2026年传媒行业策略报告：AI应用迎商业化大年

大模型：百家争鸣，能力持续突破

1.1. 快速迭代竞争加剧，SOTA 高频刷新

2025 年国内外大模型迭代周期缩短，头部厂商竞争激烈且模型能力进一步缩小，并 未出现明确赢家。大模型领域呈现中美双强竞争格局，国内外第一梯队大模型在通 用能力及上的差距持续缩小。从中文文本理解、视频生成、部分推理任务上来看， 国内模型已接近或部分任务能力赶超海外顶尖模型，中国领先 AI 实验室与美国头 部大模型的性能差距已从 ChatGPT 发布后的超过一年缩小至几个月。截至 2025 年 12 月，全球大模型中谷歌 Gemini 3pro、OpenAI GPT5.2、Anthropic 整体水平处于 领先地位，国内大模型中里 Deepseek V3.2 以强推理及代码能力排名全球第 4，国内 第 1，开源大模型第 1。

目前是否开源仍为是中美大模型路径最显性的差异，闭源模型多维度领先局面在被 打破，开源生态未来或将成为国内大模型厂商弯道超车关键。美国厂商倾向于闭源 垄断以保持技术领先和控制风险，如 OpenAI、Anthropic 以及 Google 均选择闭源。 我国则选择多元化开源路线，DeepSeek 等大模型厂商均选择开源。模型开源已是我 国大模型发展的必由之路：1）我国在 GPU 获取受限的背景下，必须以开源聚合分 散算力与场景资源；美国则依托全球范围的大量高质量语料与顶尖算力芯片，得以 通过闭源实现技术深度积累。2）开源模型的灵活部署能够作为快速流量入口，有助 于大模型早期生态的建立与推广以及技术的迭代，同时为大厂云服务业务提供收入 来源。

国产开源大模型 Tokens 用量不断上升，2025 年下半年各厂商激烈竞争逐步打破 DeepSeek 主导地位。根据 OpenRouter，从全球大模型 Token 消耗量来看，我国开源 模型已从 2024 年全球占比 1%左右升至 2025 年底 25%左右。从 25 年年中起， DeepSeek Token 用量大比例领先情况开始改变，MiniMax、Qwen、Kimi、GLM 等 占比提升，预计 26 年竞争将更为激烈。

国内大模型厂商差异化竞争同时迅速追补短板，沿多个技术方向进行升级。 DeepSeek 推理、编程能力及性价比领先；通义千问多模态融合能力强，已形成覆盖 全场景的开源 AI 能力矩阵；豆包大模型中文理解与多模态交互能力突出，Doubaoseed-1-6-vision-250815 在 SuperCLUE-VLM 多模态视觉语言模型榜单中位列国内第 一；KIMIAgent 使用与长文本处理能力突出，KIMI K2 thinking 在 AA-LCR (长文本 推理)测评指标中排名国内第一；智谱编程与代码能力强，尤其擅长前端与多语言编 程。（截至 2026 年 1 月 7 日） 大模型推理成本持续下降，国内厂商“性价比”居前。受构架创新、推理效率和工 程优化、算力本身的成本下降等因素影响大模型推理成本可预期的持续下降，根据 灼识咨询数据，业内平均推理成本由 2022 年末的约每百万 token+20 美元降至 2024 年末的每百万 token 不到 0.1 美元，且预计将以每年约 10 倍的速度持续下降，例如 GPT-4 的每 token 成本已相对发布之初下降了 99%。根据 Artificial Analysis，国内大 模型中，参考单位 token 成本与智能指数，国内大模型厂商较海外“性价比”优势 明显。推理成本下降拓宽了具备经济可行性的应用场景范围，大模型产品与解决方 案得以更广泛部署，助力客户实现盈利性规模化应用，从而加速整体市场扩张。

1.2. 展望 2026：关注原生多模态、长文本、多 Agent 能力

我们认为多模态、长文本、多智能体工具调用能力持续突破以及其他技术方面突破 以提高大模型复杂推理能力为当前及未来一段时间内大模型发展趋势。 2025 年多模态大模型架构和性能上均实现显著提升，2026 年重点关注全模态、图 像、音视频性能提升延续以及技术面更底层端到端的实现。 架构方面，原生多模态架构技术方面出现多项里程碑。与早期将不同模态的理解与 生成任务分离开来，每个模态设置独立编码器，通过后期拼接或适配器组合单模态 模型不同，端到端原生统一多模态模型架构核心是让不同模态在同一个模型主体内 共享表示空间与推理机制，实现端到端的联合学习与深度跨模态理解。

