企业级AI服务怎么分层？一份2026年报告把出海路径讲透了

企业级 AI 服务不是一个大市场，而是四个层次分明的市场叠在一起。霞光智库这份 2026 年 9 月的报告给了一条很清楚的线索：底层是算力，中层是模型和开发平台，上层是具体应用，另外还有一层贯穿全链路的咨询服务。

四层的生意逻辑完全不同，IaaS 重资产、门槛高，MaaS 增速最快，SaaS 收入规模最大，服务层则靠交付能力吃饭。

把四层混在一起谈"AI 服务"的规模，几乎一定会误判自己在产业链上的位置。

下面按四层结构、各层规模与格局、商业模式、出海市场与路径，把这份报告拆开讲。

图源：《解码企业级AI服务“4S”架构》（第4页） · 原文

一、先看分层：从算力到应用，四层各管一段

报告开篇就把企业级 AI 服务摊成一张四层图，从下往上是基础设施层、平台层、应用层，再加上一条纵向贯穿的服务层。基础设施层是地基，包括 GPU 算力云、AI 服务器、存储、网络、算力调度和裸金属服务，直接决定 AI 服务的算力上限和成本底数。

这一层重资产、高门槛，报告给的说法是头部云厂商垄断，GPU 算力的稀缺性直接决定议价能力。平台层是引擎，包括大模型 API、AI 开发平台、MLOps、数据平台、模型微调和 Agent 平台，把模型能力标准化输出，降低企业接入门槛。

应用层是价值兑现的地方，智能办公、智能客服、智能营销、金融 AI、医疗 AI、制造 AI、法律 AI、政务 AI 都在这一层，玩家的数量最多。服务层是粘合剂，涵盖 AI 咨询、实施交付、运维服务、数据标注、模型训练和安全合规，不独占某一层，但每一层的落地都绕不开它。

四层不是简单的上下游，而是四种不同的生意：卖资源、卖能力、卖结果、卖经验。

图源：《解码企业级AI服务“4S”架构》（第5页） · 原文

二、四层体量差得有多远：823 亿、147 亿、296 亿

体量拆开看，差距比直觉更大，而且增速排序和体量排序完全不是一回事。基础设施层，2025 年全球 AI IaaS 市场规模 823 亿美元，报告给的 2026—2036 年复合增速是 17.9%，竞争集中在 GPU 算力上。

平台层，2025 年全球 PaaS 这一块是 147 亿美元，AIaaS 整体 2026—2034 年复合增速 35.9%，是四层里跑得最快的一段。报告在另一处给的数字更细：2025 年全球 AIaaS 市场 201.7 亿美元，其中 PaaS 部分 147.2 亿美元、占比 39.96%。

应用层，2025 年全球 AI SaaS 市场 296 亿美元，报告把它定位成收入规模最大的层级，智能客服、智能办公、智能营销是主要的收入来源。中国这一侧，2025 年 AI 核心产业规模超过 1.2 万亿元，AI 企业数量 6200 多家，报告引用的是工信部数据。

三个层级里，MaaS 的爆发有具体注脚：智谱 MaaS 的 ARR 在过去 12 个月提升了 60 倍，Token 计费的商业模型已经跑通。

体量最大的是应用层，增速最快的是平台层，最重的是基础设施层，投资视角完全不能用同一把尺子。

图源：《解码企业级AI服务“4S”架构》（第7页） · 原文

三、IaaS 层：芯片卡脖子，中游定价格，CR4 做到 78%

基础设施层的产业链分上下游三段，报告把每一段的角色讲得很直白。上游是芯片、服务器、存储、网络和数据中心，AI 芯片包含英伟达、AMD、华为昇腾、寒武纪、海光，服务器有浪潮、新华三、超聚变等。

