谁能持续生产前沿模型能力，是上一篇供给侧的命题。能力的稀缺性一旦确立，真正的问题变成两个：价值归集到哪一层，谁守得住？本篇的判断很硬——价值向有效的基座模型层归集；薄前端不构成壁垒；护城河属于厚应用层，也就是企业级深度服务。把这把尺子放到美 / 中两体系的四家前沿实验室上，会看到一条清晰的 K 型分化线。
价值向模型层归集
价值与利润归集于有效的基座模型。Agent 是合法且重要的计费载体，但其能力天花板由底层模型的演进速度设定——前端创新无法突破这一上限。
这与"商品化互补品"（commoditized complement）逻辑一致：当应用层被商品化，价值便流向稀缺的上游能力，以及掌握需求的聚合层。
层级与口径取自原报告：薄前端（提示封装·客户端壳·轻量工具编排）高度可复制；厚应用层（工作流锁定＋数据飞轮）与基座模型层（价值 / 利润归集）是仅有的两处可立护城河。柱体为定性示意，非量化数值。
价值链自薄到厚，越靠近薄前端越易被复制、越难捕获价值；只有厚应用层与基座模型层这两处，才构成可防御的护城河区。
薄前端不可防御，厚应用层可立护城河
薄前端——简单的提示封装、客户端壳、轻量工具编排——高度可复制，不构成护城河。需要提醒的是：以单一意外泄露事件"反证"整个前端非护城河，属孤例推因，论证强度有限——况且泄露的源码反而揭示了其复杂的上下文工程。
厚应用层——深度工作流锁定＋数据飞轮——则能形成真实的切换成本。
| 维度 | 薄前端 | 厚应用层（企业深服务） |
|---|---|---|
| 形态 | 提示封装 · 客户端壳 · 轻量工具编排 | 私有化部署 · 工作流锁定 ＋ 数据飞轮 |
| 可复制性 | 高 | 低 |
| 切换成本 | 近乎为零 | 真实且累积 |
| 长期收入机制 | 一次性获客，难以沉淀 | 算力调用 · 私有化微调 · 数据清洗持续沉淀 |
| 护城河 | 不构成壁垒 | 可建立并列护城河 |
智谱 GLM-5.2 以最宽松的开源协议（MIT）放出顶级基座，本质是一种带攻击性的定价策略：免费 / 开源虹吸开发者；一旦企业基于其搭建核心业务流与智能体应用，后续的算力调用、私有化微调、数据清洗都会沉淀为高黏性的长期收入——这是厚应用层护城河的现实样本。
K 型分化：四家前沿实验室的实证
把"厚应用层＝企业深服务＝护城河"这把尺子放到四家最前沿的实验室上，沿美 / 中两体系恰好成两组对照——每组里，企业深服务方在收入上都领先它的消费对手。这就是 K 型分化的实证骨架。
数值 = 企业级收入占比 − 50%（>0 为企业过半、上行腿；<0 为消费过半、下行腿）。智谱按本地化部署 73.7%、MiniMax 按 AI 原生消费 67% 反推（均为 FY2025 审计级口径）；Anthropic 按 ~80% 企业客户（第三方 Sacra 估算）；OpenAI 按企业 >40%、向 50% 收敛取 ~44%（公司口径区间）。口径不一，为定性对照而非精确同口径比较。
上行腿 · 企业深服务。
- 🇺🇸 Anthropic —— 约 80% 收入来自企业客户（第三方估算），run-rate 约 US$47B（2026-05 公司口径）。真正的锁定在工作流层：Claude Code 的 run-rate 已从 2025-11 的约 US$1B 升至 2026-02 的逾 US$2.5B（路透），嵌入开发流水线、CI 与代码库，切换成本真实。
- 🇨🇳 智谱（02513.HK） —— FY2025 营收 RMB 724M（+131.9%），其中本地化 / 私有化部署（政府·金融·大企业）RMB 533.9M、占 73.7%。把 GLM 装进客户自有服务器、按需定制，是教科书式的厚应用层锁定。
下行腿 · 消费级核心（正转向）。
- 🇺🇸 OpenAI —— ChatGPT 约 9 亿周活、约 5,000 万付费订阅（2026-02）；消费仍是重心，但企业收入 >40% 且增速最快、2026 年底有望与消费持平——是"正向上迁移"，而非纯消费玩家。
- 🇨🇳 MiniMax（0100.HK） —— FY2025 营收 US$79.0M（+158.9%），AI 原生消费（Talkie / 星野 / 海螺视频）占 67%；消费 ARPU 约 US$5 且下行，情感陪伴类高度周期性、切换成本低。
| 实验室 | 收入重心 | 收入规模（口径） | 护城河形态 | 上市 |
|---|---|---|---|---|
| 🇺🇸 Anthropic | 企业级 ~80%（估算） | run-rate ~$47B（疑 gross） | 工作流锁定（编码 / Agent） | 未上市 · 递交 S-1 |
| 🇨🇳 智谱 GLM | 企业级 · 本地化 73.7% | FY2025 RMB 724M（审计） | on-prem 锁定 · 数据飞轮 | 02513.HK |
| 🇺🇸 OpenAI | 消费为重 · 企业 >40% | run-rate ~$25B（2026-03） | 分发 / 习惯 ＋ 企业渗透 | 未上市 · 递交 S-1 |
