综合
请务必参阅正文后面的信息披露和法律声明 1 / 33
综合
2026 年 04月 06日
投资评级：看好（维持）
行业走势图
数据来源：聚源
《OpenClaw 生态持续深化发展，国产
大模型全球市占率再攀新高—行业周
报》
《AI Token 消耗指数级增长，云计算
行业提价—行业周报》
《国内大厂抢占市场，“龙虾热”引
爆国产模型增量红利—行业周报》
Agent驱动模型调用进入加速拐点，中国 AI军团定
义智能时代新范式
——港股行业深度报告
初敏（分析师） 杨哲（分析师）
chumin@
证书编号：S0790522080008
yangzhe@
证书编号：S0790524100001
AI市场：Agent有望驱动新 token一轮，国产模型开始 S型跃迁
市场规模：根据 Gartner 数据，2025年全球 AI 产业规模 万亿美元，其中 AI 模型
占比 1%，未来 2年 CAGR 为 74%；根据 IDC 数据，活跃 Agent 数量将从 2025 年的
约 2860万快速增长至 2030 年的 亿，潜在空间较大。市场格局：top3份额超
50%，国产大模型成为新的搅局者，2月中旬 MiniMax 周 tokens 消耗量位列
OpenRouter 榜单第一。 在实际场景方案解决、长上下文学习上主流大模型仍有较大
提升空间，AI 的下半场评估或大于训练，行业正从“大而全”到“精而准”的范式转移。
OpenAI vs Anthrocpic：B端+Coding模式的增长动能、算力利用效率更优
增长：2023-2025年 AnthropicARR 基本保持每年 10 倍速度增长，OpenAI 在 3倍左
右，2026年 2月 OpenAI 实现 ARR 250 亿美元，3月初 Anthropic ARR 达到 200亿
美元，Anthropic 在持续加速追赶 OpenAI；盈利能力：二者毛利率中长期展望 70+%，
推理算力超预期导致毛利率展望下调，2024年 OpenAI 训练（研发费用）+运营（推
理成本/营运成本）带来的算力成本占到收入的 125%，且 OpenAI 算力投入明显高于
Anthropic，到 2028年 Anthropic 的收入体量有望接近 OpenAI，而算力投入只需有
OpenAI 的 1/3左右。
B/C端：C端春节红利下大厂加速渗透，B端国产模型跻身第一梯队
C 端：ChatGPT 的月访问量一直稳居 55 亿次以上，明显领先其他竞品，Gemini
依托多模态能力持续追赶。中国 AI 大模型市场快速增长，企业级市场千问杀出
重围登顶第一，2025H2 市场份额 32%。春节红包红利与 Agent 深度集成驱动月
活抬升、阿里、字节、腾讯依托各自资源禀赋打法各异；B端：API调用量市场
集中度高，Anthropic 占据半壁江山，国产大模型企业逐步跻身第一梯队，当前
格局有望松动，依托“开源+成本”优势，国产模型有望维持长期竞争力；估值：
Anthropic每次估值更新基本是前次的 2-3倍，但更为快速的 ARR增长成为消化
估值的基础，在早期（2023 年 5 月）业务基本处于 0-1 的过程，当年估值达到
46倍，2025年以来 Anthropic 的当年估值最高位 20+倍，且通常次年估值会降到
10倍以内。对应到国内大模型，以智谱为例，若以 Anthropic的估值为锚，则智
谱 2025-2027年收入 CAGR 需达到 176%。考虑到 agent带动的模型需求并非简
单的线性增长，国产大模型的 ARR增长有望充分消化当前的估值水平。
投资建议：看好 Agent指数跃迁背景下模型、AI Infra、算力端的投资机会
OpenClaw 加速了 Agent 的渗透能力，国产大模型能力已逐步达到全球第一梯队
水平，受益标的有阿里巴巴-W、百度集团-SW、MiniMax-W、智谱，AI Infra 层
的受益标的第四范式、百融云-W，算力端的受益标的金山云、万国数据等。
风险提示：模型迭代不及预期、行业竞争加剧、agent落地不及预期。
-29%
0%
29%
58%
86%
115%
144%
2025-04 2025-08 2025-12
综合 恒生指数
相关研究报告
开
源
证
券
证
券
研
究
报
告
港
股
行
业
深
度
报
告
行
业
研
究
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 2 / 33
目 录
1、 AI 市场：从“线性对话”到“指数执行”，Agent 驱动模型调用进入加速奇点 ............................................................. 4
、 市场规模：AI 产业快速增长，Agent 时代有望带动 tokens 消耗数量级跃迁 .......................................................... 4
、 市场格局：海外龙头领跑市场，国产模型成为新的搅局者 ...................................................................................... 5
、 国内：企业级模型市场高速增长，千问市占率节节攀升 .......................................................................................... 9
2、 OpenAI vs Anthropic：B 端+Coding 模式的增长动能更为强劲，算力利用效率亦是更优 .............................................. 11
3、 C端（Chatbot 为主）：ChatGPT 月活明显领先，春节红利国内大厂依托资源禀赋打法各异 ...................................... 16
4、 B 端（AI Coding/Agent）：行业或将进入加速拐点，国产模型跻身第一梯队 ............................................................... 17
、 市场分析：Anthropic 主导市场，国产大模型逆袭而上........................................................................................... 17
、 Anthropic：ARR增速远高于估值增速，当年估值通常在 20倍左右..................................................................... 22
5、 国产初创大模型：新厂商性能达到 opus 水平，点燃 Agent 需求想象空间 ................................................................ 24
6、 投资建议： .............................................................................................................................................................................. 30
7、 风险提示： .............................................................................................................................................................................. 31
图表目录
图 1： 根据 Gartner 报告，2025年全球 AI 总支出达 万亿美元 ........................................................................................... 4
图 2： 2025 年在于大模型厂直接相关的市场中，纯 AI 模型市场占比仍然较小 ..................................................................... 5
图 3： AI 模型收入预计将保持快速增长（单位：百万美元）................................................................................................... 5
图 4： 活跃 Agent 将呈现指数级上升 ............................................................................................................................................ 5
图 5： 预计 2029年大模型市场规模 2065亿美元（单位：十亿美元） .................................................................................... 6
图 6： 2024 年各模型公司市占率 .................................................................................................................................................. 6
图 7： MiniMax和 Kimi 领跑全模型，带动 AI 大模型市场飞速增长 ....................................................................................... 6
图 8： OpenClaw平台 token日消耗量翻倍，国产模型占领前三名 ........................................................................................... 7
图 9： 全球 AI 大模型周 token消耗量超 7万亿 .......................................................................................................................... 8
图 10： 全球开源模型中 DeepSeek 市占率逐步下降 ................................................................................................................... 8
图 11： 2025H2 中国开源模型占比过半 ........................................................................................................................................ 9
图 12： 2025H2 中国开源模型占全球开源模型超 90% ............................................................................................................... 9
