【东吴证券】计算机行业深度报告：解析大模型行业：从发展历程到投资视角-260618（47页）.pdf

1、计算机行业深度报告解析大模型行业：从发展历程到投资视角当前大模型产业正处于基础设施高强度扩张、模型能力快速扩散、Agent初步产品化、企业逐渐实现ROI验证的关键发展阶段。从技术演进看，大模型已完成从Transformer奠基（2017-2019）、预训练规模化（2020-2021）、指令对齐与产品化（2022-2023）、多模态开源与企业化（2023-2024）的四轮跃迁，2025-2026年正式进入以推理模型与Agent能力为核心的第五阶段，竞争焦点从回答问题转向完成任务，评价标准升级为复杂目标规划、工具调用、动作执行与结果验证能力。利润池沿产业链持续迁移，投资逻辑从追逐模型能力转向更低成

2、本、更高可靠性完成真实任务。早期利润池集中于训练GPU，ChatGPT问世后扩展至API、订阅与AI原生应用，多模态与开源阶段私有化部署、RAG、向量数据库、数据治理成为增量，当前推理模型与Agent阶段进一步外溢至推理GPU/ASIC、HBM、高速网络、电力、液冷、Agent平台与工作流软件。大模型产业链价值优先流向三类环节：一是GPU/ASIC、HBM、先进封装、光模块等稀缺资源；二是CUDA生态、云平台、企业数据等高切换成本能力；三是代码助手、客服、办公等可量化ROI应用入口。当前利润池集中在基础设施，GPU与ASIC显性受益，HBM与先进封装是供给瓶颈，光模块与交换机等是集群扩张后的第

3、二弹性；云厂商是企业AI主要入口但资本消耗较快；应用层长期空间最大但短期分化显著，代码、客服、办公等高频场景落地最快。开源模型压缩通用能力超额利润，推动多模型路由成为常态，竞争焦点转向入口、数据、成本控制与工作流嵌入。之于大模型本身，当前商业模式仍处在探索阶段，尽管已经有相对稳定的付费模式，但用户心智、使用场景、工作流嵌入实际等均未稳定。考虑到大模型是未来智能时代的智能底座，大模型本身同样具有投资价值。关键大模型标的：智谱、Minimax、科大讯飞。（1）智谱：从项目型AI公司向MaaS平台转型，Coding是其从模型能力转向收入规模的最短路径；（2）MiniMax：通过架构优化实现成本与能力

4、平衡，走全球化与全模态平台化路线，TokenPlan构建多模态智能额度池的商业模式；（3）科大讯飞：核心价值在于国产算力全流程训推能力，是国内唯一实现全国产算力上全栈模型训练的厂商，在政企自主可控采购中具备稀缺性。公司2025年大模型相关项目中标金额23.16亿元，超过第二名至第六名总和，印证我们的观点：公司卡位的稀缺性具备极强的市场竞争力。大模型的发展路径尚未明确，我们认为未来大模型行业的发展可能存在三种情况。（1）闭源模型持续领先并放大代际差距：利润将持续集中在AI硬件以及头部模型厂；（2）开源模型持续追赶并缩小代际差距：开源模型持续追赶推动模型能力商品化，形成多模型分层路由格局，模型层A

5、PI毛利承压但应用层与基础设施受益；（3）出现新的模型架构突破：可能催生一批全新的企业。风险提示：技术迭代不及预期、行业竞争加剧、算力供应链风险、监管政策不确定性、商业化落地慢于预期。相关研究处定义互联网时代起始于1994年1月1日，AI时代起始于2023年1月1日；纵坐标为纳指上1.大模型技术演进史1.1.从Transformer到Agent：五个阶段过去九年，大模型能力栈大致经历了五轮重构：从底层架构突破，到预训练规模化，再到指令对齐、产品化、多模态与企业化，最终进入以推理能力和Agent执行为核心的新阶段。每一次重构都不仅是模型能力的提升，更对应着训练范式、工程体系、商业模式和应用边界的

6、系统性变化。第二阶段是预训练规模化，20202021。GPT-3的出现证明，大规模自回归语言模型可以在少样本学习（Few-shotLearning）条件下完成多类型任务，而不再需要针对每一个具体任务单独训练模型。这一阶段的产业意义在于，基础模型（FoundationModel）开始成为行业共识，模型API商业化也由此起步。此前，AI项目更多围绕单一场景、单一任务进行定制化建模；GPT-3之后，产业范式逐步转向“通用基础模型+Prompt+API+微调/RAG”的平台化模式。模型不再只是某个任务的工具，而开始成为承载多类应用能力的底座。第三阶段是指令对齐与产品化，20222023。Instruc