中国GenAI市场洞察：企业级大模型调用全景研究

State of GenAI：Foundational Modelin Chinese Enterprise, 2025H2 FROST & SULLIVANINSIGHT The contents of these pages are copyright © Frost & Sullivan. All rights reserved. n目录 引言 关键发现KeyFindings 章节1企业级大模型产业发展趋势 开闭源生态布局趋势中国闭源模型发展趋势中国开源模型发展趋势大模型形态演进趋势大模型调用放量的核心驱动力 章节2中国企业级大模型调用现状及趋势 中国企业大模型市场日均调用量及增速开源/闭源大模型调用分布及变化未来开源/闭源大模型调用意愿流转分析大模型日均调用分布开源/闭源大模型日均调用分布 章节3中国企业级大模型调用行为分析 开源大模型选择驱动因素企业大模型业务场景选择分析大模型部署关键痛点与挑战使用大模型的核心驱动力方法论 闭源基础模型加速收敛，企业选型进入“开源底座+闭源能力插件”新范式 n引言 基础模型研发与工程门槛持续上移，使得闭源基模市场从增量竞争转向存量迭代；企业侧不再押注单一闭源路线，而是以开源模型作为长期可控底座，在关键推理、安全、内容治理等高风险能力位引入闭源模型补齐短板，形成底座可控、能力可插拔的架构范式。 沙利文联合头豹研究院发布《中国GenAI市场洞察：企业级大模型调用全景研究》，在调研层面，我们面向企业IT部门负责人、技术总监/经理及AI项目负责人开展系统性问卷调查，共回收问卷1,000份，其中有效问卷870份，样本覆盖互联网、金融、消费电子、汽车等重点行业，具有较强的行业代表性。调研对象所在企业类型多样，覆盖不同营收层级和AI投入规模的企业。 2025H2企业“闭源转开源”意愿显著增强，成本控制与工程化成熟度是推动这一迁移趋势的核心动力 进入2025下半年，企业由闭源主导转向开源主导的趋势显著增强，由25H1的25.9%增长至25H2的48.5%。这一转变主要由成本控制与工程成熟度共同驱动。随着应用规模扩大，成本考量促使企业在通用场景转向开源体系；同时，基础设施的完善有效降低切换门槛，提升模型迁移的确定性与可行性。 多模态成为企业级大模型最确定的增量方向，内容与交互场景率先放量 本研究旨在评估企业级大模型市场开源与闭源模型的部署情况，并洞察企业选择偏好背后的动因，形成对中国企业级大模型应用现状与趋势的结构化理解，为中国企业级大模型市场提供具有指导性的洞见。 2025H2，GenAI应用形态加速由文本走向多模态。随着图像、视频与跨模态能力成熟，多模态模型不再停留在展示或实验层，而是快速嵌入内容生产、营销、娱乐、搜索等业务场景。大模型开始参与企业内容资产处理与商业价值创造，显著提升单一业务流程的调用频率与调用强度，成为2025H2企业级GenAI的增量方向。 AIAgent成为企业大模型调用量增长的核心驱动力 当大模型进入客服、风控、营销、研发等核心流程后，调用更多由系统自动触发并在工作流中持续运行，Tokens消耗随之呈现稳定、连续的增长。2025H2调用量上升主要来自业务流程的自动化改造带来的任务级调用扩张，Agent成为新增调用的主要来源。 开源竞争焦点是灵活适配性，而闭源核心价值转向工程交付与合规能力 企业级市场已进入工程能力主导阶段。开源模型的竞争不再是单点性能领先，而是模型尺寸梯度、场景适配、微调效率、可部署性与生态工具链；同时，闭源模型的溢价逻辑则取决于更新节奏、工程交付能力、稳定性保障、安全合规与责任边界，性能优势变成必要非充分条件。 企业级大模型落地瓶颈转向“组织与合规”问题，治理能力决定规模化上限 2025H2大模型落地的主要阻力不是算力或模型成本，而是来自治理层的约束：数据安全与隐私保护压力上升，可复制的实践与培训体系不足，以及员工采用意愿不足，这显著增加企业摩擦成本。企业推进大模型的关键动作从“技术选型”转为“制度化运营与能力体系建设”。 