王涵：AI主线在发生变化

王涵系兴业证券全球首席经济学家、中国首席经济学家论坛理事

要点

AI价格战背后：从“高门槛产品”向“基础设施化”演化。在中，我们曾指出，开源模型能力提升正在抬高闭源模型的“斩杀线”，价格战将压缩单纯出售词元的回报，并推动AI价值向上下游扩散。现在看，这一阶段已经开始出现。根据Epoch AI的数据，以GPT-4早期版本的能力水平作为参照，同等水平模型的最低推理价格由2023年3月的37.5美元/百万词元降至2025年2月的0.18美元，降幅超过99%。Silicon Data衡量的词元成本指数，也由2026年5月28日的阶段高点2.0651美元/百万词元回落至9月5日的0.9861美元，回落幅度达到52%。这意味着，模型能力正在更快从稀缺供给走向通用供给，AI也正在从“高门槛产品”加速演化为“低门槛基础设施”。

当“贵资源”变成“可普及要素”，需求可能会加速释放。历史上，一种关键要素一旦跨过成本门槛，需求释放往往不是线性的。美国IT革命中，信息处理设备价格持续下降后，实际消费数量出现数倍扩张；4G推广过程中，移动数据资费快速下探后，流量使用也进入爆发式增长阶段。其共同规律在于：当底层要素从高成本、低可得性走向低成本、广覆盖，原本受价格约束的需求往往会被迅速激活。对于AI而言，同等能力智能的快速降价，意味着模型调用正从少数场景可用，走向更广泛、更高频的规模化使用。

而AI竞争的重心将从“谁的模型更强”，转变为“谁更会用AI”。一种通用技术在成为普遍可用的底层能力之后，竞争往往不再集中于“谁拥有技术”，而会转向“谁更能用好技术”。PC和网络接入普及之后，门户和搜索成为互联网竞争中心；移动互联网基础设施成熟之后，短视频等新应用形态迅速崛起。历史经验反复表明，底层技术越接近基础设施属性，应用层的创新空间就越大，价值创造的重心也越容易从底层供给转向场景整合、产品设计和用户触达。

在这一转向中，中国平台公司的比较优势将被重估。当AI竞争从能力竞赛走向应用竞赛，场景密度、用户规模、产业配套和工程化能力的重要性都将明显上升。在这一框架下，中国在复杂应用场景、庞大用户基础和完整产业体系上的比较优势，有望在AI基础设施化深入推进后变得更加重要。相应地，更有机会承接下一阶段核心价值的，也可能不再只是模型提供方，而是那些更靠近用户、场景和产业流程的平台公司与应用公司。

风险提示：AI技术迭代及商业化落地不及预期；全球经济、政策不确定性上升。

正文

AI价格战背后：从“高门槛产品”向“基础设施化”演化。在中，我们曾指出，开源模型能力提升正在抬高闭源模型的“斩杀线”，价格战将压缩单纯出售词元的回报，并推动AI价值向上下游扩散。现在看，这一阶段已经开始出现。根据Epoch AI的数据，以GPT-4早期版本的能力水平作为参照，同等水平模型的最低推理价格由2023年3月的37.5美元/百万词元降至2025年2月的0.18美元，降幅超过99%。Silicon Data衡量的词元成本指数，也由2026年5月28日的阶段高点2.0651美元/百万词元回落至9月5日的0.9861美元，回落幅度达到52%。无论从固定能力还是市场实际支出来看，一个共同的变化是，同等能力的智能正在快速变便宜。

当“贵资源”变成“可普及要素”，需求可能会加速释放。在美国IT革命中，1985-1990年间，信息处理设备价格下降46.5%，实际消费数量扩大至约5.5倍；到1995年，价格较1985年已下降80.7%，此后实际消费数量的增长进一步加快，2000年较1995年扩大至约8.7倍。4G推广也呈现类似特征。2011-2013年，中国移动数据流量平均资费已由369元/GB降至205元/GB，但仍处于较高水平，同期户均月度移动数据流量仅由约73MB升至139MB。2013年底4G牌照发放、2014年进入规模商用后，移动数据资费进一步快速下探，2014-2018年由131.3元/GB降至8.5元/GB，下降93.5%；同期户均月度移动数据流量由约0.20GB升至4.42GB，扩大至约22倍。要素价格进一步下探后，原本受成本约束的需求往往会加速释放。

而AI竞争的重心将从“谁的模型更强”，转变为“谁更会用AI”。智能手机和应用商店在3G时代已经完成终端和分发体系的铺垫，4G的作用是把移动互联网进一步推向视频化、实时化和交易化。2013年手机视频和手机网络游戏用户同比分别增长83.8%和54.5%；2014年手机超过PC成为网络视频第一终端；到2016年，网约车和网上外卖用户均已超过2亿；2018年短视频用户达到6.48亿，手机网络支付用户达到5.83亿。低成本连接最终释放的，并不只是更多流量，而是催生了视频、游戏、支付、电商、本地生活等一批新的高频应用。

在这一转向中，中国平台公司的比较优势将被重估。词元成本下降，一方面会提高调用量，继续带动上游硬件需求；另一方面，也会使AI更容易进入内容、游戏、广告、办公、交易和本地服务等高频场景。过往科技浪潮的经验都表明，要素成本下降之后，更大的增量往往出现在应用层。当模型层价格稳定甚至进一步下降之后，AI价值由模型层向上下游扩散的逻辑将进一步强化。

风险提示：AI技术迭代及商业化落地不及预期；全球经济、政策不确定性上升。