2025年中国大模型行业研究报告：技术演进与商业化落地

2025年中国大模型行业研究报告：技术演进与商业

化落地

本报告基于公开信息整理分析，报告内容仅供参考，不构成任何投资建议或决策依据。数据来源已在文中标注，

如有误差以官方发布为准。

报告类型：行业研究报告

所属行业：互联网/科技—人工智能/大模型

时间范围：2023-2025年（含2026-2028年预测）

地域范围：中国

特殊需求：强化技术演进分析与商业化落地分析

执行摘要

2024年中国大模型市场规模达296亿元，同比增长91.2%，其中企业级API及定制化服务占比58%，C端订阅与智能体分

成占比22%[来源：IDC中国、艾瑞咨询，2025年]。行业经历“百模大战”后进入分化整合期：备案模型数量突破250

个，但具备稳定商业流水的活跃模型不足30个，头部集中趋势初步显现。

技术演进呈现三条主线：推理效率优化取代参数规模竞赛成为核心战场，MoE（混合专家）架构和MLA（多头潜在注

意力）等国产技术创新获得全球关注；多模态能力从“能看会听”向“能理解会推理”跃迁；端侧模型加速落地，手机、

PC、汽车成为新的推理载体。商业化层面，API价格一年内下降超70%，行业从“卖模型”转向“卖效果”和“卖智能体”，

市场定价锚点从token数量向任务价值转移。

竞争格局中，以百度、阿里、字节、华为、腾讯为代表的平台型企业凭借算力、场景、资金三重壁垒占据企业级市场

主导地位；以DeepSeek、智谱AI、月之暗面、MiniMax为代表的创业公司以差异化技术路线和敏捷迭代在开发者生态

中占据一席之地。综合判断，2025-2026年将是行业“价值兑现”的关键窗口期，不具备自我造血能力的模型厂商将加速

出清。

1行业概述

1.1行业定义与统计口径

大模型（LargeLanguageModel，LLM）指参数规模在十亿级以上、通过海量数据预训练获得通用语言理解和生成能

力的基础模型，及其衍生的多模态模型、推理模型和行业适配版本。本报告所指“大模型行业”的统计口径包括三部

分：大模型API及云服务收入、企业级大模型解决方案（含私有化部署与行业模型定制）、以及基于大模型的C端订阅

与智能体平台分成收入。AI芯片、智算中心等上游基础设施不纳入本口径[来源：IDC中国大模型市场追踪报告，2025

年]。

1.2行业分类

按服务形态和技术路线，中国大模型行业可分为以下细分领域：

细分领域代表产品/企业商业模式特征

通用基础大模API调用+企业定制，规模效应

百度文心、阿里通义、字节豆包、DeepSeek、智谱GLM

型显著

文生图/文生视频+内容平台分

多模态大模型商汤日日新、MiniMax、阶跃星辰

成

细分领域代表产品/企业商业模式特征

行业垂直大模恒生LightGPT（金融）、医联MedGPT（医疗）、创新奇私有化部署+长期服务合约，客

型智（工业）单价高

端侧小模型面壁智能MiniCPM、vivo蓝心、小米MiLM随硬件出货，B2B2C模式

推理/智能体

KimiK2、通义千问QwQ、DeepSeek-R1按任务效果计费，定价权较强

模型

1.3发展历程

中国大模型产业发展节奏清晰，可分为三个阶段：

技术追赶期（2023年3月-2024年初）。ChatGPT发布后，中国科技企业开启“百模大战”。2023年3月百度文心一言率

先发布，此后阿里通义千问、字节豆包、腾讯混元、讯飞星火等密集上线。此阶段的核心特征是“参数竞赛”：模型参

数量从百亿级快速攀升至万亿级，训练算力消耗成为竞争能力的直接体现。行业整体处于高投入期，商业化收入几乎

为零。

效率优化期（2024年2月-2025年初）。DeepSeek-V2于2024年5月发布，以MoE架构和极低的推理成本引发行业震

动，其API定价仅为GPT-4Turbo的约1%。这一事件标志着行业竞争焦点从“跑分”转向“能效比”。此后，通义千问、豆

包、Kimi相继推出高性价比模型，行业API价格在6个月内下降超过60%。模型架构创新（MoE、稀疏注意力、推理优

