AI大模型市場正在走向分層競爭格局，而中國AI實驗室有望憑藉顯著的成本優勢，在全球市場中佔據舉足輕重的地位。

據追風交易台，伯恩斯坦分析師Robin Zhu等人在最新報告中指出，即便考慮地緣政治約束、並假設中國模型在美國市場幾乎沒有滲透，中國AI實驗室仍可觸達全球AI市場約35%至40%的潛在市場（TAM）——以絕對規模計算，約合3200至3500億美元。

報告認為，Anthropic旗下Claude Fable 5高昂的token定價已促使開發者重新審視AI使用成本，這一事件標誌着市場對AI投資回報率的關注正在加速升溫，並將加快用戶向性價比更高模型遷移的進程。

上述判斷對全球AI產業格局具有深遠影響。在伯恩斯坦的基準情景下，美國前沿實驗室將繼續主導高度專業化、高溢價的前沿應用場景；而在消費級、中小企業及新興市場等更廣泛的"尾部"應用領域，中國AI實驗室憑藉更低的token價格，有望系統性地蠶食市場份額。

AI商品化的新框架：感知比算法更重要

伯恩斯坦在報告中提出了一套有別於傳統認知的AI商品化分析框架。傳統觀點認為，AI商品化源於各模型底層智能的趨同；而伯恩斯坦認為，商品化的真正驅動力在於人類用戶對模型能力的感知，以及特定應用場景下模型何時達到"足夠好"並能在規模上穩定運行。

報告將AI應用場景按商品化速度排序：消費級場景（如訂購外賣、預訂酒店）將率先商品化；其次是確定性較強的企業級工作負載（如Excel建模）；再次是複雜戰略規劃與網絡安全；最後是藥物研發、核聚變、太空探索等前沿科學領域——這些場景的用戶支付意願近乎無限，將長期支撐前沿模型的高溢價。

伯恩斯坦指出，騰訊微信的智能體AI公告以及阿里巴巴在Qwen應用中的探索，表明購買奶茶、機票或T恤等消費場景的AI代理商業化部署已近在眼前。一旦某類任務被"解決"，對該領域追加研發投入的邊際回報將急劇下降，AI實驗室的研發資源將自然轉向更復雜的前沿任務。

市場分層：美國守前沿，中國攻腹地

伯恩斯坦預判，全球AI市場將逐步形成雙層結構。第一層由美國前沿實驗室主導，持續解鎖新能力，服務於支付意願高、需求日益專業化的客戶群體；第二層則是服務於更普通企業和消費者需求的"尾部AI"市場，競爭核心將轉向每次任務的成本、可靠性與開發者信任度。

在國際市場方面，美國對中國AI模型的接受度極低；歐洲程度相對較輕；而在其他地區，尤其是中東、東南亞等新興市場，用戶對中國AI模型的接受度普遍較高。

報告同時指出，美國前沿實驗室從Blackwell升級至Rubin等新一代芯片，可能在短期內拉大中美模型能力差距；但從歷史規律看，技術擴散將推動這一差距重新收窄，而6至12個月在現實商業世界中相對於消費者習慣的粘性和企業採購的惰性而言，並不算長。

中國AI實驗室的成本優勢與盈利前景

伯恩斯坦認為，中國AI實驗室的成本優勢來源於多個結構性因素：較低的開發者人力成本、跟隨全球最優模型（SOTA）作為研發方向燈塔所帶來的"後發優勢"，以及對落後一代芯片集群的靈活運用。這些因素共同決定了中國實驗室的絕對研發支出將長期低於美國同行。

在盈利路徑上，報告持審慎樂觀態度。伯恩斯坦預計，中國頂級AI實驗室的研發支出在未來五年仍將快速增長——報告援引智譜和Minimax的表態，稱50%的年複合增長率"並不令人意外"。但隨着越來越多的應用場景被"解決"，需要持續投入指數級研發資源的場景範圍將逐步收窄，研發費用增速有望趨緩，從而為AI實驗室展現運營槓桿創造條件。

在推理端，報告認為大多數AI實驗室的推理利潤率"尚可至強勁"；研發以外的運營費用則相對精簡，營銷支出在"優越推理能力基本自我銷售"的環境下可保持較低水平。伯恩斯坦的整體判斷是，AI商品化的演進路徑對AI實驗室的長期經濟模型而言，實際上"相當樂觀"。

阿里、騰訊或率先受益

伯恩斯坦在報告中維持對騰訊和阿里巴巴的"跑贏大市"評級，目標價分別為港幣780元和美元180元/港幣176元。

報告認為，上述兩家公司均是中國AI商業化落地的重要參與者——騰訊微信的智能體AI佈局以及阿里巴巴的Qwen生態，均指向消費級AI場景的率先商業化。

對於整個AI投資主題，伯恩斯坦表示，Claude Fable 5高token成本引發的市場反應，可能加速AI開發者和用戶審視AI投資回報率的時間表。

報告認為，AI用戶將在不同模型間進行選擇，以匹配token邊際成本與任務完成邊際收益，這一邏輯將系統性地利好提供"足夠好"推理能力、同時定價顯著更低的中國AI實驗室。伯恩斯坦坦言，其在過去一兩個月內消耗了約20億個token的自身使用經驗，進一步強化了上述判斷。