国信证券_人工智能行业专题（20）：从开源模型崛起，探讨模型公司和云厂商业化格局_20260804.pdf

国信证券2026-08-04查看原文

摘要

1国信证券发布AI行业专题报告，维持互联网行业“优于大市”评级。

2研报指出国产模型已迈过能力与经济性双重拐点，凭借开源及成本优势加速商业化，预计2027年6月五大国产模型公司ARR合计约1036亿元。

3中美巨头资本开支持续高企，2026年海外巨头CAPEX预计达8000亿美元，国内头部厂商投入亦将超经营性现金流。

4研报测算显示开源模型有助于云厂提升利润率，建议关注阿里巴巴等云厂商及AI基础设施产业链机会。

![](page=0,bbox=[190, 72, 695, 194])

人工智能行业专题（20）：从开源模型崛起，探讨模型公司和云厂商业化格局

行业研究·行业专题

互联网·互联网II

投资评级：优于大市（维持）

证券分析师：张伦可

0755-81982651

zhanglunke@guosen.com.cn

证券分析师：张昊晨

S0980521120004

zhanghaoen1@guosen.com.cn S0980525010001

报告摘要

![](page=1,bbox=[2542, 72, 3044, 194])

美国在大模型能力、基础设施投入和商业化规模方面目前相对领先，头部厂商最新资本开支已超过经营现金流。预计海外巨头2026年资本开支约8000亿美元，2027年超过1万亿美元；资本开支占经营性现金流的比例约为 120%，占净利润的比例亦超过 100%。国内整体起步较晚，但随着腾讯等厂商加大投入，预计2026年国内头部厂商资本开支合计亦将超过经营性现金流。资本开支持续高企推动外部融资需求上升；以谷歌为例，6月公告拟融资规模超过800亿美元，累计融资规模超过1600亿美元。

需求端，国产模型正迈过能力与经济性双重拐点。年初以来，海外模型能力提升推动商业化提速，根据Yipit数据，Anthropic与OpenAI的ARR合计已超过1000亿美元。随着GLM-5.2、Kimi K3、Qwen3.8等模型相继发布，国产模型逐步具备生产级可用能力；叠加开源模型在Token及单任务成本方面的显著优势，国产模型商业化有望加速，并对海外闭源模型的高定价模式形成挑战。

资金端，国内模型厂商融资规模持续扩大，为研发、训练推理基础设施及商业化拓展提供资金保障。根据IT桔子及各公司公告整理， 2025年以来国产AI模型创业公司的融资规模已超过1500亿元。基于融资规模静态测算各公司能够获取的算力规模以及对应的ARR水平，按30个月内月度支出线性递增测算，预计到27年6月五家公司单月支出约104亿元，假设推理和训练支出1:1分配，假设推理业务毛利率 40%，对应当月推理收入约86亿元，ARR约1036亿元（若模型公司后续获得新增融资、资金使用节奏发生变化，或算力租赁价格、业务成本结构及毛利率水平出现较大波动，实际等效算力规模及ARR可能与测算结果存在偏差）。

我们测算1GW数据中心及模型厂商业模式，得到五点结论： $ \textcircled{1} $模型参数量、注意力机制的选择最终影响模型的成本和定价； $ \textcircled{2} $国产模型毛利率低于海外一方面是因为定价策略，更重要因素是Infra能力差距，包括推理中模型支持的精度，以及国产芯片及超节点整体硬件基础设施的利用率低于海外。 $ \textcircled{3} $价格战会影响模型厂的利润率，并且如果模型厂为保持毛利率，还会进一步导致云厂收入减少，利润率空间受到压缩。 $ \textcircled{4} $随着芯片性能的升级，相同模型的毛利率持续提升。 $ \textcircled{5} $考虑到闭源模型的分成成本，开源模型有望帮助海外CSP实现更好的利润率。

投资建议：伴随开源模型性能崛起，云厂有望通过开源模型实现更好利润率提升ROI表现，关注亚马逊、微软、谷歌、阿里巴巴等。

![](page=2,bbox=[2542, 72, 3043, 194])

中美AI投入规模及进展

国产模型性价比优势凸显，融资规模持续扩大

模型商业化闭环与盈利能力测算

国内外云厂收入结构拆分

风险提示

AI基础设施需求持续释放，中美巨头资本开支持增长

![](page=3,bbox=[2541, 72, 3044, 194])

AI基础设施建设持续提速，中美科技巨头资本开支同步上行，海外投入规模领先，国内厂商增长弹性更高。海外方面，微软、谷歌、亚马逊、Oracle和Meta的资本开支合计预计26年达到接近8000亿美元，27年超过1万亿美元，当前海外厂商仍处于AI基础设施集中建设阶段，预计资本开支将继续维持高位。国内方面，字节跳动投入规模领先，阿里巴巴、腾讯等头部厂商持续加码。

图：美国巨头CAPEX变化趋势（单位：百万美元）

![](page=3,bbox=[166, 736, 1589, 1615])

资料来源：Bloomberg、国信证券经济研究所整理（截至2026/8/2）

图：中国巨头CAPEX变化趋势（单位：百万人民币）

![](page=3,bbox=[1651, 736, 3026, 1590])

资料来源：Bloomberg、国信证券经济研究所整理预测

海外厂商维持高强度资本投入，国内头部企业投入力度快速抬升

![](page=4,bbox=[2541, 72, 3044, 193])

过去三年，海外科技厂商的资本开支呈现持续提升趋势，且目前各家资本开支增速指引依然显著高于业务收入/利润增速，我们预计2026年四家资本开支约为经营性现金流的1.2倍，占净利润比例也均超过了100%。

国内巨头中，三家巨头（腾讯、阿里、百度）的资本开支规模占净利润和经营性现金流的比例同样加速增长，预计26年阿里巴巴、百度也将超过100%，腾讯也将同比翻倍达到60%。

图：美国巨头CAPEX/利润比率变化趋势

![](page=4,bbox=[163, 747, 1544, 1601])

资料来源：Bloomberg、国信证券经济研究所整理（截至2026/8/2）

图：中国巨头CAPEX/利润比率变化趋势

![](page=4,bbox=[1654, 726, 2992, 1603])

资料来源：Bloomberg、国信证券经济研究所整理（截至2026/8/2）

国内外巨头净债务杠杆率变化

![](page=5,bbox=[2541, 72, 3044, 194])

公司层面“净债务/EBITDA”是反映现金流覆盖与信用承受度的核心指标。

当前五大Hyperscaler平均总债务/EBITDA约1.3x，26H1净杠杆约0.3x（不考虑Oracle约0附近），Oracle为个例，净杠杆约4.8x。国内方面，截至25年平均值为0.93，其中百度已达到1.4

对标IG基准：北美IG整体中位净债务/EBITDA，A级：1.24x、BBB级：2.38x；投资级中位利息保障倍数（EBITA/当期利息支出）5.8x。

图：海外巨头净债务杠杆率变化

![](page=5,bbox=[210, 796, 1554, 1555])

资料来源：Bloomberg、国信证券经济研究所整理

图：国内互联网净债务杠杆率变化

![](page=5,bbox=[1676, 815, 3065, 1554])

资料来源：公司财报、国信证券经济研究所整理

资本开支持续攀升，中美巨头增加外部融资

![](page=6,bbox=[2541, 72, 3044, 194])

随着现金流压力逐渐加大，各公司开始扩大融资规模。2025年微软、谷歌、亚马逊、Oracle和Meta合计发售1210亿美元公司债，为2020年至2024年间年均280亿美元的四倍。

图：中美巨头2025-2026上半年融资情况

微软

谷歌

亚马逊

Oracle

中美数据中心容量扩张加速，中国需求稳步释放

![](page=7,bbox=[2541, 72, 3044, 193])

