辑设计；Codex 则是 Token 效率更高，适合快速和低成本开发应用。
图表 12：2026 年 3 月末 Anthropic ARR 首超 OpenAI
资料来源：Anthropic，SaaStr，中金公司研究部
图表 13：Claude Code 和 OpenAI Codex 完成相同开发任务的 Token 消耗对比
资料来源：DBA 数据库，中金公司研究部
OpenAI 与 Anthropic 和云厂商分成方式不同，ARR 口径略有差异。由于微软投
资 OpenAI 较早，两者有较为严苛的分成条件，具体为 2030 年之前 OpenAI 需支
-
5
10
15
20
25
30
35
40
45
50
OpenAI Anthropic
(十亿美元)
620
65
150
18
0
100
200
300
400
500
600
700
Figma插件开发 日程应用开发 API集成开发 平均任务
Claude Code OpenAI Codex
(千Tokens)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
12
付收入的 20%给微软；而 Anthropic 和 AWS 更偏合作关系，购买 AWS 的算力和
使用亚马逊自研芯片 Trainium 和 Inferentia 进行训练和推理，算力分成方面亚马
逊则是从 AWS Bedrock 的 Claude 调用费用中扣取部分平台服务费和基础设施
费，而 Anthropic 计算 ARR 时使用的是总 ARR，并未扣减 AWS 的相关服务费，
所以 OpenAI 和 Anthropic 的 ARR 计算方式有所差别。
图表 14：OpenAI 与微软合作分成示意图
资料来源：OpenAI 官网，中金公司研究部
图表 15：Anthropic 与亚马逊合作分成示意图
资料来源：Anthropic 官网，中金公司研究部
Agentic AI 渗透率提升，模型能力和算力储备是关键
从 Coding 到 Agentic AI，模型向提升通用生产力进阶。当前阶段，模型能力决
定了 Agentic AI 任务完成的质量，而提升通用生产力的关键是模型能够高准确度
完成长链条任务。根据海外机构 METR 分析，随着模型能力进步，能够完成的复
杂任务准确度及时长都在大幅提升。Claude 完成复杂任务（比如通过
RFC 工程化模块化互联网协议）在准确率为 50%的情况下可以执行 10+小时。我
们认为，未来会出现能够持续以天、月为单位工作的 Agentic AI，届时其也会成
为真正意义上的通用级生产力，甚至未来 Agent 还能够自主构建新的 Agent，形
成自我生成迭代的生态。
OpenAI Microsoft
占股~27%
投资估值~$1,350亿
采购$2,500亿Azure服务
提供模型IP权至2032年
分成：~20%收入
Azure算力与服务
Anthropic Amazon
投资注入~$330亿
未来10年算力采购 $1000亿
获取5GW Trainium芯片
Anthropic企业客户
10万+家
Amazon
Bedrock
统一计费+分发平台 获得模型推理收入
按Token计费 授权费
分成：部分平台通道费
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
13
图表 16：模型完成复杂任务的难度和时间快速提升
资料来源：METR，中金公司研究部
Agentic AI 消耗的 Token 呈现指数级增长，模型厂商下一步需要管理 Task
Budget。Agentic AI 主要以代码作为“介质”，进行网页查找、工具调用等工
作，并且在执行过程中会有更多轮次推理和迭代，Agentic AI 相比 ChatBot 会带
来百倍以上的 Token 消耗。随着 Agentic AI 的渗透，企业及个人可能会推出
Token Budgets 以此来控制支出，Token 供应方也需要提供 Task Budgets 管理
Token 消耗，让模型更加智能识别哪些环节需要消耗更多 Tokens，哪些可以节
省，从而达到任务输出和效率的平衡。同时，由于更智能的模型所输出的代码质
量、Agent 任务完成度都更高，即使模型间输入/输出价格差距很大，但实际完成
一个代码或是 Agent 任务所消耗的实际 Token 价格差距在缩小。根据 Cursor 发
布的开发者习惯调查，Claude Opus 完成一个 Agent 任务消耗 Token 均价为
美元，是 Composer 的 9 倍，但 Opus 的代码接纳率更高，因此每行
代码增加的价格是 Composer 的 7 倍，也就是实际价格差距缩小。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
14
图表 17：海内外头部模型 API 价格对比
注：截至 2026 年 6 月 10 日
资料来源：各公司官网，中金公司研究部
图表 18：Agentic AI 消耗的 Tokens 量级是 ChantBot 的百倍
资料来源：The Information，中金公司研究部
Agentic AI 加速渗透，算力储备和生态建设或成为重要因素。2023-2025 年海内
外模型公司对算力投入多集中在训练侧，2026 年随着 Claude Code、OpenClaw
