AI大模型行业研究报告(2026)

AI大模型行业研究报告

0.1 研究背景与核心目标

    本报告由千际投行研究所出品，旨在为AI大模型行业参与者——包括大模型公司创始人与管理层、产业资本、机构投资者、地方国资平台、云计算厂商、AI应用开发商、金融科技服务商与监管配套机构——提供一份兼具行业全景、产品拆解、估值定价、风险管理、控股权转让与投行业务SOP的深度研究报告。

    2025年AI大模型行业处于“技术突破加速、商业兑现分化、算力军备竞赛、监管框架成型、头部集中加剧”的复合周期：一方面，大模型能力持续跃升，多模态、智能体（Agent）、推理模型等技术方向快速演进，企业级应用场景加速落地；另一方面，行业盈利模式仍在探索，算力成本高企，同质化竞争激烈，合规要求趋严，中小模型公司生存压力增大。

    本报告系统性回答以下关键问题：

· 行业终局何在？未来3-5年，AI大模型行业集中度、通用模型与行业模型分化、头部公司价值分化将如何演变？

· 破局路径在哪？通用大模型厂商、行业大模型公司、AI应用开发商、算力基础设施提供商应如何围绕技术、场景、客户与生态形成差异化定位？

· 并购窗口是否开启？在头部集中、中小模型公司出清、技术人才争夺、场景整合加速的背景下，AI大模型公司股权交易与控股权转让应如何定价、尽调与交割？

· 估值如何重塑？在高PS、高亏损、高研发投入的行业特征下，如何通过PS-ARR、终值法、DCF、可比公司法、技术资产评估等工具判断AI大模型公司价值？

    提供可落地的务实操作工具和服务：

· 全景梳理AI大模型全业务线产品体系、技术架构、收入驱动、客户分层需求与典型商业模式。

· 搭建AI大模型估值体系，覆盖PS-ARR倍数法、总市值终值法、DCF、可比公司法、技术资产评估法。

· 拆解AI大模型公司股权交易、控股权转让、增资扩股、Acquihire、并购贷款与技术资产处置的投行业务SOP。

· 梳理2025-2026年宏观政策、监管指标、“人工智能+”行动与生成式AI备案制度对行业产品与风控体系的影响。

· 输出2026-2030短中长期战略路线图，明确不同类型AI大模型公司的经营突围路径与风险红线。

0.2 研究范围界定（Scope of Research）

数据来源：千际投行根据AI大模型行业研究框架整理。

    特别说明：本报告虽涉及国际大模型对标，但核心框架与结论立足于中国本土AI产业生态、监管制度、算力供给结构与区域应用场景。

0.3 报告适用对象和使用指南

    致决策者的一封信：若您正考虑AI大模型公司股权转让、增资扩股、行业整合、AI子公司分拆、并购贷款或技术资产处置，本报告提供的指标体系、估值框架、风险清单和交易SOP可帮助您提前识别关键问题、缩短项目摸排周期，并把行业判断转化为资本运作决策。

0.4 核心摘要：行业独家观点与核心研判

1.1AI大模型行业定义与分类体系

数据来源：千际投行根据AI大模型业务体系整理

数据来源：千际投行根据AI大模型产业体系整理。

    业务模式转型的底层逻辑：AI大模型行业正在从“单一参数规模竞赛”向“技术能力+商业化效率+生态壁垒”综合竞争跃迁。早期大模型公司通过扩大参数规模和训练数据获取技术优势，但在算力成本高企、同质化竞争加剧的环境下，仅依靠模型能力难以维持长期竞争力。未来竞争的核心在于：谁能以更低的算力成本提供更优的模型体验，谁能找到可持续的商业化路径，谁能构建开发者生态和客户粘性。头部公司通过技术自研、算力优化、场景深耕和生态建设构建综合壁垒，中小公司则需在垂直行业或细分场景中寻找差异化生存空间。

1.2 行业核心指标一页看板

数据来源：工业和信息化部、中国信通院、烯牛数据、经济参考报；千际投行整理。

图 1.2 中国AI大模型核心指标一页看板（2025年度）

    2025年业绩归因：AI大模型行业增长的底层支撑来自政策推动、技术突破和资本涌入，但盈利分化日益显著。行业已进入“有收入不等于有利润”的阶段，头部公司通过规模化调用、算力优化和生态绑定逐步接近盈利拐点，中小模型公司则面临算力成本高企、客户获取困难和融资环境收紧的多重压力。2025年AI大模型赛道平均单笔融资额从2023年的1.73亿元增至2.41亿元，资本向头部集中趋势明显，国有资本和产业资本成为重要资金来源。

1.3 产业图谱与价值链拆解

    A I大模型产业链呈现“上游基础层（算力+数据）—中游模型层（算法+模型）—下游应用层（场景+服务）”的三层结构。与传统软件行业以产品授权和SaaS订阅为核心不同，AI大模型价值链的核心是算力成本控制、模型性能优化、数据质量提升和场景商业化能力。

数据来源：中国信通院、千际投行整理。

数据来源：中国信通院、千际投行整理

    关键洞察：AI大模型价值链重构的方向不是简单“做大模型”，而是围绕算力效率、模型能力、场景落地和生态构建强化中游模型公司的枢纽地位。AI Agent智能体、多模态生成、行业大模型、推理优化是未来中收与利润增长的重要抓手。从利润分布看，应用层占比约55%，基础层约38%，模型层约7%但增速最快（同比+189%），模型层的价值占比有望持续提升。

1.4 客户分层与需求画像

表 1.5 客户分层体系

数据来源：QuestMobile、国家发改委、千际投行整理。

数据来源：QuestMobile、国家发改委、千际投行整理。

2.1 产品和服务

数据来源：千际投行根据AI大模型公开产品体系整理。

数据来源：千际投行根据AI大模型产品体系整理。

    从产品矩阵看，AI大模型行业已不再局限于单纯的模型API调用，而是形成了覆盖模型产品、开发工具、应用产品和基础设施的综合服务体系。其中，模型API和MaaS平台是收入的基础来源；AI编程、AI办公和AI Agent是商业化最清晰的应用方向；行业大模型和私有化部署是高客单价的企业级市场；多模态生成是增长最快的新兴赛道。未来，具备“模型能力+工具链+场景理解+生态构建”综合能力的公司将获得更强的竞争优势。