北美数据中心进入集中扩容阶段，新增容量明显提速。北美数据中心容量由2019年的10GW增至2025年的48GW，预计 2027年进一步达到85GW。2024一2027年累计新增容量约49GW，超过2024年的全部存量规模，显示AI基础设施建设正在推动北美数据中心进入大规模交付周期。

中国数据中心容量保持稳步增长，未来仍有较大扩建空间。中国在运营数据中心容量由2017年的4GW增至2025年的 28GW，预计2028年达到43GW；2025一2028年预计新增约15GW，数据中心基础设施建设持续推进。

图：北美数据中心容量情况

![](page=7,bbox=[205, 732, 1486, 1634])

资料来源：Datacenter Hawk、国信证券经济研究所预测

图：中国数据中心容量情况

![](page=7,bbox=[1655, 732, 2954, 1633])

资料来源：MIIT、国信证券经济研究所预测

![](page=8,bbox=[2542, 72, 3043, 194])

中美AI投入规模及进展

国产模型性价比优势凸显，融资规模持续扩大

模型商业化闭环与盈利能力测算

国内外云厂收入结构拆分

风险提示

海外大模型商业化领先，国产模型进入加速放量期

![](page=9,bbox=[2541, 71, 3044, 194])

美国头部大模型公司ARR规模远超中国，中国大模型厂商商业化进程提速。1）美国大模型厂商已经形成了结构清晰的盈利金字塔，商业化成熟度更高：根据Yipit数据，Anthropic2026年6月底ARR达690亿美元，OpenAIARR也达400亿美元，模型能力向真实收入转化；2）中国大模型厂商进入小基数高增长阶段，商业化处于爬坡阶段：根据36氪，智谱ARR由年初的不到1亿美元提升至7月的10亿美元，根据公司官方，MiniMax4月ARR突破3亿美元，根据彭博，Kimii ARR在6月达到3亿美元，商业化进程提速，增长弹性高。

图：智谱、MiniMax、Kimi、DeepSeek ARR跟踪及预测（亿美元）

![](page=9,bbox=[174, 674, 1560, 1648])

图：OpenAl及Anthropic ARR变化趋势（亿美元）

资料来源：智谱、Kimi、MiniMax、Reuters、Bloomberg、国信证券经济研究所整理预测

![](page=9,bbox=[1678, 680, 2995, 1622])

资料来源：Yipit、openai、Anthropic、国信证券经济研究所整理

国产模型迅速拉近中美差距，已达到生产级可用拐点

![](page=10,bbox=[2541, 72, 3044, 193])

26年2月Opus4.6的发布后模型真正达到生产级可用，Anthropic ARR由此开始进入爆发拐点，而国产模型大约在4月末左右开始达到Opus4.6的综合水平，并且与海外前沿模型的差距快速缩小，7月Kimi K3推出后在前端设计表现上达到了当前全世界SOTA，超越Fable5，国产模型正跨越生产级可用，开始依靠进入ARR的加速期。

图：中美前沿模型智能水平以及Anthropic ARR（亿美元）

![](page=10,bbox=[238, 617, 2887, 1600])

资料来源：Artificial Analysis、国信证券经济研究所整理

![](page=11,bbox=[2540, 71, 3043, 194])

OpenRouter平台周度Token调用量实现数量级增长。2025年6月周度Token消耗均值约2.24T，2026年6月周度Token消耗均值达44.2T，约为去年同期的20倍，大模型调用需求持续快速释放。

调用结构走向多元化，国产模型份额持续提升。从OpenRouter平台各厂商模型调用量看，调用结构由早期的集中于 Anthropic、谷歌等海外头部厂商逐步向多元化发展，DeepSeek、Kimi、MiniMax等国产模型调用量快速增长，成为平台增量的重要来源。

图：OpenRouter周度Token调用量

![](page=11,bbox=[276, 714, 1580, 1566])

图：OpenRouter周度Token调用量（按厂商分类，单位：万亿Token）

资料来源：Openrouter、国信证券经济研究所整理

![](page=11,bbox=[1670, 703, 3086, 1583])

资料来源：Openrouter、国信证券经济研究所整理

国产模型任务级成本优势驱动Token份额领先，规模化应用加速

![](page=12,bbox=[2540, 72, 3044, 194])

国产模型凭借价格竞争力实现Token调用份额领先。OpenRouter数据显示，海外市场对中国模型的采用率快速上升，在通用文本、智能体、长文本编码以及数据处理任务中，国产模型Token使用量占比分别达约66%、87%、90%和52%，其中在长文本编码和Agent这类高Token消耗场景任务中，中国模型已经占据了多数Token使用量，与此同时，中国模型在上述任务中的支出仅占12%、13%、17%和5%，单位支出对应的调用规模显著更高，验证了单任务成本优势对模型采用率的推动。较低的任务成本相比之下更适合高频调用、长上下文及复杂Agent任务，后续有望通过调用规模的扩张以及高价值应用形成持续商业化增长。

图：中国AI模型在各类任务中的支出份额更低

![](page=12,bbox=[240, 852, 1557, 1609])

资料来源：Openrouter、国信证券经济研究所整理

图：中国AI模型的Token使用量份额中占据多数

![](page=12,bbox=[1695, 854, 3021, 1607])

资料来源：Openrouter、国信证券经济研究所整理

国产模型成本优势显著

![](page=13,bbox=[2540, 72, 3044, 191])

国产模型优势已由“单Token价格更低”进一步延伸至“完成同一任务的总成本更低”。1）Token价格方面，国产模型在输入、输出、缓存命中以及混合价格上整体仍处于较低水平。2）单任务成本（Cost per Task）为商业维度的业务价值单元，核心关注点为任务总ROI以及业务收益能否覆盖单次调用。Artificial Analysis口径下， DeepSeek V4 Flash、MiniMax-M3和GLM-5.2的单任务成本分别为0.02、0.12和0.47美元，显著低于美国模型成本。

图：中美模型Token价格成本对比（单位：USD/百万Tokens）

![](page=13,bbox=[221, 577, 1592, 1625])

图：中美模型单任务成本对比（单位：USD/Artificial Analysis Intelligence Index task）

资料来源：Artificialanalysis、国信证券经济研究所整理

![](page=13,bbox=[1640, 598, 3085, 1662])

资料来源：Artificialanalysis、国信证券经济研究所整理

月之暗面：K3跻身全球模型第一梯队，通用Agent与多模态能力升级

![](page=14,bbox=[2576, 72, 3044, 183])

融资情况：月之暗面自2023年启动外部融资以来，已完成天使轮至D轮多轮融资，据公司公告和IT桔子，累计披露融资金额约300亿元。公司融资规模持续扩大，投后估值由天使轮的20亿元提升至2026年D轮的1356亿元。投资方覆盖红杉中国、真格基金、腾讯、阿里巴巴、五源资本、美团龙珠等头部产业与财务资本，股东资源较为多元。

模型最新进展：7月16日，公司发布新一代旗舰模型Kimi K3，总参数规模达2.8T，支持原生图文多模态及100万Token上下文，并提供低、高、最高三档推理强度。K3面向复杂工程、长程推理及Agent任务，模型定位由AI编程进一步扩展至通用Agent与知识工作。K3的Artificial Analysis Intelligence Index达到57分，较K2.6提升13分，综合能力已接近Claude Opus 4.8、GPT-5.5等全球前沿闭源模型；GDPval-AA v2 Elo达到1668，AutomationBench-AA得分 53%并位居首位，真实知识工作及SaaS工作流执行能力显著提升。

表：Kimi月之暗面融资情况

时间

轮次

融资金额(人民币,亿元)

投后估值(人民币,亿元)

主要投资方

2023/6/12

天使轮

4.07

20.34

红杉中国

真格基金

Monolith Management砺思资本

今日资本

趣加FunPlus

2023/7/31

Pre-A轮

数亿美元

33.90

美团龙珠(领投)

