AI大模型竞争进入“拼成本”新阶段

　　■苏向杲

　　近日，OpenAI、xAI、Meta等全球头部AI（人工智能）企业相继推出新一代大模型。与过去主要展示智能程度和榜单成绩不同，新一轮模型更强调单位Token（词元）效率、调用价格、运行速度与综合成本。这标志着大模型的“进化”方向，正逐渐由“能力有多强”向“以多低成本稳定完成任务”演进。

　　这种趋势引发全球资本市场广泛关注，其核心逻辑不仅在于模型调用价格的下探，更在于AI大模型处于产业链的枢纽位置：上游连接算力芯片、服务器、光模块等庞大硬件设施，下游赋能千行百业。大模型企业对成本与效率的重新审视，势必沿产业链逐层传导，深刻影响资本开支方向、产业利润分配及市场估值体系。

　　笔者认为，AI大模型加速步入“拼成本”的新阶段，将从底层重塑产业生态，并对AI大模型企业、AI产业链其他公司以及各类投资者产生深远影响。

　　对AI大模型企业而言，成本控制能力将重塑估值逻辑。

　　AI大模型发展早期，资本市场聚焦参数与能力上限，赋予技术领先者极高的稀缺性溢价。但随着不同模型能力差距持续收窄，且企业端进入大模型规模化部署阶段，竞争重点已从“能不能做”转向“做一次多少钱、能否跑通商业闭环”。

　　由此可见，单纯的模型能力迭代，已无法自然转化为AI大模型企业价值的同步跃升。若AI企业营收增速跑不赢算力折旧与研发投入，模型越强，其背负的成本压力可能反而越重。在此背景下，大模型企业的“估值锚”正悄然从“技术领先度”向“商业化效率”切换。未来衡量大模型企业价值的关键，不再是单纯的智能测评分数，而是每一单位算力究竟能创造多少有效收入。

　　对AI产业链上游企业而言，降本能力将决定议价权。

　　大模型开启“拼成本”模式的背后，是下游客户（AI使用者）不再盲目追逐单一极致性能，而是着重考量成本。这将倒逼大模型企业在采购硬件时，更加关注芯片能效比、服务器集成度、光模块传输速率等维度。沿产业链向上溯源，这种趋势将推动相关硬件公司从“单纯卖产品”向“以更高效率交付算力”转型。能切实降低系统能耗、提升算力利用率的硬件龙头企业，将在产业链中获得更强的议价能力；而仅靠同质化扩产与低价博弈的企业，则易面临毛利率承压的风险。

　　需要厘清的是，上述转变并不等同于上游硬件需求的萎缩。恰恰相反，随着下游调用门槛的降低，有望加速AI从高价值场景向长尾场景的全面渗透。单次任务的算力消耗虽在减少，但并发任务量的几何级增长，能够催生“成本下降、应用爆发、算力需求再放大”的良性循环。

　　对投资者和金融机构而言，利润兑现率将成为核心决策指标。

　　AI产业的长期趋势毋庸置疑，但趋势的高确定性不等于所有相关标的都应享有高估值。步入“拼成本”阶段后，各类投资者的考量会更为务实：营收增长最后有几成能沉淀为净利润？当前的高估值需要多久的业绩增长来消化？

　　今年以来，无论是A股市场还是海外资本市场，不少AI概念股均获得了较高溢价。但从基本面视角审视，能够持续稳定盈利的企业才是优质投资标的。鉴于此，投资者在进行资产配置时，需着重考察企业能否将产业的高景气度兑现为真金白银。具体而言，考察大模型企业，需盯紧Token调用收入能否覆盖运营成本；审视上游硬件企业，需确认订单放量能否同步提振毛利率；评估下游应用，要研判AI是否实质性落地并实现了降本增效。此外，金融机构在授信与投资决策时，要将财务健康度作为衡量AI资产质地的重要标尺。

　　长远来看，AI企业“拼成本”是前沿技术走向成熟应用的必经之路。任何通用技术从实验室迈向千行百业，都必须跨越商业化的成本门槛。因此，AI竞争的下半场，注定属于那些能以更低成本创造更高价值的“玩家”。