研报速递模型榜半年换完血
应用榜却留住七成
43 页券商报告 · 组反常识数据 · 一个判断框架
小私基 · 私募从业者的信息增量
📦 3 Parts + Conclusion
👉 滑动
PART 01
寿命反差
2 天 vs 70%
PART 02
算力集中
19% 吃 81%
PART 03
国模崛起
6% → 61.5%
PART ///
写在最后
三点实用提示
做一级市场的朋友最近常问一个问题：AI 项目到底该看模型还是看应用？答案可能藏在一组很少有人拆开看的数据里。
国信证券 2026 年 8 月发布的《OpenRouter 视角下的大模型与 AI 应用趋势》报告，全文 43 页，取的是一个特殊样本——OpenRouter 这个中立的 API 聚合平台。它不生产模型，只做路由：开发者接一套接口，就能在多个模型和推理服务商之间按价格、时延、稳定性自动切换。这意味着它记录的不是“谁最火”，而是“开发者用钱投票选了谁”。
报告自己也很克制地提醒：OpenRouter 流量不能直接代表全球大模型需求，但可以作为观察开发者推理活动的重要窗口（口径为平台月度日均 Token）。
我把 43 页里对做投资最有用的部分摘了出来，核心是一组反差。
01
PART
模型榜半年“全换血”，应用榜却留住七成
MODEL VS APP · 资产属性之差
先看模型层。报告统计，2025 年 1 月 1 日至 2026 年 8 月 2 日，共有 149 个具体模型进过 OpenRouter 每日 Token 前十，其中 35 个拿过第一。
数字很热闹，但寿命很短：
2 天
前十连续在榜中位数
40%
在榜周期仅持续 1 天
71.2%
近期 Top 模型中位回撤
数据来源：国信证券，统计区间 2025.01—2026.08.02
还有两个更直接的数字：中位达峰时间 44 天，前十留存中位数 16 天；以 2026 年 8 月 2 日前十为基准，与 6 个月前、1 年前相比，没有一个是重复的——完全换血。
报告的原话是：模型热度可能在单个硬件采购、部署或合同周期内完成轮换。翻译成投资语言——如果你按“某个模型当前最火”去推算它的长期收入，这个假设的保质期可能比你的尽调周期还短。
再看应用层，画风完全相反
应用前十名近一个月留存 70%（6 月 28 日至 8 月 3 日，前十有 7 个还在）；同期模型前十只留下 5 个，留存率 50%。集中度差距更明显：
报告给出的解释值得记下来：应用可以在底层模型变化时切换模型供应商，用户真正持续使用的是产品入口、任务流程及历史数据，而不一定是某一个具体模型。
模型层是“技术资产”，会折旧；应用层是“用户资产”，会沉淀。
02
PART
Agent/Coding：19% 的数量，吃下 81% 的算力
WORKLOAD · 需求形态拆解
第二个容易被忽略的结构性事实：AI 的算力消耗极度集中在少数场景。
报告数据：通用 Agent 和 Coding 工具仅占应用数量的 19%，却贡献了 81.2% 的 Token 消耗。其中 4 个通用 Agent 与生产力应用贡献 47.0%，15 个 Coding 与开发工具贡献 34.2%，其余应用合计只有 18.8%。
差异还体现在单次任务的“深度”上
前十大应用每请求 Token 中位数为 75,479；第 11—99 名应用仅 28,430
头部应用单次请求消耗约为其他应用的 2.7 倍
Agent/Coding 应用中位数 68,483，其他类型应用 24,942，同样相差约 2.7 倍
逻辑不难理解：Coding 和 Agent 任务包含多轮推理、代码读写、工具调用、上下文回传和结果校验，一次用户操作可能在后台触发多次模型调用。
对投资的意义在于，判断一个 AI 应用的天花板，不能只看 DAU，要看看它占用的是“轻交互”还是“重工作流”。报告也提示，增长动力正由简单聊天向复杂工作流迁移——Token 增长越来越多来自单次任务复杂度的提升，而不只是请求数量。
03
PART
中国模型份额一年从 6% 到 61.5%，但靠的是“接力”
CHINA MODELS · 份额与效率
第三个数据对做人民币资产的同事实用性更强。
按模型开发商归属统计，中国模型在 OpenRouter 的 Token 份额从 2025 年 1 月的 6.0%，一路上行至 2026 年 7 月的 61.5%；2026 年 8 月 2 日单日仍达 57.7%。剔除长尾汇总项后，前十大具体模型中有 7 个来自中国厂商。
价格是主要原因之一（口径：付费头部模型，单位美元/百万 Token）：
但报告强调了一个更关键的机制：份额提升并非依靠长尾模型数量堆积，而是多厂商连续接力——DeepSeek 仍是流量底盘（占平台 25.5%，约占中国模型流量的 44%），小米和腾讯合计占 17.7%，MiniMax、Z.ai、Moonshot、StepFun 等形成新的来源。
换句话说，中国模型的优势不是“某个模型特别强”，而是“持续推出新版本”的能力。竞争优势从“拥有一个爆款”，转向“持续推出爆款并完成流量接力”——这个判断对一级市场筛选 AI 标的时同样适用。
///
LAST
写在最后：三点实用提示
TAKEAWAYS · 可落地判断
把上面的数据落回工作场景，我认为有三点可以直接用。
看 AI 标的先问“你站在哪一层”
模型层看技术迭代速度和成本控制能力，应用层看用户入口、工作流嵌入深度和数据沉淀。报告数据显示的应用层留存率与集中度优势，说明用户关系比技术领先更具延续性。
警惕“专用算力押注”的错配风险
报告提醒，当模型迭代周期短于企业硬件采购和部署周期，企业自行押注单一模型、建设专用算力的错配风险上升。这个逻辑反过来也成立：如果被投企业把核心资产压在某个特定模型上，要追问它的切换成本有多高。
Token 增长 ≠ 利润增长
这是报告里最清醒的一句提示：CSP 价值兑现仍取决于 AI 云收入增速、GPU 利用率、推理价格竞争，以及资本开支和折旧压力。流量数据好看，不等于商业模式跑通。
另外提示一个观察维度：报告提到 Coding 边际份额下降、非 Coding 份额提升，说明 AI 应用场景正在扩散。对投研来说，这意味着“AI+垂直场景”的验证窗口正在打开。
这份报告用 43 页讲了一件事：AI 行业的技术迭代比大多数人的投资周期快得多。
模型榜半年换完一轮血，说明押注单点技术的风险在上升；应用榜留住七成，说明用户价值和流程壁垒更值得给溢价。这两句话，对做一级还是二级，都有参考价值。
当然，OpenRouter 只是开发者渠道的一个切面，不能等同于全行业需求。数据是镜片，不是全景——看趋势可以，直接拿来做估值假设要谨慎。
数据来源：国信证券《OpenRouter 视角下的大模型与 AI 应用趋势：中国模型加速崛起，应用端入口价值凸显》（2026 年 8 月 6 日），统计口径为 OpenRouter 平台公开流量数据，统计区间主要为 2025 年 1 月至 2026 年 8 月 2 日。
免责声明：本文仅为行业信息梳理与知识分享，不构成任何投资建议，也不代表对文中任何公司、行业或产品的推荐。文中数据引自第三方研究报告，可能存在口径差异或滞后，请以原始报告及官方披露为准。市场有风险，投资需谨慎。
我是小私基小编，一个想把私募讲得人人听得懂的号。如果你也在关注 AI 赛道的投资逻辑，欢迎留言聊聊你的判断。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING
发表评论
发表评论: