中国人工智能基础模型行业正步入商业化加速阶段。摩根大通认为，随着模型质量持续改善并开始转化为更快的需求增长，大模型能力将决定定价权，较强与较弱公司之间的差距将日益扩大。

据追风交易台，3 月 27 日摩根大通发布报告，系统回答了市场对需求增长、API 定价、竞争格局、盈利能力及全球扩张风险等十个关键问题。

报告认为，2026 年是中国企业端 AI 需求能否复制 2025 年美国市场增长曲线的关键一年，编码和智能体应用正成为最重要的需求催化剂。

需求加速：非线性拐点逻辑，编码与智能体是主要催化剂

摩根大通认为，AI 需求应被理解为 " 拐点驱动 " 而非线性增长——模型能力一旦突破阈值，足以大规模解锁真实工作流，需求便会加速扩张。

美国市场已提供先例。据报告援引的数据，Anthropic 的年度经常性收入（ARR）从 2024 年 12 月的 10 亿美元快速增至 2026 年 3 月的 190 亿美元，15 个月内增加约 19 倍。

摩根大通认为，目前中国具备遵循类似模式的条件：国内模型能力已接近甚至超过美国领先模型一年前的水平，而国内定价也更符合本土人工经济效益，两者共同改善了落地的商业回报。

智能体侧的需求逻辑同样在强化。报告指出，OpenClaw 已成为重要催化剂，将使用场景从单轮交互推向多步骤执行，显著提高了每个任务的 token 强度。腾讯、阿里巴巴和字节跳动已将与 OpenClaw 挂钩的工具融入各自生态系统。

API 定价：分化是主旋律，能力决定定价权

摩根大通判断，API 定价不太可能单向移动，更可能走向分化。

一方面，能力形成定价权。若某个模型能独一无二地释放高价值任务，如智能体编码、长时程工作流或企业级可靠性，客户就会支付溢价，因为回报可量化且独立于 token 单价之外。

另一方面，随着硬件、系统和算法效率不断改善，推理单位成本将持续下降，这会给 " 足够好但停止进步 " 的模型带来定价压力。

报告由此得出结论：留在能力前沿的模型有望同时实现量价双升；而未能持续改善的模型则更可能在使用量增长的同时面临价格下滑，利润率前景不确定。

竞争焦点：从价格战转向模型能力

报告强调，这是与去年讨论的关键差异——特别是在中国，此前市场关注的焦点是全面价格竞争。

在智能体使用场景中，客户购买的实际上并非廉价 token，而是任务的顺利完成。报告援引测算数据显示，在多步骤工作流中，单步骤可靠性的小幅提升可带来任务最终完成率的大幅改善（单步骤成功率从 90% 提升至 95%，20 步骤完成率将从 12% 跃升至 36%）。

这意味着 token 均价更高但可靠性更强的模型，其每项成功任务的实际成本反而可能更低。

摩根大通认为，拥有强大前沿模型的公司通常能更容易地向低端市场延伸，而立足于低价的公司则难以向高端市场进军。因此，竞争越来越集中在绝对模型质量和工程效率上，而非单纯价格。

行业格局：生死相搏，强者愈强

摩根大通维持其对大语言基础模型行业 " 生死相搏 " 的判断，核心逻辑在于：技术差距小、产品周期无止境，商业模式向 API 销售聚拢，失去动能的公司可以很快被挤出。

报告指出，在中国，各家大语言模型公司之间的差距经常比投资者认为的要小得多，这使市场高度不稳定。公司必须持续支出并不断迭代以避免落后——原地踏步并非中性，而意味着市场地位的丧失。

对于互联网巨头进军 B 端 AI 领域这一趋势，报告认为这使独立模型提供商与大平台之间的竞争变得更加直接。

阿里巴巴已明确将云和 AI 作为战略重点，腾讯最近推出的智能体产品已细分至个人、开发者和企业场景。摩根大通判断，随着平台更积极推进 B 端变现，" 云中立 " 的定位优势正在弱化，双方的竞争焦点均趋向模型能力本身。

盈利能力：毛利率改善可期，运营杠杆仍待验证

摩根大通认为，对于保持全球顶级地位的大语言模型提供商，毛利率应随模型效率和推理芯片效率的改善而上升，更高价值的工作负载也将支持更有利的收入结构。然而，盈利能力更关键的问题在于：毛利润增速能否超过研发支出增长率。

报告以 Anthropic 为参照——即便该公司在 2026 年 2 月的收入水平已达 140 亿美元，同期仍宣布了一轮 300 亿美元融资并强调继续前沿开发，印证了高收入并不意味着训练强度已正常化。

摩根大通对智谱和 MiniMax 均维持 " 增持 " 评级，目标价分别为 800 港元和 1,100 港元。预测智谱和 MiniMax 均将从 2029 年起扭亏为盈。报告同时强调，比实现利润的确切年份更重要的是使用量的持续增长及单位经济效益的改善趋势。