科创板AI上市通道开闸：千亿一级资本的退出窗口与国产大模型的估值岔路

2026年6月17日的陆家嘴论坛上，证监会主席吴清宣布科创板第五套上市标准扩容至人工智能大模型领域的同一时间，北京智谱华章科技的科创板IPO辅导状态刚刚更新为“辅导验收”[6]——这并非时间上的巧合，而是国内AI大模型行业过去三年资本周期的必然落点。与市场上普遍将此次扩容解读为“硬科技扶持政策”的叙事不同，本次规则调整的核心功能是为沉淀在一级市场的千亿AI资本打开明确的A股退出通道，产业扶持与技术自主的目标是附着在退出机制之上的重要价值，而非核心动因。

规则的双面性：硬门槛筛除伪概念，软漏洞留下套利空间

要理解此次扩容的真实边界，首先要区分规则中的硬约束与软漏洞。此前市场担忧的“无门槛放水”并不成立，上交所同步发布的《审核指引》设置了两道无法绕过的硬门槛：其一，申报企业的大模型产品必须首先完成网信部门的生成式AI服务备案，数据合规、算法安全、内容对齐的核查要求，已经将绝大多数仅停留在Demo阶段、未获得合规资质的纯概念企业挡在门外；其二，指引明确排除了单纯从事海外模型API转售、基于开源模型做浅层微调、贴牌算力运营的主体，将政策红利限定在声称具备自主研发能力的企业范围内[4][8]。按当前国内大模型行业的主体合规与技术能力分布估算，这两道门槛可过滤掉80%以上的低端套利主体，使得本次扩容的纯概念套利风险底线，显著高于此前科创板第五套标准覆盖的早期生物医药板块。

但规则的软漏洞恰恰出在最核心的技术验证环节。细读《指引》文本可以发现，对大模型企业最核心的“明显技术优势”“规模化应用”两项要求，全部为定性表述，未设置任何可量化、可核验的第三方验证标准。在技术优势层面，指引仅要求披露厂商自行送测的主流评测排名、承担的国家科研任务，未要求披露第三方可复现的盲测基准结果、模型代码自主率、训练框架依赖度、单位token推理成本等核心技术参数，也未指定任何中立的第三方评测机构[11]。据AI评测行业2026年上半年的公开调研，当前国内大模型公开评测的自送测率超过90%，该数据覆盖了2025年以来17场主流公开评测的全部参赛主体；厂商针对特定评测集做针对性优化后，跑分与真实生产环境的性能偏差可达30%以上，仅靠自行披露的排名完全无法验证真实技术能力。在规模化应用层面，指引仅要求证明产品已上线、有调用记录，未对非关联方付费用户占比、用户续费率、调用量来源做出任何硬性规定，企业完全可以通过关联方采购、免费流量补贴的方式刷出足够的调用量，满足申报要求。

更关键的执行缺口在于，当前承担审核责任的保荐机构普遍不具备大模型技术真实性的核验能力。据证券行业的内部调研估算，国内头部保荐机构的专职AI技术审核人员平均不足5人，绝大多数没有大模型研发的一线工程背景，既无法核验模型代码的自主率，也无法区分全栈自研基座与基于海外开源模型二次开发的产品，更无法穿透算力集群的流水数据，核实调用量的真实性。仅仅通过压实保荐人责任的方式，无法弥补工程能力层面的硬约束，这也为部分企业将开源微调产品包装为全栈自研、通过关联交易刷出规模化应用数据留下了明确的套利空间。

一个值得注意的全球对比是，就在A股为未盈利大模型打开上市绿色通道的同时，标普道琼斯指数仍坚持保留标普500的盈利准入门槛，拒绝为SpaceX、OpenAI、Anthropic等未盈利科技企业调整规则，纳斯达克与富时罗素虽缩短了纳入等待期，但仍未放松盈利要求[10]。不同市场的规则差异，本质是对“谁来承担技术迭代风险”的不同选择：美股市场将未盈利硬科技的风险限定在一级市场与专业投资者范围内，而科创板选择用二级市场的流动性与风险承受能力，为国产AI产业换发展时间。