相继爆火，企业和个人对于模型推理 Token 需求激增，算力租赁价格在存储涨
价、需求抬升双驱动下增长约 50%左右，但海内外智能程度高的模型仍然出现
Coding plan 售罄、“模型降智”等问题。大模型的角逐除了提高智能水平，算力
储备也成为了决定性要素，包括能否有充足的算力去支撑用户充足的 Token 额
度，支持足够长的思维和推理链条也是决定模型推理能力的关键。此外，我们认
为，模型如果成为未来 AI 时代的“操作系统”，生态建设也非常重要，能够吸引
更多 AI 原生应用搭建、企业合作伙伴使用的模型厂商或将掌握更多制胜筹码。
10
5 5
4
50
25
30
15
18
9
4 4 5
0
10
20
30
40
50
60
输入价格 输出价格
(美元/百万Tokens)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
15
图表 19：OpenAI 与 Anthropic 算力储备
注：数据截至 2026 年 5 月
资料来源：Yahoo Finance，Anthropic，OpenAI，中金公司研究部
C 端：面向广泛消费级用户，巩固流量是关键
面向 C 端消费级场景，Token 目前主要基于间接方式变现。从当下产品形态看，
广泛的 C 端用户主要是使用 AI 解决搜索、问答类相关问题，所需要的 Token 智
能水平适中，更加关注信息总结的全面性和准确率，海外 ChatGPT、Gemini，国
内豆包、DeepSeek 等模型产品，从 C 端用户问答场景看差异性有限，并且随着
模型智能水平提升会更趋向于同质化竞争。但对于模型厂商来说，当下 C 端
Token 较难直接向用户收费，仍是作为模型厂商的成本项。因此，模型厂商更加
聚焦如何将成本转化为间接方式变现，例如通过提升 C 端客户粘性将 Token 转化
为广告、电商等平台生态相关收入。具体来看，阿里、字节通过免费 ChatBot 产
品巩固用户基础和争夺流量入口；OpenAI 切入广告领域探索新商业模式。
C 端订阅模式关注用户粘性与付费率
海外 C 端关注用户活跃数、付费率、客单价，ChatGPT 和 Gemini 各具优势。
当前阶段，海外 C 端用户在使用 ChatBot 进行问答和搜索时，会优先选择
ChatGPT 和 Gemini，两者分别以推理和多模态任务见长。截至 2026 年 5 月，
ChatGPT 和 Gemini 的月活分别为 10 亿和 9 亿，自 Google Gemini-3 11 月发布
后，其出色的多模态与推理能力受到广泛好评，月活数达到 亿，但由于近期
模型版本并未出现大幅迭代，关注度较此前刚推出时有所下降；根据 Yahoo
Finance，截至 2025 年 7 月，约有 3,500 万用户分别以 20 美元/月和 200 美元/
月的价格订阅 ChatGPT Plus 或 Pro 的套餐，约占 ChatGPT 每周活跃用户的
5%；OpenAI 预计，到 2030 年 ChatGPT 付费人数将达到 亿，占周活人数
26 亿的 %。我们据此估算，假设 ChatGPT C 端消费者 2030 年平均价格 50
美元/月，OpenAI 2030 年 C 端订阅 ARR 将达到约 1320 亿美元。
单位：GW OpenAI Anthropic
2025年实际可用算力
已上线+锁定算力 10 5
算力布局
1）微软Azure上的英伟达 Blackwell/Vera Rubin
GPU（训练/推理）
2）Stargate项目，与Oracle共建算力
3）亚马逊Trainium（训练/推理）
1）谷歌TPU（训练为主）
2）亚马逊的Trainium（训练/推理）
3）微软Azure上的英伟达Blackwell/Vera Rubin
GPU（推理）
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
16
图表 20：ChatGPT 和 Gemini 月活对比
资料来源：The Information, OpenAI, Google, MacroMicro，中金公司研究部
图表 21：ChatGPT 面向消费者各版本收费情况
注：截至 2026 年 6 月 10 日
资料来源：OpenAI 官网，中金公司研究部
图表 22：ChatGPT 付费用户数与预估付费率
资料来源：The Information，Epoch AI，OpenAI，中金公司研究部
0
200
400
600
800
1000
1200
ChatGPT Gemini
(百万)
免费版 Go版 Plus版 Pro版
定价 免费 8美元/月 20美元/月 200美元/月
模型支
持
Instant Instant更高使用额度 及高级推理模型 Pro
功能使
用
1）有限的消息上
传
2）图片生成受限
3）记忆及上下文
受限
1）更高的消息额度和上传额度
2）更多的图片生成额度
3）更长的记忆和上下文
1）涵盖所有Go版功能
2）高级推理模型
3）更高消息额度和文件上传权限
4）项目、任务和自定义GPT
5）更多深度研究和智能体模式使
用权限
6）Codex智能体
1）涵盖Plus所有内容
2）无限且快速的图片生成
3）最大记忆与上下文支持
4）最大任务量的Codex智能体
5）最高额度的深度研究与智能
体功能
6）文件上传不设限
%
0%
