2026年人工智能行业专题（16）：Agent驱动全球模型厂MaaS收入爆发，国产模型各有优势

大模型行业发展趋势

大模型迭代：26年大模型正式进入Agent时代，从对话走向智能体交互

编程能力被验证是支持Agent智能体发展的核心能力，26年全球正式进入Agent自主完成任务、调用工具的时代。Agent将大模型包装起来，加上了记忆（Memory）、规划（Planning）和工具（Tool Use）。Agent能处理的任务时长，正以“每7个月翻倍”的速度指数增长。

Token需求侧：任务复杂性提升推动Token量非线性增长

随着技术成熟，任务复杂度、Agent占比、多模态任务提升推动Token量非线性增长。A技术迭代使得大模型向“智能体执行”和全模态技术跃迁，任务复杂度从对话 → 编程 → 智能体 → 视频，Token消耗呈指数级增长。1)智能体：Anthropic实测数据显示单任务Token消耗达普通对话的4倍，多Agent协作则高达15倍。根据IDC预测，活跃Agent数量将从2025年的约2860万快速增长至2030年的22.16亿，这意味着单一用户的调用强度将持续放大。2）多模态：根据火山引擎，生成一段15秒纯生视频就消耗30.9万Token，测算是普通对话21倍。

全球企业AI采用率自25年起快速提升

OpenAI、Anthropic、谷歌在全球B端大模型中占优。根据Ramp Al，美国企业AI采用量总体48%，其中OpenAI34%，Anthropic24%。

千问、豆包、Deepseek在国内B端市场占优。根据Frost & Sullivan，在中国大模型B端市场，2025H2，千问（Qwen）系列模 型的日均Token调用量优势扩大，占比32.1%，字节豆包为21.3%、 DeepSeek为18.4%。，根据国家统计局，截至2026年3月，中国国 内日均Token（词元）调用量已突破140万亿，增长超1400倍。

Agent能力提升：模型架构、工程化、数据构建多维优势

在Transformer架构未发生颠覆性变革的背景下，架构红利边际递减。全球大模型架构基本收敛到Transformer/MoE。

在国内Deepeek、千问开源基础上，国产模型着重提升工程化、数据能力，来弥补算力限制。在国内算力紧缺背景下，单纯堆叠参数（如从千亿到万亿）带来的能力提升成本过高。工程化能力与高质量数据（思考过程等）是国产大模型提升能力和商业化价值的重要因素。

测评集：场景洞察与评测集构建的意义在增强

传统通用榜单已无法准确衡量 AI 时代的真实生产力价值，模型厂商正转向构建以业务价值为核心的私有化、场景化自定义评测体系。姚顺雨 (OpenAI 前研究科学家) 于2025年4月 GitHub 平台发布的一篇博客文章表示：AI正处在“中场休息”阶段，上半场是训练大于评估，下半场将是评估大于训练，重心转向 "定义问题" 。根据晚点访谈Minimax闫俊杰“中国跟美国模型的一个区别，就是缺少内部定义的 benchmark，一些自己的底层思考和设计，更多是在对齐O1等模型的输出。” 

例如智谱发布龙虾场景端到端 Agent 评测基准ZClawBench。腾讯模型新基准 CL-bench，测试大模型“从上下文中学习”的能力。

AI Agent 时代：模型巨头开启广告模式，需观察对传统广告市场影响

大模型基座（规则）：根据姚顺雨在语言即世界的访谈，底座是少数强大的基础模型（单极），上层是围绕不同交互方式构建的海量、多元Agent应用生态。当前，大模型主要通过出售算力（Token）和模型能力调用许可来收费。比如根据TechCrunch，微软会将 Bing 和 Azure OpenAI 服务约 20% 的收入返还给 OpenAI。

AI 智能体/应用（决策）：差异包括Harness等。①任务调度与编排能力；②私有数据与上下文记忆。③技能生态的集成与优化等。封装的OpenClaw，控制了用户与AI交互的首要入口和调度规则。曾经APP通过掌握中心化分发能力所取得的广告费用有可能受到影响。根据Axios，4月OpenAI计划，2030年广告收入达到1000亿美元，每次对话展示1-2条"Sponsored"推荐卡片，与AI回答物理隔离。