讨论AI应用产业竞争格局，首先要回答一个前提问题：壁垒从哪里来。2025年以来，中国AI应用市场的总量扩张已经充分确认。中国信息通信研究院2026年8月披露，2025年我国人工智能产业规模超1.2万亿元，同比增长40%，其中应用层规模占比55%、同比增长22%，基础层占比38%、同比增长59%，模型框架层占比7%、同比增长189%。中国互联网络信息中心（CNNIC）第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，我国生成式人工智能用户规模达6.02亿人，较2024年底增长141.7%，普及率提升至42.8%。用户基础与产业体量同步跃升，意味着竞争的主战场已经从“谁能做出模型”转向“谁能在场景中留住客户并形成计费闭环”。本报告提出的基本分析框架是：AI应用竞争壁垒存在两种结构性来源——平台嵌入与垂直耦合；壁垒的可计量性取决于价值捕获点是“替代人力”还是“增强决策”；壁垒的持续性则由切换成本的三种性质共同塑造。

图表1　2025年中国人工智能产业规模结构与各层增速

数据来源：中国信息通信研究院（2026年8月），九思行研整理

图表2　2024-2025年中国生成式人工智能用户规模与普及率变化

数据来源：中国互联网络信息中心（CNNIC）第55次、第57次《中国互联网络发展状况统计报告》，九思行研整理

1.1　平台嵌入与垂直耦合两种竞争路线的分野

1.1.1　平台嵌入壁垒源于入口规模、生态绑定与计费闭环叠加

平台嵌入路线的典型场景是AI编程与AI办公。在这类场景中，AI能力并非独立交付，而是嵌入开发者编辑器、协同办公套件等既有的高频入口之中，壁垒由三层要素叠加而成。第一层是入口规模。QuestMobile数据显示，截至2025年12月，国内AI原生App中豆包与DeepSeek分别以2.26亿和1.35亿月活跃用户断层领先；到2026年9月，豆包月活进一步增至4.19亿，同比增长143.6%。入口规模决定了新功能的分发成本：拥有亿级入口的厂商上线一项AI能力，边际分发成本极低，但并非为零；真正的壁垒不在于分发本身，而在于将入口规模转化为可计费席位的能力。第二层是生态绑定。微软将GitHub Copilot嵌入开发者生态、将Microsoft 365 Copilot嵌入办公套件，2026财年第四财季M365 Copilot付费席位突破3000万个；国内钉钉、企业微信、飞书在2025年相继完成AI化改版，企业微信已接入超过1400万真实企业与组织，每天通过企业微信服务的微信用户超过7.5亿。生态绑定使AI能力成为存量工作流的默认选项而非替代选项。第三层是计费闭环。入口规模只有转化为可计费的席位或用量，壁垒才具有经济含义——这正是后文将要反复验证的命题：免费入口在缺乏计费闭环时，壁垒会随模型能力趋同而衰减。

三层要素的叠加产生了明显的马太效应。中国信通院数据显示，2025年我国人工智能产业规模中，北京市、广东省、上海市、浙江省、山东省五省份合计占比超过80%，而这些省份恰恰是平台型企业的集中地。平台嵌入路线因此呈现“大厂主导”的基本格局：AI原生App月活前十中，字节系与阿里系合计占据六席；协同办公市场钉钉、企业微信、飞书合计份额超过75%。对创业公司而言，平台嵌入型场景的窗口期主要存在于大厂生态尚未覆盖的交互形态创新——Cursor以AI原生编辑器形态崛起即为明证，但这一窗口正在随大厂全栈供给而收窄。

1.1.2　垂直耦合壁垒源于数据密度、流程嵌入与监管准入

垂直耦合路线的典型场景是金融、医疗与工业。在这类场景中，AI能力必须与行业专有的数据、流程和制度深度耦合才能产生价值，壁垒同样由三层要素构成。其一是数据密度。银行业的风控、反欺诈模型依赖海量异构交易数据，邮储银行构建的全链条反欺诈模型体系在2025年上半年累计保护潜在受害账户超过10万户；医疗影像AI依赖标注成本极高的临床数据，病种数据的丰富程度与标准统一程度直接决定审批与落地节奏。其二是流程嵌入。工业AI必须与MES、SCADA、ERP、PLC等既有生产系统无缝集成，IDC在《中国工业大模型应用市场份额，2024》报告中指出，工业大模型的竞争焦点已从模型参数转向工程化与复制效率，“数据属地化、过程可审计、版本可灰度、风险可回退”正从加分项变为入场券。其三是监管准入。医疗AI的NMPA三类证、生成式AI服务的备案制、金融科技的监管框架，构成了垂直场景特有的制度性门槛，这类门槛不随模型性能提升而降低。具体而言，医疗AI三类证的审批依据为《人工智能医用软件产品分类界定指导原则》（国家药监局2021年第47号通告），生成式AI服务的备案制则以《生成式人工智能服务管理暂行办法》（2023年8月15日施行）为法规基础。