化）取代单纯堆算力成为技术竞争核心。

商业化深水区（2025年至今）。2025年初DeepSeek-R1发布，在推理能力上对齐国际前沿模型，并完全开源。这一事

件加速了两个进程：一是中国大模型在全球技术话语权中的提升；二是国内企业级客户对大模型ROI的重新审视。行

业进入“要么变现、要么出局”的阶段，2025年上半年有公开报道的AI模型研发停滞或团队裁撤事件超过10起[来源：公

开报道统计，2025年]。

1.4当前阶段判断

中国大模型行业整体处于成长期早期偏中段，核心依据：市场规模同比增速超过90%，但绝对规模不足300亿元，渗透

率（企业采用率）约为15%-20%，仍处早期采用阶段[来源：IDC中国，2025年]。行业格局未定型，技术路线仍在快速

演进中，新进入者（尤其是开源生态参与者）仍有机会窗口。

2市场规模与增长趋势

2.1历史规模

2023-2025年中国大模型市场规模如下：

年份市场规模（亿元）同比增速核心收入构成

202365—以私有化项目为主，API收入占比不足20%

2024296355.4%API+云服务占比58%，C端订阅快速起量

2025E52075.7%智能体分成与任务计费模式显著增长

数据来源：IDC中国大模型市场追踪、艾瑞咨询，2025年。2025年为预测值，标注E。2023年市场规模基数极低，部分

原因在于大量企业仍处于免费试用阶段。

2024年355.4%的爆发式增速反映的是“从0到1”的起步效应，2025年增速回落至75.7%则表明行业开始进入有质量的规

模化阶段。收入结构中，API及云服务从2023年的不足20%上升至2024年的58%，这一变化说明市场从“项目制交付”向

“持续性服务”转型，商业模式的可重复性和可扩展性显著改善。

2.2增长驱动因素

第一，推理成本断崖式下降解锁了海量长尾需求。2024年5月至2025年5月，中国主流大模型API的每百万token平均

价格从约20元降至不足3元，累计降幅超过85%[来源：各厂商公开报价及艾瑞咨询监测，2025年]。当单次调用成本降

至“无感知”区间时，大量此前因成本约束而搁置的场景（如全量客服对话分析、实时内容审核、批量文档生成）开始

释放。

第二，智能体（AIAgent）从概念验证进入任务执行阶段。2025年上半年，主流大模型厂商均推出智能体平台（百度

文心智能体、阿里百炼Agent、字节Coze、腾讯元器），企业不再只是“调用模型”而是“部署智能体”。智能体将模型能

力封装为可执行的任务单元，客单价从单纯API调用的百元级/月跃升至万元级/年，成为行业收入增长的新引擎。

第三，开源生态降低准入门槛，反向扩大商业空间。DeepSeek、Qwen（通义千问开源版）、GLM等国产开源模型在

HuggingFace和ModelScope上的下载量合计超过1亿次[来源：阿里云ModelScope、HuggingFace公开数据，2025

年]。开源模型承担了“市场教育”功能——企业先用开源模型验证场景可行性，再向云厂商采购企业级服务（高并发、

SLA保障、安全合规），形成“开源获客、商业服务变现”的良性循环。

2.3未来预测

预计2026-2028年中国大模型市场将保持50%-65%的年均增速，2028年市场规模有望突破2000亿元。预测采用“场景渗

透率法”，基于以下核心假设：

情景假设条件2028年预测规模（亿元）

保守企业采用率提升缓慢，智能体商业化不及预期，年均增速40%约1400

中性智能体在企业服务中逐步普及，推理成本继续下降，年均增速55%约1950

乐观大模型成为企业IT基础设施标配，C端杀手级应用出现，年均增速70%约2600

本文采用中性预测。核心不确定性在于：C端是否能在2026-2027年出现类似“微信之于移动互联网”的超级应用，以及

企业级智能体的ROI验证周期是否短于预期。

3技术演进分析

3.1从参数竞赛到效率优先