图 13： 中国 AI 大模型市场快速增长 ........................................................................................................................................... 9
图 14： 2025H1千问成为中国企业级大模型市场龙头 .............................................................................................................. 10
图 15： 2025H2 中国企业级大模型市场千问增长最快 .............................................................................................................. 10
图 16： 2025H2 中国企业级大模型市场较 2025H1 增长近 3倍（单位：万亿 token） ......................................................... 10
图 17： AI 应用全球月活榜上，ChatGPT 明显领先（2026年 2月） ..................................................................................... 11
图 18： 国内榜单上，豆包领先市场，千问快速增长（2026年 2 月） ................................................................................... 11
图 19： 2026Q1 OpenAI 对于 2029-2030的收入展望大幅上调（亿美元） ............................................................................. 11
图 20： 2026Q1 OpenAI 最新收入展望继续与 Anthropic 拉开差距（亿美元） ...................................................................... 11
图 21： Anthropic ARR 增速明显高于 OpenAI ........................................................................................................................... 12
图 22： Anthropic 的 ARR 几乎维持每年 10倍的增长（图中数据为当年 ARR/上一年度 ARR 的倍数） .......................... 12
图 23： 2024年秋季 OpenAI 展望未来营收加速增长（单位：亿美元） ................................................................................ 13
图 24： 2026年 OpenAI 展望未来 C端贡献占据营收主体（单位：亿美元） ....................................................................... 13
图 25： OpenAI 月度毛利率企稳约 70% ..................................................................................................................................... 14
图 26： OpenAI 未来毛利率展望有所下调 .................................................................................................................................. 14
图 27： OpenAI 和 Anthropic 预计未来毛利率逐步上升............................................................................................................ 14
图 28： 从 2024年 OpenAI 的盈利结构俩看，算力为最主要的亏损来源 ............................................................................... 15
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 3 / 33
图 29： OpenAI 服务器成本预计到 2028 年查过 1000亿美元（单位：亿美元） .................................................................. 15
图 30： Anthropic 服务器成本预计到 2028年为 270亿美元（单位：亿美元） ..................................................................... 15
图 31： Anthropic 的运用效率优于 OpenAI（数据：服务器投入/收入） ................................................................................ 15
图 32： OpenAI 现金流转正时间推到 2030年（单位：亿美元） ............................................................................................ 16
图 33： Anthropic 现金流转正时间快于 OpenAI（单位：亿美元） ......................................................................................... 16
图 34： Chatbot 访问量 ChatGPT 领跑全模型，Gemini 紧随其后（单位：十亿次） ............................................................ 16
图 35： 企业大模型支出快速增长 ............................................................................................................................................... 18
图 36： Anthropic 的 API 调用量份额快速提升 .......................................................................................................................... 18
图 37： 2025年中期 Anthropic Coding 市场份额为 42% ........................................................................................................... 18
图 38： 2025年底 Anthropic 的 Coding 市场份额为 54% .......................................................................................................... 18
图 39： 企业持续追求最前沿的模型 ........................................................................................................................................... 19
图 40： 2026年在软件工程任务上，已有模型能在半小时内达到专业程序员 80%的水平 ................................................... 19
图 41： OpenRouter（）大模型排名上，前三为国产大模型 ............................................................... 20
图 42： 2025年底到 2026年初，开源模型相较闭源模型的差距进一步缩小 ......................................................................... 21
图 43： 国产大模型较海外模型在成本上具有显著竞争力（单位：美元/百万 token） ......................................................... 21
图 44： OpenAI 收入构成以 chatbot（C端）为主 ..................................................................................................................... 22
图 45： AnthropicB 端收入占比 80%以上 ................................................................................................................................... 22
图 46： Anthropic 估值快速提升 .................................................................................................................................................. 23
图 47： AnthropicARR 持续提升 .................................................................................................................................................. 23
图 48： Anthropic 收入预期持续上调（单位：亿美元） .......................................................................................................... 23