垂直耦合壁垒的关键特征在于“不可替代性”：客户采购的不是模型能力本身，而是嵌入业务流程、通过监管验证、可追责可审计的完整解决方案。截至2025年末，全国累计批准人工智能医疗器械三类证超200款，但持证企业的收入分化极大——证照是入场券而非市场份额的直接映射。这一特征决定了垂直场景的竞争位次判别不能依赖单一指标，而必须考察准入、耦合与计费的叠加状态。

1.1.3　两条路线收敛与持续平行的边界条件

两条路线并非彼此孤立。2025年以来，平台型企业持续向垂直场景渗透——华为盘古大模型进入工业场景、腾讯健康与百度灵医智惠布局医疗、阿里达摩院以RADAR模型切入医学影像；垂直型企业也在借助通用模型能力降低研发成本。收敛发生的边界条件主要有三：第一，当垂直场景的数据与流程可以被标准化产品时，平台路线可以长驱直入，办公与编程的融合即为先例；第二，当监管准入构成硬门槛时，垂直路线保持独立，医疗三类证与医保支付规则使医疗AI无法被平台路线简单吞并；第三，当物理嵌入深度足够高时，产线级工业AI与具身智能将长期保持垂直逻辑。总体而言，2026-2030年，编程、办公将沿平台逻辑持续集中，金融、医疗、工业将沿垂直逻辑梯度分化，两条路线在“通用能力下沉、垂直壁垒上移”的张力中持续平行。

图表3　平台嵌入与垂直耦合两种竞争路线的壁垒结构对照

资料来源：九思行研整理

1.2　替代人力与增强决策两类价值捕获点的竞争含义

1.2.1　可计量替代场景的份额移动特征与竞争节奏

AI应用的价值捕获点可分为两类：替代人力与增强决策。可计量的替代场景——代码生成、客服应答、营销素材制作、票据与单据处理——具有明确的成本对照物，客户可以精确计算“AI替代了多少人力工时”，因而付费决策快、份额迁移快、竞争节奏呈爆发式。招商银行在2025年业绩发布中披露，其AI应用场景已达856个，全年通过AI替代人工超1556万小时，相当于形成超过8000人的全职人工效率；平安银行借助生成式AI辅助创作营销内容，仅此一项2025年即节省约6000万元费用。这类场景的竞争节奏由“节省的可计量性”驱动：谁的替代账算得清，谁的份额迁移就快。全球AI编程市场的爆发正是这一逻辑的极致体现——Cursor年化收入从2025年1月的1亿美元增至2026年6月的约40亿美元，是软件行业历史上最快的收入曲线之一。

1.2.2　不可计量增强场景的格局黏性及其对份额统计的约束

不可计量的增强场景——辅助诊断、辅助投资决策、工艺优化建议——价值实现依赖人机协同，无法简单折算为“替代了多少人”，客户付费决策链条长、试点周期长，竞争格局呈现强黏性。医疗AI是最典型的样本：截至2026年10月，全国已有200多个加载“AI辅助技术”的医疗器械产品获三类注册证，但在临床应用方面，AI产品主要提高医院诊断效率，患者支付意愿较低，无法在大范围内直接按次收费推广，不少以医用软件开发为主业的企业面临突出的可持续发展压力。格局黏性对份额统计形成约束：在增强型场景中，“装机量”“覆盖机构数”“持证数量”都不等于收入份额。即便在商业化相对领先的样本中，覆盖广度与收入体量之间的映射也非线性——数坤科技覆盖国内3000多家医疗机构、TOP100医院覆盖率超过90%，2025年收入约5.6亿元、毛利率70%以上，在持证企业中已属商业化跑通的领先者，但其收入规模相对于覆盖广度仍存在显著落差。真正意义上的“统计失真”更多体现于大量持证但收入微薄的长尾企业：证照数量构成了准入资格的表象，却无法自动转化为可持续的计费收入。

