AI行业发展、分化格局与估值分析

作为卖方，我们需从当前阶段的产业基本面出发，结合本轮大幅波动之后的最新观察，就估值问题进行探讨。

AI行业发展与基本格局

首先，简要回顾自2022年底Open AI推出第一代模型GPT-3.5以来至今几个重要的发展节点。

2023年3月，Open AI正式发布GPT-4，这是自第一代ChatGPT问世约四个月后的一次重要迭代。2025年8月，GPT-5面世，它具备了视觉、文本与听觉的综合处理能力，成为一个具有里程碑意义的模型，也标志着自然语言大模型从“能说会道”向“多模态”方向演进。2026年6月，Open AI发布GPT-5.6的更新版本。总体来看，大模型每隔6至12个月便会进行一次重大版本更新。

与此同时，模型参数规模亦持续扩张。第一代ChatGPT约为千亿级参数，而当前主流模型普遍达到约4万亿参数，Kimi K3即是基于2.8万亿数据集的模型。由此可见，规模定律（Scaling Law，即模型规模越大、效果越优、智能水平越高）依然成立，且模型迭代速度仍然较快。

过去两三年间的另一个显著趋势是，市场格局从Open AI一家独大，逐步演变为多极化竞争格局。在美国本土，Anthropic在2026年6月9日发布了Claude 5，该模型目前被视为全球最强的编程（Coding）模型。Anthropic由前百度美国团队成员创立，是一家较为年轻的创业公司，并以人类历史上最快速度实现了千亿级年化收入（ARR）。

与之相对应，中国开源模型及国产模型在迅速追赶。2022年底，清华智谱等机构的模型与美国之间的差距还被认为较大，但经过三年多的发展，当前中国主流模型——如智谱GLM 5.2及Kimi K3等与美国主流模型之间的差距已缩短至约3至6个月，整体差距明显缩小。

这一判断的依据在于，当前各类评测显示，Kimi与智谱等最顶尖模型的能力水平，大致相当于美国Anthropic与Open AI顶尖模型三至六个月前的水平。据此理解，中美模型迭代大约相差一代，即约半年的版本更新周期。

“泡沫论”担忧的实质

当前，市场对“泡沫论”有各种讨论，其根本原因或许在于我们需要回答一个核心问题：大模型究竟解决了什么问题？它能否像当年移动互联网时代的腾讯、阿里那样，形成切实的生产力闭环，并对GDP增长产生实质性贡献？

目前来看，编程是目前最赚钱且商业模式最为清晰的应用方向。这也是Anthropic能够实现年化1200亿美元收入预期的最主要来源。国产模型中，Kimi正在进行约500亿美元估值的又一轮融资；智谱目前港股估值约为600亿美元。

大模型是否真的能够盈利？答案是肯定的。暂且不论通用的年化收费的To C模式，编程领域的盈利更多体现在对程序员及白领工作的替代。以Anthropic为例，今年7月其最新月度年化收入（ARR）已达700亿美元。值得关注的是其增速，2025年底其ARR约为90亿美元。若按照每月环比增长约20%至30%计算，市场普遍预期，到2026年底其年化收入有望达到1200亿美元。

近期市场对泡沫论的担忧，实质上是对环比增速是否将持续放缓的疑虑。资本市场具有前瞻性，若月度环比增速从当前的20%至30%回落至10%至15%，即便仍为正增长，也可能被视为低于预期。关键在于增速斜率的变化。

Anthropic在一级市场的最新估值约为1万亿美元，按年化收入约1000亿美元计算，对应约10倍市销率（PS）。PS估值的合理性通常建立在边际增速——无论是收入还是利润增速——持续提升的基础上，尤其是利润增速远快于收入增长的企业才适合采用PS估值法。

当前大模型企业以年化ARR为基础进行年度PS估值，与亚马逊当年的情况类似。2015年，云计算公司边际成本下降，亚马逊曾连续五到六个季度利润增速快于收入增长，市场给予约10倍PS。因此，我们认为全球最赚钱的公司、最顶级的模型具备估值基础，其环比增速及年化收入预期均能找到历史锚点及基本面支撑。

相较之下，国产模型的情况如何？以智谱为例，其年化收入约为10亿美元，估值达600亿美元，直观上较美国头部模型更为昂贵。我们与外资投资机构交流后认为，在一个行业快速变化、格局极不稳定的阶段，所谓的精准PS等估值指标可能失效。例如，六个月前，无法根据当时的90亿美元年化收入推演出Anthropic如今700亿美元的年化收入。在当前极度不稳定的行业环境下，无论是悲观还是乐观的线性外推，结果都可能与实际相差甚远。这也是当前大模型行业估值面临的最大挑战。

