科创板向AI大模型开闸：资本校准的正门与套利的围墙

2026年6月17日陆家嘴论坛的监管表态，给持续升温的AI行业资本化划出了第一条清晰的双向边界。证监会主席吴清在论坛上明确，科创板第五套上市标准将扩大至AI大模型行业，同时将从严打击借AI蹭热点、非法荐股等违法违规行为，适时发布AI资本市场规范指导意见[1]。这个消息之所以引发全行业震动，不是因为它给原本火热的AI资本再添了一把柴，而是因为它第一次把“开正门”和“堵偏门”的双重逻辑绑定在了一起：一边为具备核心能力的AI大模型企业打通境内公开市场的融资与退出通道，结束此前一级市场估值无锚、退出路径狭窄的混乱状态；一边为持续两年多的AI概念套利套上了可落地的监管约束，终结了靠一纸框架协议就能拉涨股价、收割散户的套利链路。

政策出台的产业语境：两层扭曲的资本化困局

要理解这个政策的分量，必须先回到它出台的产业语境。2026年上半年，全球AI行业都处于资本化的关键节点：海外方面，OpenAI被曝最快于5月秘密提交IPO申请，目标募资600亿美元，估值超1万亿美元，Anthropic也已递交IPO申请，头部AI厂商的资本化进程突然加速；国内方面，一级市场的AI融资热度更是创下历史新高，2026年一季度国内AI领域发生近600起融资，披露总金额超1100亿元，同比激增185.4%，仅5月单月，三家头部国产大模型的合计融资规模就逼近千亿元，头部项目的估值甚至出现3个月翻番的非理性上涨。

这种热度的另一面，是资本化规则长期缺位带来的两层扭曲，已经成为行业健康发展的核心阻碍。

第一层扭曲在一级市场：由于缺乏公开市场的定价标尺，大模型项目的估值长期依赖叙事而非可验证的经营数据。参数规模、融资轮次、创始人背景成为估值的核心锚点，训练效率、推理成本、真实调用量、客户续费率等核心经营数据往往被列为“商业机密”，无需向外部披露，甚至部分投资人也无法拿到真实数据。只要能找到下一轮接盘方，估值就能不断推高，整个一级市场积累了大量缺乏实质支撑的估值泡沫。更关键的是，此前国内AI大模型企业的退出路径高度狭窄，要么赴境外上市，要么接受互联网巨头的并购，境内公开市场始终没有明确的准入规则，这导致一级市场的大量筹码无法通过正常渠道退出，只能通过跨市场套利、炒概念股等方式变相变现。

第二层扭曲在二级市场：由于缺乏明确的蹭热点认定标准，大量中小上市公司仅需与某家大模型厂商签订一份无实质交付内容的框架合作协议，就能引发股价连续上涨，配合非法荐股账号的造势，普通散户往往在高位接盘，最终损失惨重。而上市公司和套利方的违法成本极低，最多只会收到交易所的问询函，几乎不会受到实质性处罚，这种“收益全拿、风险零担”的套利模式，催生了大量游走在灰色地带的跨市场操作，不仅损害了普通投资者的利益，也扭曲了二级市场的定价功能。

正是在这样的背景下，证监会的这次表态才显得意义特殊：它不是简单的给AI行业“松绑”，而是一次针对整个AI资本化体系的校准，用公开市场的规则给一级市场的估值锚定标尺，用明确的监管约束堵死套利的灰色空间。

政策的核心新意：绑定“放”与“管”的双向规则

很多人把这次政策解读为“给AI大模型开上市绿灯”，但这种解读忽略了政策的核心新意：它是国内第一次将硬科技资本化的规则体系主动适配生成式AI这个全新的技术品类，并且首次将“通道建设”与“乱象治理”同步推进，形成了“放”与“管”深度绑定的监管逻辑。