1.2.3　同一场景内替代与增强的混合结构对竞争判断的干扰

现实场景多为替代与增强的混合结构，这对竞争判断构成系统性干扰。银行AI即为典型：智能客服与营销素材生成属于可计量替代，份额迁移快；信贷审批与投资决策辅助属于增强决策，渗透慢但一旦嵌入核心链条便极难替换。工业AI同样如此：视觉质检、上下料、柔性装配等场景接近替代逻辑，据IDC《中国工业具身智能机器人市场份额，2025》，2025年中国工业具身智能机器人市场规模约57.4亿元，其中以工业机器人为载体的具身智能应用约36.2亿元，已进入商业化加速阶段，是当前替代逻辑在工业侧的主要载体；而工艺优化、根因分析、生产调度等属于增强逻辑，价值实现依赖人机协同与长周期验证。增强逻辑侧难以用同口径规模数据直接对照。IDC同期调研显示，中国工业企业应用大模型及智能体的比例从2024年的9.6%跃升至2025年的47.5%；渗透率的陡升反映增强型场景正从试点走向扩散，但渗透率不等于收入份额，其竞争位次仍需以核心流程渗透深度与准入积累判断，而不能简单以规模数字替代份额分析。竞争判断若将两类价值捕获点混为一谈，会同时高估替代场景的壁垒持续性与增强场景的迁移速度。本报告的基本处理方法是：对替代主导场景，以收入与ARR口径跟踪份额迁移；对增强主导场景，以核心流程渗透深度与准入积累判断位次。

1.3　切换成本的三种性质及其对集中度走势的塑造

1.3.1　数据迁移成本主导的场景及其集中度倾向

数据迁移成本主导的场景包括协同办公、企业知识库与CRM类应用。企业的历史文档、沟通记录、客户关系数据沉淀在平台之中，迁移成本随使用时长单调上升，集中度倾向显著。协同办公市场三平台合计份额超过75%且多年保持稳定，正是数据迁移成本的直接结果。需要区分的是，三平台合计份额的稳定反映的是“存量份额”的锁定效应，而非增量客群与替换场景的同步冻结。飞书能够在其中切走中大型创新企业客群，依靠的不是更低的价格，而是文档与多维表格等数据结构的代际优势——据飞书披露，其多维表格月活跃用户已接近千万。这一位移发生在增量与替换场景，尚未撼动存量格局，但提示“集中度稳定”与“内部客群结构渐进位移”可以并行存在。数据迁移成本塑造的集中度是“存量锁定型”的：新进入者必须在数据结构上提供数量级的体验差异，才可能撬动迁移。

1.3.2　监管准入成本主导的场景及其梯队固化机制

监管准入成本主导的场景以医疗AI为极端样本。一张NMPA三类证的获取需要完成临床试验、注册检验与审评审批全流程，审批周期以年计，不同病种、算法类型与临床方案之间差异显著；公开信息中三类AI产品的常规审批周期约为18-36个月，创新医疗器械特别审批程序可缩短至12个月以内，并不存在统一的“行业平均年限”。迪安诊断旗下医策科技的宫颈细胞病理AI软件于2026年初获批三类证，其获批节奏所反映的是特定产品在特定路径下的时间成本，而非可一般化的行业均值。准入成本的累积产生梯队固化机制：头部企业每多持一张证，就多锁定一个病种的合规销售资格，后来者的追赶必须以同样的时间成本重新支付。截至2025年末，联影智能累计获批23张NMPA三类证、数坤科技累计19张，与仅持一两张证的长尾企业之间已形成断崖式分层。梯队一旦形成，单纯的技术性能提升难以打破，这是准入主导场景与性能主导场景的根本区别。

1.3.3　物理嵌入成本主导的场景及其对横向扩张的抑制

物理嵌入成本主导的场景包括产线级工业AI与具身智能。AI能力嵌入具体的设备、工位与产线之后，更换供应商意味着停产改造、重新调试与重新验证，成本极高；但反过来，这种嵌入也抑制了供应商的横向扩张——每个行业、每条产线的嵌入都是定制化工程，规模经济难以跨场景复制。这解释了工业AI头部集中度显著低于编程与办公的现象：据IDC《中国工业具身智能机器人市场份额，2025》，以工业机器人为载体的具身智能应用市场中，2025年份额第一的微亿智造也仅占11.8%，梅卡曼德、优艾智合、星猿哲科技分别为11.3%、8.8%和6.9%，前四名合计38.8%，其余份额由大量长尾厂商分散持有。物理嵌入成本塑造的是“区域性垄断、全局性分散”的格局，竞争单元被重新定义为一个一个具体的行业与产线。这一格局的成因在于：物理嵌入越深，单点替换成本越高，但跨行业、跨产线复制的工程成本也越高；头部厂商可以在特定场景形成局部壁垒，却难以将某一产线的嵌入优势平移到另一产线，因而全局集中度被物理嵌入的定制化属性持续压低。

1.3.4　三种切换成本叠加时竞争壁垒的非线性强化

当三种切换成本在同一场景叠加时，壁垒呈非线性强化。银行核心业务系统是三种成本叠加的典型：数据迁移成本（数十年的账户与交易数据）、监管准入成本（金融业务的合规审计要求）与准物理嵌入成本（核心系统与全行业务流程的耦合）同时存在，使银行核心系统供应商的替换周期以十年计。医疗场景同样如此：三类证（准入）＋医院PACS系统集成（嵌入）＋临床数据积累（迁移）三重叠加，构成头部医疗AI企业的复合壁垒。对竞争格局的推论是：叠加成本越多的场景，集中度一旦形成越难以逆转；判断一个场景的终局集中度，本质上是在清点其切换成本的种类与量级。

