这三个数字勾勒出一幅繁荣的产业图景。然而,若剥离光环,向创始人追问“谁付款、剩多少、明年能否续收”,许多商业故事便会显露真实底色:有的收入倍增却亏损更甚,有的名声显赫却仅止于战略合作,有的虽中标示范但预算未定。
赛道真实存在,但个体企业的生存能力需单独审视。对于电商从业者、创业者及AI观察者而言,切勿将“模型能力强”等同于“商业模式成立”。两者之间,隔着完整的产业链逻辑。
一、 厘清收入层级:钱停在哪一层
大模型产业可类比为面包制作流程,分为四层,各层资产属性与付费主体截然不同:
- 第一层(水电灶台):芯片、服务器、智算中心及电力机房。属重资产,折旧快,技术迭代导致硬件迅速贬值。
- 第二层(面粉):通用大模型及按调用收费的平台。收入依赖调用量或项目制,多数独立公司处于高增长、高亏损状态,基础模型正趋于廉价化。
- 第三层(面包店):将模型接入政务、医疗、金融、电商等场景的解决方案提供商。售卖智能体、实施与运维服务,多为项目制或订阅制。
- 第四层(食客):医院、车企、机关、品牌商等最终付费方。AI支出通常从其原有预算中切分。
部分企业宣称“全栈”,实则需甄别其主要收入与资产所在层级。客服、搜索等领域预算已固化,而多数行业仍处试点阶段。需明确,“试点”与纳入“年度预算”是两笔完全不同的账目。
若定位错误,对企业的判断将产生偏差。例如,看似模型公司,实则为信息化集成商,其收入依赖项目验收,一旦业主转向与大厂直签,其价值便大幅稀释。
二、 进化路径:从“能聊天”到“进流程”
2026年的竞争焦点已非“谁能聊天”,而是能否深入业务流。产业发展历经四个阶段:
- 2022-2023(能对话):比拼参数、榜单与融资,距离变现尚远。
- 2024-2025(能推理):攻克复杂任务,开源涌现,价格战重塑毛利结构。
- 2025-2026(能执行):编程助手、智能体兴起,调用量激增伴随算力成本同步上升。
- 当前阶段(进流程):聚焦行业数据、验收与复购。只有当客户每年为同一动作付费,且替换成本高时,才构成成熟生意。
在电商领域,仅能撰写详情页或陪聊的工具,用户多但付费薄,核心指标为获客成本与退订率。唯有嵌入商家上架、客服、投放、复盘等日常流程的产品,才能确保持续订单。替换成本存在于流程之中,而非对话框内。
越接近“聊天”,越需关注烧钱速度;越接近“流程”,越需关注合同与验收。若客户提及“智能体”,需拆解其实际功能:是演示性的聊天,还是已深入工单、代码、质检等环节并明确责任归属。唯有进入生产流程并形成复购,商业闭环才算确立。
三、 区域洞察:北京热度的不同面向
北京作为大模型供给高地,高密度意味着早期同质化竞争。解读数据时需保持清醒:
- 4500亿规模:包含芯片、软件、应用及关联制造,并非单纯的大模型公司市场。
- 2500+企业:形成稳定回款的仅为少数,密度高不等于合作价值高。
- 259款备案:仅是入场券,后续需考察付费意愿与安全验收。
- 280亿元融资:资本集中体现了续航能力,但未转化为订单前仍是纸面安全。
北京不同区域的产业特征各异:
1. 海淀与中关村:全栈密集区
2025年核心产值超3500亿元,汇聚芯片设计、框架、通用模型及应用总部。易产生的误区是将研发主体等同于盈利主体,或将生态伙伴误认为付款方。
2. 亦庄:工厂与场景驱动
核心企业600余家,产业链规模破800亿元。除去机器人热点,真正有价值的是已进入产线预算的部分,需区分样品、中试线与年度供货。
3. 京西:国产算力集群
算力集群扩至约900P。关键在于厘清租用情况:谁在租、租期多久、电费折旧后利润几何。框架协议不等于实质租用合同。
四、 玩家分化:摒弃过时榜单
“大模型六小虎”等旧标签已失效,当前市场主要分为四类玩家:
- 大厂:模型嵌入搜索、云、硬件等业务,预算源自原有部门。需关注其是否真正进入企业预算,而非仅拥有C端用户。