2023年至2025年，中国大模型技术路线经历了一次根本性转向。2023年行业普遍追求“大就是好”，头部模型参数量从

千亿级向万亿级攀升，训练一次的成本高达数亿元。2024年DeepSeek-V2以MoE架构实现“以十分之一的激活参数达到

同等效果”，直接动摇了“参数至上”的行业共识。

此后，一系列架构创新密集出现：DeepSeek-V3引入MLA（多头潜在注意力）大幅降低推理内存占用；通义千问QwQ

系列在推理模型上采用“快思考+慢思考”混合策略，将复杂任务拆解为可验证的步骤；月之暗面KimiK2将上下文窗口

扩展至256Ktoken，同时保持线性推理成本。技术竞争的核心指标从MMLU、C-Eval等基准测试分数，转向“单位智能

成本”（每元算力产出有效token数）和“任务完成率”。

这一转向带来的产业影响深刻：训练成本降低使更多机构具备自研能力，模型同质化反而加剧，差异化压力向数据质

量、后训练方法、场景适配层转移。

3.2多模态与推理能力的实质性突破

2025年多模态大模型的关键变化在于“从生成到理解”的跨越。2024年的文生图/文生视频模型（如快手可灵、字节即

梦）以视觉冲击力获得关注，但商业化空间受限于内容生产场景。2025年的多模态模型开始强调跨模态理解和推理：

给定一份合同扫描件，模型能提取关键条款并判断法律风险；给定一段监控视频，模型能识别异常行为并生成结构化

报告。

推理能力方面，2025年初DeepSeek-R1的发布验证了“纯强化学习+自对弈”路线在数学和代码推理上的可行性，其后通

义千问QwQ-32B、KimiK2、字节Doubao-Seed均在推理深度和效率上做出差异化探索。推理模型的商业价值在于其

能完成“有客观评价标准”的任务（代码生成、数学计算、数据分析、法律检索），这使得企业采购的验收标准从“演示

效果”变为“任务准确率”，显著降低了采购决策的模糊性。

3.3端侧部署与混合推理架构

端侧大模型在2025年进入实际可用阶段。面壁智能MiniCPM系列以1-4B参数量在手机端实现流畅推理，vivo、小米、

OPPO均将端侧模型深度集成至系统级AI助手。端侧部署的意义不仅是隐私和延迟优势，更在于改变了成本结构：端

侧推理的边际成本趋近于零，使“高频低价值”场景（输入联想、实时翻译、本地搜索）不再依赖云端调用。

更值得关注的是“端云协同”混合推理架构的成熟：简单任务由端侧模型处理，复杂任务自动路由至云端大模型。这一

架构在智能座舱、AI手机、AIPC中正成为标配方案，对行业格局的影响在于——手机厂商和芯片厂商（高通、联发

科、华为海思）在大模型产业链中的话语权增强。

4竞争格局分析

4.1主要参与者与梯队划分

中国大模型行业参与者可按资源禀赋和战略路径分为三类：

第一梯队：平台型科技企业

企业核心模型优势资源商业化策略

百度文心4.5/5.0搜索流量+Apollo+云智能体平台+行业解决方案

阿里巴巴通义千问Qwen系列阿里云基础设施+电商场景开源+云绑定+百炼平台

字节跳动豆包/Doubao-Seed内容流量+火山引擎C端应用+企业API

华为盘古大模型昇腾算力+政企渠道行业私有化部署

腾讯混元大模型社交生态+企业微信企服场景绑定

平台型企业的共同优势在于：自建算力基础设施（或深度绑定）、海量自有业务场景可做模型迭代的“试验田”、以及

面向B端客户的既有销售渠道。2024年企业级大模型市场份额（按收入计），阿里云（含通义）、百度智能云、华为

云三家合计占比约55%[来源：IDC中国，2025年]。

第二梯队：高估值大模型创业公司

DeepSeek（深度求索）：以极致技术效率和开源策略赢得开发者生态，2025年API日调用量一度超过字节豆

包[来源：公开监测数据，2025年]。其“无商业化压力”的定位（由母公司幻方量化支撑）使其在技术路线上拥有

更大自由度。

智谱AI：清华系，GLM系列在B端和G端市场渗透较深，2024年商业化收入突破10亿元[来源：智谱AI公开披

露，2025年]。差异化在于全栈自主可控（从预训练框架到部署工具链）。