图 49： 国产大语言模型 SWE-brench Verified 测试 MiniMax 表现最好 ......................................................................... 26
图 50： 国产大语言模型 HLE 测试 Seed Pro 表现最好 ........................................................................................................ 26
图 51： 国产大语言模型 BrowseComp 测试 Qwen 表现最好 .............................................................................................. 26
图 52： 国产大语言模型 Step Flash 输出成本最低（单位：人民币元） ........................................................................... 27
图 53： 国产大语言模型 Step Pro 输出速率最快 .................................................................................................................. 27
表 1： 腾讯、字节、阿里在 C端战略打法有所区别 ................................................................................................................. 17
表 2： 2025 年国内外大语言模型企业人均收入对比（OpenAI、智谱、Moonshot 为预测数据） ....................................... 22
表 3： P/ARR 口径下 Anthropic 估值逐步消化 ........................................................................................................................... 23
表 4： PS 口径下 Anthropic 估值逐步消化 .................................................................................................................................. 24
表 5： 国产大模型近期更新 ......................................................................................................................................................... 24
表 6： 国产大语言模型参数对比 ................................................................................................................................................. 25
表 7： 从行业主要的测评上看，Vibe Coding 逐渐转向 Agentic Engineering .......................................................................... 27
表 8： ApexAgent 考察了投行、法务、咨询管理的实际任务处理能力 .................................................................................. 29
表 9： 主要模型的通过率仍然较低 ............................................................................................................................................. 29
表 10： 根据 CL-bench 排名，当前大模型的上下文学习能力 .................................................................................................. 30
表 11： 主要标的盈利预测及估值................................................................................................................................................ 31
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 4 / 33
1、 AI 市场：从“线性对话”到“指数执行”，Agent 驱动模
型调用进入加速奇点
、 市场规模：AI产业快速增长，Agent时代有望带动 tokens 消耗数量
级跃迁
2025年全球AI产业规模 万亿美元，其中AI模型规模 144亿美元，占比 1%：
根据 Gartner在 2026年 1月的数据显示，2025年全球 AI相关产业市场规模在 万
亿美元，其中最大的项目为 AI 基础设施（占比 55%），AI 大模型相关的市场包括
AI模型 144亿美元（占比 1%）、AI服务 4394亿美元（占比 25%）、AI软件 2831
亿美元（占比 16%）。
图1：根据 Gartner报告，2025年全球 AI总支出达 万亿美元
数据来源：Gartner、开源证券研究所
若仅仅聚焦于大模型厂商密切度更高的 AI 模型（订阅费、API 调用）、AI 服
务（落地实施服务等）、AI软件（如 Agent、AI开发平台、套件等）：
1、 收入增长上：各业务仍然保持快速增长，其中 AI模型收入有望从 2025年的
144 亿美元增长至 2027年的 434亿美元，CAGR为 74%；
2、 各企业业务构成上：我们认为不同企业的业务构成差距较大，例如智谱可能
具有较多比例的 AI 服务收入，MiniMax 的海螺、星野等带来较多 AI 软件
业务，而头部的 OpenAI、Anthropic当前收入构成中主要以订阅费、API调
用为主；
3、 模型即应用：自 Claude Cowork 发布以来，模型即应用的演绎趋势开始逐步
加强，尽管从绝对值上看 AI 模型相对整个 AI 市场较低，但是模型厂商向
AI软件渗透所带来的空间十分可观。
25%
2%
16%
1%
1%
0%
0%
55%
AI服务 AI网络安全 AI软件 AI模型 AI数据科学和机器学习平台 AI应用开发平台 AI数据 AI基础设施
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 5 / 33
图2：2025年在于大模型厂直接相关的市场中，纯 AI模
型市场占比仍然较小
图3：AI 模型收入预计将保持快速增长（单位：百万美
元）
数据来源：Gartner、开源证券研究所 数据来源：Gartner、开源证券研究所
未来 5年全球活跃 Agent将呈现指数级增长，token消耗量呈现数量级跃迁。根
据 IDC 预测，活跃 Agent 数量将从 2025年的约 2860 万快速增长至 2030年的
亿，Agents 年度执行量将从 2025 年的 440 亿次攀升至 2030 年的 415 万亿次，年度
token 消耗量将从 2025年的 暴增至 2030 年的 152,667 PetaTokens。
相较于个人的 AI chatbot使用，Agent所带来的 tokens消耗量将高出多个数量级，有
望成为下一阶段 AI需求的重要力量。
图4：活跃 Agent将呈现指数级上升
数据来源：IDC
、 市场格局：海外龙头领跑市场，国产模型成为新的搅局者
根据 MiniMax招股说明书，2024年大模型市场规模达到 亿美元，其中应用
规模为 亿美元，占比 %，我们估计 2025年又有明显增长。应用类主要包括
如 ChatGPT、DeepSeek、豆包、Sora 等等应用，用户可以直接利用应用解决特定任
60%
38%
2%
AI服务 AI软件 AI模型
0%
20%
40%
60%
80%
100%
0
50
100
150
200
250
300
350
400
450
500
2025 2026 2027
AI模型 yoy
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 6 / 33
务，该类型的收费模式以订阅制为主。MaaS类是通过 API接口或云端工具将大模型
集成到用户需要的软件中，大幅降低用户的使用成本。根据 MiniMax 招股说明书，
2029年大模型市场规模有望达到 2065亿美元，其中应用类市场规模为 1515亿美元，
占比 %。
大模型市场分化严重，规模前三企业占据超 50%市场份额。根据MiniMax招股
说明书，截至 2024 年末，公司 A、公司 B、公司 C 市占率分别为 %、%和
%，共计占比 %。公司 A 断层领先其他模型，除前三家企业外其余公司模型
市占率均不足 5%。
图5：预计 2029年大模型市场规模 2065亿美元（单位：
十亿美元）
图6：2024年各模型公司市占率
数据来源：MiniMax招股说明书、开源证券研究所 数据来源：MiniMax招股说明书、开源证券研究所
AI大模型市场跨入飞速增长期，全球各大模型周 token消耗量总额已过十万亿。
得益于 Pro、GLM-5、、Claude Sonnet 相继推出，AI大模
型市场迎来增量热潮。截至 2026 年 2 月 16 日，所有模型周总 token 消耗量达到 14
万亿，创下历史新高，AI 大模型市场正向“千万亿级”时代迈进。其中，MiniMax
周 token消耗量达到 万亿，位列榜单第一。
图7：MiniMax和 Kimi领跑全模型，带动 AI大模型市场飞速增长
数据来源：OpenRouter
0
50
100
150
200
250
2023 2024 2025E 2026E 2027E 2028E 2029E
应用 MaaS
公司A 公司B 公司C 公司D
公司E 公司F MiniMax 其他
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 7 / 33
各大模型纷纷对接 OpenClaw，日 token消耗量翻倍。春节前后，中国大语言模
型纷纷对接 OpenClaw，推出自有的 AI集成平台。Kimi 最先推出 Kimi Claw，
并迅速占领市场。在 OpenClaw平台 token消耗量中，Kimi日 token消耗量约占当日
总额的 20%，最高时可达 25%。随后，MiniMax 和 Claude 相继接入 OpenClaw，
不到半月就将 OpenClaw OpenRouter 平台的总 token 消耗量从 150B/天增长至 300B/
