AI大模型争夺战：产业链速览（上）
上周，《华尔街日报》一则题为「OpenAI Misses Key Revenue, User Targets in High-Stakes Sprint Toward IPO」的报导援引「知情人士」称，OpenAI 首席财务官 Sarah Friar 曾向公司高层表达担忧：若营收成长速度不够快，公司可能难以按期支付未来的运算合约款项。该消息很快就外溢到 OpenAI 相关供应链，相关股价随即受到波及。
不过就在短短一日内，科技巨头中四大 CSP（云服务提供商）陆续公布 Q1 财报，并再次上调资本支出计划，把 2026 年资本支出扩张目标调高至 7,000 亿美元以上。伴随市场情绪急转直上，上周 Nasdaq 及费半指数重返历史高点，本周台股也延续这波强势表现。
为何在资本支出继续扩大之下，市场反而选择更乐观的态度？本文将与下篇一起，从 AI 上、中、下游的生态与供应链脉络切入，讨论资金风险到底要不要担心，以及有哪些可追踪的指标值得留意。
本文重点:
首先，需要先把 AI 生态系的上下游关系理清。整体可粗分为上游硬体层、中游算力供应层，以及终端应用层。最上游的硬体层，核心在于以 NVIDIA 为代表的通用 GPU 集群，与科技巨头同步推进的客制化 ASIC 集群之间，围绕效能、成本与供应掌控权展开竞争；算力再向下延伸到中游，形成四大 CSP（传统云端）与专注 AI 算力租赁的新云端 NeoCloud 之间的正面对抗。前者凭借资金规模与生态优势建立护城河，后者则用更聚焦、更具弹性的 AI 算力供给切入市场。最后到终端应用层，竞争集中到 LLM 大模型的混战：开源阵营对上闭源阵营，在技术普及程度、商业化能力与生态主导权上全面交锋。
值得注意的是，这一轮 AI 产业竞争并非典型的零和对决，更像是推动全球生产力从「阶段二」迈向「阶段三」的共同演进。多维度的技术竞赛，表面上看在抢速度与优势，实质上通过优化成本结构、拓展应用场景，促使 AI 从研发加速走向商业落地。也正因此，上周科技巨头财报与策略调整，形成了可观察的方向：
AI 开始提供具体数字成绩单
在本季，市场看到了「纯 AI」（全新 AI 业务，而非靠 AI 挹注旧业务）带来的营收逐渐反映在财报中。与此同时，在电话会议里，公司也更清楚给出未来成长指引：例如 Google Cloud 营收年增 63%，积压订单接近翻倍；Amazon AWS 创下 15 季以来最快增速，AI 服务年化营收突破 150 亿美元；Microsoft Azure 增长 40%，Copilot 付费席次也突破 2,000 万。相较之下，Meta 除了借助 AI 扩大旧业务（广告营收）外，并未给出明确的数字，这也是为何尽管四间 CSP 都扩大资本支出，市场对 Meta 的反应却偏负面。
不只押注应用，也开始上探更多硬体
除了软件与应用层的布局，四大巨头也积极研发 ASIC，目的是降低对单一供应商的依赖，同时进一步优化推论成本与功耗。其中特别值得关注的是 Google：不仅推出 TPU 8i，把性价比提升 80%，还把相关产品直接销售给外部供应商，使其正式从「云端供应商」升级为「算力供应商」。在其他三家巨头方面，Amazon 的 Trainium 已取得千亿美元级订单承诺；Meta 则通过 MTIA 与 Broadcom 合作，以优化推荐系统；Microsoft 推出的 Maya 200 也用来提升 Token 处理效能。
朝向更多元的模型布局
进入 2026 年后，巨头的重点不再只是模型能力本身，而是更关注 AI Agent 如何在其平台上完成工作，甚至把 Agent 的执行能力纳入自家研发生态。例如：Google 推动「代理商务」以自动执行结帐流程；Amazon 的 Rufus 助理参与度大幅上升；Meta 的 Muse Spark 让数位客服对话次数激增至千万级；Microsoft 则把 Copilot 进化为可执行长期任务的协同工作者。上述进展持续印证 AI 生产力循环正进入百家争鸣的新阶段。
整体来看，AI 竞争正从单纯的模型与算力扩张，进入「营收验证、硬体自主、应用落地」三线并进的阶段。科技巨头一方面持续上调资本支出，显示 AI 基础建设需求仍未降温，同时也让资金动能进一步向上游硬体、晶片与资料中心供应链传递。另一方面，AI 已不再只是用 CapEx 去押注未来，而是开始交出可被衡量的营收成绩单，并透过自研晶片与 AI Agent 的落地，把基础建设投资逐步转化为可验证的商业模式。