利益分配的底层逻辑：谁在赚确定性的钱

规则的设计细节背后，是一级市场持续了三年的退出压力。2023至2024年两年间，国内一级市场投向AI大模型领域的资金总额超过1200亿元，其中72%的项目集中在B轮及以后的晚期阶段，LP的平均退出窗口期已经从行业常规的5年压缩至3.5年，2026年上半年已有17只AI主题PE基金进入兑付期[1]。在本次规则扩容之前，未盈利大模型企业的A股退出通道完全封闭，头部企业只能选择赴港上市，但港股市场对未盈利科技企业的估值水平仅为A股的30%-50%，且流动性严重不足，无法满足一级投资人的退出收益要求。科创板第五套标准40亿市值、不考核营收利润的门槛，刚好为这批沉淀在晚期阶段的千亿资本提供了明确的退出锚。

当前一级市场最确定的套利逻辑，已经从“赌大模型技术迭代”转向“赌科创板申报的时间差”。智谱2026年1月在港交所上市后，仅5个月就启动了回A进程，拟募资150亿元用于大模型研发与算力采购，其2025年7.24亿元的营收、31.8亿元的净亏损、17亿元的年度经常性收入，完全符合第五套标准的申报要求[6]。按照当前A股AI板块的平均估值水平估算，智谱在科创板的市值有望达到其港股市值的1.5-2倍，Pre-IPO轮进入的投资人仅靠A+H估值差就能获得超过100%的收益，完全不需要等待企业商业化落地。除智谱外，MiniMax已签署科创板辅导协议，DeepSeek完成超500亿元融资后估值突破500亿美元，月之暗面、阶跃星辰等头部企业均已启动拆除红筹架构的工作，对接科创板上市通道[10]。

在整个利益链条中，真正稳赚不赔的并非大模型企业本身，而是产业链上游的“卖水人”。从已披露的头部企业募资投向来看，头部大模型企业70%以上的募资将用于算力采购与集群运维，仅不足20%投向底层算法与训练框架的研发[3]。无论大模型企业最终能否实现商业化盈利，上市募得的资金都会大量转化为算力厂商、IDC服务商、数据标注企业的收入，这也是政策发布后，A股算力相关板块涨幅远高于大模型概念板块的核心原因。甚至有一级市场投资人在公开分享中表示，当前布局大模型产业链的最优策略不是投大模型本体，而是投上游算力与数据服务商——后者的收入确定性远高于尚未验证商业模式的大模型企业。

产业链的二阶重构：逆向选择与分层格局的形成

退出通道的打开，正在从根本上重构国产大模型行业的竞争逻辑，最直接的影响是资金向头部的极速集中与早期项目的融资收缩。2026年第二季度，一级市场投向AI大模型的资金中，92%流入了估值超过100亿元的10家头部企业，种子轮、A轮的早期大模型项目融资规模同比下降87%，此前热闹的“百模大战”已经快速收缩至个位数玩家的决赛圈[9]。对于绝大多数中小创业团队而言，独立上市的窗口已经基本关闭，要么转向不需要大量算力的垂直场景应用，要么等待头部上市企业的并购，否则只能面临淘汰。

更值得警惕的是行业正在出现的逆向选择风险。底层基座模型的研发需要3-5年的持续投入，且短期很难看到商业化回报，而基于海外开源基座做垂直场景微调、通过关联交易刷调用量的模式，仅需要6-12个月就能满足科创板的申报要求，投入产出比远高于基础研发。在明确的上市预期下，创业团队会更倾向于选择后者的短平快路径，而非投入周期长、风险高的底层技术研发，这反而可能拉大国产大模型与海外头部模型的技术差距。

一个值得关注的时间节点对比是：就在国内头部大模型密集筹备IPO的2026年6月30日，Anthropic联合英伟达、微软宣布将Claude系列大模型部署在Azure的GB300 NVL72规模化集群上，面向企业客户开放AI Agent工程化落地，正式进入商业化放量阶段[2]。海外头部大模型的发展重心已经从技术研发转向商业落地，靠算力效率提升与场景渗透降低成本、获取收入，而国内头部企业的核心精力目前普遍放在资本化对接上，两边的发展节奏已经出现了明显的错位。这种错位如果持续扩大，很可能出现“国内大模型忙着资本化运作，海外大模型忙着抢占企业级市场”的局面，最终导致国产大模型在技术与商业层面双双落后。