2.2 产业链价值链商业模式

    AI大模型公司盈利模型可拆为“API调用收入+订阅收入+私有化部署收入+解决方案收入－算力成本－研发成本－数据成本－运营成本”。其中ARR（ 年度经常性收入）决定估值基础，毛利率决定盈利弹性，算力成本决定经营效率，研发投入决定长期竞争力，客户留存率决定收入可持续性。

数据来源：千际投行根据AI大模型公司商业模式整理。

数据来源：千际投行根据AI大模型公司商业模式整理。

    五大核心业务简要说明：①模型API是大模型公司最基础的收入来源，按Token计费，规模化后边际成本递减；②订阅服务包括C端会员和B端席位，收入稳定性高、可预测性强；③私有化部署面向大型企业和政务客户，客单价高但交付周期长；④行业解决方案结合垂直场景Know-how，具备较高壁垒和客户粘性；⑤MaaS/开发平台通过工具链和生态绑定开发者，形成长期调用收入。

2.3 经典商业模式对比（综合化/垂直化/开源化/场景化）

    不同类型AI大模型公司由于资源禀赋、技术路线、客户基础和融资能力不同，逐步形成了差异化的商业模式。巨头生态模式依靠流量、云和资本优势保持全面领先；独立模型模式以技术驱动和API商业化为主；垂直应用模式深耕特定场景；开源社区模式通过生态扩散获取影响力。

    表 2.3 对四类典型AI大模型商业模式的代表类型、核心能力、优势与风险点进行比较。

表 2.3 经典AI大模型商业模式对比

数据来源：千际投行根据AI大模型公司类型和公开资料整理。

数据来源：千际投行根据AI大模型公司类型整理。

    总体来看，AI大模型商业模式不存在单一最优路径，其有效性取决于公司自身的技术实力、资本实力、客户基础、算力成本和生态能力。未来行业分化将更加明显：巨头重在稳生态、稳算力、稳场景；独立模型公司重在技术突破和商业化验证；垂直应用公司重在场景深耕和客户粘性；开源公司重在生态建设和商业转化。

2.4 组织架构与成本结构

    AI大模型公司组织架构通常分为前台业务与商业化、中台研发与技术、后台支持与合规三层。与传统软件公司不同，大模型公司的研发团队占比极高（通常超过50%），算力基础设施团队和数据团队是核心中台能力。数字化转型正在改变研发逻辑：模型训练从手工调参向自动化训练平台演进，推理优化成为降低成本的关键，AI安全与合规团队从边缘角色变为核心部门。

表 2.4 AI大模型公司成本结构拆解

数据来源：千际投行根据AI大模型公司公开资料整理。

图 2.4 组织架构与成本结构

数据来源：千际投行根据AI大模型公司公开资料整理。

2.5 AI大模型技术架构与研发体系

    AI大模型技术架构并不是“简单堆参数”，而是贯穿数据处理、预训练、微调对齐、推理优化、安全评估和应用部署的全流程工程体系。2025年以来，行业技术重心从“扩大参数规模”转向“提升推理效率、强化多模态能力、发展Agent智能体、优化训练成本”，模型训练和推理的工程化能力成为核心竞争力。

表 2.5 AI大模型技术架构与研发体系

数据来源：千际投行根据AI大模型技术体系整理。

数据来源：千际投行根据AI大模型技术体系整理。

2.6 监管体系与合规框架

    AI大模型监管体系以算法备案、大模型备案、内容安全、数据合规、知识产权和消费者权益保护为核心。AI大模型公司的合规能力将直接影响业务准入、融资估值、股权交易和并购审批。2025年以来，中国AI监管框架加速成型，从原则性指引走向细则化执行，“三轨制”合规框架（算法备案、大模型备案、AI应用登记）全面落地。

表 2.6 AI大模型监管核心指标

数据来源：国家网信办、工业和信息化部；千际投行整理。

数据来源：国家网信办、工业和信息化部；千际投行整理。

第三章 

宏观环境与政策监管框架

3.1 宏观环境PEST分析

    AI大模型行业的宏观敏感性高于多数科技行业。2025年中国AI核心产业规模突破1.2万亿元，同比增长30-40%，显示产业仍处于高速扩张期。但同时，算力供给约束、合规要求趋严、商业化压力增大、全球科技竞争加剧等因素也在深刻影响行业发展路径。

表 3.1 AI大模型行业宏观环境PEST分析

数据来源：国务院、工信部、中国信通院；千际投行整理。

图 3.1 宏观环境PEST分析

3.2 政策监管框架全景

    政策监管是AI大模型行业经营边界和业务方向的重要约束。2025年以来，AI监管从原则性指引走向细则化执行，政策重点从单一风险管控延伸至“人工智能+”产业赋能、生成式AI合规备案、算力统筹规划、数据安全治理等方面。相关政策不仅影响模型上线、产品创新和风险管理，也直接关系到公司融资、估值和股权交易。

    表 3.2 对2025-2026年AI大模型行业主要政策监管框架进行归纳。

表 3.2 2025-2026年AI大模型政策监管框架

数据来源：中国政府网、国家网信办、工信部；千际投行整理。

图 3.2 政策监管框架全景

    从政策导向看，AI大模型行业未来发展将同时面临“赋能实体经济”和“强化风险约束”两条主线。一方面，“人工智能+”行动、AI+制造、AI+能源等政策为行业带来结构性业务机会；另一方面，生成式AI备案、内容标识、数据合规和安全评估也对公司治理水平、风控能力和合规投入提出更高要求。具备完善合规体系的头部公司将获得政策红利，合规能力不足的中小公司将面临业务停摆和估值折价。

3.3 监管政策影响传导机制

    政策监管对AI大模型行业的影响并非单点发生，而是通过“业务准入—研发方向—成本结构—盈利表现—估值定价—资本运作”的链条逐步传导。具体来看，监管导向首先决定哪些模型可以上线、哪些场景可以应用、哪些数据可以使用；合规要求影响研发资源分配和安全投入方向；合规成本上升压缩短期利润但提升长期壁垒；最终反映在估值分化和资本运作机会上。

表 3.3 监管政策影响传导机制

数据来源：千际投行整理。

图 3.3 监管政策影响传导机制

第四章 

竞争格局与收并购

4.1 行业集中度分析

    中国AI大模型行业集中度呈现“头部互联网厂商占据主导、独立模型公司快速崛起、垂直应用公司场景深耕”的结构特征。2025年，大模型市场规模达487.6亿元，其中百度以112.3亿元收入位居首位，市占率23.0%；阿里109.4亿元，市占率22.5%；腾讯86.2亿元，市占率17.7%。CR3达63.2%，CR5达83.7%，头部集中趋势明显。