Key Findings关键发现 2025H2中国企业级大模型日均调用量相比2025H1增长3.63倍 2025H2中国企业级大模型日均调用量达37.0万亿tokens较2025H1增长263% 2025H2中国企业级大模型调用市场，千问大模型调用量 1.企业级大模型产业发展趋势 1.3中国开源模型发展趋势 闭源明显收敛、开源模型全面爆发，中国成为全球开源大模型创新引擎 与闭源赛道收敛形成鲜明对比，2025年下半年中国开源大模型进入集中爆发期，成为产业结构性转折。一方面，闭源基础模型发布显著收敛，持续投入的玩家快速集中至约7家头部企业，底层模型竞争进入高度集中阶段；另一方面，开源模型全面进入爆发区间，以63.0%的发布占比跃升为国内模型发布的绝对主流，产业重心由“闭源突破”转向“开源扩散”。 从全球视角看，中国在开源领域的主导地位进一步强化。2025H2全球新增开源大模型中，中国厂商贡献占比高达90.2%，显著高于海外市场，使中国从重要参与者跃升为全球开源大模型创新的核心引擎与主要输出国。开源已不再只是技术路线选择，而成为中国大模型产业在全球竞争中的关键战略优势。 中国开源vs闭源模型发布统计 中国vs海外开源模型发布统计 中国在开源大模型领域形成的相对领先，核心来自本土科技企业对开源路线的长期投入与持续迭代。以千问（Qwen）为例，其在综合性能、模态能力与下游任务覆盖上保持较强竞争力，同时提供从小到大的多尺寸选择，降低了开发者采用与部署门槛，因此在国内外开发者社区积累了广泛影响力，并逐步成为全球开源生态的重要底层模型之一。在此基础上，DeepSeek、智谱、Kimi等新兴厂商以高性能与高开放策略快速切入，推动技术路线与产品形态加速分化，对既有格局形成持续压力。结果是，开源生态的模型供给更丰富、社区更活跃、试错成本更低，整体创新效率也随之提升。 2.企业级大模型调用现状及趋势 2.1中国企业大模型市场日均调用量及增速 2025H2，中国企业级大模型日均调用量提升至37.0万亿Tokens，较2025H1的10.2万亿Tokens增长263%，实现阶段性跃迁 2025H2日均调用量的跃迁，本质上反映的是AI从“企业边缘辅助”向“企业操作系统核心”的渗透。在这一阶段，调用增长不再仅仅是用户数的增长，而是单个业务流中AI参与密度的增长，大模型已成为驱动企业生产效率阶梯式上升的基础设施。 单位：万亿Tokens 2025年H2大模型调用量实现阶段性跃迁，其原因在于： 一、从“对话式AI”向“Agentic Workflow（智能体工作流）”的范式转移：2025年H1期间的大模型应用多为简单的单次对话，而2025年H2期间，企业重心转向自主智能体，开始构建能够自主规划、调用工具并循环迭代的智能体系统。Agent通过任务拆解自动触发多轮调用，这种“自动触发、多轮反馈”的机制使得单次业务处理对Tokens的消耗呈几何倍数增长，单次人工指令产生5-10倍的Tokens杠杆效应。 二、推理成本的“价格拐点”释放长尾需求：由于API成本已接近“水电煤”化，企业不再对调用量进行严格限额，转而追求“全流程、全员化”的覆盖，原本被高成本抑制的非核心业务需求在H2集中爆发。 三、推理能力增强带动“单次请求价值”的提升：随着R3或同级别深度思考模型的成熟，模型在生成答案前会进行大量的内部“思考（CoT）”，这些不直接显现但计入调用的推理Tokens极大地抬升H2的统计基数。 从时间分布看，2025年企业级大模型调用量呈现明显的阶梯式上升态势： 上半年增长斜率受价格驱动明显，API成本的大幅下降促使企业完成从模型选型到初步接入的过渡。6月达到H1峰值18.7万亿，体现年中业务冲刺对AI能力的初步释放。 7-9月调用增长以既有系统扩容为主，整体抬升相对平稳。10-12月随着企业内部Copilot工具、营销自动化系统、智能风控与流程机器人等高频场景集中上线，模型调用进入高并发、持续消耗状态。