原生架构避免了模块化架构中"翻译"和"拼接"导致的信息损耗，以及如视觉编码器 与语言模型在特征提取维度、语义表征结构及信息密度分布上存在本质差异，导致 跨模态映射过程中产生语义鸿沟等问题。在实际应用中，能够解决过去大多数模型 只擅长部分模态能力的问题，对于复杂问题以及非结构化信息能够进行更好的理解 和深度推理，机器人具身智能、视频理解、实时交互协同等多元化场景的应用，提 供了坚实的技术支撑。 目前更多大模型厂商逐步转向端到端原生架构。阿里于 2025 年 9 月发布新一代原 生全模态大模型 Qwen3-Omni，能够无缝处理文本、图像、音频和视频等多种输入 形式；采用 Thinker-Talker 架构：Thinker 负责文本生成，Talker 专注于流式语音 Token 生成，直接接收来自 Thinker 的高层语义表征。在全方位性能评估中，其单模态任务表现与类似大小的 Qwen 系列单模态模型持平，尤其在音频任务中展现显著优势。 该模型在 36 项音视频基准测试中 32 项取得发布时开源领域最佳性能，22 项达到 SOTA 水平，并能够支持 119 种文本语言交互，端到端音频对话延迟低至 211ms， 视频对话延迟低至 507ms。商汤于 25 年 12 月发布多模态模型架构 NEO，仅需业界 同等性能模型 1/10 的数据量（3.9 亿图像文本示例），便能开发出顶尖的视觉感知能 力。

性能方面，全模态大模型因侧重解决复杂交互问题，因此着重提升文本、图像、语 音、视频理解能力、交互能力以及复杂指令遵循能力。Qwen3-Omni-Flash-2025-12- 01 在 Qwen3-Omni 基础上将音视频交互体验全面升级，大幅增强对音视频指令的理 解与执行能力，多轮音视频对话的稳定性与连贯性显著提升，拟人化程度更高，多 语言遵循能力更可靠，彻底优化上一版本中语言遵循不稳定的问题，确保跨语言场 景下响应准确一致。火山引擎 25 年 12 月发布豆包大模型 1.8（Doubao-Seed-1.8）， 专门面向多模态场景进行了定向优化，大幅提升了视觉理解的基础能力，单次视频 理解帧数从 640 帧提升至 1280 帧，并可以低帧率理解超长视频，该能力可广泛用 于在线教育、安全巡检、产品质检等场景中，同时模型的视频运动理解、复杂空间 理解、文档结构化解析能力显著进步。

2026 年大模型将在长记忆、长上下文处理成本、效率和上下文长度扩展方向迎来技 术创新。目前大模型存在记忆容量有限的难点，单次处理文本的最大长度存上限， 核心是由架构设计特点导致，Transformer 的注意力机制计算复杂度为 O(n²)，文本长度 n 增加一倍，计算量翻四倍，且推理时模型的神经网络权重（参数）为只读状 态，无法根据新信息调整。谷歌提出 Titans 架构，核心是通过模仿人类记忆的分层 结构，引入“神经长期记忆模块”，不再是简单地放大注意力机制窗口，而是让模型 拥有了可动态更新、选择性保留的长期记忆。DeepSeek V3.2 提出 DSA 稀疏注意力 机制，旨在探索和验证在长上下文场景中训练和推理效率的优化，首次实现了细粒 度的稀疏注意力，在长上下文场景中大幅降低计算复杂度的同时，保持模型性能不 下降。

AI 原生应用：26 年大模型厂商流量入口争夺将白热化

2026 年大模型厂商更加注重平台生态搭建以及流量入口的争夺。对于大厂而言致力 于在 AI 基础设施、大模型、AI 应用方向全面布局，一方面将大模型运用于原有生 态及产品线提效，另一方面结合模型及自身路径规划推出新的产品及服务，生态协 同成壁垒，B 端继续争夺“AI 云第一”，C 端商业化闭环加速，同时发力垂直领域； 独立大模型厂商多通过 MaaS 以及推出原生应用构建自己的商业模式，希望凭借模 型能力及海外布局进行突围。 全球大模型市场目前处于商业化初期，随着技术日趋成熟和企业付费意愿增强，根 据灼识咨询，按模型收入口径计算，全球大模型市场规模预计将从 2024 年 107 亿 美元快速增长至 2029 年的 2065 亿美元，CAGR 达 80.7%。其中大模型应用市场规 模有望从 2024 年的 71 亿美元增至 2029 年的 1515 亿美元，CAGR 为 84.3%；同期 大模型 MaaS 市场规模预计从 36 亿美元增至 550 亿美元，CAGR 达 72.7%。

2.1. 大厂路径：内生能力提升+外部服务赋能

2.1.1. 字节：B 端 MaaS 突围，C 端以豆包为核心的丰富产品矩阵领跑市场

座层算力先行，字节大幅投入算力以应对模型训练及应用调用高消耗，并提高算力 利用率。根据 Omidia，字节 2024 年订购了约 23 万块英伟达 H 系列算力卡，超过腾 讯、谷歌等大厂，仅次于微软。据英国金融时报报道，字节 2025 年资本性支出为 1500 亿元，并初步计划 2026 年增加资本支出至 1600 亿元，以进一步建设人工智能 基础设施，其中 AI 芯片预算约为 850 亿元人民币，已下了 2 万颗 H200 的测试单。

