角逐“龍蝦熱”：收入突破50億的商湯科技，手握幾張入場券？

就在幾個月前，市場的共識還停留在模型參數的無限內卷與巨頭間的流量爭奪戰(zhàn)里，但今年開春一場名為“小龍蝦”（OpenClaw）的開源風暴，徹底將AI的敘事拉入了充滿煙火氣的真實世界。

連英偉達CEO黃仁勛都驚嘆其可能是“有史以來最重要的單一軟件發(fā)布”。

但這場讓全網狂熱的“物理交互”浪潮背后，是極速飆升的算力消耗。通過API聚合平臺OpenRouter的數據顯示，近期每周Token使用總量已達約16萬億（16 trillion），相較于2026年1月（OpenClaw發(fā)布前）的水平大約翻了三倍。

狂熱的算力賬單之下，真金白銀的紅利正在從純粹的模型玩家，流向那些早已在底層基建與全棧應用生態(tài)上布下重兵的“少數派”。

商湯正是“少數派”之一，其同時扮演著“賣鏟人”與“淘金客”的雙重角色。

作為提供底層基礎設施的“賣鏟人”，商湯依托國內稀缺的萬卡級智算中心，已完成對多數國產芯片的適配，精準承接了生態(tài)繁榮帶來的剛性算力需求。

不僅如此，商湯在下游儲備了龐大的Agent集群。這些在真實業(yè)務中跑通的“數字員工”正被直接封裝成標準化的技能接入OpenClaw供全球調用，搶占著垂直業(yè)務的流量入口。

這種兼顧底層算力與上層Agent生態(tài)的全棧打法，無疑為商湯在這場“龍蝦熱”的角逐中攢足了底牌。

一

Agent覺醒

技術的演進往往在人們尚未完全準備好時，就已經悄然越至下一代際。2025年正是這樣一個從“數字原生”向“物理交互”跨越的決定性時刻。

企業(yè)端，隨著單位智能成本的指數級下降，產業(yè)智能化步入Agent原生時代，AI正在褪去“輔助工具”的溫吞面貌，質變?yōu)橐訟gent為核心、具備獨立執(zhí)行能力的“數字員工”。

個人應用端，AI不再局限于純粹的聊天框，而是深度集成于云端與終端，演變?yōu)榫邆溟L時記憶與主動意識，甚至能作為個人指令入口完成閉環(huán)任務的“全知伴侶”。

這一技術演進背后有著一條極為清晰的遞進線索。

第一步是“Chat時代”，溫和地變革了搜索與信息獲取方式，市場狂熱于“誰能訓練出最好的模型”。無論是海外OpenAI的ChatGPT迭代升級，比拼模型的對話流暢度、知識庫覆蓋廣度與邏輯推理能力，還是國內科技企業(yè)密集推出豆包、通義千問、DeepSeek等產品，核心點均聚焦于模型參數規(guī)模、訓練數據量、多輪對話能力等指標。

當下的第二步則是“Agent時代”。

今年2月初，Anthropic推出ClaudeCowork成為一個標志性事件，即AI的終局不再是生成式回答，而是自主執(zhí)行工作流。

事實上，Agent倍受期待之處還在于，與在互聯網語料中成長的大語言模型不同，其正逐漸實現從賽博空間真正走向物理世界，可以在一定程度上理解世界并與真實世界進行交互。

這背后是多模態(tài)技術終于賦予了AI理解復雜現實的感官，突破了純文本的局限，開始學會看懂連續(xù)的視頻幀、理解三維空間關系，甚至掌握重力與碰撞等物理常識，具備“空間智能”能力。