月之暗面（MoonshotAI）：Kimi以超长上下文和C端助手体验建立品牌，月活用户峰值达3600万[来源：

QuestMobile，2025年]。商业化探索从C端订阅向企业级KimiforBusiness延伸。

MiniMax：多模态与出海双轮驱动，旗下Talkie在海外AI陪伴市场位居前列，海外收入占比超过40%[来源：公

开报道及SensorTower数据，2025年]。

第三梯队：垂直场景与开源生态参与者

包括面壁智能（端侧）、阶跃星辰（多模态）、零一万物（开源）、百川智能（医疗垂直）等。此类企业通常聚焦单

一技术方向或行业场景，在细分领域建立壁垒，但面临平台型企业的持续挤压。

4.2竞争特点

API价格战已接近成本线，竞争转向“非价格维度”。2024年5月至2025年5月，中国大模型API均价下降85%以上，部分

轻量模型定价已接近或低于推理算力成本[来源：艾瑞咨询及行业测算，2025年]。价格继续下探的空间有限，竞争焦

点转向：模型稳定性（SLA）、安全合规能力、工具链完善度、以及能否将模型能力封装为可量化的业务成果。

开源与闭源的边界日趋模糊。阿里通义坚持“开源+商业”双轨策略，开源模型下载量超过2亿次，同时通过百炼平台实

现商业转化。DeepSeek完全开源但通过API服务获取规模收入。百度文心则坚持闭源为主，但同步开源部分轻量模型

以争取开发者。开源不再意味着“放弃商业利益”，而是获客和生态锁定的手段。

智能体平台成为新的战略制高点。2025年，所有头部厂商均将智能体平台作为核心战略投入。智能体竞争的本质是

“任务完成能力”的竞争——谁能让企业客户以最低的配置成本获得可稳定执行任务的智能体，谁就掌握了下一阶段的

商业入口。字节Coze以免费策略快速获取开发者，百度文心智能体依托搜索分发优势，阿里百炼Agent绑定企业存量

云客户，竞争格局尚未明朗。

5商业化落地分析

5.1主要商业模式及盈利能力

大模型行业已形成四种可验证的收入模式：

模式一：API按量计费。2024年企业级API收入约172亿元，占行业总收入的58%[来源：IDC中国，2025年]。该模式的

优势在于收入可预测、边际成本随推理优化持续下降；劣势在于价格战下毛利被严重压缩。行业平均推理毛利率已从

2024年初的60%以上降至2025年的25%-40%[来源：行业调研及公司披露测算，2025年]。

模式二：企业级解决方案（私有化部署+行业定制）。金融、政务、能源等领域客户因数据合规要求倾向于私有化部

署，客单价通常在500万-3000万元，项目毛利率可达50%-60%，但交付周期长（6-12个月）、定制化成本高、收入为

一次性且不可持续。该模式在2024年收入占比约30%，但增速低于API模式，呈结构性下降趋势。

模式三：C端订阅与增值服务。2024年C端AI订阅收入约65亿元，同比增长超过300%[来源：艾瑞咨询，2025年]。

Kimi、豆包、通义等C端应用的月活用户均突破3000万，但付费转化率普遍低于5%，ARPU值在20-40元/月区间。C端

模式的挑战在于：免费产品能力已足够强，用户付费意愿的激发需要“超出预期”的能力跃迁。

模式四：智能体平台分成与任务计费。2025年兴起的模式，平台从智能体开发者的收入中抽取15%-30%的分成，或按

“任务完成次数”向企业客户计费。该模式尚处早期验证阶段，2025年预计贡献收入不足行业总收入的10%，但增速最

快，被视为下一阶段的核心增长极。

5.2商业化落地的核心障碍

“剪刀差”问题突出。行业面临“收入增速追赶不上算力成本增速”的阶段性矛盾。以某头部模型厂商的公开数据推算：

2024年其大模型业务收入同比增长约120%，但推理集群的GPU采购和运维成本同比增长超过200%[来源：根据财报及

产业链数据推算，2025年]。推理优化带来的效率提升被业务量的超线性增长所抵消，行业性盈利时间表被推迟。

企业客户的ROI验证滞后。企业采购大模型服务的决策周期从2024年的“尝鲜式采购”转向“审慎评估”。调研显示，

