夜雨聆风
定调“算力金属”！有色金属-锡&钼--全解析
全球存储--谁吃肉、谁喝汤、谁啃骨头：大盘点
下一代AI芯片封装核心方向！玻璃基板--全解析
密集涨价！功率半导体-全解析
价值量暴增182%！MLCC-全解析
未来十年核心风口！物理AI--全解析
光模块核心赛道！CW 激光器芯片--全解析
AI引爆的历史大周期！光纤光缆--全解析
存储界的“顶级超跑”--HBM全解析
永远相信光！光模块设备--全解析
Token工厂& Token 出海--解析
AI时代的刚需！算力租赁-全解析
首提概念！算电协同：解析（附产业链&标的）
不能输掉的“航天战”！可回收火箭--解析
算力核心赛道！智算中心AIDC--全解析2026年上半年的AI圈，已经从“年度更模型”变成了“月度刷榜单”。
首先是GPT-5.6 Sol定于7月上旬正式发布、马斯克的Grok 4.5即将公开、Gemini 3 Pro也将于7月17日上线冲榜，国内DeepSeek V4正式版也同样锁定七月中旬、GLM-5.x、可灵/Seedance多模态模型密集落地。
每隔一两个月，行业就会重复一次质疑——Scaling Law是不是见顶了？Transformer是不是走到头了？AI是不是泡沫？
然后，新的模型能力在不断跃升和霸榜、全球AI公司的ARR（年度经常性收入） 又一次增长，这些怀疑又暂时被搁置。
这场“你方唱罢我登场”的混战背后，不是大模型走到了终局，恰恰相反：单一参数堆叠的Scaling Law上半场已经结束，但多模态、多智能体、自进化的Scaling Law下半场才刚刚拉开帷幕。
于此同时，闭源与开源的边界、模型与应用的边界、海外与国产的边界，都在2026年年中这个节点，发生了结构性的变化。
今天我们来复盘2026年中--AI大模型的混战格局&策略展望。以下从：
① Scaling Law没消失，多模态、Multi-agent、RSI 是新方向；
② Frontier model（前沿模型）：你追我赶，终局未定；
③ 价格战：开源蚕食闭源，国产模型出海；
④ 双向渗透：大模型厂商下沉做应用，应用巨头向上自研底座；
⑤ AI应用三波浪潮：写代码→做办公→搞创作；
⑥ 2026下半年总结&展望：三条主线。
六个维度来解析。
一、Scaling Law没消失，多模态、Multi-agent、RSI 是新方向
1、Scaling Law并没消失
Scaling law，直译为“缩放定律”，当我们增加模型参数的数量或训练数据量时，模型的性能如何随之变化和提升。是OpenAI在2020年提出的概念。Scaling law 是深度学习领域中最关键的经验发现之一。
Scaling law揭示了大模型性能会随参数量、训练数据、算力同步扩大而规律性提升，用来预判模型能力上限。主要用于指导研发人员规划训练规模、分配算力与数据资源，高效确定前沿模型的最优训练方案。
当Anthropic的Opus 系列模型能力迭代放缓后、GPT 5.1 到 5.4 进步平缓，人们便开始质疑Scaling Law。
市场对Scaling Law的质疑，本质上是把“scale”狭隘理解成了“堆参数量”。事实是：单维度参数堆叠确实遇到了边际收益递减，但三个全新的scale维度正在打开，把大模型的天花板往上抬了一个量级。
2、方向一：多模态--从“读懂文字”到“理解世界”
多模态是2025-2026年最确定的scaling新方向。Google Gemini 3之所以能短暂登顶，核心就是原生多模态架构——预训练阶段就把文本、图像、音频、视频映射到同一个向量空间，而不是事后拼接。DeepMind的Omni模型更进一步，被定义为“世界模型”：既能理解物理世界的规则，也能完成视觉生成，打破了传统视频模型与语言模型的技术壁垒。
这条路线的想象空间远未释放：当一个模型既能看懂物理视频、又能写仿真代码、还能生成符合因果逻辑的画面，不同模态的能力会互相迁移——视频里学到的重力、碰撞规律，可以优化代码的物理仿真逻辑；代码里的递归、因果逻辑，可以提升视频生成的合理性。