    从发展趋势看，AI大模型行业集中度并不是简单向少数巨头集中，而是呈现“通用模型寡头化、行业模型深耕化、应用场景碎片化”的多层次演化。互联网巨头依托流量、云和资本优势保持通用模型的主导地位；独立模型公司通过技术创新和融资能力在细分领域突围；垂直应用公司则在特定行业场景中建立壁垒。未来，随着算力成本下降和开源生态发展，中小模型公司可能在垂直行业和边缘场景中找到生存空间，但通用大模型市场的头部集中趋势将持续加强

表 4.1 AI大模型行业集中度分析

数据来源：豆丁网行业报告、千际投行整理。

4.2 竞争格局矩阵（Competitive Positioning Matrix）

    AI大模型竞争格局可用“技术能力/模型性能”和“商业化能力/生态规模”双轴进行划分。前者反映模型的参数规模、推理能力、多模态能力和技术创新速度，决定产品体验上限；后者反映收入规模、用户基数、开发者生态和场景落地能力，决定商业化天花板。

    在这一矩阵下，百度、阿里、腾讯、字节处于“全能领先型”象限，依靠技术、流量、云和资本的综合优势保持领先；智谱、MiniMax、月之暗面、DeepSeek处于“技术探索型”象限，技术能力突出但商业化仍在爬坡；科大讯飞、金山办公处于“生态驱动型”象限，商业化能力强但模型能力依赖外部或有差距；大量中小公司处于“细分应用型”象限，在垂直场景中寻找机会。

    因此，AI大模型竞争并非简单的参数排名，而是技术、资本、生态、场景和合规能力的综合比较。未来行业分化将进一步加深：巨头依靠生态和算力扩大优势，独立模型公司通过技术突破和融资寻求突围，垂直公司深耕场景建立客户粘性，弱技术、弱场景、弱资本的公司则可能通过被收购、技术团队并购（Acquihire）或转型退出市场。

图 4.2 竞争格局矩阵

4.3 护城河评估框架

    AI大模型公司护城河本质上是公司在长期竞争中形成的稳定竞争优势，主要体现为算力壁垒、数据壁垒、技术壁垒、生态壁垒和场景壁垒。与一般科技企业不同，AI大模型公司的护城河不仅影响收入增长，还直接决定算力成本、模型性能、客户粘性和估值溢价程度。因此，评估一家AI大模型公司的投资价值和并购价值，必须系统评估其护城河深度和可持续性。

    表 4.2 从算力、数据、技术、生态和场景五个维度，构建AI大模型公司护城河评估框架。

表 4.2 AI大模型公司护城河评估框架

数据来源：千际投行整理。

图 4.3 护城河评估框架

    从估值角度看，算力壁垒和技术壁垒是AI大模型公司护城河中最核心的两项因素。稳定的低成本算力能够支撑模型训练和推理，降低单位Token成本，提升毛利率；技术领先则决定模型性能上限和产品体验差异。生态壁垒决定用户粘性和收入可持续性，场景壁垒决定商业化天花板。数据壁垒在行业大模型和垂直应用中尤为重要，专有数据往往是不可复制的核心资产。

4.3 国际对标（Global Benchmark）

    国际对标显示，美国AI大模型公司在营收规模、商业化程度和全球影响力方面仍处于领先位置。OpenAI年化营收已突破400亿美元，Anthropic更是达到650亿美元，两者合计超过千亿美元。相比之下，中国头部大模型公司的收入规模仍有较大差距，百度大模型相关收入约112亿元人民币（约16亿美元），阿里约109亿元（约15.6亿美元），智谱仅7.24亿元（约1亿美元）。

    但与美国市场不同，中国AI大模型行业具有独特的生态特征：互联网巨头拥有庞大的C端流量和B端云客户基础，开源生态蓬勃发展（开源模型累计下载量突破100亿次，居全球首位），政务和行业应用市场空间巨大。中国大模型公司的竞争优势更多体现在场景落地、成本控制和本地化服务方面，而非单纯的模型性能领先。

    从估值逻辑看，美国AI公司估值更多受到ARR增速、全球市场份额和技术领先性影响；中国AI公司估值则更依赖政策支持、国产替代逻辑、场景落地能力和资本市场情绪。未来，中国AI大模型公司提升国际竞争力的关键，不是盲目追求参数规模，而是在商业化效率、场景深耕和生态建设上形成差异化优势。

表 4.3 全球头部大模型公司模式对标

数据来源：36氪、MarsBit、AI Business Weekly、各公司公开披露；千际投行整理。

4.5 国内排名和主要玩家

    从国内主要大模型公司对标来看，互联网巨头仍占据收入规模和市场份额优势，百度、阿里、腾讯三家合计市占率超过60%。独立模型公司中，智谱以7.24亿元收入位居独立厂商首位，同比增长131.9%，MaaS平台ARR达17亿元；MiniMax年收入约5.6亿元，月之暗面约2亿元。从用户规模看，字节豆包以3.82亿月活断层第一，阿里千问1.67亿，DeepSeek 1.3亿，腾讯元宝5735万。

    表 4.4 选取2025年国内主要大模型公司，从大模型相关收入、市场份额、月活用户、核心产品和估值等维度进行横向对标。

表 4.4 2025年国内主要大模型公司对标

注：不同公司披露口径存在差异；大模型收入为估算值，月活数据来自QuestMobile 2026年AI应用市场半年报。数据来源：豆丁网行业报告、QuestMobile、经济观察网、澎湃新闻；千际投行整理。

    从表中可以看出，不同类型大模型公司的竞争优势存在明显差异。互联网巨头普遍具有收入规模大、生态完善、算力成本低的特点，其中百度在政务和金融垂直场景落地深度领先，阿里在开源生态和企业级调用量方面优势明显（企业级调用量占比32.1%），字节在C端用户规模上断层领先。独立模型公司虽然收入规模较小，但技术创新能力强、融资能力突出，智谱和MiniMax已成功登陆港股，估值分别达到3775亿元和2235亿元人民币，PS倍数远超传统科技公司。

4.6 全球排名和主要玩家

    全球头部大模型公司的发展模式反映了不同技术路线、商业生态和监管环境下的差异化路径。美国公司以通用大模型为核心，通过API和订阅服务实现全球化商业化，OpenAI和Anthropic的年化营收均已突破数百亿美元；中国公司则更多依托本地互联网生态和政务行业市场，在场景落地和成本控制方面形成特色。通过对标全球主要大模型公司，可以更清晰地识别中国公司的优势与差距。