12月的Tokens日均调用量达到49.0万亿，显著高于H2均值，形成强劲的年底拉升。 3.企业级大模型调用行为分析 3.1开源大模型选择驱动因素 开源与闭源模型选择因素发生迁移，企业决策从“性能导向”转向“适配与运营导向”，开源更看重可选广度、可复制落地与知识产权可控以保障合规上线，闭源更看重供应商更新迭代速度与配套服务以保障交付与运营节奏 企业在2025H2选择开源大模型时最优先看重模型供给的广度与可选性，其次关注落地可复制性与安全合规的确定性，决策核心聚焦在选得到、用得上、上线稳。紧随其后的是对模型知识产权可控的强关注，反映企业在引入开源能力时需要清晰的权责边界与资产掌控。性能表现与品牌知名度处于第二梯队，主要用于提升方案可信度与内部决策通过率。成本更低、定制化开发能力和部署灵活性的重要性相对靠后，更像是在满足合规与交付确定性之后的工程与经济性优化项。 2025H2企业选择闭源大模型时最核心的驱动来自更新迭代速度，其次是配套支持服务能力，决策逻辑聚焦在供应商能否持续交付更强能力并用稳定的服务体系保障上线与运营节奏。落地案例的重要性排在第三位，体现企业更倾向用可验证的成功实践来降低试错成本并加速内部共识形成。安全可信与合规位列其后，更多承担准入与风险边界的约束作用，确保闭源能力在业务扩张过程中保持可控与可审计。 n方法论 沙利文和头豹研究院布局中国市场，深入研究19大行业，532个垂直行业的市场变化，已经积累了近100万行业研究样本，完成近10,000多个独立的研究咨询项目。 研究院依托中国活跃的经济环境，从纵深防御、快速响应、轻量化部署等领域着手，研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业走向上市及上市后的成熟期，研究院的各行业研究员探索和评估行业中多变的产业模式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法，采用自主研发的算法，结合行业交叉的大数据，以多元化的调研方法，挖掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的发展趋势，在研究院的每一份研究报告中，完整地呈现行业的过去，现在和未来。 研究院密切关注行业发展最新动向，报告内容及数据会随着行业发展、技术革新、竞争格局变化、政策法规颁布、市场调研深入，保持不断更新与优化。 研究院秉承匠心研究，砥砺前行的宗旨，从战略的角度分析行业，从执行的层面阅读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 n法律声明 本报告著作权归沙利文和头豹所有，未经书面许可，任何机构或个人不得以任何形式翻版、复刻、发表或引用。若征得头豹同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“弗若斯特沙利文”“头豹研究院”，且不得对本报告进行任何有悖原意的引用、删节或修改。 本报告分析师具有专业研究能力，保证报告数据均来自合法合规渠道，观点产出及数据分析基于分析师对行业的客观理解，本报告不受任何第三方授意或影响。 本报告所涉及的观点或信息仅供参考，不构成任何证券或基金投资建议。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告或证券研究报告。在法律许可的情况下，沙利文和头豹可能会为报告中提及的企业提供或争取提供投融资或咨询等相关服务。 本报告的部分信息来源于公开资料，头豹对该等信息的准确性、完整性或可靠性不做任何保证。本报告所载的资料、意见及推测仅反映沙利文和头豹于发布本报告当日的判断，过往报告中的描述不应作为日后的表现依据。在不同时期，沙利文和头豹可发出与本报告所载资料、意见及推测不一致的报告或文章。沙利文和头豹均不保证本报告所含信息保持在最新状态。同时，沙利文和头豹对本报告所含信息可在不发出通知的情形下做出修改，读者应当自行关注相应的更新或修改。任何