IDC預測，到2030年，全球活躍的AI Agent將達到22.16億個。

不可估量的市場空間引發(fā)了新一輪的擁擠入局，但更為現實的商業(yè)拷問擺在了所有玩家面前：沸騰的Agent浪潮中，究竟誰能真正獲益？

二

重算一筆商業(yè)賬

2026年， 由 OpenClaw引發(fā)的產業(yè)端劇變 正在給商湯未來業(yè)績增長帶來更多想象空間。

今年以來，OpenClaw憑借“自主執(zhí)行任務”的核心能力，通過模擬用戶操作完成自動化流程，正迅速從極客圈向個人消費者滲透。

但當自動化流程開始大規(guī)模普及，意味著過去由人類偶爾發(fā)起的單次對話，變成了機器在后臺高頻、連續(xù)、多線程的模型調用。

這種無休止的任務執(zhí)行使得市場不得不重新思考算力消耗的成本，“降本增效”隨之成為所有企業(yè)在使用OpenClaw時的必答題。

不少公司的管理層對于高頻調用大模型API所帶來的Token消耗，展現出了極度的敏感。一位體驗過OpenClaw的分析師曾笑稱：“用了‘龍蝦’才發(fā)現，平時習慣性地跟AI客氣一下，發(fā)個‘收到’、‘謝謝’，燃燒的都是Token經費。”這種全行業(yè)對于算力成本的普遍焦慮，反而成了商湯兌現重資產紅利的絕佳切入點。

在算力需求暴增的背景下，能夠提供高性價比的AI云服務自然成為市場上的優(yōu)質標的。

過去在計算機視覺和底層算力上有過長線投入的商湯，正用一套軟硬結合的打法回應這一拷問。

這當中最堅硬的底盤來自于算力基礎設施與底層算法的深度耦合。

在“算力-模型-應用”的三位一體戰(zhàn)略中，商湯的算力基礎設施在2025年完成了一次從技術長板向產業(yè)閉環(huán)的深度躍遷，全年支撐模型研發(fā)任務近百萬項，和大模型研發(fā)之間實現高水平聯調配合。

以LightX2V世界模型推理系統為例，依靠步數蒸餾與極致量化，商湯不僅做到了物理世界模擬的實時視頻生成，更在制程受限的國產硬件上跑出了反超海外芯片的性能。

這一開源模型不僅獲得阿里、騰訊等多家頭部廠商官方推薦，在HuggingFace累計下載破千萬，穩(wěn)居全球前十。

有了算力基礎設施的支撐，商湯在模型層面的演進不再是單點突破，而是實現了從“視覺感知”向“原生多模態(tài)認知”及“視覺推理”的重大跨越。

商湯重塑了底層架構NEO，讓模型天生具備了統一處理視覺與語言的能力。

這不僅是技術路線的升級，更是一筆極具優(yōu)勢的“經濟賬”。實測顯示，在同等效果下，NEO能將模型訓練所需的數據量和算力直接降至同業(yè)水平的十分之一。

這正為商湯帶來真金白銀的營收。

三

“賣結果”的飛輪

算力之外，商湯在應用層同樣擁有現成的Agent集群，可以直接被封裝成標準化的技能接入OpenClaw，供全球用戶調用。

目前商湯的Agent集群覆蓋泛辦公、金融、智能營銷、內容創(chuàng)作、智能終端以及C端消費級應用等多個真實的商業(yè)場景中。

以容錯率最低的金融領域為例，商湯以“標準化產品+生態(tài)協同交付”的差異化模式，破解了行業(yè)重人力、難規(guī)模化的痛點，并依托國產化適配優(yōu)勢實現低成本變現，目前已廣泛應用于銀行、保險等行業(yè)。

在追求極致效率的內容創(chuàng)作領域，商湯依托創(chuàng)編一體的短劇Agent Seko，破解了制作周期長、難規(guī)模化的痛點，憑借“單集3分鐘、連更100集”的核心優(yōu)勢，其月活數迅速突破10萬，平臺集聚超過30萬的創(chuàng)作者。