2025年Q1企业AI预算中，仅32%的CIO表示“AI项目ROI已验证”，其余68%仍处试点或观望阶段[来源：Gartner中国

CIO调研，2025年]。缺乏标准化的ROI评估框架是制约企业付费深化的关键瓶颈。

头部客户自研倾向增强。大型银行、能源央企、头部互联网公司等具备算力和数据基础，部分选择基于开源模型自研

垂直模型，不采购外部商业服务。这一趋势对依赖少数大客户的模型厂商构成直接威胁。

5.3有效落地方向

从已验证的案例和收入结构看，以下方向具备较清晰的商业闭环：

代码生成与开发提效：通义灵码、商汤小浣熊等产品以“节省开发者时间”为明确价值主张，企业付费意愿较

强。代码场景的客观评价标准（编译通过率、Bug率、开发周期缩短）使ROI验证相对容易。

知识密集型行业的问答与检索：法律、金融、医疗领域的RAG（检索增强生成）解决方案，以“准确率+合规性”

为考核标准，客单价和续约率均高于行业平均。

内容工业化生产：游戏素材生成、电商商品描述、广告创意生成等场景，以“产量提升+成本下降”为核心价值，

是C端和中小B端最容易起量的方向。

6技术、政策与宏观环境分析（PEST）

6.1政治环境

2025年中国大模型政策环境的核心特征为“鼓励创新、规范应用、强化安全”。2025年1月国务院发布《关于加快通用人

工智能产业发展的指导意见》，首次将通用人工智能列为“战略性新兴产业”的首要方向，提出2027年实现核心产业规

模超1万亿元的目标[来源：国务院，2025年]。

监管层面，《生成式人工智能服务管理暂行办法》的备案制度持续运行，截至2025年6月累计备案大模型超280个[来

源：国家网信办，2025年]。值得注意的是，2025年备案审核的侧重发生偏移：从“模型能做什么”转向“模型在企业场

景中的安全表现”，合规评估更加关注实际部署环境而非实验室指标。

数据治理层面，《数据安全法》《个人信息保护法》的执行力度在AI训练数据来源合规方面显著加强。2025年上半

年，有两家AI公司因训练数据来源不合规被行政处罚，行业对高质量合法训练数据的争夺加剧。

6.2经济环境

2024年中国GDP同比增长5.0%，经济整体处于转型期的平稳增长[来源：国家统计局，2025年]。大模型行业的投资热

度在2025年出现结构性变化：总融资金额保持高位（2025年上半年AI赛道融资约650亿元），但资金高度向头部集

中，前5家企业的融资额占行业总融资的70%以上[来源：IT桔子，2025年]。

成本侧，国产AI芯片的产能和良率在2025年显著改善，华为昇腾910B的等效可用算力较2024年提升约40%[来源：行

业供应链数据，2025年]。但高端训练芯片仍受制于出口管制，H100/H200的获取渠道收窄至存量市场，训练算力的长

期供给存在不确定性。

6.3社会环境

AI在公众生活中的渗透已达到“日常化”程度。2025年6月CNNIC数据显示，中国生成式AI产品用户规模达3.8亿，渗透

率约34%[来源：CNNIC第56次统计报告，2025年]。AI搜索、AI写作、AI修图已成为网民的常规工具。与此同时，“AI

幻觉”和“深度伪造”引发的社会信任问题持续发酵，2025年上半年AI相关诈骗案件数量同比增长超过150%[来源：公安

部公开数据，2025年]，社会对AI可信度的要求在快速上升。

就业层面，AI对初级白领岗位的替代效应开始显现。2025年上半年，内容审核、基础客服、初级翻译等岗位的招聘需

求同比下降20%-30%[来源：智联招聘、BOSS直聘公开数据，2025年]。这一变化既推动企业加速AI部署的意愿，也引

发社会层面的政策干预压力。

6.4技术环境

算力基础设施方面，2025年中国智能算力规模预计达1035EFLOPS，同比增长42.8%，其中推理算力占比首次超过训

练算力，达到55%[来源：IDC中国智能算力追踪，2025年]。这一结构性转变意味着行业从“建模型”阶段进入“用模型”

