Auteur : Wall Street News
Les grands modèles d'IA chinois se trouvent à un point d'inflexion historique. Goldman Sachs estime que les performances intelligentes des modèles chinois open source/à poids ouvert ont presque rattrapé les meilleurs modèles propriétaires mondiaux, et leur adoption par les entreprises chinoises et les PME mondiales se développe rapidement, créant un effet de réseau de données qui accélérera encore l'itération des modèles.
Selon Trading Desk, le dernier rapport de Goldman Sachs indique : Cette trajectoire évolutive peut se résumer ainsi : "Du moment d'efficacité des coûts de DeepSeek l'année dernière, au moment d'intelligence des modèles de GLM de Zhipu cette année." L'équipe dirigée par l'analyste Ronald Keung a évalué systématiquement quatre questions clés dans ce rapport de 50 pages : comment les modèles d'IA chinois atteignent des performances élevées à bas coût, pourquoi choisissent-ils la voie open source et comment se monétisent-ils, où se trouve le marché adressable central, et qui deviendront les gagnants à long terme.
Concernant le jugement du paysage concurrentiel, Goldman Sachs propose un "cadre de positionnement concurrentiel" basé sur le pouvoir de fixation des prix, l'avantage en matière de coûts et la solidité financière. En conséquence, il estime que dans le domaine des modèles textuels de base, Zhipu (couverture initiale) et DeepSeek (non coté) ont la position la plus forte ; dans le domaine multimodal, ByteDance (non coté) est en tête. Goldman Sachs maintient également ses recommandations d'achat sur MiniMax et Kuaishou.
Obtenir beaucoup avec peu, l'efficacité prime
Les grands modèles chinois peuvent atteindre des performances proches de leurs homologues américains à un coût bien inférieur, grâce à une double percée : l'innovation architecturale et l'efficacité des paramètres.
Le rapport de Goldman Sachs souligne que l'échelle des paramètres des modèles open source chinois se situe généralement entre 200 et 1600 milliards, soit seulement 2 % à 10 % des meilleurs modèles mondiaux, principalement en raison des contraintes d'accès aux puces de calcul haute performance. Parallèlement, des innovations comme l'architecture mixte d'experts (MoE) et les mécanismes d'attention sparse font que la proportion de paramètres réellement activés par rapport aux paramètres totaux n'est que de 3 % à 5 %, réduisant considérablement les coûts d'entraînement et d'inférence.
Au niveau des modèles spécifiques, DeepSeek V4 Pro compte 1600 milliards de paramètres, Zhipu GLM5.2 en compte 700 milliards, et MiniMax M3 en compte 400 milliards.
Goldman Sachs attribue le récent bond en avant des capacités de programmation des modèles chinois à l'effet synergique de facteurs tels que la sélection des données et le post-entraînement par apprentissage par renforcement. Le 27 juin, DeepSeek a lancé son cadre de décodage spéculatif DSpark, déjà déployé dans les services en ligne de V4-Flash et V4 Pro, augmentant la vitesse de génération par utilisateur de 60 % à 85 % (V4-Flash) et de 57 % à 78 % (V4 Pro) sans modifier les poids du modèle ou la qualité des sorties.
LongCat 2.0, publié par Meituan le 30 juin, est considéré par Goldman Sachs comme une étape importante vers l'autonomie de l'infrastructure d'IA en Chine — c'est le premier modèle open source MoE à 1600 milliards de paramètres entièrement entraîné et déployé sur 50 000 puces de calcul nationales. Goldman Sachs estime que cela prouve la faisabilité d'une pile matérielle localisée lors de la phase de pré-entraînement intensive en calcul, avec des implications profondes pour l'indépendance des modèles d'IA chinois vis-à-vis des puces étrangères haut de gamme.
Un marché à deux vitesses, les forts deviennent plus forts
Goldman Sachs décrit le marché des modèles d'IA chinois comme une "structure à deux niveaux" en formation, et identifie deux quadrants de maximisation du CA annuel récurrent (ARR).
