毋庸置疑，2024年是全球AI行业正式“翻篇”的一年。在此之前，从OpenAI重磅发布GPT-4，到国内科技巨头百度、阿里、字节、华为、腾讯、昆仑万维等玩家陆续加码布局AI大模型产业生态，整个市场好不热闹，卷技术、卷参数、卷融资的军备竞赛可谓是轰轰烈烈。

但到了2024年之后，AI行业开始逐渐冷静下来，投资人、企业以及用户的关注焦点已明显向“卷商业化”偏移。越来越多的投资人意识到，AI大模型仅有“表面功夫”是远远不够的，市场更需要的是能落到实处的应用赋能。
更直白地讲，谁能最先跑通模型价值的变现路径，谁就能率先跨过AI下半场的门槛。因此，大到头部互联网巨头企业，小到初创“新势力”，都在积极探索这场残酷的现实测试。
2025年，随着DeepSeek这一现象级行业事件的爆发，也进一步加速了这场现实测试的速度。DeepSeek标志性的成功，打破了硅谷巨头们一向自认为的“算力即竞争力”的固有认知，同时也再度说明，AI商业化不会只是头部大厂的游戏，中小团队也能有机会突围。
更确切地说，AI时代不再以企业规模论“英雄”，真正的机遇，只属于长期趋势的准确认知者和把握者。而DeepSeek开源化商业模式的成功，也为AI大模型行业开辟了一条全新的发展路径。
由此，AI大模型行业的商业模式也开始多样化，从“纯闭源”走向“闭源+开源”共存的阶段，行业也借此迎来了第一阶段的洗牌，定位、战略、研发和收入，都会决定大模型企业身处的行业生态位，市场也全面进入了以商业化论“英雄”的新阶段。
商业化缘何成AI大模型落地最大“考验”？
从最初的“小试牛刀”到如今的“遍地开花”，AI大模型一直备受诟病的就是其前期的巨大投入问题，这也成为如今AI大模型巨头加固护城河的根本策略。不过，虽然近些年模型训练成本持续高企甚至不断攀升，但模型推理（即应用）成本则在迅速下降，这也为大模型打开用户及开发者等应用市场奠定了基础。
众所周知，训练最先进的LLM已经成为人类历史上最昂贵、资本最密集的活动之一。Anthropic的CEO Dario Amodei在2024年中期就曾表示，当时的模型训练成本已达1亿美元，而训练中的模型成本已接近10亿美元，他预计到2025年可能会出现耗资百亿美元的训练项目。这种军备竞赛式的投入，使得头部模型的门槛越来越高。
然而，与模型训练成本的高涨形成鲜明对比的是，AI模型推理成本的迅速下降。根据Epoch AI和斯坦福大学的研究显示，每百万token的推理成本在过去两年内下降了惊人的99%。
与此同时，硬件领域的成本也在随着技术的进步飞速下降。NVIDIA GPU数据显示，十年内（2014—2024年）生成token所需的能耗下降了105000倍，这意味着2024年Blackwell GPU生成token所需的能耗比2014年Kepler前身少105000倍。
这种成本变化在全球大模型身上都有体现，以中国的百度文心为例，百度文心4.5 Turbo（2025年4月发布）被描述为多模态，在文本、图像和视频方面表现出色。目前，百度文心4.5 Turbo每百万token输入价格为0.8元人民币，输出价格为3.2元人民币，比上一代产品便宜80%，仅为领先竞争对手成本的一小部分（例如，仅为GPT-4.5的0.2%）。它在基准测试中与GPT-4.1相当，并优于GPT-4o。
随着时间的推移，这种成本的结构性变化无疑将继续。长远来看，也将对整个行业产生深远影响。因为随着推理成本的降低，也将极大地刺激开发者和用户们使用AI大模型的热情，从而进一步推动AI应用的普及化，带动AI大模型用户量的增长。
图表 1：ChatGPT月度活跃用户增长趋势；图源：BOND
根据BOND数据显示，截至2025年4月，ChatGPT每周活跃用户（WAU）达到8亿，这意味着从2023年到2024年将增长200%。ChatGPT应用于2023年5月推出，仅23个月后，截至2025年4月，月活跃用户（MAU）已达5.3亿。DeepSeek移动应用在中国和俄罗斯等地区表现出色，仅用4个月就积累了5400万月活跃用户。
图表 2：DeepSeek手机端用户月度增长率；图源：BOND
在开发者方面，NVIDIA AI生态系统四年间（2021—2025年）开发者数量增长2.4倍，达到600万。人工智能初创企业数量增长3.9倍，达到27000家。使用GPU的应用程序数量增长2.4倍，达到4000个。
紧随NVIDIA之后，Google生态系统中的全球开发者数量同比增长5倍，达到700万（2024年5月至2025年5月），到2025年5月，谷歌每月通过其产品处理超过480万亿个API，比上一年的9.7万亿个API增加了50倍。
Microsoft Azure AI Foundry的季度token数量也同比增长了5倍，在2025年第一季度超过100万亿个token，仅2025年4月就达到了创纪录的50万亿个token，据悉有超过70,000家企业的开发人员使用它。
但反过来，这种变化趋势也给模型的供应商造成了巨大的商业化压力，一面是巨额的模型训练成本投入，另一面是急剧下滑的服务价格，使得大模型的商业化面临更加严峻的考验。
