王涵系興業證券全球首席經濟學家、中國首席經濟學家論壇理事

要點

AI價格戰背後：從「高門檻產品」向「基礎設施化」演化。在5月的策略會中，我們曾指出，開源模型能力提升正在抬高閉源模型的「斬殺線」，價格戰將壓縮單純出售詞元的回報，並推動AI價值向上下游擴散。現在看，這一階段已經開始出現。根據Epoch AI的數據，以GPT-4早期版本的能力水平作為參照，同等水平模型的最低推理價格由2023年3月的37.5美元/百萬詞元降至2025年2月的0.18美元，降幅超過99%。Silicon Data衡量的詞元成本指數，也由2026年5月28日的階段高點2.0651美元/百萬詞元回落至9月5日的0.9861美元，回落幅度達到52%。這意味着，模型能力正在更快從稀缺供給走向通用供給，AI也正在從「高門檻產品」加速演化為「低門檻基礎設施」。

當「貴資源」變成「可普及要素」，需求可能會加速釋放。歷史上，一種關鍵要素一旦跨過成本門檻，需求釋放往往不是線性的。美國IT革命中，信息處理設備價格持續下降後，實際消費數量出現數倍擴張；4G推廣過程中，移動數據資費快速下探後，流量使用也進入爆發式增長階段。其共同規律在於：當底層要素從高成本、低可得性走向低成本、廣覆蓋，原本受價格約束的需求往往會被迅速激活。對於AI而言，同等能力智能的快速降價，意味着模型調用正從少數場景可用，走向更廣泛、更高頻的規模化使用。

而AI競爭的重心將從「誰的模型更強」，轉變為「誰更會用AI」。一種通用技術在成為普遍可用的底層能力之後，競爭往往不再集中於「誰擁有技術」，而會轉向「誰更能用好技術」。PC和網絡接入普及之後，門戶和搜索成為互聯網競爭中心；移動互聯網基礎設施成熟之後，短視頻等新應用形態迅速崛起。歷史經驗反覆表明，底層技術越接近基礎設施屬性，應用層的創新空間就越大，價值創造的重心也越容易從底層供給轉向場景整合、產品設計和用戶觸達。

在這一轉向中，中國平台公司的比較優勢將被重估。當AI競爭從能力競賽走向應用競賽，場景密度、用戶規模、產業配套和工程化能力的重要性都將明顯上升。在這一框架下，中國在複雜應用場景、龐大用戶基礎和完整產業體系上的比較優勢，有望在AI基礎設施化深入推進後變得更加重要。相應地，更有機會承接下一階段核心價值的，也可能不再只是模型提供方，而是那些更靠近用戶、場景和產業流程的平台公司與應用公司。

風險提示：AI技術迭代及商業化落地不及預期；全球經濟、政策不確定性上升。

正文

AI價格戰背後：從「高門檻產品」向「基礎設施化」演化。在5月的策略會中，我們曾指出，開源模型能力提升正在抬高閉源模型的「斬殺線」，價格戰將壓縮單純出售詞元的回報，並推動AI價值向上下游擴散。現在看，這一階段已經開始出現。根據Epoch AI的數據，以GPT-4早期版本的能力水平作為參照，同等水平模型的最低推理價格由2023年3月的37.5美元/百萬詞元降至2025年2月的0.18美元，降幅超過99%。Silicon Data衡量的詞元成本指數，也由2026年5月28日的階段高點2.0651美元/百萬詞元回落至9月5日的0.9861美元，回落幅度達到52%。無論從固定能力還是市場實際支出來看，一個共同的變化是，同等能力的智能正在快速變便宜。

當「貴資源」變成「可普及要素」，需求可能會加速釋放。在美國IT革命中，1985-1990年間，信息處理設備價格下降46.5%，實際消費數量擴大至約5.5倍；到1995年，價格較1985年已下降80.7%，此後實際消費數量的增長進一步加快，2000年較1995年擴大至約8.7倍。4G推廣也呈現類似特徵。2011-2013年，中國移動數據流量平均資費已由369元/GB降至205元/GB，但仍處於較高水平，同期戶均月度移動數據流量僅由約73MB升至139MB。2013年底4G牌照發放、2014年進入規模商用後，移動數據資費進一步快速下探，2014-2018年由131.3元/GB降至8.5元/GB，下降93.5%；同期戶均月度移動數據流量由約0.20GB升至4.42GB，擴大至約22倍。要素價格進一步下探後，原本受成本約束的需求往往會加速釋放。

而AI競爭的重心將從「誰的模型更強」，轉變為「誰更會用AI」。智能手機和應用商店在3G時代已經完成終端和分發體系的鋪墊，4G的作用是把移動互聯網進一步推向視頻化、實時化和交易化。2013年手機視頻和手機網絡遊戲用戶按年分別增長83.8%和54.5%；2014年手機超過PC成為網絡視頻第一終端；到2016年，網約車和網上外賣用戶均已超過2億；2018年短視頻用戶達到6.48億，手機網絡支付用戶達到5.83億。低成本連接最終釋放的，並不只是更多流量，而是催生了視頻、遊戲、支付、電商、本地生活等一批新的高頻應用。

在這一轉向中，中國平台公司的比較優勢將被重估。詞元成本下降，一方面會提高調用量，繼續帶動上游硬件需求；另一方面，也會使AI更容易進入內容、遊戲、廣告、辦公、交易和本地服務等高頻場景。過往科技浪潮的經驗都表明，要素成本下降之後，更大的增量往往出現在應用層。當模型層價格穩定甚至進一步下降之後，AI價值由模型層向上下游擴散的邏輯將進一步強化。

風險提示：AI技術迭代及商業化落地不及預期；全球經濟、政策不確定性上升。