全球MaaS市场竞争格局变化 - 全球人工智能产业正经历格局重塑，中美在MaaS核心赛道上的竞争态势发生微妙变化，美国云巨头仍占据技术制高点，但中国厂商正凭借强劲的“加速度”快速缩小差距 [1] - 截至2025年10月，全球MaaS日均Tokens调用量前三为OpenAI（近70万亿）、Google Cloud（43万亿）和火山引擎（超30万亿），阿里云已跻身全球领导者行列 [1] - 到2025年12月底，火山引擎平台日均Tokens调用量已达50万亿量级，在两个月内大幅拉近与Google Cloud的差距，并超越了后者此前43万亿的调用量水平 [2][3] 中国MaaS市场增长态势 - MaaS服务已成为增长最快、毛利最高的AI云计算产品，预计明年市场还要再增10倍 [2] - 中国市场正经历爆发式增长，例如豆包大模型已实现超10倍的数据增长，形成日均50万亿Tokens的调用规模 [2] - 平台上已涌现出100家“万亿Tokens俱乐部”客户，这一数量超过了AWS [2] - 中国MaaS整体规模虽仍小于美国市场，但增长“加速度”更为迅猛 [3] 用户结构与行业应用 - 早期MaaS服务增长主要集中在C端领域，如互联网、零售、智能手机、汽车和教育等，同时B端企业市场也在迅速崛起 [2] - 在用户占比上，80%的用户为个人，20%为企业；但在实际Tokens消耗量上，企业用户贡献了80%，个人用户仅占20% [3] - 典型案例显示，某客户内部部署了100多个智能体，每日消耗达数十亿Tokens [3] 技术发展现状与追赶 - 中美在AI大模型领域的技术鸿沟正在持续收窄，过去数年的差距正在缩小 [4] - 在视频生成等新兴赛道，中国企业与全球竞争对手几乎站在同一起跑线上，模型更新周期短，起步时间接近 [5] - 在基础大语言模型领域，由于OpenAI等公司起步更早，追赶仍需时日 [5] - 中国厂商在特定领域已实现交替领先，例如火山引擎发布的视频生成模型Seedance 1.5 Pro，在整体效果尤其是对中文语音和方言的支持方面被认为是目前最好的 [4] 中国厂商的战略重心与生态 - 中国厂商的战略重心正从单纯的参数竞赛，转向构建更易用、高效且具备商业价值的完整服务体系 [5] - 阿里云在“模型精调”、“成本优化”、“生产部署”等关乎企业落地的关键维度上获得最高评级 [5] - 中国MaaS的增长是整个生态协同扩大的结果，阿里云、火山引擎、百度智能云等厂商均在持续加码，行业共识是共同把市场做大，让AI在各行各业更快落地 [5] 中美AI发展路径分化 - 中美在AI发展路径上已呈现明显分化：美国走的是“堆算力+通用大模型+出租算力”模式；中国更强调“重应用、端侧部署、行业渗透”，追求AI的实际落地效果 [6] - 在大模型层面，市场集中度正不断提高，最终能支撑通用大模型研发的企业可能仅剩三四家，如阿里、腾讯、字节跳动等 [6] - 在此基础上，面向教育、医疗、金融、汽车等垂直行业的“小模型”将迎来爆发，形成“平台+应用”的繁荣生态 [6] 商业模式演进与市场空间 - 中国厂商正引领MaaS商业模式从按Tokens收费的“原始”计价模式，向更高价值的“Agent即服务”转型 [6] - 客户直接购买能解决具体业务问题的智能体，如客服Agent、编程助手等，不再关心底层Tokens消耗 [6] - 这将使MaaS的市场空间从IT预算范畴，扩展至全球数万亿美元的BPO市场，其核心逻辑与红杉资本美国提出的“10万亿美元Agent市场”愿景一致 [6] 美国厂商的预期与市场前景 - 美国云厂商对MaaS前景同样高度乐观，AWS管理层预测其MaaS平台带来的Token收入未来将与EC2计算产品收入相当，而EC2目前在其整体业务中占比高达30%—40% [3] - 行业判断MaaS将成为云业务的重要组成部分 [4]

