随着人工智能技术的不断进步，AI大模型已经成为推动各行各业数字化转型的关键力量。在这篇文章中，我们将深入探讨AI大模型在中国市场的应用现状、供给需求状况以及未来的发展趋势。
本文分析的假设背景，从分析的内容看，前文已经介绍了AI大模型应用层包括解决方案侧和应用平台，本文将更聚焦与解决方案侧的分析，解决方案侧包括通用大模型和行业大模型等，本文将重点分析通用类生成式大模型方向，此外，对端侧产品分析较少 。
从分析方法看，本文属于行业分析中的部分视角分析，非全面的行业分析，暂不涉及大量详细的宏观分析，更多的从AI大模型应用层的供给端和需求端出发，对现状做盘点，并结合部分宏观趋势，进行预测分析。从分析范围来看，本文集中在中国市场的分析，暂不设计海外市场分析。
（市场规模、市场份额、行业集中度、商业化、厂商分类与头部厂商盘点、产品分类）
由于AI大模型应用层的尚处在市场初级阶段，市场需求暂不明确，常规的市场规模通常从供给侧和需求侧进行拆分，而AI大模型应用层，如果基于狭义的定义，既不包括企业自建及关联交易的，而是基于商业化的市场规模，那么我们可以供给端和需求端，并结合商业化的视角来初步估算AI大模型的应用层市场规模。
这里由于资源问题，本文只给出假设和计算方式，暂不进行数据估算，对某段时间的详细的数据估算，可参考机构数据。例如，根据《2024年中国AI大模型场景探索及产业应用调研报告》，当前整体AI大模型行业仍然处于萌芽期，但市场规模增速较快。2023年我国AI大模型行业规模达到了147亿元，近三年复合增速高达114%。预计2024年，该市场规模将进一步增长至216亿元。
1.1 需求端市场规模计算公式：
AI大模型应用层市场规模（需求端） =C端市场规模 + B端市场规模 + G端市场规模 + 广告收入 + 衍生产品解决方案营收
其中：
C端产品市场规模 =
（注：由于免费模式不直接产生收入，因此在计算市场规模的总收入时，仅考虑订阅模式产生的收入。）
B端产品市场规模 =
G端产品市场规模 =
广告收入 =
衍生产品解决方案营收 =
1.2 供给端市场规模验证公式
从供给端来看，可以通过统计头部市场参与者的营收数据，来验证需求端分析计算的数据。具体公式如下：
头部市场参与者营收总和：统计前N家（如前10家）头部市场参与者的年营收，并求和。
市场总体规模估算：根据前N家头部市场参与者的市场集中度（即其营收总和占整个市场的比例），初步估算总体的市场规模。
在AI大模型应用层的市场份额与行业集中度分析中，我们可以看到一些关键厂商占据了市场的显著位置。根据IDC等机构发布等大模型平台及应用市场份额报告，2023年中国大模型平台及相关应用市场规模达到17.65亿元人民币。在这个市场中，百度智能云以3.5亿元人民币的市场规模位居第一，市场份额达到19.9%。商汤科技则以16.0%的市场份额紧随其后，市场规模约为2.83亿元人民币。智谱AI作为初创企业中的佼佼者，排名第三，而百川智能和第四范式等公司也在市场中占有一席之地。大模型市场的行业集中度较高。百度智能云和商汤科技两家公司就占据了超过35%的市场份额，而智谱AI和其他厂商则占据了剩余的市场份额。这表明在大模型市场中，少数几家厂商占据了主导地位，具有较高的市场影响力。
综上，AI大模型目前市场份额CR8暂未大于80%，行业为寡占型。行业存在市场领先者，百度智能云和商汤科技是市场上的领先企业，这可能是由于他们在AI领域的早期投入和专注研发。尽管目前市场规模还不算大，但随着AI技术的不断进步和应用的深入，预计未来市场将会有显著增长。市场集中度较高，但仍有新进入者的机会，特别是在垂直行业应用和特定领域解决方案方面。随着更多的厂商进入市场，包括初创企业和科技巨头，预计未来市场竞争将会更加激烈。
