一、元数据与概览(引言与报告概览)
- 报告标题为“AI应用持续落地-计算机行业事件点评”,发布机构为中银证券研究团队,发布日期标注为2026年3月1日,发布地为上海,.
- 报告核心主题聚焦于国内互联网大厂在春节期间大规模推广AI应用的市场行为、国内大模型能力与应用落地进展、以及行业未来发展逻辑的判断(即通用大模型与垂直行业应用双线并进),并提出相关投资建议与风险提示,.
- 报告核心论点包括:第一,科技大厂以现金与营销资源大力培育AI使用习惯;第二,国内大模型在算力与市场使用上快速追赶并在部分平台占优;第三,尽管存在关于“AI取代人类”的乌托邦/反乌托邦讨论,但现实落地更偏向“增强而非取代”;第四,行业未来可能“兵分两路”,通用模型与行业纵向模型并行发展;最终给出“建议关注大模型及细分行业AI Agent领域企业”的投资结论,.
二、逐节深度解读(逐章精读与剖析)
- 研报精选 / 摘要章节解读
- 本节指出国内互联网大厂在春节期间合计投入超45亿元用于AI应用推广,视作培育用户习惯与争夺应用生态的重大战略行为,这一事实被用作支持“生态竞争白热化”的直接证据,.
- 推理依据为:大规模现金与活动投入能显著降低用户试用成本并快速形成习惯,从而在短期内放大平台吸引力与数据获取速度;报告以字节、阿里、腾讯、百度的具体活动与资金规模举例来佐证上述结论(如字节的互动达19亿次、阿里投入30亿元奶茶免单、腾讯10亿元现金、百度5亿元红包),这些具体数据被用来说明推广力度与用户响应度的强度,.
- 关键数据点包括:春节推广累计超45亿元支出、字节互动19亿次、阿里“30亿元”活动、阿里通义千问25元无门槛免单卡联动超30万家门店、腾讯10亿元、百度5亿元红包等,报告将这些数字解释为短期营销强刺激与长期用户习惯养成的双重证据,.
- 对这些数字的意义判断:报告认为真金白银的投入不仅是市场宣传,更是培养“有事找AI”这一使用心智的长期战略投资,隐含假设包括:用户被实惠与便利绑住后会保留平台使用频率,并逐步形成数据与场景壁垒供模型迭代使用,.
- 模型能力与市场占有(模型层面解读)
- 报告列举了国内模型迭代与性能提升的多项证据作为支撑点,包括阿里“通义千问3.5”参数规模、MiniMax M2.5在编程榜单上的得分与TPS性能,以及OpenRouter平台的token调用数据占比等,以论证国内模型在能力与市场端的快速追赶态势,.
- 具体关键数据点及其含义如下:通义千问3.5系列总参数3970亿、激活参数170亿、API价格低至每百万Token输入0.8元,报告用这些数据说明厂商在提升模型规模同时寻求更低的边际使用成本以促进商业化与普及;MiniMax M2.5在SWE-Bench Verified得分80.2%,且轻量版支持100 TPS以上,说明在工程效率与实际吞吐上具备竞争力;OpenRouter周度数据显示前十模型总token约8.7万亿,中国模型占5.3万亿(61%),且当周调用量前三为国产模型(Minimax M2.5、Kimi K2.5、GLM-5)且调用量环比变动分别为+197%、-20%、+158%,这些数据被作者用来说明本土模型生态的活跃与使用率优势,.
- 报告对这些数据的逻辑推断:高调用量与较低API价格共同推动本土模型在应用端的快速扩张,且轻量化与高TPS支持推动模型在实时性和工程化落地方面的适配能力,这构成了其商业化路径的核心假设,.
- 产品化与岗位/场景化趋势(应用端解读)
- 报告引用Anthropic推出的Claude Cowork及其11款岗位插件作为示例,说明国外厂商在打造岗位级插件以实现特定业务流程自动化方面的进展,包括与Office套件兼容等实用集成,借此指出AI工具在标准化任务与工作流程自动化方面的直接价值,.
- 推理依据在于:岗位插件直接对接日常业务工具(如Excel/PowerPoint),能在短期看到效率提升,从而更容易实现商业化变现路径与企业付费意愿,报告以此说明“AI增强工作效率”而非立刻广泛替代复杂决策岗位的现实边界,.
- 市场情绪与反乌托邦预测(市场风险感知)
- 报告提到Citrini Research发布的反乌托邦式预测,假设到2028年失业率升至10.2%且标普500自2026高点可能回撤38%,并指出该报告在市场中引发恐慌情绪,成为美股科技回调的诱因之一;报告同时以Anthropic的Claude当前主要用于代码扫描与漏洞补丁的例子来反驳“AI马上取代复杂岗位”的绝对论断,.
- 关键点在于:作者认为极端预测可能放大短期市场波动,但从企业级工具目前应对的任务类型看来,AI更多承担标准化、规则明确的工作而非复杂应急或需要人类主观判断的任务,因此“增强而非取代”是更贴近现实的结论;该判断基于对现有工具能力与使用场景的观察而形成,.
- 发展逻辑与投资建议章节
- 报告总结认为行业可能呈现“双线发展”格局:一是资金雄厚互联网厂商继续押注通用大模型以争夺技术制高点,二是具备行业数据壁垒与场景理解能力的企业将在行业纵向大模型与AI Agent方面形成差异化优势,能够与自身业务深度结合实现商业化应用;基于此结论提出“建议关注大模型及细分行业AI Agent领域企业”的投资建议,并列举了一批相关公司名单作为关注池(如智谱、MINIMAX-WP、科大讯飞、用友网络等),这些结论与建议均出自报告提述,.
