大家好，我是小蛋散。
小蛋散刚刚看完野村证券（Nomura）发布的一份针对国内头部大模型独角兽“月之暗面（Moonshot AI）”的专家访谈研报《Takeaways from Moonshot Al expert call：Commercial acceleration and strategic pivot》。我们看到了中国大模型行业正在发生深刻的战略演进：从盲目卷参数，走向了追求商业化（ARR）、聚焦私域数据护城河、以及算力成本大幅优化的新阶段。
小蛋散马上给大家解读其中的核心观点，并附上我的延展思考、策略建议。
一、商业化加速：API出海与营收的爆发式增长
【研报观点与内容梳理】
根据专家透露，月之暗面的商业化进程远超预期。截至2026年中，其年度经常性收入（ARR）已达到4亿至5亿美元，并保持着每月10%-20%的环比增长。专家预计，到2026年年底，月之暗面的ARR将突破10亿美元大关。
在收入结构上，API调用已成为最核心的增长引擎，超越了C端的订阅付费。更值得注意的是，国际市场的收入贡献已经超过了国内业务。中国大模型厂商正在利用“极致性价比”在海外市场攻城略地——以海外顶尖大模型（如OpenAI、Anthropic）20%的价格，提供其80%的能力，完美契合了海外大量常规化、非极度复杂AI任务的需求。
此外，产品端预计在2026年9月迎来重大催化剂——K3模型的发布。K3将重点提升多模态能力、强化编程表现以及智能体的任务编排能力。
【小蛋散的延展思考】
ARR指标的快速飙升，证明了生成式AI已经跨越了“叫好不叫座”的死亡之谷，找到了真实的Product-Market Fit（产品市场契合度）。“出海”与“API调用”双轮驱动，说明中国AI企业不仅在技术上紧追国际前沿，在商业模式上更是依靠中国制造传统的“成本优势”实现了降维打击。长尾开发者的海量需求，正在为国产大模型提供源源不断的现金流。
【小蛋散的策略建议】
关注具备强劲“AI出海”能力的应用层公司，特别是那些能够利用高性价比国产大模型API，向海外输出标准化软件服务（SaaS）的标的。这类企业能够享受海外较高的客单价和国内极低的Token成本带来的“剪刀差”红利。
二、 AI智能体的下一战场：医疗、教育与金融
【研报观点与内容梳理】
目前，AI编程是大模型最清晰的商业化路径（如Anthropic的Claude Code）。但月之暗面专家认为，需要复杂、高频编程协助的专业开发者基数相对有限，且高端市场已被海外巨头占据，因此AI编程的总潜在市场（TAM）存在天花板。
随后，医疗、教育和金融将成为AI智能体广泛应用的下一个主战场。其中，医疗领域被视为最直接、最清晰的机会，无论是医疗咨询、诊断辅助、影像判断还是药发研发，都对AI有迫切需求；教育和金融场景同样丰富，但金融领域由于严格的合规与监管限制，AI渗透速度可能会稍稍落后。
【小蛋散的延展思考】
通用大模型解决的是“常识”问题，而垂直大模型解决的是“专业”问题。医疗与教育作为高人力成本、高知识密度的行业，AI智能体的引入将带来生产力的质变。AI的核心不仅是“替代”专业人士，更是“赋能”普通人，让“人人皆是程序员”成为可能。
【小蛋散的策略建议】
战略性布局医疗IT、教育信息化领域的龙头企业。特别是那些已经开始在具体业务流（如电子病历生成、AI辅助诊疗、个性化AI家教）中深度集成大模型能力的垂直SaaS服务商。
三、核心护城河：高质量私域数据的价值重估
