AI大模型行业趋势更新：开源追赶与推理需求爆发

模型层竞争格局演变与开源生态突破

当前AI大模型行业的竞争格局正在发生显著变化，市场对于AI周期是否见顶的质疑声虽存，但行业基本面依然保持乐观态势。在从资本支出向运营支出、从训练向推理传导的过程中，模型层的竞争日益激烈。一方面，国产开源生态持续取得突破，另一方面，海外市场也在加快拥抱开源的步伐，导致模型能力之间的差距不断缩小。

近期发布的旗舰模型显示，开源模型在关键能力上已快速复现前沿水平。例如，月之暗面发布的Kimi K3虽然在整体评测中仍略落后于部分顶尖闭源模型，但在编程、智能体（Agent）和视觉推理等关键领域已接近前沿模型水平。同时，Thinking Machines Lab发布的通用模型Inkling在各项AI能力指数中表现强劲，成为美国实验室中能力最强的开放权重模型之一。这些进展使得开发者和企业能够更便捷地实现自主部署与定制，进一步削弱了闭源模型的壁垒。

与此同时，头部闭源厂商之间的竞争也在恶化。Meta和xAI重新回到竞争牌桌，证明了充足算力及高质量数据仍能在较短时间内拉近模型差距。OpenAI等领先厂商不得不通过大幅下调部分模型定价来应对竞争压力，这反映出单纯依靠技术领先维持高溢价的难度正在增加。

杰文斯悖论效应与推理需求扩张

尽管模型收入增速斜率出现放缓迹象，但杰文斯悖论在AI领域依然有效。数据显示，Token需求弹性较高，价格每下降一定比例，Token用量会以更大幅度增加，导致总支出仍在上升。AI Token价格的下跌、模型能力的提升以及推理过程中“思考”消耗的Token增加，共同放大了总需求。此前因成本高昂而不经济的场景，如今随着性价比的提升变得可行。

从财务角度看，全球模型年度经常性收入（ARR）仍在持续加速。2026年全球模型ARR预计将与AI资本支出带来的累计折旧相匹配，这意味着行业收入已经能够覆盖算力投资的折旧成本。随着累计折旧增速在未来预期下降，只要ARR保持同步增长，即可可持续覆盖折旧。当前全球ARR的高增速远超折旧追赶线，这在一定程度上缓解了市场对AI资本支出回报率的担忧。

应用层渗透加速与传统行业机遇

所有的根源在于需求。虽然二级市场对于总潜在市场规模（TAM）的理解往往跟随股价波动，但从行业跟踪来看，编程之后的可能性才刚刚开始。编码智能体（Coding Agent）正在演变为通用智能体，使用编程工具的人员早已不限于专业程序员。传统行业的AI渗透率也在持续上行，开源模型的突破和模型性价比的提升促进了传统企业对AI的拥抱。

政策层面也在推动AI的深入落地。国内强调深入实施“人工智能+”行动，标志着AI从试点探索迈入全面铺开、纵深落地阶段。在美国，企业AI采用率仍在稳步爬坡，但相比编程场景，其他白领市场的渗透速率可能较慢，因为需要寻找足够横向且低门槛的场景。尽管如此，传统行业对AI的实际需求正在发生，行业前景并不悲观。

新范式探索与Neo-Labs兴起

行业正处于持续新范式的可能性之中。今年众多Neo-Labs加速设立，行业领袖在不同领域应用持续深耕。这些新成立的实验室聚焦于安全超级智能、空间智能、人机协作、AI科学家、世界模型、强化学习、自我改进AI等前沿方向。例如，SSI专注于安全超级智能，World Labs关注空间智能与机器人结合，Periodic Labs则致力于通过自主实验室发现新材料。这些探索表明，尽管底层科学问题尚未完全解决，但行业创新活力依然旺盛，未来仍有巨大的范式转移潜力。