該白皮書聚焦中國大模型應用市場，從產業全景、應用現狀、消費端與企業端差異、落地挑戰及價值成效五大維度展開分析，明確 “模型驅動應用創新，價值向應用層遷移” 的核心趨勢，揭示消費端流量集中、企業端聚焦 ROI 的市場特征，核心內容如下：

一、大模型產業全景：四層價值鏈，價值向應用層遷移

1. 價值鏈結構：四層架構分工明確

大模型產業形成 “DCF 層 - 基礎設施層 - 模型層 - 應用層” 四層價值鏈，當前價值高度集中于基礎設施層（占比 66%），源于高性能 AI 硬件（如 GPU）與系統軟件的高昂成本；未來隨著技術成熟，價值將向模型即服務（MaaS） 及應用層（軟件 + 硬件載體）傳遞。

DCF 層：提供物理運行環境（供配電、制冷、機柜），綜合型企業（如施耐德、華為）占主導，三家巨頭合計市場份額達 60%；

基礎設施層：整合 AI 服務器、存儲、網絡硬件及管理軟件，支撐算力調度，核心參與者包括硬件廠商（英偉達、華為昇騰）、IDC 企業（萬國數據）、IT 集成商（浪潮、H3C）；

模型層：提供基礎大模型與工具鏈，按策略分三類 —— 開源（meta、Deepseek，追求生態）、閉源（OpenAI、百度文心一言，直接商業化）、混合（Google、阿里云，平衡生態與收入）；

應用層：分軟件（AI 對話助手、辦公套件）與硬件（智能機器人、AR 設備），軟件輕量化高毛利，硬件重投資筑壁壘。

2. 核心參與者格局

應用層：互聯網巨頭（騰訊、阿里）依托生態與數據做全棧服務，垂直團隊（Midjourney、即夢 AI）聚焦細分場景；硬件廠商（宇樹科技、優必選）深耕 “大模型 + 物理載體”，但面臨研發周期長、成本高的挑戰；

模型層：國際以 OpenAI（閉源）、meta（開源）為核心，國內以百度、阿里、Deepseek 為代表，開源模型加速生態擴張，閉源模型聚焦技術領先；

基礎設施層：AI 芯片被英偉達（A/H100）、華為（昇騰 910）主導，服務器廠商（浪潮、曙光）與云計算服務商（阿里云、騰訊云）提供算力調度能力。

二、大模型應用現狀：三類路徑，消費端流量高度集中

1. 應用分類：按商業成熟度分三檔嵌

入式應用（成熟）：為現有軟件賦能（如 WPS AI、美圖 AI 修圖），依托存量用戶快速變現，是當前主流；

原生 AI 應用（發展中）：以模型為核心創全新服務（如豆包、ChatGPT），商業模式待驗證，用戶留存是關鍵；

智能硬件（萌芽）：結合物理載體（如機器人、智能汽車），潛力大但成本高、市場教育不足，處于早期階段。

2. 消費端流量格局：剛需場景主導

網頁端：AI 對話助手（ChatGPT、Deepseek）與 AI 搜索引擎（新必應、納米 AI 搜索）合計占超 80% 流量，因滿足 “信息獲取 + 交互問答” 核心需求，頭部集中度極高（國際 ChatGPT+Gemini+Deepseek 占 83.8%，國內 Deepseek + 豆包占 71.5%）；

移動端：AI 對話助手仍占主導（中國占 83.8%），但圖像編輯類應用（如美圖設計室）因適配手機影像場景份額提升至 10%，獨立 AI 搜索 APP 因場景局限占比低于網頁端；

中國特色：本土應用（Deepseek、豆包）主導流量，AI 圖像視頻生成（海螺 AI、即夢 AI）契合社交創作需求，AI 聊天鍵盤（Lovekey）反映年輕用戶溝通效率需求。

