20260421-华泰证券-华泰_计算机_场景Token重塑AI应用商业模式_6页_544kb

华泰 | 计算机：场景Token重塑AI应用商业模式总结

核心内容

本研报探讨了AI应用商业模式在Token经济下的价值重构逻辑，提出当前市场对AI应用板块存在估值误判。AI时代的定价逻辑围绕Token展开，形成了算力层、模型层、应用层的三层加价结构。其中，应用层通过私有数据与行业Know-how提升Token的场景转化率，其价值尚未被充分挖掘，具备较大的投资机会。

主要观点

1. Token经济学的三层结构

   • 算力层：Token的物理生产，加价来源为资源稀缺性与规模降本，核心价值在于卡位与规模。
   • 模型层：Token的智能密度，加价来源为智能水平的差异，核心壁垒为训练数据与算力的先发优势。
   • 应用层：Token的场景转化率，加价来源为私有数据×行业Know-how，核心价值在于将Token转化为业务结果，提升效率差价。

2. 对“大模型吞噬软件”叙事的误判

   • 误判一：算力支出增加并非挤压软件预算，而是开辟新的预算来源，AI Agent原生应用正在争夺传统软件预算及业务相关预算。
   • 误判二：企业AI应用的价值不在于代码本身，而在于行业数据积累、工程化判断与效果承诺能力，这些是AI Coding无法替代的。

3. AI应用厂商的竞争优势上升

   • 随着大模型能力增强，拥有行业数据资产与效果承诺能力的应用厂商壁垒增强，其竞争优势上升。

4. AI应用公司的双轴评估框架

   • 护城河轴：评估公司是否具备长期竞争力，包括客户粘性、数据时间资产、私有化部署性质、平台化程度、场景暴露度等五个维度。
   • 成长性轴：评估公司未来的增长潜力，包括纵向渗透空间、横向扩张可行性、AI共振系数等三个维度。

关键信息

• Token作为价值单元：Token是AI产业链上流通的基本价值单元，应用层通过提升其场景转化率获得更高价值。
• 应用层的四大机制：RAG与微调、Prompt工程与Agent编排、行业知识图谱、效果承诺（按结果付费）。
• 数据飞轮效应：应用层通过持续使用积累行业语料与反馈信号，反哺模型优化，形成自我强化的护城河。
• 投资建议：关注业绩成长性高、估值低位、已有按Token消耗量/按结果付费收入的优质AI应用标的。

投资建议

• 优质标的：业绩成长性高、估值低位、已有按Token消耗量或按结果付费收入的AI应用公司具备投资价值。
• 估值机会：当前市场对AI应用板块的估值存在折价，随着Token经济逻辑的深入，市场有望重新定价。

风险提示

• 宏观经济波动：可能影响AI产业的资本投入和行业增长。
• 技术进步不及预期：AI技术、大模型技术及应用进展若落后预期，将影响行业落地。
• 中美竞争加剧：可能影响国内算力基础设施布局和大模型技术迭代速度。

四象限定价逻辑

总结

AI应用商业模式正在经历从传统软件定价逻辑向Token经济逻辑的转变。应用层通过私有数据与行业Know-how提升Token的使用效率，其价值重构尚未被市场充分认知。当前市场对AI应用板块存在低估，随着Token经济结构的深化，具备强护城河与高成长性的AI应用公司将迎来新的估值机会。