「机构眼·调研内参」机构投研资源平台
加入社群·微信：Buddha_Research
东吴计算机团队今晚主要想给大家汇报什么内容？
我们今晚主要想给大家汇报大模型行业从发展历程到投资视角，包括行业现状、发展趋势和近期的一些重要变化。
当前大模型行业所处的核心发展阶段是什么？
目前，人工智能大模型行业正处在基础设施高强度扩张和模型能力快速扩散的阶段，并且已经开始实现产品化，企业也开始关注并逐步验证回报率。
大模型产业竞争的主要方向是什么？
大模型产业竞争现在已经开始转向真实场景，即看模型能否在实际工作环境和工作流中真正可用，完成具体任务。
过去一个月内大模型产业有哪些边际变化？
在过去的一个月里，大模型产业出现了一系列边际变化，例如2023年世界人工智能大会召开，国家对AI政策持续强调推进人工智能赋能千行百业，同时开源开放并加强安全治理。
模型迭代方面有哪些显著事件？
具体事件包括谷歌将计算机操作能力集成进模型（James 3.5 flash），以及美团发布基于国产3D的最大全流程国产推理模型——迅推全流程基于国产3D的大模型。
最近大模型领域有哪些重要的里程碑事件？
近期最重要的事件之一是7月17日，通义千问发布2.8万亿参数的模型km k3，成为目前最大的开源模型，并且实测表现优于其他知名模型，在某些场景下甚至更强。
大模型演进过程中总结出了哪些规律？
总结出三条规律：1) 代码能力已成为agent操作的基本工具，与真实任务能力强紧密相关；2) 模型正在从对话框向具有执行任务操作工具能力的工作平台升级；3) 行业衡量模型成本的指标已从每百万参数的价格转变为每完成一个成功任务的成本。
国产算力方面有什么重要的边际变化？
国产算力方面的一个重要变化是美团的lone car模型完成了预训练至推理全流程在国产卡上的实现，这标志着国产卡将成为推动人工智能国产化和实现自给自足的关键趋势。
报告中如何梳理大模型的发展历程？
报告梳理了大模型从transfer er阶段到今天的agent能力的发展历程，历经五轮系统性重构，包括注意力机制的引入、预训练规模化、产品化、多模态开源上下文和企业化等不同阶段，每一次跃迁都伴随着技术突破和商业应用的深化。
大模型产业的投资重点是什么？
大模型产业的投资重点是不断追踪和适应能力模型能力的变化。
当前大模型发展的阶段如何？
大模型发展涉及基建能力、模型能力和非基建扩张模型能力以及落地应用四个维度。在基建端，头部大厂资本开支持续加速上升，云和基础设施收入保持高速增长，形成真实收入兑现；头部大厂的资本开支成为AI产业链收入的重要来源。模型端，闭源模型仍保持领先，但开源模型发展迅速，追赶速度加快，且具备解决实际工程问题的能力，正走向模型能力平权。落地端，AIGC产品初步具备产品形态，如文档生成、信息检索等方面取得一定进展，但在非编程场景下的成品稳定性有待提升，目前主要在高频标准化、可验证的工作流中实现落地，而在医疗、金融、工业等领域由于责任界定和可靠性需求，落地速度较慢。
AI行业投资应关注哪些方面？
对于AI行业的投资，需关注公司能否实现完整的商业闭环，能否赋能生产，降本增效，并得到客户买单以支撑高估值。此外，历史周期对比显示，AI时代与互联网时代在早期发展阶段相似，都经历了快速用户增长和融资，但AI行业需重视真实的回报率而非仅依赖流量故事。
AI产业链的价值分配将如何进行？
大模型产业链的价值将集中于三个方面：一是关键硬件资源，如高端GPU、HBM先进封装光模块、交换芯片等稀缺资源；二是高切换成本的能力，如生态云平台等，形成客户迁移成本高的核心价值壁垒；三是可量化回报率的应用入口，如代码助手、客服销售等，这些场景投入产出比清晰，付费意愿强，长期空间大但短期内分化严重，商业闭环相对不成熟。而基础大模型作为整个产业链的核心，虽然商业模式不够清晰，但其对未来智能底座的重要性不言而喻。
当前商业模式下，除了大模型C端和B端订阅采购外，是否还有其他成熟的商业闭环或赋能给AI生产企业降本的方式？
目前除了大模型的订阅采购，其他付费形式尚未形成真正成熟的商业闭环，并且没有显著赋能到AI生产企业降低成本。
大模型是否足以动摇企业生产的根基？
虽然大模型带来了变革，但目前对于很多企业来说，它还不足以动摇企业生产的根基。大部分公司对AI赋能生产持谨慎态度，尤其是对于非龙头公司，他们更倾向于在看到大模型能力足够成熟并能明显看到赋能成效后才会开始大规模投入。
投资大模型公司是否存在泡沫？
大模型公司存在合理存在的泡沫，因为这些公司拥有真材实料，代表了下一代技术的核心，投资本质上是投资技术及未来生产力的新范式。
对于大模型自身的商业模式有何看法？
纯模型API的盈利空间将持续被压缩，模型公司未来可能转向平台型，提供行业解决方案，绑定算力云和硬件进行变现，单纯售卖模型能力长期难以支撑高估值。
开源模型的发展态势如何？如何看待开源模型对行业的影响？
