大模型行业研究框架

①核心逻辑成立的关键前提是Agent任务拆解能稳定提升Token消耗且API定价不被厂商主动降价对冲——历史经验看SaaS扩张期常出现ARPU下行，如果定价失控，单位Token经济性会收缩。②报告回避的风险：一是GPU供应节奏（英伟达Hopper/Blackwell出货与出口管制窗口），二是DeepSeek等开源模型冲击闭源API定价，三是监管对Agent自动执行的合规边界。③放进当前格局看，国产算力链的真实瓶颈不是需求而是良率与生态——昇腾、寒武纪、海光等在CUDA替代和软件栈成熟度上仍落后英伟达1-2代，估值已透支部分预期。④最敏感的变量是Token价格：若头部模型厂商为抢占份额将API降价30-50%，云算力租赁IRR会被显著压缩；反之若OpenAI/Claude维持高价，云租赁业绩弹性可观。⑤横向参照2023年云厂商资本开支周期与2017年挖矿显卡周期，本轮AI CapEx具备更强的内生现金流支撑，但估值倍数已高，回报主要靠业绩兑现而非估值扩张。⑥读者跟踪指标：英伟达季度数据中心营收与毛利率、Claude/GPT API价格变动、云厂商资本开支指引、Token消耗月环比、KV Cache相关存储公司订单；催化剂关注2026年Q2云厂商财报中的AI业务ARR披露及RSI相关模型发布。