提要

2026年第一季度财报季，大模型行业开始集体“算账”，进入“价值验证期”新阶段。竞争标尺从“更大”转向“更省”，如文心大模型5.1用约6%预训练成本达领先水平。资本方面，投入继续加码，商业化回报开始显现，投资者更看重单位算力产出比和AI应用渗透率。需求端数据旺盛，日均Token调用量两年涨上千倍，市场规模快速扩大，算力租赁市场火热。价值落点从“会聊天”到“能干活”，如百度用“日活智能体数”替代Token指标，“人工智能+制造”专项行动推动AI到生产一线，但金融领域应用仍有难点。大模型行业下半场比拼账本，省成本不能牺牲服务质量，市场关注回报，真正护城河在于将AI能力沉淀为真实场景“可交付结果”。【同花顺财经链接】

数据眼

从商业银行授信业务角度看，大模型行业展现出机遇与风险并存的态势。 在营收数据方面，2026年第一季度百度人工智能业务收入达136亿元，占核心业务收入比重首次突破52%，智能云收入88亿元、同比增长79%，自研GPU云收入同比激增184%。阿里巴巴云智能集团收入同比增长38%、AI相关产品收入已连续十个季度保持三位数增长。这些数据表明大模型行业头部企业营收增长强劲，具有良好的盈利潜力，对于商业银行而言，向这类头部企业授信可能会有稳定的还款来源，因为其业务增长态势良好，未来有能力偿还贷款。 从投入情况来看，阿里巴巴面向未来五年的算力投入将“远超3800亿元”，腾讯2026年在混元、元宝等核心AI产品上的投入定调为“翻倍以上”增长，一季度资本开支约319亿元、研发投入约225亿元。大模型行业处于快速发展阶段，企业需要大量资金投入研发和基础设施建设，这为商业银行提供了授信业务机会。然而，高额的投入也伴随着风险，如果企业不能实现预期的商业回报，可能会面临资金链紧张，影响贷款的偿还。 成本控制方面，文心大模型5.1只用了业界同等规模模型约6%的预训练成本就达到领先水平，说明行业开始重视成本效率。商业银行在授信时可以关注企业的成本控制能力，成本控制良好的企业在市场竞争中更具优势，还款能力也相对更强。 需求端数据显示，截至2026年3月，我国日均Token调用量已经超过140万亿，相比2024年初的1000亿增长了1000多倍，仅2025年底到2026年3月这三个月就增长超过40%。2025年中国智能体市场规模约78.4亿元，2026年有望达到135.3亿元，增速超过70%，2026年算力租赁市场规模有望达到2600亿元，高端GPU的出租率超过90%。旺盛的市场需求表明行业前景广阔，企业有较大的发展空间，这对商业银行授信业务是积极的信号。 但行业也存在风险。大模型可解释性不足，尤其是AI幻觉和“黑箱”问题的影响，金融行业监管严格、合规门槛高，支付结算等金融基础服务的容错率极低，这些因素使得大模型在金融等行业的应用存在难点。如果企业的业务涉及金融等对风险控制要求高的领域，商业银行在授信时需要更加谨慎，评估企业应对风险的能力。 总体而言，商业银行在开展大模型行业授信业务时，要综合考虑企业的营收增长、投入情况、成本控制、市场需求以及面临的风险等因素，谨慎评估企业的还款能力和风险状况，以保障授信业务的安全和收益。