一个很有意思的现状是：国产模型在文生视频输出端已经领跑，截至2026年7月的全球文生视频榜单，前十里有9个是中国模型（第一名Seedance 2.0，第二名阿里系 Wan，第三名可灵 Kling 3.0等），但在多模态输入与深层理解上，依然在追赶海外第一梯队。详见下图：
3、方向二：Multi-Agen--从“单兵作战”到“军团协作”
当单个模型的能力增长放缓，就让多个Agent协同完成复杂任务，这就是另一个 scaling的 维度。
月之暗面Kimi Work是最极端的案例：300个子Agent并行协作、连续运行13小时、自主调用4000多次工具，分工完成数据清洗、代码生成、测试、文档整理全流程。人类只能串行干活，但AI可以实现大规模并行，这是对传统工作模式的本质颠覆。
但Multi-Agent也面临三个工程难题：① 成本爆炸：300个Agent同时运行，token消耗是单Agent的数百倍；② 调试困难：系统越复杂，越难定位是哪个Agent、哪个环节出了问题；③ 容错率低：一个Agent失败，就可能导致整条任务链崩溃。
4、方向三：RSI递归自我改进--让AI自己训练自己
RSI，全称Recursive Self-Improvement，即递归自我改进。是指AI系统通过自身的智能，自主发现缺陷、设计优化方案，并生成比自身更强大的下一代系统，从而形成“能力提升—研发能力增强—能力进一步提升”的闭环进化过程。
如果说Multi-Agent是空间上的scale，RSI就是时间上的scale——让AI不断优化自己，形成正向复利循环。
Anthropic在2026年6月披露的数据已经非常有冲击力：① 截至5月，Claude代码库中超过80%的代码由AI自己写出；② 2026年Q1工程师人均日合并代码量，是2025年之前的8倍；③ 单个AI Agent端到端完成一项AI安全研究，累计工作800小时，效果超过人类研究员一周的成果。
AI写代码训练出更强的AI，更强的AI再写更好的代码——这个飞轮已经开始转动。
当然，真正的完全RSI（AI自主决定模型架构、参数规模、训练策略）还远未实现，核心资源分配决策依然需要人类把控。但当训练成本持续下降、试错变得可承受，RSI的突破就会从科幻变成现实。
当前，RSI 现在还处于早期阶段。但总的来说，RSI 是AI迈向自主进化与“智能爆炸”的核心技术范式，代表了AI从“人类辅助工具”向“自主进化主体”演进的前沿方向。
二、Frontier model（前沿模型）：你追我赶，终局未定
先说一个核心结论：2026年上半年的前沿模型（Frontier model）赛道，没有永远的第一名，领先优势的半衰期正在急剧缩短。
1、上半年战局复盘：三次王位交替
（1）第一阶段：Google 短暂领跑（2025.11-2025.12）
Gemini 3 凭借原生多模态 + YouTube 海量视频数据 + Waymo 物理交互数据，实现能力跃升，被视为 Scaling Law 最极致的执行。多模态数据壁垒，是 OpenAI 和 Anthropic 短期内无法复制的结构性优势。
（2）第二阶段：Anthropic 靠 Coding 反超（2026.Q1）
Agentic+Coding 产品爆发，Claude Code 快速占领开发者社区，产品飞轮高速转动：好产品吸引开发者→产生真实编码数据→用数据做强化学习→模型更强→产品更好用。
截至 2026 年 5 月，Anthropic 年化经常性收入（ARR）达到 470 亿美元，绝对值和环比增速双双领先 OpenAI。
（3）第三阶段：OpenAI 靠算力追平（2026.Q2）
Anthropic 的领先只维持了一个季度。算力供给不足开始卡脖子：Opus 4.7 迭代乏力、Fable 模型上线后又撤回、甚至通过调整计费规则变相限流涨价。
