2026年AI行业系列深度（九）：AI材料下游需求洞察，看好AI基建带来的材料增量

AI 应用前期广阔，业绩赋能已初步兑现

本篇报告纳入美股和港股比较有代表性的AI大厂，包括美国主要AI相关公司：META、 谷歌、微软、亚马逊、英伟达、博通、甲骨文以及中国主要 AI 相关公司：阿里巴巴、 百度、快手、美团、腾讯、小米。我们从资本开支情况、收入规模、盈利能力、经营 状况等方面，对 2025 年前三季度化工 AI 新材料下游行业整体发展状况进行梳理。

1.1 2025 年 Q3 主要 AI 大厂电话会均表达出上调资本开支意向

在 2025 年第三季度业绩会上，主流 AI 大厂管理层对 AI 发展前景的判断呈现出高度一 致的乐观态度，且这种乐观并非停留在叙事层面，而是明确体现到资本开支、算力与数据 中心扩张节奏、以及产品与变现指标上。 当前 AI 商业化路径较为清晰，应用端以广告、云服务与企业交付为主要抓手，基础设施 端以“可见订单/交付排期”强化信心。在应用侧，Meta 强调 AI 对广告转化与创意生产的 直接提升；谷歌强调生成式 AI 产品收入与云端客户使用量增长；国内部分公司也强调 AI 相关收入的增速与投入强度；在供给侧，英伟达、博通等强调数据中心客户扩张、产品迭 代与交付节奏，说明管理层对需求的信心越来越依赖“可衡量的订单与交付指标”，而非仅 靠概念预期。这种“两端对齐”的信号表明：AI 正从“技术验证期”加速走向“规模化经营期”， 收入与算力投入之间的链路在逐步闭环。

AI 大厂资本开支整体趋势是总量快速上行且在 2025 年继续加速。美国主要 AI 龙头公司 资本开支从 2023Q1 的 362.28 亿美元上升到 2024Q4 的 793.87 亿美元，再到 2025Q3 的 1,119.30 亿美元，约两年时间扩大到约 3 倍规模。AI 基建与算力供给正在进入更大规模 的建设与交付期。这种上行更像是“产能竞赛”而不是短周期的可选投资，反映出对未来 AI 需求增长与商业化兑现的信心较强。 中美公司在投入规模与节奏上出现更显著分层，国内资本开支相对克制但结构性加码。阿 里资本开支由 2024H2 的约 76.31 亿美元开支提升至 2025H1 的约 98.56 亿美元，出现明显 台阶式上移；腾讯资本开支由 2024H1 的约 42.48 亿美元在 2024H2 冲高至约 131.16 亿美 元，2025H1 回落至约 80.24 亿美元，显示其更偏向阶段性集中投入与项目节奏驱动，但 整体投入水平较 2024H1 仍显著抬升。相比之下，百度、美团等公司资本开支整体更平稳， 快手、小米等呈温和上行，说明国内并未出现全行业同步的高强度扩张，而是更强调与主 营业务需求匹配、在投入产出与现金流约束下进行可持续的算力与数据中心投入。

从未来资本开支最新指引与披露看，亚马逊 2025 年资本开支计划约 1250 亿美元（较此前 1000 亿美元上调）；谷歌 2025 年指引约 910–930 亿美元（较此前 850 亿美元上调）；Meta 维持 2025 年 700–720 亿美元并上调区间上限；微软管理层在 2025 年 Q4 与 2026 年 Q1 电 话会中均给出更积极展望。 国内公司管理层在资本开支预期上没有给出量化指引，但依旧释放出明确的投入预期。阿 里强调不排除在已承诺的三年 3800 亿元人民币投资之外进行额外投入，百度强调 AI 领域 累计投入已超 1000 亿元并将持续加大，快手指引资本性支出将实现中高双位数同比增长， 腾讯表示 2025 年实际资本支出可能低于此前指引区间但仍高于 2024 年。