1%
2%
3%
4%
5%
6%
7%
8%
9%
0
5,000
10,000
15,000
20,000
25,000
2023年初 2023年底 2024年底 2025年初 2025年中 2030E
付费用户数 预估付费率
(万)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
17
C 端 ChatBot 模式价值量相对有限，Agentic AI 空间更为广阔。根据 2026 年 5
月数据，ChatGPT 加 Gemini 月活人数达到 19 亿，而 Google Search 月活为 30
亿左右，用户规模仍具备向上渗透空间。而从用户付费角度，ChatBot 模式解决
的任务较为简单、价值量相对较低，仅通过 ChatBot 模式提高用户付费单价存在
天花板。因此，大模型在 C 端变现的核心在于通过模型的智能化水平获取流量入
口以及提升 Token 付费质量。一方面，我们认为，未来用户和各类 C 端 App 的
交互 UI 或将改变，能够掌握流量入口的大模型将有更多变现可能性，例如，通过
广告、电商等方式提升收入规模，覆盖免费用户消耗 tokens 成本；另一方面，随
着模型智能水平提高，能够自行解决更多复杂长程任务，C 端应用向着 Agentic
AI 发展，相应价值量有望大幅提升，用户付费意愿以及单 Token 收入将增加。
图表 23：OpenAI 收入结构拆分，2023-2030E
注：数据为 The Information 披露 OpenAI 相关预测
资料来源：The Information，Epoch AI，OpenAI，中金公司研究部
广告是覆盖免费 Token 成本的间接商业模式
AI 渗透带来用户交互习惯改变，广告是 C 端变现重要路径。OpenAI 和 Google
Gemini 已开始在广告领域实现探索，ChatGPT 在免费和 Go 版本中试点上线广
告，目前不到 20%的 ChatGPT 用户可以看到广告，截至 2026 年 3 月，广告上
线不到 6 周 ARR 已超 1 亿美元，覆盖 600 个广告主，并且是品牌广告和效果广
告一起推出。根 Sensor Tower，ChatGPT 广告上线两周已覆盖 100 多个品牌，
涵盖零售、旅游、科技等领域。OpenAI 预计 2026 年其广告收入将达到 25 亿美
元，预计 2030 年达到 1000 亿美元。Google 则仍是以搜索引擎为基本盘，目前
已在 Google Search 的 AI Overview 和 AI Mode 中加入广告，截至 2025 年 10
月，AI Overview 年化收入已达到 50 亿美元，AI Mode 对总搜索的带动量超过
10%。Google 在这两个模式中加入广告，可以有效巩固自身广告优势，并且挖掘
从传统搜索到 AI 搜索的新增量市场。
0
50
100
150
200
250
300
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
ChatGPT消费者 ChatGPT企业部署 API/开发者 新兴业务（Agent、广告等）
(十亿美元)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
18
图表 24：ChatGPT 和 Google Search 2 月广告展现量份额分行业对比
注：数据截至 2026 年 2 月 16 日
资料来源：Sensor Tower，中金公司研究部
大模型挖掘广告新增量市场，并非纯存量市场博弈。大模型可以用内容理解、多
模态等改进此前推荐算法分析行为数据的不足，更加有效发掘用户底层需求，例
如，Meta 基于 Lattice 将不同频道、不同目标之间的内容进行互通理解，在
Instagram 的测试中广告质量提升约 8%。当前阶段，ChatGPT 引入广告的线索
质量高于 Meta、低于 Google，每次购买成本（CPA）低于 Google 和 Meta。我
们认为，ChatGPT 先通过高性价比吸引广泛广告商投放，随着大模型智能水平提
高，更加了解用户需求和个性化需求，能够激发用户购物潜力，ChatGPT 广告投
放质量、CPC、CPA 等指标将提升。2025 年全球广告市场 6,500 亿美元，每年
增长 %，我们假设大模型带来新增广告市场 10%，到 2030 年广告 TAM 将达
到 11,240 亿美元，假设 OpenAI 占有 9%的份额时，广告收入将突破 1000 亿美
元。
%
%
%
%
44%
0%
%
%
%
~37%
0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50%
Delivery
Software & Tech
Travel & Entertainment
Media & Education
Retail and Grocery
Google Search ChatGPT
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
19
图表 25：ChatGPT 广告线索质量与 Google 和
Meta 对比
图表 26：ChatGPT 广告成本与 Google 和 Meta
对比
注：数据截至 2026 年 3 月，该数据是 NP Digital 根据
