大模型行业作为新兴领域，正经历迅猛发展，历经萌芽期、探索期，现已步入快速发展阶段。产业链分工明确，上游涵盖硬件（芯片、服务器、通信网络等）和软件（云计算、数据库、中间件等），中游为大模型本身，下游涉及游戏、办公、传媒影视、医疗、金融、电商、工业等多个应用领域。核心商业模式为技术驱动，通过增加参数规模和数据量级，提升模型性能和泛化能力，满足不同领域的复杂任务需求。
市场规模与增长预测
大模型市场容量巨大，预计2028年将达到1179亿元，2024年市场规模预计可达216亿元。2023年中国大模型市场规模为17.65亿元，其中云侧大模型市场规模为16.88亿元，端侧大模型市场规模为0.77亿元。到2030年，预计中国大模型市场规模将达896.58亿元，云侧大模型市场规模为812.39亿元，端侧大模型市场规模为84.19亿元。
行业痛点与挑战
大模型行业面临多方面挑战，如非结构性数据处理、安全性问题、道德风险、能耗和性能平衡、恶意信息泛滥、隐私和数据安全问题、算力和算子库的“卡脖子”风险、数据供给枯竭、人才短缺、法规风险等。市场认知不准确也阻碍了实际应用的落地，部分群体不认可大模型能力，部分客户期望过高导致失望。
行业发展驱动要素
政策环境持续优化，从“十二五”到“十四五”规划，国家对人工智能新技术、新产业给予巨大支持，强调落地应用与场景创新。供给端，下一代AI基础设施快速发展，助力大模型应用落地。需求端，AI市场高景气，下游行业需求旺盛。高质量数据、算法、算力均为关键要素，数据语料库、算法框架和算力芯片也至关重要。
商业模式与盈利点
大模型商业模式多样化，包括直接提供模型服务（API/SDK）、自用模式或垂直应用开发、混合模式、开源模式、生态型商业模式。云厂商提供大模型能力变现方法多样，包括搭售云资源、多种策略和产品组合。大模型收费模式包括API、订阅、广告、定制化等。OpenAI确立了经典商业模式，包括ChatGPT订阅、API调用、战略合作三种营收方式。面向B端的大模型商业模式更清晰，C端多数产品仍以免费为主。
产业价值链中的位置
大模型在产业价值链中处于关键位置，上游由算力设施、数据服务商、算法供应商组成，为中游的研发厂商提供支持。下游面向制造、物流、能源、营销服务等多个领域。大模型在营销服务领域的渗透率较高，如电商行业的数字人、广告行业的文案与图片素材生成等。生产制造等中间环节的应用相对较慢，但随着产业的成熟，有望加速推动人工智能从“工具”变为“伙伴”。
细分市场情况
大模型行业细分市场包括云侧大模型和端侧大模型，云侧大模型市场规模较大，2023年为16.88亿元，预计到2030年将达812.39亿元。端侧大模型市场规模相对较小，2023年为0.77亿元，2030年预计为84.19亿元。按功能可分为NLP大模型、CV大模型、科学计算大模型和多模态大模型。大模型支持的模态数量更加多样，从单一任务逐渐发展为支持多种模态下的多种任务。
4P分析
产品情况
中国大模型行业产品丰富多样，主要分为基础层、模型层、中间层和应用层。按输入数据类型可分为语言大模型（NLP）、视觉大模型（CV）和多模态大模型。按应用领域分为通用大模型L0、行业大模型L1和垂直大模型L2。通用大模型如GPT系列、文心一言等，行业大模型如金融大模型，垂直大模型针对特定任务或场景。
价格情况
大模型产品价格体系复杂，价格战激烈，价格区间跨度大。免费模型如百度的ENIRESpeed和ENIRELite，低成本模型输入价格通常在每百万tokens 0.5元到10元不等，中等成本模型输入价格在每百万tokens 10元以上且不超过50元，高成本模型输入价格从每百万tokens 71.6元到215元不等。
销售渠道情况