天。其中，MiniMax 与 OpenClaw 结合的 MaxClaw 在中国取得良好成果，日 token
消耗量稳定在总消耗量的 15%左右。后起之秀阶跃星辰的 Step 模型则在 token 消耗
量对比中也占据较高份额。
图8：OpenClaw 平台 token日消耗量翻倍，国产模型占领前三名
数据来源：OpenRouter
AI 大模型 token 使用量快速增长，中国开源模型贡献较大。根据 OpenRouter，
截至 2025年 11月 24日，全球 AI大模型市场周 token消耗量已超 7万亿。其中，闭
源模型平均占比约 70%，开源模型仅为 30%。中国开源大模型从 2024 年底的 %
上升至约 13%，某些周内甚至达到所有模型总使用率的近 30%。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 8 / 33
图9：全球 AI大模型周 token消耗量超 7万亿
数据来源：OpenRouter
DeepSeek仍为开源模型中 token 消耗量贡献最大的模型，但其主导地位已被削
弱。自 2025 年 7 月以来，AI 大模型市场涌入大量新兴竞争者如千问、Moonshot、
OpenAI、MiniMax、智谱等模型，DeepSeek的市场份额随之下降，占比约 40%。对
于 DeepSeek而言，在开源领域重要竞争者包括 OpenAI、MiniMax、千问等。
图10：全球开源模型中 DeepSeek市占率逐步下降
数据来源：OpenRouter
中国开源模型紧随海外 AI大模型步伐，进一步强化开源模型市场主导地位。截
至 2025H2，中国开源模型市占率已达全球开源模型市场的 %，显著领先海外模
型，占据全球开源模型市场主导地位。而在中国国内，开源模型发展程度也超过闭
源模型，市占率达 63%。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 9 / 33
图11：2025H2中国开源模型占比过半 图12：2025H2中国开源模型占全球开源模型超 90%
数据来源：沙利文、开源证券研究所 数据来源：沙利文、开源证券研究所
、 国内：企业级模型市场高速增长，千问市占率节节攀升
中国 AI 大模型市场快速增长，企业级市场千问杀出重围登顶第一。2025 年中
国 AI大模型市场规模接近 500亿元，2022-2025年的 CAGR为 86%，保持快速增长。
2025年上半年 API成本大幅下降，企业开始初步接入模型。2025H2中国企业级大模
型日均调用量 万亿 tokens，较 2025H1 增长 263%。随着下半年 AI 模型频繁更
新功能，各类自动化智能体与流程机器人逐步推广，模型调用进入高速增长期，于
年底强势拉升，12 月日均 token 调用量达 万亿。其中，千问大模型调用量占比
%，较上半年与豆包的差距逐步拉大。DeepSeek 先发优势逐渐减少，日均调用
量占比 %，排名第三。
图13：中国 AI大模型市场快速增长
数据来源：艾瑞咨询、开源证券研究所
开源模型,
%
闭源模型,
%
开源模型 闭源模型
中国,
%
海外, %
中国 海外
0%
20%
40%
60%
80%
100%
120%
140%
160%
0
100
200
300
400
500
600
700
800
2020 2021 2022 2023 2024 2025 2026E
市场规模(亿元） yoy
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 10 / 33
图14：2025H1千问成为中国企业级大模型市场龙头 图15：2025H2中国企业级大模型市场千问增长最快
数据来源：艾瑞咨询、开源证券研究所 数据来源：沙利文、开源证券研究所
图16：2025H2中国企业级大模型市场较 2025H1增长近 3倍（单位：万亿 token）
数据来源：沙利文
中国 AI大模型市场在 2026 年初迎来新一轮催化，春节红包红利与 Agent深度
集成驱动月活抬升。从全球月活榜单上看，截至 2026年 2月，ChatGPT 拥有 亿
月活用户，明显领先其他 AI应用，但诸如海外的 Gemini、Grok，以及国内的豆包、
千问等大厂产品仍有积极的追赶之势。尤其在 2026 年春节期间，各大厂投入超 45
亿元开启“红包大战”，豆包凭借春晚独家互动优势，除夕当天 AI 互动量冲至 19 亿
次；千问大模型因深度接入本地生活闭环并实现近 2 亿次“一句话下单”，全国平均
每 10人就有 1人在千问下单。根据市场研究机构 QuestMobile 的数据，春节红包活
动开启后，千问的 DAU 日活在 2 月 6 日出现明显增长，单日上涨 %，达到
5848 万；腾讯元宝宣布日活跃用户突破 5000 万、月活超过 亿。
千问,
%
豆包,
%
DeepSeek,
%
其他,
%
千问 豆包 DeepSeek 其他
千问,
%
豆包,
%
DeepSeek,
%
其他,
%
千问 豆包 DeepSeek 其他
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 11 / 33
图17：AI应用全球月活榜上，ChatGPT明显领先（2026
年 2月）
图18：国内榜单上，豆包领先市场，千问快速增长（2026
年 2月）
数据来源：、开源证券研究所 数据来源：、开源证券研究所
2、 OpenAI vs Anthropic：B端+Coding模式的增长动能更为
强劲，算力利用效率亦是更优
中期维度 Anthropic与 OpenAI的收入差距持续收窄，OpenAI上调远期收入展
望：根据The Information，当前阶段OpenAI远期收入展望 2029-2030高于Anthropic，
而中期（2026-2028 年）Anthropic 与 OpenAI 收入差距持续收窄，而在 2025 年下半
年的展望中，Anthropic 收入有望在 2028 年实现对 OpenAI 的反超。在 2026 年 2 月
OpenAI最新的展望中，其 2029-2030年收入较前次大幅上调，当前 2030年最新收入
展望为 2840亿美元（较前次+42%），进一步拉开与 Anthropic的差距。
图19：2026Q1 OpenAI对于 2029-2030的收入展望大幅
上调（亿美元）
图20：2026Q1 OpenAI 最新收入展望继续与 Anthropic
拉开差距（亿美元）
数据来源：The Information、开源证券研究所 数据来源：The Information、开源证券研究所
从ARR角度看Anthropic对OpenAI的追赶或更为直观：2023-2025年Anthropic
的 ARR 基本保持每年 10 倍的速度增长，而 OpenAI 在 3 倍左右，截至 2025 年 12
月 OpenAI/Anthropic 的 ARR 为 200/90亿美元，而得益于 Claude Code 及其 Cowork
插件驱动，2026年 2月Anthropic的ARR进一步抬升至 140亿美元（其中Claude Code
为 25亿美元，占比 18%），较 2025年底进一步提升 56%，而 3月初，或因 Anthropic
-100%
0%
100%
200%
300%
400%
500%
600%
0
200
400
600
800
1000
1200
月活（百万） 月环比
-100%
0%
100%
200%
300%
400%
500%
600%
0
50
100
150
200
250
300
350
月活（百万） 月环比
0
1000
2000
3000
2024 2025 2026E 2027E 2028E 2029E 2030E
Fall 2024 Projection 2025Q1 Outlook
2025Q3 Outlook 2026Q1 Outlook
0
1000
2000
3000
2024 2025 2026E 2027E 2028E 2029E 2030E
OpenAI（2026Q1） OpenAI（2025Q3）
Anthropic
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 12 / 33
禁止五角大楼将其 AI 用来规划动能打击而被美国政府贴上“供应链风险”的标签，
受到用户支持，Anthropic ARR进一步提升至 200亿美元，增长仍未见降速。
图21：Anthropic ARR增速明显高于 OpenAI 图22：Anthropic的 ARR几乎维持每年 10倍的增长（图
中数据为当年 ARR/上一年度 ARR的倍数）
数据来源：The Information、开源证券研究所 数据来源：The Information、开源证券研究所
由于 Anthropic 80+%的收入为 B 端的 API 收入，我们重点分析 OpenAI 的收
入构成，通过对比 2024与 2026年 OpenAI对收入结构的展望，得到如下结论：
C端：C 端仍然是最重要的收入来源，2025年占比 69%。但除了订阅费，OpenAI
在 2025年推出了广告业务，预计到 2030年将成为收入的重要构成部分。而 Anthropic
则明确提出 Claude将保持无广告状态，以避免广告对用户的参与度影响，但这本质
是 C端与 C端用户画像区别所导致的商业模式区别，我们认为并无高下之分；
B 端：相较 2024 年的收入拆分版本，OpenAI 单独强调了 agent 带来的 B2B 业
务，2025 年 B2B/平台收入占比分别为 15%/15%，整体 B 端合计占比 30%，对应收
入绝对值为 40亿美元左右，Anthropic B 端 API调用体量相当；
新产品：包括硬件产品，在收入展望中，新产品或在 2027年才贡献收入。
0
50
100
150
200
250
300
2
0
2
4
年
1
月
2
0
2
4
年
3
月
2
0
2
4
年
5
月
2
0
2
4
年
7
月
2
0
2
4
年
9
月
2
0
2
4
年
1
1
月
2
0
2
5
年
1
月
2
0
2
5
年
3
月
2
0
2
5
年
5
月
2
0
2
5
年
7
月
2
0
2
5
年
9
月
2
0
2
5
年
1
1
月
2
0
2
6
年
1
月
2
0
2
6
年
3
月
OpenAI Anthropic
0
2
4
6
8
10
12
14
2024 2025
OpenAI Anthropic
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 13 / 33
图23：2024年秋季 OpenAI展望未来营收加速增长（单位：亿美元）
数据来源：The Information、开源证券研究所
图24：2026年 OpenAI展望未来 C端贡献占据营收主体（单位：亿美元）
数据来源：The Information、开源证券研究所
毛利率中长期展望 70+%，推理算力成本超预期导致毛利率展望下调：OpenAI
与 Anthropic 的毛利率均在逐年提升，预计在 2026 年分别达到 55%/70%，中长期均
展望 70+%水平，但另一方面，二者盈利能力改善程度亦在逐步推后，以 OpenAI为
例，从 2025年至 2026年，其对未来的毛利率展望基本在持续下调，且 2025年因推
理算力成本超预期，毛利率从原来的 46%下调至 33%，Anthropic也从原本的 50%下
调至 40%
注：OpenAI与 Anthropic 毛利率较大的差距系口径关系，Anthropic仅考虑付费
用户的毛利，而 OpenAI的毛利计算还包括了免费用户。
0
200
400
600
