​​2025年中国GenAI企业级大模型市场分析：日均调用量突破10万亿tokens的开源新纪元​​

人工智能生成内容（GenAI）技术正以前所未有的速度重塑全球产业格局，而中国企业级市场已成为这一变革的核心舞台。弗若斯特沙利文与头豹研究院联合发布的《中国GenAI市场洞察：企业级大模型调用全景研究》显示，2025年上半年，中国大模型日均调用量已飙升至10.19万亿tokens，较2024年下半年增长约363%，标志着大模型技术已从概念验证全面迈入规模化应用阶段。这一爆发式增长不仅体现了技术供给端的成熟与算力基础设施的完善，更反映了金融、制造、汽车、互联网等传统行业在数字化转型过程中对智能化工具的迫切需求。本研究基于对700位企业技术决策者的深入调研，旨在梳理当前中国企业在模型选型、部署策略与应用实践上的最新动向，尤其聚焦于开源与闭源模型的竞争格局演变，为市场参与者提供战略参考。

​​一、模型调用量爆发式增长，标志行业进入规模化应用新阶段​​

2025年上半年，中国大模型市场的日均调用量达到101,865亿tokens，与2024年下半年的21,999亿tokens相比，实现了约363%的惊人增长。这一数据并非简单的数量攀升，而是整个产业从试点探索走向大规模部署的关键转折点。调用量的激增背后，是模型技术、算力基础设施与行业需求三者协同作用的结果。

从供给端来看，模型性能的快速提升与算力成本的持续优化为调用量的爆发奠定了坚实基础。以DeepSeek、通义千问为代表的开源模型体系，在对话生成、代码辅助、数据分析与逻辑推理等场景的表现已逼近甚至超越部分闭源模型，实现了高效的“闭源替代”。同时，阿里云、火山引擎、百度智能云等云服务厂商通过优化API接口、推出更具性价比的算力套餐，显著降低了企业，尤其是中小企业的试用与部署门槛。这种“基础设施推力”使得企业能够以更低的边际成本开展大规模模型测试与应用迭代。

需求端的拉动同样至关重要。在政策引导与市场竞争的双重驱动下，金融、政务、制造等传统行业加速将大模型技术集成至核心业务流程。金融领域将其应用于风险管理、智能投顾与反欺诈分析；制造业则聚焦于质检优化、供应链调度与生产流程模拟。这些场景不仅对模型准确性要求极高，更需要7×24小时的稳定服务，从而推动了模型调用从零散的“研发测试”转向高频的“生产级运行”。此外，RAG（检索增强生成）、智能Agent与数字员工等技术的成熟，进一步拓展了模型的应用深度与调用频率，形成可持续增长的需求基础。

生态系统的协同效应亦不容忽视。开源社区的繁荣推动了微调框架、模型中间件与一体化工具链的普及，企业能够更高效地管理多模型、多任务的并行调用。闭源厂商则通过行业解决方案的标准化与规模化复制，带动了产业链上下游的技术采纳。多方合力之下，中国大模型市场正式进入以“应用规模”驱动发展的新阶段，竞争焦点也从早期的模型性能比拼，转向算力保障、数据合规、行业适配与生态整合的综合较量。

​​二、开源模型崛起势不可挡，占比44.4%逼近闭源模型​​

在企业级大模型选型中，开源模型正以前所未有的速度获得市场认可。2025年上半年，开源模型在日均调用量中的占比已达到44.4%，与闭源模型的55.6%几乎形成分庭抗礼之势。这一趋势表明，企业不再盲目追求“大而全”的单一模型，而是基于实际业务需求，更加理性地权衡性能、成本、灵活性与可控性，开源模型以其独特的优势成为许多企业的优先选择。

开源模型的核心竞争力在于其极致的性价比与高度的定制灵活性。Qwen、DeepSeek等主流开源框架提供了多类型、多尺寸的模型矩阵，企业可根据业务复杂度与响应速度要求进行精准选型。例如，在边缘计算、实时交互等场景中，轻量化模型在降低延迟与节约算力方面表现突出；而在数据挖掘与知识库构建中，参数规模更大的模型则能提供更深度的分析能力。这种“量体裁衣”的模型选择策略，帮助企业实现了算力资源与成本支出的双优化。

更重要的是，开源模型赋予了企业“技术自主可控”的能力。通过开放模型架构与训练代码，企业能够基于自身数据分布与业务逻辑对通用模型进行深度优化，使模型输出更贴合特定场景需求。同时，所有数据处理与训练过程均可在内部环境中完成，无需将核心数据上传至第三方平台，从根本上保障了数据安全与合规性。此外，企业通过微调与二次开发形成的模型成果，可沉淀为专有的数字资产，避免了长期供应商锁定风险，为构建可持续的竞争优势奠定基础。