    表4.5选取中、美等代表性头部大模型公司，对其核心模式与可借鉴点进行比较。

表 4-5 全球头部大模型公司模式对标

数据来源：各公司公开资料、千际投行整理。

4.7 行业主要的收并购逻辑和估值模型及案例分析

    AI大模型行业正处于并购整合的关键窗口期。与传统行业并购不同，AI大模型公司的收并购具有“技术获取优先、人才争夺激烈、估值逻辑独特、监管审查趋严”的鲜明特征。2025-2026年，全球AI领域收并购交易频发，从SpaceX 600亿美元收购Cursor，到Meta 20亿美元收购Manus，再到高通39亿美元收购Modular，AI行业正在经历一轮前所未有的整合浪潮。理解AI大模型行业的收并购逻辑、估值模型和交易SOP，对于投资决策、股权交易和行业整合具有重要意义。

    一、AI大模型行业收并购的五大核心逻辑

AI大模型行业的收并购动机与传统行业存在本质差异，核心围绕以下五大逻辑展开：

· 技术获取逻辑：大模型技术迭代速度极快，自研周期长、成本高，通过收购可以快速获取前沿技术和模型能力。典型案例如OpenAI收购Jony Ive的iO公司（65亿美元）获取设计能力，Anthropic洽谈收购Decart AI（约60亿美元）获取AI基础设施优化技术。

· 人才争夺逻辑（Acquihire）：AI顶尖人才是行业最稀缺资源，收购初创公司的核心目的往往是获取技术团队而非产品本身。OpenAI三年完成15笔收购，总金额超770亿美元，其中大量为人才导向的Acquihire交易。

· 场景整合逻辑：大模型公司通过收购应用层公司补齐场景短板，加速商业化落地。Meta收购Manus（约20亿美元）旨在获取通用智能体产品与服务，补齐AI Agent场景。

· 算力整合逻辑：算力是大模型行业的核心瓶颈，通过收购获取算力资源或优化技术可以显著降低成本。高通收购Modular（39.2亿美元）旨在补强数据中心与全域AI软件能力，xAI收购X（原Twitter，800亿美元估值）则是为了获取数据和算力基础设施。

· 生态扩张逻辑：通过收购扩大开发者基础和用户生态，强化网络效应。Cohere收购Aleph Alpha（合并后估值约200亿美元）旨在打造跨大西洋AI巨头，强化欧洲市场合规经验和多语言能力。

    二、AI大模型公司估值模型详解

AI大模型公司的估值模型应区别于一般科技企业：核心不是简单PE倍数，而是以ARR（年度经常性收入）、技术资产价值、人才团队价值、算力资源、数据资产和合规资质为基础进行综合估值。由于多数AI大模型公司尚未盈利，PE估值法基本不适用，行业主要采用以下估值方法：

表 4.6 AI大模型公司收并购估值模型

数据来源：千际投行根据AI大模型行业估值实践整理。

三、典型收并购案例深度分析

表 4.7 AI大模型行业收并购案例与启示

数据来源：NodeMini、财新周刊、新浪财经、36氪、Forvis Mazars；千际投行整理。

四、AI大模型公司控股权转让投行业务SOP

    AI大模型公司控股权转让与引入战略投资者服务，应采用“技术可行性+合规可行性双先行”的项目逻辑。与一般企业并购不同，AI大模型公司属于技术密集+强监管行业，股权交易不仅是商业谈判和价格博弈，更涉及数据合规、算法备案、技术出口管制、人才稳定性和知识产权归属等多重约束。交易启动前，需要优先判断目标公司的技术资产完整性、合规备案状态、数据来源合法性和核心团队稳定性。

    在具体操作中，AI大模型公司股权交易通常需要同时协调金融监管、数据合规、知识产权、国资监管（如涉及）、市场监管、审计评估、法律合规和信息披露等多方要求。交易方案不仅要明确股权比例、交易价格、支付安排和交割条件，还要重点评估目标公司的技术资产价值、算力资源、数据资产合规性、核心人才留任安排和知识产权归属。

表 4.8 AI大模型公司控股权转让投行业务SOP

数据来源：千际投行投行业务SOP整理。

图 4.6 AI大模型收并购逻辑与SOP

    因此，AI大模型公司战略性股权交易服务的核心价值，不只是寻找买方或卖方，而是帮助交易各方在技术可行、合规可控、估值合理、团队稳定和治理可落地之间形成平衡。尤其是在2026年生成式AI备案截止、中小模型公司出清加速、头部公司扩张整合的背景下，具备技术尽调能力、合规审查经验、估值定价能力和交易结构设计能力的投行机构，将在AI大模型行业并购浪潮中发挥关键作用。

4.8 竞争分析

    AI大模型竞争正在从传统的参数规模、训练数据和模型性能，转向“算力成本效率、商业化变现能力、开发者生态规模、场景落地深度和合规体系完善度”的综合竞争。过去大模型公司主要依靠参数规模和技术噱头获取融资和关注，但在算力成本高企、同质化竞争加剧、商业化压力增大的环境下，仅依靠技术领先难以维持长期竞争力。

    从不同类型公司看，互联网巨头的优势在于流量、云、资本和生态，能够在通用模型市场保持主导地位，并通过场景嵌入快速实现商业化；独立模型公司的优势在于技术专注、决策灵活和融资能力强，能够在技术前沿快速迭代，但面临盈利压力和算力依赖；垂直应用公司的优势在于场景理解和客户基础，能够在特定行业建立壁垒，但模型能力依赖外部；开源公司的优势在于生态扩散和品牌影响力，但商业化路径仍在探索。

    总体来看，未来AI大模型竞争的核心不再是“谁的参数更大”，而是“谁能以更低成本提供更优体验、谁能找到可持续的商业化路径、谁能构建开发者生态和客户粘性”。具备算力效率、技术能力、场景理解、生态建设和合规体系综合能力的公司，将在行业分化中获得更强的盈利稳定性和估值溢价。

4.9 细分赛道深度专题

    2025-2026年AI大模型细分赛道的核心不是盲目追求通用能力，而是围绕AI Agent智能体、AI编程工具、多模态生成和行业大模型四大方向进行技术突破和商业落地。这些赛道不仅是技术前沿，也是商业化最清晰、增长最快的细分市场。