大模型销售渠道多元化，企业通过与各行业的企业直接合作，将大模型技术应用于特定领域。一些企业通过参与政府项目，在政策支持下拓展销售渠道。此外，企业还通过参加行业展会、研讨会等活动，展示技术成果，与潜在客户建立联系。
销售促销情况
各企业在销售促销方面主要采取技术展示与合作、学术交流与推广、政策响应、行业报告与研究发布、举办活动与分享会等策略。通过展示大模型在各个领域的应用成果，吸引潜在客户，并通过实际案例推动产品销售。
行业特征分析
竞争特征
大模型行业竞争激烈，参与企业众多，竞争热点集中在技术创新、应用场景拓展以及数据和人才资源的争夺上。技术创新方面，深度学习、自然语言处理、计算机视觉等技术不断进步，多模态大模型、科学计算大模型等新兴领域取得重要进展。应用场景从文本生成等任务不断向金融、医疗、智能制造等多个领域拓展。
需求特征
大模型需求增长迅速，智能算力需求呈指数级增长，行业规模不断扩大。多数需求方认可大模型价值，计划追加投入，显示出一定的顾客稳定性。大模型具有多模态支持能力，能更好地适应不同场景下的数据需求和业务需求，目前难以找到可替代的产品或技术。
技术特征
大模型技术处于快速发展阶段，技术成熟度不断提升。大模型的工作机制基于概率和统计，具有不可解释性和幻觉不可消除等特征。技术复杂性较高，参数量庞大，以GPT-3为例，参数量达到1750亿。大模型在政务、金融、产业升级、医疗、文化教育等多个领域有广泛应用，正以前所未有的速度推动科技革命和产业变革。
增长特征
大模型行业处于快速增长阶段，2023年中国大模型市场规模为147亿元，预计2024年将进一步扩大。多模态融合、行业定制化模型兴起等趋势，进一步拓展了大模型的应用场景，推动行业生产能力的增长。然而，大模型行业也面临一些挑战，如算力瓶颈、高质量训练数据集不足等。
盈利特征
大模型行业整体盈利情况较为复杂，部分创业公司在初期获得显著融资成就，但融资成就不能直接等同于盈利能力。应用领域融合较好的公司，若能找到有效商业模式并推向市场，有望实现盈利。总体而言，目前大模型行业盈利临界点尚不明确，大多数参与者盈利模式尚不清晰，短期内难以看到明显的盈利迹象。
行业竞争环境分析
上游供应商议价能力
大模型行业上游供应商的议价能力因不同主体而有所差异。对于主流大型语言模型构建者而言，上游供应商的议价能力较弱。然而，对于科研团队和工作室来说，算力需依靠外部力量解决，上游供应商的议价能力相对较强。
下游购买者议价能力
下游购买者的议价能力相对较强，市场上出现了越来越多的大模型产品与服务，客户选择性较大。众多的产品供应使得下游客户在选择合作对象时有更多话语权，可以通过比较不同产品的性能、价格、服务等方面来压低价格或要求更高质量的服务。
行业内现有企业竞争情况
大模型行业内竞争激烈，呈现多巨头竞争的格局。国际市场上，微软、亚马逊、谷歌等科技公司在大模型领域加大投入。国内方面，腾讯、华为稳居第一梯队，百度、阿里等企业也在积极布局。行业竞争不仅体现在技术和资金投入上，还体现在生态开放能力方面。
替代品威胁
大模型行业面临一定的替代品威胁，行业内不断有新的技术探索，如寻找GPU替代品、探索不同的开发路径等。此外，低代码平台在某些方面有一定优势，但也存在灵活性不足、数据隐私和安全问题等，原生开发在一定程度上也可能替代低代码平台在大模型开发中的作用。
潜在进入者威胁
大模型行业目前面临着一定的潜在进入者威胁。大模型行业需要大量的数据、强大的计算力以及先进的算法，这在一定程度上构成了进入壁垒。现有企业在技术研发、市场份额争夺等方面积极布局，对潜在进入者反应强烈。大模型行业还存在价格战，大型科技公司的激烈竞争使得市场格局不断变化。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