| 🇨🇳 MiniMax | 消费级 67% | FY2025 $79.0M（审计） | 弱 · 低切换成本 | 0100.HK |
两组对照里，企业深服务方的收入都领先消费对手：美股一侧 Anthropic 的 run-rate（约 $47B）领先 OpenAI（约 $25B）、估值（US$965B）亦高于 OpenAI（US$852B）；A/H 一侧智谱 FY2025 营收（RMB 724M）高于 MiniMax（US$79M），市值亦显著领先（见侧栏实时报价）。
- 🇨🇳 智谱 FY2025 营收 RMB 724M（+131.9%），本地化 / 私有化部署占 73.7%（RMB 533.9M）；🇨🇳 MiniMax FY2025 营收 US$79.0M，AI 原生消费占 67%。（均为审计级口径）
- 🇺🇸 Anthropic Claude Code 的 run-rate 自 2025-11 的约 $1B 升至 2026-02 的逾 $2.5B；🇺🇸 OpenAI ChatGPT 约 9 亿周活、约 5,000 万付费，企业收入 >40% 且增速最快、2026 年底有望与消费持平。
- 两组（美：Anthropic / OpenAI；中：智谱 / MiniMax）中，企业深服务方在收入 run-rate 与估值上均领先其消费对手。
- Anthropic "~80% 企业客户、~70–75% 按 token API" 等收入结构为第三方（Sacra）估算；其 run-rate 约 $47B 疑为 gross 口径，与净额、与审计级 FY 营收不可直接比较。
- OpenAI 的消费 / 企业占比为区间口径（企业 >40%、向 50% 收敛），非精确数值；各家估值 / 市值随市场波动（智谱市值曾两周内回撤约 45%），均为时点快照。
- 收入结构与护城河质量确呈 K 型分化：企业级深度服务（厚应用层）立得起工作流锁定与数据飞轮，消费级核心更易困于商品化与低切换成本。【推演】
- 但分化 ≠ 估值 / 盈利溢价：护城河最深的智谱 FY2025 净亏 RMB 4.718B、综合毛利率从 56.3% 降至 41%——深护城河尚未等于盈利。
- 且 K 型可能收敛：OpenAI、MiniMax 都在加速转企业（MiniMax 企业 / 开放平台段 +197.8%）；真正的护城河不在"企业"这个标签、而在工作流 / 部署层（Claude Code、智谱 on-prem），并非所有企业 token / API 收入都具锁定性。【推演】
护城河的定位与一个提醒
在竞争优势理论谱系中，模型能力最接近"独占资源"（cornered resource）与"流程力量"（process power）——二者在 Helmer《7 Powers》的七种力量中最为罕见，与"模型能力为核心护城河"的方向一致。而 K 型上行腿的共性恰好印证：真正的护城河长在工作流 / 部署层（Claude Code、智谱 on-prem），而非可被快速复制与逼近的基准分数。
一个方法论提醒。 关于"应用层能否建立护城河"的主流反方，多来自风险投资机构；其回报恰恰依赖"应用层可防御"为真，属利益相关方主张，不宜当作中立的理论反驳。剔除这类立场后，对"唯一护城河"的中立限定主要剩两点：其一，需求侧聚合本身即权力来源（聚合理论）；其二，头部消费级 AI 的护城河主要来自分发与习惯，而非独家模型。
正因如此，本框架的表述是"最重要且最难绕过"，并承认分发为并列护城河——而非"唯一护城河"。
由 GLM-5.2 引出的强化判断：既然中国开源已能在基准维度快速逼近前沿，护城河更应锚定"部署可靠性、长任务稳定性与企业生态"，而非易被复制与逼近的基准分数。这是本框架在新证据下最重要的收敛，也与四实验室的 K 型分化相互印证。
价值向模型层归集，但护城河属于厚应用层＝企业级深度服务；四实验室的 K 型分化印证了这条线，却也提醒：深护城河不等于高估值或盈利，而消费方正加速向企业迁移、K 型或被抹平。
- Q1一家实验室的“企业收入”，是真实的工作流锁定与数据飞轮，还是价格弹性的 token 消耗？
- Q2企业级深服务带来的是更高价值捕获，还是仅仅不同的收入结构——护城河最深的智谱为何巨额亏损？
- Q3OpenAI、MiniMax 向企业迁移，会否抹平这条 K 型分化线？
- Q4若纯消费 / 应用层实验室的估值持续高于其依赖的基座能力，“价值向模型层归集”是否需要修正？
- Q5反对“价值向模型层归集”的论证，是中立理论，还是利益相关方（风投）的主张？
数据截至 2026/6/18（市场相关数据已联网重核）。四家实验室的营收 / 估值多来自媒体报道、公司自报或第三方估算：run-rate 未经审计、估值随市场剧烈波动、企业 / 消费收入结构口径各异且部分为估算或区间下限；Anthropic 的 run-rate 疑为 gross 口径，与净额及审计级 FY 营收不可直接比较。引用请以官方披露与正式招股书为准。本文为产业分析框架内容，不构成任何证券买卖要约或投资建议。
本文包含前瞻性陈述与示意性估算，仅供研究与信息参考，不构成对任何证券的买卖要约或投资建议。所引数据可能与最终披露存在差异，读者应独立核实并自行判断。