摩根大通最新调研指出，中国AI投资逻辑正从“赌模型参数”转向“盯流程、数据与定价”，报告认为，在企业级应用中，模型正沦为“可替换的输入品”，真正具备商业价值的是那些深度绑定客户数据、工作流入口与部署能力的垂直应用，尤其在保险、风控、企业数据集成等领域已显现盈利迹象，基础设施因多模型竞争而获益最大，自动驾驶领域ADAS接近量产、L4级Robotaxi经济性改善，未来赢家不再是单纯的大模型厂商，而是能“把技术扎进企业骨子里”的工作流掌控者。
摩根大通近日发布了一份关于中国AI行业的深度调研报告,引发了市场的高度关注，报告的核心观点颇为犀利：中国AI的投资逻辑正在经历一场静默但深刻的转向，过去，大家的目光都紧紧锁定在模型的参数规模、榜单排名和技术噱头上；但现在，真正值得盯住的，是那些掌握着客户数据、工作流入口、部署能力和定价权的玩家。
这份由摩根大通证券（中国）分析师姚橙及其团队在5月22日发布的调研，走访了涵盖自动驾驶、独立模型开发、企业工作流软件以及垂直AI应用等八大领域，调研得出了一个关键信号：模型本身依然重要，但在很多企业级应用场景里，模型正在逐渐演变成一种“可替换的输入品”，就像电力一样——大家关心的是通电后能不能干活，而不在意电是从哪家发电厂来的。
报告中最具冲击力的判断是：“部分AI应用已经展现出具备商业价值的初步迹象，尤其在那些工作流密集、数据积累深厚的垂直领域。”这句话的核心不止于“AI终于能赚钱了”，而在于钱最先从哪个口袋流出来，不是通用的聊天机器人，也不是单纯的API接口调用，而是保险与金融风险控制、企业级数据集成、跨境营销这样流程复杂、数据厚重、产出完全可以量化的场景。
这种转变,也颠覆了市场对自动驾驶和应用层的一些旧有假设，过去大家普遍认为，Robotaxi在短期内更像一个“烧钱的无底洞”，AI应用的变现更是遥遥无期，真正能看得见的投资机会只有GPU、服务器这些硬核基础设施，但现在，情况正在起变化，高级驾驶辅助系统（ADAS）已经开始接近大规模量产，部分L4级别的自动驾驶部署，甚至出现了“城市级经济性改善”的说法，一些垂直AI应用公司也开始拿出实打实的经常性收入、基于价值定价的合同，以及运营层面的盈利苗头。
垂直应用“真金不怕火炼”
最让人眼前一亮的变化发生在企业级市场,客户现在的逻辑非常务实：他们不在乎你用了多大的模型，只在乎任务能不能完美完成、系统能不能无缝嵌入现有流程、以及能不能充分调动自家沉睡的数据，有些公司已经在根据价格、性能和具体任务，把请求动态分配给不同的国产模型和前沿模型，谁好用、谁便宜就用谁。
有公司甚至直言不讳：单纯切换API的成本并不高，让客户真正迁移不走的原因，是深度绑定的企业数据接入、彻底改造过的工作流，以及部署之后形成的业务惯性，这给模型层厂商敲响了警钟：用户流量可以继续增长，但这块“租金”还能不能稳稳留在模型厂商手里，已经成了一个大大的问号，如果客户随时可以无摩擦地切换多个模型，那么通用API的定价权肯定会一点点被侵蚀。
模型也还是有不可替代的价值,比如在编码、智能体开发、企业软件自动化这些场景，可靠性、上下文长度、工具调用能力和多步骤任务的完成率，直接决定了业务成败，那些能控制住用户界面、工作流记忆和数据反馈循环的公司，依然有机会在高价值领域守住护城河。
算力吃“百家饭”，成最大赢家
这个新逻辑下,一个意外却又情理之中的结论浮现出来：模型越容易被替换，基础设施反而越像是共同赢家，当企业为了性价比和多样性同时使用多个模型，模型的排他性自然会下降，但算力、存储、内存、云编排这些推理基础设施的需求压根不会减少。
这就不难理解为什么基础设施的投资逻辑始终那么硬,无论最后哪家模型封王，训练、推理、部署、ADAS开发、模拟仿真、数据处理、托管服务，每一环都需要烧计算资源，甚至，激烈的模型竞争还会推高实验和部署频率，从而间接提升推理和配套基础设施的需求。
自动驾驶：走出试错，走向实景
在自动驾驶层面,旧有的“纯烧钱”叙事开始松动，ADAS和L4要分开谈，ADAS背靠车企的量产能力、真实路测数据的闭环反馈，以及软件化带来的高利润率潜力，距离大规模商业化最近，而L4级Robotaxi虽然还处在初阶，但部分运营商透露出的城市级经济性改善、车辆制造成本下降、海外部署良性反馈这些信号，已经在向市场释放暖意。
但真正决定L4投资可行性的证据链条也很苛刻：可审计的城市级单位成本、牌照覆盖城市的扩张速度、安全记录背后的监管连续性，任何一次因事故引发的牌照暂停，都可能把商业化进度往后拖几个星期，甚至几个季度。
总的来看,摩根大通这次调研给市场划出的核心词不再是“赌大模型”，而是“盯住流程、数据和定价”，在中国AI这场长跑中，能把技术真正扎进企业骨子里、能守住自家数据和工作流入口的家伙，也许才是最终的大赢家。