互联网大厂
这些公司凭借其庞大的用户基础、丰富的数据资源以及强大的计算能力和技术实力，在AI大模型领域占据重要地位。它们通常能够开发出能够处理大规模数据和复杂任务的AI大模型，并持续推动AI技术的创新和应用。代表企业有百度、腾讯、阿里巴巴等。
科研机构
这些机构包括大学、国家实验室、独立研究机构等，它们专注于AI大模型的基础研究和技术创新。这些机构通常在垂直领域的大模型有深入的研究和发展，并通过发表论文、开源代码等形式，推动学术界和工业界的进步。
初创公司
在AI大模型领域，初创公司凭借其创新能力和快速迭代的优势，提供定制化的解决方案或特定领域的服务。这些公司通常更加灵活，能够快速响应市场变化和客户需求。例如：
提供定制化的解决方案以满足客户的特定需求。
科技公司
除了互联网大厂外，一些其他领域的科技公司也在积极布局AI大模型领域。这些公司通常在相关领域有深厚的技术积累和市场经验，能够将AI大模型技术与现有业务相结合，推动技术的商业化应用。例如：
部分头部厂商及产品盘点如下，由于篇幅原因，本文暂不对下列厂商&产品做详细的分析和盘点，后续考虑另写文章进行产品侧分析：
首先产品可以从具体的承载形态来分类，包括云侧、端侧和云端结合，云侧包括通用大模型和行业大模型。端侧例如智驾端等，云端结合，例如手机厂商开发的大模型等。
我们常见的大模型集中在云侧大模型，那么云侧大模型应用如何进一步分析理解，可以从建立一个立体的象限坐标去理解。
这样基本可以覆盖绝大多数大模型的应用场景。例如，一个图像生成，可以广泛的不垂直在任何行业和业务域。也可以专注在营销广告图片的图像生成，此时可以是面向各个行业的，当然也可以加强某些功能和数据标柱，及相关算法，更加垂直在女装营销广告的生成。我们如何理解AI的“产品力”，即可以是单独的x轴关联，也可以是x轴+y轴，x轴+z轴角度（y+z轴不适用），也可以是x轴+y轴+z轴角度
C端客户
用户总体规模：随着AI大模型在C端应用场景的不断拓展，用户规模持续增长。生成式AI类APP的月活用户数量已达到较高水平，如抖音的豆包、百度的文心一言等，均拥有数百万至千万级别的月活用户。根据最新数据，2024年1月top10 AIGC APP聚合活跃用户规模已超过5000万，并保持超高增速。截止2024年上办年，豆包的下载量为3309万，月活为2144万，腾讯元宝的下载量为17万，月活为10万左右。下图是2024年上半年，top10的中国AI大模型应用的下载量和月活统计。
主要用户需求：据某机构统计的用户画像显示，男性用户略多于女性，以中青年人为主，各线城市均有分布，但大城市用户更为集中。从消费行为属性看，用户线上消费意愿中等，消费力主要集中在1000-1999元区间。由于C端市场需求集中且产品同质化程度高，用户流失风险较高，因此用户运营成为C端产品推广发展的关键。
C端用户主要关注生活便捷性、娱乐体验以及个性化服务等方面。用户对于搜索应用软件接入生成式AI功能的需求度最高，其次是生活服务、输入法等应用，高频刚需的平台是用户使用生成式AI功能的最重要、最直接的入口；此外，用户对办公商务、教育学习、自媒体等应用接入生成式AI功能的需求度也较高，涉及专业问题解决能力的平台也与生成式AI具备较高的契合度。
B端客户
大中型企业
数量：参考世界500强和中国上市企业数量，剔除部分本身就是此行业的市场供给方后，大中型企业数量约为110+家。此外，中国上市企业（不包括创业板）数量大约在3000至4000家之间，这些企业也是AI大模型的重要客户群体。