资料来源：NP Digital，中金公司研究部
注：数据截至 2026 年 3 月，该数据是 NP Digital 根据
资料来源：NP Digital，中金公司研究部
国内 C 端市场付费意愿较低，互联网厂商依托 C 端 Token 占据流量入口。相较
于海外 ChatGPT 有一定 C 端订阅用户，国内 DeepSeek、豆包、千问等模型均
为开源，加上国内 C 端场景付费意愿相对较低，因此国内 C 端模型产品当下变现
较好的方式还是与生态联动，通过间接方式跑通商业化。互联网厂商目前更加注
重用户规模与粘性积累，巩固流量基本盘从而扩大生态。例如，千问 App 中增加
点外卖、订酒店等功能就是将模型与阿里生态打通的第一步。对于互联网厂商来
说，在 AI 时代获得 C 端流量入口是关键，后续可以通过生态内协同或是广告等
方式覆盖免费 Token。
图表 27：国内主要模型月活数据
资料来源：QuestMobile，AI 产品榜，中金公司研究部
豆包根据不同任务复杂度，率先推出付费订阅方案。2026 年 5 月字节豆包官宣不
再全面提供免费服务，而是在免费版基础上推出分层付费订阅模式，包括标准版
256%
-49%
-100% -50% 0% 50% 100% 150% 200% 250% 300%
ChatGPT
vs. Google
ChatGPT
vs. Meta
ChatGPT advantage (better performance)
ChatGPT advantage (better performance)
38%
46%
0% 10% 20% 30% 40% 50%
ChatGPT
vs. Google
ChatGPT
vs. Meta
ChatGPT advantage (better performance)
-
5,000
10,000
15,000
20,000
25,000
30,000
35,000
40,000
豆包 DeepSeek 千问 腾讯元宝
(万)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
20
连续包月（68 元/月）、加强版连续包月（200 元/月）、专业版连续包月（500 元/
月），付费功能主要聚焦在复杂任务和生产力场景，包括 PPT 生成、数据分析、
影视制作等等，而相对简单的日常聊天、文案撰写、信息查询等功能仍然保持免
费。我们认为，豆包作为国内第一家面向 C 端用户开启收费的模型，符合当下
Token 分层的趋势，也就是能够解决复杂任务的智能模型将进入付费通道，而免
费模型通过解决简单日常任务巩固 C 端流量+广告变现。
AI 应用：具备高溢价空间，但目前仍在探索阶段
产品级 Token 对标爆款应用，厂商仍在探索新方向。目前价值量更高的 AI 应用
还在发展阶段，无论是软件厂商或者 AI 创业公司，都在积极探索新产品范式。能
够理解用户需求、高效利用 Token、并且将 Token 产品化的厂商或脱颖而出。当
下用户关注度比较高的初创厂商包括统一 Agent 平台 GenSpark、AI 法律公司
Harvey 等等；传统软件厂商中也基于大模型做各类 AI 应用，例如知识库、垂类
Agent 等。产品级 Token 的付费模式可能更多样化，以 API 收费或 license 付费
或解决问题价值量付费均有可能。
从 C 端消费级、B 端 Token Factory 到空间更大的 AI 原生应用，Token 价值正
在分层。面向 C 端广泛用户，Token 的核心价值在于完成日常任务巩固流量和通
过广告变现，商业模式主要包括：免费/订阅制/广告覆盖免费 Tokens 成本。根据
我们估算，截至 2030 年，全球 C 端订阅 TAM 将达到约 4,800 亿美元，AI 广告
TAM 将达到 1000 亿美元，C 端场景的总 TAM 大约为 6000 亿美元；而面向 B 端
客户的 Token Factory 模式更加聚焦解决复杂任务，所需要的 Tokens 智能程度更
高，因此该层级的 Tokens 议价能力也会更强，商业模式主要是按照 Tokens 付费
或订阅制，我们估算面向 B 端的模式 TAM 或达到约 4 万亿美元；而能够提供广
泛解决方案的 AI 原生应用当前仍处于快速探索阶段，其核心贡献是可以按照产出
结果收费，议价能力和价值含量更高，TAM 甚至可以按照占 GDP 比重来估算。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
21
图表 28：Token 分层示意图
注：TAM 测算为 2030 年
资料来源：中金公司研究部
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
22
成本端：投入扩张期，聚焦算力与人才
模型厂商重点投入算力和人才，保持领先优势。模型发展仍处于快速提升智能上
限的阶段，主要模型厂商聚焦算力、算法、数据、人才、工程优化几个维度，提
供智能密度较高的 Token 的同时，也在加速优化算法和工程，有效降低推理成
本，从而提升毛利率和加快盈利时间。独立模型厂商的成本支出主要集中在训
练、推理和人员方面，2025 年海外模型厂商算力支出（训练和推理）基本是收入
的 倍，人员成本占收入的 42%-64%，亏损是收入的 1 倍，Anthropic 和