红杉中国

Monolith Management砺思资本

2024/2/19

A轮

67.80

152.56

阿里巴巴(领投)

蚂蚁集团(领投)

红杉中国

小红书

美团

Monolith Management砺思资本

九安医疗

蓝驰创投

襄禾资本

宿华

2024/5/21

B轮

20.34

223.75

腾讯投资

高榕创投

源码资本

五源资本

云九资本

2025/12/31

C轮

33.90

291.55

IDG资本(领投)

王慧文

腾讯投资

阿里巴巴

Lollapalooza Capital

2026/2/17

C+轮

47.46

678.03

九安医疗(领投)

五源资本(领投)

腾讯投资(领投)

阿里巴巴(领投)

凯辉基金

高榕创投

2026/5/6

D轮

135.61

1356.05

美团龙珠(领投)

中移创新产业基金(中国移动)

CPE源峰

水木资本

华峰资本(财务顾问)

合计

309.18

资料来源：公司公告、IT桔子，国信证券经济研究所整理

Minimax：从M2.7到M3迭代升级，Agent生态加速完善

![](page=15,bbox=[2537, 73, 3042, 184])

融资情况：MiniMax于2021年启动外部融资，现已完成多轮融资，累计披露融资金额超过300亿元。7月中旬，公司完成 95亿港币配售+65亿港币可转债发行，直接配售稀释约10%股权，若可转债完全转换稀释约15%股权。

模型最新进展：6月，公司发布新一代旗舰模型 MiniMax M3。相较此前M2.7，M3将编程、Agent、长上下文及原生多模态能力集成于统一模型框架，最高支持100万Token上下文，并具备图像和视频内容理解能力。同时，模型引入自研稀疏注意力架构MSA，在扩大上下文长度和提升模型能力的同时，兼顾推理效率与部署成本。

表：Minimax上市后融资情况

对比指标

单位

MiniMax(0100.HK)

时间与结构

协议签署/公告日

日期

2026-07-10

股权配售完成日

日期

2026-07-14

可转债完成日

日期

2026-07-16

融资结构

文本

35.6m新A类股+HK $6.5bn零息可转债</td></tr><tr><td>融资规模与定价</td><td></td><td></td></tr><tr><td>股权配售毛额</td><td>HK$ m

9,540.80

可转债本金

HK $m</td><td>6,500.00</td></tr><tr><td>总融资净额(完成口径)</td><td>HK$ m

15,877.01

股权稀释与流通盘供给

配售新股数

股

35,600,000

立即稀释：配售股/配售后总股本

10.19%

可转债全部转股新增股数

股

19,402,985

完全摊薄：新增股/转股后总股本

14.92%

资料来源：公司公告、国信证券经济研究所整理

表：Minimax融资情况

时间

轮次

融资金额(人民币,亿元)

投后估值(人民币,亿元)

主要投资方

2021年12月

天使轮

2.10

13.56

投资方未透露

2022年3月

Pre-A轮

3.39

37.29

投资方未透露

2023年5月

A轮

17.43

78.45

投资方未透露

2023年7月

A+轮

3.39

108.48

投资方未透露

2024年3月

Pre-B轮

44.34

173.17

投资方未透露

2024年12月

Pre-B+轮

8.37

211.78

投资方未透露

2025年8月

Pre-B++轮

26.47

287.51

投资方未透露

2025/12/22

战略投资

未透露

284.77

视觉中国

2025/12/31

基石轮

23.55

402.24

阿布扎比投资局ADIA

Aspex Management

博裕资本

Janchor Partners建峖

阿里巴巴

汇添富基金

IDG资本

易方达基金

韩国未来资产Mirae Asset Venture Investment

泰康保险

毅达资本

Perseverance Asset Management

Eastspring Investments

Martis Fund

2026/1/9

IPO上市

36.24

435.98

公共股东

2026/7/10

IPO上市后

138.40

未透露

投资方未透露

合计

303.68

资料来源：公司公告、IT桔子，国信证券经济研究所整理

智谱：GLM-5.2重磅开源，Coding Plan企业化加速

![](page=16,bbox=[2537, 73, 3043, 183])

融资情况：智谱自2021年启动外部融资以来，已完成多轮融资，累计融资金额超过400亿元。7月公司完成314亿元配售，预计配售后占总股本的4.25%。

模型最新进展：6月16日，公司发布并开源新一代旗舰模型GLM-5.2，采用753B总参数、40B激活参数的MoE架构，并以MIT协议开放权重。相较GLM-5.1，新模型重点强化稳定的100万Token上下文、复杂Coding及长程任务执行能力，并提供多档推理强度，在模型效果与响应效率之间灵活权衡。

表：智谱融资情况

对比指标

单位

智谱(2513.HK)

时间与结构

上市日期

日期

2026-01-08

协议签署/公告日

日期

2026-07-09

股权配售完成日

日期

2026-07-13

融资规模与定价

股权配售毛额

HK $m</td><td>31,410.64</td></tr><tr><td>可转债本金</td><td>HK$ m

0.00

总融资毛额

HK $m</td><td>31,410.64</td></tr><tr><td>总融资净额(完成口径)</td><td>HK$ m

31,374.95

配售价

HK $/股</td><td>1,588.00</td></tr><tr><td>前一交易日收盘价</td><td>HK$ /股

1,825.00

配售价较前收折价

12.99%

股权稀释与流通盘供给

配售新股数

股

19,780,000

立即稀释：配售股/配售后总股本

4.25%

配售股/融资前可交易股池代理

8.94%

配售股/配售后可交易股池代理

8.20%

资料来源：公司公告、IT桔子，国信证券经济研究所整理

表：智谱融资情况

时间

轮次

融资金额(人民币,亿元)投后估值(人民币,亿元)

主要投资方

2021年4月

天使轮

0.20

4.07

未列示具体天使轮投资方

2022年5月

A轮

1.52

8.52

通智投资、达晨创鸿、北京华控、荣品投资、将门创业投资、凌云光、南京图灵财智创赢

2023年2月

B1轮

2.08

21.08

君联相道、启明融乾、启明融凯

2023年8月

B2轮

4.10

32.10

天津三快(美团)、君联相道、星连肇基青岛华控、启明融乾、启明融凯达晨创鸿、财智创赢

2024年1月

B3轮

6.09

45.72

全德美嘉、上海云玡、君联相道杭州光合、天津合远、星连肇基青岛华控

2024年8月

B4轮

12.29

72.29

腾讯投资、北京顺赢、欣欣相融小锋科技、厦门雅恒、宁波明恒星连肇基、社保中关村创新基金等

2024年11月

B5轮

13.59

133.59

上海飞玡、无锡云晖、君联相道招商数科、社保中关村创新基金等

2025年5月

B6轮

43.77

243.77

中关村科学城、大兴产业基金、星连肇基君联相道、社保中关村创新基金海河富新优达等

2025/12/30

基石轮

25.78

442.02

WT Asset Management广发证券、泰康保险、3W Fund Management、方圆资本Optimas Capital凌云光、高毅资产JSC International Investment Fund雾凇资本、JinYi Capital

2026/1/8

IPO上市

37.61

442.50

公共股东

2026/7/9

IPO上市后

271.71

未披露

合计

418.74

资料来源：公司公告、IT桔子，国信证券经济研究所整理

阶跃星辰：Step 3.7 Flash开源，打造400 Tokens/s的生产级多模态Agent

![](page=17,bbox=[2557, 72, 3043, 193])

融资情况：阶跃星辰自2023年启动外部融资以来，已完成A轮、B轮、B+轮及多笔Pre-IPO融资，融资规模持续扩大。投资方覆盖红杉中国、启明创投、五源资本、腾讯、上海国投等财务及产业资本，Pre-IPO阶段进一步引入中兴通讯、华勤技术、龙旗科技、豪威集团等产业链企业及港投公司，股东结构趋于多元。