Sur le marché haut de gamme, les meilleurs modèles représentés par Zhipu GLM5.2 et Alibaba Qwen3.7 Max sont tarifés à environ 1 dollar par million de tokens, soit cinq fois plus que les modèles bas de gamme, avec une marge brute d'inférence estimée à 10 %-20 % (estimation Goldman Sachs). En comparaison, les meilleurs modèles américains sont tarifés à 4-8 dollars par million de tokens. Les modèles chinois haut de gamme ne représentent que 10 %-25 % de ce prix, mais grâce à un ratio de paramètres activés plus faible, ils peuvent maintenir une marge brute positive.
Sur le marché bas de gamme, les modèles destinés aux tâches d'agent IA sont tarifés à seulement 0,06 à 0,2 dollar par million de tokens, ouvrant le marché des PME mondiales et des utilisateurs individuels sensibles au prix. 60 %-70 % des revenus de MiniMax proviennent de l'étranger. Il est à noter que DeepSeek a annoncé l'introduction d'un mécanisme de tarification par période de pointe/creuse pour la série V4 à partir de mi-juillet, le tarif de pointe étant le double du tarif hors pointe, avec un prix mixte d'environ 0,35 dollar (V4 Pro) et 0,12 dollar (V4 Flash) par million de tokens.
Goldman Sachs prévoit que les revenus des API et abonnements des modèles d'IA chinois passeront de 35 milliards de yuans estimés en 2026 à 879 milliards de yuans en 2030, correspondant à une consommation quotidienne de tokens passant de 350 billions à 4600 billions, soit une multiplication par environ 25.
Stratégie open source : pénétration large, chemin de monétisation à améliorer
Le rapport de Goldman Sachs analyse en détail la logique stratégique de l'adoption généralisée de la voie open source/à poids ouvert par les modèles d'IA chinois et ses limites en matière de monétisation.
Les avantages clés de la stratégie open source sont la flexibilité de déploiement et l'écosystème communautaire. La série Qwen d'Alibaba, DeepSeek, Zhipu GLM et MiniMax M3 adoptent tous des méthodes open source ou à poids ouvert. Le modèle Seed de ByteDance est la principale exception, suivant une voie propriétaire entièrement fermée. Le modèle open source permet un déploiement flexible en Chine continentale et à l'étranger, et accélère l'itération grâce aux retours de la communauté.
Cependant, Goldman Sachs note que les chiffres ARR divulgués par les entreprises de modèles open source sous-estiment probablement fortement l'échelle de déploiement réelle et le potentiel de revenus. Prenons l'exemple de Zhipu : son objectif ARR pour fin 2026 est de 10 milliards de dollars, mais le déploiement réel mondial de GLM5.2 sera bien supérieur au volume de tokens et aux revenus de son propre canal API – la plateforme MaaS Alibaba Cloud Bailian peut héberger directement le modèle open source GLM5.2 sans aucun paiement à Zhipu.
Goldman Sachs s'attend à ce que l'industrie passe progressivement du pur open source (licence MIT, totalement gratuit) à un modèle "poids ouvert + licence communautaire" – où l'usage commercial nécessite un accord de partage des revenus avec l'entreprise du modèle. La série M de MiniMax a déjà adopté ce modèle en premier. Goldman Sachs estime que ce changement améliorera significativement l'économie unitaire des entreprises de modèles d'IA, car elles pourront bénéficier d'accords de partage de revenus avec des plateformes comme AWS Bedrock et Alibaba Cloud Bailian, sans avoir à supporter elles-mêmes les coûts de calcul d'inférence.
De la "maximisation des tokens" à la priorité ROI
Goldman Sachs qualifie l'expansion sur les marchés internationaux comme l'espace de croissance le plus important pour les modèles d'IA chinois, en particulier sur les marchés hors États-Unis.