OpenAI 花费的现金分别为 30/90 亿美元；国内模型厂商由于商业化处于起步阶
段，训练成本大约是收入的 2-4 倍，而推理成本与海外虽有差距，但具备优化空
间，我们认为，2026 年国内模型商业化斜率加速明显，成本端将逐渐摊薄。
图表 29：海内外模型厂商成本结构（2025）
注：智谱和 MiniMax 毛利率为开放平台和 API 毛利率
资料来源：OpenAI，Anthropic，The Information，中金公司研究部
训练端：Scaling Law 延续，模型参数规模再上一个台阶
当前模型厂商算力支出约 70%投入在训练端，推理算力将在 Agentic AI 拉动下
提升。模型智能水平是厂商持续领跑的基础，过去三年模型厂商投入高昂的算力
在训练阶段，从预训练、后训练、强化学习，到各类创新型模型架构探索，并且
提升参数量和数据规模量，从训练范式和参数量级优化模型能力。从 2025 年海
内外模型算力成本结构看，一半以上来自于训练支出，其中，OpenAI 的训练和推
理成本接近 1：1，主要由于 OpenAI 面向 C 端消费者需要覆盖一定的免费用户成
本，其余厂商基本 70%左右算力均投入在训练阶段；国内模型厂商训练支出占比
更高，主要由于 2025 年国内推理需求相较海外还未起量。我们认为，2026 年随
着下游行业推理需求指数级爆发，推理占总算力的比重可能将接近或超过训练比
重。
33%
67%
99%
42%
-108%
40%
60%
91%
64%
-116%
19%
81%
378%
67%
-439%
55% 45%
249%
64%
-318%
-500%
-400%
-300%
-200%
-100%
0%
100%
200%
300%
400%
500%
毛利率 推理成本 训练成本 人员成本 亏损率
OpenAI Anthropic 智谱 MiniMax
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
23
图表 30：海内外模型厂商算力成本结构（2025）
资料来源：各公司公告, The Information，中金公司研究部
基座模型大版本更新保持 8 个月左右频率，参数规模提升。从模型第一性原理
看，参数规模仍是决定模型智能水平的关键因素之一，因此海内外模型厂商不断
提升参数规模。我们估计，海外头部模型厂商 OpenAI、Anthropic、Gemini 的参
数规模在 2-3T 左右，Anthropic 新一版模型 Mythos 参数规模甚至达到了 5-10T
的级别；国内模型厂商 DeepSeek、Kimi、阿里千问、字节豆包参数规模突破
1T，智谱则是在 754B。我们预计，2026 年海外模型厂商可能会更多提升至 3-5T
参数规模，国内则是迈入 1-2T 参数大关，因此模型厂商相关训练成本将维持
100%左右的增长。根据 Anthropic 披露，公司预计 2026 年在模型训练侧投入约
120 亿美元，同比 2025 年增长约 193%；根据 OpenAI，公司预计 2026 年在模
型侧投入约 320 亿美元，同比增长约 285%。
图表 31：OpenAI 和 Anthropic 模型训练侧投入预期（2025A-2028E）
注：数据为公司及第三方数据披露
资料来源：各公司公告，The Information，中金公司研究部
52%
67%
89%
77%
48%
33%
11%
23%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
OpenAI Anthropic 智谱 MiniMax
训练成本 推理成本
32
65
121
12
23
30
0
20
40
60
80
100
120
140
2025A 2026E 2027E 2028E
OpenAI Anthropic
(十亿美元)
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
24
推理端：厂商优化推理效率，毛利率趋势性提升
模型价格和参数规模不同，国内外模型毛利率有所差异。从头部模型价格看，国
内部分模型厂商虽然经历了几次涨价，但仍与海外模型价格有所差距。智谱
的输出价格为 美元/百万 Tokens，而 Claude Opus 的输出价格
为 25 美元/百万 Tokens，国内模型厂商价格基本为海外的 1/6 甚至更低，主要由
于模型参数和激活参数量均有差异，例如 Claude Opus 的参数规模预计为 2-
3T，而智谱 的参数规模为 753B，因此从激活参数规模看国内模型基本
是海外的 1/5 左右。同时，国内模型在工程侧的优化更极致，包括优化注意力机
制、专家并行、处理的批次大小等等。MiniMax 和 DeepSeek 等模型不断优化注
意力架构，M3 采用自研 MSA 稀疏注意力机制，在百万上下文规模下，M3 单
Token 计算量为上一代模型约 1/20，Prefill 阶段提速超 9 倍，Decode 阶段提速超
15 倍，并有效平衡了模型智能水平和计算推理效率；DeepSeek V4 则是采取混
合压缩稀疏注意力机制，相较于上一代模型，V4-Pro 仅需 27%的单 Token 推理
FLOPs 和 10%的 KV Cache。而随着国内更大规模集群以及芯片的迭代，整个