与2015年看待亚马逊或阿里、腾讯时的情形不同，彼时行业已趋于稳态，云服务格局清晰，中国龙头为阿里和腾讯，美国龙头为AWS，给予10倍估值具有明确依据，而当前大模型行业格局尚不明朗，最终胜出者尚未确定，但市场已按头部胜出企业的标准给予估值，且绝对值远超当年水平——中国模型起步价已达万亿人民币，美国则为万亿美元级别。这就是时代背景下的相同与不同之处。

对于资本开支，需明确其支撑内容。近年来，人工智能行业中，除模型闭环在金融领域实现盈利外，获利最丰厚的环节当属算力，而算力企业盈利的来源正是云厂商的资本开支。

2026年，北美整体资本开支基本符合预期，约7325亿美元，同比增长76%。值得注意的是，Open AI第一代模型于2022年底推出，全球云厂商（CSP）资本开支于2023年一季度开始反转，中国则因模型迭代滞后约半年，资本开支企稳始于2023年下半年。当前，美国年度资本开支约为7000-8000亿美元，中国约为7000-8000亿元人民币，二者相差约一个汇率的倍数。

2025年美国云厂商资本开支同比增长65%，符合行业高速增长特征，行业整体享有估值溢价。当前市场担忧的核心在于，美国资本开支已接近8000亿美元，明年恐难以维持70%至80%的增速，即便后年开支达到1.2万亿美元，增速也可能从百分之大几十的高位回落至20%至30%，进而引发行业估值整体回落。

当然，这仅是一个粗略判断，产业内部正发生分化。前期算力产业链行业利润高度集中于英伟达GPU环节，而近期存储领域已分走行业大部分利润，这源于下游模型训练需求大爆发导致上游产能扩张滞后，供需失衡下的短期利润再分配。长期来看，当行业利润将趋于再平衡，产能扩张将逐步跟进。

总体来看，尽管行业增速可能从60%至70%放缓至20%至30%，甚至未来边际增速进一步下降，但在绝对值层面，全球每年约1万亿美元、中国约1万亿人民币的资本开支，仍处于高速增长区间，年增量约2000亿美元。

相比之下，中国资本开支的空间更为广阔。在移动互联网时代，中国云厂商资本开支约为美国的60%至70%，当前与美国仅差一个汇率的倍数水平，约为美国的

七分之一至六分之一。若规模定律仍然有效，即便我们拥有工程师红利，并且在结构上创新，但数量级上的差距难以弥补，最终可能难以造出与美国同等级别的模型。

因此，我们认为未来国产资本开支空间会更大，不应简单地因美国增速放缓而比照美股估值来评估国产链，这一点值得重点关注。

本轮AI行情具有盈利支撑

在梳理完产业基本面之后，我们再从估值角度进行观察。此处仅为线性外推的参照，并非精确历史类比。

首先看纳斯达克指数，其整体TTM市盈率约为33倍，而2000年科网泡沫时期约为140倍。就国内而言，科创综指的PE估值目前处于历史较低分位水平；上证指数整体估值约16倍，科创综指和创业板综指当前的PE分别为167倍和42倍，科创综指处于自身历史的约38%分位数，创业板综指则约为10%分位数。

市场常将当前阶段与2000年科网泡沫时期相提并论。但二者核心区别在于，当前AI行业具备盈利支撑。无论是Anthropic、国内头部模型公司，还是上游算力产业链企业，均有实际盈利可循。

2000年左右，当时的行业龙头思科占据了约80%的市场份额，但净利润持续增长仅维持三个季度；而如今的行业龙头英伟达在最近13个季度中，有11个季度利润增速超过50%，业绩支撑明显更为强劲。此外，思科的盈利高增长季度仅有两个，而英伟达则有大约七个季度；在毛利率与净利率水平方面，两者亦有显著差距。以上数据从某一维度反映了当前与历史泡沫阶段的差异。

从另一个维度看，A股光模块龙头中际旭创2026年动态PE约为35倍，2027年动态估值约为20倍，处于近三年估值平均分位数的80%左右，并未突破近三年估值高点；寒武纪作为GPU企业，估值相对更高，约63倍，但处于其近三年估值平均分位数的13%至15%，这意味着前期估值水平更高，当前利润正在逐步兑现。在市值增长的同时利润增速更快，说明基本面兑现速度加快。美国市场情况类似，此处不再展开。

就头部公司而言，我们认为整体行业估值泡沫并不显著。以存储行业为例，预计今年行业利润约为9000亿美元，全球存储公司总市值约为4万亿美元（上周数据），行业PE中位数约为4倍。作为强周期行业，4至6倍的PE水平属合理区间，市场对龙头公司的定价相对有效。

