【券商聚焦】盛博分析中国AI模型架构战略 聚焦推理能力与成本竞争

（原标题：【券商聚焦】盛博分析中国AI模型架构战略 聚焦推理能力与成本竞争）

盛博(Bernstein)于2026年3月30日发布研报，分析中国互联网行业人工智能模型架构的战略意义，并维持对腾讯控股(00700.HK)的“跑赢大市”评级及790港元目标价，以及对阿里巴巴(09988.HK)的“跑赢大市”评级及176港元目标价。研报指出，顶级AI实验室的模型设计选择揭示了其市场定位与竞争策略的差异。 研报对比了主要AI实验室的模型核心数据。MiniMax的M2.5模型拥有2300亿总参数，但每令牌仅激活100亿参数，其定价策略显著鼓励键值缓存使用，缓存读取令牌价格低至0.03美元/百万令牌，旨在优化低成本代理AI推理。相比之下，Z.ai的GLM5模型规模更大，总参数约7440亿，每令牌激活400亿参数，缓存读取令牌价格约为0.60美元/百万令牌，其设计更侧重于卓越的通用推理能力、编码性能和较低的幻觉率。阿里巴巴的Qwen模型家族则采取平台化策略，提供从微型到超大规模的全系列模型，旨在最大化捕获各类AI计算需求。 不同策略导致市场定位分化。MiniMax模型因高效率与低成本，已成为支持OpenClaw等代理应用的热门后端，其M2.5模型在OpenRouter上的缓存命中率中位数约70%。Z.ai则凭借更强的通用推理能力，更专注于对可靠性要求更高的企业级市场，其GLM5模型的缓存命中率中位数约为40%。阿里巴巴凭借其超大规模云基础设施优势，通过Qwen模型驱动云计算服务需求，其近期发布的Qwen3.5模型在提升智能水平的同时实现了成本下降。行业增长的核心驱动力来自代理AI工作流的普及，但计算资源紧张正成为关键瓶颈。 行业竞争格局方面，AI计算成本正显著上升。近期阿里巴巴云、腾讯云和百度云均已上调AI计算产品价格，独立计算供应商的服务器租赁报价也自年初以来持续上涨。研报认为，作为计算资源主要购买方的AI实验室（如MiniMax和Z.ai）在很大程度上是价格接受者，不断上涨的计算成本将对其推理利润和训练成本构成压力，投资者目前预期的25-30%训练成本增长在成本上升环境中可能偏低。长期而言，基于顶尖通用推理能力和专业任务完成能力构建的市场地位预计更具防御性，而低成本代理后端市场可能因更多中国开发商及全球领先者的“轻量版”模型加入而变得拥挤。 行业面临的核心风险包括持续攀升的计算成本、模型能力趋同带来的商品化压力，以及地缘政治因素（例如Z.ai被列入美国商务部实体清单）。估值方面，AI实验室的股价目前主要由产品迭代和年度经常性收入增长驱动，但成本压力可能影响未来盈利预期。