主要需求：大中型企业主要利用AI大模型进行经营数据分析，以帮助企业进行科学、高效决策；提高生产效率和产品质量；实现生产线的智能化。同时，它们还需求定制化的客服问答、文档分析、数据分析办公助手、代码助手、创意营销、商品导购、教育问答等智能应用。
小型企业
数量：小型企业数量众多，具体难以统计，但它们是AI大模型在B端市场的另一个重要客户群体。
主要需求：小型企业主要关注通用化的智能应用，如客服问答、文档分析、数据分析办公助手、代码助手等，以降低成本、提高效率。同时，它们也对创意营销、商品导购、教育问答等智能应用有较高需求。
从B端客户的行业类型来看，包括但不限于，金融、医疗、制造、教育、通信、能源、传媒、运输等，其中需求较为大，现阶段发展较为成熟的包括：金融行业：银行、保险、证券等金融机构是B端市场的重要客户。它们需要利用先进的技术手段来优化业务流程、提高服务质量、防范金融风险等。例如，通过AI技术实现智能客服、智能风控、智能投顾等功能，为金融机构提供全方位的服务支持。
医疗行业：医疗行业也是B端市场的重要领域之一。医疗机构需要利用先进的技术手段来提高医疗水平、优化医疗资源配置、提升患者满意度等。例如，通过AI技术实现医疗影像分析、智能诊断、远程医疗等功能，为医疗机构提供更加精准、高效的医疗服务。
教育行业：教育行业同样需要先进的技术手段来支持教学、管理、科研等方面的需求。例如，通过AI技术实现智能教学、智能评估、智能管理等功能，为教育机构提供更加个性化、高效的教学服务。
制造业：制造业是实体经济的重要组成部分，也是B端市场的重要客户之一。制造业企业需要利用先进的技术手段来提高生产效率、降低生产成本、提升产品质量等。例如，通过AI技术实现智能制造、智能质检、供应链优化等功能，为制造业企业提供更加智能化、高效化的生产解决方案。
典型产品日活与毛利：以智谱AI为例，其API单日调用量达到600万+，API单日调用tokens达到400亿+，服务企业客户30万+，显示出其在B端市场的强大影响力和应用价值。
G端客户
市场规模：虽然具体数据尚未有确切统计，但考虑到政府在推动AI技术发展方面的积极作用，以及政务服务、城市治理等领域对AI技术的需求，市场规模有望持续增长。
主要需求：集中在政务咨询、辅助办理、城市治理、机关运行、辅助决策等方面。
总体来看，AI大模型行业正处于快速发展阶段，市场规模增速较快。C端客户主要关注生活便捷性、娱乐体验和个性化服务等方面；B端客户则更加关注数据分析和处理、生产效率和产品质量提升以及创新智能应用产品的构建等方面；G端客户则主要关注政务服务效率提升、政策制定的合理性和前瞻性以及数据安全等方面的需求。
（市场趋势、技术&产品趋势、投融资、政策）
研发成本费用高昂：大模型的构建和运行成本仍然高昂。国内外企业如360、百度、科大讯飞以及OpenAI等都在人工智能领域保持高研发投入，但面临成本无法覆盖的难题。随着技术的发展和市场的成熟，大模型的构建和运行成本可能会逐渐降低。但同时，随着模型规模的扩大和复杂度的增加，成本仍将是一个重要的考量因素。据每日经济新闻显示，日活用户千万级别的通用大模型一年需获得超100亿元的营收方可支撑其背后的数据中心成本。通过大模型业务直接获得的收入与研发成本的悬殊，使大模型企业的盈利更是艰难
市场竞争激烈：大模型行业市场竞争激烈，部分企业开始降价以争夺市场份额。这导致大模型业务盈利能力不佳，部分企业甚至面临亏损的风险。市场竞争将进一步加剧，但也将推动行业向更加成熟和理性的方向发展。企业需要通过技术创新和差异化竞争来提升自己的竞争力。2024年5月，大模型相关企业对大模型进行降价，开启“价格战”。例如，阿里巴巴通义千问9款模型均降价，其中主力模型Qwen-Long价格直降97%；百度文心大模型ERNIE Speed和ERNIE Lite免费；腾讯云主力模型混元-lite全面免费，其他模型降幅最高可达87.5%。OpenAI的多模态大模型GPT-4o的性能有大幅提升，但收费价格下降50%。可见，大模型供给过多，市场竞争激烈，但实际市场需求和用户接受度不足；