根据互联网女皇、传奇投资者Mary Meeker最新发布的《互联网趋势报告》显示，OpenAI预计年收入92亿美元（2025年4月），但迄今融资总额却高达639.2亿美元。仅次于OpenAI的Anthropic预计年收入20亿美元（2025年3月），迄今已筹集180亿美元。而Perplexity预计年收入1.2亿美元（2025年5月），迄今已筹集14.1亿美元。埃隆马斯克创立的xAI预计年收入“大幅超过1亿美元”（2025年4月）。
尽管表面上呈现出高增长的态势，但背后是同样高昂的成本和巨大的现金消耗。报告中引用The Information的数据显示，OpenAI的计算费用几乎与其收入增长同步，甚至在某些阶段可能出现亏损运营的情况。
即便是微软、亚马逊、Alphabet和Meta这样的科技巨头，在加大AI投入后，其自由现金流利润率也面临下行压力。尽管风险投资正以前所未有的速度涌入AI领域，但AI公司和云服务提供商同样在以惊人的速度烧钱，商业化反而成为了当前AI大模型产业面临的最大“考验”。
B端和C端应用“遍地开花”，大模型如何“重塑世界”？
虽然AI大模型企业的商业化进程缓慢，且面临越来越多的难题，但这并不妨碍AI技术本身在B端和C端的广泛应用。如今，从政府、教育及军事机构到银行、企业甚至消费者，都在大量使用AI来提升工作效率，减少不必要的时间和资源浪费。
在B端市场，标普500指数公司季度财报电话会议上频繁提到“人工智能”，表明如今世界上已经有50%及以上的公司正在“谈论”人工智能。根据Mary Meeker最新发布的《互联网趋势报告》显示，美国FDA近年来获批AI医疗设备数量大幅增加，2023年将达223种，美国FDA于2025年5月推出新的AI政策。
另外，政府研发资金也是人工智能发展预算的重要组成部分，尤其是在医疗保健领域，2021-2025财年美国联邦人工智能预算为147亿美元，其中34%由美国国立卫生研究院申请，人工智能将使医疗研发时间缩短30%-80%。
除此之外，美国银行的Erica虚拟助理也是一大典型应用案例，从2018年6月到2025年2月，移动应用程序中的对话式人工智能Erica累计处理了20亿次客户互动。它充当个人礼宾和任务控制中心，自推出以来已对其性能进行了超过50000次更新。
而在中国，AI大模型的应用也正呈快速增长趋势。自2021年以来，国家和地方政府加速出台AI应用和大模型相关政策，聚焦数据安全、技术创新、应用落地等方面，旨在降低AI应用门槛，加速大模型落地。
根据亿欧智库的预测，从2022年到2027年，中国大语言模型市场规模将从63亿元增长到680.2亿元，复合年平均增长率（CAGR）达到50.6%，2025年将达到320.8亿元的规模，足见国内市场成长性之高。
图表 3：中国大语言模型市场规模及增速（单位：亿元）； 图源亿欧智库
其中，最具现象级影响力的当属C端消费市场。如今中国人工智能用户主要使用豆包、文心一言和DeepSeek等本地人工智能平台，这些平台在中国拥有较高的月活跃用户。例如，DeepSeek的移动应用在2025年4月拥有5400万月活跃用户，增长主要集中在中国（33.9%的用户）。
尤其在文生视频领域，C端市场为AI大模型企业的贡献巨大。比如开发可灵AI的快手，今年前三个月，快手靠可灵AI收入了1.5个亿，超过了去年7月到今年2月可灵的收入总和。
图表 4：最新AI大模型使用趋势报告；图源Poe
而据上一期（2024Q4）财报显示，可灵AI自2024年7月启动商业化变现以来，到今年2月的累计收入超1亿元。而且，根据Quora（美版知乎）旗下大模型平台Poe最新发布的模型使用趋势报告，今年1—5月，在文生视频领域，可灵系列模型总共占据的份额达到了30%。
C端消费市场之外，是更具规模性的是企业级B端市场，也将是未来AI大模型应用的最大贡献者。如今，在日益激烈的市场竞争和多变的需求环境下，越来越多的企业亟须AI大模型赋能来实现运营效率和创新能力上的提升，AI大模型作为这个时代数字化转型的重要工具，也成为助力企业更好地洞察市场、优化决策的关键手段。
不过现阶段，对于大部分企业来说，AI大模型应用的实际开发落地面临较高的门槛，从数据的处理到模型的微调，再到算力的迁移匹配等各个环节都伴随着不同的挑战和痛点。
比如，在大模型的应用过程中，很多企业仍然面临数据处理工具不足、端到端解决方案缺乏以及数据隐私安全等难题。而且，如今随着AI大模型算力的多元化和模型的多样化，也给很多企业带来了算力迁移、适配以及模型选择的痛点，同时由于大模型应用从开发到部署上线的全流程也十分复杂，门槛较高，各环节的协同不足也成为企业难以推动AI大模型应用的关键难题。目前，市场上仍然缺少能够解决全流程服务的企业，大多都还是聚焦于单一环节的服务商，比如云服务商、AI应用开发商、独立大模型开发工具链服务商等。
因此，当前的AI市场仍然存在诸多待解决的痛点和难题。C端消费市场缺乏真正的“杀手级”应用，来刺激整个市场的热情，而企业级B端市场则需要更多具备全流程方案解决能力的AI企业，来助力B端客户彻底克服数据处理工具缺乏、隐私安全、算力适配等一系列问题。如此，才能真正从根本上解决AI大模型的落地痛点，带动全球进入“AI大时代”。