在此之前，科创板第五套上市标准主要适用于生物医药、高端装备、集成电路等成熟硬科技领域，这套标准的核心是允许未盈利企业上市，核心考察指标是预计市值、核心技术领先性、研发投入、阶段性成果等，但这套标准是否适用于AI大模型行业，始终没有明确的官方说法。AI大模型的技术属性和传统硬科技有本质差异：它的研发投入集中在算力、数据、人才，核心技术能力不体现在专利数量，而体现在训练效率、推理性能、工程化能力等可量化的指标上，产品形态也不是传统的硬件或药品，而是可调用的API服务、智能体解决方案等。如果直接套用传统硬科技的审核标准，很容易出现两个极端：要么把真正有核心工程能力的企业挡在门外，要么让靠套壳、讲故事的企业钻空子。这次明确将科创板第五套标准扩至AI大模型行业，意味着监管层已经意识到AI大模型的技术特殊性，接下来的审核规则大概率会针对大模型的技术特点做专门调整，而不是直接套用现有标准。

更重要的是，这次政策没有单独出台上市通道的规则，而是把上市通道的放开和AI非法金融乱象的打击放在同一个监管表态里[1]，这个安排本身就传递了清晰的监管导向：放开上市通道不是为了给一级市场的泡沫接盘，而是为了把真正的优质企业和套利主体区分开，“开正门”的前提是“堵偏门”。在此之前，针对AI概念炒作的监管大多是事后的、分散的，比如交易所给异动的上市公司发问询函，网信办整治AI内容乱象，但这次是从资本的源头入手，一方面给真正的优质企业提供正规的融资通道，另一方面明确从严打击蹭热点、非法荐股等行为，相当于从供给端和需求端同时挤压套利空间：供给端，只有真正具备核心能力的企业才能上市融资，套壳企业拿不到上市资格；需求端，上市公司不敢随便蹭AI热点，非法荐股的成本大幅提升，散户被收割的概率下降。

这种双向绑定的逻辑，是本次政策和此前所有AI相关监管政策最核心的差异：它不是单纯的鼓励或者限制，而是要建立一套可持续的资本化规则，让好的企业能拿到钱，让套利的人付出代价，最终引导行业回归技术和商业的本质。

实质影响：从“叙事定价”到“可验证指标定价”的转向

这个政策带来的最核心的变化，是AI行业的定价逻辑将从“叙事定价”转向“可验证指标定价”，整个行业的资本化分层会加速到来，过去靠讲故事拿融资、靠蹭热点赚快钱的模式将彻底走不通。

首先看上市端的规则重构。之前一级市场的大模型估值，核心靠的是讲故事：只要能拿出“百亿参数”“千亿训练数据”“国内领先”的叙事，就能拿到高估值，不需要证明这些参数是自己训的，不需要证明训练效率有多高，不需要证明有多少真实的付费客户。但如果要申报科创板，这套叙事就走不通了。按照科创板第五套标准的要求，企业需要证明自己的核心技术国际领先，有阶段性成果，预计市值不低于40亿，再加上这次政策明确要打击蹭热点，保荐机构必须对大模型的技术真实性承担连带核查责任，这意味着保荐机构不可能只看企业提供的参数和融资估值就签字，必须要求企业拿出可第三方验证的核心数据。

这些数据包括但不限于：完整的百亿参数预训练日志、训练过程的FLOPs利用率、生产级环境下的日均调用量、单位任务的推理成本、API客户的续费率、付费客户的留存率等。这些数据都是之前一级市场不需要公开，甚至很多投资人都拿不到的核心经营数据，但现在要上市就必须公开，还要接受第三方审计。比如，如果你说自己的大模型是自主训练的，就必须拿出完整的训练日志，包括每一步的算力消耗、数据输入、模型迭代记录，这些日志是没办法造假的，因为算力的消耗可以跟云厂商的结算记录对得上，训练的过程可以追溯；如果你说自己的大模型有大规模商用，就必须拿出千万级日均调用的后台记录，还有客户的付费凭证、续费率数据，这些也没办法靠讲故事凑出来。

据第三方行业调研机构2026年一季度AI产业监测数据，国内有公开融资记录的大模型厂商超过120家，但其中能拿出完整的百亿参数预训练日志、训练FLOPs利用率达到行业平均25%以上、具备千万级日均调用的生产级推理部署能力的厂商不超过10家。也就是说，看起来上市通道放开了，但实际上能摸到门槛的企业极少，大部分靠开源模型微调、第三方API套壳的轻资产套利厂商，根本拿不出这些核心数据，保荐机构也不可能为了一单保荐业务承担退市的连带风险，这些厂商的上市套利空间直接被清零。

