科技行业深度研究：大模型后训练，中美路径与商业闭环.pdf

科技行业深度研究：大模型后训练，中美路径与商业闭环。全球主流大模型集中于中美。据 Artificial Analysis 数据，美国头部模型厂商 包括 OpenAI、xAI、Anthropic 与 Google；国内 DeepSeek、阿里、智谱、 Kimi 与 MiniMax 较为领先。由于国内高性能算力受限，在同样强化学习+ 后训练范式下，海外模型偏向规模扩展，而国内擅长架构优化。投资建议上， 把握算力、存储、电力、应用四个方向，我们认为：1）大模型产业的基座 是算力。2）随着多模态模型的普及，存储需求同步提升。3）电力是算力的 配套，是大规模集群上线的前提之一。4）AI 应用是商业化落地的关键。

与市场不同的观点

1）中美大模型差异并非技术强弱，而是算力结构决定路线：海外依托高密 度集群深化后训练与推理扩展，国内在算力约束下以 Attention 优化、MoE 稀疏化和长上下文重构追求单位算力效率，因此跑分不构成统一比较锚。2） AI 应用落地并非遥远，OpenAI 提出统一模型、Pulse 主动 Agent 与 ACP 对话内结账已使应用从“能用”进入“可经营”，电商等高频闭环场景率先 具备规模化条件。3）市场普遍低估数据标注的价值，ScaleAI、SurgeAI 等 高收入与高客单价显示标注是模型能力上限的关键投入；需求扩张叠加客户 对独立供应链偏好提升，行业定价权仍在抬升。

强化学习+后训练范式下，中美模型迭代路径分化明显

大模型能力演进呈预训练、后训练与推理全链路扩展范式。早期 Scaling Law 聚焦预训练（参数/数据/算力同步放大）；2024 年 9 月 OpenAI 发布 o 系列 后，强化学习系统性并入后训练，推理端以思维链延长思考时间、生成更多 token 释放能力。海外以 xAI 为代表，依托约 20 万卡级集群，持续在推理 端扩算力；国内在算力受限下更侧重架构与算法精修，Qwen、DeepSeek、 Kimi 等以注意力优化、稀疏化与 MoE 等提升训练推理效率与性价比。我们 认为，两条路径将沿各自要素禀赋持续演进。

商业化已成头部厂商当前重心，应用与生态建设优先推进

OpenAI 提出 GPT-5 统一模型后，后续的模型迭代更多属工程整合、价值再 提效，研发重心上移至应用与变现。OpenAI 以 ACP（与 Stripe）实现对话 内购买，首批接入 Shopify、Etsy，并与 Salesforce、Walmart 协作，打通 “发现-支付”闭环。国内侧阿里 Qwen 以多模态与场景推动 token 上量； 据云栖大会 2025 主题演讲，近 2-3 个月 Token 消耗倍增、百炼平台过去一 年日均调用量增约 15 倍、FY26Q1 云业务收入同比增速 25.8%。我们认为， 支付闭环叠加生态扩展将主导下一阶段商业化。