传媒行业深度报告_诸侯混战_国模出海——大模型2026年中复盘及展望_19页_2mb

传媒行业深度报告总结

核心内容

本报告聚焦于2026年中大模型行业的竞争格局、技术发展趋势以及投资机会，分析了行业在Scaling Law、多模态、Multi-Agent、RSI（Recursive Self-Improvement）等维度的发展现状与未来方向。

主要观点

• Scaling Law 未失效：模型能力仍在持续提升，但单一维度的参数堆叠已遇边际收益递减，新的 scaling 方向包括多模态、Multi-Agent 和 RSI。
• 理解的本质是压缩：AI 不仅在回答问题，更在执行任务、生成代码、修改文档等，说明其理解能力在提升，而非仅仅基于概率统计。
• 大模型竞争格局：交替领先，终局未定：Google、Anthropic 和 OpenAI 三者轮流占据领先地位，领先优势迅速衰减，竞争激烈。
• 闭源 vs 开源：天平倾斜：开源模型在性价比、可控性和数据隐私方面有显著优势，正逐步被垂直 AI 应用公司采用。
• 三波 AI 应用浪潮：Vibe Coding → Vibe Working → Vibe Creating：
  • Vibe Coding：已爆发，开发者广泛使用，但面临成本和企业预算收紧的问题。
  • Vibe Working：正在渗透白领办公场景，但验证标准模糊、合规风险高。
  • Vibe Creating：未来潜力大，但商业化路径不同，需解决主观评价和创作门槛问题。

关键信息

技术趋势

• 多模态模型：Google Gemini 3、Alibaba-ATH、KlingAI 等在多模态能力上表现突出，中国模型在多模态输出上领先。
• Multi-Agent 系统：通过并行协作提升复杂任务处理能力，如 Kimi Work 项目，但面临成本、预测性和可靠性挑战。
• RSI（Recursive Self-Improvement）：AI 自主训练 AI，形成正向循环，目前仍处于早期阶段，主要应用于研究和后训练优化。

竞争格局

• Google：凭借 YouTube、Waymo 数据和 TPU 算力，具备多模态和世界模型的结构性优势，但 coding 能力落后。
• Anthropic：在 coding 领域领先，但受算力瓶颈和定价策略影响，市场份额有所下滑。
• OpenAI：凭借算力优势，在 coding 能力上迅速追平甚至超越 Anthropic，形成新的竞争格局。

开源模型崛起

• 中国开源模型：如 DeepSeek、GLM-5.x、minimax m3，能力快速追赶，从“能用”走向“好用”。
• 开源冲击闭源定价：企业倾向于使用开源模型节省成本，开源模型的 tokens 消耗量增长迅速，但收入增长未同步。
• 模型路由器：成为连接开源与闭源模型的关键基础设施，推动模型与应用的融合。

投资建议

• OpenAI 和 Anthropic 上市：预计将在下半年或明年陆续上市，对整个板块形成定价锚点。
• Google 翻盘机会：若 Antigravity 重启产品飞轮，结合多模态与世界模型布局，可能实现反超。
• 中国开源模型全球化：随着企业端从 token maxing 转向开源节流，国产模型在全球市场份额有望提升。

风险提示

• Scaling Law 失效风险：若模型能力提升放缓，行业投资逻辑需重新评估。
• ARR 增速放缓风险：企业开始节流，可能影响闭源模型的收入增长。
• 自由现金流与资产折旧危机：大厂 FCF 转负可能引发资本市场对 AI 投资的信心动摇。

未来展望

• AI 应用的三波浪潮：从 coding 到 working 再到 creating，AI 正在逐步渗透到更广泛的领域。
• 垂直 AI 应用公司的策略：转向开源模型 + 自有训练能力 + 垂直场景优化，构建更稳固的护城河。
• 商业化路径分化：Coding 和 Working 以使用量或订阅收费，Creating 则更接近内容平台，注重降低创作门槛。

总结

大模型行业正经历从技术突破到商业化落地的关键阶段，Scaling Law 未失效，但需多维度 scaling 来拓展能力边界。竞争格局持续动态变化，企业与垂直应用公司正通过开源与闭源的结合寻找最优解。AI 应用正从高可验证性向低可验证性场景推进，未来将重塑生产力与创造力的边界。投资机会集中在头部模型公司上市、Google 翻盘、以及中国开源模型的全球化发展。