Infra 层仍有提升空间，国内模型毛利率也有望趋近海外模型毛利率水平，提升至
40%-50%左右。
图表 32：国内主要模型总参数和激活参数对比
资料来源：各公司官网，中金公司研究部
工程优化可以有效提升计算和推理效率，毛利率具备提升空间。随着 Agentic AI
渗透率增加，对模型 Token 的调用需求指数级增长，硬件中的显存带宽限制会愈
发明显，对模型的计算和推理效率提出了更高要求。目前的工程优化方式主要包
括优化注意力机制、PD 分离、细粒度 EP 并行计算等等，通过降低单 Token 推理
成本来提升毛利率。具体来看，DeepSeek 作为国产模型工程优化的代表性厂
商，提出混合注意力机制优化计算和推理成本（运用稀疏注意力机制优化计算效
激活参数（十亿）总参数（十亿）
DeepSeek-V4-Pro 491600
Qwen3-max /~1000
40753
Kimi Code 32~1000
MiniMax M3 23428
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
25
率，压缩 KV Cache 优化推理成本）；AI Infra 层面，由于 Prefill 阶段需要并行处
理整个输入序列，属于计算密集型操作，而 Decode 则是逐个生成后续 token，需
要频繁访问 KV Cache，属于存储密集型操作，PD 分离架构通过将 Prefill 和
Decode 分配到不同 GPU 实例针对两个阶段特性分别进行优化，显著提升有效吞
吐量。往后看，更细粒度的 Attention-FFN 分离可能也会成为优化方向，将有状
态、KV Cache 主导的 Attention 计算与无状态、计算密集的 FFN 计算部署到不同
GPU 实例上，实现内存与算力的独立扩展。我们认为，更大的集群规模、更有效
的工程优化方式、更高性能的芯片都将降低推理成本，海内外毛利率仍具提升空
间。根据 OpenAI 预测，其未来五年毛利率预计在 52%-67%；根据 Anthropic，
其 2029 年毛利率将达到 77%。
利润端：收入端达到一定规模后，模型厂商有望盈利
相关费用在收入端加速增长下摊薄，OpenAI 和 Anthropic 盈利时间或出现在
2028-2030 年。根据 The Information 以及海外模型厂商 OpenAI 和 Anthropic 数
据披露，预计 Anthropic 和 OpenAI 分别在 2029 和 2030 年实现盈利。收入端，
Anthropic 预计其 2029 年将达到 1,450 亿美元，毛利率为 77%；OpenAI 则是预
计 2030 年收入将达到 2,750 亿美元，毛利率达到 67%。训练支出方面，两家公
司均表述 2026-2028 年训练相关支出仍会接近翻倍增长，而到 2029-2030 年则会
有放缓趋势，根据公司表述和第三方估算，Anthropic 在 2029 年的训练支出约为
400 亿美元，OpenAI 在 2030 年的训练支出约为 1000 亿美元，两家公司训练支
出占收入比重大约为 30%-36%，扣除其他人员和运营费用，两家公司的利润率将
转正。而 Anthropic 主要聚焦 B 端客户基本没有 C 端免费 Tokens+训练支出小于
OpenAI，因此盈利相较 OpenAI 会率先转正，并且利润率水平可能会高于
OpenAI。
Token Factory 模式下模型公司毛利率呈现正向趋势，未来有望带来大模型净利
润端以及整体 ROI 的跑通。目前虽然大部分模型公司在 API Token 端已经实现正
向毛利率，但是由于在训练端的持续高额投入，在整体的净利润端仍面临较大的
亏损压力。但从趋势上看，随着底层算力计算效率的优化，以及模型智能水平的
进一步提升，我们认为模型端仍将长期保持溢价，Token Factory 毛利有望稳中有
升；而随着整体推理规模带来的收入总量的增长，训练端的算力与人员成本会被
持续摊薄，中期维度会达到整体净利润端的盈亏平衡点，这一平衡点可能会在未
来 5 年左右的区间内达到，且长期来看利润空间也相当可观。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
file:///C:/Users/yuanjiani/Documents/WXWork/1688850521995878/Cache/File/2026-05/OpenAI%20Boosts%20Revenue%20Forecasts%20Predicts%20$111%20Billion%20More%20Cash%20Burn%20Through%
file:///C:/Users/yuanjiani/Documents/WXWork/1688850521995878/Cache/File/2026-05/OpenAI%20Boosts%20Revenue%20Forecasts%20Predicts%20$111%20Billion%20More%20Cash%20Burn%20Through%
请仔细阅读在本报告尾部的重要法律声明
26
图表 33：大模型公司假设 IS 模型
资料来源：OpenAI，Anthropic，The Information，中金公司研究部
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