大模型多模态化：AI大模型正在从单模态向多模态融合的方向发展，这是人工智能进化的必然趋势。多模态大模型能够理解和处理文本、图像、音频等多种信息，更加接近人类的认知方式。随着计算机视觉、深度学习等技术的不断进步，多模态大模型将成为研究热点，并在实际应用中展现更大的潜力。
大模型端侧化：大模型正逐步走向智能终端侧，如手机、PC等设备。端侧大模型具有成本低、移动性强、数据安全等优势。端侧大模型将进一步发展，通过模型压缩和定制芯片提升算力，使每个人的手机上都能拥有“个人大模型”。这将极大地扩展大模型的应用场景和覆盖范围。
大模型开源化：大模型的开源化正在降低开发者的使用门槛和成本，提高算法的透明度和可信度。开源化还促进了人工智能技术的创新与发展。未来，大模型的开源化将进一步深化，形成全栈化的开放生态。这将释放大模型的红利，促进更多创新应用的出现。
行业大模型成为产品方向热点：通用大模型的训练成本高企，部分大模型企业转向金融、医疗、制造等特定领域的行业大模型。行业大模型具有参数相对较小、训练成本较低的优势。行业大模型将逐渐成为大模型行业的主战场。它们能够结合B端企业的实际数据解决实际场景问题，为企业带来降本增效的效果。
存在安全与监管盲区：大模型在部分领域表现出色，但在实际应用中仍存在常识偏差、安全性问题、知识盲区等缺点。随着技术的不断进步和应用场景的不断拓展，大模型的这些局限性将逐渐得到克服。同时，企业也需要加强技术研发和安全管理，确保大模型的稳定性和可靠性。在边缘侧的部署，边缘计算，工业上对响应时间和业务对数据的安全性有要求，所以边缘计算也是很重要的方向。
投融资活跃度：近年来，中国AI大模型应用侧的投融资活动较为频繁，尤其是在2023年大模型爆发之后，投融资事件和金额都有所增加。然而，与过去移动互联网时期的PE/VC机构站“C位”不同，当前产业资本成为了这轮AI浪潮最坚定的投资者。
投资领域：AI大模型应用侧的投融资主要集中在金融、政务、医疗、电商、教育、终端等六大行业领域。这些行业对AI大模型的需求旺盛，希望通过引入AI技术来提高效率、降低成本、优化服务。在产品方向上，跨模态（数字人等）、语言及音乐、影像、多模态等成为重点投资的产品场景。
投资阶段：从投资阶段来看，AI大模型应用侧的投融资活动涵盖了从天使轮到B轮及以后的各个阶段。其中，天使轮、Pre-A轮、A轮等早期投资轮次分布较多，B轮及以后较为成熟的投资轮次分布较少。但值得注意的是，随着AI技术的不断成熟和应用场景的拓展，B轮及以后的投融资活动也在逐渐增加。
地域集中：从地域分布来看，中国AI大模型应用侧的投融资活动主要集中在北京、上海、广东、江苏和浙江等地。这些地区经济发达、科技实力强、人才资源丰富，为AI大模型的发展提供了良好的环境和条件。
应用场景多元化：AI大模型应用侧的投融资活动涉及多个应用场景，包括金融领域的智能客服、风控管理；政务领域的智能办公、信息公开；医疗领域的辅助诊断、健康管理；电商领域的智能推荐、个性化营销；教育领域的智能教学、学习辅导；终端领域的智能车载、智能家居等。这些应用场景的多元化为AI大模型的发展提供了广阔的市场空间。
中国AI大模型应用侧的投融资在2024年呈现出活跃态势。国内AI大模型领域的投融资事件频繁，一些创业公司获得了巨额融资，同时也涌现出了一批独角兽企业。以下是一些投融资的亮点：
（需求洞察、消费者细分需求&测算）
