每經(jīng)記者｜張梓桐    每經(jīng)編輯｜魏官紅    

2026年開年至今，國產(chǎn)AI（人工智能）大模型賽道迎來資本化“超級周期”。一級市場大額融資密集落地，頭部企業(yè)估值接連沖高，資金虹吸效應(yīng)愈發(fā)顯著。

但今年年中以來，市場風(fēng)向悄然轉(zhuǎn)變，資本敘事從“技術(shù)崇拜”轉(zhuǎn)向“商業(yè)化拷問”。商業(yè)化落地難題成為懸在行業(yè)頭頂?shù)睦麆?。截至目前，鮮少國產(chǎn)大模型企業(yè)實(shí)現(xiàn)穩(wěn)定盈利，客戶黏性不足、付費(fèi)意愿偏低成為普遍痛點(diǎn)。

“當(dāng)前大模型賽道頭部效應(yīng)顯著、估值泡沫隱現(xiàn)，新玩家面臨高資金與技術(shù)壁壘，短期盈利仍難兌現(xiàn)，商業(yè)化能力正成為決勝核心?！苯?，畢馬威中國華東及華西區(qū)工業(yè)制造及汽車行業(yè)主管合伙人、模速空間主管合伙人苗楨在接受《每日經(jīng)濟(jì)新聞》記者（以下簡稱“NBD”）專訪時(shí)如是說。

苗楨判斷，未來一至兩年行業(yè)將迎來實(shí)質(zhì)性拐點(diǎn)：模型輕量化、算力成本下行、行業(yè)標(biāo)準(zhǔn)完善，疊加訂閱制與生態(tài)化商業(yè)模式成熟，規(guī)?；拯c(diǎn)或?qū)⒃缬诨ヂ?lián)網(wǎng)時(shí)代到來。

頭部效應(yīng)凸顯 商業(yè)化能力決定企業(yè)上限

NBD：作為深耕AI產(chǎn)業(yè)落地的行業(yè)專家，從產(chǎn)業(yè)投融資與資本市場視角，你怎么看當(dāng)前國產(chǎn)大模型賽道？

苗楨：我們能看到，近年來，越來越多的資本涌入國產(chǎn)大模型賽道，包括VC/PE（風(fēng)險(xiǎn)投資/私募股權(quán)）基金、產(chǎn)業(yè)資本、政府引導(dǎo)基金等。

頭部企業(yè)獲得大量資金支持，形成強(qiáng)者恒強(qiáng)的局面，頭部效應(yīng)明顯。目前，大模型賽道市場競爭日趨激烈，新進(jìn)入者面臨較大的資金和技術(shù)壁壘。部分項(xiàng)目估值過高，存在一定的泡沫風(fēng)險(xiǎn)。大模型的研發(fā)和商業(yè)化周期較長，短期內(nèi)難以實(shí)現(xiàn)大規(guī)模盈利。如何提高客戶黏性，形成穩(wěn)定的收入來源是企業(yè)面臨的挑戰(zhàn)。

隨著競爭進(jìn)入下一個(gè)階段，商業(yè)化能力將成為這類企業(yè)的核心競爭優(yōu)勢。目前我們看到，企業(yè)積極探索多種收入模式，如SaaS服務(wù)（軟件即服務(wù)。指一種通過互聯(lián)網(wǎng)提供軟件應(yīng)用的商業(yè)模式）、API接口（應(yīng)用程序編程接口）收費(fèi)、定制化解決方案等。

NBD：近期多家AI企業(yè)接連完成大額融資，估值持續(xù)走高，同時(shí)部分頭部大模型企業(yè)密集沖刺港股上市，AI行業(yè)內(nèi)開始形成多模型上市梯隊(duì)格局，你認(rèn)為接下來國產(chǎn)大模型行業(yè)會(huì)加速出清，還是依舊會(huì)維持多強(qiáng)并存的競爭態(tài)勢？

苗楨：在行業(yè)發(fā)展初期，由于技術(shù)門檻相對較低，市場上可能會(huì)出現(xiàn)大量的參與者，形成“百花齊放”的局面。隨著技術(shù)成熟度提高，市場逐漸向少數(shù)幾家頭部企業(yè)集中，形成“多強(qiáng)并存”的競爭格局。

進(jìn)一步的技術(shù)突破和資本整合可能導(dǎo)致市場進(jìn)一步集中，甚至形成寡頭壟斷的局面。在這種情況下，不同的應(yīng)用場景對大模型的需求各不相同，企業(yè)可以根據(jù)自身優(yōu)勢選擇特定的應(yīng)用場景進(jìn)行深耕，從而形成差異化競爭。