图表4　三类切换成本主导场景的竞争格局特征对照

资料来源：九思行研整理

第二章　编程AI与办公AI的平台嵌入竞争格局

2.1　AI编程份额口径分叉背后的竞争维度迁移

2.1.1　AI编程营收份额的统计边界与口径差异

AI编程是当前AI应用中份额数据最丰富、同时口径分叉也最严重的场景。主流统计口径至少有三类：一是营收口径，统计厂商实际确认的订阅与用量收入；二是年化收入口径（ARR/run-rate），按当前收入速度年化推算，私营独角兽普遍采用，Cursor、Claude Code的高增长叙事多源于此；三是使用率口径，统计开发者调查中的工具使用占比。三类口径描述的是三种不同的竞争维度：营收口径反映付费转化，ARR口径反映增长斜率，使用率口径反映心智份额。2026年中的数据显示，Cursor在Ramp支出数据口径下的份额从41%降至约26%，而同期其年化收入从20亿美元增至约40亿美元——份额下降与收入翻倍并存，原因正在于分母（市场总量）的扩张速度快于任何单一厂商，同时Anthropic以Claude Code快速追赶，后者于2025年11月（公开发布约6个月）年化收入突破10亿美元，至2026年2月超过25亿美元；据Menlo Ventures估算，Claude Code在企业AI编程市场的份额约54%，这一比例不宜直接泛化为全市场营收份额。口径分叉意味着：任何关于AI编程“谁领先”的判断，都必须先声明口径。

图表5　AI编程市场份额的主要统计口径及其竞争含义

资料来源：九思行研整理

2.1.2　使用率口径下份额获取机制及其局限

使用率口径下的份额获取，本质上是免费策略与生态分发的竞争。GitHub Copilot依托GitHub全球开发者生态，截至2025年7月累计用户数突破2000万，财富100强中90%的公司在使用该工具，在付费AI编码工具市场的份额约42%（2026年初口径，后续季度有所回落，但仍是该口径下的领先者）；字节跳动的Trae则以对个人开发者完全免费的策略，在2025年内实现注册用户突破600万、月活跃用户160万（据TRAE 2025年度产品报告），并以41.2%的市场份额位居中国第一（IDC数据）。使用率口径的局限在于，它无法区分“试用”与“依赖”：免费策略可以快速堆积开发者规模，但免费用户向企业级付费的转化率、团队级部署的渗透率，才是收入质量的试金石。以使用率为依据的份额排名，系统性高估了免费策略厂商的商业地位。

2.1.3　免费策略堆积的开发者规模与企业级付费之间的断层

免费入口与企业级付费之间存在明显的断层，跨越断层需要完成三件事：从个人工具进入团队代码库、从订阅席位进入组织采购、从效率工具进入安全与合规体系。Cursor的收入结构迁移提供了量化证据：2024年末其年化收入约4亿美元时，企业客户仅占收入的25%；2025年11月年化收入达10亿美元时，企业占比升至45%；到2026年2月年化收入20亿美元时，企业客户贡献已接近60%；至2026年6月年化收入突破40亿美元时，约75%的run-rate来自企业客户（约26亿美元年化B2B收入），企业业务在2026年一季度环比2025年四季度增长约三倍。Claude Code的路径与此类似，企业使用已贡献其收入的一半以上。断层的另一侧，是大量停留在免费或低价个人订阅阶段的工具：它们拥有可观的开发者规模，却迟迟无法完成组织级采购的转化。这一断层决定了AI编程竞争的中场战事不在C端拉新，而在B端工作流的标准化嵌入。

图表6　2025-2026年全球头部AI编程产品年化收入演进

注：年化收入为运行率口径，非经审计确认收入。

数据来源：Cursor公司公告、Forbes及公开披露，九思行研整理

2.1.4　大厂全栈供给格局对创业公司生存空间的挤压

2025年以来，模型厂商与云厂商的全栈供给明显压缩了独立编程工具的生存空间。Anthropic与OpenAI相继发布自有编程应用，确保旗舰模型在自有工具中吃满上下文，第三方工具在模型调用成本与时效上处于结构性劣势；Cursor赚取的是消费者订阅与外部模型调用之间的差价，模型价格居高不下使其长期面临毛利压力，被迫转向自研编程模型以降低依赖。中国市场的大厂挤压更为彻底：亿欧智库数据显示，2023年中国AI代码生成市场规模约65亿元，2025年达到约140亿元，预计2028年增长至330亿元；这一增量市场几乎被字节、阿里、腾讯、百度、华为五大科技巨头瓜分——字节Trae以41.2%的份额领跑中国AI编程工具市场，该份额为使用/用户口径（IDC及第三方统计），与亿欧的营收规模口径分属不同维度，不宜直接等同；Trae对个人开发者完全免费，以免费策略换取入口规模，再向企业级付费转化；阿里通义灵码深耕企业级市场、服务超过1万家企业（包括一汽、蔚来、中华财险等），腾讯CodeBuddy、百度文心快码、华为CodeArts相继补齐AI IDE形态。创业公司的剩余空间被压缩至两条窄路：一是被大厂并购，二是在大厂生态顾及不到的交互形态或垂直工作流中建立局部优势。