模型最新进展：阶跃星辰于2026年5月末发布并开源Step 3.7 Flash，模型定位由此前的高速推理进一步升级至生产级多模态Agent。新模型采用稀疏MoE架构，总参数约198B、单次激活参数约11B，支持256K上下文及三档推理强度，最高生成速度超过400 Tokens/s。在Step 3.5 Flash基础上，Step 3.7 Flash新增原生图片及视频理解能力，并重点强化联网搜索、工具调用、代码执行及多Agent协同等能力。产品化方面，公司同步将Step 3.7 Flash接入开放平台及Step Plan，并适配Claude Code、OpenClaw等主流Agent及AI编程框架，进一步降低开发者调用和部署门槛。

根据公司官方，7月13日阶跃星辰发布AI终端品牌STEPX、智能体操作系统Step AOS、个人智能体阶跃Amoo及首款智能体手机STEPX Neo，Amoo可根据用户意图跨应用调用多类服务，推动终端交互由手动操作App向智能体自主完成任务升级。

表：阶跃星辰融资情况

时间

轮次

融资金额(人民币,亿元)

投后估值(人民币,亿元)

ARR

主要投资方

2023/11/1

A轮

数千万美元

67.80

红杉中国

启明创投

五源资本

2024/12/23

B轮

数亿美元

135.61

上海国投

腾讯投资

五源资本

启明创投

2026/1/26

B+轮

50.00

200.00

上海国投

国寿股权

浦东创投

厦门国贸控股

华勤技术

腾讯投资

启明创投

五源资本

博华产投

徐汇科投

光源资本(财务顾问)

2026/5/8

Pre-IPO

169.51

372.91

中兴通讯

华勤技术

龙旗科技

港投公司

腾讯投资

豪威集团

2026/5/25

Pre-IPO

1.50

390.00

米奥兰特

2026/5/27

Pre-IPO

3.00

400.00

莲花控股

合计

224.01

资料来源：公司公告、IT桔子，国信证券经济研究所整理

Deepseek：首轮融资510亿元，V4双模领跑Agentic Coding赛道

![](page=18,bbox=[2542, 72, 3044, 194])

融资情况：2026年6月，DeepSeek完成成立以来的首轮外部融资，融资规模约510亿元，投后估值接近4,000亿元，成为国内大模型领域规模较大的单轮融资之一。公司此前主要依托创始人梁文锋及幻方量化体系支持模型研发，本轮融资标志着其资金来源由内部投入逐步转向外部资本协同。据《金融时报》及路透社7月报道，DeepSeek在完成首轮外部融资后，正考虑启动新一轮融资，拟议投前估值约710亿美元，折合人民币约4,800亿元，较上一轮估值进一步提升。

投资方阵容兼具产业资本、财务资本及国家级基金属性，其中梁文锋仍为最大单一出资方，腾讯、宁德时代体系、京东、网易、IDG资本及国家人工智能产业投资基金等参与投资。多元股东背景有望在算力基础设施、国产芯片适配、云服务、应用入口及产业资源方面形成协同。

模型最新进展：DeepSeek于2026年4月末发布并开源DeepSeek-V4 Preview，包括V4-Pro和V4-Flash两个版本。其中，V4-Pro总参数约1.6万亿、激活参数约490亿，定位是性能旗舰；V4-Flash总参数约2,840亿、激活参数约130亿，主打高效与性价比。两款模型均支持100万Token上下文及思考、非思考双模式，并重点强化Agentic Coding、工具调用及长上下文任务处理能力，模型迭代方向由通用问答进一步转向复杂工程任务和智能体执行。

表：Deepseek融资情况

时间

轮次

融资金额(人民币,亿元)

投后估值(人民币,亿元)

主要投资方

2026年6月

A轮

510.00

4000.00

梁文锋腾讯投资宁德时代体系(宁德时代、溥泉资本)京东网易IDG资本国家人工智能产业投资基金正心谷资本九安医疗拾象科技

资料来源：公司公告、IT桔子，国信证券经济研究所整理

主要国产模型2025以来累计融资规模及等效算力和ARR测算

![](page=19,bbox=[2542, 72, 3044, 194])

假设一：资金使用周期。五家主要国产AI模型公司2025年至今累计融资约1,555亿元。假设上述资金能够支持相关公司运营至2027年6月，即对应约30个月的资金使用周期。

假设二：支出及商业化参数。假设月度资金支出由低位起步并随时间线性增长，融资资金主要用于训练及推理算力投入；训练与推理成本各占 50%，推理业务毛利率为 40%。B200单卡月租采用2026年7月市场租赁价格，约为2.93万元/月。

测算方法及结论：按30个月内月度支出线性递增测算，2027年6月五家公司单月支出约104亿元，对应等效算力规模约35万张B200。其中，单月推理成本约52亿元；按 40%的推理业务毛利率倒算，当月推理收入约86亿元，对应ARR约1,036亿元。

注：若模型公司后续获得新增融资、资金使用节奏发生变化，或算力租赁价格、业务成本结构及毛利率水平出现较大波动，实际等效算力规模及ARR可能与测算结果存在偏差。

表：主要国产模型2025-2026年累计融资及对应等效算力和ARR测算

公司

2025年至今累计融资(亿元人民币)

线性递增下27年6月支出(亿元人民币)

B200单卡月租(人民币)

等效B200卡数(张)

27年6月推理成本(亿元人民币)

引收入(亿元人民币)

ARR(亿元人民币)

DeepSeek

510.00

34.00

29,290.68

116,078

17.00

28.33

340

阶跃星辰

224.01

14.93

29,290.68

50,986

7.47

12.45

149.34

智谱

378.87

25.26

29,290.68

86,232

12.63

21.05

252.58

MiniMax

224.66

14.98

29,290.68

51,133

7.49

12.48

149.77

月之暗面

216.97

14.46

29,290.68

49,383

7.23

12.05

144.65

合计

1,554.51

103.63

29,290.68

353,812

51.82

86.36

1,036.34

资料来源：公司公告、IT桔子，国信证券经济研究所整理测算

![](page=20,bbox=[2542, 71, 3043, 194])

中美AI投入规模及进展

国产模型性价比优势凸显，融资规模持续扩大

模型商业化闭环与盈利能力测算

国内外云厂收入结构拆分

风险提示

模型TPS测算参考公式

![](page=21,bbox=[2538, 71, 3045, 195])

PREFILL

Prefill 总时延

=max

计算时延

$\times$

1000

访存时延

B: Batch $ N_{\mathrm{in}} / N_{\mathrm{out}} $ ：单请求输入/输出Token数 Pact/Pmodel：激活/模型参数量 G：卡数 C：单卡计算能力 $ b_{\mathrm{p}} $ ：每参数字节数 $ \eta $ ：效率

数据来源：英伟达技术文档，国信证券经济研究所整理

单Token Decode时延累计

=1+2+

权重访存

KV Cache访存

2=2

EP通信

模型、基础设施、推理精度等参数及假设

![](page=22,bbox=[2540, 72, 3043, 192])

表：模型、基础设施、推理精度等参数及假设

模型芯片

说明

GLM5.2910C

GLM5.2昇腾950

GLM5.2H200

GLM5.2GB200

Opus5H100

Opus5GB200

Opus5Rubin

GLM5.2GB200(在美国)

其他假设

存储精度

部署所需最小计算单元数量

117

假设模型参数占比

60%

实际部署芯片数量

117

每个参数占字节数(推理精度)

缓存命中

14000

输入Token数量

4000

输出Token数量

2000

模型参数

激活参数量(B)

500

模型参数量(B)