OpenAI 抓住窗口期推出 GPT-5.5/5.6，在编码能力上追平甚至反超 Claude。此前被诟病 “算力储备过剩、资本开支失控” 的短板，反而成了价格战抢用户的核心优势。
再加上xAI Grok 4.5、国产DeepSeek V4持续冲击，第一梯队的差距已经缩小到“按月度计算”。
下图：前沿大模型综合能力时序走势（2022.11—2026.7）
Anthropic（棕色折线）全周期分数天花板，2026 年 7 月最新模型分值突破 60，是全场唯一站上 60 分区间的厂商；
2、胜负的核心：四大要素的平衡
Google为什么手握多模态王炸却在coding赛道掉队？核心是产品飞轮没转起来——Antigravity（Google于2025年11月 的全能 Agent）用户体验差，用的人少就拿不到真实数据，没有数据就做不好强化学习，模型迭代慢又导致用户更少，陷入负循环。
Anthropic为什么领先优势快速缩水？核心是算力供给跟不上，不得不用涨价、限流来控制用量，反而流失了用户。
站在2026年年中看，下半年谁能登顶，已经不取决于谁的参数更大，而取决于谁能平衡好模型能力、产品体验、数据飞轮、算力供给这四个要素。
三、价格战：开源蚕食闭源，国产模型出海
1、分层格局：闭源守1%高端，开源吃90%场景
一直以来，全球AI的竞赛形成了，美国高端的闭源模型（OpenAI、Anthropic、谷歌Gemini）和中国的中小模型（千问、DeepSeek、智谱GLM、Kimi）的开源格局。
美国的闭源高端模型主要是API收费，赚取持续服务费，靠封闭数据墙巩固垄断；而国内的中小模型，靠宽松开源许可快速扩张全球开发者。
Anthropic 和 OpenAI 的旗舰模型越强越贵，客户就越有动力找替代方案。企业客户开始在复杂任务用旗舰闭源（Opus/Fable/GPT-5.5），简单任务用开源或低价模型（DeepSeek/MiniMax/Qwen）。
企业客户正在形成非常清晰的分层策略：
最复杂的1%核心任务，如高端医疗、复杂金融推演，超级多模态用GPT-5.6、Claude Fable这类旗舰闭源模型； 剩下90%的日常场景——客服邮件、文档摘要、代码补全、常规文案，开源模型（DeepSeek/MiniMax/Qwen）完全够用，通过这些中小模型拉拢全球开发者。
下图：artificial analysis 榜单上，开源模型占大头
另外，很多企业一开始以为自己全是复杂任务，真正跑起来才发现，可能 90%的场景根本用不到旗舰模型（如 Fable 5 或 GPT-5.6）的能力。并且，开源模型成本仅为闭源旗舰的几十分之一，性价比优势碾压。
2、模型路由器成标配，开源份额快速上涨
模型路由器（Model Router）是这场分层趋势的关键基础设施：企业提交任务，系统自动判断复杂度，简单任务扔给DeepSeek、Qwen这类便宜的开源模型，复杂任务才调用高价闭源模型。
数据最能说明问题：2026年1-6月，OpenRouter平台上开源模型的token占比快速提升；DeepSeek的token份额涨幅，远高于其收入份额涨幅——本质就是用量涨得飞快，但因为单价低，收入没有同步暴涨。
下图：2026 年 1 月 vs 6 月全球模型 Token 流量份额变化：Google（Gemini）：24.6% → 10.7%，份额近乎腰斩，下滑 13.9pct，跌幅行业第一。DeepSeek（涨幅冠军）：9.1% →18.1%，暴涨 9pct，份额翻倍，从第四梯队直接跻身全球第二，仅落后 “Other” 0.2 个百分点。
一年前全球大型企业还对中国开源模型心存顾虑，担心安全漏洞；现在很多金融机构都已经在用，既没发现安全问题，又实实在在省了钱。甚至微软都在考虑用DeepSeek来驱动Copilot Cowork白领助手——巨头也不想被少数闭源厂商绑架定价权。
3、国模出海：从“能用”到“好用”的全球化突围
国产模型已经度过了“追赶”阶段，进入“差异化竞争”阶段：