NBD：結(jié)合當(dāng)前投融資熱度，你怎樣看國產(chǎn)大模型行業(yè)規(guī)模化盈利的拐點(diǎn)？

苗楨：當(dāng)前，資本市場的熱度非常高，大量資金涌入AI大模型領(lǐng)域。這種資本支持不僅為企業(yè)提供了充足的資金保障，還加速了技術(shù)的研發(fā)和產(chǎn)品的迭代。企業(yè)可以利用這些資金快速擴(kuò)大規(guī)模，提高市場占有率，從而更快地實(shí)現(xiàn)盈利。我認(rèn)為這個(gè)拐點(diǎn)的到來，可能會(huì)比互聯(lián)網(wǎng)時(shí)代更快。

互聯(lián)網(wǎng)時(shí)代，付費(fèi)模式的普及經(jīng)歷了從免費(fèi)到付費(fèi)的轉(zhuǎn)變過程。這種模式的成功在于用戶基數(shù)的迅速增長和用戶習(xí)慣的培養(yǎng)。隨著用戶對高質(zhì)量內(nèi)容和服務(wù)的需求增加，付費(fèi)模式逐漸被接受并普及。

AI大模型的應(yīng)用場景非常廣泛，從智能客服、智能寫作、機(jī)器翻譯，到醫(yī)療診斷、自動(dòng)駕駛、金融科技等，每個(gè)領(lǐng)域都有不同的需求。這種多樣化的市場需求為不同企業(yè)提供了差異化的競爭機(jī)會(huì)，也使得付費(fèi)模式更容易被不同類型的用戶接受。

AI大模型行業(yè)將在未來幾年內(nèi)迎來規(guī)?；墓拯c(diǎn)，頭部企業(yè)將占據(jù)主導(dǎo)地位，而中小企業(yè)也有機(jī)會(huì)通過差異化競爭和生態(tài)合作找到自己的生存空間。

生成式AI最大的落地阻礙是技術(shù)、成本算力與商業(yè)模式

NBD：當(dāng)前不少優(yōu)質(zhì)青年科創(chuàng)項(xiàng)目具備技術(shù)優(yōu)勢，卻在融資對接、成果落地、產(chǎn)業(yè)融合環(huán)節(jié)受阻，你認(rèn)為如何高效打通科創(chuàng)項(xiàng)目、資本方與產(chǎn)業(yè)端之間的對接壁壘？

苗楨：結(jié)合畢馬威在支持創(chuàng)新創(chuàng)業(yè)方面的豐富經(jīng)驗(yàn)，我認(rèn)為可以通過以下幾個(gè)方面高效打通科創(chuàng)項(xiàng)目、資本方與產(chǎn)業(yè)端之間的對接壁壘。

構(gòu)建高效的對接平臺，定期舉辦路演、論壇、展覽等活動(dòng)，促進(jìn)各方面對面交流，增強(qiáng)互動(dòng)性。

利用大數(shù)據(jù)和AI技術(shù)，進(jìn)行智能匹配，將合適的項(xiàng)目推薦給潛在的投資方和產(chǎn)業(yè)伙伴。

尋找合適的專業(yè)機(jī)構(gòu)，協(xié)助項(xiàng)目團(tuán)隊(duì)編寫高質(zhì)量的商業(yè)計(jì)劃書，明確商業(yè)模式、市場定位和發(fā)展戰(zhàn)略。提供財(cái)務(wù)模型構(gòu)建和預(yù)測服務(wù)，幫助項(xiàng)目團(tuán)隊(duì)制定合理的融資方案和資金使用計(jì)劃。

建立產(chǎn)業(yè)孵化基地，為項(xiàng)目提供辦公空間、技術(shù)支持和市場推廣等服務(wù)，加速項(xiàng)目落地。

NBD：青年科創(chuàng)企業(yè)普遍有著對接資本市場的長遠(yuǎn)規(guī)劃，但前沿科創(chuàng)業(yè)態(tài)與傳統(tǒng)資本市場規(guī)則存在適配差異，從專業(yè)服務(wù)視角來看，這類企業(yè)提前布局資本市場，最需要優(yōu)先補(bǔ)齊哪些核心能力？

苗楨：公司應(yīng)當(dāng)建立健全財(cái)務(wù)管理能力?；ヂ?lián)網(wǎng)時(shí)代有一句話，叫財(cái)務(wù)總監(jiān)要超配，到了AI時(shí)代，依然適用。企業(yè)應(yīng)當(dāng)及時(shí)和具有資本市場經(jīng)驗(yàn)的會(huì)計(jì)師對接，幫助企業(yè)規(guī)范財(cái)務(wù)管理并對財(cái)務(wù)報(bào)告提出審計(jì)意見。