744

5600

744

TopK

HiddenSize

6144

Moe层数

KV维度

576

硬件参数

计算能力(TFLOPS)

800FP16

500FP16

989FP16

2500FP8

1979FP8

5000FP8

17500FP16

2500

显存带宽(GB/s)

3200

4000

4800

8000

3350

8000

22000

4800

网络带宽(GB/s)

784

2000

900

1800

900

1800

3600

900

内存大小(GB)

128

144

141

180

288

180

计算效率/MFU

英伟达有成熟软件栈,国产卡适配难度大

30%

40%

45%

50%

48%

50%

55%

50%

HBM带宽效率

50%

55%

60%

65%

70%

75%

70%

拓扑效率

是否超节点/跨节点通信能力/卡数量等都会产生影响

50%

60%

70%

80%

85%

90%

85%

资料来源：各模型、芯片公司官网，国信证券经济研究所整理测算

模型推理毛利率和TPS的测算

![](page=23,bbox=[2541, 72, 3046, 193])

模型参数假设：假设Opus5是一款总参数5.6T，激活参数 500B的模型，存储和计算精度都是FP8。GLM5.2则采用FP16。

副本：副本是一套可以独立处理请求的完整模型实例。假设副本显存按 60%/30%/10%分配给模型参数/KV Cache/其他用途，由此计算出一个副本所需芯片数量。

输入/输出假设：假设缓存命中1.4万Token，输入4000 Token，输出2000 Token，比例为7:2:1.

Batch假设：Batch指同一个模型副本在一次计算中，同时处理多少条请求或多少个Token。通过 30%显存用于KV Cache计算Batch。

利用率假设：国内芯片利用率普遍低于海外，我们对计算效率、HBM带宽效率、拓扑效率进行假设，计算得到不同模型在不同芯片上的利用率。

吞吐口径：先求Decode输出TPS，再倒算请求量与计费Token； nsched统一吸收Prefill插入、等待与碎片化损耗，避免高估吞吐。

结论一：模型参数量越大，单卡TPS越小，芯片性能越强，单卡TPS越大。

结论二：影响模型成本和定价的原因：模型层面核心来自参数量，以及注意力机制的选择（如何让相同上下文占用更小的KV Cache）

结论三：国产模型毛利率低于海外不全是因为定价便宜，核心是因为Infra能力差距 $ \textcircled{1} $推理中模型支持的精度不够低； $ \textcircled{2} $国产芯片及超节点整体硬件基础设施的利用率低于海外。

表：模型推理毛利率影响因素测算

模型

GLM5.2

Opus5

GLM5.2

芯片

910C

昇腾950

H200

GB200

H100

GB200

Rubin

GB200(在美国)

Prefill时间

4.48

3.92

3.78

6.78

6.67

6.50

6.67

Prefill计算时间

2.80

5.42

Prefill内存时间

0.0480

0.0393

0.0294

0.0208

0.0220

0.0193

0.0105

0.0321

Decode时间

0.1300

0.0809

0.0658

0.0376

0.3874

0.1615

0.0609

0.0534

Decode内存时间

0.0500

0.0364

0.0278

0.0154

0.2296

0.0893

0.0303

0.0238

Decode内存时间2

0.0227

0.0186

0.0139

0.0098

0.0104

0.0091

0.0050

0.0152

Decode通信时间

0.0085

0.0028

0.0053

0.0027

0.0699

0.0329

0.0155

0.0044

Decode_batch

227

1706

227

KV Cache占比

30%

TPS_Decode(Tokens/s/GPU)

163

196

437

204

864

308

单卡一小时的Decode Token数(百万)

0.32

0.59

0.70

1.57

0.14

0.73

3.11

1.11

单卡一小时处理的请求数=DeocdeToken/单次请求的输出Token

162

293

352

787

367

1,554

555

单卡一小时的缓存命中Token数

2.3

4.1

4.9

11.0

1.0

5.1

21.8

7.8

单卡一小时的缓存未命中Token数

0.6

1.2

1.4

3.1

0.3

1.5

6.2

2.2

整体利用率

31%

39%

44%

49%

55%

60%

66%

58%

毛利率

49%

53%

65%

52%

79%

92%

40%

资料来源：英伟达，DeepSeek，国信证券经济研究所整理测算

1GW数据中心商业化闭环测算

![](page=24,bbox=[2540, 72, 3043, 192])

云厂：

收入端：1GW GB200数据中心大约43万张卡，假设租赁价格为6美元，对应租赁收入为224亿美元。

成本端： $ \textcircled{1} $1GW GB200数据中心对应CAPEX大约400亿美元； $ \textcircled{2} $假设运营成本大约为建设成本的 20%。因此总成本约为137亿美元

OPM：测算得到1GW B200数据中心的OPM大约为 39%。

模型厂商：以0pus5为例

收入端：根据前面测算，Opus5在GB200上的TPS为2037个 Token/s/GPU,Token的平均价格大约3.9美元，1GW算力中， 50%用于推理，由此计算得到1GW GB200对应大约528亿美元收入

成本端： $ \textcircled{1} $云厂收入对应模型公司的算力成本，假设模型公司的算力成本中训练和推理比例为1：1； $ \textcircled{2} $假设其他运营成本占收入比例为 20%/15%

OPM：测算得到Opus5在GB200上API调用OPM达到 37%

结论：美国1GW GB200数据中心需要400亿美元CAPEX，对应云厂224亿美元年化租赁收入，对应模型厂528亿美元年收入。

表：1GW数据中心商业模型测算

模型

Opus5

芯片

GB200

云厂

总成本

124

CAPEX

400

综合折旧年限

折旧

运营成本

运营成本/CAPEX

20%

收入（亿美元）

224

1GW数据中心对应芯片数量

426,888

租赁价格（美元/h/GPU）

毛利率

80%

100

OPM

45%

模型厂商

收入（亿美元）

528

TPS (Token/GPU)

2037

Token价格(美元/百万Tokens)

3.9

降价幅度

毛利率

79%

收入/GW（亿美元）

528

算力成本

224

训练成本

112

占比

50%

推理成本

112

占比

50%

其他运营成本

106

占收入比

20%

198

OPM

37%

资料来源：英伟达，国信证券经济研究所整理测算

如何理解价格战对模型厂和云厂的影响？

![](page=25,bbox=[2605, 74, 3042, 148])

假设降价 20%：则模型厂在成本固定的情况下，收入削减 20%，毛利率从 79%降低至 73%。OPM从 37%降低至 27%

假设降价 50%：毛利率从 79%降低至 57%。 OPM从 37%降低至亏损

结论1：价格战会直接冲击模型厂的毛利率，且由于训练开支和运营成本的相对刚性，会导致模型的OPM迅速下降。当价格减半小时有可能导致模型厂亏损。

结论2：随着模型价格战加剧，模型厂为了维持毛利率可能将价格影响传递到云厂。则假设降价 50%，且维持 65%的毛利率/10%的OPM，测算得到，云厂的毛利率将从 80%下降至 76%，对应的OPM则将从接近 45%下降至 33%。

表：1GW数据中心商业模型测算

模型芯片

Opus5GB200

云厂

总成本

124

CAPEX

400

综合折旧年限

折旧

运营成本

运营成本/CAPEX

20%

收入(亿美元)

224

185

1GW数据中心对应芯片数量

426,888

租赁价格(美元/h/GPU)

4.9

毛利率

80%

76%

100

OPM

45%

33%

模型厂商

收入(亿美元)

528

422

264

TPS(Token/GPU)

2037

Token价格(美元/百万Tokens)

3.9

3.1

1.9

降价幅度

20%

50%

毛利率

79%

73%

57%

65%

收入/GW(亿美元)