800
1000
1200
2023 2024 2025E 2026E 2027E 2028E 2029E
ChatGPT API other products
0
500
1000
1500
2000
2500
3000
2023 2024 2025 2026E 2027E 2028E 2029E 2030E
ChatGPT C端 (包括广告) ChatGPT B2B (包括agents,研究合作)
Platform (包括微软Azure上的API销售) New products (包括硬件)
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 14 / 33
图25：OpenAI月度毛利率企稳约 70% 图26：OpenAI未来毛利率展望有所下调
数据来源：The Information、开源证券研究所 数据来源：The Information、开源证券研究所
图27：OpenAI和 Anthropic预计未来毛利率逐步上升
数据来源：The Information、开源证券研究所
算力成本是最主要的损耗来源，Anthropic 的算力利用效率优于 OpenAI：以
OpenAI 2024年的盈利拆解为例，算力成本为最主要的费用来源，在经营过程中，训
练（研发费用）+运营（推理成本/营运成本）带来的算力成本就占到收入的 125%，
此外还有 25%的算力固定成本摊销。而OpenAI的算力成本投入明显高于Anthropic，
我们以服务器投入/收入来衡量，根据各个公司的展望数据，2026-2028 年，OpenAI
该值将从 135%降到 112%，而 Anthropic将从 88%将至 40%，即到 2028年，Anthropic
的收入体量有望接近 OpenAI，而其算力投入只需有 OpenAI的 1/3左右。
造成这样的结果可能有几方面原因：
1、 OpenAI要展开更广泛的研究，包括多模态、硬件、搜索等；
2、 OpenAI 计划在备用服务器上投入巨资，以确保在出现意外突破或爆款产品
时不会出现计算能力不足的情况；
3、 用户结构不同，Anthropic 多为 B 端企业，免费用户的维持费用相对较小，
而 OpenAI有着较大体量的免费用户（付费率仅 5%）。
0%
20%
40%
60%
80%
2
0
2
4
年
1
月
2
0
2
4
年
3
月
2
0
2
4
年
5
月
2
0
2
4
年
7
月
2
0
2
4
年
9
月
2
0
2
4
年
…
2
0
2
5
年
1
月
2
0
2
5
年
3
月
2
0
2
5
年
5
月
2
0
2
5
年
7
月
2
0
2
5
年
9
月
毛利率/Computing Margins
0%
20%
40%
60%
80%
2024 2025 2026E 2027E 2028E 2029E 2030E
2026Q1展望 2025Q3展望 2025Q1展望
-150%
-100%
-50%
0%
50%
100%
2024 2025 2026E 2027E 2028E 2029E 2030E
OpenAI Anthropic
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 15 / 33
图28：从 2024年 OpenAI的盈利结构俩看，算力为最主要的亏损来源
数据来源：The Information
图29：OpenAI服务器成本预计到 2028年查过 1000亿美
元（单位：亿美元）
图30：Anthropic 服务器成本预计到 2028 年为 270 亿美
元（单位：亿美元）
数据来源：The Information、开源证券研究所 数据来源：The Information、开源证券研究所
图31：Anthropic的运用效率优于 OpenAI（数据：服务器投入/收入）
数据来源：The Information、开源证券研究所
0
500
1000
1500
2024 2025 2026E 2027E 2028E
Backup servers for products, research
Research and development
Inference (chatbots, APIs, agents)
0
100
200
300
2024 2025 2026E 2027E 2028E
Research and development
Inference (chatbots, APIs, agents)
0%
200%
400%
600%
800%
2024 2025 2026E 2027E 2028E
OpenAI Anthropic
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 16 / 33
由此，在最新的 2026年 Q1 的展望中，OpenAI明显上调了 2028-2029年的现金
消耗量，Anthropic 也同样推后了其现金流转正时间（从 2027 推后至 2028年），但
从现金消耗的绝对值上看，Anthropic明显优于 OpenAI，尤其在 2027年之后。
图32：OpenAI现金流转正时间推到 2030年（单位：亿
美元）
图33：Anthropic现金流转正时间快于 OpenAI（单位：
亿美元）
数据来源：The Information、开源证券研究所 数据来源：The Information、开源证券研究所
3、 C 端（Chatbot 为主）：ChatGPT 月活明显领先，春节红
利国内大厂依托资源禀赋打法各异
ChatGPT 和 Gemini 稳居大模型前二宝座，相较其他模型具备显著竞争力。用
户活跃度相对稳定。Gemini 的月访问量自 2025年 9月的 亿次上升至 2026 年 1
月的 亿次，呈现出良好的上涨态势，市场竞争力不断增强。其余模型较为稳定
并保持较低月访问量，与头部模型存在明显差距，未来发展情况有待观察。
图34：Chatbot访问量 ChatGPT领跑全模型，Gemini紧随其后（单位：十亿次）
数据来源：Tensor Tower、开源证券研究所
相比海外，国内大模型 C端较难收取订阅费，因而主要模型厂商在 C端的布局
-1000
-500
0
500
2024 2025 2026E 2027E 2028E 2029E 2030E
2025年Q1指引 2025年Q3指引 2026年Q1指引
-1000
-500
0
500
2024 2025 2026E 2027E 2028E 2029E 2030E
OpenAI Anthropic
0
1
2
3
4
5
6
7
2025年9月 2025年10月 2025年11月 2025年12月 2026年1月
chatgpt gemini deepseek grok perplexity
character claude copilot 千问 meta
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 17 / 33
应更多从生态角度去考虑，而腾讯、字节、阿里在 C端战略打法有所区别：
腾讯——依托微信社交关系链，主打“嵌入型 AI”战略：其核心是让 AI 以群成
员的身份自然融入真实社交场景，成为强化人际连接的“润滑剂”而非替代者；
字节——凭借深厚的技术底座与国民级流量，走“广撒网”的多模态 AI平台路线：
它借助大模型技术突破与春晚超级流量的双重驱动，在软硬件多端广泛布局试探，
让模型成为全生态的底层支撑；
阿里——立足于自身强大的商业与本地生活生态资源，致力于打造重构商业终
极入口的“办事型 AI”：它通过主客体倒置让全域商业资源为 AI 服务，从而实现了
用户“一句话办事”的去中介化交易闭环。
表1：腾讯、字节、阿里在 C端战略打法有所区别
核心禀赋/优
势
战略定位
核心 AI 产品/
模型
差异化打法与具体策略
腾讯
月活超 14亿
的微信社交
关系链
“嵌入型 AI” 元宝、元宝派
1. 围绕“关系”而非“任务”：让 AI作为人际连接的强化者和社交的“润
滑剂”，而非替代者
2. 场景融入：推出“元宝派”，让 AI 以“群成员”的平等身份融入家族群、
读书群、观赛群等真实的微信社交场景
3. 技术攻坚：通过联合打造 CL-bench 基准，解决上下文理解难题，让 AI
能读懂碎片化聊天和跨窗口需求
字节
技术底座+
国民级流量
的规模化触
达能力
多模态 AI 平台
豆包、
1. “广撒网”路线与生态扩张：豆包作为 C端主力，同时布局 AI 手机、耳
机、眼镜等硬件及多模态产品线，让模型作为底层底座，等待市场筛选最优
解
2. 技术+春晚双驱动：以 模型占据技术舆论高地，并将春晚变
成豆包的“产品发布会”，结合发红包、送科技好礼实现最大规模国民触达
阿里
能够降低交
易成本的本
地生活与商
业生态资源
“办事型 AI” 千问
1. 重构商业入口：从“连接人货”升级为“连接人与即时服务”，试图将
千问打造成取代搜索框的 AI 时代“终极入口”
2. 打造交易闭环：凭借“一句话办事”的 Agent 能力，直接调用淘宝、飞
猪、盒马等阿里生态资源，实现从需求到交易的“去中介化”闭环体验
3. 主客体倒置：让阿里旗下所有生态业务团队（淘宝、高德等）为千问 APP
服务，成为其能力支撑
数据来源：开源证券研究所
4、 B端（AI Coding/Agent）：行业或将进入加速拐点，国
产模型跻身第一梯队
、 市场分析：Anthropic主导市场，国产大模型逆袭而上
企业级API调用量市场集中度高，Anthropic占据半壁江山。根据Menlo Ventures
数据，2025 年全球企业 AI 支出达到 370 亿美元，为 2024 年的 倍，从市场份额
上看，Anthropic市场份额持续提升，2025年达到 54%，地位持续稳固，从格局演变
上看我们认为有两个启示：
1、 API调用/Coding市场集中度高，腰部及尾部模型空间有限：从 API调用数
据上看，前四大模型已经占据 96%的市场份额，留给腰部及尾部的模型市场
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 18 / 33
份额较小，因此持续追求 SOTA是当前大模型的主要方向，从企业对 Claude
产品的采用率上看，企业持续在追求最前沿的模型使用，而非更便宜、更快
的替代品；
2、 API调用/Coding市场变化轮动较快：尽管 OpenAI的 coding产品仍然处于
行业第一梯队，但市场竞争激烈，以程序员为主的群体会积极尝试并使用
SOTA 模型，模型份额变化较快，2023-2025 年 OpenAI 市场份额从 50%下
滑至 27%，因此随着国产大模型企业如智谱、MiniMax、月之暗面等逐步跻
身第一梯队，当前格局有望松动。
图35：企业大模型支出快速增长 图36：Anthropic的 API调用量份额快速提升
数据来源：Menlo Ventures、开源证券研究所 数据来源：Menlo Ventures
图37：2025年中期 Anthropic Coding市场份额为 42% 图38：2025年底 Anthropic的 Coding市场份额为 54%
数据来源：Menlo Ventures、开源证券研究所 数据来源：Menlo Ventures、开源证券研究所
0
100
200
300
400
2022 2023 2024 2025
企业AI支出市场规模
42%
21%
16%
11%
Anthropic OpenAI Google other
54%
21%
11%
14%
Anthropic OpenAI Google other
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 19 / 33