但二三线公司可能存在一定泡沫，尤其是基于涨价链线性外推的盈利预测，估值问题较为突出。以光通信为例，除中际旭创等前三大公司外，其余公司今年动态PE中位数普遍超过100倍，处于自身近五年估值的80%分位以上，明年估值亦约在100倍左右。

总体来看，产业层面并未出现显著的估值泡沫，但在资本市场来看，行业呈现出显著的K型分化，且分化程度较互联网时代更为剧烈——从“二八开”演变为“98%与2%”的格局，最终成功的公司可能仅占1%至2%。这是AI泡沫论的核心关注点。

本轮下跌中，龙头公司率先企稳，无论韩国的三星、海力士，还是国内的长鑫存储、中际旭创，均表现相对稳健；而二线公司至今流动性仍较差，问题较为突出。

市场判断与市场情绪变化原因

近期市场的担忧主要源于以下几个方面：其一，存储公司在当前周期中分走了行业大部分利润，引发对利润分配结构的关注；其二，Meta开始将其多余算力对外出租，一定程度上改变了算力供给格局；其三，韩国市场出现流动性问题及杠杆集中度过高的现象；其四，亚马逊发行250亿美元美债，认购倍数仅为1.6倍。此前行业认购倍数通常在4至5倍，市场据此担忧其流动性吸纳能力已近饱和；其五，中国开源模型对全球输出通缩效应。市场担忧原本盈利模式清晰的美国模型，在中国开源之后，其收费模式及商业模式面临不确定性。

针对上述担忧，我们从以下几个方面进行回应：

首先，关于北美AI资本开支。当前市场普遍采用线性外推的逻辑进行判断。去年此时，美国四大云服务厂商（CSP）的自由现金流合计约500至600亿美元，而目前已基本转负，主要因资金持续投入大模型研发。虽然这些企业自身现金流在下降，发债认购倍数在下降，但市场上的流动性还未到被AI全部吸光的程度。

其次，市场后续需关注几个关键锚点。Anthropic的边际增速是否会下降，是重要观察指标。我们做了一个保守预测：全球白领人数约9亿，假设编程场景渗透率达50%，则可被AI替代的程序员相关岗位对应的年化收入规模约为1500亿美元，这大致相当于Anthropic当前水平。在更乐观甚至极致的假设下，该市场可达万亿美元级别，而当前Anthropic年化收入约1000亿美元，头部模型厂商的收入增速仍有较大空间。

再次，对于国产产业链，我们始终保持相对乐观态度。美国自2023年一季度起，连续三年每季度资本开支均实现环比大幅增长。而国内资本开支真正企稳是始于2022年至2023年，尤其是2023年下半年才逐步回升。且从绝对值来看，无论与自身移动互联网时代相比，还是与美国当前水平相比，国内资本开支仅约为美国的20%左右。

此外，华为近期发布的“韬定律”亦为国产链提供了新的指引。我们认为国产链整体不存在显著泡沫，反而蕴含机会，原因在于需求与供给之间存在较大不平衡。

此前我们做过测算：美国目前每年等效A100卡供给约为1亿张，而国产卡供给仅约400至500万张，占比约5%。国产化供给能力与美国之间存在数量级差距。但近年来，国产化在先进制程突破、上游半导体设备材料以及先进制程代工等方面，已逐步完成“从0到1”的跨越，接下来将进入“从1到N”的放量阶段。

综上所述，从产业整体来看，AI仍处于快速迭代变化之中，最终格局远未确定，牌桌上的主要参与者仍有较大变数，不宜简单套用云计算厂商当前情况甚至互联网时代的经验进行线性外推，轻言估值到位或泡沫破灭。此次产业变革的量级，若以马拉松类比，当前仅跑至前半程，周期长度与以往不同。

其次，我们对国产链整体持较为乐观的态度。无论从绝对资本开支水平、未来国产化供给能力的提升，还是国产模型的进步来看，国产链已形成“飞轮效应”——即有优质场景、优秀人才，且底层硬件供给能力大幅提升。这种“软硬件协同共振”的局面，在中国科技自主自强的发展历程中尚属首次。

因此，本轮波动之后，国产AI链在估值容忍度与资产审美多样化和估值体系完善方面均值得期待。

作者武超则系中信建投证券执委委员、机构业务委员会主任，本文为作者在近期举行的CF40青年论坛双周内部研讨会第207期“AI资产估值逻辑”上所做的主题演讲。文章仅代表作者个人观点，不代表CF40立场，未经许可不得转载。