对于需求侧的趋势分析，从底层逻辑思考，这里浅要的思考了AI大模型的两个点，第一个是规模化与个性化需求。第二个是产品形态，从软件到硬件，从数据间的流通到数据智能流动，从数字场景到生活场景。
从规模化到个性化需求
在AI大模型发展的初期，各大厂商主要聚焦于算力、算法等方面的迭代，以开发出通用性强、性能优越的大模型。这一阶段的竞争主要围绕价格、成本以及模型的通用性展开。就像制造业在起步阶段，企业通过标准化流程开发标准化产品，形成规模效益。
然而，当AI大模型市场发展到一定阶段时，客户需求将呈现出更多的垂直细分和衍生需求。这时，行业将爆发出二次开发和精细化的革命。就像制造业在发展到一定阶段后，客户需求逐渐从标准化产品转向更加个性化和定制化的产品。
在AI大模型领域，为满足客户的个性化需求，各大厂商将开始开发行业大模型和面向C端客户的个性化大模型。这些模型将更加注重对特定领域知识的深入学习和理解，以及针对用户个性化需求的精准响应。
行业大模型：例如，在金融领域，AI大模型可以针对客户的投资偏好、风险承受能力等信息，提供更加个性化的投资建议和风险管理方案。在医疗领域，AI大模型可以基于患者的病史、基因信息等数据，提供更加精准的诊断和治疗方案。
面向C端客户的个性化大模型：例如，在智能家居领域，AI大模型可以根据用户的生活习惯、喜好等信息，自动调整家居设备的运行模式和参数，提供更加舒适和个性化的居住体验。在个性化陪伴方面，AI大模型可以基于用户的情感需求、兴趣爱好等信息，提供更加贴心和有趣的陪伴服务。
从云侧到具身智能
AI大模型从产品运用的形态上，可以分为云侧、端侧、云端结合。在云侧，通用大模型、行业大模型等主要以软件形式存在，通过互联网向用户提供服务。而在端侧/云端结合方面，AI大模型将逐渐渗透到各种智能硬件中，如智能手机、智能汽车、AR/VR等。
未来，从软件到智能硬件都将被AI大模型驱动，和这种趋势将推动AI大模型在更多领域的应用和创新。具身智能是AI大模型在智能硬件领域的重要应用之一。具身智能指的是将AI大模型与智能硬件相结合，使智能硬件具备更加智能和自主的能力。这种智能不仅体现在对数据的处理和分析上，还体现在对环境的感知、对用户的理解以及对行为的控制上。
汽车领域：具身智能首先落地的场景之一是汽车领域。自动驾驶和智能座舱是AI大模型在汽车领域的重要应用。通过数据自动标注、传感器算法和场景仿真等技术，AI大模型可以提高自动驾驶的感知精度和安全性。例如，特斯拉的自动驾驶系统就采用了深度学习算法和大量传感器数据来实现对周围环境的感知和判断。同时，智能座舱系统也可以通过AI大模型来实现对用户的语音识别、情感分析等功能，提供更加个性化的驾驶体验。
其他领域：除了汽车领域外，具身智能还可以应用于智能家居、智能机器人等领域。在智能家居领域，AI大模型可以通过对家居设备的控制和管理来实现更加智能和便捷的生活体验。在智能机器人领域，AI大模型可以通过对机器人的控制和优化来实现更加高效和自主的工作能力。
C端客户：
目标用户与潜在用户：可参考各机构给出的ai大模型用户画像。科技爱好者：对新技术充满好奇，愿意尝试并接受AI大模型带来的新体验。智能家居用户：希望通过AI技术实现家居设备的智能化控制，提高生活便捷性。内容消费者：喜欢阅读、观看视频、听音乐等内容，希望获得个性化的内容推荐。娱乐需求者：寻求与AI进行互动的游戏伙伴、虚拟偶像等，以满足娱乐需求。健康管理用户：关注个人健康，希望通过AI技术获取健康建议、监测健康数据等。
C端客户规模测算：假设下载量与活跃用户数成正比，且活跃用户数占总下载量的比例为P（P值可根据市场调研数据确定），则C端客户需求量 = 下载量 × P。