- 报告同时列出评级面临的主要风险,包括产业推进不及预期、技术研发进展不及预期、国际合作难以推进等三项主要风险点,用以提示投资判断的不确定性与外生风险因素,.
三、图表与图片深度解读(视觉内容与表格)
- 报告附带一张二维码与免责声明页的图片,图片文件路径为 images/9309f65fe958e59768a8c2724adf17e0c04e6ee5eb67c65b33a5842d7cbd62d8.jpg?page=1,并可见于报告第二页以供读者跳转至研报详情或关注订阅号使用,该图片用于引导读者获取全文与传达合规声明,与研究结论本身无直接数据含义,.
- 对于文本中呈现的数据与“图表式”信息(尽管原文未提供结构化表格,但列举了多个可量化指标),我将其视觉化要点解读为:一是营销投放规模(超45亿元)说明短期市场刺激强度;二是模型参数规模与API定价(如3970亿、激活参数170亿、0.8元/百万Token)反映模型成本-价格策略的双重维度;三是OpenRouter的token数据(前十模型8.7万亿、国产占61%)直观说明了本土模型的使用量领先,这些“数值图形”共同讲述了一个市场由“推广驱动”向“使用驱动”过渡的故事,.
- 对这些“图表数据”的局限性评论:原文未给出更细的分季度/地域/行业分布数据,且对推广投入的投入产出(如新增活跃用户的留存率、长期付费转化)未给出量化跟踪,使得从营销支出直接推断长期商业化效果具有不确定性;同样,OpenRouter调用量的周度波动(如+197%等)虽显示增长势头,但短期波动性较大,需要更长期序列以判断稳定性与粘性,.
四、估值分析(若报告含估值部分则分析;如无则说明)
- 报告内容并未包含针对单只股票或行业的具体估值模型、目标价或详细财务预测等结构化估值表格;因此没有可直接拆解的DCF、可比公司倍数或敏感性分析数据可供复核或复算,.
- 基于此,报告的投资建议更偏向自上而下的主题性与行业机会甄别,而非基于个股估值差异做出的明确买入/卖出评级,因此对于需基于估值判断的投资者,报告提示了需进一步查看个股研究或等待中银证券后续个股覆盖或更新研究报告以获取估值细节,.
五、风险因素评估(报告识别的风险与潜在影响)
- 报告列举的主要风险包括:产业推进不及预期、技术研发进展不及预期、国际合作难以推进,这三类风险分别对应市场需求、技术能力与外部环境的不确定性,.
- 潜在影响分析:若产业推进不及预期,营销规模的边际效应可能被削弱,用户习惯的养成速度放缓,从而影响模型训练数据获取与商业化路径;若技术研发进展不及预期,厂商在通用模型或行业模型上的竞争力可能受限,价格战或长期亏损可能随之发生;若国际合作受限,则可能影响模型训练资源、开源生态以及跨境数据流,从而限制部分技术或市场协同的实现,这些影响均直接影响报告假设下的双轨并行与国内厂商领先的结论有效性,.
- 报告并未对每一风险给出明确的发生概率或细化的缓解策略,更多以提示性质存在,投资者需结合后续观察指标(如用户留存、API付费转化率、模型benchmark结果与国际合规政策变化)进行持续跟踪,.
六、批判性视角与细微差别(审慎视角)
- 报告的强项在于以大量当期事件与可量化指标来支撑“应用落地加速”的结论,但需要注意的是:营销投入大并不必然等同于长期商业化成功,用户短期互动与长期付费/留存之间仍存在转换风险,报告对此转换率的实证数据未呈现,这构成论证链条上的薄弱环节,.
- 关于OpenRouter调用量的数据,报告强调国产模型占比61%并列举环比增幅,但未说明调用量的业务类型(低价值查询vs高价值API调用)、付费/免费占比与长期趋势,这可能导致对“市场主导地位”的过度解读,需警惕周度数据波动带来的短期误判风险,.
- 报告对“AI增强而非取代”的立场较为温和,但引用反乌托邦预测以说明市场恐慌后在理性化回归的语气也可能低估了某些细分岗位在特定自动化路径下被实质替代的风险,建议在后续研究中补充分岗位、分场景的替代风险测算与行业就业结构敏感性分析,以便更全面评估宏观与微观影响,.
七、结论性综合(总结与行动要点)
- 报告结论强调:春节期间超45亿元的推广投入与国产模型在OpenRouter平台上的高调用量共同显示出国内AI应用生态的活跃与市场潜力,表明短期推广与中期供给侧能力的双重推进正在形成现实路径支撑行业的商业化落地假设,.
- 报告判断行业将呈现“通用大模型+垂直行业应用”双线并行的发展态势,并据此提出关注大模型与垂直AI Agent企业的投资建议,相关公司名单在文本中列出以供跟踪,.
- 需要重点关注的跟踪指标包括:推广投入后的用户留存与付费转化率、模型调用的持续性与付费占比、模型benchmark的长期演进、以及国际政策与合作环境的变化,这些指标将直接决定报告假设能否演化为稳健的投资收益路径,.
- 附录:报告的二维码与免责声明页用于获取全文与合规提示,请通过报告提供的图片链接进行原文查阅与合规确认(二维码图片见下),该页同时强调本订阅号仅面向中银证券已签约的专业投资者并包含版权与免责声明说明,.
总体评价(简短):报告以事件驱动与即时数据为核心证据链,较为系统地论证了AI应用落地的节奏与方向,并给出主题性投资建议,但在将短期营销/调用数据转化为长期估值或个股买入建议方面缺乏具体估值模型与长期量化跟踪数据,投资者在采纳建议时应补充对个股财务模型与用户转化数据的独立审查以降低执行风险。