北美AI产业目前处于模型能力提升的渐进式阶段,而非跃迁式阶段。模型训练经历了从“无脑堆算力”到“预训练撞墙”再到“后训练强化学习”的转变,目前处于迷茫阶段,但下一阶段方向已相对明确。产业对继续推大参数量提升模型智力水平方向达成共识,但参数量扩张规模尚不明确。RSI成为产业方向性共识,但目前具体方法论和上限尚不清晰。
北美AI产业赛道发展趋势显示,产业重心开始向下游商业化闭环转移,模型供给变充裕,价值回流到具备GPU计算资源或数据壁垒的云端和应用层。非Coding场景兴起,客户和场景从IT部门向泛白领扩散,token调用量增长,但增速斜率尚不明确。企业级场景如客服Agent开始落地,交付方式比传统软件快,但商业模式尚不清晰。AWS Bedrock等多模型API管理平台增长迅速,推动企业级市场需求。推理云厂商开始自持算力,token工厂业务景气度上升。数据中心建设受电力供应约束,产业转向表后电源和多种电源混合方式。
研报重点分析了北美AI产业模型能力提升从跃迁式进入渐进式的转变过程,包括模型训练环节的预训练和后训练阶段。预训练方面,产业对继续推大参数量提升模型智力水平方向达成共识,但参数量扩张规模尚不明确;后训练方面,RSI成为产业方向性共识,但目前具体方法论和上限尚不清晰。此外,研报还分析了下游需求的变化,包括非Coding场景的兴起、企业级场景的落地、云服务与推理云业务的增长,以及数据中心硬件建设的电力供应约束问题。
当前市场现状显示,北美AI产业模型能力提升进入渐进式阶段,产业重心向下游商业化闭环转移。客户端Coding渗透率在科技企业约90%,传统企业约50%;AI客服Agent渗透率约10%~20%。AWS Bedrock业务规模已达几十亿美金,预计年底达几百亿美金,AWS Innovation Center服务企业数达1万多家,70%已部署AI应用。非Coding场景和企业级场景开始兴起,云服务和推理云业务增长迅速,但商业模式尚不清晰。电力供应成为数据中心建设更前置的约束,产业转向表后电源和多种电源混合方式。
研报提示的风险包括:模型训练环节的预训练和后训练方向尚不明确,具体方法论和上限有待探索;非Coding场景和企业级场景的商业模式尚不清晰,其增长速度也存在不确定性;云服务和推理云业务虽然增长迅速,但市场格局和竞争态势仍需观察;数据中心建设受电力供应约束,可能影响产业布局和成本;产业重心向下游转移过程中,云端和应用层面临整合和变现的挑战。