行业投资评级 - 投资评级：优于大市（维持） [1] 核心观点 - 复盘美股科技巨头过去三年股价走势，AI叙事不断递进，从2023年OpenAI开启AI加速度，到2024年叙事转向推理侧，再到2025年谷歌后来居上，2026年预计Scaling Law将持续，模型厂商将打开差异化应用市场，模型推理侧需求或进入放量拐点，模型和算力或为最优投资方向 [2] - 2025年北美四家科技巨头资本开支同比增长50%以上，从年初的3200-3300亿美元上修至年末接近4000亿美元，预计2026年资本开支将持续实现30%以上增速，但巨额投入面临电力瓶颈制约 [2] - 模型架构继续演化，Scaling law延续，多模态和长文本能力为Agent爆发提供基础，下一代架构需解决Transformer的计算内存瓶颈和推理时记忆能力有限等痛点，中美模型差距在3-6个月 [2] - 通用大模型能力暂未分胜负，厂商商业化路径出现分化：OpenAI拥有C端8亿用户核心壁垒并计划发力企业业务；Gemini成为大模型的SOTA基准，得益于原生多模态路线和自研芯片生态；Anthropic坚持2B路线，在编程领域能力突出，估值已达3500亿美元；Grok信奉大力出奇迹，结合特斯拉数据优势 [2][3] - 大模型降低了软件开发门槛，打开了软件需求天花板，预计2029年全球SaaS市场将达到近1万亿美元（对比2025年5800亿美元），但行业玩家将重新洗牌，拥有数据壁垒或对准确度要求极高的垂类行业被替代风险较小 [3] - 2026年推理侧需求有望爆发，一级市场以编程场景、Agent爆发为主要应用方向，AI编程软件Cursor的ARR已达10亿美元，AI agent Manus在8个月时间ARR达到1亿美元，AI搜索工具Perplexity的ARR也已达到2亿美元 [3] 美股科技巨头股价和资本开支复盘展望 - 2023年：OpenAI领先开启AI浪潮，微软受益于独家合作估值抬升明显，英伟达股价全年上涨240% [7][10] - 2024年：市场叙事转向推理侧，英伟达业绩会估计其数据中心收入约40%来自推理，Meta因社交生态和广告场景成为除英伟达外PE唯一抬升的巨头，云厂商因资本开支增加但供给受限导致估值略有回落 [2][11] - 2025年：谷歌模型能力反超OpenAI，生态优势受市场追逐，云厂商供给释放收入加速，但市场开始担忧AI投资ROI及Scaling Law是否见顶，除谷歌外巨头估值均出现回落 [11][15] - 2026年预测：Scaling Law持续，模型厂商打开差异化应用市场，模型推理侧需求或进入放量拐点 [11] - 资本开支回顾：2025年北美四大科技巨头资本开支持续上修，微软约1160亿美元(同比+54%)，亚马逊1250亿美元(同比+61%)，谷歌910-930亿美元(同比+73%-77%)，Meta 700-720亿美元(同比+78%-84%)，均实现50%以上同比增长 [18] - 资本开支展望与电力瓶颈：预计2026年资本开支仍将增长30%以上，但电力成为核心制约因素，2024年北美数据中心容量约25GW，据Grid Strategies估计，未来五年将新增80GW需求，电力缺口是主要矛盾，各公司通过收购能源公司、海外拓展等方式应对 [2][25] 模型架构与Scaling Law发展趋势 - 2023年：处于Scaling law红利期，OpenAI凭借GPT-4确立SOTA基准，模型以文本为主导，多模态雏形出现 [30] - 2024年：多模态、推理模型涌现，OpenAI推出GPT-4o和推理模型GPT-o1，Claude、Gemini等模型开始缩小与OpenAI差距，编程能力提升带动Cursor出圈 [33][36] - 2025年：从“暴力美学”回归“算法与工程”，RLVR（可验证奖励强化学习）成为普遍方法，带动模型思维链使用和性能跃升，Deepseek R1通过RLVR+GRPO算法实现效率极大提升，Gemini引领原生多模态，Coding发生质变，Agent走向成熟 [37][40][44] - 下一代模型架构演化：需要解决Transformer在训练时的计算内存瓶颈（O(N²)）和推理时记忆能力有限两大痛点，海外探索方向包括谷歌的Titans架构和Mamba架构，国内则更多从成本效率优化出发，如Qwen3-Next和DeepSeek V3.2 [2][47][51][57] - Scaling Law展望：预训练Scaling仍未见顶，Gemini3证明通过合成数据和架构调整可继续扩展，引入Mid training阶段，推理中的Scaling通过测试时计算和思维链实现 [63] - 强化学习是未来重点：被认为是模型训练继续Scaling law的关键，Grok4在后训练阶段实现了10倍于前代的算力投入，算法方向包括RLHF、RLAIF、RLVR以及PPO、GRPO、PRM等 [64][66] - 多模态与长文本进展：2025年趋势是从文本模型外挂多模态向原生多模态转变，谷歌保持领先，长文本能力通过新架构（如Mamba、Titans）实现突破，为更成熟Agent的出现奠定基础 [70][71] 主要模型厂商发展路线与格局 - OpenAI：坚持C端优先战略，拥有超过8亿用户的核心壁垒，2025年预计收入达130亿美元（C端订阅约占61%），目标2028年实现1000亿美元收入，下一代模型表现值得期待 [2][85][88][89] - 谷歌（Gemini）：2025年成为大模型技术新的引领者，得益于对原生多模态路线的坚持、自研TPU芯片生态以及搜索和YouTube的高质量数据资源，月度Tokens消耗量持续增长 [2][44][91] - Anthropic：坚持2B路线，在编程领域能力突出，企业大模型API市场份额达32%，Coding市场份额达42%，2025年初推出的AI编程产品Claude Code年末ARR已达10亿美元，当前估值达3500亿美元，预计毛利率更优，最早有望2027年实现现金流转正 [2][3][95][101][102][107] - Grok（xAI）：信奉“大力出奇迹”，模型迭代速度快，Grok4通过投入10倍后训练算力迅速向SOTA看齐，计划推出的Grok5参数将达6万亿，拥有特斯拉独家数据资源优势，算力集群建设目标宏大 [2][109][113] 推理侧需求与AI应用展望 - Tokens消耗增长：推理需求反映在Tokens消耗上，根据OpenRouter数据，2025年周度Tokens消耗量从年初的5000亿增长至年末的3.67万亿，编程是主要驱动力 [118] - 当前消耗结构：2025年各模型厂商的Tokens消耗更多聚焦于自身业务，如谷歌Gemini内部消耗占比约90%，OpenAI主要用于ChatGPT，国内阿里、字节也以内部场景为主 [124][125] - SaaS市场变革：大模型降低了软件开发壁垒，冲击传统SaaS企业，导致其收入增速持续放缓，据IDC数据，预计2025年全球SaaS市场达5800亿美元，2029年将达近1万亿美元，但玩家将重构 [3][126][129][131] - 应用场景分化：通用型、对准确度要求低的SaaS工具（如营销、翻译）被大模型替代风险高，而拥有数据壁垒、工作流程复杂或准确度要求极高的垂类行业（如医疗、会计、安全）风险较小 [3][135] - 率先落地的应用：AI编程和企业Agent是商业化落地最快的场景，AI编程市场2030年有望达260亿美元，Cursor、Manus、Perplexity等应用已实现高ARR，办公场景有望迎来更多产品落地，端侧AI设备（如AI手机、眼镜）及企业落地分销商领域将看到明显增长 [3][136]