DeepSeek：算法创新领先，成本优势显著，是海外开源市场最主流的中国模型； 智谱GLM-5.x：编码能力突出，Harvey等海外垂直应用已经基于GLM训练专属模型； MiniMax M3：原生多模态实现突破。
随着全球企业从“token maxxing（疯狂堆用量）”转向“开源节流”，国产模型的性价比优势会进一步放大，全球市场份额还有非常大的提升空间。
四、 双向渗透：大模型厂商下沉做应用，应用巨头向上自研底座
AI 行业正在出现清晰的双向渗透格局：上游基础模型厂商持续向下游垂直场景延伸、推出原生行业工具；下游应用龙头则依托资本与算力加持，反向自研自有大模型底座，打破上游供给束缚。
1、上游模型厂商纵向下沉：从售卖 Token 转向交付行业解决方案
以 Anthropic 为代表的头部基础模型企业，2026 年全线加速产品落地，精准锁定编程、工业设计、金融、法律、医疗、生命科学六大高客单价、高数据沉淀价值赛道，并非单点试水，而是系统性全产业链布局：
Claude Code 正面攻坚 AI 编程赛道，直接与 OpenAI Codex、Cursor 形成直接竞争，依托底层模型原生代码能力抢占开发者市场；
4 月推出 Claude Design 智能设计工具，直击 Figma 核心业务。该产品可将创意构思转化为可协作原型的周期从数天压缩至数小时，直接冲击 Figma 按席位订阅的商业模式，产品上线当日 Figma 股价下跌 7%；
Anthropic 向下拓展业务，本质是商业模式的迭代升级：单纯售卖 API Token 的收入天花板受推理调用量限制，而行业解决方案可匹配企业业务价值定价，营收空间大幅拓宽。
2、下游应用龙头向上突围：算力加持自研基座，破解供应链隐患
与模型厂商下沉形成对冲的是，头部应用企业开启向上自研大模型的转型，典型案例为 Cursor 与 SpaceX 的深度绑定：
2026 年 4 月底 SpaceX 宣布以 600 亿美元全股票交易收购 Cursor；同年 6 月，Cursor 正式公布自研 1.5 万亿参数基础大模型计划，训练依托 SpaceX 旗下超算集群，可调动超 10 万张 GPU 算力，彻底摆脱对第三方 API 的依赖，完成从纯应用工具向 “应用 + 自有模型” 一体化企业的转型。
下图： SpaceX 收购 Cursor，来自网络。
Cursor 与 SpaceX 的组合形成两大不可复制核心优势：
① 彻底解决上游卡脖子问题，算力自主可控：此前 Cursor 长期依赖 Anthropic、OpenAI 的 API 服务，而两大厂商同步推出同类 Claude Code、Codex 产品，形成 “供应商即竞争对手” 的致命结构性矛盾。
② 独有高质量代码真实交互数据：Cursor 沉淀海量开发者真实操作和交互数据：包含代码编写、AI 建议采纳 / 驳回、程序调试、迭代优化全流程行为记录，质量远高于 GitHub 静态开源代码库，可持续迭代优化模型、纠错能力，反哺 SpaceX 旗下 Grok大模型。
总的来说，跟 Claude Code 和 Codex 比，Cursor+SpaceX 的优势是成本结构更灵活、有自己的算力和模型底座、不被单一上游锁死。
五、AI应用三波浪潮：写代码→做办公→搞创作
从 Vibe Coding （写代码）到 vibe working（氛围工作） 再到 vibe creating（范围式创作），甚至Vibe Everything，AI 应用经历了一波有一波的浪潮。
大模型的商业化落地，不是均匀渗透所有行业，而是沿着“可验证性从高到低”的路径，依次掀起三波浪潮。2026年年中，正好是第一波进入成熟期、第二波快速渗透、第三波萌芽的关键节点。
1、Vibe Coding：率先爆发，但已遇预算天花板
Vibe Coding，即氛围编程或直觉式AI编程，是一种利用大语言模型（LLM）辅助软件开发的新型范式。简单说就，Vibe Coding就是AI编程和写代码。
