2026年的秋天，中国大模型赛道迎来了新一轮集中发版潮，参数规模持续冲高，上下文窗口集体拉满。与此同时，API调用价格却一路下探。
摩根士丹利最新发布一份研究报告，题目叫《中国AI之路：大模型》，全景拆解了当前中国大模型产业的竞争格局、头部厂商的战略路径，以及整条 AI 供应链的价值分布。报告认为，褪去概念炒作的热度后，中国AI正在从 参数竞赛真正走向产业落地实战。
Part.01
第一梯队大模型排位赛
当前国产大模型的第一梯队已经基本成型，Pro 级旗舰模型和 Flash 轻量化模型两条赛道分头演进，定位差异十分清晰。
在旗舰 Pro 赛道，七家主流厂商的主力产品发布时间集中在 2026 年 6-8 月，总参数规模从 428B 到 2800B 不等，上下文窗口清一色做到了 1000K，基本拉平了基础规格。
其中 [Z.ai](Z.ai) 的 K3 以 2800B 参数站上参数之巅，阿里通义千问 3.8-Max 以 2400B 紧随其后，月之暗面 V4-Pro、智谱 GLM-5.3 也都跻身千亿参数俱乐部。
MiniMax M3 参数仅 428B，但定价最亲民，未缓存输入每百万 tokens 仅 3.15 元，输出 12.6 元，是头部 Pro 模型里落地门槛最低的。从第三方智能指数评分来看，智谱 GLM-5.3 和 [Z.ai](Z.ai) K3 并列 60 分，通义千问 3.8-Max 拿到 58 分，代表了当前国产大模型的第一梯队能力水平。
授权模式上，多数厂商选择开放权重，腾讯混元则采用 Apache 2.0 协议，生态开放度更高。
而在 Flash 轻量化赛道，通义、智谱、深度求索均已布局，这类模型参数量更小，激活参数大幅压缩，主打低延迟、高并发场景，价格只有 Pro 版的十分之一左右。比如智谱 GLM-5.3 Flash 未缓存输入仅 0.4 元每百万 tokens，深度求索 V4.1 Flash 的缓存读取价格低至 0.03 元每百万 tokens，真正把大模型调用成本打到了几毛钱级别，适合大规模对话、流式交互等对成本敏感的场景。
Part.02
大模型商业化进入深水区
从 2025 年一季度到 2026 年三季度，中国大模型的 API 价格走出了一条持续下行的曲线，行业整体降价趋势非常明确。
根据大摩统计的行业平均价格，大模型输出价格从 2025 年一季度的每百万 tokens 34.6 元高点，一路回落至 2026 年三季度的 12.7 元左右；未缓存输入价格同期也从约 7 元降至 2.7 元。更值得关注的是缓存读取价格的普及，主流厂商纷纷推出 0.1-1.5 元区间的缓存调用价，本质是通过复用计算结果降低边际成本，这标志着大模型运营已经从 “粗放试错期” 进入 “精细化运营期”。
价格持续下探的背后，是算力效率的提升、模型量化技术的成熟，以及厂商规模效应的显现。这也意味着大模型不再是昂贵的 “技术奢侈品”，开始具备大规模落地到千行百业的经济基础，商业化进程正式步入深水区。
Part.03
头部玩家的生死棋
报告认为，赛道头部玩家已经走出了截然不同的战略路径，没有谁能通吃全场，但每家都在筑牢自己的核心护城河。
阿里巴巴是国内全栈AI路线的代表。从底层的倚天处理器、弹性伸缩网络，到阿里云的 IaaS 基础设施，再到 PAI 模型训练平台、百炼 MaaS 服务，顶层还有通义千问、万相、开心马等模型矩阵，以及通义灵码、悟空 Agent 等应用产品，打穿了 “芯片 - 云 - 模型 - 工具 - 应用” 全链条。
