人工智能行业研究框架：大模型白热化，应用加速分化.pdf

人工智能行业研究框架：大模型白热化，应用加速分化。大模型：加速多模态研发，闭源模型逐步逆袭开源。

多模态技术路线尚未收敛，国内外大模型厂商持续刷新SOAT。图片领域，GPT-4o图像生成功能引发热潮后，谷歌Gemini 2.5 Flash Image登顶多主流图像榜， Meta也从Midjourney授权AI图像模型；视频领域，阿里字节等刷新能力高度，谷歌将视频模型推进至实时交互通用世界模型阶段。

Deepseek开源浪潮推动模型平权与应用加速，浪潮后闭源模型逐渐维持性能领先，且借开源策略打造生态入口。一方面，预训练模型Scalling Law增速放缓使 闭源与开源模型性能差距收窄，但OpenAI、谷歌等闭源厂商凭资源、人才与技术积累仍领先；另一方面，闭源厂商推行“开源+闭源”协同，保留主模型闭源优 势的同时，开源上一代或轻量模型，激活开发者并反哺自身闭源模型以维持领先。

算力：海内外资本开支提振，芯片厂加速推出新版本芯片。

海外微软、谷歌、Meta、亚马逊四者合计资本开支在2023Q3后连续多个季度环比上升，同时上调资本开支指引；国内CSP厂商在大模型取得重要突破、比肩海 外之时，也需通过大量资本开资缩小与海外差距。

为了满足海内外CSP资本开支放量需求，GPU、ASIC竞相角逐新品研发。1）传统芯片大厂：英伟达芯片架构正在由Blackwell向Rubin过渡；AMD MI350系列 对标GB200，MI400系列计划为26年新型服务器“Helios”的基础；华为云CloudMatrix 384通过多卡互联实现性能弯道超车。2）云端巨头自研ASIC：根据 TrendForce集邦咨询，AI Server需求带动北美四大CSP加速自研ASIC芯片，平均1~2年就会推出升级版本；国内阿里、百度、腾讯等亦推出自研ASIC方案。

应用：海外应用加速分化，聚焦与数据结合的复杂toB场景。复盘今年美股AI应用表现，行情有所分化，股价涨幅较好的公司体现在：具备显著的行业 Know-how壁垒，同时AI赋能业务放量增长。例如，以PLTR为代表的toB企业，其股价走强的核心逻辑在于AI产品深度赋能主业（如AI提升服务效率，或拓展高 价值客户场景），直接推动营收规模快速增长，这一特征在toB领域因商业场景更易落地而表现得尤为显著。to C企业中，创意类挤压工具类、AI替代性显现， 多模态大模型推动其从“辅助工具”进化为懂需求、能创方案的“创意伙伴”，既强化替代优势，又以低学本、快产出吸引客户，逼近传统专业工具价值核心。