    AI Agent智能体是2026年最确定的增长赛道。据国家发改委援引Gartner数据预测，2026年企业级AI智能体市场规模将突破480亿元，政务、办公等场景增速预计超60%。八部门联合印发的《“人工智能+制造”专项行动实施意见》提出到2027年推出1000个高水平工业智能体，政策红利显著。AI Agent正在从“技术试验”迈向“标配工具”，成为大模型公司商业化的重要抓手。

    AI编程工具是目前商业模式最清晰、付费意愿最强的应用方向。Anthropic的Claude Code成为核心增长引擎，推动其年化营收从2025年底的90亿美元飙升至2026年7月的650亿美元。Cursor被SpaceX以600亿美元收购，充分证明了AI编程工具的商业价值。国内公司中，字节、阿里、腾讯均在加速布局AI编程领域。

    多模态生成是技术突破最快的赛道。视频生成、图像生成、语音合成等能力快速演进，字节Seedance等视频大模型取得突破，内容创作、营销素材、影视制作等场景需求爆发。多模态能力正在成为大模型公司的标配，也是差异化竞争的关键。

    行业大模型是垂直场景深耕的核心方向。金融、医疗、法律、制造、政务等行业对专业化大模型需求旺盛，具备行业Know-how和专有数据的公司能够建立较高壁垒。与通用大模型相比，行业大模型客单价更高、客户粘性更强、竞争格局更分散。

图 4.7 细分赛道深度专题

第五章 

估值分析定价机制与风险管理仪表盘

5.1 估值方法论选择

    AI大模型公司估值具有较强的行业特殊性，其核心并不只是判断利润增长，而是同时评估ARR增速、技术壁垒、算力成本、商业化能力、生态规模和合规资质。由于多数AI大模型公司尚未盈利、研发投入巨大、收入增速极快，传统PE估值法基本不适用，单一估值方法往往难以完整反映真实价值。因此，在实际估值中通常采用多种方法交叉验证。

    表 5.1 对AI大模型公司常用估值方法的适用场景、核心变量和注意事项进行归纳。

表 5.1 AI大模型公司估值方法论选择

数据来源：千际投行整理。

图 5.1 AI大模型估值方法论选择

    总体来看，PS-ARR倍数法仍是AI大模型公司估值中最基础、最常用的方法，适合用于有收入的成长期公司和可比公司横向比较；总市值终值法更适用于早期高增长公司和战略投资决策；技术资产评估法在并购交易和Acquihire中不可或缺；DCF法仅适用于盈利稳定的成熟AI基础设施公司。在实际操作中，建议采用PS-ARR倍数法为主，结合终值法和可比公司法进行交叉验证，并购交易还需增加技术资产评估。

5.2 历史估值区间与当前位置及国际估值对标

    AI大模型公司估值的长期中枢由ARR增速、毛利率、市场空间和竞争格局决定。收入增速越快、毛利率越高、市场空间越大、竞争格局越集中，PS倍数越高。2025-2026年，AI大模型公司估值呈现“头部溢价、分化加剧”的特征：港股上市的智谱PS约100倍，MiniMax一度达到500-550倍；A股寒武纪PS约111倍，PE(TTM)高达236倍；一级市场的OpenAI估值3000亿美元，Anthropic更是达到2万亿美元。

    从国际对标看，美国AI公司估值更多基于ARR增速和全球市场空间，Anthropic年底ARR预期1000-1200亿美元，对应17-20倍PS（按2万亿估值），参照系为Palantir和Nebius等AI受益标的（55倍PS）。中国AI公司估值则更多受到国产替代逻辑、政策支持和资本市场情绪影响，波动较大。

表 5.2 AI大模型公司估值对标（2026年中）

    注：估值和收入数据为公开市场估算，PS倍数可能因口径不同存在差异。数据来源：雪球、掘金、新浪财经、澎湃新闻；千际投行整理。

5.3 行业系统性风险解析

· 技术风险：模型幻觉、算法歧视、黑箱不可解释、技术路线突变（如全新架构颠覆Transformer）是核心变量。

· 合规风险：生成式AI备案不通过、数据侵权、内容安全、算法出口管制是业务准入的关键约束。

· 算力风险：GPU供应受限、算力成本上升、能源约束、算力调度效率是成本端最大不确定性。

· 商业风险：付费转化率低（C端不足10%）、同质化竞争、价格战、客户预算收缩是收入端核心压力。

· 数据风险：训练数据质量参差、数据版权纠纷、隐私泄露、数据来源合法性是法律风险高发区。

· 人才风险：核心人才流失、人力成本高企、团队整合困难、竞业限制执行是组织层面最大挑战。

图 5.3 行业系统性风险仪表盘

5.4 行业发展和驱动机制及风险管理

    AI大模型行业驱动因子可分为五类：技术突破、算力供给、资本投入、政策支持和场景需求。风险管理仪表盘应至少包括：ARR增速、毛利率、算力成本占比、研发投入占比、付费转化率、客户留存率、备案合规状态、数据合规风险、核心人才流失率、模型安全评估结果等指标。

表 5.3 AI大模型公司风险管理仪表盘模板

数据来源：千际投行整理。

第六章 

行业资本运作与战略交易与价值管理

6.1 资本运作工具箱与策略选择

    AI大模型公司资本运作既包括自身融资发展，也包括股东层面交易和并购整合。常见工具包括：天使/VC/PE融资、战略投资、Pre-IPO轮、IPO上市（A股/港股/美股）、并购整合、Acquihire、银行贷款、可转债、知识产权质押、政府产业基金、战略合作等。由于AI大模型公司具有轻资产、高研发、高增长、高不确定性的特征，股权融资是主要资本运作方式，债权融资应用相对有限。

表 6.1 AI大模型公司资本运作工具箱

数据来源：千际投行整理。

图 6.1 资本运作工具箱与策略选择

6.2 核心痛点解码：AI大模型公司估值折价逻辑与重塑路径

    AI大模型公司估值折价通常来自商业化能力、技术可持续性、合规风险和治理结构四个方面。第一，商业化路径不清晰，收入依赖API调用且增速放缓，使市场对未来增长预期下降；第二，技术路线存在被颠覆风险，模型性能差距缩小，技术壁垒难以持续；第三，合规备案存在瑕疵、数据来源存在法律风险、内容安全不达标，使公司面临业务停摆和处罚风险；第四，股权结构复杂、核心人才依赖单一、公司治理不规范，使投资者担忧控制权和团队稳定性。