1.2 中美公司业绩分化明显，需求爆发存在时间差

中美 AI 大厂存在业绩分化，AI 带来的增量率先在北美硬件厂商爆发。海外主要大厂 2025 年前三季度营收 1.4 万亿美元，同比增速 18%；净利润 3799 亿美元，同比增长 35%。其中， AI 硬件厂商增速最快：英伟达 2025 年前三季度营业收入 1478 亿美元（yoy51%），净利润 771 亿美元（yoy76%）；博通前三季度营收 489 亿美元（yoy24%），净利润 176.23 亿美元 （260%）。 中国主要 AI 应用大厂业绩增速相对缺少亮点。2025 年前三季度营业总营收 2879 亿美元 （yoy10%），净利润 405 亿美元（yoy-1%）。其中，小米和腾讯收入增速最高，前三季度营 收分别为 477 亿美元（yoy30%）和 781 亿美元（yoy12%）。百度受到在线营销业务收入下 降影响，前三季度总营收 72 亿美元（yoy-15%）。美团核心本地商业板块受到市场竞争影 响，前三季度净利润转负，为-11.51 亿美元（yoy-127%）。总体来看，中国主要 AI 大厂 总体业绩相对平淡，但从结构上来看，AI 板块依旧带来了明显增量。比如，百度首次披 露 AI 业务收入，整体同比增长超 50%。

中美 AI 产业链的盈利结构分化依然显著，海外 7 家龙头 AI 公司的毛利率中枢更高且更稳 定，而国内 6 家公司受竞争与商业化节奏影响波动更大。海外部分，英伟达毛利率由 2020 年前后的 60%+抬升并在 2023–2024 年维持在 70%上下的高位，体现出 AI 芯片供需紧张与 产品结构升级带来的议价能力；微软、谷歌毛利率整体维持在 60%上下，在资本开支加速 背景下仍保持较强韧性，说明云与 AI 服务的规模效应在持续释放。 国内部分，腾讯毛利率近两年回升至 50%+，体现高毛利业务占比提升与成本控制改善； 阿里毛利率缓慢修复至 40%上下，但整体仍受电商与云业务结构影响；快手通过广告与商 业化效率改善毛利率提升到 50%+；相对而言，百度毛利率下行压力较大并在 2025Q1-3 出 现明显走弱，小米毛利率处于低位缓慢抬升。总体来看，AI 相关投入短期会抬升折旧与 算力成本，但在海外更多被高毛利的云与硬件环节吸收并转化为利润弹性；国内则呈现“头 部修复、部分公司承压”的格局，需求爆发与盈利释放相对滞后，毛利率改善更依赖商业 化效率与业务结构优化。

在特定投入周期下，部分企业自由现金流明显承压，但海外 AI 行业整体依旧保持健康状 态。微软在 2024Q4 短暂回落至 64.87 亿美元后，2025Q1–Q3 迅速修复至 256.63 亿美元， 体现云业务现金创造能力对 AI 投入的覆盖；Meta 维持在 90–160 亿美元的高位区间，现 金流稳定性较强。英伟达则在 2024Q1–Q4 持续走高，并在 2025Q1 冲高至 261.87 亿美元， 随后 2025Q2 回落至 134.70 亿美元、2025Q3 再度抬升至 221.14 亿美元，具备高弹性波动 特征。相对而言，亚马逊现金流波动更明显（2025Q1-80.0 亿美元转负，2025Q2–Q3 回到 3.32/4.3 亿美元的低位），以及甲骨文在 2024Q3–2025Q3 连续为负（从-26.66 到-99.67 亿美元）。 国内 AI 龙头公司资金压力更加明显。腾讯、小米、百度、快手在 2024H1–2025H1 保持为 正，经营现金回收改善与投入相对可控；而阿里在 2025H1 出现显著转负（-156.68 亿美 元），与其 AI/云相关投入加速的叙事一致，短期现金流压力更集中释放；美团 2025H1 现 金流转负（-41.46 亿美元）。

2025 年 AI 下游发展迅速，模型快速迭代

1.模型使用成本持续下降，token 使用量稳定在 5 万亿次以上

算力作为 AI 应用落地的核心基础设施，其供给能力与成本结构的变化直接推动 AI 应用的 商业化进程。根据 Artificial Analysis《Artificial Analysis State of AI2025 Q3》， 不同智能水平模型的单位推理价格随时间呈阶梯式快速下移。例如，GPT-4 单位推理成本 从 2023 年 3 月的每百万 token32 元，降至 2025 年 1 月的每百万美元 0.06 美元，降幅近 300 倍。推理侧算力成本及模型调用成本的快速下降，为 AI 应用商业化提供了底层经济 性支撑。

模型调用成本下降叠加性能升级推动使用量大幅提升。根据 OpenRouter 数据，截至 2025 年 12 月，大模型周度 Token 总使用量达 5.79 万亿，较年初提升 11 倍。自 2025 年 9 月底 以来，周度使用量基本稳定在 5 万亿以上；其中 11 月最后一周一度突破 7 万亿；从厂商 结构看，2025 年 12 月第三周，Google 与 xAI 的周度 Token 使用量分别为 1.32 万亿和 0.86 万亿，合计占比约 38%，为当前使用量贡献最大的两家厂商。