L'équipe de recherche américaine de Goldman Sachs estime que d'ici 2030, l'IA agent poussera la consommation mondiale de tokens à une multiplication par 24, atteignant 120 quintillions de tokens par mois, les agents d'entreprise contribuant à une multiplication par 55, et les agents consommateurs à une multiplication par 12. Sur le marché mondial (hors Chine), les modèles d'IA chinois ont déjà réalisé une croissance significative de leur part de tokens grâce à l'amélioration des performances et aux avantages tarifaires.
Le rapport de Goldman Sachs indique que le paradigme d'utilisation de l'IA par les entreprises mondiales est en train de subir un changement fondamental de la "maximisation des tokens" vers la "priorité ROI". Le premier a prévalu fin 2025-début 2026, les entreprises assimilant une forte consommation de tokens à la productivité organisationnelle ; le second se concentre davantage sur des limites de tâches claires, le nombre quotidien d'agents actifs, l'automatisation des processus backend et les résultats réels. Des données d'une étude de tendances de l'ingénierie AI de Jellyfish montrent que les utilisateurs intensifs d'IA en entreprise consomment 10 fois plus de tokens, mais ne produisent que 2 fois plus.
Au niveau des canaux, la plateforme Gemini Enterprise Agent Platform d'Alphabet et AWS Bedrock d'Amazon proposent déjà des services d'hébergement pour des modèles d'IA chinois comme DeepSeek, MiniMax, Moonshot, GLM et Qwen. Selon le Wall Street Journal, le PDG de Microsoft a récemment déclaré que Microsoft envisageait d'héberger une version de DeepSeek sur Copilot comme modèle à bas coût optionnel, soulignant que si DeepSeek était hébergé, il fonctionnerait au sein de l'écosystème cloud de Microsoft, garantissant que les données clients restent dans Azure.
Qui sont les gagnants à long terme ?
Goldman Sachs a construit un cadre de positionnement concurrentiel tridimensionnel pour évaluer quantitativement les chances de succès à long terme de chaque acteur. La formule centrale est : Échelle ARR × Avantage en marge brute + Solidité financière.
Le pouvoir de fixation des prix examine la vitesse de lancement (comparaison avec les modèles précédents et de même niveau), le score sur l'arène LMArena (basé sur des évaluations utilisateurs à grande échelle en aveugle) et le niveau de prix mixte par million de tokens.
L'avantage en matière de coûts examine le débit (tokens par seconde), le taux de succès du cache, le ratio d'activation des paramètres et la marge brute d'inférence. La solidité financière examine la trésorerie disponible, la proportion de trésorerie nette dans l'actif total et les multiples de valorisation.
Dans le domaine des modèles textuels de base, Goldman Sachs estime que Zhipu (couverture initiale, recommandation neutre, valorisation cible 110 milliards de dollars) et DeepSeek (non coté) ont la position la plus forte, avec des performances remarquables en matière de pouvoir de fixation des prix et d'avantage en coûts. La valorisation implicite combinée des entreprises de modèles d'IA indépendantes dépasse 200 milliards de dollars.
Dans le domaine multimodal/génération vidéo, ByteDance est en tête avec Seedance. Selon LatePost et 36Kr, Seedance aurait une marge brute de 70 % et un taux d'ARR dépassant 2 milliards de dollars. Kuaishou Kling et le modèle Hailuo de MiniMax / le futur modèle H3 sont également considérés favorablement par Goldman Sachs, qui prévoit qu'ils bénéficieront au second semestre 2026 des avancées fonctionnelles de la fusion génération vidéo-LLM et d'une tarification saine due à une offre limitée.
Goldman Sachs maintient sa recommandation d'achat sur MiniMax, avec un prix cible de 860 HKD, en raison de son modèle M3 positionné dans le quadrant de maximisation ARR à fort volume de tokens et prix attractif, et d'une valorisation actuelle à seulement 13 fois l'ARR de fin 2026, représentant un décote significative par rapport aux multiples de valorisation des pairs chinois et mondiaux, avec un ratio risque-récompense penchant vers le positif.