字节跳动 B 端大模型时代以 MaaS 突围，AI 应用开发落地能力突出。字节以企业 级技术服务平台火山引擎为云与 AI 服务底座，以火山方舟为大模型 MaaS 核心平 台，形成“云+大模型+行业方案”的全栈布局，聚焦 AI 云原生、多模型生态与企业 级 Agent 落地，支撑各行业智能化转型。2020 年 6 月字节正式对外上线火山引擎， 2021 年 6 月举行首次品牌发布会，为适配云原生与 AI 的双重需求，火山引擎构建 “基础设施层-云原生层-内核引擎层-平台服务层”四层架构，针对性解决行业核心 痛 点 ； 11 月 升 级 为 字 节 企 业 级 技 术 服 务 板 块 ； 12 月 转 向 全 栈 云 服 务 （IaaS+PaaS+SaaS），发布 AI 全系云产品与“万有计划”，包含底层的 AI 引擎（AI 开发平台与 AI 开放平台）、AI 场景产品，以及上层与其他产品线联合形成行业解决 方案，全面发力云市场。

2023 年起火山引擎以 MaaS 战略优先，于 6 月推出 MaaS 模式大模型服务平台“火 山方舟”，集成多家大模型。2024 年成为了国内首个提出并实践 AI 云原生的厂商， 并在 2025 年进一步明确 AI 云原生以 GPU 为核心转向了以模型为核心。火山引擎 提出 AI 云原生新架构中，模型是软件的核心，MaaS 是使用模型的最佳方式，算力 以 Tokens 的方式转换为智能；同时围绕 Agent 开发和运营，云平台和中间件进一 步把 Tokens 组装成 Agents，并实现 Agent 和现有工作流、Agent 和 Agent 之间 的智能互通。基于此，火山引擎在 2025 年 12 月 FORCE 原动力大会提出围绕 Agent 开展的工具链和生态服务：包括企业自有模型的推理代工服务、强化学习平台；企 业级 AI Agent 平台 AgentKit；以及面向 Agent 运营，发布 HiAgent“1+N+X”智能 体工作站。

2.1.2. 阿里：B 端厚积薄发布局全栈，C 端成立事业群大力反攻

区别于字节点状突破，阿里 AI 战略更显“厚重”，目标为构建从底层基础设施到上 层原生应用的完整、闭环的全栈 AI 生态系统。阿里 B 端依托世界规模领先云计算平台阿里云为众多行业提供 AI 算力与服务支撑；C 端依托其强大的 AI 模型能力和 庞大的商业生态，打造超级 AI 原生应用。 阿里云构筑服务 B 端市场的全栈式 AI 基础设施壁垒，对大型企业、政务及金融客 户长期深耕。2009 年，阿里云诞生之初着手研发大规模分布式计算操作系统"飞天 "，通过统一 API 接口提供服务，旨在实现海量服务器资源的计算、存储与网络能力 的池化及集中调度。2011 年起，阿里云开始向外部规模化输出云计算能力；2013 年 突破单集群 5000 台服务器的统一管控；2015 年实现阿里巴巴与蚂蚁金服全量计算 任务云端迁移；2017 年 10 月，神龙架构问世；2019 年完成核心业务系统全面云化； 2020 年 9 月，钉钉纳入阿里云体系；2021 年达成集团全业务上云；2022 年，专为 云数据中心设计的 CIPU 处理器亮相，取代传统以 CPU 为中心的架构，成为云计算 领域的控制中枢与性能加速核心。2023 年，阿里云全面实施 AI 战略，推出百炼大 模型服务平台，集团"1+6+N"组织架构调整，原 6 大板块缩减为电商、云智能两大 核心。2023 年 9 月，吴泳铭同时执掌集团及阿里云 CEO 帅印，在全员信中确立"用 户为先、AI 驱动"双核心战略。

阿里云 AI 云规模整体领先，2026 年或将重点发力 MaaS。在 AI 云领域，Omdia 数 据显示，2025 年上半年，中国 AI 云市场规模达 223 亿元，阿里云占比 35.8%，位 列第一；火山引擎紧随其后，占比 14.8%；华为云占比 13.1%，腾讯云占比 7%。根 据 Omdia 报告，中国 AI 云市场在 2024 年规模为 208.3 亿元，2025 年预计达 518 亿 元，市场进入爆发期。根据信通院。2025 年 2 月，阿里宣布未来三年将投入 3800 亿 元用于建设云和 AI 硬件基础设施，总额超过去十年总和。阿里云在官方各平台对 于 MaaS 的强调力度明显增加，或为 2026 年重点发力方向。

编辑：火腿肠