国产大模型能力收敛与行业逻辑更新及展望交流纪要

摘要： 本次会议重点讨论了国产大模型（特别是 GLM 5.2）与海外顶尖模型在 Coding 能力上的差距收敛情况，分析了在海外封禁与国产开源背景下的行业竞争格局，并前瞻探讨了视频生成模型的商业化路径及 AI Infrastructure 的支撑作用。

行业主线：

1. 能力差距迅速收敛：GLM 5.2 在长文本和 Coding 任务上实现突破，体感已对齐 Claude 4.6 级别，有效打开了国产模型的行业天花板，增强了市场信心。
2. 商业化逻辑分化：Coding 模型依托于解决高价值、复杂场景（如网络漏洞检查）实现 ROI 正循环；视频生成模型在广告营销、短剧等领域商业化成熟度更高，训练成本相对较低，有望更快迎来规模化拐点。
3. AI Infra 支撑增强：国产算力需求处于“爆炸”状态，算力租赁行业快速增长，且在政府及运营商推动下，数据中心等基建补给能力持续提升。

关键变化与分歧：

1. 生态位机会：海外模型对中国账户的严苛封禁，为国内头部模型厂商（如质朴、DeepSeek 等）留出了关键的生态位。
2. 数据飞轮构建：国产模型正通过部署 Agent 类产品（如 Coding 助手）来构建数据反馈闭环，以弥补在原始数据量上的不足。
3. 定价趋势：视频模型定价呈现上涨趋势，且由于推理端国产芯片的支撑，商业化落地路径较为清晰。

受益方向与风险：

1. 受益方向：确定性较高的头部国产大模型厂商、AI Infra 升级标的（尤其是具备数据治理能力的厂商）、拥有稀缺医疗数据优势的垂类 AI 标的、国产算力芯片及算力租赁服务。
2. 风险：模型迭代速度过快导致难以充分定价；算力供应紧张程度缓解速度不及预期；终端应用 ROI 压力导致商业化进程放缓。