公司研究数据库

阿里云、Qwen/MaaS 与电商流量共同提供模型训练、推理分发和商业化闭环；核心验证是 AI cloud 增量能否覆盖 Capex、折旧与电商竞争成本。

微信生态、广告和游戏现金流为混元与 Agentic AI 投资提供分发及融资优势，但 AI 投入对短期 margin 的压力必须由广告效率、云收入和用户采用抵消。

ERNIE、AI Cloud、搜索重构与昆仑芯形成全栈 AI 暴露，但业务价值需要从模型能力穿透至云收入、搜索 monetization、芯片供给和自由现金流。

本地服务网络的履约密度和交易频次是核心护城河，AI 更可能先改善推荐、客服与配送效率；FactSet FY0 与 FY1 EPS 均为负，当前不适合用 FY1 P/E 或 EPS CAGR 评估。

短视频流量、广告、电商与 Kling 多模态生成形成用户和内容数据闭环；关键是模型调用与创作者采用能否转化为收入，而非只看生成能力。

GLM 的模型迭代、coding/enterprise workflow 与融资能力提供增长期权，但 FactSet FY0–FY3 EPS 均为负；应以 Token、ARR、gross margin、现金消耗和模型复现能力替代 P/E。

文本、音频、图像和视频的多模态组合具备平台期权，但融资不等于模型领先或商业化；FactSet FY0–FY3 EPS 均为负，应重点看模型能力、ARR、推理成本和稀释。