528

422

264

算力成本

224

185

训练成本

112

占比

50%

推理成本

112

占比

50%

其他运营成本

106

占收入比

20%

198

113

-13

OPM

37%

27%

-5%

10%

资料来源：英伟达，国信证券经济研究所整理测算

芯片升级对模型毛利率的影响？

![](page=26,bbox=[2595, 74, 3041, 147])

假设1：1GW

H100/GB200/Rubin/910C/950DT

（国内）对应的资本开支分别为 370/400/470/200/300亿美元，对应的芯片数量分别为 78/43/26/48/44.5万张。

假设2：H100、GB200、Rubin、 910C、950DT租赁价格分别按 2.5/6/10/1.5/2.5美元/h/GPU测算。

结论：随着芯片的升级，相同模型的毛利率持续提升。测算得到 Opus5在Rubin上的毛利率约 88%，较GB200高约9pcts，较H100高出约 36pcts。GLM5.2在950DT上的毛利率 53%也高于910C的 49%

表：1GW数据中心商业模型测算

模型芯片

Opus5H100

Opus5GB200

Opus5Rubin

GLM5.2910C

GLM5.2950DT

云厂

总成本

115

124

146

CAPEX

370

400

470

200

300

综合折旧年限

折旧

运营成本

运营成本/CAPEX

20%

15%

收入(亿美元)

171

224

314

1GW数据中心对应芯片数量

779,200

426,888

256,104

480,000

445,217

租赁价格(美元/h/GPU)

2.5

1.5

2.5

毛利率

76%

80%

83%

65%

66%

100

168

OPM

33%

45%

53%

17%

20%

模型厂商

收入(亿美元)

179

528

1343

103

TPS(Token/GPU)

377

2037

8636

900

1627

Token价格(美元/百万Tokens)降价幅度

3.9

0.9

毛利率

52%

79%

88%

49%

53%

收入/GW(亿美元)

179

528

1343

103

算力成本

171

224

314

训练成本

112

157

占比

50%

推理成本占比

112

157

其他运营成本占比

106

269

占收入比

20%

15%

-28

198

760

-11

-10

OPM

-16%

37%

57%

-18%

-10%

资料来源：英伟达，国信证券经济研究所整理测算

云厂使用开源模型vs闭源模型的ROI

![](page=27,bbox=[2541, 72, 3044, 194])

海外闭源模型拥有高于开源模型的利润率，但对于云厂而言，部署闭源模型还需要对模型厂进行分成，最终对利润的影响可能取决于分成比例和相关运营支出的刚性成本规模。

以Opus5和GLM5.2为闭源/开源模型代表，假设云厂部署闭源模型的抽成分别为 20%/40%。毛利率角度云厂MaaS业务只需要承担1GW数据中心的折旧以及分成成本，可以计算出采用开源模型有更好的毛利率。

当考虑了相对刚性的运营支出后，在 20%的分成比例下，采用闭源模型与开源模型的OPM相当， 40%分成模式云厂使用开源模型有更大的利润空间。

表：1GW数据中心云厂MaaS业务使用开源&闭源模型ROI对比

Opus5GB200

GLM5.2GB200

总成本

597

386

174

分成成本

422

211

分成比例

40%

20%

推理成本

数据中心运营成本

MaaS平台运营成本

收入

1,056

531

TPS(Token/GPU)

2,037

4,371

Token价格(美元/百万Tokens)

3.85

0.9

毛利润

589

800

486

毛利率

56%

76%

92%

459

670

356

opm

43%

63%

67%

资料来源：英伟达，国信证券经济研究所整理测算

![](page=28,bbox=[2542, 72, 3043, 194])

中美AI投入规模及进展

国产模型性价比优势凸显，融资规模持续扩大

模型商业化闭环与盈利能力测算

国内外云厂收入结构拆分

风险提示

![](page=29,bbox=[2584, 73, 3059, 133])

谷歌云拆分

26年预计谷歌云收入同比 +85%，绝对值增长约500亿美元，其中100亿来自传统云， 400亿来自AI云的TPU、GPU租赁、MaaS增长，TPU租赁及外售是主要驱动因素。

27年预计谷歌云收入同比 +95%，绝对值增长约1000亿美元，其中150亿来自传统云，AI云贡献绝大部分增量，最核心的增长来自TPU租赁增量约300亿+TPU外售增量约250亿美元。我们预计26年TPU出货量接近1000万张，推动公司AI云收入占比达到 70%。

利润端，我们测算26Q3可能出现小幅OPM下滑，主要是部分采用算力租赁方式满足需求。

表：谷歌云收入利润拆分

单位:百万美元

2024

2025

2026E

2027E

1Q25

2Q25

3Q25

4Q25

1Q26

2Q26

3Q26E

4Q26E

1Q27E

2Q27E

3Q27E

4Q27E

谷歌云收入

43,229

58,705

108,414

211,209

12,260

13,624

15,157

17,664

20,028

24,768

28,802

34,817

41,329

49,611

56,347

63,923

YoY

31%

36%

85%

95%

28%

32%

34%

48%

63%

82%

90%

97%

106%

100%

96%

84%

员工薪酬

20,519

22,078

27,870

36,231

5,412

5,517

5,586

5,563

6,443

6933

7,262

7,232

8,376

9,013

9,440

9,401

YoY

26%

30%

11%

19%

26%

30%

占收入比例

47%

38%

26%

17%

其他运营成本(含折旧)

