传媒行业专题报告：大模型，从智能能力的生产，到平台控制权与估值重构

大模型产业正在经历深刻的范式转移，由单纯追求“更强的模型”转向提供“更便宜、更可靠、更可调用的智能供给”。在这一进程中，模型能力虽是基础，但决定产业价值的核心因素正逐步向任务经济、工作流控制权、专有反馈闭环以及资本效率延伸。随着推理成本的下降和Agent、全模态技术的演进，大模型已从单一的软件能力演变为可嵌入软件、云、终端与业务流程的智能基础能力。

技术本体：智能实现的混合平台

大模型的关键价值在于将不同智能模块重新编排为可复用的通用平台。通过统一接口，模型能够承接知识表达、模式识别、推理、代码、搜索及任务规划等多类能力，使分散的智能像云计算资源一样被规模化调用。这种“混合”体现在四个层面：一是模态混合，文本、图像、音频等进入共同表征空间；二是能力混合，生成、判断、执行等能力通过模型统一编排；三是资源混合，模型连接算力、数据及企业权限；四是价值混合，模型从底层API延伸至产品、工作流乃至硬件入口。因此，大模型不宜被视为单一软件赛道，其本质是智能基础能力，投资研究需同时关注其能力、供给、入口及价值分配。

技术路线进化与能力生产函数

Transformer主干架构未发生根本改变，但竞争焦点已从单一架构转向“架构×后训练×系统工程”。MoE降低激活成本，稀疏注意力减少无效计算，长上下文扩展任务范围，检索与工具调用补充参数记忆。模型能力的生产逐渐由传统的“算力×数据×算法”升级为“算力×数据×算法×工程闭环”。真实任务中的验证、反馈与迭代成为能力提升的重要来源。以Coding模型为例，其能力提升依赖真实代码库和运行环境中的持续验证，区分模型错误与环境错误并修正，构成了关键的工程闭环。

Token经济学与单位任务成本

Token仍是智能服务的基础计量单位，但衡量模型经济性的关键已转向“每成功任务成本”。基础模型价格下降并不等于全行业通缩，定价呈现两极分化：低切换成本的通用调用承担获客功能，而高可靠、深度嵌入流程的服务保持溢价。严谨的单位经济模型应计算单次尝试成本（输入+输出+工具/环境成本），除以任务成功率得到每成功任务成本，再减去集成治理成本得出任务净价值。降本路径包括缓存复用、量化蒸馏、稀疏化/MoE、提高基础设施利用率以及国产加速器适配。

全球资本开支与中美竞争格局

2025年以来，全球科技巨头资本开支持续处于高位，Microsoft、Alphabet、Meta、Amazon等均大幅投入AI基础设施，阿里亦宣布巨额云和AI建设计划。资本开支已将模型竞争升级为资产负债表竞争，但“投入越多=回报越高”的逻辑并不成立，需观察产能上线、利用率、收入覆盖折旧及现金流情况。美国大模型格局形成六种战略物种：OpenAI依托前沿模型与原生入口，Anthropic聚焦可靠性与Coding Agent，Google凭借全栈技术与搜索入口，Microsoft控制企业权限与工作流，Amazon主导基础设施与模型市场，Meta通过开源扩散降低封闭模型租值。中国厂商则在供给约束下重视成本效率、产业场景与本地化服务，DeepSeek、阿里、智谱等基于自身禀赋形成差异化卡位。

商业化路径与七维估值框架

产业价值沿“资源—能力—平台—工作流—结果—入口”逐级上移。商业模式从Token计费向MaaS、Agent席位、任务结果计费及智能入口演进。企业采购决策围绕成本、ROI验证周期、安全合规及供应商稳定性展开。传统估值方法难以完全适用，需建立覆盖能力持续性、单位任务经济、收入质量、工作流控制权、数据闭环、生态入口与资本效率的七维估值框架。估值倍数应与七维评分联动，高增长但低控制权的API收入价值可能低于深嵌工作流的平台收入。

下一阶段竞争与投资展望

竞争的下一阶段聚焦Agent、全模态与新入口。Agent将从辅助工具走向内生规划与修复，结合全模态感知接口，智能供给将从内容生成走向任务执行并延伸至物理世界。新入口的竞争标准从流量转向权限，拥有默认调用权的模型、OS或超级App将成为关键关口。投资建议方面，基础模型仍具平台价值，但并非所有公司都能成为平台。中国市场重点关注国产加速器真实TCO、海外Token使用结构、API对私有化部署替代速度及Coding/Agent向平台扩展可行性。科技巨头则需重点观察AI资本开支对应的算力利用率、收入增长和自由现金流回报。若关键环节未能兑现，持续扩张的CapEx可能转化为财务压力。