我們以往見過有一些創(chuàng)業(yè)者可能未及時(shí)與專業(yè)機(jī)構(gòu)接觸，反而通過道聽途說得到一些錯(cuò)誤意見，導(dǎo)致企業(yè)資本市場決策的失誤。在這方面，企業(yè)一定需要投入資源，招聘人才，補(bǔ)齊團(tuán)隊(duì)，千萬不要讓資本市場能力的短板成為企業(yè)快速發(fā)展過程中“木桶”最短的那一塊板。

NBD：生成式AI全面賦能實(shí)體產(chǎn)業(yè)已成一大趨勢，你認(rèn)為AI技術(shù)當(dāng)前最大的落地阻礙是什么？未來一兩年行業(yè)會(huì)迎來哪些實(shí)質(zhì)性拐點(diǎn)？

苗楨：在我看來，當(dāng)前生成式AI最大的落地阻礙在三個(gè)方面：技術(shù)層面、成本算力層面以及行業(yè)應(yīng)用適配與商業(yè)模式層面。

首先，從技術(shù)角度來看，生成式AI模型本身非常復(fù)雜，需要大量的訓(xùn)練數(shù)據(jù)和計(jì)算資源。此外，如何在保證模型精度的同時(shí)，減少計(jì)算資源的消耗，提高模型的實(shí)時(shí)性和響應(yīng)速度，也是一個(gè)重要的技術(shù)難題。

其次，成本算力層面的問題也不容忽視。生成式AI模型的訓(xùn)練和推理需要大量的計(jì)算資源，這導(dǎo)致高昂的成本。對于很多中小企業(yè)來說，構(gòu)建高性能的計(jì)算基礎(chǔ)設(shè)施是一項(xiàng)巨大的投資。

最后，行業(yè)應(yīng)用適配與商業(yè)模式層面也存在不少挑戰(zhàn)。不同行業(yè)的應(yīng)用場景和需求差異很大，AI技術(shù)需要與具體業(yè)務(wù)深度融合，這就需要深入了解行業(yè)知識。另外，如何設(shè)計(jì)合理的商業(yè)模式，使企業(yè)愿意為AI技術(shù)付費(fèi)，也是一個(gè)重要問題。

不過，未來一兩年內(nèi)，這個(gè)行業(yè)可能會(huì)迎來一些實(shí)質(zhì)性的拐點(diǎn)。首先，技術(shù)方面可能會(huì)有一些突破，比如更高效的模型架構(gòu)和算法，使得生成式AI模型更加輕量化，降低計(jì)算資源需求。此外，預(yù)訓(xùn)練模型的進(jìn)一步優(yōu)化和開源，也將大幅降低企業(yè)自研模型的成本和難度。

其次，成本方面也會(huì)有所改善。隨著云計(jì)算服務(wù)商提供的高性能計(jì)算資源變得更加經(jīng)濟(jì)實(shí)惠，企業(yè)的算力成本將會(huì)降低。同時(shí)，高性能計(jì)算硬件的價(jià)格也有望進(jìn)一步下降，使得更多企業(yè)能夠負(fù)擔(dān)得起。

在行業(yè)應(yīng)用適配方面，行業(yè)標(biāo)準(zhǔn)和規(guī)范的制定將促進(jìn)AI技術(shù)在各行業(yè)的規(guī)范化應(yīng)用，降低企業(yè)實(shí)施AI技術(shù)的門檻。不同行業(yè)之間的合作也將推動(dòng)AI技術(shù)在多個(gè)領(lǐng)域的應(yīng)用，形成協(xié)同效應(yīng)。

商業(yè)模式方面，訂閱制模式和增值服務(wù)將成為主流，企業(yè)可以通過提供高質(zhì)量的服務(wù)獲得穩(wěn)定收入。構(gòu)建開放的生態(tài)系統(tǒng)，通過合作伙伴關(guān)系實(shí)現(xiàn)共贏，也將成為一種趨勢。

總的來說，雖然生成式AI在智能制造和汽車全產(chǎn)業(yè)鏈升級中面臨諸多挑戰(zhàn)，但隨著技術(shù)的進(jìn)步和成本的降低，未來一兩年內(nèi)將迎來實(shí)質(zhì)性的拐點(diǎn)。企業(yè)應(yīng)該抓住這些機(jī)遇，積極探索適合自身的AI應(yīng)用路徑，實(shí)現(xiàn)轉(zhuǎn)型升級。

封面圖片來源：每經(jīng)媒資庫