16,598

22,717

42,582

99,829

4,671

5,281

5,977

6,788

6,987

9,021

11,400

15,175

18,186

22,986

26,846

31,811

YoY

35%

37%

87%

134%

33%

32%

41%

40%

50%

71%

91%

124%

160%

155%

136%

110%

占收入比例

38%

39%

47%

6,112

13,910

37,962

75,149

2,177

2,826

3,594

5,313

6,598

8,814

10,140

12,410

14,767

17,612

20,060

22,710

OPM

14%

24%

35.0%

35.6%

18%

21%

24%

30%

33%

35.6%

35.2%

35.6%

35.7%

35.5%

35.6%

35.5%

Google Cloud Platform

27,374

40,804

88,466

189,160

8,322

9,328

10,503

12,652

15,639

19,981

23,615

29,231

36,478

44,319

50,614

57,749

YoY

39%

49%

117%

114%

37%

43%

45%

68%

88%

114%

125%

131%

133%

122%

114%

98%

占比

63%

70%

82%

90%

-1,815

4,959

208

678

1,267

2,807

4,404

6,420

7,547

9,617

12,342

14,966

17,194

19,623

OPM

-7%

12%

22%

28%

32%

33%

34%

传统云

23,833

31,407

42,573

57,473

6,997

7,675

8,098

8,637

9,366

10,615

10,932

11,660

12,644

14,331

14,758

15,740

YoY

32%

36%

35%

30%

34%

29%

34%

38%

35%

占GCP

87%

77%

48%

30%

-2,988

1,468

-16,763

-48,240

-243

360

1,253

2,047

2,934

3,022

3,223

3,495

3,961

4,079

4,351

OPM

-13%

-39%

-84%

-3%

15%

22%

28%

AI云

3,541

9,397

45,894

131,687

1,324

1,653

2,405

4,015

6,274

9,365

12,683

17,572

23,835

29,988

35,855

42,009

YoY

117%

165%

388%

187%

87%

103%

152%

278%

374%

466%

427%

338%

280%

220%

183%

139%

占GCP

13%

23%

52%

70%

16%

18%

23%

32%

40%

47%

54%

60%

65%

68%

71%

73%

占云收入比例

16%

42%

62%

11%

12%

16%

23%

31%

38%

44%

50%

58%

60%

64%

66%

1,173

3,492

16,763

48,240

451

579

907

1,554

2,357

3,486

4,525

6,395

8,847

11,005

13,115

15,273

OPM

33.1%

37.2%

36.5%

36.6%

34.1%

35.1%

37.7%

38.7%

37.6%

37.2%

35.7%

36.4%

37.1%

36.7%

36.6%

36.4%

AI IaaS收入

3,541

7,049

34,154

96,467

1,207

1,418

1,700

2,724

4,513

7,017

9,748

12,876

16,791

21,887

26,346

31,443

YoY

117%

99%

385%

182%

70%

74%

78%

156%

274%

395%

473%

373%

272%

212%

170%

144%

1,173

2,318

10,893

30,630

393

462

555

908

1,476

2,312

3,058

4,047

5,325

6,955

8,360

9,990

OPM

33.1%

32.9%

31.9%

31.8%

32.5%

32.6%

33.4%

32.7%

33.0%

31.4%

31.7%

31.8%

31.7%

31.8%

TPU收入

2,214

4,059

23,827

80,130

609

731

893

1,826

2,448

4,642

6,960

9,778

13,523

18,130

21,935

26,542

YoY

92%

83%

487%

236%

38%

43%

49%

175%

302%

535%

679%

435%

453%

291%

215%

171%

占云收入比例

22%

38%

10%

12%

19%

24%

28%

33%

37%

39%

42%

TPU租赁

2,214

4,059

18,827

50,130

609

731

893

1,826

2,448

4,142

5,460

6,778

9,023

11,530

13,535

16,042

YoY

168%

83%

364%

166%

38%

43%

49%

175%

302%

467%

511%

271%

269%

178%

148%

137%

TPU外售

5,000

30,000

500

1500

3000

4500

6600

8400

10500

GPU收入

1,327

2,990

10,327

16,336

598

688

807

897

2,065

2,375

2,788

3,098

3,267

3,757

4,411

4,901

YoY

168%

125%

245%

58%

MaaS收入

2,348

11,740

35,220

117

235

704

1,291

1,761

2,348

2,935

4,696

7,044

8,101

9,509

10,566

YoY

400%

200%

1,174

5,870

17,610

117

352

646

881

1,174

1,468

2,348

3,522

4,050

4,755

5,283

OPM

50%

谷歌云拆分

![](page=30,bbox=[2541, 72, 3044, 193])

折旧影响可能相对滞后：谷歌26/27年预计收入增长接近翻倍，与CAPEX增速接近，在此基础上，26Q2折旧增速仅 40%+。另一方面，谷歌的资本开支大约 90%在当年转为在建工程，意味着在次年开始折旧，因此整体折旧对利润影响相对滞后。假设28年开始收入增速放缓，CAPEX增速降至 20%，折旧增速达到 70%，对利润端的影响开始逐渐显现。

表：谷歌云折旧摊销预测

期间

2024A

2025A

2026E

2027E

2028E

2029E

2030E

2031E

实际/预测

实际

预测

资本开支、在建工程与转固

资本开支

$52,535

$91,447

$200,000

$400,000

$480,000

$528,000

$554,400

年末在建工程/当年CapEx

96.3%

85.9%

90.0%

年末在建工程

$50,597

$78,592

$180,000

$360,000

$432,000

$475,200

$498,960

模型期可用CapEx

$119,402

$400,000

$480,000

$528,000

$554,400

模型期期初在建工程

$122,814

$180,000

$360,000

$432,000

$475,200

$498,960

模型期在建工程增加

$57,186

$180,000

$72,000

$43,200

$23,760

转入已投产资产

$62,216

$220,000

$408,000

$484,800

$530,640

$554,400

技术基础设施(已投产原值)

$141,852

$203,679

$309,393

$529,393

$937,393

$1,422,193

$1,952,833

$2,507,233

办公空间(已投产原值)

$45,403

$48,348

$50,635

公司及其他资产(已投产原值)

$12,574

$14,463

$6,498

已投产固定资产合计

$199,829

$266,490

$366,526

$586,526

$994,526

$1,479,326

$2,009,966

$2,564,366

固定资产原值(含在建)

$250,426

$345,082

$546,526

$946,526

$1,426,526

$1,954,526

$2,508,926

$3,063,326

折旧预测

技术基础设施折旧年限

9.0

8.0

其他已投产资产折旧年限

20.0

平均技术基础设施原值

$256,536

$419,393

$733,393

$1,179,793

$1,687,513

$2,230,033

技术基础设施折旧

$28,504

$52,424

$91,674

$147,474

$210,939

$278,754

平均其他已投产资产原值

$59,972

$57,133

其他资产折旧

$2,999

$2,857

折旧合计

$15,311

$21,136

$31,503

$55,281

$94,531

$150,331

$213,796

$281,611

折旧同比增速

38.0%

49.0%

75.5%

71.0%

59.0%

42.2%

31.7%

折旧/CapEx

29.1%

23.1%

15.8%

13.8%

19.7%

28.5%

38.6%

50.8%

资料来源：公司财报，国信证券经济研究所整理测算

请务必阅读正文之后的免责声明及其项下所有内容

![](page=31,bbox=[2605, 74, 3041, 150])

亚马逊云拆分

预计26/27年公司AI云收入有望达到316/767亿美元，占云收入比例达到 18%/31%。AWS AI云收入结构与其他公司不同，26年的重要增长驱动来自Bedrock平台 Claude模型贡献的MaaS收入，预计在26Q1150亿AI云ARR中占比达到1/3。IaaS层主要依赖26年起Trainium芯片放量，因此26- 27年预计公司收入有望迎来加速期。

利润端：由于MaaS业务占比更高，有望帮助亚马逊保持更好的OPM

表：亚马逊云收入利润拆分

单位：百万美元

2024

2025

2026E

2027E

1Q25

2Q25

3Q25

4Q25

1Q26

2Q26

3Q26E

4Q26E

1Q27E

2Q27E

3Q27E

4Q27E

AWS收入

107,556

128,725

179,225

260,495

29,267

30,873

33,006

35,579

37,587

42,232

46,814

52,592

55,995

62,917

67,865

73,718

YOY

19%

20%

39%

45%

17.0%

17.5%

20.2%

24.0%

28%

37%

42%

48%

49%

45%

40%

39,834

45,606

68,027

98,293

11,547

10,160

11,434

12,465

14,161

16,621

17,511

19,734

21,066

23,721

25,630

27,876

OPM

37.0%

35.4%

38.0%

37.7%

39.5%

32.9%

34.6%

35.0%

37.7%

39.4%

37.4%

37.5%

37.6%

37.7%

37.8%

传统云

104,806

122,034

147,676

177,212

28,392

29,598

31,019

33,025

33,837

35,982

37,709

40,148

40,604

43,178

45,251

48,178

YOY

16%

21%

20%

16%

18%

19%

22%

20%

38,829

43,064

55,714

65,568

11,217

9,678

10,679

11,490

12,711

14,196

13,952

14,855

15,024

15,976

16,743

17,826

OPM

37.0%

35.3%

37.7%

37.0%

39.5%

32.7%

34.4%

34.8%

37.6%

39.5%

37%

AI云收入

2,750

6,691

31,548

83,283

875

1,275

1,987

2,554

3,750

6,250

9,105

12,444

15,391

19,739

22,614

25,540

YOY

400%

143%

371%

164%

329%

390%

358%

387%

310%

216%

148%

105%

占比

18%

32%

3.0%

10%

15%

19%

24%

27%

31%

33%

35%

ARR

15,000

25,000

1,005

2,542

12,313

32,724

330

482

755

975

1,450

2,425

3,559

4,879

6,042

7,745

8,887

10,050

OPM

37%

38%

39%

38%

39%

AI IaaS

2750

5,739

15,798

36,158

796

1,154

1,698

2,091

2,500

3,750

4,355

5,194

6,328

8,864

9,926

11,040

YOY

400%

109%

175%

129%

214%

225%

156%

148%

153%

136%

128%

113%

AI IaaS OP

1,005

2,161

6,013

13,874

299

434

639

789

950

1,425

1,659

1,979

2,417

3,395

3,812

4,250

OPM

36.6%

37.7%

38.1%

38.4%

37.5%

37.6%

37.7%

37.8%

38.0%

38.1%

38.2%

38.3%

38.4%

38.5%

GPU

2,689

6,128

11,780

396

554

798

941

1,000

1,500

1,655

1,974

2,278

3,014

3,176

3,312

YOY

128%

92%

152%

171%

107%

110%

128%

101%

92%

68%

941

2,145

4,123

139

194

279

329

350

525

579

691

797

1,055

1,112

1,159

OPM

35%

资料来源：公司财报，国信证券经济研究所整理测算

阿里云拆分

![](page=32,bbox=[2586, 74, 3046, 131])