其核心理念是“意图驱动”而非“语法驱动”，即开发者通过自然语言描述需求，由AI自动生成代码，开发者通过“运行-反馈-迭代”的循环快速收敛结果，无需逐行手写代码。
Vibe Coding 由OpenAI 联合创始人 Andrej Karpathy在 2025 年 2 月 2 日提出。
Vibe Coding编程，为什么是第一个跑通商业化的场景？核心原因就是高可验证性——代码能不能跑、过没过测试，编译器会给出明确的yes/no反馈。这让强化学习可以高效迭代，也让用户很容易感知到价值，形成产品飞轮。
但2026年上半年，Vibe Coding的浪潮已经显现出增长瓶颈：GitHub Copilot改成按token计费后，企业账单暴涨，Uber四个月花光全年AI预算，亚马逊直接砍掉了内部AI工具用量排行榜。企业从“疯狂堆token”转向“精细化控本”，纯编程场景的高速增长期正在过去。
2、 Vibe Working：白领正在快速渗透
（1）什么是Vibe Working
2025 年 9 月，微软 在推出了 "Vibe Working" 概念，即氛围工作。通过在 Microsoft 365 Copilot 中集成 AI 代理，将自然语言协作引入 Excel、Word 和 PowerPoint 等办公应用。
Vibe Working（氛围工作） 是一种将“Vibe Coding（氛围编程）”理念扩展到普通办公场景的新型人机协作工作范式。其核心理念是“你定义目标（Vibe），AI负责执行（Working）”，即通过自然语言描述工作意图，由AI智能体（Agent）完成多步骤的全链路执行，人类则专注于高层的策略、判断和成果验收。
正如 Genspark CEO Eric Jing 所描述："当你不再认为自己是负责人，完全委托你的工作，并开始享受与超级聪明同事协作的过程时，你就不再是在'使用 AI 工具'，而是在即兴共创。" 这就是Vibe Working的魅力所在。
（2）行业应用--中小企业白领为主
OpenAI 在 2026 年 6 月披露了一个关键数据：知识工作者——那些天天做表、做PPT、做研究、跟数据打交道的人——现在占 Codex 用户的 20%，增速是程序员群体的 3 倍。个人用户增速更是达到程序员的4倍，AI Agent 的风已经从程序员工位吹到了普通打工人的桌面。
例如，月之暗面的Kimi Work、Anthropic 的Claude Cowork、OpenAI 的桌面版Codex，核心能力都是把原本在终端里跑的 Agent 能力搬到图形界面，让它能操作 Excel、PPT、浏览器、PDF。不用敲命令，不用配环境，直接用自然语言描述目标，AI 拆解任务、并行执行、调用工具、整理文件夹，最后交付文档、表格、PPT。
从行业上看，金融从业人员，目前是Anthropic第二大收入来源，投研人员用AI做估值建模、复盘持仓；市场人员用AI读方案、做分析报告、生成PPT；分析师用AI整理路演纪要。从个人付费转向企业报销的趋势已经非常明显，部分机构已经开始给员工统一配置企业级Agent账号。
不过 Vibe Working 面临的摩擦力比 Coding （编程）大得多。一是可验证性弱，一份报告好不好、一个建议对不对，没有客观标准，RL训练难，用户信任门槛高；二是合规空白，企业核心财务、合同、HR数据交给AI操作，权限、审计、留痕、追溯的规则都还没建立，大型企业的渗透会慢于预期。短期内，白领Agent 的主战场还是个人用户和中小企业。
3、Vibe Creating：尚在早期，但天花板最高
（1）什么是Vibe Creating
2026年6月3，火山引擎（字节跳动旗下） 基于 Seedance 2.0 模型的性能跃迁，提出 AI 视频创作新范式--Vibe Creating。
该范式旨在弱化传统的精细化参数控制，主打“讲好故事，回归意图表达”，通过提升模型对氛围、情绪及叙事感的理解，让创作者无需死磕复杂镜头术语即可高效输出高完成度作品。