报告用"卡脖子"形容上游芯片，英伟达在 AI GPU 上仍占主导，国产替代在加速推进，但高端环节的差距没有消失。

中游是云厂商和算力服务商，分四类：阿里云、华为云、腾讯云、百度智能云这类综合云，火山引擎、商汤大装置、智谱这样的 AI 专用云，还有算力租赁和边缘算力。

中游被报告称为算力调度者，GPU 资源稀缺就决定议价能力，头部厂商靠自研芯片加规模采购压成本。

下游需求由三股力量推着走：大模型厂商训练要算力，AI 应用企业推理要算力，传统行业数字化转型同样要算力，报告说算力需求年增长率超过 100%。

竞争格局很集中，企业级 AI 整体 CR4 达到 78%，阿里云 22.5%、百度智能云 19.2%、华为云 18.5%、腾讯云 17.8%，火山引擎 8.5%。报告还列了三个竞争特点：全栈能力比拼、GPU 云实例价格战持续、国产算力在政企市场需求增长。

图源：《解码企业级AI服务“4S”架构》（第9页） · 原文

四、三家云厂商：三种完全不同的打法

报告挑了三家做案例，恰好代表三条路线：全栈生态、国产自主、模型服务。阿里云走的是模型加平台双引擎，AI IaaS、PaaS、MaaS 总营收国内第一，AI 云市场份额 22.5%。

它的算力底子来自自研含光 800 推理芯片和倚天 710，政企客户覆盖金融、政务、制造，出海则在东南亚、中东、欧洲布数据中心。华为云押注国产全栈，昇腾芯片加 Atlas 服务器加 ModelArts 平台是一条完整链路，盘古大模型聚焦矿山、气象、金融、制造等具体行业。

报告提到华为云全球布局 30 多个地理区域，昇腾生态伙伴超过 2000 家，是国产 AI 软硬件生态里最完整的一套。火山引擎则是把 MaaS 做到第一，模型服务增速在 10 倍到 100 倍之间，路径是先用豆包这类 C 端产品验证模型能力，再向 B 端批发出售 API。

这条路径的底气来自内部场景，抖音和今日头条的 AI 应用反哺了工程化能力和大规模推理经验。

同样是卖算力，一家卖生态、一家卖自主、一家卖模型调用量，客户能拿到的其实是三种东西。

图源：《解码企业级AI服务“4S”架构》（第11页） · 原文

五、平台层：Token 计费跑通，通用模型 CR3 超过 40%

平台层是报告里最有想象空间的一层，因为它把模型能力变成了可计量的商品。模式上，Token 计费已经成为 MaaS 的主流，按 API 调用的输入和输出 Token 计费，规模越大单价越低。

盈利能力的分化很清楚：报告引用智谱的数据，整体毛利率 41%，但 B 端业务可以做到 69.4%。市场份额上，企业级大模型 CR3 超过 40%，通义 17.7%、豆包 14.1%、DeepSeek 10.3%，百度文心 9.5%、腾讯混元 8.2%、智谱 GLM 7.8%。

通用模型头部集中，垂直模型则靠行业深耕突围，金融、医疗、制造、法律、政务、教育六个方向各有明确的头部玩家。智谱的财务数据被报告引作参照：2025 年收入 7.24 亿元、同比增长 131.9%，毛利率 41.0%，MaaS 平台 ARR 约 17 亿元。

一个容易被忽略的细节是，智谱云端业务的毛利率从 3.3% 升到了 18.9%，规模化效应在毛利表上是能看出来的。

Token 计费真正的门槛不在定价，而在成本曲线能不能比价格曲线降得更快。

图源：《解码企业级AI服务“4S”架构》（第16页） · 原文

六、应用层：智能客服是最大通用市场，71.9 亿还在涨 55%

应用层由两块拼成：跨行业的通用应用，和垂直行业的深度应用。通用应用包括智能办公、智能客服、智能营销、智能 HR、智能法务、智能财务，每块都跑出了自己的玩家。

垂直应用按行业算钱：金融 AI 1428.5 亿元、制造 AI 986.3 亿元、医疗 AI 732.1 亿元、政务 AI 612.8 亿元、零售 AI 450 亿元以上、教育 AI 380 亿元以上。其中智能客服最能代表大模型的落地效率，2025 年中国企业级智能客服市场规模 71.9 亿元，同比增长 55.3%。

份额上阿里云以 13.5% 排第一、收入 9.7 亿元、同比增长 83.6%，百度智能云 11.2%、腾讯云 8.5%、容联七陌 5.8%、中关村科金 4.2%，CR5 合计 35.7%。报告判断这块市场是双轨竞争：云厂商靠大模型加算力生态抢份额，专业厂商靠行业 Know-how 和交付能力守住阵地。