图39：企业持续追求最前沿的模型
数据来源：Menlo Ventures、开源证券研究所
前沿大模型已突破半小时专业业务高完成度，有望带动需求增长及定价模式转
换。根据 The Information 报道，2026年初， Codex Max与 Claude Opus
已能以 80%的高成功率接管原本需要专业人士处理 30分钟的复杂工程任务。这意味
着 AI终于突破了长链条逻辑的“断点”瓶颈，实现了从“对话框”向“Agent”的跨越。后
续市场或将不再单纯为 Token 的生成速度买单，而是为“人类劳动时间的替代率”定
价。
图40：2026年在软件工程任务上，已有模型能在半小时内达到专业程序员 80%的水平
数据来源 The Information 官网
国产大模型跻身前列，后续 tokens调用量带来的想象空间较大。2月 20日，智
0%
20%
40%
60%
80%
100%
2025年中期 2025年底
Claude 3 Sonnet Claude Sonnet Claude Sonnet Claude 4 Sonnet
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 20 / 33
谱/MiniMax 股价逆势大涨 %/%，足以体现市场对二者在 2 月发布的新版大
模型的认可，从近期 OpenRouter大模型排名上看，国产大模型包揽前三名，而从实
际的一些体验上看，智谱 GLM 5、MiniMax 差不多有 Claude Opus 的水平，
在 Agent方面，国产 AI、开源 AI在算力和数据受限的前提下依然跻身全球第一梯队
水平，头部玩家市场格局或将有所变化，后续 tokens调用量带来的想象空间较大。
图41：OpenRouter（）大模
型排名上，前三为国产大模型
数据来源：OpenRouter
相比于 Claude 及 ChatGPT，尽管国产大模型技术力上仍有追赶空间，但有两
个明显的优势：开源+成本：
开源：目前国产大模型多采用开源模式，由此丰富软件生态及训练反馈，从而
缩小与闭源头部模型的差距，对企业而言，开源模型可定制性更强、有潜在的成本
效益，根据 Artificial Analysis，得益于 GLM-5、MiniMax 、Kimi 等模型发
布，开源 2025年底到 2026年初，开源模型相较闭源模型的差距进一步缩小。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 21 / 33
图42：2025年底到 2026年初，开源模型相较闭源模型的差距进一步缩小
数据来源：Artificial Analysis 官网
成本：目前国产前沿大模型已达到 Claude Opus 的水平，以 Claude Opus
为例，其输出成本高达$25/1Mtokens，而国产MiniMax 的输出成本仅约为其 1/25，
成本优势明显。国内的低成本并非赔本赚吆喝，主要得益于算力限制下对模型架构
的底层创新、对算力性能工程化的“压榨”与优化。此外，2 月 12 日，智谱率先将
GLM Coding Plan 套餐价格结构性上调，整体涨幅自 30%起，表明行业商业模式或逐
步从流量获取转向实际工作流的完成度，本次涨价也是大模型定价逐步健康化、可
持续化的体现。
图43：国产大模型较海外模型在成本上具有显著竞争力（单位：美元/百万 token）
数据来源：pricepertoken、开源证券研究所
OpenAI稳居龙头，国产模型收入承压。根据五家企业的数据，OpenAI凭借 4000
人规模、37 亿美元营收和 328 百万美元的人均营收稳居龙头。而 Anthropic 以 1097
名员工实现人均创收 200 万美元，暂居第二。中国公司智谱、MiniMax、Moonshot
营收规模均在 1亿美元上下，人均创收普遍低于 20万美元，与头部企业存在量级差
距。这可能受制于国内市场定价环境，也表明当前国产模型仍处于投入期、收入尚
未规模增长。
0
5
10
15
20
25
30
输入成本/1M tokens 输出成本/1M tokens
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 22 / 33
表2：2025年国内外大语言模型企业人均收入对比（OpenAI、智谱、Moonshot为预
测数据）
成立时间 员工数 营业收入（百万美元） 人均创收（千美元）
OpenAI 2015年 4000 13100 3275
Anthropic 2021年 1097 2200 2005
智谱 2019年 883 109 123
MiniMax 2021年 428 79 185
Moonshot 2023年 300 17 57
数据来源：各公司官网、开源证券研究所
注：智谱 2025年收入为 wind一致预期，汇率为 1USD=
、 Anthropic：ARR增速远高于估值增速，当年估值通常在 20 倍左右
Anthropic 收入 B 端占比超八成，对国产大模型标的参考性更强。Anthropic 约
80%以上的收入来自于企业端，且主要为依托 API 及相关应用程序向企业提供算力
服务，C端占比较低，OpenAI当前 C 端为主的 chatbot收入占到收入的 60+%，且周
活 9 亿用户的付费率或仅有 5%。从创收的角度上讲，B 端的前景较 C 端更为明确，
付费粘性及付费金额也更为占优，也对智谱、MiniMax等后续依托 agent业务的标的
更有参考价值。
图44：OpenAI收入构成以 chatbot（C端）为主 图45：AnthropicB端收入占比 80%以上
数据来源：The Information、路透社等、开源证券研究所 数据来源：The Information、开源证券研究所
早期 ARR 增长远高于估值提升速度，充分消化估值。我们梳理了 2023 年以来
Anthropic 的估值变化数据，尽管 Anthropic 估值拉升较快，每次估值更新基本是前
次的 2-3 倍，但更为快速的 ARR 及收入增长成为消化估值的基础，例如 2025 年 3
月 Anthropic 估值提升至 615 亿美元，为 2023 年底的 倍，同期 ARR 为 23 倍，
最新数据为 2026年 2月，Anthropic估值 3800亿美元，为 2025年 9月的 倍，同
期 ARR 为 2-3倍。
8020
30
ChatGPT API Agent+其他
80%
20%
API等 C端+其他
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 23 / 33
图46：Anthropic估值快速提升 图47：AnthropicARR持续提升
数据来源：The Information、路透社等、开源证券研究所 数据来源：The Information、开源证券研究所
图48：Anthropic收入预期持续上调（单位：亿美元）
数据来源：The Information、开源证券研究所
我们采用市值/ARR的性质梳理各个阶段 Anthropic的估值变化过程，有如下结
论：
1、 在早期（2023年 5月）：业务基本处于 0-1的过程，当年估值达到 46倍，
次年估值 4倍；
2、 2025 年以来：Anthropic 的当年估值最高位 20+倍，且通常次年估值会降到
10 倍以内；
表3：P/ARR口径下 Anthropic估值逐步消化
P/ARR估值 2023 2024 2025 2026 2027 2028
2023 年 5月
2023 年 12月
2025 年 3月
0
500
1000
1500
2000
2500
3000
3500
4000
2023年5月 2023年底 2025年3月2025年9月2026年2月
估值（亿美元）
0
50
100
150
200
250
300
整体ARR（亿美元）
0
200
400
600
800
1000
1200
1400
1600
2023 2024 2025 2026E 2027E 2028E 2029E
2025年12月 2025年11月 2025年2月 2024年
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 24 / 33
P/ARR估值 2023 2024 2025 2026 2027 2028
2025 年 9月
2026 年 2月
数据来源：The Information、开源证券研究所
而在 PS口径下，当年估值通常为 20-30倍，次年估值在 5-10倍，the information
对 Anthropic最新收入预测已展望至 2029年，当前对应 1480亿美元，对应 PS估值
倍。
另一方面，对于处于发展早期的标的估值弹性可以相对较大，例如 2025年 9月
perplexity 估值 200 亿美元，而 ARR 接近 2 亿美元，假设月均增加 2000 万美元，
则 P/ARR仍有 70+倍。
表4：PS口径下 Anthropic估值逐步消化
估值更新时间 收入预测更新时间 2025 2026 2027 2028 2029
2025 年 3月 2025年 2月
2025 年 9月 2025年 11 月
2026 年 2月 2025年 12月
数据来源：The Information、开源证券研究所
5、 国产初创大模型：新厂商性能达到 opus 水平，点燃
Agent需求想象空间
国产大模型频频更新，多家模型接入 OpenClaw。在 GLM-5、MiniMax 和
Kimi 相继推出后，这三家企业也同步更新了大量辅助性功能。以 OpenClaw为
例，国产大模型均走向集成式云端部署平台，利用 OpenClaw的第三方平台，无需用
户本地部署就可以发挥模型更加全面的能力。MiniMax 在多模态领域推出
Music ，进一步完善其多模态生态。Kimi 专注 Agents，在模型中更新可让
100 个子代理协助工作的功能，强化其在海量资料处理领域的优势。豆包、千问、阶
跃星辰也分别推出全新模型，较先前做出提升。其中，在 AI视频生成领
域支持“复杂人机交互”运动生成，做出重大革新。
表5：国产大模型近期更新
产品 模型 功能
GLM Coding Plan
GLM-5
适配 OpenClaw和 Execel 环境下的 AI 插件
ZCode 能够理解整个仓库的依赖关系，自主完成模块解耦、跨文件重构以及复杂的系统集成任务
DSA稀疏注意力机制 能够根据 Token 的重要性动态分配注意力资源，大幅降低算力成本
MaxClaw MiniMax
无需部署就可以在网页浏览器运行
支持多达 14 种音乐结构变体，具备物理级高保真音质
Kimi Claw
Kimi
无需部署就可以在网页浏览器运行
Agent Swarm 最多可部署 100个子代理进行工作
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 25 / 33
-397B-A17B Qwen 实现从“纯文本”向“原生多模态智能体”的跨越
Seedance Seed Pro 支持高可用率的“复杂人机交互”运动生成
上下文上限 DeepSeek DeepSeek-V3 的网页端与 App 端正式支持 1M 上下文
Step Flash 创新的“自回归图像生成”模型，支持文本与图像 Token 的联合预测
数据来源：各公司官网、开源证券研究所
各家模型均在AI Coding及Agentic Engineering领域有所发力，但也各有特点：
从参数角度来看：GLM 和 Kimi 都具备处理海量资料的能力，总参数量分别为
744B和 1T。MiniMax总参数量为 229B，但凭借其 10B的激活参数量，模型处理速