图表7　2023-2028年中国AI代码生成市场规模及预测

数据来源：亿欧智库，九思行研整理

图表8　2025年中国AI编程市场主要厂商产品布局对比

资料来源：IDC、各公司公开披露，九思行研整理

2.1.5　全球ARR曲线揭示的工作流嵌入与付费强度关系

把全球头部AI编程产品的ARR曲线放在同一坐标系中，可以读出平台嵌入场景的核心规律：付费强度与工作流嵌入深度严格正相关。Cursor从约1亿美元到突破40亿美元年化收入用了约17个月，其斜率最陡的阶段恰是企业客户占比从25%升至75%的阶段；Claude Code于2025年5月公开发布，至2025年11月（约6个月）年化收入突破10亿美元，至2026年2月超过25亿美元，据SemiAnalysis估算，截至2026年2月全球GitHub公开提交中约4%由其生成或参与完成，SemiAnalysis同时预计到2026年底这一比例可能升至20%以上（该预测为第三方分析机构估计，非Anthropic官方指引），企业使用贡献收入过半。两条曲线的共同启示是：AI编程的付费强度不取决于模型聪明程度的边际差异，而取决于工具嵌入团队工作流的深度——代码库权限、评审流程、CI/CD管线、审计与安全配置的每一层嵌入，都对应着客单价的台阶式跃升。Anthropic招股书披露的数据为此提供了微观证据：2026年三季度，未使用Claude Code的企业版用户平均每月支出不足75美元，而使用Claude Code的企业版用户中支出最高的前5%平均每月支出约为该数字的20倍，即约1500美元。工作流嵌入深度，就是平台嵌入场景的定价权。

2.2　协同办公AI入口饱和之后的续费逻辑竞争

2.2.1　协同办公三平台覆盖率下的份额分布与增量空间

中国协同办公市场的入口之争已经结束。QuestMobile数据显示，2025年钉钉累计用户突破8亿、月活约2亿，以32.7%的份额居国内协同办公榜首；企业微信月活约1亿、份额23.4%，已接入超过1400万真实企业与组织；飞书月活约3000万、份额18.9%。三平台合计份额超过75%，合计市场覆盖率达92%，两个指标分属“份额”与“覆盖率”口径，不宜混用。关于市场规模，艾媒咨询口径下2025年协同办公整体市场规模约414.8亿元。入口饱和的标志是企业组织数增长的停滞：钉钉的企业组织数从2022年底的2300万增至2025年8月的2600万，近三年净增约300万。增量空间不再来自新入口，而来自存量组织的AI化增购——2025年8月，钉钉发布8.0即“AI钉钉1.0”，一次性推出钉钉ONE、AI搜问、AI表格、AI听记等超过10款AI产品；飞书在2025年7月发布企业级Agent开发平台Ally与妙搭；企业微信5.0推出智能搜索、智能总结、智能机器人。三平台的竞争命题已经从“谁的入口大”切换为“谁的AI能让存量客户多付钱”。

图表9　2025年协同办公三平台月活跃用户规模与市场份额

数据来源：QuestMobile，九思行研整理

2.2.2　用户规模与收入脱钩对入口份额分析有效性的削弱

协同办公是观察“用户规模与收入脱钩”的最佳样本。钉钉2025财年（截至2025年3月31日）营收超过40亿元，其中订阅收入突破30亿元；飞书年化订阅收入超过21亿元，2025年营收超过30亿元、同比增速超过60%，用户规模仅约3000万量级（QuestMobile口径），不足钉钉的零头，但与钉钉的订阅收入差距远小于用户规模差距。脱钩的根源是客户结构：飞书在小米、理想汽车、蔚来汽车等中大型创新企业客群中占据优势，客单价高、付费深度大；钉钉的基本盘是制造、政务、教育与传统行业的中小企业，免费用户占比高，货币化效率偏低。这一脱钩对份额分析方法论的削弱是根本性的：在协同办公及一切平台嵌入场景中，入口份额（月活、注册量）已经不能作为商业地位的判别依据，续费率、客单价与团队级固定支出占比才是有效指标。