在 AI 投资与应用持续扩张的背景下，本文先聚焦终端应用层的 LLM 竞争，拆解大模型混战背后的产业趋势、商业化路径与关键观察指标。
根据 Artificial Analysis 的评估，全球已有超过 500 种前沿 AI 语言模型。无论从中美竞争的视角出发，还是从「开源 vs. 闭源」的技术路线审视，可以看到当前全球顶尖 AI 实验室正形成以 OpenAI、Anthropic、Google DeepMind 为核心的三强竞争格局。当然，三者的商业模式也各有侧重：OpenAI 与 Anthropic 都从模型研发起家，并加速转型为 AI 应用与平台服务商，两者在消费端（ChatGPT 对 Claude）与企业端/API 市场的正面交锋尤为激烈；相较之下，Google 依靠自家 TPU 晶片、GCP 云端算力，以及 YouTube 与搜寻等消费端生态，建立更接近「全栈式」（Full-stack）的布局，因此护城河的深度与广度与前两者不尽相同。
更关键的是，过去一年内，我们认为有两项竞争结构的变化值得重点关注：
2025 年下半年开始，OpenAI 的成长速度出现放缓信号。过去领先优势从去年下半年起的成长幅度逐步收敛，背后反映竞争对手的全面围攻。举例来说，Google 在 2025 年把多模态 Gemini 整合到其旗下主要产品线中，覆盖 AI Overview、图像生成、影片生成以及 Gmail 等工作应用，同时配套云端储存方案，有效分流原本可能流向 OpenAI 的使用者与搜寻流量。
真正完成「弯道超车」的反而是 Anthropic。其执行长 Dario Amodei 透露，过去三年每一年都维持约十倍的惊人成长速度；截至 2026 年 4 月，Anthropic 的年度经常性收入（ARR）已突破 300 亿美元，并首次超过 OpenAI。部分媒体甚至推估 ARR 有机会进一步冲高至 440 亿。对照历史：Amazon 的 AWS 从推出到达到 450 亿美元年营收，用了 14 年；而 Anthropic 只用了 3 年。
备注：各公司营收认列原则存在差异。Anthropic 采用「总额法」，将来自 AWS 与 GCP 的所有客户付款金额纳入统计，并未在入账前先扣除云端成本；OpenAI 则采「净额法」，只认列通过 Microsoft Azure 分润后的部分。两者会计处理方式不同，因此直接拿 ARR 数字进行比对需要保持一定谨慎。
Anthropic 的快速崛起不容忽视。尤其在 2026 年 2 月之后的短短三个月内，ARR 从约 140 亿美元迅速攀升至 440 亿美元，成长曲线几乎呈现垂直拉升。我们归纳出驱动这波加速成长的四大关键策略：
抢攻 B 端策略落地：当 OpenAI 在 2024-25 年采取更偏消费级 B2C 的横向扩张逻辑（图影生成、订饭店/机票、硬体收购等），试图占据多个用户入口时，Anthropic 选择更深的纵向路线，把资源更多投入到程式能力（强调易检查正确性与对现代企业基础建设的适配），以建立对企业端客户的信任基础，并实现更深度的整合。Anthropic 公开披露其约 80% 的营收来自企业客户，并且在企业端 API 的支出中占据约 30 至 40% 的市场份额，使其成为 B 端变现效率相当高的 AI 厂商之一。
产品飞轮持续自我加速：从最早的 Claude.ai（面向消费者与进阶用户的互动式 AI 聊天界面）起步，到 2025 年 5 月推出 Claude Code（程式设计代理）作为关键加速引擎，再到 2026 年 2 月年化收入达到 25 亿美元并持续爬升；据估计，Github 全球公开程式提交中已有约 4% 来自 Claude Code 的贡献。与此同时，Claude Cowork 则进一步瞄准更广泛的办公场景，成为能主动操作 Chrome 浏览器、Excel、PowerPoint 等外部工具的「数位员工」。
多元分发通路：与 OpenAI 和 Microsoft Azure 早期的深度绑定不同，Anthropic 让 Claude 同时透过 AWS Bedrock 与 Google Cloud Vertex AI 进行分发，一方面提升企业客户覆盖面，另一方面也降低对单一云端商的依赖与议价劣势。
