科技行业深度研究：大模型后训练中美路径与商业闭环-251201（56页）.pdf

1、大模型后训练：中美路径与商业闭环华泰研究全球主流大模型集中于中美。据ArtificialAnalysis数据，美国头部模型厂商包括OpenAl、xAl、Anthropic与Google；国内DeepSeek、阿里、智谱、Kimi与MiniMax较为领先。由于国内高性能算力受限，在同样强化学习+后训练范式下，海外模型偏向规模扩展，而国内擅长架构优化。投资建议上，把握算力、存储、电力、应用四个方向，我们认为：1）大模型产业的基座是算力。2）随着多模态模型的普及，存储需求同步提升。3）电力是算力的配套，是大规模集群上线的前提之一。4）AI应用是商业化落地的关键。与市场不同的观点1）中美大模型差异并非

2、技术强弱，而是算力结构决定路线：海外依托高密度集群深化后训练与推理扩展，国内在算力约束下以Attention优化、MoE稀疏化和长上下文重构追求单位算力效率，因此跑分不构成统一比较锚。2)AI应用落地并非遥远，OpenAl提出统一模型、Pulse主动Agent与ACP对话内结账已使应用从“能用”进入“可经营”，电商等高频闭环场景率先具备规模化条件。3）市场普遍低估数据标注的价值，ScaleAI、SurgeAl等高收入与高客单价显示标注是模型能力上限的关键投入；需求扩张叠加客户对独立供应链偏好提升，行业定价权仍在抬升。强化学习+后训练范式下，中美模型迭代路径分化明显商业化已成头部厂商当前重心，应

3、用与生态建设优先推进OpenAI提出GPT-5统一模型后，后续的模型迭代更多属工程整合、价值再提效，研发重心上移至应用与变现。OpenAI以ACP（与Stripe）实现对话内购买，首批接入Shopify、Etsy，并与Salesforce、Walmart协作，打通“发现-支付”闭环。国内侧阿里Qwen以多模态与场景推动token上量；据云栖大会2025主题演讲，近2-3个月Token消耗倍增、百炼平台过去一年日均调用量增约15倍、FY26Q1云业务收入同比增速25.8%。我们认为，支付闭环叠加生态扩展将主导下一阶段商业化。1)算力：预/后训练迭代推高算力需求,OpenAI规划算力中心合计超36

4、GW;据SCMP，出口限制后NVIDIA在华先进芯片份额95%0，国产供给接棒。利好海外/国产算力链，如翱捷科技、沪电股份、芯原股份。2）存储：多模态/长视频拾升容量与带宽（图片1MB、音频5MB、视频50MB/分）。3)电力：美国新建大型数据中心并网申请到商运的中位时长继续增加，而矿场改造成本约500-800万美元/兆瓦、落地更快。4）应用：OpenAIACP实现对话内结账贯通“触达-体验-支付”；国内入口卡位者更易受益：2C领域，福昕软件、金山办公、奥多比有丰富的C端用户积累；2B领域，用友网络、泛微网络、鼎捷数智、虹软科技、微软有多样化的企业客户。风险提示：宏观经济波动，技术进步不及预期

5、，中美竞争加剧。研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。海外：xAI持续践行大力出奇迹”，紧抓后训练和强化学习，.18国内：阿里、DeepSeek创新性架构优化，抓住Attention本质.20惟理/非推理模型统一后，模型应用转折点或将到来.24模型Agent能力：海外注重基模，国内偏向应用，.32Sora2和相应社交App的发布，掀起多模态+社交的热潮.37海外：专业化的数据标注公司是海外大厂首选，.39与市场不同的观点1：中美大模型走出了差异化的发展路线我们认为，市场以模型跑分来衡量国内外大模型技术孰优孰劣，是对国

6、内算力供给约束的误读。海外依托高密度算力把后训练与强化学习做大做深，更易拔高长尾任务基准分；国内面临算力供给不足，并非技术不行，而是主动转向差异化路线：以Attention本质优化、MoE稀疏化、长上下文工程重构，追求单位算力的有效产出。因此，跑分并不构成统一锚；决定路径的变量是算力结构而非研究能力，分化由此形成并将延续。2：AI应用的转折点或将到来市场多认为AI应用大规模落地仍远；我们认为时间点正在接近，电商等高频垂类具备先行条件。OpenAI为代表的头部厂商研发重心由底层能力转向应用与商业化：统一模型提供一致能力底座，PuIse把模型从被动问答推进为主动智能体，ACP对话内结账打通“推荐-