2.2.3　桌面端Agent分布揭示的高频工作场景偏移

AI原生应用的最新分布数据，揭示了高频工作场景正在向通用助手入口偏移。QuestMobile《2025年AI应用层发展核心报告》显示，截至2025年12月，豆包与DeepSeek分别以2.26亿和1.35亿月活形成“双寡头”；到2026年9月，豆包月活达4.19亿、同比增长143.6%，千问以1.58亿月活升至第二，DeepSeek为1.23亿，腾讯元宝3733万。值得注意的是结构变化：月活前十的AI App中综合助手占6席，但垂直场景专业AI已占4席（蚂蚁阿福、豆包爱学、快对AI、即梦AI），行业正从“通用覆盖”向“场景穿透”演进。对办公场景而言，这意味着一个危险的分流：员工的AI使用习惯正在从企业采购的办公套件，流向个人自选的通用助手。2026年春节的AI红包大战中，阿里、百度、抖音、腾讯合计投入超过80亿元，豆包除夕当日DAU冲至1.45亿——消费级入口的补贴强度，是企业级办公平台无法复制的。高频工作场景向通用助手偏移，倒逼办公平台把AI做进文档、表格、会议等不可迁移的结构化工作流中，而非停留在聊天框形态。

图表10　2025-2026年国内AI原生App月活跃用户规模第一梯队变化

注：2025年12月千问、元宝月活未进入前三，上图中从略。

数据来源：QuestMobile，九思行研整理

2.2.4　AI办公竞争重心向团队固定支出转化的路径

综合上述证据，AI办公的竞争重心正沿着清晰的路径向团队固定支出转化：从个人效率工具的按席位订阅，转向嵌入团队流程的按组织计费；从功能点的堆叠，转向可审计、可管理、可度量的企业级Agent平台。飞书的实践具有指标意义：2026年上半年，飞书年度经常性收入（ARR）增速达到2025年同期的2.5倍，超九成新增客户同步采购了飞书AI产品，AI从可选项变成默认配置；钉钉以AI表格、AI听记切入高频协作动作，试图把免费流量沉淀为付费工作流；企业微信则依托与微信的互通，把AI能力嵌入7.5亿微信用户的服务链路。三平台的共同方向，是把AI从“吸引下载的理由”变成“写入预算的科目”。对竞争格局的含义是：未来三至五年，协同办公的份额重排将不取决于谁的用户更多，而取决于谁能把AI能力转化为企业预算表中的固定支出项——团队级、年度化、与工作流深度绑定的经常性收入，才是入口饱和时代的真正壁垒。

第三章　金融AI与医疗AI的垂直耦合分化格局

金融与医疗是垂直耦合壁垒最典型的两个场景，也是观察“监管准入＋流程嵌入＋数据密度”三重叠加的最佳样本。但两者的竞争逻辑并不相同：金融AI的竞争发生在机构内部，投入规模与场景深度的错位构成主要分析线索；医疗AI的竞争发生在准入与支付制度之内，证照断崖与收费路径构成主要约束。本章分别解剖。

3.1　金融AI投入梯队与场景深度之间的非同步关系

3.1.1　国有大行科技投入量级分层与梯队边界

银行业的AI竞争首先体现为投入量级的刚性分层。据九思行研对2025年上市银行年报的梳理，2025年六大国有银行金融科技投入合计超过1300亿元，较2024年的1254.59亿元进一步增长；13家主要上市银行金融科技投入合计约1800亿元。具体看，工商银行以285.88亿元稳居首位、连续五年超200亿元，建设银行267.22亿元，农业银行256.47亿元，中国银行250.01亿元（占营业收入3.80%），四行均突破250亿元关口，构成第一梯队；交通银行123.42亿元（占营收5.78%，为六大行最高强度）、邮储银行117.91亿元构成第二梯队。250亿元与120亿元两道量级线，划出了国有大行内部的梯队边界。这一边界的竞争含义在于：AI基础设施级的投入（千亿参数大模型、企业级智能体平台、全行数据底座）只有第一梯队能够独立承担，第二梯队及以下的银行必须以更强的场景选择性弥补量级差距。

图表11　2025年六大国有银行金融科技投入规模

数据来源：各银行2025年年度报告，九思行研整理

3.1.2　场景总数膨胀与单场景价值密度之间的背离

2025年被视为银行业大模型应用从试点走向规模化的关键年份，场景数量呈爆发式增长：据工商银行2025年年报，工商银行“工银智涌”大模型已在30余个业务领域落地500余个应用场景，AI数字员工年承担工作量相当于5.5万人年；建设银行人工智能技术规模化赋能集团内398个场景；中国银行构建BOCAI大模型能力平台，累计部署智能化助手超过400个；招商银行AI应用场景达856个；平安银行大模型应用场景一年内从超200个增至超390个；中信银行大模型落地场景超120个。但场景总数的膨胀与单场景价值密度之间存在明显背离——数百个场景中，真正触及核心创收的仍是少数。招商银行的披露提供了价值密度的标尺：其AI全年替代人工超1556万小时，相当于超过8000人的全职人工效率；面向客户经理的智能助手推动人均有效出客次数提升14%、客均交易规模提升20%；在线风控平台2025年审批对公信贷规模接近6000亿元、同比增长44%（据招商银行2025年度业绩发布会披露）；贷后风险预警时间较传统人工平均提前42天这一表述。场景数量是投入强度的表征，价值密度才是竞争位次的表征——856个场景的战略意义，不及“1556万小时”与“6000亿元”两个数字。