开源模型在过去一年多冲击力度和广泛性超出市场预期，闭源模型旗舰功能已被开源模型标配，闭源模型被迫转向更复杂高端场景维持溢价。开源模型降低了AI参与门槛，做大了产业规模，是人工智能产业的加速器，对于投资而言，它弱化了纯模型层的投资逻辑，强化了应用层、工具层和基础设施层的投资价值。
开源模型的意义是什么？
开源模型通过降低成本让所有人都能使用高端模型能力，带来模型能力的平权，闭源模型必须保持对开源模型的替代领先，否则将可能归零。开源模型对整个AI产业有加速作用，也是国产模型对外输出生态的关键战略。
目前全球前沿大模型厂商的分化情况如何？
大模型厂商主要分为两条主线，一条是以OpenAI和Samba等为代表的闭源模型阵营，另一条是以国产的DeepMind、千问等为代表的开源模型阵营，以及平台型公司将模型能力嵌入搜索、社交等领域的公司。
OpenAI的发展历程如何？
OpenAI作为大模型时代开启者，其产品GPT系列不断迭代升级，最近发布了GPT5.6版本，并已递交IPO申请。OpenAI试图构建整个AI时代的操作系统，但生态建设仍面临挑战。
在当前出口管制的大背景下，质朴这家公司的业务路线是什么？
质朴在当前环境下主要是在做SPC的to b路线，这个路线的确定性更强，这也是质朴目前在做的事情。
智浦公司的发展方向是什么？
智浦公司今天也是all in整个AI calling a calling和to b端的企业级市场。
为何会将质谱和sopec（应指Samba或类似公司）以及google的jm（可能指Google的整个模型平台）进行对比？
我们经常把质谱与sopec类比，认为它是中国版的s ok。同时，jm作为一个全站型模型厂，通过自有的模型研究、TPU、谷歌云搜索引擎等一系列应用生态构建了独特的市场竞争力。
阿里和谷歌有何相似之处？
阿里和谷歌非常相似，它们几乎拥有AI的全站式产品，包括硬件到软件生态一应俱全。
jm（Google的AI平台）的主要优势是什么？
jm的优势在于其全栈式的产品闭环，拥有强大的算力、高频入口如搜索和浏览器，并能将工作流打包成AI云平台。此外，在多模态视频理解搜索和检索等方面具有天然的数据优势，但短板在于AI问答和广告变现之间的平衡，以及内部产品线路复杂、发布节奏命名不统一等问题。
XAI（可能指OpenAI）的核心动态是什么？
XAI现在已将其大型数据中心租赁给SPEC，同时其GLK系列模型持续更新，并依托推特等构建了自己的小生态。
deep c从2025年初至今的发展情况如何？
deep c经历了三个阶段的发展：首先是专项能力突破阶段，其次是MOE工程效率突破阶段，最后是推理和action化阶段。其中，V4版本通过工程化手段，在有限资源下实现了与顶级模型相当的能力，成本却大幅降低，打破了顶级模型必须依赖大量资本投入的认知。
阿里云发布的千问及其战略定位是什么？
千问是一家类似谷歌的公司，具备全站式的AI应用及软硬件生态自研能力，战略更偏向平台化，通过开源模型建立开发者生态，结合阿里云白链平台和自研AI芯片形成AI云底座，优势在于生态和工程化落地。
对于字节跳动旗下的豆包，它的主要特点和优势是什么？
豆包是字节跳动的一款面向C端的产品，凭借其流量入口和推荐系统等优势，在市场上表现出色。其C端模型和视频模型均为业界顶级，并且通过办公专属模型升级增加了付费功能，形成了自己的产品生态和忠实用户群体。
目前国产大模型公司在行业中的发展状况如何，尤其是质朴公司的表现？
质朴公司在2025年的总收入达到1.27亿元，同比增速显著提高，超过翻倍。其中开放平台及API收入占比接近50%，企业级智能体收入占比也有所增长。质朴公司正从过去的项目制部署转向依靠API和agent部署来获取收入，商业模式的变化得到了验证。
质朴的年度经常性收入达到了多少美元？质朴的收入增长速度如何？
质朴的年度经常性收入已经达到了10亿美元。它只花了五个月的时间就从1亿美元增长到10亿美元，远超同期SPEC的增长速度。
质朴的主要增长引擎是什么？
质朴的主要增长引擎是它的calling play。
mini max的收入情况如何？mini max与质朴在市场定位上有什么不同？
mini max在25年的收入约为7000万到8000万美元，同比增长大约160%，其中AI原生产品占近70%，且中国地区以外的收入占比超过70%。mini max更侧重于C端用户和海外市场，全球化是其核心护城河，而质朴则更多关注企业级市场和工作流玩家。
科大讯飞在大模型领域的地位如何？
科大讯飞目前是唯二拥有国产算力全流程自主可控的大模型底座标的，并且在25年大模型相关项目中标的金额超过第二名到第六名总和。
科大讯飞在模型能力上的表现如何？
目前星火大模型能力可能不在第一梯队，但未来有望通过国产算力的突破追赶到国际旗舰模型水平。
对于未来大模型发展的推演有哪些情景？
一种情景是前沿模型继续保持领先，GPU及相关基础设施将受益；另一种情景是开源模型能力持续追赶闭源模型，降低人工智能应用的成本，利好AI应用发展。同时，AI硬件仍将持续受到关注，但投资优先级可能提高。
