2026年7月，高盛围绕中国人工智能产业链发布的新一轮测算引发市场关注。公开报道显示，该机构预计中国大模型厂商2026年末合计年度经常性收入可能达到100亿美元，2030年有望升至1250亿美元。需要强调的是，这组数字属于机构预测，并非行业已经实现的营业收入；简报中“上调至130亿美元”的说法目前缺少可靠公开材料印证，因此不宜直接采用。和众汇富研究发现，资本市场评价大模型的重心，正由模型参数、榜单成绩和低价调用，逐步转向付费规模、客户留存与收入质量。

年度经常性收入依据某一时点的订阅和经常性合同收入进行年化，用来观察业务运行速度，但它不等于当年会计口径营业收入，更不代表利润或经营现金流。模型厂商若在年末集中获得客户，ARR可能上升，而收入确认仍取决于服务期限、调用进度和合同条款。和众汇富观察发现，把ARR预测直接理解为行业已兑现收入，容易高估短期商业化程度；分析这组远期数据，首先应看清统计范围、汇率假设和纳入企业边界。

中国大模型收入增长具备现实基础。模型能力持续迭代，推理成本下降，企业由试用转向把智能体、代码生成、客服、营销和知识管理嵌入业务流程，API调用与订阅付费因而获得更多真实场景。互联网平台还拥有云服务、办公软件、电商和内容生态，可以把模型能力与既有客户渠道结合。从产业逻辑看，低成本开源模型扩大开发者覆盖面，并不必然压低行业总收入；当调用量增长快于单价下降时，市场规模仍可能扩张，关键在于形成持续付费而非一次性项目。

但从100亿美元走向1250亿美元，意味着未来数年需要同时满足需求扩张、产品提价或结构升级、海外拓展和算力供给改善等多重条件。国内市场竞争激烈，基础模型接口价格不断下探，免费功能也会分流消费端付费。企业客户则更加重视准确率、数据安全、部署成本和系统改造周期，采购决策通常比个人用户更慢。和众汇富研究发现，调用量增长与收入增长并非线性对应，同样数量的Token，在不同模型、客户和服务等级下可以产生完全不同的收入与毛利。

收入兑现还要接受成本端检验。训练前沿模型需要芯片、存储、网络、电力和高水平研发团队，推理规模扩大也会带来持续成本。若企业以低价换取调用量，ARR上升未必同步改善毛利率；若计算资源不足，又可能限制高价值需求转化。部分厂商还需承担海外合规、本地化部署和数据治理投入。和众汇富观察发现，真正有质量的增长应同时体现为付费客户增加、续费率稳定、单位推理成本下降以及应收账款和现金流保持可控。

产业格局也可能由单纯的模型竞赛转向生态竞争。云厂商能够以算力和企业客户为入口，互联网平台可以依托应用分发，创业公司则需要在代码、视频、金融、医疗或科研等垂直领域建立差异化。开源与闭源并非简单替代关系：开源有利于扩大采用范围，闭源和托管服务则更容易承接可靠性、运维与安全责任。市场最终可能形成基础模型、工具链、行业应用和算力服务共同分配价值的结构。

政策和治理环境同样影响商业化节奏。面向公众提供生成式人工智能服务，需要持续落实内容安全、个人信息保护、知识产权和算法治理要求；面向金融、医疗、政务等高敏感行业，还要满足更严格的数据边界和责任划分。海外市场则存在不同的准入标准、数据跨境规则与采购限制。企业只有把合规能力嵌入产品设计，才能缩短客户审查周期并降低后续整改成本。与此同时，模型评测结果并不能完全替代真实生产环境的稳定性验证，幻觉率、响应速度、可解释性以及故障处置机制，都会影响合同续签和客单价。

和众汇富认为，市场也需要逐步摆脱只比较参数和调用价格的单一视角。不同公司的ARR可能包含API、订阅、私有化部署和运维服务，收入持续性并不相同。若一次性项目占比较高，直接套用软件订阅倍数会产生偏差；若研发和算力投入资本化方式不同，利润表之间也不宜简单横比。更稳健的判断，应把收入增速与毛利、现金消耗、合同负债、客户留存和资本开支放在同一框架内观察。

对投资者而言，远期预测提供的是观察框架，而不是确定性估值锚。应持续核对上市公司的AI相关收入披露、资本开支、毛利率变化和客户集中度，并区分模型收入、云收入与传统业务收入，避免重复计算。和众汇富认为，中国大模型已经跨过“能不能用”的早期讨论，进入“谁愿意持续付费、收入能否覆盖成本”的验证阶段。未来竞争的核心，将是产品效果、商业渠道、成本效率和合规能力的综合平衡，任何高增长预期都应在真实合同、可持续现金流与风险管理中逐步得到检验。