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

本报告分析了2026年中大模型行业的竞争格局、技术演进方向、投资建议及风险提示，重点聚焦于模型能力的持续提升、多模态与Multi-Agent架构的发展、开源模型对闭源模型的冲击，以及AI在不同场景下的应用浪潮。

主要观点

1. Scaling Law 未失效，新方向正在打开

• Scaling Law 持续有效：模型能力的提升仍依赖于规模效应，但单一维度的参数堆叠面临边际收益递减。
• 多模态、Multi-Agent、RSI 成为新方向：
  • 多模态：从理解文字到理解世界，如 Gemini 3、Omni 等模型已在多模态能力上取得突破。
  • Multi-Agent：通过多个 Agent 协作完成复杂任务，提升效率，但也带来工程挑战。
  • RSI（Recursive Self-Improvement）：AI 自主训练 AI，形成正向循环，但目前仍处于早期阶段，需大量算力支持。

2. Frontier Model 竞争格局：交替领先，终局未定

• 2025 年 11 月 Google 凭 Gemini 3 短暂领先，但随后被 Anthropic 和 OpenAI 反超。
• 2026 年初 Anthropic 靠 coding 能力反超，而 OpenAI 通过 GPT 5.5/5.6 重回领先。
• 领先优势快速衰减：从 Gemini 3 发布到被 coding 赛道反超仅用两个月，表明大模型竞争进入白热化阶段。

3. 开源模型冲击闭源模型定价根基

• 开源模型性价比高，且在部分场景中已能替代闭源模型。
• 企业客户倾向开源模型，以降低成本和提高数据隐私控制。
• 价格战趋势明显，开源模型的 tokens 占比快速上升，但收入增长尚未同步。

4. 模型与应用的双向演进

• 模型公司向应用延伸：如 Anthropic 推出 Claude Code、Claude Design 等产品，向高价值垂直领域渗透。
• 应用公司也在做模型：如 Cursor、Harvey AI 等，通过自研模型和积累数据增强竞争力，减少对闭源 API 的依赖。

5. AI 应用的三波浪潮

• Vibe Coding：已实现商业化，但面临成本和可验证性挑战。
• Vibe Working：正在渗透白领办公场景，但合规与信任问题仍是障碍。
• Vibe Creating：未来潜力巨大，但商业化路径复杂，需解决主观评价与创作门槛问题。

关键信息

技术趋势

• 多模态模型：Google 的 Gemini 3、DeepMind 的 Omni 等模型在多模态理解上取得进展。
• Multi-Agent 架构：通过协作提升复杂任务处理能力，但面临成本、预测难度和可靠性问题。
• RSI（Recursive Self-Improvement）：AI 自主训练 AI，未来可能形成完全自主迭代的闭环。

市场动态

• 企业端转向开源节流：越来越多企业选择自研模型或使用开源模型以降低成本。
• 中国开源模型全球化：如 DeepSeek、GLM-5.x、Minimax m3 等模型在性能和成本上具有竞争力。
• 价格战加剧：闭源模型因成本高而面临份额流失风险，开源模型则凭借性价比优势迅速扩张。

投资建议

• OpenAI 和 Anthropic 或将在下半年至明年上市，成为板块定价锚点。
• Google 的翻盘机会：依赖 Antigravity 重启产品飞轮，以及多模态与世界模型的布局。
• 中国开源模型的全球化机会：随着企业端需求变化，国产模型在全球市场的份额有望提升。

风险提示

• Scaling Law 失效风险：若模型能力提升放缓，行业投资逻辑将发生改变。
• ARR 增速放缓风险：企业从 token maxing 转向节流，可能影响闭源模型收入增长。
• 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 投资信心波动。

总结

大模型行业在2026年中呈现激烈竞争态势，技术演进方向从单一参数扩展至多模态、Multi-Agent 和 RSI。开源模型正逐步冲击闭源模型的定价根基，企业端从“token maxing”转向“开源节流”，推动国产模型全球化。AI 应用正经历从 Vibe Coding 到 Vibe Working 再到 Vibe Creating 的三波浪潮，每一步都依赖于更有效的 reward 信号和更成熟的合规框架。投资方面，建议关注 OpenAI、Anthropic 上市进展、Google 的翻盘可能以及中国开源模型的全球扩张。行业面临 Scaling Law 失效、ARR 增速放缓和自由现金流压力等多重风险。