AI产业三层研究框架:供给端革新与平台价值重构

  • 来源:方正证券
  • 发布时间:2026/08/11
  • 浏览次数:25
  • 举报
相关深度报告REPORTS

传媒行业深度报告:AI产业的三层研究框架,供给端革新下的产业分层与平台价值重构.pdf

全球人工智能产业正经历从消费互联网向供给端革新的范式切换,传统基于“用户数×ARPU”的估值逻辑已无法准确反映AI企业的核心价值。本报告构建了一套AI产业三层研究框架,旨在通过分层定位与动态跟踪,重新定义产业分析体系。报告指出,AI革新发生在生产端,通过大幅降低内容制作边际成本,实现了供给端的重构,因此估值需转向“双价值维度”,即兼顾供给端生产者Tokens消耗变现与消费端广告付费收入。三层架构界定与特征报告将AIGC产业划分为三层:第一层为基础大模型企业,负责提供通用底层能力,呈现赢者通占与高研发投入特征;第二层为垂类模型、Agent及分发平台,兼具技术能力与商业场景,是价值重构的核心载体;...

AI产业范式切换与估值逻辑重构

人工智能产业的革新本质发生在供给端与生产端,而非传统互联网所聚焦的需求端或消费端。这一根本性差异决定了产业分析与估值体系必须从消费互联网范式向供给端革新范式切换。在消费互联网时代,核心逻辑在于连接已有供给与海量需求,通过提升匹配效率创造价值,其经典估值公式为“用户数乘以人均ARPU”。然而,AI大模型将内容生产的边际成本降至接近零,实现了生产范式的根本性重构。因此,AI时代的估值逻辑需升级为“双价值维度”:一是供给端价值,即生产者用户数乘以人均Tokens消耗的变现;二是消费端价值,即终端用户消费AIGC内容产生的广告或付费收入。这种切换意味着增长引擎从单纯的消费者规模转向生产者规模与生产效率,且供给端Tokens收入具有供给侧逆向驱动特征,其增长动力源于生产方式的重构与传统供给的替代。

AIGC产业的三层架构定义与风险

基于企业在AI供给端革新中的布局姿态,AIGC产业可划分为三层。第一层为基础大模型企业,负责制造通用基础模型,为全行业提供底层AI能力,其特征是研发投入极高、竞争格局惨烈且呈现赢者通占趋势。第二层为垂类模型、Agent、MaaS服务商及囊括模型能力的To B或To C分发平台,既造垂类模型又用AI重构自身业务,是技术与商业的交叉地带。第三层为不自建模型、直接调用现成AI能力重塑自身业务的组织与个人,数量最大且最为分散。三层均为率先布局AI供给端的先行者,但面临不同风险:第一层面临出清期的资本与锁定能力考验;第二层需在众多参与者中杀出重围,跑进细分赛道前列;第三层则面临传统组织转型阵痛,存在“用了AI但没用好”的风险。

昆仑万维:第二层企业的典型样本分析

昆仑万维作为第二层企业的典型代表,其产业定位由垂类模型能力与分发变现能力构成。公司自建视频、音乐、游戏等垂类模型,并依托Opera等海外流量基础,通过DramaWave、FreeReels、Mureka等平台实现AI内容的分发与变现。其传统业务如Opera信息分发、StarMaker社交娱乐及游戏业务作为现金牛,为AI转型提供现金流支撑。在AI业务平台方面,DramaWave作为付费短剧平台,凭借AI制作带来的成本优势与产能提升,实现了显著的ARR增长;FreeReels作为免费短剧平台,通过广告变现获取规模效应;Mureka作为AI音乐平台,通过API授权与订阅付费实现商业化。三大平台的共同特征是通过积累真实创作行为数据形成差异化壁垒,并体现供给端Tokens的逆向驱动特征。

硬件生态对标与产业终局推演

AIGC三层研究框架可对标已验证的硬件生态产业组织方式。第一层基础大模型对标硬件入口,处于卡位期向出清期过渡阶段,核心目标是构建系统与生态,最终通过分成模式获利,但其锁定能力弱于硬件入口,需通过应用商店、数据飞轮等手段增强粘性。第二层垂类模型与平台对标应用平台,连接开发者与用户,向上游分成并对下游抽成,试图在垂类领域建立入口。第三层创作者与传统公司对标生态合作伙伴,是被抽成方,依附于平台赚取应用层收益。产业终局可能形成“分层入口、分层抽成”结构,各层之间通过传导与博弈决定利润分配。当前卡位战尚未结束,分成结构未固化,研究重点在于动态跟踪各层入口的卡位进展及锁定能力的构建。

编辑:流星雨
  • 热门文档
  • 热门文章
  • 本年热门
  • 本季热门
  • 本月热门
  • 本年热门
  • 本季热门
  • 本月热门
分享至