一、OpenRouter 數據核心觀察
1. 平台概覽
-
OpenRouter 是統一 API 閘道與模型市集,提供 500+ 模型、80+ 供應商,服務 1,000 萬+ 全球用戶。
-
每月 token 用量達 600 兆+。
-
其 LLM 排行榜被投資者密切關注,可透明呈現頂尖模型每日 token 使用情況。
-
報告提供 OpenRouter 網站未明示的數據:按 LLM 供應商劃分的 token 用量與支出份額(每週及每月)。
2. 中國模型份額快速提升
-
截至 2026 年 9 月 27 日當週:
-
每週 token 消耗超過 146 兆。
-
模型總 ARR 超過 US$1.5bn。
-
編碼與代理任務佔平台總支出約 60%。
-
-
2026 年 9 月:
-
每月 token 較上月增長 52%。
-
美國與中國模型總支出分別月增 25% 與 27%。
-
中國模型混合 token 價格維持較美國模型約 80% 的折讓。
-
-
份額變化(2026 年 9 月 vs 2026 年 1 月):
-
Token 消耗:美國 / 中國 = 31% / 65%(1 月為 65% / 22%)。
-
美元支出:美國 / 中國 = 70% / 30%(1 月為 94% / 6%)。
-
-
中國模型每週支出年初至今增長 27 倍,由 token 用量(67 倍)驅動,混合 token 價格幾乎減半。
-
美國模型自 7 月中以來也出現類似價格—用量模式,可能由輕量模型 Luna、Terra、Sonnet 帶動。
3. OpenAI 為最大支出份額贏家;Z.ai 領先中國玩家
-
OpenAI 為 OpenRouter 上最大份額贏家,每週支出份額年初至今上升 20 個百分點至 27%,逼近 Anthropic 的 28%。
-
GPT-6 Astra 為 OpenAI 表現的主要貢獻者。
-
中國供應商中,截至 9 月 27 日當週:
-
Z.ai / DeepSeek / MoonShot 支出份額分別為 10.5% / 7.1% / 3.9%。
-
騰訊以 3.9% 緊隨其後,受惠於 Hy4 預覽版。
-
匿名模型 Space Bunny Alpha 超越 Ox Alpha(即 GLM 5.3 Flash),成為最大匿名發布,過去 12 天消耗 53 兆 token。
-
-
開源權重模型多由第三方推理供應商服務(如 Together AI、Relace、DeepInfra 等),在正常運行時間、延遲、吞吐量、快取命中率、輸入輸出定價與數據保留政策上各有不同。
二、關鍵推論
1. 傑文斯悖論(Jevons Paradox)
-
投資者通常視混合 token 價格下跌為 AI 供應鏈終端需求建模的負面因素。
-
但 OpenRouter 數據顯示傑文斯悖論成立:價格越低,用量大幅增加。
-
年初至今三波 token 價格下行趨勢中,該悖論均成立,長期帶來更高總美元支出。
2. 開源權重模型變現
-
開源權重模型在 OpenRouter 上佔 29% 收入份額,突顯中國實驗室透過運算夥伴分銷的變現機會。
-
Z.ai 的 GLM 5.3 在 AWS Bedrock 上的牽引力,仍是潛在收入與利潤上行空間的關鍵信號。
三、Z.AI 投資論點
-
Z.ai 是中國領先基礎模型實驗室,在編碼垂直領域具強競爭力與心智份額。
-
已證明能維持模型能力領先,並將前沿研究轉化為企業收入,順應代理工作流程普及趨勢。
-
MaaS API ARR 軌跡與 API 定價溢價,凸顯需求規模,並使其處於全球 / 中國 AI 實驗室 US$2.5tn / US$364bn TAM 的前沿。
-
優勢:人才密度高、專注高價值企業整合以創造數據優勢、早期致力於透過推理工程與國產晶片兼容性改善經濟效益與容量。
-
O-PF 評級基於:中國國內 LLM 市場持續領先、商業化動能加速(ARR 基礎擴大)、管理層致力推進前沿模型能力。
-
對公司強大 R&D 競爭力與中國 AI 長期市場潛力持建設性看法。
四、估值詳情
-
公司仍處於低收入基礎的超高速增長階段,故將時間 horizon 延長至 2030CL(更正常化增長時期)。
-
對 2030CL 收入應用 12 倍目標 P/S 倍數。
-
該倍數衍生自 30 倍正常化 2030CL PE(對應三年收入 CAGR,即約 1 倍 PEG)與 41% 長期利潤率,反映收入規模與盈利能力潛力。
-
再將 2030CL 目標股權價值以 14.5% 股權成本折現率折回 2027 年中,得出目標價。
五、投資風險(下行風險)
-
MaaS / API 收入與企業採用規模化慢於預期。
-
國內外領先 LLM 玩家競爭加劇,導致 API 價格壓力與客戶黏性降低。
-
GPU、推理與 R&D 成本高於預期,可能延遲利潤率擴張。
-
模型升級週期或產品商業化慢於預期。
-
監管、數據安全與 AI 內容合規風險。
