2026年8月AI产业月报：算力投入验证与商业化闭环

全球AI商业化进入回报验证阶段

2026年以来，人工智能产业的投资逻辑正经历深刻转变，从单纯的模型能力竞赛与资本开支扩张，逐步转向订单获取、收入确认及盈利能力的商业化验证。海外头部Agent产品率先形成显著的收入增量，云厂商的高强度算力投入依然有强劲的云业务收入和在手订单作为支撑。国内大模型在编程及Agent任务上的能力差距快速收窄，推理效率、Token调用量及产品收入同步提升。展望未来一至两个季度，国产模型的持续迭代、Agent产品的升级以及旗舰模型的重新定价，有望共同推动行业向更深层次的商业化迈进。

海外方面，Anthropic二季度录得超过115亿美元的收入，OpenAI的Codex及ChatGPT Work活跃用户突破1500万，Microsoft 365 Copilot付费席位超过3000万，标志着Agent正由单一的编程场景向办公及企业工作流广泛扩散。与此同时，Google Cloud、Azure和AWS的收入分别实现大幅增长，云业务收入及合同储备保持较快增长，为高强度的资本开支提供了坚实的需求支撑。随着云服务提供商自由现金流阶段性承压，市场关注重点已进一步转向算力利用率、订单转化效率及资本回收周期。

国内模型能力跨越可用门槛

国内头部模型厂商如Kimi、智谱、DeepSeek及MiniMax等，持续提升在Coding、工具调用和长程任务上的能力，与海外模型的差距进一步缩小。Kimi K3发布后，其年度经常性收入创下公司历史最大单日增幅；WorkBuddy月访问量快速增长；DeepSeek Harness上线三天GitHub Star数超过11.7万，表明模型能力开始更直接地转化为产品使用和商业收入。同时，国产旗舰模型价格陆续上调，行业低价竞争或接近尾声，模型厂商盈利能力有望逐步改善。

在行情回顾方面，市场由AI主题交易转向商业化验证，板块分化加剧。海外软件指数年初受Agent替代传统SaaS担忧影响一度大幅回撤，此后随着云基础设施和优质软件公司业绩验证有所修复。国内计算机指数经历国产AI催化上涨、Agent冲击估值、应用预期修复及中报业绩压力释放等阶段。当前市场风险偏好仍受业绩预期制约，但具备真实应用场景、数据资产及商业化能力的AI公司相对占优。

海外巨头加速算力军备竞赛

资本开支仍是本轮AI周期的先行变量，订单为后续现金回收提供支撑。2026年二季度，Alphabet经营现金流为391亿美元，资本开支达到449亿美元，资本开支较经营现金流高出58亿美元；腾讯资本开支同比增长176%至528亿元，资本开支现金支付同样超过当期经营现金流；亚马逊过去十二个月资本开支也已高于经营现金流。头部厂商正以短期自由现金流换取未来算力供给。但当前投入具备明确需求承接，微软商业剩余履约义务达到6780亿美元，同比增长84%；亚马逊已获得多年、多吉瓦AI算力合作；Google Cloud收入同比增长82%。腾讯剔除算力采购预付款后的自由现金流明显高于报表口径，表明现金流弱化较大程度来自投入前置。

当前市场的核心矛盾应从开支转向算力利用率、订单转化速度及资本回收周期。海外模型API定价已经出现明显分化，高能力模型的价格中枢有所上移，轻量及均衡模型则继续降价。定价分野一方面反映前沿能力仍具有稀缺性，厂商开始对复杂编程、研究和长周期Agent等高价值任务收取更高价格；另一方面，推理效率提升以及国产开源模型在性能和成本上的持续追赶，也在加大中低端模型的降价压力。

Agent产品构成第二增长曲线

Agent产品开始构成年度经常性收入的第二增长曲线，编程场景正在向泛办公工作流外溢。Anthropic年化收入运行率快速上升，Claude Code是其增长中可以直接验证的产品驱动因素。OpenAI正在复现类似路径，Codex桌面端发布后，随着模型能力和产品工程化体验改善，用户规模快速增长。Microsoft 365 Copilot付费席位半年内由1500万增至超过3000万，平均周活跃度已接近Outlook和Teams，进一步验证了企业Agent的用户黏性和付费能力。

国内模型能力提升下，下一轮年度经常性收入增量或将主要来源于Agent带来的单用户任务密度提升。国内大模型日均Token调用量已由2024年初的千亿级提升至2026年3月的140万亿以上。模型能力接近海外头部水平后，代码开发、办公和数据分析开始由简单问答转向连续工具调用，单次任务消耗的Token和算力明显提高。DeepSeek Harness进一步将上下文管理、工具调用和任务执行框架标准化，相当于向国内开发者开放一套基础框架，有望在未来一至两个季度改善国内Agent产品的任务成功率和使用体验。

企业AI交付模式演变与展望

前线部署工程师模式不会必然使产品公司转向项目制，关键在于客户交付能否反向沉淀为标准产品。企业AI需要接入私有数据、权限体系和核心业务流程，早期由前线部署工程师深入客户完成需求拆解、系统部署和效果评估具有必要性。整体而言，前线部署工程师带来的项目化风险客观存在，但如果每增加一个客户都需要同比例增加人员，收入将重新与人力投入绑定，软件公司的毛利率和规模效应便会被削弱。但前线部署工程师模式的真正价值，是将项目中反复出现的数据连接、权限配置、评测体系和行业流程沉淀为标准模块，使后续部署周期和人力需求持续下降。

因此，判断企业AI公司是否由产品制滑向项目制，应重点跟踪单个前线部署工程师支撑的年度经常性收入、平均交付周期、功能复用率及项目结束后的订阅收入占比。能够完成产品化循环的厂商，前线部署工程师将成为数据和行业知识壁垒的来源；无法复用交付成果的厂商，则更接近传统软件外包。未来一至两个季度，国产模型突破、旗舰模型提价和Agent落地有望同步推进，建议持续关注算力服务、国产芯片与超节点，以及具备场景、数据和企业交付能力的B端AI应用厂商。