高盛关于中国 AI 应用层价值重估的判断，击中了 2026 年中概股最核心的交易变化：资本市场已经不愿意继续为 " 模型参数 " 和 " 发布会能力 " 单独付费，而是开始给拥有独家私有数据、闭环交易场景和真实客户账单的公司重新定价。

曾经市场追逐的是谁训练了更大的模型、谁能更快接入大模型、谁的 Demo 更接近 OpenAI。DeepSeek 带来的开源冲击和国产大模型的快速迭代，压低了模型本身的稀缺溢价，也让市场意识到，单纯模型能力很难直接形成护城河。

AI 有没有进入收入？有没有提高毛利？有没有降低履约成本？有没有提升广告转化、交易匹配、客户留存和 ARPU？

参数红利退潮后，私有数据开始成为新的估值锚

中国 AI 行业已经走过 " 百模大战 " 最热的阶段。模型数量不再稀缺，开源能力快速扩散，推理成本持续下降，企业客户对通用问答的付费意愿也在下降。对于二级市场来说，单纯讲模型能力，很难再撑起高估值。市场要看的，是模型进入业务系统之后，能不能创造可计量的收入和效率。

高盛强调的 " 独家私有数据 " 和 " 闭环交易场景 "，本质是对 AI 应用层的一次定价重估。通用模型可以被替代，行业数据很难复制；单次生成可以被平替，交易闭环难以迁移。招聘平台掌握简历、岗位和沟通数据，物流平台掌握车货匹配和路径数据，房产平台掌握房源、经纪人、带看和成交链路，金融科技平台掌握交易、资产和风控数据。这些数据不是公开语料，也不是爬虫可以简单获得的东西，而是在真实业务流里滚出来的沉淀。

像阿里、腾讯、百度这类平台公司，AI 不是一个独立的新故事，而是一次内部效率和外部商业化的再定价。腾讯的广告技术、阿里的电商和云服务、百度的搜索与智能云，都可以把 AI 放进原有商业闭环。BOSS 直聘、满帮、贝壳、富途这类垂直平台，则更像应用层重估的潜在样本：不一定拥有最强模型，但拥有更接近交易结果的数据。

市场接下来或许会看三个信号。第一，AI 功能是否从免费体验进入付费包；第二，客户 ARPU 和续费率是否提升；第三，成本端有没有边际改善。如果 AI 只停留在功能展示里，仍然是主题催化；如果开始影响收入结构、毛利率和现金流质量，估值就会从概念交易切到业绩兑现。

高资本开支压住利润弹性

中概 AI 目前最容易被财报验证的路径，是算力收租。大模型训练、推理、企业私有化部署、智能客服、AIGC 内容生产和推荐系统升级，都要消耗云资源。云厂商未必掌握终端应用入口，但绝对最先收到客户账单。

阿里云是一个典型样本。2026 年一季度，阿里云智能集团收入同比增长 38%，AI 产品已经触及外部云收入的较高占比。公司继续加大 AI 和云基础设施投入，管理层把 AI 商业化放到更高优先级。金山云的信号更直接，2026 年一季度收入同比增长 37.2%，AI 总流水同比增长 90%，AI 已经占公共云收入超过一半。这类数据比 " 发布大模型 " 更重要，因为证明了 AI 需求正在进入收入端。

但算力收租不是轻松赚钱。云收入增长背后，是服务器、GPU、网络、机房、电力、折旧和运维成本同步上升。金山云一季度 AI 收入跑得很快，但毛利率下降、净亏损扩大，现金也因为资本开支和租赁资产投入而减少。AI 需求真实存在，收入兑现速度也快，但利润释放滞后，资本开支先行。

高盛此前预计，中国头部互联网公司 2026 年 AI 相关投入将超过 700 亿美元。这个数据对应的是行业景气，也对应资本压力。算力生意的核心矛盾，就是收入和折旧之间的时间差。云厂商要先买设备、建资源、锁客户，再等待利用率提升和规模效应释放。如果客户需求持续增长，资产周转效率提高，后续会出现盈利修复；如果价格战提前到来，或者客户预算不及预期，算力收租很容易变成高资本开支下的低回报生意。

AI 云公司的估值锚，光看收入增速不够，还要看客户结构、订单能见度、利用率、毛利修复和自由现金流。市场现实就现实再，AI 流水增长 90% 可以带来风险偏好修复，但净亏损扩大和现金消耗也会形成估值压制。短期交易的是景气弹性，中期要看盈利模型能不能跑通。

真正有价值的公司，不只是能卖算力，而是能把算力和客户业务绑定，形成稳定续费和更高客户迁移成本。

应用出海决定估值天花板

中概 AI 第三条路径，是应用出海。国内 AI 应用竞争激烈，C 端付费习惯还在培养，企业预算释放也不如美国 SaaS 市场成熟。海外市场虽然获客成本高，但订阅制、创作者经济、企业工具付费更加成熟。中国 AI 公司如果能用更低成本、更快迭代打入海外垂直场景，估值上限会明显高于单一国内市场。

应用出海不能只看下载量。过去两年，很多 AI 工具靠新鲜感拿到增长，但留存率、付费率和获客成本很快暴露问题。真正能长期定价的，不是泛泛聊天机器人，而是嵌入工作流的垂直工具。跨境电商卖家需要 AI 客服、图文生成、广告投放和选品工具；内容创作者需要视频、图片和剧本生产工具；游戏、教育、金融投研、招聘和设计行业，需要更专业的数据和流程适配。

中概里，应用出海可以分成三种类型。第一类是工具型公司，核心看海外订阅收入、留存率和 ARR 增长。第二类是平台增效型公司，核心看 AI 对广告、推荐、客服和运营效率的提升。第三类是交易闭环型公司，核心看 AI 是否提高 GMV、take rate、匹配效率和利润率。

这个框架可以解释为什么高盛强调闭环场景。通用模型会被压价，垂直场景才能留住利润。金融 AI 如果能接入真实持仓和交易决策，价值高于普通问答；招聘 AI 如果能缩短匹配周期，提高面试和入职转化，就会反映在平台商业化效率里；物流 AI 如果能优化车货匹配和调度路径，就会直接改善履约成本；电商 AI 如果能提高广告投放 ROI 和商家成交率，就会进入广告收入和佣金率。

应用层的机会，不在于谁最会讲 AI，而在于谁的 AI 最接近付款动作。海外工具订阅、企业软件续费、平台广告提升、交易抽佣效率，都是资本市场可以定价的东西。反过来，如果 AI 只是提升用户体验，却无法改变收入结构，估值溢价就很难持续。

而真正值得跟踪的公司，应该同时具备三个特征：有私有数据，有高频场景，有客户付费。缺少数据，AI 能力容易被平替；缺少场景，模型只能停留在展示；缺少付费，热度无法进入现金流。

市场会继续给 AI 定价，但不会再平均分配溢价。参数会越来越便宜，闭环数据和真实场景会越来越贵。