图表12　2025年主要上市银行AI应用场景数量

注：工商银行、中国银行、中信银行为“超”口径。

数据来源：各银行2025年年度报告及业绩发布会披露，九思行研整理

3.1.3　核心业务链条渗透进度作为竞争位次判别依据

既然场景总数不足以判别位次，有效的判别依据是AI向核心业务链条的渗透进度。信贷是银行价值链的心脏，2025年年报显示，AI已在这一领域实现从“规则判断”到“智能感知”的质变：工商银行推出业内首个信贷AI智能体矩阵“智贷通”，其企业级智能风控平台覆盖全部境内分行及130多个风控决策场景；建设银行“授信审批全流程AI应用”可在1分钟内生成评级审查意见初稿，合规审查意见单自动化生成比例超90%，上线以来已生成超十万份审查意见单；据农业银行2025年年报口径，农业银行“农银e贷”余额达6.8万亿元、较上年增长近两成，并以AI点数等技术实现活体资产抵押监管。普惠金融是另一条核心链条，多家银行利用AI整合税务、发票、供应链乃至水电数据为小微企业信用画像，破解“融资难、融资贵”。渗透进度的判别意义在于：客服、营销、办公等外围场景的AI化门槛较低、趋同较快，而信贷审批、风险定价、反欺诈等核心场景的AI化需要数据、模型与问责体系的长期耦合，一旦完成嵌入便构成难以替换的壁垒。银行业AI竞争的下半场，将以核心链条渗透深度重新排序。

3.1.4　股份行与国有行壁垒形态的差异化竞争

股份制银行与国有大行的壁垒形态存在结构性差异。投入量级上，2025年招商银行、中信银行金融科技投入分别为129.01亿元和96.41亿元，位列股份行第一梯队，但分别较上年缩减3.36%和11.91%；兴业银行、浦发银行、光大银行、民生银行、华夏银行投入在39亿至77亿元之间，构成第二梯队，其中华夏银行在低基数上同比增长15.12%。量级不及国有大行，股份行的壁垒转而构筑在投入强度与人才密度上：交通银行金融科技投入占营收比例达5.78%，居六大行首位；若以股份行为参照，光大银行、中信银行、招商银行该项占比均超4%，明显高于国有大行平均水平；关于研发人员占比，中信银行、交通银行、招商银行研发人员占员工总数比例分别为8.79%、9.99%和9.09%。差异化的本质是壁垒来源的不同：国有大行的壁垒是“规模壁垒”——数据体量、客户基础与基础设施投入的组合；股份行的壁垒是“敏捷壁垒”——以更高的组织密度把单场景做深，招商银行以856个场景和1556万小时的替代量证明了这一路径的有效性。对产业格局的含义是：银行AI服务商面对两类客户需要两套打法，对国有大行输出平台与底座能力，对股份行输出场景包与价值密度。

图表13　2025年股份制银行金融科技投入梯队

数据来源：各银行2025年年度报告，九思行研整理

3.2　医疗AI准入壁垒的断崖结构与商业化能力的独立分层

3.2.1　NMPA三类证梯队的量化分布与头部集中

医疗AI的准入壁垒呈典型的断崖结构。截至2025年末，我国NMPA累计批准人工智能医疗器械三类证超200款（全口径人工智能医疗器械三类证，2025年单年新增约41款；若仅统计“AI医用软件”独立软件，截至2026年6月约127张，两个口径不可混用），2026年审批节奏进一步加快；工信部与国家药监局2026年1月公布的新一批人工智能医疗器械创新任务名单中，共有182个项目入围。截至2026年6月，头部集中特征极为显著：联影智能累计获批23张NMPA三类证，获证数量与覆盖病种双双位居行业第一，另有31款AI应用获批欧盟CE认证、15款获批美国FDA认证；数坤科技累计持有19张NMPA三类证，覆盖国内3000多家医疗机构，TOP100医院覆盖率超过90%。从2020年11月科亚医疗拿下首张AI医疗器械三类证至今，行业用六年时间完成了从“无证可拿”到“持证分层”的演进，头部两强与长尾之间已形成断崖式分层（联影23张、数坤19张之后，后续厂商获证数多在十余张及以下，差距显著但尚未达到严格意义上的数量级倍数）。准入断崖的竞争含义是：在强监管场景中，先发者的证照积累具有不可逆性，后来者即使技术性能相当，也必须以年为单位重新支付准入成本。