大摩数据显示，阿里云定下了 2030 年 1000 亿美元云收入的目标，年复合增速要达到 40%-50%；通义大模型的年度经常性收入目前已经突破 160 亿元，3 个月就实现翻倍，预计 2026 年底将超过 300 亿元。在全栈模式下，AI 资本开支能带来百分之十几的投入回报率，投资回报周期不到 3 年，云业务长期利润率目标为 20%。
腾讯走的是 “生态 + AI” 的路线。它不单纯售卖模型能力，而是把混元大模型植入国民级生态体系中。微信、企业微信、QQ、腾讯文档、腾讯会议这些亿级用户产品，正在逐步完成 AI 原生改造。
To B 端，WorkBuddy 和 CodeBuddy 已经坐稳国内 PC 端 AI 原生办公代理的头把交椅；To C 端，腾讯元宝、小微等 AI 产品拉动 C 端用户的 AI 渗透率。同时腾讯也在加码 AI 基础设施建设，既服务内部海量业务，也通过腾讯云对外输出能力。对腾讯来说，AI 不是独立的新业务，而是盘活整个生态的底层水电煤。
MiniMax 则是押注多模态的全能选手。和纯文本路线不同，MiniMax 走全模态路线，覆盖文本、语音、图像、视频等领域。从 M1 到 M3，模型能力快速迭代，带动周度 ARR 持续攀升。毛利率方面，2024 年尚处亏损状态，2025 年转正达到 38%，预计 2026 年将提升至 63%-64%。收入结构上，模型服务和应用服务两条腿走路，抗风险能力更强。
Part.04
中美AI竞速赛
如果把时间线拉长，中国大模型的能力追赶速度其实远超市场预期。
大摩引用的第三方数据显示，从 2022 年底到 2026 年三季度，美国前沿大模型的智能指数稳步提升，而中国模型的追赶曲线斜率更陡。尤其是 2025 年之后，国产大模型进入密集迭代期，和全球顶尖水平的差距持续收窄。在开源大模型赛道，中国厂商的表现同样亮眼，通义、智谱等纷纷开放权重，开源模型的能力指数同样保持快速追赶态势。
换个角度看，美国大模型领先的是能力上限，但中国大模型胜在迭代速度和落地成本。在产业应用层面，中国拥有更丰富的场景和更庞大的制造业基础，反而可能更快跑通 AI 规模化落地的商业模式。
Part.05
中国 AI 全景图
大模型从来不是孤立的赛道，它的背后是一整条庞大且环环相扣的供应链。
最底层是芯片与算力基础设施，包括寒武纪、壁仞科技、天数智芯等国产芯片厂商，万国数据、世纪互联、润泽科技等 IDC 企业，以及英维克、依米康、潍柴动力等温控与能源配套厂商，共同构成 AI 的算力底座。
中间层是大模型核心供给方，既有阿里、腾讯、字节跳动、百度这样的互联网巨头，也有MiniMax、深度求索、月之暗面等垂直创业公司，是 AI 能力的核心输出者。
最上层是 AI 应用层，覆盖办公软件（金山办公、金蝶）、人力资源（北森）、营销、医药研发（晶泰科技、英矽智能）、机器人（宇树科技）、本地生活（美团）等各行各业，是 AI 价值落地的最终出口。
整条链条环环相扣，底层算力的突破支撑模型迭代，模型能力的提升驱动应用创新，而应用的需求又反过来拉动算力和模型的升级，形成正向循环。
总的来说，2026 年的中国 AI 产业，已经度过了讲故事、拼参数的早期阶段，正式进入拼成本、拼落地、拼生态 的实战期。头部厂商的路线分化越来越清晰，全栈派、生态派、垂直派各有优势，整条供应链也在逐步走向成熟。
未来几年，真正的机会不再是做出下一个千亿参数模型，而是用 AI 改造多少个传统行业。当大模型的调用成本越来越低，当越来越多的行业跑通 AI 应用的商业模式。大摩认为，从这个角度来说中国 AI 的下半场才刚刚开始。