應用層面的開疆拓土只是第一步，商湯更大的商業(yè)野心在于成為AI與物理世界交互的“中樞”。

商湯正將自身的多模態(tài)大模型深度嵌入各類終端硬件。其應用場景正快速向手機、AI眼鏡、車載交互乃至具身智能等“泛終端硬件”滲透，小米、比亞迪、傳音等頭部企業(yè)均為其應用方。

向下提供算力基礎設施與模型服務，向上輸出Agent生態(tài)，這種全棧式的業(yè)務布局讓商湯順理成章地成為這輪新風口的受益方。

隨著Token推理成本的持續(xù)下探，整個行業(yè)都在形成一個新的共識，即Agent時代角逐的是場景和應用的真實落地。

這背后隱藏著一個更深層的商業(yè)模式更迭：AI行業(yè)正在不可逆地從傳統的“以 Token計費模式”向“以服務結果計費模式”演變。在這過程中，商湯的多年來堅持原創(chuàng)多模態(tài)大模型路線即將發(fā)揮更大的價值。商湯表示，將于今年二季度推出基于第二代NEO架構的全新基礎模型，其在業(yè)內率先驗證原生多模態(tài)架構下理解與生成深度統一的新「尺度定律」 (Scaling Law)， 預計將實現效能與性價比的倍數級躍升，廣泛賦能智能體AI應用。

在這一趨勢下，持續(xù)深耕高價值場景并卡位垂直應用入口，將是商湯進一步打開業(yè)績空間的長期籌碼。

基于對技術和商業(yè)的把控，商湯在AI行業(yè)普遍面臨“造血焦慮”與“燒錢研發(fā)”的當下，正成為行業(yè)內極少數“越虧越少”的異類。

翻開商湯2025年的全年成績單，營收規(guī)模創(chuàng)下了歷史新高，2025年總收入達到50.15億元，同比增長33%，創(chuàng)下近三年來的最快增速。

更關鍵的是資金效率的質變，同期應收貿易回款達到歷史新高的48.71億元，現金周轉周期從2024年底的228天大幅壓縮至2025年底的129天。

反映在利潤表上，商湯的2025年凈虧損同比收窄58.6%至17.82億元，確立了連續(xù)四個半年加速減虧的趨勢。甚至在2025年下半年，EBITDA達到3.8億元，實現了上市以來的首次歷史性轉正。

遺憾的是，資本市場的指針往往比產業(yè)的演進慢半拍。商湯在業(yè)務和財務上迎來的雙重拐點尚未被港股市場充分定價。

目前港股市場正處于悲觀的情緒周期中，甚至被視為全球科技總資產的“估值洼地”。正如華爾街大空頭邁克爾·伯里在3月12日所指出的，恒生科技指數的下跌更多源于情緒驅動和估值收縮，而非企業(yè)基本面的惡化。

不過隨著商湯業(yè)績增長趨勢的進一步確定，市場定價邏輯有望得到重塑。

據高盛預測，商湯的生成式AI的收入貢獻率將在2030年達到91%，有望在2026年實現EBITDA轉正，金額達到2.05億元。

華泰證券對于AI公司壁壘曾作出判斷，稱檢驗一家AI公司是否具備商業(yè)壁壘，無外乎三個標準：有沒有極低成本的推理基礎設施？有沒有獨占的私有數據？以及具不具備把模型轉化為閉環(huán)解決方案的工程能力，即尋找“模型能力+數據飛輪+商業(yè)壁壘”的復合體。

可以看到，要拼齊這塊復合體版圖，并不能僅靠單一的模型迭代，更考驗公司在全棧能力方面的有機融合。

客觀來看，商湯已經完成最難的底層技術跨越和商業(yè)模式探路。當“賣結果”的商業(yè)飛輪越轉越快，并在財報上持續(xù)表現出高增長生成式AI營收時，資本市場對于這家AI龍頭的定價邏輯必將迎來根本性的重構。

*以上內容不構成投資建議，不代表刊登平臺之觀點，市場有風險，投資需謹慎，請獨立判斷和決策。

點“在看”，變好看哦。