图表14　截至2026年医疗AI头部企业累计获批NMPA三类证数量

数据来源：国家药监局、各公司公开披露（截至2026年6月），九思行研整理

3.2.2　证照数量与收入规模的非对称及其对壁垒假设的修正

然而，证照数量与收入规模之间并不存在线性对应关系，这构成对“准入即壁垒”朴素假设的必要修正。数坤科技以19张三类证、3000多家机构覆盖和90%以上的TOP100医院渗透率，2025年实现收入约5.6亿元、毛利率维持70%以上，已被市场视为“AI医疗商业化跑通”的信号——但相对于其准入积累，5.6亿元的收入体量说明单院产出仍然有限。更早的行业数据揭示了同样的非对称：推想医疗2019年、2020年收入分别为662万元和2770万元，数坤科技2020年收入为2477万元（据招股书及早期公开披露），而同期亏损额均以亿元计。非对称的根源在于收费路径的缺失：持证只解决“可以卖”的问题，不解决“谁付费”的问题。修正后的壁垒假设应当是：准入壁垒决定了竞争者的分层（谁能留在牌桌上），商业化能力决定了层内的排序（谁能把证照变成收入），两者独立分层、不可互相替代。2025年AI医疗板块营收同比增长27.66%，整体亏损额虽较上年收窄61.88%，距离稳定盈利仍有距离——行业性的准入积累尚未转化为行业性的盈利能力。

3.2.3　器械厂商系、AI原生系与大模型系路线壁垒比较

当前医疗AI竞争者可分为三条路线，壁垒结构各不相同。器械厂商系以联影智能、迈瑞医疗、东软医疗为代表，壁垒在于“设备入口+AI随附”：AI嵌入CT、磁共振、超声等存量设备销售，联影医疗医学影像及放疗设备收入达113.90亿元、占其总收入八成以上，AI创造的价值被吸收到设备销售与后续服务之中，无需独立收费即可变现。AI原生系以数坤科技、推想医疗、深睿医疗、科亚医疗为代表，壁垒在于“证照矩阵+临床工作流”，但收入依赖医院的独立采购预算，天花板受制于支付制度。大模型系以阿里达摩院、腾讯健康、百度灵医智惠及讯飞医疗为代表，壁垒在于通用模型能力与资金耐力：达摩院DAMO RADAR模型面向腹部增强CT一次可识别146种病症、覆盖18个器官，在近4万次真实世界检查中平均AUC达0.913（据达摩院官方发布及《科学》论文）。三条路线的竞争正在走向汇合：2026年5月，联影智能与上海中试基地共同研发的胸部CT图像辅助诊断软件进入国家药监局创新医疗器械特别审查程序，为全国首款进入该通道的大模型多病种AI医疗产品——器械系拿着专病的家底，冲击通用模型的监管通道。汇合之后的胜负手，仍是谁先打通支付闭环。

图表15　医疗AI三条路线的壁垒结构比较

资料来源：九思行研整理

3.2.4　医保支付制度对竞争天花板的制度性约束

医疗AI竞争天花板的最大变量在支付端。2025年以来，国家医保局陆续在《医疗服务价格项目立项指南》中明确了AI辅助诊断的收费地位：不单独立项收费，仅列为扩展项收费，即临床医生运用主项目时，AI辅助技术作为扩展价格项目、不额外加价。2025年12月印发的《病理类医疗服务价格项目立项指南（试行）》进一步将“人工智能辅助诊断”列为病理诊断的扩展项并纳入价格构成，为AI辅助诊断理顺了收费路径；放射检查类立项指南也已将医学影像快速诊疗等AI辅助诊断技术作为扩展项。这一制度安排的竞争含义是双重的：一方面，收益回报渠道被正式明确，北京市医保局2026年10月披露，国家价格立项后AI医疗产品的临床用量已经增多；另一方面，“扩展项、不额外加价”的模式意味着AI的收入必须经由医疗机构主项目分成实现，企业无法直接面向患者定价，收入天花板被制度性压低。弗若斯特沙利文预测中国医疗AI市场规模将从2023年的88亿元增长至2033年的3157亿元、年复合增长率43.1%——这一乐观预测能否兑现，关键取决于医保支付规则能否从“扩展项”向“独立定价”演进。在制度演进发生之前，医疗AI的竞争天花板是政策给定的，而非技术给定的。

图表16　医保支付端人工智能辅助诊断收费政策演进

数据来源：国家医疗保障局官网，九思行研整理

与九思同行，解构产业本质