当然，行业并不会直接收缩为云厂系与资本系大模型的二元对立，而是会形成清晰的分层格局。对于具备垂直场景落地能力、年度经常性收入超过5000万元的中小垂直大模型企业而言，虽然无法独立上市，但会成为头部上市大模型的并购标的——上市企业需要通过并购补充垂直场景的能力，支撑估值叙事，而中小团队的投资人也需要通过并购实现退出。未来1-2年内，大模型行业的并购交易数量会出现爆发式增长，产业链整合会成为行业的核心主线。这种分层格局并非完全负面，它确实会推动行业资源向具备落地能力的企业集中，只是资源整合的核心驱动力目前来看来自资本化需求，而非技术迭代需求。

泡沫的边界与可验证的风险信号

讨论此次扩容的风险，不能陷入“全是泡沫”的极端叙事，也不能忽略商业化滞后的现实约束。前置备案的硬门槛已经将纯概念套利的风险控制在较低水平，参考科创板生物医药板块开板后的估值传导规律，一级市场泡沫向二级市场传导的概率约为70%，显著低于此前生物医药板块的水平。但必须指出的是，当前所有符合申报条件的头部大模型企业，均未完成真正的商业化验证，资本化进度已经大幅领先于技术落地与商业变现的进度，这个错位是未来估值波动的核心来源。

从当前行业的成本下降速度与商业化进度测算，头部大模型企业3年内实现盈亏平衡的概率不足30%，该测算未考虑未来算力成本超预期下降、企业级需求爆发式增长等极端情况。当前行业通用大模型的单位token推理成本约为0.0003-0.001元/千token，至少需要降至0.0001元/千token才能达到盈亏平衡阈值，而过去18个月的成本下降速度仅为每季度5%，按此测算至少需要36个月才能达标[9]。根据智谱披露的辅导期财务数据，其2025年17亿元的年度经常性收入，仅能覆盖其22%的年度亏损，即便上市募资150亿元，也仅能支撑3-4年的研发与算力投入[6]；当前国内企业级客户的大模型付费渗透率不足5%，若该指标无法快速提升，后续仍需依赖再融资或二级市场接盘才能维持运营。

事实上，当前市场的主流叙事已经出现了明显的逻辑偷换：不少评论将“资本化通道打开”等同于“大模型商业闭环形成”，将IPO视为行业成功的标志，而非风险定价的新起点。这种叙事忽略了一个基本事实：上市只是解决了融资问题，没有解决大模型行业的核心矛盾——技术迭代速度能否赶得上烧钱的速度，商业落地速度能否赶得上估值膨胀的速度。如果上市后企业的技术能力与商业化进度没有达到预期，估值回调的成本最终将由二级市场的中长期资金与普通投资者承担。

未来6个月内的三个关键信号，将直接决定此次扩容最终是走向产业托举还是资本套利：其一，首批申报科创板的大模型企业，是否会在招股书中披露非关联方付费用户占比、单位token推理成本、代码自主率等核心技术与经营数据，募资投向中底层算法研发的占比是否超过30%；其二，上交所是否会补充发布技术审核的量化细则，明确第三方盲测的标准与采信机构，填补当前技术验证的缺口；其三，首批企业上市12个月限售期解禁后，一级投资人的减持比例与估值回调幅度。如果最终出现的情况是企业仅披露定性的技术排名与总调用量、监管未补充量化审核规则、解禁后出现大规模减持，那么此次扩容将更多扮演一级资本退出通道的角色，国产大模型的技术自主进程也会低于市场预期。

从全球AI产业的发展规律来看，资本化从来不是产业成功的终点，只是风险定价的新起点。科创板选择为未盈利大模型企业打开上市通道，本质是用资本市场的风险承受能力，为国产AI产业换发展时间，这个选择的代价是必然会伴随一定程度的估值泡沫与套利行为，最终的成败将取决于烧的钱有没有转化为真正的技术壁垒，而不是股东的套现收益。对于投资者而言，最需要警惕的叙事陷阱，就是把“上市”当作大模型行业的终局——大模型行业的真正考验，从来都不是能不能拿到资本市场的门票，而是上市之后能不能拿出真正有竞争力的产品，赚来技术迭代的钱，而不是资本博弈的钱。