【研报观点与内容梳理】
随着模型架构的逐渐趋同，专家指出，高质量的垂直数据将成为大模型厂商竞争的核心壁垒。由于商业敏感性和隐私法规，这些珍贵的业务数据极难在公共领域获取。
这就解释了为什么拥有海量交易、运营和用户行为数据的互联网大厂（如阿里、字节跳动）具有结构性优势。美团近期开发自有大模型LongCat，核心诉求之一就是为了防止使用外部模型导致企业核心运营数据泄露。字节跳动凭借抖音庞大的用户行为数据，不断优化算法，使其在TikTok出海竞争中形成了难以逾越的推荐优势。
【小蛋散的延展思考】
“算力买得到，但私有数据买不到”。在AI的下半场，谁拥有场景和数据，谁就掌握了定义垂直大模型的权力。纯粹的技术初创公司如果没有独家数据反哺机制，很容易在长跑中被“管道化”。数据要素的价值将在AI时代被极致放大。
【小蛋散的策略建议】
重点关注“数据富矿”型企业。寻找那些在特定行业（如交通、金融、出版、媒资、政务）拥有海量独家数据资源，且具备数据确权和变现能力的国资背景数据运营商或垂类平台。
四、算力底座：国产芯片破局与Token价格的持续下探
【研报观点与内容梳理】
在算力基础设施方面，月之暗面正在大幅增加国产推理芯片的使用比例，同时混合使用英伟达（如H20）等GPU。专家透露，在目前的混合算力结构下，K2.7相关推理工作的毛利率已接近30%。
专家认为，在内卷和推理成本下降的推动下，API价格（Token价格）的持续下降是必然趋势。但降价并不意味着利润率的大幅收缩，因为随着国产芯片替代率的提升、推理并发性能的优化以及资源利用率的提高，单位推理成本的下降足以抵消降价带来的利润压力。
【小蛋散的延展思考】
“摩尔定律”在AI时代正在以另一种方式生效。API成本的坍塌式下降，是AI应用端爆发的前置条件。国产推理芯片在真实商业环境中的大规模部署及盈利验证（30%毛利率），说明中国AI算力产业链已经具备了规模化替代的可用性。
【小蛋散的策略建议】
算力硬件的投资逻辑应从前期的“海外映射”全面转向“国产落地”。看好能够切入大厂及头部AI实验室供应链的国产AI芯片设计公司，以及相关的先进封装、AI服务器整机制造商。
五、商业模式进阶：从拥抱开源到“分层闭源”
【研报观点与内容梳理】
大模型行业正在经历策略的转变：从早期的全面开源，走向“分层闭源”。
专家指出，开源的本质是公关和开发者生态建设，特别是中低端模型开源，能快速建立品牌认知。然而，无限制的开源会严重稀释商业化潜力（企业会选择本地免费部署而非调用云端API）。因此，大厂和头部AI实验室会采取分层策略：中低端模型开源赚吆喝，旗舰顶级模型（如阿里最新的Qwen 3.7 Max）坚持闭源并溢价收费，以此保护企业的变现能力和毛利率。
【小蛋散的延展思考】
开源是获客手段，闭源才是收割镰刀。大模型厂商已经度过了不计成本抢占开发者心智的草莽期，开始进入精细化商业运营阶段。只靠开源讲故事、没有闭源旗舰模型造血的企业，将面临严峻的现金流考验。
【小蛋散的策略建议】
避开缺乏自我造血能力、仅靠融资支撑开源生态的伪AI标的。投资那些具备清晰商业化分层产品矩阵、且云端API调用量（消耗量）有实质性爆发的底层大模型服务商及云厂商。
六、终局之战：纯粹AI实验室 VS 互联网大厂
【研报观点与内容梳理】
关于行业终局，产生了一个极其精彩的观点交锋：
- 月之暗面专家（AI实验室视角）
