猜你想问
这份研报的核心内容是什么？
这份研报主要分析了大语言模型的技术路线、定价与成本、API收入结构以及AI商用空间。报告指出当前大语言模型以Transformer架构为核心，未来技术优化方向包括MOE、稀疏注意力等。模型定价呈现分层趋势，轻量级任务靠性价比竞争，高端模型聚焦高价值场景。预计2025-2026年coding、agent阶段输入token占比将超80%。AI办公被视为第二增长曲线，稳态市场规模约6000亿。
AI大模型行业发展趋势如何？
AI大模型行业正朝着Transformer架构优化方向发展，包括MOE、稀疏注意力等技术提升。模型定价分层明确，轻量级任务竞争激烈，高端模型聚焦coding、科研等场景。API收入结构中coding、agent阶段占比将超80%，mix price呈下行趋势。AI办公市场潜力巨大，稳态规模预计达6000亿，高于coding场景的约4000亿，医疗、法律等领域也存在细分潜力。
研报重点分析了哪些方向？
研报重点分析了大语言模型的技术路线演变、模型定价与成本控制、API收入结构变化以及AI在办公、医疗、法律等场景的商用空间。报告详细阐述了Transformer架构的现状与未来优化方向，对比了GPT与DeepSeek的成本差异，并预测了未来API收入的主要构成和高价值场景的市场规模。
当前AI大模型市场现状如何？
当前AI大模型市场以Transformer架构为主流，推理过程包含分词、词嵌入等步骤，训练分为预训练和后训练。模型定价呈现分层趋势，轻量级任务靠性价比竞争，高端模型聚焦高价值场景。API收入结构中coding、agent阶段占比将超80%，整体mix price呈下行趋势。AI办公市场规模预计达6000亿，高于coding场景的约4000亿。
研报提示了哪些风险？
研报提示了大语言模型技术存在算力消耗压力，厂商需通过动态思考预算控制成本。大模型公司面临重段用户占比过高导致付费项目盈利性不及API的问题。云厂受益于开源模型趋势的逻辑存不确定性，云厂自身需承担训练投入，且模型厂设置的开源授权分成可能影响云厂收益空间。