20260722-华泰证券-华泰_互联网_AI模型_国内竞争升温_海外差距收敛_2页_202kb

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。