下图：来自火山引擎官网-实践手册 Vibe Creating ByteDance
如果 Coding 是替代程序员的脑力劳动，Working 是替代白领的重复性工作，那么Creating 瞄准的是人类最后的堡垒——创意本身。你用自然语言描述一个想法，AI 帮你生成视频、音乐、游戏、设计作品。
（2）Creating痛点&天花板
视频生成是目前Creating最成熟的子方向，国产模型在效果上已经做到全球第一梯队，比如可灵能生成电影级的表演，表演有层次感，光影处理也更复杂。seedance 虽然风格更偏抖音短视频，但迭代速度极快。
虽然Creating进步很快，但商业化规模和Coding编程、Working办公比还差几个数量级。
Vibe Creating 核心痛点两个：一是目前“抽卡率”太低，同一段提示词生成十次可能只有一次能用，还没法精准修改；二是场景有限，目前还集中在短剧、广告片，完整的长视频内容生产流程还跑不通。
但长期看，Creating的天花板是最高的。Coding让不会写代码的人能开发软件，Working让不会Excel的人能做数据分析，Creating会让没学过剪辑、编曲的人也能表达创意——它不是替代创作者，而是扩大了创作者的定义，重新定义了人类想象力的边界。
六、2026下半年总结&展望：三条主线
站在年中节点看下半年，大模型行业的投资和产业主线非常清晰，核心围绕三个变量展开。
1、主线一：海外龙头上市窗口临近，板块迎来定价锚点
OpenAI和Anthropic大概率会在2026下半年到2027年陆续上市。两家公司上市后，会给整个AI大模型板块形成明确的定价锚点，也会让市场对ARR、毛利、算力投入的估值逻辑形成共识。
2、主线二：Google的翻盘机会，系于多模态与TPU
Google短期coding赛道的落后，不代表长期战局的胜负。谷歌下半年能否重回第一，取决于下面个条件能否兑现：
首先，由于当前算力是AI的核心瓶颈，如果Google 的 TPU 集群和Google Cloud云端优势能充分释放，推理成本优势将逐步凸显；
其二，多模态成为下一阶段 Scaling 的主方向。Google在多模态和世界模型上的布局，以及YouTube/Waymo 数据和Omni 架构是OpenAI和Anthropic不具备的结构性优势。
3、主线三：国产开源模型全球化，份额加速提升
这是和国内产业最相关的一条主线。国产模型已经完成了从“能用”到“好用”的跨越，接下来就是全球化份额的持续提升。
DeepSeek的算法与成本优势、智谱 GLM-5.x 系列在 coding 上表现优秀、MiniMax m3 在原生多模态有所突破，都会在全球企业降本的大趋势下持续放大。
随着更多海外垂直应用公司基于国产开源底座做训练，国模的生态壁垒也会逐步建立，企业端从 tokenmaxxing（token最大化） 转向开源节流，国产模型在全球市场的份额有望提升。
4、写在后面：中场混战，没有终局
2026年年中的大模型行业，远没有到终局定胜负的时候。
曾经大家以为，Scaling Law堆到极致就会跑出唯一的赢家；现在看来，参数只是基础，产品、数据、算力、生态、垂直场景，每一个维度都是新的战场。领先的优势越来越短，掉队的翻盘机会也越来越多。
而对于中国的大模型产业来说，上半场我们在追赶；下半场，在开源、在多模态、在全球化的战场上，我们已经有和全球巨头同台竞技的实力了。
下半年的战局，只会比上半年更精彩。
引用参考图片和文献：东吴证券、artificial analysis官网、openrouter.ai 官网、火山引擎官网、等各公司官网等公开资料。不代表本人立场，不构成投资建议。
更多AI算力、Token、光纤光模块、PCB、先进封装、玻璃基板、能源金属、人形机器人、存储、商业航天、稀土、芯片半导体、CRO创新药等重点行业最新研究报告，都发布在Aiden的知识星球。
欢迎扫描下方二维码加入，可下载源文件PDF：
推荐” 和 “
” 