建立行业协定与话语权：Anthropic 通过 MCP（Model Context Protocol）与 Skills 解决 AI 的「资料连接」以及「能力/知识」问题。前者定义 LLM 与外部工具、资料库和系统之间如何沟通；后者则把不同领域的工作流程或知识打包成标准化的能力模组，概念上类似 USB、HTTP 等通用协定的建立，并吸引更多开发者围绕生态进行扩展，形成正向循环。
简而言之，Anthropic 的追赶之势显示：各家厂商不仅要在既有版图中与 OpenAI 分食，也必须努力把整体市场蛋糕做大。事实上，OpenAI 的访问量在今年 3 月仍创下新高。因此，AI 竞争并不是在固定的「存量」里重新划分份额，而是在持续扩大「增量」的赛道上展开。但这也引出投资人必须思考的疑问：生成式 AI 以历史最快速度渗透到庞大用户规模后，其商业化天花板是否真的存在？我们可用两个指标持续观察：
用户数量：以全球人口估算，OpenAI 已达约 11% 的渗透率，算是历次生产力循环中最快的一类；但在全球约 40 亿线上人口里，真正会主动进行知识型工作的潜在活跃用户估计仍约 10 亿。关键在于目前的 AI 互动仍需要使用者主动提问或操作，并不像社群媒体（FB、IG、TikTok）那样能借由演算法被动触发持续参与；也尚未达到通讯软体或浏览器那种刚需地位。因此，AI 要如何持续嵌入日常生活或办公支出，将是决定下一阶段商业化加速速度的重要因素。
变现深度：在现阶段订阅制模式下，即便像 OpenAI 这样的顶尖模型商，其每用户平均收入（ARPU）仍具成长空间。以传统巨头平台为参照，Meta 2025 年的全球平均年 ARPU 约为 57 美元；Google 以全年营收超过 4,000 亿美元、并结合超过 50 亿用户推算，平均年 ARPU 约在 80 美元左右。至于 OpenAI，按其 2025 年营收约 131 至 250 亿美元、并以约 9 亿周活用户估算，其年度 ARPU 约仅 16 至 27 美元；与传统科技巨头仍有一个量级差距，这也意味着未来存在较大成长空间。
要解决变现问题，市场也能看到模型商正朝两个方向努力：
其一，是把 AI 引入免费消费端用户并尝试 AI 广告模式。例如 OpenAI 已开始在美国免费版与 GO 版 ChatGPT 测试广告投放，以「赞助连结（Sponsored）」方式呈现在回答内容底部或独立区块；同时利用 AI 对使用者意图的更精细掌握，提高广告投放效率。
其二、也是更可能释放 AI 潜力与巨大商业机会的，是 AI Agent。中文可理解为代理人或智能体。它让 AI 从过去更像「随机鹦鹉」（Stochastic Parrots）的被动回答问题与预测下一个字出现机率，升级为能主动执行任务、自主处理复杂问题的「数位劳动力」，从而显著提升 AI 能交付的价值密度。也因此你会看到：Anthropic 上超过 100 万美元支出的企业客户数已突破 1,000 家。若以全球月活约 1.34 亿人估算，相当于实现接近全年 200 至 300 美元的极高 ARPU。
AI 市场格局从来不是静态均衡，而是在技术、产品与商业模式之间持续演进的动态竞争。历史经验提示：先行者并不一定能永远笑到最后。就像 1990 年代市占曾一度高达九成的 Netscape，最终仍被微软通过系统捆绑与低价策略重写格局。
当然，这并不意味着 AI 投资机会会因此收缩，反而提示产业正在进入更大规模的扩散期。竞争加剧将推动技术普及、降低使用门槛，并带动应用场景持续扩展。尤其全球白领认知工作市场规模约 5 兆美元；若 AI Agent 进一步渗透金融、法律、医疗等更高价值垂直领域，空间将远超当前单纯问答场景，AI 的真正爆发期也才正要到来。
目前的 AI 竞争，并不是在既有固定市场里分夺市占，而是共同推升整体市场规模。由于 AI 服务的 ARPU 与传统软件巨头仍存在量级差距，意味着未来变现空间依然可期；同时新型商业模式也不断涌现，进一步说明 AI 的终局仍未尘埃落定。在竞争加速之下，我们持续追踪的 AI 工具访问量创下新高、Token 使用量翻倍，反映终端需求仍在快速扩张。也显示在终端胜负尚未定调之前，AI 市场仍处于「规模持续上修、应用加速扩散」的成长阶段，因此我们将维持分散布局 AI 生态系的策略。（延伸阅读：【行情快报】美伊停战曙光乍现，三大交易策略趋势回归！）
在下一篇报告中，我们将进入中游（CSP 厂）与上游（硬体及晶片集群）层次，为大家梳理更进一步的追踪指标，以精准掌握资金与风险的流向。