三、消費端應用深度分析：四大領域，助手與辦公成核心

1. AI 對話助手：行業核心，用戶粘性待建

市場地位：占所有 AI 應用 61.4% 訪問量，美國月活超 1.1 億（16-24 歲滲透率 68%），中國頭部產品（Deepseek + 豆包）月度使用次數占 71.5%；

用戶特征：中國市場仍處早期，流量依賴營銷導流，輕度用戶占比超 40%，深度用戶占比（20%）低于行業平均（30%），使用習慣未固化；

場景趨勢：國際從日常信息檢索向商業場景（產品調研、旅行規劃）延伸，Gemini 在商業場景占比（46%）超 GPT。

2. AI 辦公助手：從單點工具向綜合套件轉型

主流場景：覆蓋 AI 搜索（秘塔 AI 搜）、智能寫作（WPS AI）、PPT 生成（AiPPT.cn），41% 廠商聚焦高效信息獲取；

競爭格局：傳統辦公軟件 + AI（WPS、釘釘）占 80% 市場，原生工具（FlowUs、ReadPaper）因缺乏生態易被邊緣化，2027 年傳統平臺占比預計達 90%；

創新方向：多模態翻譯、產品設計等細分場景醞釀增長，一體化 “辦公智能中樞” 成趨勢。

3. AI 創作：國內外差異化發展

國內：可靈 AI、360 智繪依托本地化數據，做多模態創作套件（圖片 + 視頻生成），圖片（28%）、視頻（24%）生成是主流；

國際：Midjourney、Sora 聚焦創意探索，Adobe Firefly 深耕設計生態，3D 建模與音樂生成滲透率低但增長空間大；

挑戰：用戶付費意愿高但需求分散，美圖等傳統工具接入 AI 后，純 AI 創作 APP（如秒畫）流量下滑。

4. AI 娛樂與生活：用戶粘性差，陪伴類占比高

流量分布：AI 陪伴（情感互動，如星野、貓箱）占近 40%，AI 輸入法（19%）、AI 教育（18%）次之；

問題：娛樂屬性強但新鮮感消退快，星野、貓箱單日新增下載量較年初下降超 50%，DAU 增長停滯，缺乏持續吸引力。

四、企業端應用洞察：聚焦 ROI，金融制造領先落地

1. 核心價值與成功要素

價值體現：優化用戶體驗（57%，最主要）、加速決策（53%）、提升員工效率（46%），對內整合工作流、減少重復勞動，對外革新產品服務；

2. 落地格局：行業與地域集中

行業分布：金融（31.8%，銀行占比 42%）、制造（14.7%）、互聯網（12.2%）合計占超 58%，金融因數據密集、ROI 明確領先，制造依托規模效應降本；

地域分布：北京（25%）、上海（11%）、廣東（12%）、浙江（7%）合計占 55%，與經濟發展正相關，北京 “廣覆蓋、政策驅動”，廣東 “高客單價、場景牽引”；

3. 核心挑戰與價值成效挑戰：

成本高：92% 企業認為算力不足，定制模型成本超 1000 萬美元，30% 項目因費用中止，實際 ROI 不足 50%（預期 1-3 倍）；

適配難：87% 企業反饋模型精度不足，62% 缺乏選型標準，50% 模型與需求不匹配，39% 缺少精調工具；

量化成效：

制造：國家電網負荷轉供決策時間從 30 分鐘縮至 1 分鐘；

醫療：友誼醫院電子病歷生成節約問診時間 40%，醫生效率升 66%。

五、未來趨勢：價值向上遷移，從降本到戰略驅動

價值重心：從基礎設施層向 MaaS 與應用層轉移，場景化創新（如工業大模型、醫療大模型）成增長關鍵；

消費端：從 “流量爭奪” 轉向 “用戶粘性建設”，垂直場景（AI 教育、專業創作）有望突破；

企業端：從短期降本增效轉向長期戰略驅動，行業大模型（金融、制造）深化，ROI 測算體系逐步完善；

技術方向：模型輕量化（降低算力成本）、行業適配（解決 “幻覺” 問題）、工具鏈成熟（提升部署效率）成核心突破點。