长期模型优先，看好coding商业化价值

东方证券2026-05-3123 页

报告概述

本报告系统梳理了LLM技术发展路径，从预训练架构创新向后训练和推理驱动演变，分析了2025年DeepSeek R1等推理模型带来的范式变化。报告覆盖海内外主要模型厂商（如OpenAI、Google、Anthropic、Meta、阿里、腾讯、字节、智谱、MiniMax等），比较其CapEX投入量级、技术路线选择及商业化进展。重点研究了Coding场景作为LLM商业化价值最高的领域，探讨其技术闭环（CoT、RLVR、可验证性）如何推动编程能力自我进化。报告还提供了长期市场规模测算框架，帮助读者理解AI编程的潜在空间。

报告的核心结论

LLM技术动能从预训练转向后训练和推理阶段

报告指出，2025年以前模型厂商主要通过预训练Scaling Law提升能力，2025年后以DeepSeek R1为代表的推理模型使得RL阶段Scaling Law成为核心。展望2026年，模型性能改进的重点转向后训练中的RLVR拓展和推理时的inference-time scaling，大架构上仍以Transformer为主，但行业在探索更高效架构以最大化算力利用率。

CapEX高投入厂商更可能拉开技术代差

报告显示，2025-2028年CapEX投入3年CAGR中，OpenAI（147%）和Anthropic（96%）增长最快，谷歌和Meta也保持35%以上增速。投入量级分为千亿美元（谷歌、Meta）、百亿美元（阿里、腾讯、字节、OpenAI、Anthropic）和百亿美元以内（智谱、MiniMax）三档。更多算力和人才可支撑多条技术路线探索，是形成技术代差的关键。

Coding是现阶段LLM商业化价值最高的场景

报告基于技术特性和闭环迭代能力判断，Coding率先爆发源于内生思维链和可验证性形成的完整反馈循环。当前全球Coding市场规模约80亿美元，CR4达86%，集中度高。长期看，基于人力成本替代逻辑，中美两国Coding TAM有望达4000亿美元，国内厂商有望通过技术迭代实现突破。

大模型竞争呈两阶段反复，厂商优势随技术范式切换

报告认为，技术范式突破期，高CapEX和人才密度的厂商（如谷歌、阿里、OpenAI）优势更强；技术平台期，模型智力差距收窄，组织敏捷的独立AI厂商（如Anthropic）可通过快速迭代harness实现爆发增长。传统互联网大厂与独立厂商呈差异化竞争，大厂侧重C端流量，独立厂商侧重特定场景token效率。

国产模型厂商有望跑通类Anthropic模式

报告以智谱为例，其战略聚焦编程、私有化部署经验推动模型迭代，26年以来基模持续涨价，API价格综合涨幅83%的同时使用量增长400%，实现量价齐升。DeepSeek、Kimi、MiniMax等也在底模、长上下文、多模态等方面各具特色，国内coding发展大年可期。

报告回答的关键问题

LLM技术发展重点在2026年将转向哪里？

报告指出，2026年LLM技术重点转向后训练和推理阶段。一方面关注更高效架构的出现，用更少算力实现更高建模性能；另一方面关注RLVR在更多通用领域的扩展，以及Inference-time Scaling（推理阶段投入更多计算资源）来进一步提升模型表现。

为什么Coding率先成为LLM商业化爆发点？

Coding场景具备两大独特优势：一是内生思维链（CoT）让模型可自发推理，二是Coding的可验证性提供自动化反馈闭环。两者结合形成自我迭代能力，持续提升模型编程水平。此外，编程能力提升与产品体验改善互为因果，形成数据飞轮，使该场景商业化速度领先于其他领域。

海内外模型厂商CapEX投入差距有多大？

报告将厂商分为三档：①26-28年CapEX预计超千亿美元的有谷歌和Meta；②百亿美元级别的有国内阿里、腾讯、字节及海外OpenAI、Anthropic；③研发投入百亿美元以内的有智谱、MiniMax等。增速方面，OpenAI和Anthropic三年CAGR达147%和96%，远高于国内互联网厂商的9%-16%。

AI Coding的长期市场空间有多大？

报告基于人力成本替代逻辑测算，按AI对程序员岗位的替代深度（入门级60%、中级40%、高级20%），统计中美两国三个级别程序员数量与年薪，得出美国TAM约2147亿美元，中国约1938亿美元，合计超过4000亿美元。该测算未计入其他国家市场，实际空间可能更大。

国产模型厂商在Coding领域有哪些机会？

报告认为，国内厂商如智谱、DeepSeek、Kimi、MiniMax等已展现各具特色的coding能力。智谱类似Anthropic战略聚焦，通过私有化部署积累数据，实现API量价齐升；DeepSeek底模技术领先，注重数理推理；Kimi超长上下文；MiniMax全模态卡位。26年预计是国产模型coding发展大年，黑马仍有可能杀出。