川海智库

报告概述

本报告以美股科技巨头为切入点，系统复盘了2023年至2025年大模型领域的核心趋势与资本开支变化，并展望2026年发展方向。研究对象覆盖OpenAI、Gemini、Anthropic、Grok等主流模型厂商，以及英伟达、微软、谷歌、Meta等科技巨头。分析内容包括模型架构演化（如Transformer、Mamba、Titans）、Scaling Law的延续性、多模态与长文本能力进展、推理侧需求爆发拐点、商业化路径差异等。报告采用历史复盘与前瞻预测相结合的方法，为投资者理解AI产业链的投资机会提供框架性参考。

报告的核心结论

Scaling Law远未见顶，强化学习是未来重点。

报告指出，尽管预训练数据增速放缓，但通过合成数据、模型架构调整以及强化学习（尤其是RLVR），Scaling Law仍将延续。谷歌Gemini预训练负责人认为，预训练在接下来一年仍不会失效。同时，后训练阶段的强化学习（如RLVR）成为提升模型能力的关键，Grok4通过10倍后训练算力投入实现能力跃升。

模型架构向混合方向演化，多模态与长文本为Agent奠定基础。

后Transformer时代，谷歌Titans、Mamba等新架构出现，旨在解决Transformer的计算瓶颈和记忆局限。国内厂商如阿里Qwen3-Next、DeepSeek V3.2则在成本效率上优化。多模态与长文本能力的成熟，使Agent能够处理更复杂的任务，2026年有望迎来更成熟的Agent应用。

推理侧需求2026年有望爆发，编程和Agent商业化最快。

2025年大模型tokens消耗持续高增长，但以内部场景为主。2026年随着多模态、Agent等应用放量，外部推理需求将加速。目前AI编程（如Cursor）和企业Agent（如Manus、Salesforce Agentforce）商业化进展最快，AI编程市场规模预计2030年达260亿美元。

中美模型差距约3-6个月，算力与算法是关键瓶颈。

报告认为，中国在算力资源上仅占全球15%-20%，远低于美国的70%，限制了更大参数模型的尝试。算法上，国内在原生多模态方面仍有差距，但在强化学习效率优化上具有特色。数据质量和丰富度方面，国内大厂并不明显落后。

报告回答的关键问题

大模型Scaling Law是否已经见顶？

报告认为Scaling Law远未见顶。尽管预训练数据增长放缓，但通过合成数据、模型架构调整（如稀疏注意力、混合架构）以及强化学习，Scaling Law仍将持续。谷歌Gemini预训练负责人表示，预训练在接下来一年仍不会失效。此外，推理阶段的Scaling（测试时计算）也成为新的增长点。

2026年AI投资应关注哪些方向？

报告建议关注算力基础设施（芯片、云厂商）和大模型厂商。算力方面，北美Capex预计2026年仍将增长30%以上，但电力瓶颈日益凸显。大模型厂商中，谷歌凭借原生多模态和自研芯片生态领先，Anthropic在企业端具有优势，OpenAI的C端壁垒深厚。应用侧看好AI编程、Agent和端侧AI（AI手机、AI眼镜）。

中美大模型差距有多大？

报告指出中美模型差距在3-6个月。算力差距明显：美国拥有全球约70%的算力资源，中国仅15%-20%。算法上，国内在原生多模态方面落后，但强化学习效率优化有特色。数据方面，国内大厂并不逊色。如果要缩小差距，需要在算力和算法上持续追赶。

报告中的代表性数据

50%以上

北美四家科技巨头Capex同比增长率（2025年）

2025年全年，微软、亚马逊、谷歌、Meta四家全年Capex投入均处于50%以上同比增长，总额从年初3200-3300亿美元上修至接近4000亿美元。预计2026年仍将实现30%以上增长。

3.67万亿

OpenRouter周度tokens消耗量（2025年末）

2025年末，根据大模型聚合平台OpenRouter数据，25年的周tokens消耗量已从年初的5000亿增长至年末的3.67万亿，编程是主要驱动因素。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 美股科技巨头股价与资本开支的详细复盘：包括2023-2025年微软、亚马逊、谷歌、Meta、英伟达的涨跌幅拆解、PE变动及资本开支逐季上修过程。
  • 模型架构演化的深度分析：涵盖Transformer、Titans、Mamba、混合架构（如Jamba、Granite 4.0）的原理、优劣势对比，以及国内Qwen3-Next、DeepSeek V3.2的架构创新。
  • Scaling Law的完整论证：包括预训练、中训练、后训练及推理阶段Scaling的详细数据，以及强化学习（RLHF、RLAIF、RLVR）的技术路线图。
  • 主流模型厂商的竞争格局评估：OpenAI的C端壁垒与B端拓展、Gemini的生态闭环、Anthropic的编程优势、Grok的算力投入策略，含收入模型与估值预测。
  • 推理侧需求爆发的定量分析：OpenRouter tokens消耗结构、谷歌/字节内部调用占比、AI应用市场空间测算（全球SaaS市场2029年近1万亿美元）。
  • AI应用商业化案例详解：Cursor（ARR 10亿美元）、Manus（ARR 1亿美元）、Perplexity（ARR 2亿美元）的产品策略、定价模式与增长路径。
  • 端侧AI落地展望：AI手机（豆包手机助手技术实现）、AI眼镜（Meta、谷歌产品规划）的出货量预测与生态分析。
  • 大模型企业服务分销伙伴需求分析：IBM、埃森哲、Cognizant等咨询与集成商的AI订单增长数据。
  • 投资建议与风险提示：明确标的（阿里巴巴、百度、英伟达、谷歌、腾讯等）及宏观、需求、技术、竞争等风险。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告