> **来源：[研报客](https://pc.yanbaoke.cn)** # 华泰 | 互联网：AI模型——国内竞争升温，海外差距收敛 ## 核心内容总结 本研报聚焦于当前AI模型领域的竞争态势与技术发展趋势，重点分析了国产AI模型在技术能力、成本控制与市场表现方面的进步，并探讨了未来投资方向与潜在风险。 ### 主要观点 1. **国产模型迭代加速，技术差距缩小** - 国产模型（如Kimi K3、GLM 5.2）的迭代周期显著缩短，与海外模型的差距已缩小至3-4个月。 - 国产模型在参数规模、架构效率和复杂任务处理能力方面逐步接近全球前沿，进一步验证了大参数预训练模型的有效性。 2. **算力仍是核心约束** - 尽管参数Scaling Law仍然适用，但大模型的训练和推理对算力的需求依然很高。 - Kimi K3参数达2.8万亿，对通信带宽和内存要求较高，建议部署于由64个加速器组成的超节点。 3. **Agent领域发展迅速，办公场景应用前景广阔** - Agent行业具备“供给创造需求”的特性，随着模型能力的提升，其在AI办公等场景的渗透率将持续提高。 - 海外Codex与国内WorkBuddy的用户增长持续加速，表明Agent市场正进入关键增长阶段。 4. **投资逻辑清晰，关注国产模型与产业链** - 短期来看，模型层面的竞争加剧，但国产模型在定价权方面已有明显改善。 - 长期来看，Agent技术的渗透有望提升潜在市场空间，同时产业链投资价值进一步凸显。 ## 关键信息 ### 国产模型技术进展 - **Kimi K3**：参数规模达2.8万亿，支持1M上下文长度，原生集成视觉理解能力，主要面向长程编程、知识工作和复杂推理场景。 - **GLM 5.2**：对标海外Opus 4.7，表现持续提升。 - **能力对比**：K3在编程任务上的表现仅小幅弱于GPT-5.6 Sol，整体能力接近国际水平。 ### 价格与成本优势 - **API定价**：K3 API价格已接近海外前沿模型，输入/输出成本分别为3美元和15美元/百万token，相较GPT-5.6 Sol的5美元和30美元，海外溢价明显收窄。 - **算力优化**：K3通过架构升级（如KDA混合线性注意力、Attention Residuals、Stable LatentMoE）有效降低长上下文和大参数场景下的计算与缓存压力，提升推理效率。 ### 行业趋势 - **模型迭代提速**：国内厂商密集推出新版本，技术储备与工程体系持续追赶。 - **算力基建需求上升**：随着模型参数规模扩大，算力基础设施的重要性进一步凸显。 - **Agent市场潜力释放**：AI办公等场景中Agent的使用率正在快速提升，有望带动token需求增长。 ## 投资建议 - **短期关注**：国产模型在定价权上的改善与技术迭代，建议关注智谱、互联网大厂及MiniMax等厂商的产品进展。 - **长期布局**：Agent技术的普及将推动AI在办公、工业等领域的深度应用，未来市场空间有望进一步扩大。 - **产业链投资**：随着国产模型能力提升，相关硬件、软件及服务提供商的市场价值将进一步凸显。 ## 风险提示 - 模型迭代不及预期； - 算力基建限制模型发展； - 用户渗透情况不及预期。 ## 结论 国产AI模型在技术能力与成本控制方面持续追赶，与海外模型的差距逐步缩小。模型迭代加速、Agent市场渗透提升、算力基建需求增加成为行业核心趋势。投资方面，应关注模型技术的持续突破与产业链价值的释放，同时警惕潜在风险因素对市场发展的影响。