    因此，AI大模型公司价值重塑不能只依靠融资估值提升，而应从商业化能力、技术壁垒、合规体系和治理结构四个维度入手。具体路径包括：明确垂直场景定位，提升ARR增速和毛利率；加大研发投入，构建技术护城河和专利壁垒；完善合规体系，确保备案、数据和内容安全；优化股权结构，建立核心人才激励机制，提升公司治理水平。

6.3 战略性股权交易服务全景

    AI大模型公司控股权转让与引入战略投资者服务，应采用“技术可行性+合规可行性双先行”的项目逻辑。与一般企业并购不同，AI大模型公司属于技术密集+强监管行业，股权交易不仅是商业谈判和价格博弈，更涉及数据合规、算法备案、技术出口管制、人才稳定性和知识产权归属等多重约束。

    在具体操作中，AI大模型公司股权交易通常需要同时协调数据合规、知识产权、国资监管（如涉及）、市场监管、审计评估、法律合规和信息披露等多方要求。交易方案不仅要明确股权比例、交易价格、支付安排和交割条件，还要重点评估目标公司的技术资产价值、算力资源、数据资产合规性、核心人才留任安排和知识产权归属。

    因此，战略性股权交易服务的核心价值，不只是寻找买方或卖方，而是帮助交易各方在技术可行、合规可控、估值合理、团队稳定和治理可落地之间形成平衡。尤其是在2026年生成式AI备案截止、中小模型公司出清加速、头部公司扩张整合的背景下，具备技术尽调能力、合规审查经验、估值定价能力和交易结构设计能力的投行机构，将在AI大模型行业并购浪潮中发挥关键作用。

图 6.2 控股权转让与引战投SOP

表 6.2 AI大模型公司控股权转让投行业务SOP

数据来源：千际投行投行业务SOP整理。

6.4 股东回报与长期激励机制

    AI大模型公司股东回报的核心在于长期增长、技术壁垒和退出渠道。与一般企业不同，AI大模型公司经营高度依赖技术创新和人才团队，短期利润增长并不必然代表长期价值提升。如果增长来自烧钱换规模、不可持续的补贴或低质量收入，反而可能削弱长期竞争力和估值基础。

    对于上市AI大模型公司，长期投资者通常更加关注ARR增速、毛利率、研发投入占比、核心人才稳定性、合规状态和市场空间。稳定的技术领先和商业化进展能够增强估值支撑，但前提是公司具备持续融资能力、核心团队稳定性和合规经营能力。对于未上市AI大模型公司，股东除了关注估值增长和退出渠道（IPO/并购），还需关注下一轮融资能力、核心团队留任和技术路线可持续性。

    在管理层激励方面，AI大模型公司应避免单纯以收入规模或用户数量作为考核重点，而应将激励机制与技术创新、ARR质量、客户留存、合规经营和长期价值创造相结合。核心指标可包括模型性能排名、ARR增速、毛利率、研发投入产出比、客户留存率、合规零事故率等。期权激励是吸引和保留核心人才的关键工具，但需合理设计vesting安排和回购条款。

6.5 千际投行服务能力展示与案例索引

    千际投行可围绕AI大模型行业提供研究支持、战略梳理、融资顾问、股权转让、引战投、并购顾问、估值建模、尽调清单、监管沟通材料、交易撮合、投资者关系和品牌传播服务。建议项目资料包包括：行业研究报告、工作底稿、估值模型、技术尽调清单、合规审查清单、路演材料、监管沟通Q&A和交易文件模板。

第七章 

全球AI大模型对标研究

7.1 海外头部大模型模式拆解

    海外头部大模型公司可以分为三类：美国综合AI巨头（OpenAI、Anthropic、Google DeepMind）、开源生态型公司（Meta）、区域型AI公司（Cohere、Aleph Alpha等）。OpenAI代表“消费者+企业”双轮驱动的全能模式；Anthropic代表“企业安全+编程工具”的垂直突破模式；Google DeepMind代表“多模态+基础设施+生态分发”的综合模式；Meta代表“开源+社交+广告”的生态模式。

表 7.1 海外头部大模型公司模式拆解

数据来源：36氪、MarsBit、AI Business Weekly；千际投行整理。

图 7.1 海外头部大模型模式拆解

7.2 中美大模型商业化差异

    中美大模型商业化差异主要体现在市场结构、付费习惯、生态体系和监管环境等方面。美国市场以企业级付费为主，Anthropic 80%收入来自企业客户，ChatGPT企业版和Copilot在财富500强中渗透率极高；中国市场则呈现“C端流量大但付费率低、B端市场潜力大但决策周期长”的特征，豆包3.82亿月活但付费转化率不足一成。

    从收入结构看，美国大模型公司以API调用和企业订阅为主，客单价高、收入稳定性强；中国大模型公司收入来源更加多元，包括API调用、C端订阅、行业解决方案、云服务捆绑等，但单客价值相对较低。从生态体系看，美国公司更注重开发者生态和API平台建设，中国公司则更多依托互联网巨头的自有流量和云客户基础。

    从编程工具看，美国市场AI编程工具商业化最为成熟，Claude Code、Cursor、GitHub Copilot等产品付费意愿强，Cursor被SpaceX以600亿美元收购充分证明了其价值。中国AI编程工具市场仍在早期，但增长潜力巨大。

7.3 海外经验与本土借鉴路径

· 借鉴一：以企业级场景为核心，从通用对话向垂直工作流（编程、客服、办公、数据分析）深耕，提升客单价和留存率。

· 借鉴二：强化ARR导向的经营理念，把收入增速、毛利率、客户留存率和净收入留存率（NRR）作为核心经营指标。

· 借鉴三：提升开发者生态建设，通过开源模型、API平台和工具链吸引开发者，形成网络效应和长期调用收入。

· 借鉴四：建立AI安全与合规体系，把安全对齐、内容审核和数据合规作为产品核心能力，而非成本中心。

第八章 

趋势预测与战略路线图

8.1 四大核心发展趋势：差异化、数字化、资本化、整合化

    未来AI大模型行业将沿四条主线演化：差异化经营（垂直场景深耕）、数字化原生（AI原生应用爆发）、资本化加速（IPO+并购整合）、整合化出清（中小模型公司退出）。头部公司稳技术和生态，中型公司拼场景和客户，初创公司拼技术突破和融资，弱技术弱场景的公司则进入持续整合窗口。