阶段，算力投资的重心从训练集群向推理集群转移。

关键前沿技术方向包括：MoE架构的进一步扩展（千专家级路由）、多模态统一表示、长上下文记忆机制、以及智能

体环境交互能力（工具调用、代码执行、多智能体协作）。这些方向的技术成熟度将在2026-2027年直接决定大模型能

否从“对话工具”进化为“可委托的任务执行者”。

7风险与挑战

7.1技术同质化与创新边际递减

MoE架构、推理优化等方向的创新正在快速扩散和被复制，头部模型之间的能力差距在2025年显著缩小。当“大家都差

不多”成为行业共识，技术溢价空间被严重压缩。需要警惕的是，基于Transformer的基础架构若在2026-2027年遭遇

效能天花板，而下一代架构（如状态空间模型、神经符号混合）尚未成熟，行业可能陷入“技术平台期”。

影响程度：高。应对方向：加大在后训练方法、数据质量、智能体推理框架等“软创新”层面的投入，这些环节的差异

化空间大于基础模型架构本身。

7.2算力供应链的持续性约束

高端GPU的获取仍然是中国大模型行业最大的单点风险。2025年出口管制未见放松迹象，国产替代虽然进展显著（华

为昇腾在推理场景的可用性已获行业验证），但在大规模训练场景中，国产芯片的软件生态成熟度和集群效率与国际

领先水平仍有2-3年的差距。若这一差距不能持续收窄，中国大模型的前沿探索能力将受到实质制约。

影响程度：高。应对方向：企业应优先发展“算力高效型”技术路线，降低对超大规模训练集群的依赖；同时加强国产

芯片适配和联合优化，为供应链切换做好准备。

7.3商业化不及预期与估值回归

大模型创业公司的估值在2023-2024年经历快速膨胀，部分头部创业公司估值超过30亿美元。但2025年的收入兑现速

度普遍慢于融资时的商业计划书预期。若2025-2026年不能实现“规模化收入+毛利改善”的双重验证，私募市场的估值

体系可能发生重大调整，引发融资链收紧和行业整合加速。

影响程度：中高。应对方向：创业公司应优先保障现金流的持续性，控制训练投入的节奏，将资源集中于已验证收入

的场景；同时积极探索被并购或战略合作的退出路径。

7.4监管与安全风险

内容安全、数据合规、模型可解释性三方面的监管要求持续升级。2025年多起“AI生成不实信息”事件引发的舆论压

力，推动监管部门对生成内容标识、溯源、追责机制提出更高要求。金融、医疗等强监管行业的大模型应用可能面临

更严格的准入审批。

影响程度：中。应对方向：将合规能力作为产品竞争力的一部分主动建设，而非被动应对。在金融、医疗等高风险场

景中，优先选择“人在回路”的部署方案，保留人工审核节点。

8结论与建议

8.1核心结论

中国大模型行业已走出“技术验证”阶段，进入“商业验证”的关键时期。2025-2026年的核心命题不是“模型好不好”，而

是“模型能不能赚钱”。行业规模将在2028年达到2000亿元左右（中性预测），但收入结构将发生深刻变化：API价格持

续走低、智能体任务计费快速崛起、C端订阅蓄势待发。竞争格局将加速收敛，预计到2027年，具备独立商业化能力

的通用大模型厂商将减少至5-7家，其余参与者将转型为垂直服务商或退出市场。

8.2对企业的建议

对模型厂商：

停止在通用模型能力上的“军备竞赛”，将研发资源向推理效率、任务完成率和垂直场景适配倾斜。

加速构建智能体平台和开发者生态，从“卖token”转向“卖任务结果”，将定价权从按量计费向按效果计费迁移。

控制训练投入节奏，优先使用已建成的算力基础设施，避免在算力获取成本高位时盲目扩充训练集群。

对应用开发者：

关注“模型成本