趋势有三条，从规则机器人升级到大模型 Agent，从降本转向增收，云厂商和专业厂商从竞争走向竞合。

客服是少数能把大模型的演示能力直接换算成收入数字的场景。

图源：《解码企业级AI服务“4S”架构》（第19页） · 原文

七、四种商业模式：毛利率从 25% 到 77% 不等

报告专门用一节做商业模式对比，因为它决定了不同厂商的现金流长什么样。Token 计费靠用量驱动，弹性最大，但成本波动也最大，价格战一打毛利就被压。

订阅制是 SaaS 的主流，按席位、功能或调用额度收费，现金流稳定可预测，报告给的毛利率参照是传统 SaaS 中位数 77%。但 AI 应用的毛利率落在 25% 到 60% 之间，原因是推理成本直接吃掉了毛利，这是订阅制做 AI 时最难绕开的账。

项目制是一次性交付加年度运维，客单价高、绑定深，项目毛利率 30% 到 50%，运维可以做到 60% 以上，代价是交付周期长、难规模化。混合模式是多数头部厂商的选择，基础订阅费加按量计费再加增值服务，报告给的综合毛利率区间是 40% 到 60%。

同样叫 AI 服务收入，订阅制的估值倍数和项目制的估值倍数，本质上不是一回事。

图源：《解码企业级AI服务“4S”架构》（第22页） · 原文

八、出海：东南亚打头，中东赚钱，欧洲最后进

出海这一章是报告最实用的部分，它把目标市场按阶段做了分工。东南亚被定义为首选市场，理由很实在：文化相近、华人市场基础好、成本有优势、多语言模型能力匹配。

进入策略是开源模型加本地生态合作、跟随中企一起出海，顺序上先新加坡、再印尼、越南。中东是高价值市场，沙特和阿联酋的 AI 投资超过千亿美元，NEOM 智慧城市项目里有一个 2.3 亿美元的 AI 项目被报告点名。

上面引用的数据都能在原文里找到出处，报告放在运营动脉（www.yydm.cn），搜标题即可。

遇到统计口径不一致的地方，回原文核一眼，比对两三篇二手解读要快得多。

报告给中东的评价是客单价高、政府购买力强、对中国技术接受度高、没有严格出口管制，打法是大项目加高端定制加本地伙伴。

拉美被看作增长市场，靠电商、社交和金融 AI 应用输出，巴西、墨西哥是首选；欧洲是高端市场，但 EU AI Act 和 GDPR 的门槛最严。规模支撑来自三组数：中国—东盟 AI 合作有 31 个项目覆盖东盟 11 国，中国 AI 核心产业 1.2 万亿元，AI 企业 6200 多家。

出海的顺序不是按市场大小排的，是按合规难度和信任成本排的。

图源：《解码企业级AI服务“4S”架构》（第24页） · 原文

九、四种出海模式和三阶段路径，以及四大挑战

模式层面，报告归纳了四条路：模型输出、算力输出、应用输出、服务输出。模型输出最轻，大模型 API 和开源模型都算，案例是通义被新加坡国家 AI 计划采用、DeepSeek 在全球开发者中的扩散，难在本地数据合规和多语言能力。

算力输出最重，GPU 云、智算中心、算力租赁属于这一类，投资大、回收周期长，还要面对地缘政治风险。应用输出和服务输出介于两者之间，前者靠标准化复制，后者靠项目交付和咨询，客单价高但依赖本地团队。

路径上分三段：0 到 1 年在东南亚做市场验证，用开源模型和 API 轻资产进入；1 到 3 年扩到中东和拉美，建本地团队和数据中心；3 到 5 年进欧洲，形成模型加算力加应用加服务的组合输出。

挑战也被列了四条：数据合规、本地化适配、品牌认知、地缘政治，对应的六条策略是合规先行、本地化深耕、开源生态、组合出海、生态合作、品牌建设。

报告把合规排在第一位，理由是 GDPR、EU AI Act、数据本地化这些要求在趋严，主动合规比被动应对成本更低。这份报告的全部图表、层级口径和四地市场分析，都放在运营动脉（www.yydm.cn）上，搜报告名就能打开对照。