【科技资讯】8月AI月报：商业化验证加速，算力投入、Agent落地与旗舰模型提价同步推进

核心判断：2026年以来，AI产业投资逻辑正从模型能力与资本开支竞赛，逐步转向订单、收入及盈利的商业化验证。未来一至两个季度，国产模型迭代、Agent产品升级和旗舰模型重新定价有望共同推进。

中信建投证券计算机团队发布8月AI月报，提出AI市场主线正在从“主题交易”转向“业绩兑现”：海外Agent产品和云服务收入加速验证，国内头部模型跨过可用门槛，Agent进入兑现期，低价竞争或接近尾声。

说明：本文为产业信息整理，不构成任何投资建议或证券推荐。

一、核心数据总览

领域	关键数据	产业含义
Anthropic	Q2收入115亿美元	海外头部模型公司收入加速兑现
OpenAI	Codex及ChatGPT Work活跃用户突破1500万	编程与工作流Agent从尝鲜走向高频使用
Microsoft 365 Copilot	付费席位超过3000万	办公AI进入企业规模化采购阶段
海外云厂商	Google Cloud、Azure、AWS收入分别同比增长82%、43%、37%	云收入和合同储备支撑高强度AI资本开支
Alphabet	Q2经营现金流391亿美元，资本开支449亿美元	资本开支超过经营现金流，算力投入前置
腾讯	资本开支同比增长176%至528亿元	国内大厂同步进入高算力投入阶段
微软	商业剩余履约义务6780亿美元，同比增长84%	订单储备为后续现金回收提供支撑
中国Token调用量	2024年初千亿级 → 2026年3月140万亿+	模型使用密度快速提升
豆包	截至6月日均Token调用量180万亿	头部应用形成超大规模推理需求
阿里AI相关产品	年化收入超过358亿元	国内AI商业化收入开始规模化

二、海外：收入兑现与算力回报验证并行

报告认为，海外Agent产品率先形成收入增量，云厂商高强度资本开支仍有云收入和在手订单支撑。市场关注重点正在从“投了多少算力”转向“算力利用率、订单转化效率和资本回收周期”。

变化	具体表现
Agent收入加速	Anthropic Q2收入115亿美元；OpenAI Codex/ChatGPT Work活跃用户超1500万；Microsoft 365 Copilot付费席位超3000万
云业务承接需求	Google Cloud、Azure、AWS保持高增长；微软商业剩余履约义务达6780亿美元，同比增长84%
资本开支前置	Alphabet、腾讯、亚马逊等头部厂商资本开支压力上升，但快速增长的订单和云收入为现金流入提供支撑
验证重点转移	从“资本开支规模”转向算力利用率、订单转化速度、资本回收周期和自由现金流修复

三、国内：模型跨过可用门槛，Agent进入兑现期

Kimi、智谱、DeepSeek、MiniMax等厂商持续提升Coding、工具调用和长程任务能力。报告判断，国产头部模型与海外模型的代差已压缩至一个小版本左右。

厂商/产品	进展	意义
Kimi K3	发布后ARR创公司历史最大单日增幅；WorkBuddy月访问量快速增长	模型能力开始直接转化为产品使用和商业收入
GLM-5.3	更新后回到开源模型前列，部分代码和Agent评测接近Claude Opus 4.8	国产开源模型保持快速追赶节奏
DeepSeek Harness	上线三天GitHub Star超过11.7万	Agent执行框架标准化，有望降低开发者构建门槛
MiniMax H3	英伟达SANA团队不重新训练模型，仅用4.5小时将推理速度提升3.95倍	开源模型可借助全球硬件和推理框架生态降低部署成本
DeepSeek DSpark	真实业务流量下单用户推理速度提升60%-85%	推理效率成为国产模型“以效率换算力”的关键抓手

四、旗舰模型重新定价：低价内卷接近尾声？

报告指出，国产旗舰模型价格陆续上调，顶级智能价格上行趋势有望在保持性价比优势的同时打开毛利率空间。

模型/厂商	价格变化	对比
DeepSeek V3	此前将V3价格降至每百万Token输入1元、输出2元	曾是国内降价先锋
DeepSeek V4-Pro	8月17日起，空闲时段缓存未命中输入/输出提高至4.5元/13.5元；高峰时段9元/27元	高峰输出价格仍仅为Gemini 3.1 Pro、GPT-5.4、Claude Opus 4.8的33%、26%、16%
智谱GLM	2月GLM Coding Plan价格整体上调30%起；GLM-5.1发布时API价格再提高约10%	coding产品开始从低价转向价值定价
Kimi K3	每百万Token缓存未命中输入/输出为20元/100元	约为K2.6的3.1倍和3.7倍

五、FDE不等于项目制：关键看交付能否沉淀为产品

企业AI需要接入私有数据、权限体系和核心业务流程，早期由FDE（Forward Deployed Engineer，前置部署工程师）深入客户完成需求拆解、系统部署和效果评估具有必要性。

观察点	判断标准
FDE的必要性	OpenAI已将FDE覆盖从需求发现延伸至生产上线；Salesforce计划招聘1000名FDE，通常三人小组连续数月服务单一客户
项目化风险	如果每增加一个客户都需要同比例增加人员，收入将重新与人力投入绑定，削弱软件公司毛利率和规模效应
真正价值	将项目中反复出现的数据连接、权限配置、评测体系和行业流程沉淀为标准模块，使后续部署周期和人力需求持续下降
跟踪指标	单个FDE支撑的ARR、平均交付周期、功能复用率、项目结束后的订阅收入占比
结论	能完成产品化循环的厂商，FDE将成为数据和Know-how壁垒；无法复用交付成果的厂商，则更接近传统软件外包

六、行情与投资主线

方向	报告观点
算力服务	资本开支仍是本轮AI周期先行变量，订单为后续现金回收提供支撑；重点关注算力利用率、订单转化效率和资本回收周期
国产芯片与超节点	国产模型以效率换算力，推理系统优化和集群效率提升重要性上升
B端AI应用	具备真实场景、数据资产、企业交付能力和产品复用能力的厂商相对占优
Agent产品	代码开发、办公、数据分析由简单问答转向连续工具调用，单次任务Token消耗和算力需求提高，带动ARR增量
模型价格	旗舰模型提价有望改善模型厂商毛利率，行业低价竞争或接近尾声

七、主要风险提示

• 商业化落地不及预期：AI产品商业模式仍处探索阶段，推进节奏不及预期可能影响企业业绩。
• 市场竞争风险：海外厂商具备先发和技术积累优势，国内厂商若迭代不及预期或陷入同质化竞争，可能影响收入。
• 政策与监管风险：AI技术发展受各国政策和监管影响，合规要求变化可能增加运营不确定性。
• 地缘政治风险：出口限制可能影响国内企业算力芯片获取，并给AI产品开拓海外市场带来障碍。

报告总结：未来一至两个季度，国产模型仍有更大版本储备，算力供给偏紧将推动顶级模型价格和毛利率回升，DeepSeek Harness等开源执行框架有望降低Agent开发门槛，加快模型能力向企业办公和生产流程渗透。

来源：中信建投证券研究《8月AI月报：稳健者加大算力投入力度，应用飞轮闭环优于预期》，分析师应瑛。本文仅作产业资讯整理，不构成投资建议。