度最快可达 100TPS，适用于高频 Agent操作。GLM-5预训练数据为 ，是 Kimi
的近两倍，知识储备量大，相较而言更为适合大型企业或全栈工程师。
表6：国产大语言模型参数对比
GLM-5 MiniMax Kimi Qwen Seed Pro
DeepSeek
Step
Flash
总参数量 744B 229B 1T 397B 400B 671B 197B
激活参数量 40B 10B 32B 17B 20B 37B 11B
上下文窗口 200K 200K 256K-1M 1M 256K 128K 256K
预训练数据 15T
数据来源：各公司官网、开源证券研究所
从各项测试结果来看：MiniMax 在 SWE-brench Verified测试中占优，HLE
测试逊于其他模型。Qwen 和 Seed Pro在 BrpwseComp测试中取得前两名。
SWE-brench Verified测试、BrowseComp 测试和 HLE 测试分别为针对模型代码编写
能力、网络检索能力和专家级多学科难题的测试。根据测试结果，MiniMax 在
代码处理方面具有显著优势，但由于较低的总参数量和预训练数据，模型的知识储
备可能相对不足，因而未能在 HLE 测试中取得头筹，这表明在专业领域，GLM-5
与 Kimi 等模型仍具备足够的竞争力。HLE 测试中 GLM、Kimi、Qwen和 Seed
表现差距不大，由于千问和豆包依托自身集团的海量数据，尽管未公布预训练数据，
但预训练 token消耗量可能不低于其他模型。Kimi 的预训练数据仅为 15T，这
说明 Kimi的预训练数据含金量较高，可以有效降低预训练成本。Qwen 和 Seed
Pro 更专注于搜索，因而在 BrowseComp 测试中领先其余国产模型。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 26 / 33
图49：国产大语言模型 SWE-brench Verified 测试
MiniMax 表现最好
图50：国产大语言模型HLE测试 Seed Pro表现最好
数据来源：各公司官网、开源证券研究所 数据来源：各公司官网、开源证券研究所
图51：国产大语言模型 BrowseComp 测试 Qwen 表现最好
数据来源：各公司官网、开源证券研究所
从使用成本来看：Step Flash 每百万 token 输出价格为 2 元，仅为 GLM-5
和MiniMax 和 DeepSeek 的约 1/4，是其他大模型的 1/10以下。考虑到 Step
Flash 在各项测试中的良好表现，该模型是国产模型中性价比最高的选择。但 Step
系列目前仍处于拓展市场阶段，不排除未来 API 涨价风险。而综合各能力测试，
MiniMax 是绝大多数情况下的最优选。
从运行速度来看：Step Flash凭借每秒输出 160 token 的速度领先其他国产
模型，在处理海量数据工作中具有显著优势。
68%
70%
72%
74%
76%
78%
80%
82%
SWE-brench Verified
0%
10%
20%
30%
40%
50%
60%
HLE
62
64
66
68
70
72
74
76
78
80
MiniMax GLM-5 Kimi Qwen Seed Pro DeepSeek Step Flash
BrowseComp
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 27 / 33
图52：国产大语言模型 Step Flash 输出成本最低（单
位：人民币元）
图53：国产大语言模型 Step Pro 输出速率最快
数据来源：各公司官网、开源证券研究所 数据来源：各公司官网、开源证券研究所
总结：MiniMax 在各方面表现良好，但受制于其总参数量和知识储备，不
利于用于海量数据处理的工作，但凭借其多模态优势，该模型在视频生成、图片生
成等领域仍存在广泛应用空间，更适合初创公司和成本敏感性公司或用户。GLM-5
系统稳健、总参数量大、处理速度快，并具备 ZCode 支持，适用于大型企业和全栈
工程师。Kimi 总体表现均衡，但拥有集群模式的 Agents 辅助，适合处理海量
资料，适合前端工程师和设计师、研究员等。
AI 上半场是训练大于评估，而下半场是评估大于训练——这是 2025 年 8 月姚
顺雨在 OpenAI期间发表的博文《下半场》曾提出的一个被反复引用的判断。从投资
角度而言，与其去研判未来格局演绎后的胜败，不如聚焦于当前状态主要模型的位
置，以及下一阶段的运动方向，而评估或是一个有效的抓手。在这其中，AI coding、
Agent或将是率先取得突破的重要方向。
我们整理目前主要模型在 coding、agent相关的评估指标，且大致将指标分为三
类：
工程交付类指标：用于解决实际工程问题，其中关注度较高的如 SWE-Bench
Verified，用以修复真实的 GitHub项目 Bug；
认知进化类指标：测试模型复杂思考的能力，用以衡量模型的 AGI的程度；
基础门槛类指标：主要模型评分基本做到 90%以上，已能较好实现商业化，无
需做过多讨论。
表7：从行业主要的测评上看，Vibe Coding逐渐转向 Agentic Engineering
能力评估 指标
Opus4.
5
Sonnet
Gemini3
Pro
-Co
dex(xhigh)
GLM
DeepSeek
工程
交付
指标
Agentic coding
SWE-Bench
Verified
% % % % % % %
SWE-Bench
Pro（Public）
%
0
5
10
15
20
25
30
每百万token输出价格
0
20
40
60
80
100
120
140
160
180
每秒输出token数
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 28 / 33
LiveCode
Bench v6
% % % %
Agentic terminal
coding
Terminal-Benc
% % % % % % % %
Agentic
computer use
OSWorld % % % -- -- %
OSWorld
Verified
%
Agentic search BrowseComp % % % % % % %
Scaled tool use MCP Atlas % % % % %
Agentic financial
analysis
Finance Agent % % % % %
Office tasks
GDPval-AAEl
o
1606 1416 1277 1195 1462 1193 1187
认知
进化
指标
Novel
problem-solving
ARCAGI2 % % %
%(Th
inking)
%(Pro
)
Multidisciplinary
reasoning
Humanity's
Last Exam
%/53
.1%
%/4
%
%/3
%
%/45
.8%
%/50.
0%
%/42
.8%
%/40.
8%
基础
门槛
指标
Visual reasoning MMMU Pro
%/77
.3%**
%/7
%
%/6
%
%/--
%/80.
4%
%
Multilingual
Q&A
MMMLU % % % % %
Agentic tooluse
t2-bench
（Retail/Telec
om）
%/99
.3%
%/9
%
%/9
%
%/98
.0%
%/98.
7%
% %
Graduate-level
reasoning
GPQA
Diamond
% % % % % %
数据来源：开源证券研究所
根据该榜单，我们可以得到以下结论：
Anthropic与 OpenAI代码工程能力处于第一梯队，国内主要模型已进入“生产
级”阶段。领先SWE-bench作为业内评价软件工程的黄金标准，目前 claude Opus 、
均已迈入 80%分值门槛，处于行业第一档位。国产模型中智谱、DeepSeek、
千问、Kimi等均突破 70%分段，意味着已经从“玩具级”向“生产级”过渡。此外
OpenAI提出新的评判标准 SWE-Bench Pro，当前 Codex 得分仅 %，或成为后
续代码能力评测的重要标准。
Vibe Coding 逐渐转向 Agentic Engineering，随着 agent 自主执行的能力达到
PMF，2026 年或有望看到诸多垂类领域呈现具备商用价值的 Agent。Claude Code、
Cowork、Clawdbot的出现受行业关注较大，核心在于大模型从被动问答向主动执行、
自主决策的转变，并实现向实际办公场景延伸，AI Coding 的重点也逐渐从 Vibe
Coding进化到 Agentic Engineering，而从 （终端）、OSWorld（桌
面）、BrowseComp（网页）这类指标上看，Claude 与 ChatGPT 已初步达到 PMF，
此外本次的 更新特意披露了一项 Finance Agent（评分 %），与 cowork
的财务插件功能相呼应。
然而从 Agent 在金融及法务等实际复杂环境的运用，我们认为仍处于早期。我
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 29 / 33
们认为金融、法务、咨询类行业受益于数据标准化、信息化程度较高的行业，将首
先受到 Agent 赋能，亦可作为我们衡量 Agent 在现实商业环境中渗透进度的观测指
标。基于此，Mercor 开发了一项基准测试——APEX-Agents，旨在评估 Agent 在长
周期、跨应用的专业任务重的效果，这些任务由投行分析师、律师、咨询顾问创建，
需要 Agent在真实环境中操作如文档、邮箱、PDF、聊天记录、日历等工具完成任务。
从最终的测试结果上讲仍不容乐观，在主要模型的一次通过率最高仅为 24%，
即每 4个任务仅成功 1个，距离可商业化的 60%-70%以上的水平仍相去甚远。
表8：ApexAgent考察了投行、法务、咨询管理的实际任务处理能力
职位 项目数 文件数/项目 任务数 平均标准/任务 平均小时数
带有文件输出的
任务
投资银行 10 172 160 27(%)
法务 12 161 160 20(%)
咨询管理 11 165 160 11(%)
合计 33 166 480 58(%)
数据来源：Huggingface 官网、开源证券研究所
表9：主要模型的通过率仍然较低
Model 1次通过率 8次通过率
8次都通过的
概率
平均得分
投行：一次通
过率
咨询：一次通
过率
法务：一次通
过率
% % % % % % %
Gemini3Flash % % % % % % %
Gemini3Pro % % % % % % %
GPT-5 % % % % % % %
% % % % % % %
GPT-OSS-120B % % % % % % %
Grok4 % % % % % % %
KimiK2Thinking % % % % % % %
数据来源：Huggingface 官网，开源证券研究所
这背后目前存在的技术瓶颈可归纳为 2个原因：
（1） 信息碎片化：真实工作场景中信息碎片化高，一方面需要 AI 有较高的
完整认知能力，另一方面需要较高的长上下文处理能力，这涉及到 agent
领域的长期目标偏移问题；
（2） 对复杂问题的规划能力：当前生成式 AI的本质是“预测下一个 token”，
而规划能力需要将复杂问题拆成多步，并根据中间出现的错误进行调整，
这涉及到 agent领域长期存在的幻觉叠加的问题。
此外，通过上下文学习的衡量，亦可观测当前大模型、agent的发展进度，根据