请仔细阅读在本报告尾部的重要法律声明
27
风险提示
算力持续涨价。如果上游算力如存储、PCB、GPU 等持续涨价，而模型 API 价格
上涨幅度若小于上游算力涨幅，则会对于模型公司推理毛利率、模型训练投入均
产生影响，进而影响模型在整个产业链的利润分配。
Agent 泛化能力不及预期。目前 Agent 使用率较高的场景主要在 Coding，如果泛
化能力和速度不及预期，可能影响整体 Agent TAM 的扩张，从而对模型公司收入
增长、盈利前景产生影响。
API 价格战。如果模型厂商为了获得更多市场份额，开始 API 价格战，那么对于
模型厂商的毛利率、盈利时间都会产生影响，如果毛利率下降，对模型厂商估值
产生一定影响。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
法律声明
一般声明
本报告由中国国际金融股份有限公司（已具备中国证监会批复的证券投资咨询业务资格）制作。本报告中的信息均来源于我们认为可靠的已公开资料，但中国国际金融
股份有限公司及其关联机构（以下统称“中金公司”）对这些信息的准确性及完整性不作任何保证。本报告中的信息、意见等均仅供投资者参考之用，不构成对买卖任
何证券或其他金融工具的出价或征价或提供任何投资决策建议的服务。该等信息、意见并未考虑到获取本报告人员的具体投资目的、财务状况以及特定需求，在任何时
候均不构成对任何人的个人推荐或投资操作性建议。投资者应当对本报告中的信息和意见进行独立评估，自主审慎做出决策并自行承担风险。投资者在依据本报告涉及
的内容进行任何决策前，应同时考量各自的投资目的、财务状况和特定需求，并就相关决策咨询专业顾问的意见对依据或者使用本报告所造成的一切后果，中金公司及
/或其关联人员均不承担任何责任。
本报告所载的意见、评估及预测仅为本报告出具日的观点和判断，相关证券或金融工具的价格、价值及收益亦可能会波动。该等意见、评估及预测无需通知即可随时更
改。在不同时期，中金公司可能会发出与本报告所载意见、评估及预测不一致的研究报告。
本报告署名分析师可能会不时与中金公司的客户、销售交易人员、其他业务人员或在本报告中针对可能对本报告所涉及的标的证券或其他金融工具的市场价格产生短期
影响的催化剂或事件进行交易策略的讨论。这种短期影响的分析可能与分析师已发布的关于相关证券或其他金融工具的目标价、评级、估值、预测等观点相反或不一致，
相关的交易策略不同于且也不影响分析师关于其所研究标的证券或其他金融工具的基本面评级或评分。
中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易
观点。中金公司没有将此意见及建议向报告所有接收者进行更新的义务。中金公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见不
一致的投资决策。
除非另行说明，本报告中所引用的关于业绩的数据代表过往表现。过往的业绩表现亦不应作为日后回报的预示。我们不承诺也不保证，任何所预示的回报会得以实现。
分析中所做的预测可能是基于相应的假设。任何假设的变化可能会显著地影响所预测的回报。
本报告提供给某接收人是基于该接收人被认为有能力独立评估投资风险并就投资决策能行使独立判断。投资的独立判断是指，投资决策是投资者自身基于对潜在投资的
目标、需求、机会、风险、市场因素及其他投资考虑而独立做出的。
本报告由受香港证券及期货事务监察委员会监管的中国国际金融香港证券有限公司（“中金香港”）于香港提供。香港的投资者若有任何关于中金公司研究报告的问题请
直接联系中金香港的销售交易代表。本报告作者所持香港证监会牌照的牌照编号已披露在报告首页的作者姓名旁。
本报告由受新加坡金融管理局监管的中国国际金融（新加坡）有限公司 (“中金新加坡”) 于新加坡向符合新加坡《证券期货法》定义下的合格投资者及/或机构投资者
提供。本报告无意也不应直接或间接地分发或传递给新加坡的任何其他人。提供本报告于合格投资者及/或机构投资者, 有关财务顾问将无需根据新加坡之《财务顾问法》
第 45 条就任何利益及/或其代表就任何证券利益进行披露。有关本报告之任何查询，在新加坡获得本报告的人员可联系中金新加坡持牌代表。
本报告由受金融行为监管局监管的中国国际金融（英国）有限公司（“中金英国”）于英国提供。本报告有关的投资和服务仅向符合《2000 年金融服务和市场法 2005 年
（金融推介）令》第 19（5）条、38 条、47 条以及 49 条规定的人士提供。本报告并未打算提供给零售客户使用。在其他欧洲经济区国家，本报告向被其本国认定为专
业投资者（或相当性质）的人士提供。
本报告由中国国际金融日本株式会社（“中金日本”）于日本提供，中金日本是在日本关东财务局（日本关东财务局长（金商）第 3235 号）注册并受日本法律监管的金
融机构。本报告有关的投资产品和服务仅向符合日本《金融商品交易法》第 2 条 31 项所规定的专业投资者提供。本报告并未打算提供给日本非专业投资者使用。
本报告亦由中国国际金融股份有限公司向符合日本《金融商品交易法施行令》第 17 条第 3 款第 1 项及《金融商品交易法》第 58 条第 2 款但书前段所规定的日本金融
机构提供。在该情形下，本报告有关的投资产品和服务仅向日本受监管的金融机构提供。
本报告将依据其他国家或地区的法律法规和监管要求于该国家或地区提供。
