核心观点 - 大模型行业面临商业化压力 高管离职频发 商业化路径尚在探索中 [1] - 行业分化出C端和B端两条商业化路径 但C端面临付费意愿低困境 B端更注重ROI [2][3] - 技术部署存在云侧与端侧之争 云侧API模式盈利压力大 定制化方案盈利能力更强 [4][5] 商业化现状 - 2025年行业面临商业化大考 "大模型六小虎"中已有十余位高管离职 包括多位商业化负责人 [1] - 主动披露收入的公司极少 智谱AI 2024年商业化收入同比增长超100% 平台日均Tokens消耗量增长150倍 [1] - MiniMax 2024年预测年化收入达7000万美元 全球300余个大模型中仅少数实现初步商业化探索 [1] 客户定位路径 - C端路径代表包括MiniMax(视频生成产品海螺AI/AI陪伴应用Talkie)/月之暗面(Kimi助手)/阶跃星辰(AI助手跃问/开放世界冒泡鸭) [2] - B端路径代表包括智谱AI(虽推C端产品智谱清言但偏B端)/零一万物(聚焦零售电商/AI2.0数字人)/百川智能(医疗核心场景) [2] - 零一万物战略从"坚决做ToC"转向2024年全面聚焦B端 收缩C端业务 [2] C端商业化挑战 - 超八成用户拒绝为对话功能付费 多数用户同时使用多个免费模型抵消体验限制 [2] - 主要通过订阅实现价值 但面临叫好不叫座的流量困局 [2] B端商业化特征 - 企业对于生成式AI投入预算增加 但越来越重视投入ROI [3] - 目前难以给出确切ROI中位数 因多数企业AI应用仍处价值发现和初期探索阶段 [3] - 已实现正向收益场景集中在快速提升内部运营效率领域 如AI辅助软件开发/自动化营销文案/知识管理与报告总结 [3] 技术部署模式 - 普遍采用云端训练+云端推理 依赖公有云厂商算力 [4] - 云侧核心盈利方式包括按API调用次数或Token量付费 以及定制化解决方案收费 [4] - 纯API调用模式因产品同质化/难以深度满足场景需求导致盈利压力大 规模效应较难达成 [4] - 定制化行业模型盈利能力较强 头部厂商通过"通用大模型+行业精调"模式向制造业客户收取单项目数百万元费用 [4] 端侧部署发展 - 智谱AI2025年与珠海市合作搭建"城市级GLM大模型"覆盖端侧 阶跃星辰将智能终端列为重点场景 [4] - 端侧部署需从硬件厂商手中竞争 且面临技术挑战加大研发成本 [5] - 大型AI模型计算存储需求与终端设备有限资源(算力/功耗/内存)存在天然矛盾 [5] - 业界通过模型压缩/知识蒸馏技术使模型"小而美" 芯片厂商推出集成NPU等专用硬件支持端侧AI [5] - "端云协同"成为务实路径 终端部署轻量级模型处理高频任务 复杂请求调用云端模型 [5] 产业化方向 - 深度垂直化是方向之一 通用大模型需与金融/医疗/法律/制造等行业专业知识深度融合形成专用AI [3] - 参照互联网发展历程 AI产业可能遵循从B端到C端再到B端深化的演进路径 [2]