2. 2025 年是模型密集爆发之年

仅本篇报告讨论的 11 家 AI 龙头公司在 2025 年新增模型数量就超过 35 个。从各家密集发 布节奏可以看出，2025 年 AI 下游需求正在从“单点能力验证”快速走向“多模态应用规模化 落地”。一方面，海外头部厂商持续迭代并拉长产品线：Google 围绕 Gemini 及视频/图像 能力不断升级，Meta 推进 Llama4 系列分层覆盖不同场景，Microsoft、Amazon 也在自有 体系内加速模型与产品化能力补齐；另一方面，国内厂商同样加码投入与快速跟进：阿里 从 Qwen2.5→Qwen3/Qwen3Coder→Qwen3Next 的连续迭代，并延伸至 image-edit、视频生 成等多模态方向，腾讯推出混元系列，美团、快手、小米等也先后发布面向业务场景的模 型与产品形态。 中美大厂在“自研基础模型”上的布局已经从单点能力竞争进入到全模态覆盖率的对比：语言模型基本成为标配，差异主要拉开在语音、图像、尤其是视频三条线。无论美国还是 中国，头部玩家几乎都具备自研语言模型能力，大模型底座已从“可选项”变为平台公司与 AI 原生公司争夺生态入口的必需品。视频模型是当前差异最大的维度，也是“投入强度最 高”的一环。视频维度形成明确覆盖的玩家显著少于语言/图像，且更集中在拥有内容生态、 分发渠道或云基础设施的公司（如海外的 OpenAI/Google/Meta 等；国内的字节、快手等 更具场景牵引）。

3. 国外模型整体更均衡，国内模型更强调单项能力和性价比

为了统一评价标准和测试环境，我们参考了 Hugging Face 披露的 benchmark 结果作为参考，用于衡量不同模型在通用能力、推理与数学等维度的相对表现，由于评测脚本、提示 词与解码设置可能存在差异，分数不代表严格可复现实验结论，更多反映模型能力区间与 趋势。 整体而言，海外开源模型更偏全能型，国内开源模型更偏强项突出与效率导向。例如 Llama 与 Mistral 的指令遵循和综合测评更靠前，其在通用对话、知识覆盖与整体对齐质量上更 稳定；Qwen 在 IFEval、BBH、MATH 等关键指标上已经接近甚至对标海外强模型；DeepseekR1 在 MATH、GPQA、MUSR 等偏“深度推理”的指标上相对更强、且 CO2cost 明显更低，这也 反映出国内部分团队在推理范式与效率优化上更激进，适合对成本敏感、又需要强推理的 应用落地。

为了进一步测试模型在专业领域的实际效果，我们采用 CFLUE（Chinese Financial Language Understanding Evaluation）作为核心评测基准，对 GPT-5.1、Gemini-3-pro、 kimi-k2-thinking、Deepseek_v3、Deepseek_R1、Mimo-v2-Flash 进行系统化测试。 测评指标包括：应用评估任务涉及 ESG 分类与情感分析、金融行业与事件分类、银行客服 意图识别等 Fin_TC 子任务；多种金融事件与因果关系抽取（Fin_RE）；金融阅读理解 （Fin_RC）；中英/英中金融翻译（Fin_MT）；以及术语解释、会议与客服对话摘要、资讯/ 研报标题生成等文本生成任务（Fin_TG）。沿用 CFLUE 官方脚本的基本设定：知识评估以 准确率与 F1 为主，应用评估按任务分别采用 ACC、BLEU、COMET、F1、ROUGE-L 等指标， 其中 Bert 模型从模型回答的语义相似度计算得分，Rouge 则从回答的词频角度计算。 从测试结果来看，各模型在金融应用场景中存在显著的能力侧重：GPT-5.1 在金融分类与 尤其是双向翻译任务上表现最强且稳定；Kimi-k2-thinking 在金融文本生成与综合应用 能力上更突出，并在抽取任务上保持高位；DeepSeek-r1 在金融关系/事件抽取（Fin-RE） 领先，但在翻译与生成指标上相对偏弱；DeepSeek-v3 多数任务位于第二梯队且较均衡； Gemini-3-pro 在金融 QA 的语义一致性与词面相似上表现靠前，但分类与翻译相对弱；Mimo 各项指标较为均衡，没有突出项。