腾讯姚顺雨提出的 CL-bench 排名，当前主流头部大模型在上下文学习能力上
仍还有充足的提升空间。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 30 / 33
表10：根据 CL-bench排名，当前大模型的上下文学习能力
排名 模型名称 所属机构 总解决率
1 GPT (High) OpenAI %±%
2 GPT OpenAI %±%
3 Claude Opus Thinking Anthropic %±%
4 Kimi Moonshot %±%
5 Kimi Thinking Moonshot %±%
6 Claude Opus Anthropic %±%
7 GPT OpenAI %±%
8 GPT (High) OpenAI %±%
9 o3(High) OpenAI %±%
10 Kimi K2Thinking Moonshot %±%
11 HY Thinking Tencent %±%
12 Gemini 3 Pro(High) Google %±%
13 HY Tencent %±%
14 Gemini 3 Pro Google %±%
15 Qwen 3 Max Alibaba %±%
16 Doubao (High) ByteDance %±%
17 Qwen3 Max Thinking Alibaba %±%
18 Doubao (Minimal) ByteDance %±%
19 Doubao Thinking ByteDance %±%
20 DeepSeek Thinking DeepSeek %±%
21 ByteDance %±%
22 DeepSeek DeepSeek %±%
23 Kimi K2 Moonshot %±%
数据来源：、开源证券研究所
总结：尽管当前在实际场景方案解决、长上下文学习上主流大模型仍有提升空
间，但还是回到那句话——AI 的下半场是评估大于训练。明确了评估的方向，意味
着明确了后续技术投入的发展方向，这种从“大而全”到“精而准”的范式转移，不仅将
重塑资本配置的效率，更决定了谁能率先穿越技术泡沫。只有建立起穿透行业深度
的度量衡，大模型才能真正从实验室里的“高分标本”转化为深耕产业的“生产工具”，
从而在估值逻辑上实现从算力堆砌向真实商业红利的质变。
6、 投资建议：
模型端：OpenClaw加速了 Agent的渗透能力，国产大模型能力已逐步达到全球
第一梯队水平，商业模式有望逐步切换至订阅为主的持续性收入，增长空间可观，
受益标的有阿里巴巴-W、百度集团-SW、MiniMax-W、智谱；
AI Infra：AI Infra与 AI Agent有较好的协同共振效应，且随着 AI发展对安全、
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 31 / 33
高效工作流的诉求也同样提升，受益标的为与生成式 AI 互补的决策式 AI 龙头范式
智能、推出硅基员工开发平台的百融云；
算力端：Agent行情下 tokens消耗有望有明显提升，智谱提价进一步维护了产业
链盈利健康，受益标的金山云、万国数据等。
表11：主要标的盈利预测及估值
证券 代码
市值(亿
港元）
股票基
金货币
收入（亿元） 调整后可比净利润（亿元） P/S P/E
评级
2025A 2026E 2027E 2028E 2025A 2026E 2027E 2028E 2026E 2027E 2028E 2026E 2027E 2028E
百融云-W 6608 HK 37 CNY 未评级
Minimax-W 100 HK 3,180 USD / / / 未评级
智谱 2513 HK 3,270 CNY / / / 未评级
范式智能 6682 HK 189 CNY 未评级
金山云 3896 HK 324 CNY / / / 未评级
万国数据 9698 HK 668 CNY 未评级
阿里巴巴-W 9988 HK 22,633 CNY 9, 10, 11, 12, 1, 1, 1, 买入
百度集团
-SW
9888 HK 2,962 CNY 1, 1, 1, 1, 买入
资料来源：Bloomberg、开源证券研究所。汇率 CNYHKD=，USDHKD=
7、 风险提示：
模型迭代不及预期：若模型微调、轻量化部署、国产化适配优化效果无法达到
商用落地标准，头部企业技术领先优势收窄，相关企业技术壁垒与产品竞争力弱化，
进而引发 AI 相关业务营收放量、盈利改善进度不及市场预期，板块及个股业绩存
在承压风险。
行业竞争加剧：若赛道内出现低价竞标、API 调用降价、私有化解决方案让利
接单等内卷行为，同时行业人才争夺白热化推高研发与人力成本，中小厂商盈利空
间持续收窄，头部企业存量市场份额争夺难度加大，行业整体盈利修复节奏放缓，
企业盈利能力与估值中枢存在下行压力。
agent 落地不及预期：若下游客户对 Agent 降本增效的实际价值认可度偏低，
付费意愿与落地验收标准严苛，试点项目商业化转化效率不足，行业插件生态、合
规监管体系、运维配套体系尚未健全，易出现 “试点落地多、大规模放量少” 的情
况，导致相关企业 AI Agent 业务订单增速、收入兑现不及预期，商业化进程放缓引
发估值回调风险。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 32 / 33
特别声明
《证券期货投资者适当性管理办法》、《证券经营机构投资者适当性管理实施指引（试行）》已于2017年7月1日起
正式实施。根据上述规定，开源证券评定此研报的风险等级为R4（中高风险），因此通过公共平台推送的研报其适
用的投资者类别仅限定为境内专业投资者及风险承受能力为C4、C5的普通投资者。若您并非境内专业投资者及风
险承受能力为C4、C5的普通投资者，请取消阅读，请勿收藏、接收或使用本研报中的任何信息。
因此受限于访问权限的设置，若给您造成不便，烦请见谅！感谢您给予的理解与配合。
分析师承诺
负责准备本报告以及撰写本报告的所有研究分析师或工作人员在此保证，本研究报告中关于任何发行商或证券所发
表的观点均如实反映分析人员的个人观点。负责准备本报告的分析师获取报酬的评判因素包括研究的质量和准确
性、客户的反馈、竞争性因素以及开源证券股份有限公司的整体收益。所有研究分析师或工作人员保证他们报酬的
任何一部分不曾与，不与，也将不会与本报告中具体的推荐意见或观点有直接或间接的联系。
股票投资评级说明
评级 说明
证券评级
买入（Buy） 预计相对强于市场表现 20%以上；
增持（outperform） 预计相对强于市场表现 5%～20%；
中性（Neutral） 预计相对市场表现在－5%～＋5%之间波动；
减持（underperform） 预计相对弱于市场表现 5%以下。
行业评级
看好（overweight） 预计行业超越整体市场表现；
中性（Neutral） 预计行业与整体市场表现基本持平；
看淡（underperform） 预计行业弱于整体市场表现。
备注：评级标准为以报告日后的 6~12个月内，证券相对于市场基准指数的涨跌幅表现，其中 A 股基准指数为沪
深 300指数、港股基准指数为恒生指数、新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针
对做市转让标的）、美股基准指数为标普 500或纳斯达克综合指数。我们在此提醒您，不同证券研究机构采用不
同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议；投资者买入或者卖出证券的
决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者应阅读整篇报告，以获取比
较完整的观点与信息，不应仅仅依靠投资评级来推断结论。
分析、估值方法的局限性说明
本报告所包含的分析基于各种假设，不同假设可能导致分析结果出现重大不同。本报告采用的各种估值方法及模型
均有其局限性，估值结果不保证所涉及证券能够在该价格交易。
港股行业深度报告
请务必参阅正文后面的信息披露和法律声明 33 / 33
法律声明
开源证券股份有限公司是经中国证监会批准设立的证券经营机构，已具备证券投资咨询业务资格。
本报告仅供开源证券股份有限公司（以下简称“本公司”）的机构或个人客户（以下简称“客户”）使用。本公司
不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于商业秘密材料，只有开源证券客户
才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。
本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工
具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀
请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、
价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当
考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所
指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的
投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必
要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情
况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的
客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。投资者应自主作出投资决
策并自行承担投资风险，任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。
本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对
其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任
何部分，客户需自行承担浏览这些网站的费用或风险。
开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供
或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无
需事先或在获得业务关系后通知客户。
本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权
均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制
品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及
标记均为本公司的商标、服务标记及标记。
开源证券研究所
上海 深圳
地址：上海市浦东新区世纪大道1788号陆家嘴金控广场1号
楼3层
邮编：200120
邮箱：research@
地址：深圳市福田区金田路2030号卓越世纪中心1号
楼45层
邮编：518000
邮箱：research@
北京 西安
地址：北京市西城区西直门外大街18号金贸大厦C2座9层
邮编：100044
邮箱：research@
地址：西安市高新区锦业路1号都市之门B座5层
邮编：710065
邮箱：research@