核心观点 - 垂直产业平台是AI技术大规模应用的主力军 [2] - 平台化采销过程是AI应用热度最高的业务场景大类 [2] - 场景热度集中，51%的AI技术应用集中在TOP10业务场景小类 [2] - TOP3热度场景——行业知识查询、需求预测和趋势洞察、商品检索/筛选/推荐在就绪度、价值度、易用性、通用性四方面表现优异 [2] - AI驱动垂直产业平台业务范式转型，"Agent即服务"成为新趋势 [2] - TOP10潜力场景包括行业知识查询、营销、产品设计等兼具高就绪度与高价值度的领域 [2] 垂直产业平台AI应用现状 - 196家垂直产业平台已发布503个AI应用，覆盖13个业务场景大类和60+业务场景小类 [3] - 平台化采销过程包含需求预测、商品检索、动态定价等12个具体场景小类 [5] - 产业领域AI落地进展缓慢，互联网/生活服务/教育/金融/医疗五大行业占已备案算法的85%，而工业领域（电子电器/汽车/钢铁等）仅占10% [6] 产业AI落地核心难点 - 高质量数据获取难：企业私域数据渠道有限、成本高，且存在数据标准不统一、多模态问题 [8] - 数据加工协同难：中小企业数字化进程慢，数据孤岛现象严重 [8] - 高价值场景切入难：当前应用集中于容错率高的交互类场景，核心价值链环节（研发/采销/生产）因时效性、精准性要求高而渗透不足 [8] 垂直产业平台数据优势 - 数据覆盖研发设计、采购销售、生产制造、仓储物流主要场景，其中平台自有数据占比60%，用户数据24%，第三方数据16% [8][10] - 平台数据实时更新率高，且源自真实业务往来，形成与场景绑定的数据链而非离散数据点 [10][13] - 成立10年以上的平台占比49%，5-10年占比43%，具备深厚行业数据积累 [11] 场景热度与价值分析 - 平台化采销过程因涉及多环节匹配协作，与AI技术优势高度契合，降本提效效果显著 [20] - TOP3场景（行业知识查询、需求预测、商品检索）底层数据依赖采购/销售/产品数据，平台数据基础好：覆盖率100%、实时更新率75%以上、结构化程度高 [23][27] - 这些场景直接提升产业链交易效率，且数据以自有及共生为主，权属风险低 [24][25] 技术基础设施进展 - 算力成本大幅下降：达到GPT-3.5水平的系统推理成本降幅超280倍，主流GPU（A800/H100）价格近两年跌幅超50% [33] - 算法架构革新：从Transformer转向混合专家（MoE）等高效架构，国内大模型与美国性能差距缩小至3个月内 [33] - 企业数字化基础完善：90%以上规上企业应用数字化技术，97.2%企业使用信息化管理系统 [33] 市场推广基础 - 垂直产业平台平均渗透率2%-3%，已累计服务超700万产业企业 [15] - AI服务多产品化、平台化，推广成本低，且多为现有服务的智能化升级 [16][17]

AI Agent技术演进 - AI服务架构正从"模型即服务"向"Agent即服务"跃迁 2025年被视为AI Agent"元年" [1] - AI Agent基于目标驱动 具备环境感知 自主决策 任务执行和学习能力 以大语言模型为核心大脑 [2] - 主流分类包括基于规则 传统机器学习和LLM-based三种技术路径 [3][4] AI Agent功能分类 - 按功能分为信息获取 任务自动化 个人助理 决策支持 创作生成和娱乐交互六大类 [6][7] - 应用场景覆盖客户服务 金融 教育 医疗 零售 内容创作 软件开发和智能制造八大领域 [8][9] AI Agent产业链 - 底层基础设施包括算力 数据和网络存储三大要素 [11] - 核心层由大语言模型和规划 记忆等算法构成 [12] - 中间层提供组件化和平台化服务 终端层分为通用型 垂直行业和嵌入式三类产品 [13][14] 行业发展历程 - 萌芽于20世纪50年代的理论探索 80年代进入符号主义与连接主义发展期 [16][17] - 2000年代机器学习与互联网推动应用落地 2020年后大语言模型驱动爆发式增长 [18][19][20] 中国出海企业案例 - HeyGen专注AI视频生成 海外ARR达3500万美元 估值5亿美元 [22][23][24] - 来也科技提供RPA+AI解决方案 累计融资超1.6亿美元 [26][27][29] - 波形智能开发长文本生成工具 布局多语言市场 [30][31][32] 行业痛点与解决方案 - 面临算力成本高 供给不足和能耗大三大挑战 [33] - 通过算法优化 专用芯片 边缘计算和绿色算力等路径应对 [34]