高盛在 7 月 10 日发布了一份中国 AI 模型研究报告，报告摘要显示，研究团队从定价能力、成本优势和财务实力评估模型公司的竞争地位。报告关注的问题是：随着 DeepSeek、智谱、Kimi 和 Qwen 等模型的能力提升，哪些公司更有可能把技术优势转化为持续收入。
这份由高盛亚洲互联网研究主管 Ronald Keung（姜朗霆）带领团队撰写的报告认为，智谱和 DeepSeek 在基础模型领域的竞争地位较强，字节跳动则在多模态领域占优。高盛首次覆盖智谱，给予中性评级、目标估值 1100 亿美元，同时维持对 MiniMax 和快手的买入评级。模型能力判断与股票评级，在这套分析中是两个相关但不同的结果。
DeepSeek、Kimi、GLM 和 Qwen 各有侧重
受到关注的中国模型包括 DeepSeek V4、Moonshot AI 的 Kimi K2.6、智谱 GLM-5 系列及新发布的 GLM-5.2，以及阿里 Qwen3.5。它们覆盖文本、编程、多模态理解和 Agent 任务，但不同榜单采用的任务与设置不同，不能用一个固定名次概括全部能力。
从公开规格看，这些模型各有侧重。DeepSeek V4 以较低的 API 价格吸引开发者，V4 Pro 当时每百万输出 token 的价格为 0.87 美元。Kimi K2.6 采用约 1 万亿总参数的 MoE 架构，支持 256K 上下文。GLM-5 侧重编程和长程 Agent 任务，官方报告的 SWE-bench Verified 成绩为 77.8%。Qwen3.5 支持 201 种语言和方言，并提供思考与非思考模式，便于按任务选择。
阿里云此前还推出了 Qwen3.6-Max-Preview，继续提升 Agent 编程能力。视频生成则已出现较高的商业收入：高盛引用 LatePost 和 36Kr 的报道，称字节跳动 Seedance 的毛利率约为 70%，年化收入运行率（ARR）超过 20 亿美元。
较低的调用价格有吸引力，任务成本仍需实际比较
调用价格是报告讨论模型普及的重要因素。使用量越大，单位价格对预算的影响越明显。
以文章发布时的官方 API 报价为例，DeepSeek V4 Pro 每百万 token 的未缓存输入价格为 0.435 美元，输出为 0.87 美元；GPT-5.6 Sol 的输出价格为 30 美元。只比较这两款模型的输出单价，后者约为前者的 34.5 倍。实际账单还取决于输入量、缓存使用、推理长度和重试次数。
高盛还采用了包含输入、输出和缓存输入的混合 token 价格来比较市场：部分中国高端模型约为每百万 token 1 美元，约相当于美国前沿模型 4–8 美元报价的 10%–25%；较低价的中国模型则为每百万混合 token 0.06–0.20 美元。这个口径与单独比较输出价格不同。
对于文档摘要、文本分类、信息提取等批量任务，较低的单价提供了试用其他模型的理由。企业仍要用自己的数据比较完成率、错误类型和人工复核成本。涉及敏感数据或高可靠性要求的任务，还要考虑部署方式和供应商条款。采购最终比较的是完成同一项工作的成本与质量，而非脱离任务的能力百分比。
高盛预计，中国 AI 模型的 API 和订阅收入将从 2026 年的约 350 亿元人民币，增长至 2030 年的 8790 亿元，后者约为前者的 25 倍。报告预计 token 用量也会大幅增长，主要动力包括模型能力提升、较低的调用价格，以及开放权重带来的部署和开发便利。这些是研究团队对未来市场的预测。
投资机构关注商业机会，企业仍要面对技术与市场准入限制
投资机构看好商业机会的同时，模型开放、技术保护和算力获取仍存在争议。
此前有报道称，OpenAI、Anthropic 和 Google 合作应对未经授权的模型蒸馏，即通过调用更强模型的输出来训练其他模型。先进芯片出口管制也继续影响中国实验室的算力获取，国产芯片则在扩大供给。高盛因此把算力可得性视为决定竞争地位的重要变量。
在这些限制之下，高盛仍然看到了中国模型能力和商业收入增长的空间。
报告把模型公司放在更广泛的中国 AI 投资机会中考察，涉及电力、半导体、AI 基础设施和应用。评估这条产业链，需要分别考察各环节的收入、利润和资本需求；模型受开发者欢迎，并不自动意味着相关股票具有同样的投资价值。
模型公司也在讨论开放策略。据彭博社 7 月 12 日报道，智谱创始人唐杰在一封内部员工信中主张，前沿 AI 应保持广泛可及，并强调参与、共享与监督的作用。公司同时以开放许可发布 GLM-5.2，允许用户下载和商用。对智谱而言，开放既关系到技术传播，也影响开发者采用和商业化方式。
高盛把模型能力、成本与公司财务放进同一套分析
DeepSeek、Kimi、GLM 和 Qwen 的能力，此前已有开发者和评测机构持续检验。高盛报告增加的是公司层面的比较：模型能否维持定价、推理成本是否有优势，以及资产负债表能否支持后续研发和算力投入。
CNBC 以“Goldman Sachs picks its favorite Chinese AI models”为题报道了这份研究。这表明机构客户获得了更系统的分析材料，但不意味着所有被讨论的公司都得到买入评级，也不能据此判断基金已经增加持仓。
对企业采购者而言，报告提供了另一种比较方式：把模型能力、API 价格和部署条件放在一起，按实际任务筛选。开放权重模型提供了更多部署选择，托管 API 则减少了运维工作；不同方案的收益，要结合使用规模、服务质量和维护成本判断。
高盛同时提示了数据安全、监管和市场准入风险。低价可以推动试用，持续采用还取决于模型是否可靠、数据如何处理，以及服务能否长期供应。这些具体条件，决定了技术进步能转化为多少商业收入。