- 独立模型公司:以智谱为例,2026年上半年营收9.54亿元,同比增4倍,但净亏损20.7亿元,亏损额仍大于收入。这印证了“卖调用”模式在覆盖成本前的风险。
- 转型公司:如百川转向医疗、零一万物收缩预训练转向企业服务。需关注其许可、数据壁垒及团队稳定性。
- 硬件公司:芯片、服务器遵循另一套周期逻辑,需关注存货跌价与客户集中度。
评估模型公司时,以下五个指标比总收入更具参考价值:
- 收入结构:调用、项目、订阅、补贴占比。结构变化意味着过往经验失效。
- 毛利与算力成本:收入翻倍时,单均利润可能反而下降。
- 客户集中度:前十大客户是否占据过半份额。
- 现金储备:能否支撑一个完整交付周期。
- 关联采购:若算力源自股东,需重新核算价格与毛利真实性。
五、 降价冲击:中间层的危机
随着开源模型普及和调用价格下降,依靠差价生存的中间层面临严峻挑战。单纯封装界面、无工程能力的转售商极易被替代。
能够维持溢价的企业通常具备以下特征之一:
- 金融、政务等领域对稳定、安全及追责的高要求。
- 应用已深度嵌入流程,替换需重构系统与培训人员。
- 拥有独家且持续更新的数据(如病历、质检数据),而非公开爬取语料。
- 掌握芯片、电力等稀缺硬资源并能按时交付。
对于AI电商工具开发者,若仅提供基于免费模型的简单界面,客户切换成本极低。真正的壁垒在于接入商家旧系统、提供明确的责任界定,并写入客户年度预算。“拥有大模型”已从壁垒转变为成本项,核心竞争力在于数据、入口或已占位的流程。
六、 未来趋势:资金流向两端
未来两三年,利润将向产业链两端集中:
- 上游:可用的芯片、电力、机房及交付能力。出口管制影响交期与成本,进而影响租约与验收。
- 下游:写入年度预算、可验收、可复购的应用场景。
私有化部署、留痕审计、值班服务等配套需求将重新变得昂贵。政策层面,国家推动的是“用起来、管得住”,北京的各种基金、算力券仅为辅助工具。需警惕示范项目专项资金的时效性,以及算力券停止后的业务持续性。此外,需关注模型公司上游供应商(如标注、评测机构)的账期变化,这往往是风险的前兆。
七、 核心法则:层、账、替、还
评估AI生意或合作项目,可依据以下四个维度:
- 层:明确主要收入来源层级,避免混淆模型、项目与补贴。
- 账:拆解收入结构,剔除补贴,确认经营性回款能否覆盖交付周期。
- 替:评估六个月内被开源模型、大厂免费额度或客户自研替换的可能性及成本。
- 还:明确付款主体、时间及资金来源。若无法清晰回答,则商业逻辑存疑。
成熟的生意应能清晰阐述:收入层级、拆分后的账务、前五大客户及账期、替换成本来源(数据/流程/许可)、付款主体一致性等。面对“国内前三”、“战略合作”、“示范项目”等话术,应坚持索取收入结构、订单验收证明及具体招标信息。
无论是ToB服务还是电商工具,最终都应回归本质问题:“客户为什么不换成免费的?”若能给出基于数据、流程或入口的有力回答,则位置稳固;否则,参数与发布会的光环终将消散。
文 / 杨波
中国人民大学信息学院经济信息管理系 教授、博士生导师
本文根据《AI 大模型产业科普与行业洞察》整理,改写成面向电子商务创新创业读者的行业解读。文中公司是产业样本,不构成投资建议,也不构成对任何一户的合作建议。
数字来源说明:
全市规模、企业数、备案259款、2025年融资数据:北京市政府门户网站,2026-07-21。
备案241款、基金投决数据:中央网信办网站2026-06-11转述市科委口径。
豆包月活4.19亿:QuestMobile《中国移动互联网2026年秋季大报告》,统计时点2026年9月。
海淀、亦庄、京西数据:市科委及各区发布会官方口径。
智谱财务数据:媒体引述2026年中期业绩,仅供参考,请以港交所披露为准。

