2025大模型和应用发展趋势及商业化进程分析报告.pdfVIP

INDUSTRYREPORT

2025

行业分析报告

行业研究｜市场分析｜深度洞察

正文目录

和市场不同的观点4

多模态是大语言模型发展的必然趋势5

非原生MLLM：通过Pipeline形式连接多模态与LLM6

原生MLLM：端到端实现多模态，头部厂商的首选架构10

从大模型到多模态：商业化的必由之路13

海外商业化更超前，国内出海进展迅速13

二级公司：国内外2C/2B公司差距并不显著17

多模态产品持续迭代，可用性和商业化均向好18

图像生成：从高质量到易用性，各玩家寻求差异化卖点18

视频生成：国内厂商多模态发力的主要赛道20

其他多模态交互AI产品27

思考：国内大模型的瓶颈，以及国内商业化的难点29

国内大模型瓶颈：核心依然是算力受限，从而导致技术路线创新缓慢29

国内商业化难点：模型仍有差距，且用户付费习惯一般30

国内商业化突破点：多模态应用先行，实现单点到多点扩张31

图表目录

图表1：代表性多模态大语言模型的时间线5

图表2：模块化vs原生：典型架构对比6

图表3：模块化vs原生：原生MLLM具有更好的统一性和效率优势6

图表4：非原生MLLM架构详细示意图7

图表5：主流多模态大语言模型主体结构8

图表6：LLM的性能一直在提高9

图表7：MLLM的训练阶段及数据来源10

图表8：MLLM幻觉的缓解方法10

图表9：头部模型厂商的原生多模态模型和特点11

图表10：GoogleGemini系列模型原生多模态架构11

图表11：头部模型厂商的原生多模态模型主要提升点11

图表12：GPT-4o原生多模态可以通过自然的对话来优化图像12

图表13：Gemini能够交错输出一道菜谱的文本和图像12

图表14：典型原生AI应用的年度经常性收入（ARR）情况13

图表15：全球Top26AI产品的年化收入情况（年化收入≥1亿美金）14

图表16：国内Top31AI产品的年化收入情况（年化收入1000万美金）15

图表17：Top100全球AI公司年化收入分布情况15

图表18：Top100国内AI公司年化收入分布情况15

图表19：AI应用Top30Web访问量和AppMAU16

图表20：国内外2C公司的AI收入贡献度测算17

图表21：国内外2B公司的AI收入贡献度测算18

图表22：主流图像生成产品比较19

图表23：DiT的技术本质：将LDM中的U-Net替换成Transformer模块20