这个要求或直接将90%以上的套壳大模型挡在上市大门外。即使是能摸到门槛的头部大模型厂商，也不能再靠之前的叙事拿高估值。公开市场的投资者会直接给算力成本占比、API续费率、付费客户留存率、单位推理成本这些可量化的指标定价，之前一级市场靠参数规模讲故事的估值逻辑会直接失效。比如，现在头部大模型的API毛利普遍在40%左右，如果不能通过规模效应持续提升毛利，就算成功上市，也会面临破发的压力。此前科创板第五套标准落地的3年里，12家未盈利硬科技上市企业中，有6家上市后破发幅度超过30%，核心原因就是阶段性的技术成果没能转化为可验证的持续付费收入和稳定的毛利空间，这个教训对AI大模型企业同样适用。

然后看乱象治理端的链路重构。之前的跨市场套利链路中，风险几乎完全由普通散户承担：上市公司签一个没有实质交付的框架协议，股价拉涨，非法荐股账号造势，散户高位接盘，最后股价跌回来，上市公司和套利方几乎不用承担任何责任。但现在这个链路被彻底打断了：一方面，从严打击AI非法荐股的监管要求，意味着非法荐股的违法成本从之前的轻微处罚升级为行政甚至刑事处罚，造势的成本大幅提升；另一方面，蹭热点的认定标准会越来越明确，上市公司如果签订没有实质交付的AI合作协议，不仅会收到问询函，还可能被认定为违法违规，受到行政处罚，甚至要承担民事赔偿责任，上市公司蹭热点的动力会大幅下降。

对于云厂商和独立大模型的竞争格局，这个政策也会带来微妙的影响。独立大模型拿到公开市场融资通道后，确实可以通过募资锁定长期算力合约，缓解对云厂商的依赖，但专项信披、技术核查的合规成本会额外吃掉1-2个点的毛利，而云厂商原本就具备的算力成本优势、企业客户渠道，以及多年积累的合规能力，反而会进一步拉大与中小独立大模型的差距。开源模型的成本优势也会因为监管要求的可追溯、数据合规要求被削弱，中小客户选择开源模型的隐性合规成本会上升，整个行业的集中度会进一步提升。

边界与不确定性：尚未落地的规则与潜在风险

需要明确的是，当前的监管表态只是政策方向的明确，尚未转化为正式的成文规则，政策的实际落地效力还取决于后续的细则制定和执行力度，目前仍存在多个待明确的核心问题，直接影响政策的最终效果。

首先是细则的缺失带来的规则模糊。目前关于AI大模型上市的具体认定标准、专项信披要求、非法AI金融活动的执法边界等核心细节，都只有监管高层的公开表态[1]，没有正式的文件或细则出台。比如，AI大模型的适用范围到底怎么界定？是不是只要做大模型就能申请科创板第五套标准？是不是需要先拿到网信办的生成式AI服务备案？上市的时候到底需要披露哪些核心数据？训练日志、算力消耗、调用量这些数据是不是强制披露？保荐机构的核查责任到底怎么界定？还有，怎么区分正常的AI业务布局和恶意蹭热点？持牌金融机构用AI做投顾算不算合规？这些细节都没有明确的答案，所有关于“利好头部大模型”“套利空间清零”的判断，都是基于现有规则的合理推演，不代表最终的落地结果。

其次是跨部门监管的协同机制尚未明确。2026年上半年，中央网信办已经出台了多项AI治理政策，包括开设涉AI应用乱象举报专区、发布智能体规范发展实施意见、推进短视频内容标注规范等，这些政策和证监会的资本治理政策在时间上高度重合，但实际上，目前并没有官方发布的跨部门联合监管机制、联合文件或联合执法案例，两个部门的监管要求会不会出现冲突，怎么协同，都是未知数。比如，一家大模型厂商拿到了网信办的生成式AI服务备案，是不是就符合证监会的上市合规要求？如果网信办的内容合规要求和证监会的技术认定要求出现不一致，企业该怎么处理？这些问题都没有明确的答案。