尽管闭源模型在开箱即用、技术服务与系统稳定性方面仍具优势，但随着开源社区迭代速度的加快与模型性能的持续提升，两者之间的能力差距正在迅速收敛。开源模式不仅降低了技术使用的门槛，更通过社区协作促进了创新知识的流动与共享，预计未来将有超过80%的企业在智能化建设中采用开源模型，开源生态的战略地位将进一步巩固。

​​三、企业选型策略趋于务实，从追求技术领先转向业务适配优先​​

随着大模型应用不断深入，企业的决策逻辑发生显著转变：从早期追求“单一最强模型”逐渐过渡为“为特定业务场景寻求最优解”。这一转变凸显出企业对待生成式AI技术的态度愈发理性与务实，核心考量聚焦于如何实现算力性价比、系统灵活性与安全可控性的最佳平衡。

业务价值成为模型选型的最高指导原则。企业不再单纯关注模型的基准测试排名，而是以其在具体应用场景中的实际效能作为评估标准。例如，在客服自动化中，响应准确率与用户体验是关键；在代码生成中，则需考虑代码质量、规范符合度与迭代效率。这种以问题为导向的思维，促使技术部门更深入地理解业务痛点，从而选择最适合的模型类型与部署方式。

在此背景下，闭源模型的核心优势体现为“省心可靠”。厂商提供的预训练模型通常经过大规模数据训练与反复优化，在通用任务上表现稳定，且配有完善的技术支持与售后服务，能够帮助企业快速上线AI功能，降低初期试错成本。尤其对技术储备有限或追求效率的企业而言，闭源服务是一种低风险、高效率的入门路径。

而开源模型则更好地满足了企业对“灵活性”与“自主可控”的长期诉求。它支持企业根据自身需求对模型架构、训练数据与微调策略进行全方位定制，尤其适合数据敏感度高、业务逻辑复杂的行业，如金融、医疗与政务。通过将模型深度集成至自有系统，企业不仅能保护数据隐私，还能持续积累领域知识，形成难以复制的技术壁垒。越来越多的企业开始采用混合策略——在通用场景中使用闭源模型以保障稳定性，在核心业务中则采用开源方案以掌握自主权——通过灵活的资源配置，构建既弹性又经济高效的AI基础设施。

​​四、多模型、轻量化与场景深化成为未来技术演进主要方向​​

从技术演进视角来看，大模型市场正呈现出“开源为主流、参数趋轻量、应用更普及”的明确趋势。2023年全球发布的149个基础模型中，开源模型占比高达65.7%，标志着开源已成为技术创新的主要源泉与产业生态的主导力量。这一趋势在未来仍将持续，并进一步影响企业的技术选型与发展策略。

参数规模的轻量化是降低算力门槛、推动技术普及的关键。更小的模型尺寸不仅减少了训练与推理过程中的资源消耗，还使模型在终端设备、边缘计算节点中的部署成为可能，拓展了应用场景的边界。企业可根据响应速度、成本约束与性能要求，从多尺寸模型矩阵中选择最合适的版本，实现精细化运营。

应用场景的持续深化则构成了市场发展的另一主线。随着行业知识的不断沉淀与工具链的日益完善，大模型正从通用的对话与生成任务，向垂直领域的专业应用加速渗透。在医疗领域，它辅助诊断与药物研发；在法律领域，它进行案例检索与合同审查；在制造业，它参与产品设计与流程优化……这种渗透不仅提高了模型调用的频率与价值，也促进了行业专属解决方案的形成与复制。

未来，大模型将更深刻地融入企业的数字化架构，成为支撑业务创新与运营优化的核心组件。开源与闭源模型并非简单的替代关系，而是通过互补与混合部署，共同推动整个生态的繁荣与成熟。企业需结合自身战略、资源与风险偏好，制定务实且前瞻的模型应用策略，方能在智能化浪潮中把握先机。​

以上就是关于2025年中国GenAI企业级大模型市场的分析。从日均调用量突破10万亿tokens的规模化爆发，到开源模型占比44.4%的强势崛起，再到企业选型策略趋于务实与场景深化，各项数据与趋势均表明，中国的大模型产业已进入一个由应用驱动、多元协同发展的新阶段。企业不再仅仅关注技术本身的高精尖，而是更加注重如何将技术与业务场景深度融合，以实现真正的价值创造。在这个过程中，开源模型凭借其灵活性、性价比与自主可控性，赢得了大量企业的青睐；而闭源模型则在可靠性、服务与生态整合上继续发挥重要作用。未来，两者的协同与竞争将进一步推动整个市场的成熟与创新，为中国产业的智能化升级提供核心动力。