用户需求：集中在提高生活便捷性（如智能家居控制、智能助手等）、娱乐体验（如个性化推荐、AI游戏伙伴等）以及个性化服务（如定制化内容推送、AI健康顾问等）等方面，面向C端个人用户，云侧大模型提供智能问答、文本生成、图片生成、视频生成等功能。
这里，值得注意的是，在AI大模型的用户运营方面，根据QuestMobile的数据报告显示，头部AIGC APP的活跃用户规模在2024年1月已经突破了5000万。尽管用户对AIGC类产品表现出极大的热情，但用户留存率仍有较大的提升空间。目前，头部AIGC APP的活跃率较低，均在20%以下，3日留存率也都在50%以下，部分APP的卸载率甚至在50%以上。我们可以结合上文的洞察，这些产品的同质化程度较高，目前出于百模大战阶段，所以这一阶段用户运营很重要，因为产品的同质化程度较高，此外，可以考虑提供个性化、智能化产品服务，在个性化服务方面，AI大模型可以根据用户的情感需求、兴趣爱好提供陪伴服务。例如，AI伴侣可以提供情感交流和娱乐互动，增加用户的满意度和留存率。
B端客户：
目标客户与潜在客户：这里有两个思考维度，第一是ai大模型会先在哪些行业落地，对哪些行业有高度的投资回报。第二是在这些行业的什么业务领域和场景中落地。
针对第一个问题，零售、金融、医疗和教育等行业成为了我们重点看好的目标客户群体。这些行业不仅数据丰富、场景多样，而且人才密度较高，为AI大模型的应用提供了良好的环境。此外，这些行业的前期信息化、数字化基础扎实，积累了丰富的数据资源，对前沿技术的接受度和支付意愿也相对较高，这为AI大模型的快速落地与高效应用奠定了坚实的基础。
由于篇幅关系，没有办法枚举所有的行业与场景落地，后续考虑另起文章，按照行业落地维度进行颗粒度更细的分析，本文暂不涉及。本文可列举ai大模型在消费品的应用，对于汽车行业，智能驾驶、研发、生产、营销、供应链是较为核心的应用交互点。
B端客户规模测算：考虑到B端客户更关注API调用量和服务企业客户数量，我们可以将API单日调用量或服务企业客户数量作为需求量的衡量指标。同时，结合行业增长率和市场渗透率等因素进行预测。
用户需求：面向B端企业用户，云侧大模型变革企业传统业务模式，提供营销、客服、会议记录、文本翻译、预算管理等个性化服务。B端客户对AI大模型的需求将持续增长，特别是在数据分析与处理、生产效率提升、产品质量优化以及创新智能应用产品构建等方面。
G端客户：
G端客户规模与需求预测：由于G端客户的需求较为稳定且受政策影响较大，我们可以根据政府部门的信息化、数字化规划以及AI大模型技术的成熟度进行预测。政府机构的规模通常较为稳定，但随着数字化转型的深入，政府部门对于信息化、数字化服务的需求将持续增长。这意味着，G端客户在数量上可能保持稳定，但在服务需求上将持续扩大。特别是在智慧城市、智能交通、电子政务等领域，政府机构将加大投入，推动信息化、数字化服务的升级与拓展。
总体来看，AI大模型行业正处于快速发展阶段，市场规模增速较快。C端客户主要关注生活便捷性、娱乐体验和个性化服务等方面；B端客户则更加关注数据分析和处理、生产效率和产品质量提升以及创新智能应用产品的构建等方面；G端客户则主要关注政务服务效率提升、政策制定的合理性和前瞻性以及数据安全等方面的需求。随着技术的不断进步和应用场景的不断拓展，AI大模型行业的需求将持续增长。同时，各厂商需要密切关注市场需求的变化和竞争格局的演变，不断优化产品和服务以满足客户需求。
作者：Elaine.H ，公众号：H小姐的数字化杂货铺
本文由@Elaine.H 原创发布于人人都是产品经理，未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。