第三是仍存在新的套利空间。当前的政策逻辑可以有效堵死靠开源微调、第三方API套壳的轻资产套利空间，但仍无法完全避免重资产的“合规型套利”。所谓合规型套利，就是一些厂商专门投入数千万级的成本，堆算力完成一次百亿参数模型的训练，拿到生成式AI服务备案，凑够40亿的估值，然后申请上市，但实际上没有稳定的商业化能力，没有持续的付费客户，也没有持续的技术迭代能力，只是为了上市套现。如果后续的细则没有对训练效率、推理成本、真实负载、商业化能力设置量化要求，这类套利行为就很难被筛除，毕竟只要肯砸钱，堆算力训一个百亿参数的模型并不难，难的是把模型做成可持续的生意。

最后是可能存在的政策误伤风险。由于蹭热点的执法边界尚未明确，很多正常开展AI业务合作的中小上市公司，可能会为了规避监管问询，暂缓披露正常的AI业务合作信息，反而影响了企业的正常经营和信息披露的真实性。比如，一家制造业企业确实和大模型厂商合作开发了生产端的智能优化系统，本来应该披露这个对经营有正面影响的信息，但因为怕被认定为蹭热点，就选择不披露，这反而损害了投资者的知情权。

后续观察的核心指标：用可验证的事实判断政策效力

判断这个政策的实际落地效力，不需要听各种乐观或悲观的解读，只需要跟踪几个可验证的核心指标，这些指标的变化会直接告诉我们政策的实际效果。

第一个维度是细则层面。未来3个月内，证监会会不会正式发布AI资本市场的规范指导意见，以及科创板上市标准修订的征求意见稿，这是最核心的指标。如果细则出台，我们需要重点看几个细节：一是会不会把训练FLOPs利用率、单位任务推理成本、生产级调用量、算力投入第三方审计、API客户续费率、付费客户留存率这些工程和商业化指标列为强制披露要求；二是会不会明确保荐机构对这些数据的连带核查责任；三是会不会明确AI大模型的具体认定标准和合规要求。如果这些内容都出现在细则里，说明监管层确实是想把规则落地，筛除套利主体，而不是简单的放水。

第二个维度是执行层面。首先看首批申报科创板的大模型厂商的招股书，这些核心的工程和商业化数据的披露比例会不会超过50%。如果大部分企业都披露了这些数据，说明信披要求确实落地了；如果企业还是只披露研发投入、参数规模这些模糊的叙事性数据，说明信披的约束还没有到位。其次看首批AI非法金融乱象的行政处罚案例，重点看监管层是不是把“无独立训练/推理工程闭环”“无实质交付的AI合作协议”作为蹭热点的核心认定依据，如果是，说明蹭热点的套利空间确实被堵死了；如果处罚的还是零散的非法荐股账号，没有涉及上市公司的恶意炒作，说明乱象治理的力度还不够。

第三个维度是产业层面。2026年下半年，AI大模型行业融资的CR5占比会不会从当前的45%升至65%以上。CR5指的是行业内前5家企业的融资额占全行业融资总额的比例，如果这个比例大幅上升，说明资金确实在向头部企业集中，分层筛选的逻辑已经落地，中小套壳厂商已经拿不到融资了；如果这个比例没有明显变化，说明一级市场的估值逻辑还没有变，政策的影响还没有传导到一级市场。

第四个维度是市场层面。A股AI概念股的异动公告数量，会不会比政策出台前下降60%以上。如果异动公告的数量大幅下降，说明上市公司蹭热点的行为已经被有效遏制，二级市场的概念炒作降温了；如果异动公告的数量没有明显变化，说明蹭热点的套利空间还存在，监管的威慑力还没有到位。

从长期来看，这次监管表态的意义，不在于给AI行业带来了多少新增的上市名额，而在于它第一次给中国AI行业的资本化建立了一个可落地的标尺。在此之前，AI行业的资本化是野蛮生长的，估值靠叙事，套利靠概念，普通投资者是最终的风险承担者；现在，有了明确的规则，真正具备核心技术能力和商业化能力的企业，能够通过公开市场拿到长期的研发资金，不用再依赖境外上市或者巨头并购，也不用靠讲故事拿融资，而靠套利生存的主体，会被逐步赶出市场。

这个过程不会是一蹴而就的，细则的制定、执行的落地、套利空间的清除，都需要时间，中间还可能出现新的问题和新的套利方式，但这个方向是明确的：AI行业的资本化，最终要回到技术和商业的本质，而不是靠叙事和概念支撑。AI行业的野蛮生长时代已经结束，规则化的时代才刚刚开始。