大模型竞争重心转向成本效率

■苏向杲

近期，OpenAI、xAI、Meta等国际顶尖AI企业陆续发布了新一代大模型。与此前侧重展示智能水平和榜单排名不同，新一批模型更聚焦于单位Token效能、调用费用、运行速率和整体开销。这意味着大模型的演变趋势，正逐步从“能力巅峰”转向“以更低成本可靠执行任务”。

这一动向引起了全球金融市场的广泛关注，其根本原因不仅在于模型使用价格的降低，更因为AI大模型处于产业生态的关键节点：向上关联算力芯片、服务器、光模块等巨型硬件体系，向下赋能众多行业。大模型公司对成本和效率的重新评估，必然会沿着产业链层层传递，深度影响投资方向、产业收益分配和市场估值框架。

笔者认为，AI大模型迅速迈入“成本竞赛”的新纪元，将从根基上重构产业格局，并对大模型开发商、AI产业链其他参与者以及各类投资人带来重大影响。

对大模型企业来说，成本管控实力将重新定义估值准则。

AI大模型起步阶段，资本市场聚焦参数量和性能极限，给予技术先锋极高的独特溢价。但随着各模型能力差距逐步缩小，且企业端进入大模型大规模应用时期，竞争核心已从“能否实现”变为“每次操作费用多少、能否形成商业闭环”。

由此看来，单一模型能力的升级，已难以直接转化为大模型企业价值的同步增长。如果AI公司营收增速赶不上算力折旧和研发支出，模型越强大，其承担的成本负担可能反而越沉重。在此情形下，大模型企业的“估值基准”正不动声色地从“技术优势”向“商业转化效率”转变。未来评判大模型企业价值的关键，不再只是单纯的智能测试成绩，而是每单位算力究竟能产出多少实质收益。

对AI产业链上游企业而言，降本实力将确立议价地位。

大模型步入“成本比拼”态势的背后，是下游客户（AI使用者）不再盲目追求单一极致表现，而是优先考量成本因素。这将促使大模型企业在采购硬件时，更注重芯片能效比、服务器整合度、光模块传输速度等指标。沿着产业链向上追溯，这一趋势将推动相关硬件公司从“纯粹售卖产品”向“以更优效率提供算力”升级。能切实减少系统能耗、提高算力利用效率的硬件领军企业，将在产业链中赢得更强的议价能力；而仅凭同质化扩能和低价竞争的企业，则容易面临利润率受压的风险。

需要明确的是，上述转变并不等于上游硬件需求的萎缩。恰恰相反，随着下游使用门槛的下降，有望加快AI从高价值领域向长尾场景的全方位拓展。单次任务的算力消耗虽在减少，但并发任务量的指数级增长，能够催生“成本下降、应用爆发、算力需求再放大”的健康循环。

对投资者和金融机构而言，利润实现率将成为核心决策依据。

AI产业的长期走向毫无疑义，但趋势的高确定性并不代表所有相关资产都应享有高溢价。进入“成本比拼”阶段后，各类投资者的判断会更加实际：营收增长最终有多少能转化为净利润？当前的高估值需要多长时间的业绩成长来消化？

今年以来，无论A股市场还是海外资本市场，诸多AI概念股都获得了较高溢价。但从基本面角度审视，能够持续稳健盈利的企业才是优质投资对象。基于此，投资者在进行资产布局时，需重点评估企业能否将产业的高景气度变成切实收益。具体而言，审视大模型企业，需关注Token调用收入能否覆盖运营开销；考察上游硬件企业，需确认订单增量能否同时提升利润率；评估下游应用，要判断AI是否真正落地并实现了成本优化和效率提升。此外，金融机构在授信和投资决策时，应将财务稳健度作为衡量AI资产质量的重要标准。

长远来看，AI企业“比拼成本”是前沿技术走向成熟普及的必然路径。任何通用技术从实验室迈向各行各业，都必须跨越商业化的成本壁垒。因此，AI竞争的后半程，注定属于那些能以更少成本创造更多价值的“选手”。