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
特别声明
在法律许可的情况下，中金公司可能与本报告中提及公司正在建立或争取建立业务关系或服务关系。因此，投资者应当考虑到中金公司及/或其相关人员可能存在影响
本报告观点客观性的潜在利益冲突。
截至本报告发布日前十二个月内，中金公司或其关联机构为以下公司提供过投资银行服务：MINIMAX-H,智谱-H。
截至本报告发布日，中金公司及/或其关联机构拥有下述公司相关财务权益的 1%以上：智谱-H。
与本报告所含具体公司相关的披露信息请访问
中金研究基本评级体系说明：
分析师采用相对评级体系，股票评级分为跑赢行业、中性、跑输行业（定义见下文）。
除了股票评级外，中金公司对覆盖行业的未来市场表现提供行业评级观点，行业评级分为超配、标配、低配（定义见下文）。
我们在此提醒您，中金公司对研究覆盖的股票不提供买入、卖出评级。跑赢行业、跑输行业不等同于买入、卖出。投资者应仔细阅读中金公司研究报告中的所有评级定
义。请投资者仔细阅读研究报告全文，以获取比较完整的观点与信息，不应仅仅依靠评级来推断结论。在任何情形下，评级（或研究观点）都不应被视为或作为投资建
议。投资者买卖证券或其他金融产品的决定应基于自身实际具体情况（比如当前的持仓结构）及其他需要考虑的因素。
股票评级定义：
跑赢行业（OUTPERFORM）：未来 6~12 个月，分析师预计个股表现超过同期其所属的中金行业指数；
中性（NEUTRAL）：未来 6~12 个月，分析师预计个股表现与同期其所属的中金行业指数相比持平；
跑输行业（UNDERPERFORM）：未来 6~12 个月，分析师预计个股表现不及同期其所属的中金行业指数。
行业评级定义：
超配（OVERWEIGHT）：未来 6~12 个月，分析师预计某行业会跑赢大盘 10%以上；
标配（EQUAL-WEIGHT）：未来 6~12 个月，分析师预计某行业表现与大盘的关系在-10%与 10%之间；
低配（UNDERWEIGHT）：未来 6~12 个月，分析师预计某行业会跑输大盘 10%以上。
研究报告评级分布可从 获悉。
本报告的版权仅为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、翻版、复制、刊登、发表或引用。
V190624
编辑：赵静，樊荣
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
北京 中国国际金融股份有限公司
中国北京建国门外大街 1 号国贸写字楼 2 座 28 层
邮编：100004
电话：(86-10) 6505 1166
传真：(86-10) 6505 1156
上海
中国国际金融股份有限公司上海分公司
上海市浦东新区陆家嘴环路 1233 号
汇亚大厦 29 层
邮编：200120
电话：(86-21) 5879-6226
传真：(86-21) 5888-8976
深圳
中国国际金融股份有限公司深圳分公司
深圳市南山区科苑南路 2801 号
中金大厦 17-21 层
邮编：518048
电话：(86-755) 8319 5000
传真：(86-755) 8319-9229
香港
中国国际金融（国际）有限公司
香港中环港景街 1 号
国际金融中心第一期 29 楼
电话：(852) 2872-2000
传真：(852) 2872-2100
东京
中国国际金融日本株式会社
〒100-0005 東京都千代田区丸の内３丁目２番３号
丸の内二重橋ビル２１階
Tel: (+813) 3201 6388
Fax: (+813) 3201 6389
纽约
CICC US Securities, Inc
280 Park Ave, 32nd Floor,
New York, NY 10017, USA
Tel: (+1-646) 7948 800
Fax: (+1-646) 7948 801
新加坡
China International Capital Corporation (Singapore)
Pte. Limited
6 Battery Road, #33-01
Singapore 049909
Tel: (+65) 6572 1999
Fax: (+65) 6327 1718
伦敦
China International Capital Corporation (UK)
Limited
25th Floor, 125 Old Broad Street
London EC2N 1AR, United Kingdom
Tel: (+44-20) 7367 5718
Fax: (+44-20) 7367 5719
法兰克福
China International Capital Corporation (Europe)
GmbH
Neue Mainzer Straße 52-58, 60311
Frankfurt , Germany
Tel: (+49-69) 24437 3560
本研报版权归中国国际金融股份有限公司（中金公司）所有，仅限中金公司授权杭州同花顺数据开发有限公司在iFinD金融终端和APP展示给白名单客户查阅。未经中金公司书面许可，任何机构和个人不得以
任何形式将研报内容和相关信息对外公布、转发、转载、传播、复制、编辑、修改等。如有上述违法行为，中金公司保留追究相关方法律责任的权利。
