说明：本文是《从零开始读AI：AI产业链总览》的展开，定位为 AI 产业链的科普梳理。全文聚焦产业逻辑、结构认知与价值流向。
上接：《从零开始读AI：AI产业链总览》｜《之二：算力层——AI的"电力"》｜《之三：数据层——AI的"感官与记忆"》 一、模型层总论：大脑中枢 把 AI 产业链比作一个生命体，算力层是电力（供给能量），数据层是感官与记忆（输入与存储），那模型层就是大脑——智能的源头在这里。它不是整条链里价值最大的器官（应用层的"双手"才是），但没有它，全身指挥失灵。 这一层是整个 AI 链里变化最快、叙事最密集、但价值稀释也最明显的一层。 2023–2025：军备赛阶段。各大厂拼参数、拼训练规模，模型发布即头条。那时候"谁家模型强"是绝对热点。 2026：转折点。供给大爆发后，通用基座模型的差异化急剧收窄。"模型不再稀缺"成为行业共识。行业从"能不能做"转向"能不能赚钱"。 但这不意味着模型层没有价值——拥有非对称优势（数据独占、场景锁定、生态绑定）的玩家，壁垒仍然深厚。 一句话定调：模型层是产业链的晴雨表——它进步的速度，决定了应用层能长出什么新东西，也决定了算力层需要多强的算力。但它自己，恰恰是中游那个"价值稀释最快"的环节。 二、四大内部环节 大模型从"炼出来"到"用起来"，至少经历四个环节： ① 预训练（最烧钱的一环） 用海量数据（来自数据层）训练出基座模型，壁垒在数据质量 + 算力规模 + 工程能力。闭源巨头（OpenAI、Google、Anthropic）靠资本投入堆出性能天花板；国产路线（DeepSeek、千问等）则走"国产算力 + 算法效率"的性价比路径。 ② 后训练（给模型"分寸"） 预训练给模型"知识"，后训练给模型"分寸"。SFT（监督微调）教它怎么答，RLHF（人类反馈强化学习）让它答对、不有害——这正是数据层里"高端 RLHF 标注"的下游：那些标价通用十倍到百倍的专家裁判，喂的就是这一环的偏好数据。 ③ 推理（2026 最关键的结构变化） 2026 年：推理算力需求首次超过训练。模型不再频繁重训，而是"一次训练、无数次推理"。这意味着芯片需求结构在变——推理侧不需要训练侧那么贵的 HBM，但要更低的延迟和功耗，端侧推理、边缘推理随之兴起。对企业来说，比的不是"谁模型强"，而是"每 token 成本多低、延迟多小"。 ④ 商业化变现（价格战主战场） 模型不直接卖，而是以 API 调用、订阅、云集成的方式变现。这一环是商业化的咽喉，也是价格战的主战场——API 价格持续下降，通用模型的差异化越来越窄。 三、竞争格局：三大阵营共存 模型层的竞争，比算力层（英伟达一家通吃）分散得多，也比数据层（大行业小公司）集中得多——呈现三大阵营分层的格局。这是模型层独有的结构特征。 阵营一：闭源·商业领先（追求天花板） 以 OpenAI（GPT 系列）、Google（Gemini）、Anthropic（Claude）为代表。靠资本投入堆出性能天花板，赚高端商业客户的钱——金融、医疗、国防等对准确性和安全性最敏感的行业。 阵营二：开源·生态扩张（追求份额） 以 LLaMA、DeepSeek、千问等为代表。性能迅速逼近闭源，靠开源生态和性价比抢长尾开发者与成本敏感行业（中小企业、教育、发展中市场）。 阵营三：行业 / 垂直模型（场景锁定） 在特定领域用数据独占 + 场景绑定建立护城河，如科大讯飞在教育/医疗的政企关系、字节跳动在抖音/电商的数据闭环。这部分玩家不会商品化——通用模型再强，拿不到它的专属数据就替代不了。 格局判断：闭源和开源不是谁吃掉谁，而是分层长期共存。这点和算力层"英伟达通吃"、数据层"大行业小公司"都不同——模型层是唯一呈现"双路线长期共存"的环节。 四、2026 关键变化与信号 4.1 推理算力需求超越训练 芯片需求结构在变：推理侧更看重性价比、延迟、功耗，端侧/边缘推理兴起。