资讯速递 | 大语言模型市场的发展

1.主要背景

• 从技术能力到市场结构的研究空白：人工智能（AI），尤其是LLM，已被视为典型的通用目的技术（GPTs），对生产率、产品形态和经济结构产生系统性影响。然而，现有研究多聚焦于职业暴露、宏观建模或生产率效应，对LLM本身作为一种“可交易智能投入品”的市场结构、定价机制与需求行为缺乏系统刻画。

• API化推动“按需租赁智能”的新范式：随着API调用成为企业采用AI的主要方式，LLM不再是封闭的软件产品，而是嵌入企业系统的基础设施型服务。企业通过API按词元（token）计费“租赁智能”，使得模型、算力与应用之间形成清晰的市场化分工，也为观察真实需求与竞争格局提供了数据基础。

• 以OpenRouter与Azure数据刻画真实市场：本文基于OpenRouter与Microsoft Azure两大平台的API使用数据，覆盖模型、创建者、推理服务商、价格、使用场景与token需求，构建了系统的非调查型LLM市场数据集，为理解“智能市场”的供需与定价提供经验证据。

2.主要发现

• 发现一：模型、创建者与推理服务商数量快速扩张。2025年内，可通过API调用的模型数量由约250个增至650多个，模型创建者数量几乎翻倍，推理服务商从不足30家增长至约90家。开源模型是扩张的核心动力，而闭源模型创建者数量基本稳定，显示进入壁垒差异显著。

• 发现二：价格快速下行但异质性高度持久。LLM价格整体呈现显著通缩趋势，部分2023年处于前沿的模型价格下降达千倍量级。但与此同时，同一智能水平模型之间仍存在显著价格差异。在控制智能水平后，开源模型价格约为闭源模型的10%，但其token使用占比长期低于30%，表明价格并非唯一竞争维度。

• 发现三：市场高度动态，领先地位频繁更替。无论在模型层面还是创建者层面，市场份额均呈现快速轮换特征。头部模型往往只能维持数月领先地位，当前排名前十的模型在数月前尚未出现。开源模型份额在2025年中期达到高点后回落，显示竞争并非单向演进。

• 发现四：模型存在明显的横向与纵向差异化。不同应用场景对“智能水平”的需求差异显著。编程类应用高度依赖前沿模型，而翻译、角色扮演等场景主要使用中低智能模型。整体token需求并未集中于技术前沿，说明边际智能提升在多数场景下难以覆盖其价格溢价，为中低端模型竞争保留空间。

• 发现五：短期价格弹性略高于1，难以触发杰文斯悖论。基于模型-服务商层面的日度价格变动估计，token需求的短期价格弹性略高于1。这意味着价格下降虽会提升使用量，但幅度有限，不足以在整体市场层面引发“价格越低、总用量越大”的杰文斯悖论。

• 发现六：企业多模型使用更多是试验而非长期依赖。尽管同时使用多个模型的企业比例持续上升，但在多模型企业中，超过90%的token仍集中于单一模型。多模型使用更多反映探索与测试行为，而非稳定的任务级分工，说明锁定效应在短期内依然存在。

3.主要结论

• LLM正成为可规模化交易的生产要素：API调用、token计价与多层级供给结构，使“智能”具备类似能源或算力的市场属性。模型不再只是技术成果，而是进入价格竞争、差异化定位与需求弹性约束的经济体系。

• 开源推动竞争，但未消解闭源优势：开源模型显著压低价格并扩大供给侧竞争，但在稳定性、品牌、生态与综合性能等方面，闭源模型仍保持较强吸引力。这种并存格局意味着市场短期内不会走向单一技术路径。

• 市场演进将更多受应用需求而非技术前沿主导：多数应用对前沿“智能”的支付意愿有限，决定了LLM市场的重心不在“最高能力”，而在性价比、可靠性与场景适配度。未来竞争更可能围绕细分需求展开，而非单纯的能力竞赛。