当前，大模型赛道进入“多模态混战”阶段，图文、视频生成技术路线尚未收敛，国内外厂商轮番刷新SOTA。GPT-4o图像生成功能引爆关注后，谷歌Gemini 2.5 Flash Image迅速登顶主流榜单，Meta也借Midjourney数据加速自研图像模型；视频领域，阿里、字节等不断突破生成质量，谷歌更是将视频模型演进为具备实时交互能力的通用世界模型。尽管『DeepSeek』等开源项目推动“模型平权”，但闭源模型凭借资源、人才与技术积累，依旧保持性能领先。预训练Scaling Law放缓虽缩小了开源与闭源差距，但OpenAI、谷歌等通过“开源轻量版+闭源主模型”策略，既激活开发者生态，又反哺主模型持续领先，形成技术与商业闭环。
算力层面，海内外云厂商资本开支持续攀升。海外四大CSP自2023年Q3起连续多个季度环比上升，并上调未来指引；国内厂商为缩小技术差距，也在加大投入。为满足AI训练与推理需求，『芯片』厂商加速新品迭代。『英伟达』从Blackwell向Rubin过渡，AMD MI350对标GB200，MI400将为下一代『服务器』“Helios”奠基；华为通过CloudMatrix 384实现多卡互联，提升整体算力。同时，云巨头自研ASIC节奏加快，北美CSP平均每1~2年推出一代新品，国内阿里、百度、腾讯等也相继发布自研方案，算力竞争进入白热化阶段。
应用层面，AI Agent加速向企业级场景落地。据头豹研究院预测，中国AI Agent市场将从2023年的554亿元增长至2028年的8520亿元，年均复合增长率达72.7%，其中B端占比高达98.5%。相比通用型Agent，企业级Agent更强调与业务流程深度融合，需在特定场景下提供稳定、可靠、可追溯的服务。其价值落地依赖两大核心：一是模型可靠性，通过大模型迭代降低幻觉率，提升事实准确性；二是业务闭环，需将行业隐性知识转化为模型可执行参数，并打通ERP、CRM等系统数据，实现流程自动化与智能化。未来，AI Agent将在高复杂度、数据密集的toB场景中释放更大价值，成为企业『数字化』转型的关键抓手。