：坚信通用大模型市场将发生结构性整合，像Moonshot、DeepSeek这样纯粹聚焦大模型的AI实验室，有能力战胜阿里、字节等互联网大厂。理由是大厂如果在整条AI价值链上盲目扩张，会分散精力；大厂最终会更倾向于退居幕后，专注于利润更丰厚的云服务和AI基础设施。 - 野村证券（投资产业视角）
：明确反驳了专家的过度自信。大厂拥有深厚的技术底蕴、雄厚的财力，最核心的是拥有能够持续产生庞大数据的生态系统。以腾讯和字节为例，指出字节的“豆包”凭借流量优势已全面覆盖中老年及青少年群体，大厂绝不会仅满足于底层的云服务收入。拥有自有大模型是所有未来应用的“大脑”，具有不可退让的战略意义。反观腾讯，由于缺乏强有力的自研大模型体系支撑，面临着入口优势被AI搜索侵蚀的尴尬，股价表现也因此承压。
【小蛋散的延展思考】
纯粹AI实验室胜在“专注”与“机制灵活”，但在大模型从“技术比拼”转向“生态与应用比拼”的深水区时，大厂的资金厚度、算力储备和应用分发能力将形成碾压态势。大语言模型最终极有可能会成为互联网大厂的水电煤，而独立的AI独角兽如果不能在某一超级应用上形成闭环，最终可能难逃被收购或边缘化的命运。
【小蛋散的策略建议】
在底层模型赛道，长线资本应坚定拥抱“有钱、有端、有数据”的互联网巨头。对于独立AI独角兽的投资，应更看重其具体的超级应用爆发潜力，而非单纯的模型跑分。
最后：A股对应策略
基于以上对研报内容的梳理，回归到A股市场，小蛋散提炼出以下三条高胜率的投资主线：
- 算力底座与“自主可控”的国产替代闭环
- 策略逻辑
：既然月之暗面等头部企业已证明国产推流芯片的大规模商用及毛利逻辑跑通，叠加外部封锁预期，国产算力将迎来从“能用”到“好用”的业绩兑现期。 - 关注方向
：昇腾/海光生态链企业、国产AI芯片IP授权商、先进封装（Chiplet）产业链、以及液冷服务器提供商。
- “AI+”垂直行业的场景重塑与SaaS出海
- 策略逻辑
：通用大模型价格战降低了应用侧的成本，医疗、教育、金融将是最快爆发的垂直场景。同时，具备出海能力的API套壳或应用重构企业将享受海外高溢价。 - 关注方向
：具备核心行业知识库积累的医疗IT信息化标的、积极推进AI家教终端落地的教育传媒企业、以及具备全球化软件分发能力的跨境电商或办公工具类软件股。
- 数据要素：大模型时代的“稀缺锂矿”
- 策略逻辑
：大厂与AI实验室对高质量私域数据的极度渴求，将推动数据要素市场的价值重估。谁掌握了不能被公开爬取的行业级数据，谁就掌握了定价权。 - 关注方向
：拥有海量合规数据版权的国资传媒出版企业、掌握交通/医疗等政务核心数据的IT服务商、以及布局数据交易所与数据确权业务的相关数字经济概念股。
结语：
大模型的上半场卷参数、卷跑分，而野村证券的这份研报与大厂的博弈交锋则清晰地宣告：AI的下半场已经正式转向卷商业落地（ARR）、卷私域壁垒、卷成本控制的“全能信用赛”。无论是月之暗面靠极致性价比在海外API市场撕开的裂口，还是互联网大厂凭借生态数据筑起的马奇诺防线，都昭示着AI不再只是空中楼阁的科技幻象，而是正在重塑医疗、教育、金融等传统行业骨骼的生产力海啸。在这场纯粹AI实验室与传统互联网巨头的终局之战中，谁能真正将技术转化为高毛利、高留存的商业闭环，谁才握有通往未来AI时代的终极入场券。对于投资者而言，看清算力国产化与数据要素资产化的底层逻辑，在泡沫与洗牌中精准锚定“有场景、有数据、有造血能力”的标的，将是接下来的核心决胜点。
轻轻松松又放工……
欢迎各位关注公众号、点赞、转发分享，3连3连！谢谢！👇🏻