阿里云收入加速和利润率的提升主要来自以下AI云的驱动，具体来看：

GPU租赁：提价+自研芯片的放量缓解供给压力，推动收入增长的同时，毛利率也将持续优化

MaaS：随着Token调用量的爆发，预计6月底ARR已达到100亿元，MaaS收入占比的提升也将推动整体利润率改善。

未来三年，预计阿里云收入中，AI云收入占比将超过外部云收入的 60%，也将推动阿里云收入保持复合约 45%的增长。同时，利润端伴随AI云Margin对整体的带动，将提升至约 18%。

表：阿里云收入利润拆分

单位:百万元人民币

FY2025

FY2026

FY2027E

FY2028E

FY2029E

1QFY262Q25

2QFY263Q25

3QFY264Q25

4QFY261Q26

1QFY27E2Q26

2024

2025

2026

2027

2028

2026

2027

2028

收入

118,028

158,132

235,312

349,236

500,088

33,398

39,824

43,284

41,626

48,518

YoY

11%

34%

49%

48%

43%

26%

34%

36%

38%

45%

外部

83,698

111,043

169,388

256,941

370,875

24,092

27,791

29,331

29,829

35,489

yoy

10%

33%

53%

52%

44%

26%

29%

35%

40%

47%

占云收入

AI云收入

11,260

28,263

71,121

143,935

243,178

4,914

6,578

7,800

8,971

12,284

yoy

135%

151%

152%

102%

69%

160%

134%

150%

占外部云收入

13%

25%

42%

56%

66%

20%

24%

27%

30%

35%

GPU租赁

19,687

38,967

62,347

93,521

3,440

4,605

5,460

6,182

8,256

YoY

98%

60%

50%

130%

140%

占AI云比例

70%

55%

43%

38%

70%

69%

67%

毛利

5,015

12,304

21,886

33,668

860

1,059

1,365

1,731

2,477

毛利率

25%

32%

35%

36%

25%

23%

25%

28%

30%

MaaS(含百炼+API调用)

5,658

25,300

69,250

127,450

983

1,316

1,560

1,800

2,800

YoY

347%

174%

84%

134%

185%

占AI云比例

20%

36%

48%

52%

20.0%

20.1%

22.8%

毛利

1,698

8,855

24,238

44,608

295

395

468

540

980

毛利率

30%

35%

30%

35%

其他

2,918

6,854

12,337

22,207

491

658

780

989

1,229

YoY

135%

80%

157%

150%

占AI云比例

10%

11%

10%

毛利

1,751

4,112

7,402

13,324

295

395

468

593

737

毛利率

60%

AI云毛利

8,463

25,272

53,526

91,599

1,450

1,848

2,301

2,864

4,194

AI云毛利率

30%

36%

37%

38%

29.5%

28.1%

29.5%

31.9%

34.1%

传统云收入

72,438

82,780

98,266

113,006

127,697

19,178

21,213

21,531

20,858

23,205

yoy

14%

19%

15%

13%

11%

12%

15%

19%

21%

占外部云收入

87%

75%

58%

44%

34%

传统云毛利

20,695

24,567

28,252

31,924

4,795

5,303

5,383

5,215

5,801

传统云毛利率

25%

外部云综合毛利

29,158

49,838

81,778

123,524

6,244

7,152

7,684

8,079

9,995

外部云综合毛利率

26%

29%

32%

33%

26%

27%

28%

内部

34,330

47,089

65,925

92,294

129,212

9,306

12,033

13,953

11,797

13,028

yoy

13%

37%

40%

25%

49%

39%

34%

40%

占云收入

内部云综合毛利

11,772

16,481

23,074

32,303

2,327

3,008

3,488

2,949

3,257

内部云毛利率

25%

阿里云综合毛利

40,931

66,320

104,851

155,827

8,571

10,160

11,172

11,028

13,252

阿里云综合毛利率

26%

28%

30%

31%

26%

27%

经调EBITA

10556

14265

30,538

57,307

90,815

2,954

3,604

3,911

3,796

5,489

YoY

89%

35%

114%

88%

58%

26%

35%

25%

57%

86%

经调EBITA Margin

8.9%

9.0%

13.0%

16.4%

18.2%

8.8%

9.0%

9.1%

11.3%

资料来源：公司财报，国信证券经济研究所整理测算

![](page=33,bbox=[2542, 72, 3043, 194])

中美AI投入规模及进展

国产模型性价比优势凸显，融资规模持续扩大

模型商业化闭环与盈利能力测算

国内外云厂收入结构拆分

风险提示

风险提示

![](page=34,bbox=[2540, 73, 3043, 194])

第一，宏观经济波动。若宏观经济波动，公司业务、产业变革及新技术的落地节奏或将受到影响。

第二，下游需求不及预期。若下游AI需求不及预期，相关的AI研发投入增长或慢于预期，致使行业增长不及预期。

第三，核心技术水平升级不及预期的风险。AI大模型研发进度落后，AIGC相关产业技术壁垒较高，核心技术难以突破，影响整体进度。

第四，AI快速迭代、平权化下竞争加剧，影响云业务利润率。

第五，高资本开支下，利率波动可能带来融资成本压力风险。

免责声明

![](page=35,bbox=[2540, 72, 3044, 194])

国信证券投资评级

投资评级标准

类别

级别

说明

报告中投资建议所涉及的评级(如有)分为股票评级和行业评级(另有说明的除外)。评级标准为报告发布日后6到12个月内的相对市场表现,也即报告发布日后的6到12个月内公司股价(或行业指数)相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300指数(000300.SH)作为基准;新三板市场以三板成指(899001.CSI)为基准;香港市场以恒生指数(HSI.HI)作为基准;美国市场以标普500指数(SPX.GI)或纳斯达克指数(IXIC.GI)为基准。

股票投资评级

优于大市

股价表现优于市场代表性指数10%以上

中性

股价表现介于市场代表性指数±10%之间

弱于大市

股价表现弱于市场代表性指数10%以上

无评级

股价与市场代表性指数相比无明确观点

行业投资评级

优于大市

行业指数表现优于市场代表性指数10%以上

中性

行业指数表现介于市场代表性指数±10%之间

弱于大市

行业指数表现弱于市场代表性指数10%以上

分析师承诺

作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。

重要声明

本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司（以下简称“我公司”）所有。本报告仅供我公司客户使用，本公司不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本为准。

本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。

本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。

证券投资咨询业务的说明

本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者建议等直接或者间接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评论、报告，以及通过电台、电视台等公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询服务；中国证监会认定的其他形式。

发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向客户发布的行为。

国信证券

GUOSEN SECURITIES

国信证券经济研究所

深圳

深圳市福田区福华一路125号国信金融大厦36层

邮编：518046 总机：0755-82130833

上海

上海浦东民生路1199弄证大五道口广场1号楼12楼

邮编：200135

北京

北京西城区金融大街兴盛街6号国信证券9层

邮编：100032

本站所有资讯是用户利用其本地Agent获取并分享，均为公开信息，如需删除请联系我们。