2024年至2026年，人工智能连续三年写入《政府工作报告》，人工智能定位提升至“打造智能经济新形态”，中国人工智能的发展重点，正在从支持能力提升，进一步延伸到场景落地、规模复制与产业价值兑现。
据OECD统计，2025年全球AI企业获得2,587亿美元风险投资，占全球VC总额的61%，行业仍处于高投入、资源加速集中阶段。基础模型层面的投入同时面向两项任务：一是继续突破复杂推理、代码、多模态和智能体等前沿能力，更高效地配置预训练、后训练和推理算力；二是通过MoE稀疏激活、稀疏注意力、缓存优化、量化和蒸馏等技术，降低同等任务质量下的算力、显存与延迟。
2026年的新模型印证了这一趋势：Qwen3.5-397B-A17B为3,970亿总参数、170亿激活参数，能力对标Qwen3-Max-Base且推理效率更高，竞争已从规模竞赛转向能力、效率与商业转化的综合比拼，比较基准也应从Token单价转向完成同等质量任务的总成本。
决定企业能否把握市场窗口，需关注三个方面：
一是单位经济能否成立。相较传统SaaS，生成式AI服务具有更显著的边际推理成本，每次推理都会消耗真实算力。如果单位API售价的降幅快于单位推理成本的降幅，收入增长仍可能伴随毛利率承压。除ARR外，还应关注单任务成本、算力利用率，以及扣除增量推理成本后的毛利率。
二是行业场景能否穿透。“人工智能+”强调的不是模型与行业的简单叠加，而是进入制造、金融、医疗、教育等核心流程。当部分通用任务上的模型能力逐步趋同、模型间替换选择增多后，真正难复制的是行业Know-how、合规数据以及工作流嵌入深度。产品只有从“可选工具”变成“业务基础设施”，才有机会从按Token、按席位进一步拓展更丰富的收费模式。
三是收入质量与现金转化能否经受验证。AI企业的收入可能来自API调用、订阅、私有化部署、项目集成或算力转售，不同模式的持续性和资本消耗差异显著。除了收入规模和ARR，更需关注经常性收入占比、续约率、销售收现率、经营现金流、研发投入的商业化转化以及长期算力采购承诺；对于算力转售、混合收入合同，还需核验收入确认及会计处理是否与业务实质一致。
因此，国内基础大模型正进入政策牵引、能力升级、效率优化和场景落地共同推动的商业化验证期。模型能力构成竞争的基础，单位经济、场景穿透和收入质量则共同检验技术优势能否转化为可持续的商业价值。最终胜出的，未必是参数规模最大或API价格最低的企业，而是能够持续提升模型能力、优化单位经济，并将其转化为规模应用、高质量收入和经营现金流的企业。
梁伟
致同咨询交易支持服务合伙人
赵鹏
致同咨询交易支持服务长沙分公司负责人
本内容版权归致同会计师事务所（特殊普通合伙）所有。未经我方授权，任何组织或个人不得转载、复制、修改、传播本内容，亦不得将本内容用于任何人工智能（AI）技术的开发、训练、优化或衍生内容生成（无论用于商业、研发、学术研究或其他目的）。经授权转载的，须完整转载原文并清晰注明来源为“致同官方微信公众号”。本内容仅供一般性参考，不构成针对任何个人或具体情况的专业建议，我方不对任何因使用本内容所造成的损失承担责任。
点击“阅读原文”查看，完整报告