图 8.1 趋势预测与战略路线图

8.2 六类AI大模型公司发展定位全景

    不同类型AI大模型公司在产业生态中的功能定位、资源禀赋和竞争优势存在明显差异，因此未来发展路径不宜采用同一套标准。互联网巨头重在通用模型和生态平台，独立模型公司重在技术突破和商业化验证，垂直应用公司重在场景深耕，算力公司重在基础设施，开源公司重在生态建设，AI Agent公司重在智能体平台。

表 8.1 六类AI大模型公司发展定位

数据来源：千际投行整理。

    总体来看，未来AI大模型行业发展将呈现“分层定位、差异竞争、风险出清”的趋势。互联网巨头应在稳技术、稳生态、稳算力的基础上提升商业化效率；独立模型公司应继续强化技术创新和ARR增长，积极准备IPO或战略融资；垂直应用公司应围绕行业场景、客户关系和产品化能力建立壁垒；算力公司应聚焦算力效率优化和国产化替代；开源公司应提升社区运营和商业转化能力；AI Agent公司应加速场景落地和企业客户获取。

8.3 2026-2030 短期/中期/长期战略路线

    2026—2030年AI大模型行业将进入从“技术突破”向“商业兑现、格局固化、生态成熟”转型的关键阶段。不同阶段的行业主题、经营重点和资本运作机会各不相同：短期重在商业兑现、合规落地和并购整合；中期重在格局固化、行业模型深耕和国产替代；长期重在生态成熟、AGI探索和估值回归。

表 8.2 2026-2030 AI大模型行业战略路线图

数据来源：千际投行整理。

    从战略路径看，未来五年AI大模型行业的核心不是单纯追求参数规模，而是在技术壁垒和商业化能力之间找到平衡。2026—2027年，公司应优先提升ARR增速、优化算力成本、完善合规体系、准备IPO或战略融资；2028—2029年，应围绕行业大模型、AI Agent、多模态生成形成可复制的商业化模式；2030年以后，行业进入成熟期，估值逻辑从PS转向PE，盈利和现金流成为核心关注点。

8.4 未来3-5年和行业终局预判

    未来3-5年，中国AI大模型行业不会出现简单的总量收缩，而是结构性分化：互联网巨头以通用模型和生态平台吸引长期资金；独立模型公司通过技术突破和IPO寻求估值溢价；垂直应用公司在行业场景中建立壁垒；中小模型公司在合规压力和融资困难下继续通过被收购、Acquihire、转型或退出市场。

    报告核心总结：AI大模型行业的核心命题已经从“做大参数”转向“做优模型性能、做低算力成本、做高ARR增速、做强客户生态、做深合规体系”。对于投行业务而言，AI大模型公司股权交易和控股权转让的关键不是讲故事，而是把技术可行性、合规状态、资产质量、估值逻辑、交易结构和整合方案做实做细。千际投行将凭借在AI大模型行业的深度研究、技术尽调能力、合规审查经验和交易结构设计能力，为客户提供全周期资本运作服务。

附录1：千际投行AI大模型行业研究中心简介

    千际投行是兼具投行服务与金融科技能力的综合型投行机构，主营全品类资本中介与投融资服务，覆盖 A 股、新三板、港股、金融机构、地产、不良资产多元赛道。核心业务板块包含上市公司 / 持牌金融机构收并购 FA、控股权与老股居间转让、大宗 / 协议交易、定增、股票质押、借壳上市、资产注入、破产重整；同时提供全周期资本运作规划、企业管理咨询、投资者关系 IR、估值建模、行业 / 个股研报、商业计划书、项目可行性研究等专业文书咨询；配套直接股权投资、FICC、衍生品设计、指数开发、定制化投资策略服务，依托旗下不良资产信息平台zichanxinxi.com，打造法拍股权、法拍房产海量信息撮合渠道，一站式服务企业、国资、产业资本、机构投资者、高净值家庭全生命周期投融资、股权盘活与风险出清需求。

9.1 千际投行可落地AI大模型核心投行业务

 AI大模型股权类FA投行业务

大模型公司控股权转让居间FA

    面向产业资本、互联网巨头、地方国资、AI产业链公司，提供买卖双方资源匹配、股东资质预审、技术尽调统筹、PS-ARR估值定价、交易协议设计、合规审批、工商变更全流程服务，覆盖参股、大额协议转让、控制权变更全场景。

 增资扩股/引入战略投资者顾问

    针对成长期AI大模型公司，设计融资方案，对接产业资本、地方国资平台、互联网巨头、专业投资机构，编制融资商业计划书、估值模型、监管申报材料，协调审计评估机构，全程撮合投资落地。配套政府产业基金和专项补贴申请服务。

 AI公司 Acquihire（人才收购）财务顾问

    为科技巨头和头部AI公司提供以获取核心技术团队为目标的Acquihire全流程服务：人才评估、团队估值、交易结构设计、竞业限制安排、期权处理、团队整合方案，是2026年AI行业并购确定性高的标准化业务。

市辅导配套顾问

    未上市AI大模型公司上市前期梳理：股权清理、知识产权整改、合规备案完善、资本规划、期权机制设计，对接券商、会所律所，提供上市估值与资本补充中长期规划。重点服务港股18A特专科技通道。

