**行业与公司** * **行业**：大模型/人工智能 (AI) 行业 [1] * **涉及公司**： * **国际**：OpenAI、Anthropic、Google、S opec/Samba、XAI (数据中心租赁巨头) [3][12][13][14] * **国内**：美团、中科曙光、华为、阿里、字节跳动、质谱、MiniMax、科大讯飞、DeepC、DeepSik、千问 (阿里)、豆包 (字节) [3][5][14][15][16][17][19] **核心观点与论据** **一、 行业发展阶段与趋势** * **当前阶段**：AI 正处于基础设施高强度扩张和模型能力快速扩散的阶段，大模型已初步实现产品化，企业开始关注并逐步验证回报率 [1][23] * **竞争焦点转移**：产业竞争已从单纯的技术竞赛转向真实场景应用，即能否在实际工作环境和工作流中有效可用 [2][23] * **演进规律**： 1. 代码能力已成为 agent 操作的基本工具，与真实任务能力强弱高度相关 [25] 2. 模型正从对话框向具有执行任务操作工具能力的工作平台升级 [25] 3. 衡量模型成本的指标从每百万参数的价格转变为完成一个成功任务的成本 [26] * **发展历程五阶段**： 1. **Transformer Model 阶段 (2017-2019)**：注意力机制为核心，解决模型并行训练和长距离 Token 关系捕捉问题 [28] 2. **预训练规模化阶段 (2020-2021)**：以 GPT-3 为代表，证明通过少量样本学习实现多种任务的可行性，预训练成为产业共识 [28] 3. **产品化阶段 (2022-2023)**：大模型开始能够理解自然语言指令并在实验室外实际应用，如 GPT 商业化成功 [28] 4. **多模态开源与企业化并行阶段 (2023-2024)**：模型能力扩展到图像等复杂任务，开源模型大量涌现，企业根据性价比选择闭源或开源模型 [28] 5. **推理模型和 Agent 能力阶段 (2025-2026)**：模型能力评价标准多元化，从信息生成转向任务落地执行，大模型进一步嵌入工作流并在真实场景中完成任务 [6][28] **二、 产业链现状分析 (基建端、模型端、落地端)** * **基建端**：头部大厂的资本开支持续加速上升，基础设施企业收入保持高速增长，云和基础设施已能实现真实收入兑现 [7][31] * **模型端**： * 闭源模型仍保持领先，但开源模型追赶速度非常快 [7][32] * 在长上下文、代码和多模态能力等领域，开源模型正逐步具备解决实际工程问题的能力，模型能力呈现平权趋势 [32] * 开源模型降低了参与门槛，推动了产业加速发展，并对闭源模型形成冲击 [11][39] * **落地端**： * AIGC 产品大多处在早期阶段，但部分产品 (如小龙虾、Copilot) 在办公流程自动化方面取得一定进展 [33] * 在非编程场景下，成品稳定性有待提升 [33] * 企业落地节奏在高频标准化、可验证的工作流场景较快，而在医疗、金融、工业等对责任界定和可靠性需求较高的领域，落地速度较慢 [7][33] **三、 市场竞争格局与商业模式** * **市场分化**：主要分为闭源模型阵营 (如 OpenAI、S opec/Samba) 和开源模型阵营 (如 deep sik、千问 ki 等) [12][40] * **商业模式挑战**： * 目前大部分公司对 AI 工作流的开支持谨慎态度，尚未形成稳定的商业闭环，也未能有效赋能生产企业降本 [35] * 对于大多数企业，大模型目前的成熟度还不足以动摇其生产根基，企业倾向于看到明显赋能生产后才会大规模投入 [36] * 纯模型 API 的盈利空间将持续压缩 [38] * **未来商业模式方向**：模型公司未来可能转向平台型 (提供行业解决方案)、垂直场景化或绑定算力资源进行云和硬件生态变现 [10][38] **四、 国产化与自主可控** * **国产算力**：国产算力是不可阻挡的发展趋势，对实现人工智能自主可控至关重要 [5] * **关键进展**：美团的 Lone Car 模型在国产卡基础上完成了从预训练到推理的全流程，标志着国产算力成为持续且重要的主线 [5][27] * **政策推动**：中国政策持续强调 AI 在物理世界的应用，推动开源开放与场景应用，同时注重法律法规和安全监管 [3][24] **五、 投资逻辑与价值分布** * **投资本质**：投资大模型被视为对下一代生产力新范式的投资，存在合理泡沫，但反映了其作为技术进步与生产变革核心的价值 [9][37] * **价值集中方向**：产业链价值将集中于关键技术资源 (如硬件)、高切换成本能力和可量化回报的应用入口 [1][9] * **投资框架**：应关注从大模型本身到 AI 芯片、数据中心再到 AI 应用的整个产业链 [52] **其他重要内容 (公司动态与案例)** **公司动态与战略** * **Google**：拥有全栈式产品闭环 (自研模型、TPU 硬件、谷歌云等)，优势在于生态整合，但挑战在于平衡 AI 能力与搜索广告商业模式，以及内部产品线路复杂 [13][41][42] * **美团**：发布国产大模型，其 LDC 模型是首个在国产 5 万卡机群上完成全流程训练的万亿参数大模型，面向代码编写场景，证明了场景厂商研发顶级基础模型的能力 [3][18][46] * **阿里**：倾向于平台化战略，宣布即将开源 2.8 万亿参数的千问 3.8 模型，结合自研 AI 芯片形成 AI 云底座 [16][45] * **字节跳动**：侧重于 C 端产品化，豆包模型在视频模型领域占据领先地位，拥有强大的流量入口和推荐系统，豆包升级后引入付费功能 [16][17][45] * **质谱**：通过 API 和智能体收入增长，转型为平台型公司，在当前出口管制背景下，通过走 SPC to b 路线获得更强确定性 [19][41] * **MiniMax**：聚焦海外 C 端市场，2025 年收入约为 7000 万至 8000 万美元，同比增长约 160%，其中 AI 原生产品占近 70%，中国以外收入占比超过 70%，全球化是其核心护城河 [19][47][48] * **科大讯飞**：是唯二拥有国产算力全流程自主可控的大模型底座标的，2025 年大模型项目中标金额超过第二名到第六名总和，在政企市场具有稀缺性和竞争力 [19][49] * **DeepC/DeepSik**：展现了工程化突破，通过算法优化和资源高效利用 (如 FP4 精度、专用语言开发底层算子、自研融合内核) 显著降低成本，在资源紧俏条件下实现了接近顶级模型的能力 [15][43][44] **技术进展与事件** * **模型迭代加速**：谷歌发布集成计算机操作能力的 James 3.5 模型；OpenAI 发布 GPT5.6；岳知案面蒙少发布 2.8 万亿参数的 km k3 模型，对闭源模型形成强烈冲击 [3][13] * **开源模型里程碑**：km k3 开源模型的发布，使开源模型在斯坦福 AI 能力报告中首次超越闭源模型，成为能力最强的开源模型 [17] * **政策与会议**：2023 年世界人工智能大会召开，强调人工智能要从数字世界走向物理世界，鼓励开源开放，推进场景应用 [24]