这反过来影响算力层的产品结构（训练卡 vs 推理卡的需求比例）。 4.2 Agent 崛起：从"问答"到"做事" 2026 年的质变：模型开始"做事"。一个 Agent 能自主拆解任务、调用工具（查数据库、发邮件、跑代码、下单），多步完成目标。从"帮我写封邮件"到"帮我把这笔订单从下单跑到发货"，中间差的是一个能执行、能纠错的智能体。 对产业链的影响：Agent 越多，企业越需要流程编排、权限控制、审计、数据治理平台——直接利好 SaaS 与数据基础设施。 4.3 Token 经济：价跌量增 模型 API 价格持续下降，但总 token 消耗量爆发式增长（科大讯飞 2026Q1 开放平台日均 Tokens 同比 +4241% 就是缩影）。量增抵消价跌，底层算力总需求仍在扩张。这就是"产业链价值流反向于技术流"的注脚：技术在中游稀释，需求却向上游（算力）和下游（应用）两头释放。 4.4 算力账单压力 大模型厂商面临严峻算力账单。据公开报道，OpenAI 披露 2026 年算力支出将达 500 亿美元；国内字节跳动 2025 年净利润同比下滑超 70%，浙商证券测算其 2025 年资本开支约 1600 亿元、其中约 900 亿元用于 AI 算力采购。算力账单的支付与收入回笼之间存在显著时间差，"AI 免费"模式难以为继，行业从拼技术转向拼变现——这是模型层从"军备赛"走向"兑现期"的最硬信号。 4.5 模型安全与治理 随着 Agent 自主权增大，AI 安全成为不能绕开的环节：对齐（让模型按人类意图行事）、幻觉检测、红队测试。政策端，中国《生成式 AI 管理办法》持续细化，美国白宫 AI 行政令推进，催生模型评估、安全审计等新业态。 五、价值判断与投资启示 模型层让我想到巴菲特讲过的"谁是卖铲子的"——19 世纪淘金热，真正稳赚的是卖铲子、卖牛仔裤的。AI 这场淘金热里，模型层算不算"卖铲子"？ 部分算。闭源巨头卖的是"智能能力"这个铲子，而且铲子足够锋利、客户愿意付溢价。但它和数据层（无论谁赢都得买数据服务）、算力层（英伟达一家通吃大部分）有个根本不同：模型层的铲子正在快速商品化。开源把价格打下来，API 越来越便宜，通用模型的差异化越来越窄。 模型层是"晴雨表"，不是"重仓方向"。纯大模型公司多数仍在烧钱，A/H 股可选的标的极少。把它当产业认知储备，而不是收益主力。 模型能力 ≠ 商业价值。参数再高、榜单再好看，赚不到钱就是零。A 股模型层几乎只能从"行业大模型 + 场景绑定"的角度切入。 最该关注 Agent 趋势——它正在重塑 SaaS、电商、金融等行业的底层逻辑，而这与我们深耕的应用层直接相关。 六、产业链联动：信号如何传递 七、能力圈拓展的注意项 模型层关注的核心不是"哪天涨"，而是"通用模型商品化后，谁还有非对称优势"。独占数据、场景锁定、生态绑定——三者至少取一，否则在商品化洪流中难以立足。 A/H 股模型层的直接标的极少——多数纯大模型公司（智谱、月之暗面、百川等）仍在一级市场。已上市稀缺标的需严格区分"模型能力"与"商业价值"，切勿混为一谈。 警惕把"概念热度"当"产业逻辑"。模型层叙事最密集、最容易被情绪推动，但价值稀释也是最快的。区分"真技术"与"真生意"——两者重叠时才是值得深耕的标的。 最该跟踪的指标是 Agent 渗透率——它比模型榜单更有含金量，衡量的是"企业客户是否真在部署、真在买单"，而不是"实验室里谁分高"。 产业链联动的视角不能丢：模型进步→推理算力需求→影响算力层结构；Agent 崛起→SaaS 与数据基础设施需求→影响应用层变量。只盯一层容易偏，链式思维才能让你看清信号。 本文基于公开行业研究与公开报道进行梳理。文中提及的企业仅作为全球产业格局的客观主体被引用，不代表对其价值的任何判断，不构成任何投资建议，不涉及任何个股推荐。
夜雨聆风