AI公司股东存量股权大宗/协议转让服务

    上市AI公司股东大额股份减持，设计协议转让、大宗交易方案，测算折价区间，对接机构买方，协调交易所合规确认。

AI子公司分拆/重组顾问

    协助互联网巨头和科技公司分拆AI子公司独立融资或上市，设计分拆方案、股权架构、业务边界、关联交易处理，协调监管沟通。

AI大模型债权与资本工具投行顾问业务

 知识产权质押融资/科技贷款顾问

    为AI大模型公司设计知识产权质押融资方案，对接银行和科技金融机构，评估专利和模型技术价值，优化融资成本。

 可转债/可交债发行顾问

    为成长期AI公司设计可转债发行方案，测算转股价格、期限、票面区间，对接投资机构，完善监管前置沟通材料。

政府产业基金/专项补贴申请顾问

    协助AI公司申请国家和地方人工智能产业基金、科技专项补贴、算力券等政策资金，编制申报材料，对接主管部门。

 并购贷款、产业并购配套融资顾问

    一方面为AI公司自身并购提供并购融资方案；另一方面服务AI公司客户并购，提供并购贷款方案设计、交易结构咨询，联动银行信贷投放。

 AI行业并购/吸收合并全流程顾问

    AI大模型公司强强联合、中小模型公司并购整合：技术资产评估、人才估值、合并报表模拟、知识产权整合、监管沟通、股东大会材料全套落地。

 困境AI公司风险化解专项顾问

    针对融资困难、合规瑕疵、团队流失的AI公司，设计股东增资、技术资产处置、股权转让、团队Acquihire一揽子风险处置方案，对接产业资本和地方政府。

 数据合规整改/知识产权清理顾问

    梳理训练数据来源合规性，设计数据授权、采购、清洗方案，出具合规整改方案；清查知识产权归属，处理侵权风险，满足监管和投资人要求。

 AI大模型对公产业链投行业务

AI+行业解决方案并购财务顾问

    依托AI公司客户资源，为金融、制造、医疗、政务等行业公司提供AI能力并购撮合、估值、交易方案，配套产业基金和并购贷款。

 AI产业园/算力中心招商与资本运作顾问

    协助地方政府规划AI产业园和智算中心，设计招商方案、产业基金、算力运营模式，对接AI企业和算力厂商。

 REITs /产业基金设立顾问

    智算中心、AI产业园基础设施REITs，联合银行理财子、保险资金、产业资本投资，提供方案设计、中介统筹。

9.2 高价值、可持续标准化服务/产品

 标准化行业研究工具类产品

《AI大模型行业发展年度研究报告》

    全行业全景报告，包含行业指标、商业模式、估值模型、并购案例、五年战略路线；面向国资、AI公司管理层、机构投资者售卖，配套 Excel 全套工作底稿。

 配套可复用 Excel 工具底稿（独立付费产品）

    ①AI大模型PS-ARR/终值法估值计算器；②AI公司控股权转让SOP尽调清单；③技术资产评估模板；④数据合规审查清单；⑤AI公司5年财务对标数据库；⑥Acquihire人才估值模板。

 细分专题短报告（月度/季度更新，持续引流转化）

    《AI大模型并购月度观察》《AI公司估值对比专题》《A股/港股AI股权交易案例汇编》《AI Agent商业化专题》，轻量化低价引流，转化大额 FA 与常年咨询。

 数据库订阅服务（年度续费核心可持续产品）

    全国AI大模型公司股权、融资、估值、并购案例、技术指标完整数据库，按年订阅，季度更新数据，面向产业资本、地方金控、投资机构长期收费。

 常年战略咨询顾问服务

 AI公司常年资本运作顾问（1年期框架服务）

    全年常态化服务：估值动态测算、融资/并购时机研判、股权股东合规梳理、并购机会筛选、年度资本规划编制，按月提供行业动态简报。

 AI公司估值与股权价值常年顾问

    定期对标同业估值，测算自身合理PS/ARR区间，预判股权转让折价/溢价，为股东减持、增资定价提供常年量化支撑。

 AI合规与数据治理常年咨询

    基于报告合规框架，为AI公司规划备案路径、数据合规体系、内容安全机制，输出年度合规行动方案。

 地方政府AI产业常年顾问（面向省级 / 市级政府）

    统筹地方AI产业规划、产业园招商、产业基金设立、算力中心建设，制定三年产业路线、资本统筹方案、企业引进计划，年度持续续约。

线下+线上常态化增值服务

行业闭门沙龙（季度举办，付费参会+精准获客）

    主题：AI大模型并购整合、AI公司股权交易、融资估值、Acquihire、AI合规；邀请投资机构、产业资本、AI公司高管参会，现场对接交易需求，同步售卖报告与底稿。

 定制内训培训服务（AI公司、地方政府常态化采购）

    培训课程包：AI公司股权交易监管规则、PS-ARR估值实操、AI并购整合全流程、数据合规与备案、AI Agent商业化、技术尽调方法；可单次采购，亦可签订年度培训框架。

 一对一高管闭门战略诊断（高单价单次服务）

    上门为AI公司创始人、CEO、地方政府领导做1天深度诊断，输出定制化融资、并购、合规、产业整合诊断简报，同步转化常年顾问与 FA 业务。

 线上私域内容订阅（低成本持续触达客户）

    微信公众号、视频号定期输出AI行业数据、交易案例、政策解读；设置付费社群，每日更新行业快讯、交易线索，沉淀长期客户线索。

 定制化落地工具包

AI公司股权交易全套文件包

    股权转让协议、增资扩股协议、技术尽调问卷、合规审查清单、监管申报材料模板，单次项目配套，亦可单独售卖给律所、评估、投资机构。

 AI并购整合百日行动方案模板

    技术整合、团队融合、产品协同、算力优化、客户迁移全套落地文件，标准化复用。

 投资者关系IR全套工具

    AI上市公司年报解读模板、路演PPT框架、估值沟通材料、ARR测算表，常年服务上市AI公司。

欢迎联系我们：地址：上海市浦东新区陆家嘴东路166号中国保险大厦2109室官网：http://www.qibcc.com  公众号：千际投资； 视频号/抖音：投行小际电话：021-68828928；邮箱：qibcc@qibcc.com联系人：王经理 13122370575（同微信）

附录2：资料来源和报告SOP

表 10.1 资料来源和网址

表 10.2 报告制作SOP

附录一览表

· 附录3：行业核心数据表（近5年完整数据）

· 附录4：重点公司财务数据对标表（头部公司完整财务）

· 附录5：监管政策时间线

· 附录6：AI大模型行业标准化估值模板/估值计算器

· 附录7：AI大模型行业个股风险预警仪表盘

· 附录8：中国AI大模型公司基本信息一览表（含注册资本、融资轮次、估值、核心产品）

· 附录9：分业务CR5/CR10集中度数据监测

免责声明

本报告基于公开资料、行业数据、上市AI公司年报/公告、监管机构披露和千际投行整理形成。尽管本报告力求信息准确、口径清晰和逻辑严谨，但公开数据可能因披露时点、统计口径或后续修订而存在差异。报告中的判断、估值框架、案例分析和SOP仅供行业研究、业务参考和投资决策辅助，不构成任何投资建议或交易承诺。投资者和决策者应结合自身情况独立判断，并自行承担相应风险。

本报告中涉及的公司估值、市场规模、财务数据等均为基于公开信息的估算，可能与实际情况存在偏差。AI大模型行业技术迭代快、监管政策变化大、市场不确定性高，过往表现不代表未来趋势。千际投行不对因使用本报告内容而产生的任何直接或间接损失承担责任。

本报告版权归千际投行所有，未经书面授权不得转载、摘编或用于商业用途。如需引用，请注明出处。