AI 大模型的发展与演变：从“规模竞赛”到“开源民主化”
大型人工智能模型（Large AI Models）指参数量达数十亿至数万亿、基于深度神经网络构建的通用型机器学习模型，具备强泛化能力与复杂任务处理能力。根据Visual Intelligence综述，大模型可分为两类：大型基础模型（按模态分为LLM语言模型、LVM视觉模型、LMM多模态模型）与大型行业专用模型（按专业化程度分为L0通用、L1行业级、L2垂直场景级）。
发展脉络清晰可见：2017年Transformer架构奠定基础；2018–2020年BERT/GPT验证预训练+微调范式，确立数据、参数、算力三大扩展支柱；2021–2022年GPT-3引发对幻觉与指令遵循的关注，推动监督微调（SFT）和基于人类反馈的强化学习（RLHF）成为标配，ChatGPT加速对话式AI普及；2023–2024年多模态融合深化，文本、图像、音视频统一建模成为主流，Hugging Face等开源平台助推模型开放与可定制化，闭源与开源模型性能差距持续收窄；2024年起推理能力跃升为关键指标，“快思考”与“慢思考”双路径并进，OpenAI o1/o3及DeepSeek R1通过MoE、MLA、MTP等创新架构，以更低训练成本实现高阶推理能力，显著降低技术门槛。
全球大模型发展七大趋势（截至2025年12月）
1. 资本支出持续加码：亚马逊、谷歌、Meta、微软、甲骨文五大超算公司2025年Q3资本支出达1050亿美元，较2020年Q3增长338%，为模型迭代提供坚实算力支撑。
2. 基准性能稳步提升，头部差距持续收窄：近三年全球主流大模型版本迭代表现持续优化，中外头部模型在发布节奏、测评分数上日趋接近，迭代密度明显提高。
3. 开源模型占比近半，性能差距快速弥合：Artificial Analysis评选的27个高分模型中，开放权重模型占13个（48%），其基准测评得分与闭源模型的差距呈波动收窄趋势。
4. 效率与性价比同步跃升，国产模型优势凸显：主流语言模型每百万Tokens推理价格大幅下降——Intelligence Index 20–30分区模型价格由2023年初超32美元降至2024年底不足0.125美元；输出效率亦显著提升，40–50分区模型输出速度由2024年底＜200 tokens/s升至2025年9月约700 tokens/s。SuperCLUE数据显示：2025年9月国内大模型API均价为3.88元/百万Tokens，海外均价20.46元/百万Tokens（为国内5倍以上），国产模型集中于中高性价比区间，海外模型则多处中低区间。
5. Tokens调用量爆发式增长，AI进入需求驱动阶段：OpenRouter统计显示，周Tokens调用量由2024年12月16日当周366B飙升至2025年12月1日当周6.19T，一年增长约16倍，下半年增幅尤为显著，反映用户基数扩大与调用频次上升，AI正由供给侧驱动转向需求侧拉动。
6. 推理模型成绝对主流：全球27个主流模型中，推理模型占比超85%，综合得分显著领先非推理模型。从OpenAI o1到DeepSeek R1，推理能力已成为模型核心竞争力，“会思考”已成刚需。
7. 中美模型差距缩小，中国开源模型全面领先：中美前沿模型在各基准测试中得分均持续提升，差距逐年收窄；当前27个高分模型中，中国模型占比超26%，仅次于美国；在开放权重模型维度，中国模型已在多个权威榜单实现全面领先。
综上，大模型正经历加速演进：算力投入驱动高频迭代，性能持续突破严苛基准；开源生态成熟推动技术民主化，闭源与开源模型能力边界日益模糊；效率与性价比双重提升，叠加使用门槛下降，反向激发大规模应用落地；Tokens调用量爆发印证AI已迈入真实需求驱动阶段；推理能力跃升标志着AI从“能回答”迈向“善思考”；中美技术差距持续收敛，中国在开源模型领域已建立显著比较优势。
（报告来源：民银证券。本文仅供参考，不代表任何投资建议。如需使用相关信息，请参阅报告原文。）