# Methodology · AI 中游·模型与平台 A/H 股映射

> 本文件定义「中游·模型与平台」视图中所有赛道筛选、公司映射、弹性系数计算的完整方法论。
> 覆盖 Jensen L4 Model + AI 开发工具/平台在中国 A/H 股的映射。

---

## 1. 一句话框架

**L4 Model + AI 开发平台的中国映射：谁掌握了 AI 能力的定义权和开发者生态？**

| 上游视角 | 中游·模型平台视角 |
|---|---|
| 物理材料的纯度等级 | 模型能力的质量等级 |
| 国产替代阶段 | 商业化阶段（研发→早期→规模） |
| policyBoost / chokepoint | moat / pricingPower |

---

## 2. substage 编码语义

| 编码 | 语义（商业化阶段） |
|---|---|
| **L1** | 研发期（实验室/中试，未商用） |
| **L2** | 早期商用（首批客户，ARR 50M-200M） |
| **L3** | 规模商用（ARR>200M，多行业落地） |

---

## 3. 赛道分组

### 行业大模型（5 赛道）
| ID | 名称 | 阶段 | 弹性 | 关键公司 |
|---|---|---|---|---|
| cv_model | 视觉大模型 / 多模态 | L2 | 1.95 | 科大讯飞、虹软 |
| speech_model | 语音大模型 / 翻译 | L3 | 2.20 | 科大讯飞（语音线） |
| fin_model | 金融 / 投研大模型 | L2 | 2.45 | 同花顺、恒生电子 |
| gov_model | 政务 / 法务大模型 | L2 | 1.80 | 金桥信息、太极股份 |
| auto_model | 智能座舱 / 端侧大模型 | L2 | 2.85 | 中科创达、虹软 |

### 端侧AI与开发工具（3 赛道）
| ID | 名称 | 阶段 | 弹性 | 关键公司 |
|---|---|---|---|---|
| edge_soc | 端侧 AI SoC | L2 | 2.55 | 恒玄、瑞芯微、全志 |
| coding_agent | Coding Agent / DevOps | L2 | 3.20 | 福昕、科大讯飞 |
| data_analytics | AI 商业智能 / BI | L2 | 1.90 | 普元信息 |

---

## 4. 投资逻辑

- **行业大模型**：数据飞轮 + 领域知识壁垒。赢家是能独占行业数据（金融/政务/车载）并持续 fine-tune 的公司。
- **端侧与工具**：开发者粘性 + 工作流嵌入。Coding Agent 和 BI 平台的价值在于「替换成本」。

---

## 5. moat × pricingPower 决策矩阵

| | pricingPower=expanding | pricingPower=flat | pricingPower=compressing |
|---|---|---|---|
| **moat=strong** | 🟢 语音/金融模型 | 🟡 — | 🟠 — |
| **moat=medium** | 🟢 智能座舱/Coding Agent | 🟡 视觉/政务/BI | 🟠 — |

---

## 6. 与其他 tab 的衔接

- 中游·算力基础设施（infra tab）提供模型运行的算力底座
- 本 tab 的模型/平台 → 下游·应用服务（apps tab）的 SaaS 产品
- 跨 tab 公司：科大讯飞同时在 model-platform（模型线）和 apps（教育/协作线）
- 恒玄科技同时在 model-platform（端侧 SoC）和 embodied（C 端硬件）

---

## 7. 数据来源与置信度

| 数据点 | 来源 | 置信度 |
|---|---|---|
| 公司 ticker / 主营业务 | 券商研报 + 年报 | **高** |
| 弹性系数 | DOL × PricingPower 下游等价估算 | **中** |
| moat | 行业经验判断 + 客户切换成本 | **中** |

---

## 8. 已知局限

1. 弹性系数基于下游等价估算，非年报拆分
2. `coding_agent` 赛道在 A 股缺乏纯正标的（以内部工具为主）
3. 科大讯飞在多个赛道出现，财务数据未按赛道拆分
4. 不构成投资建议