2026年開年至今，國產AI（人工智能）大模型賽道迎來資本化超級周期。一級市場大額融資密集落地，頭部企業估值接連沖高，資金虹吸效應愈發顯著。

但近一段時間以來，市場風向悄然轉變，資本敘事從技術崇拜轉向商業化拷問。商業化落地難題成為懸在行業頭頂的利劍。截至目前，鮮少國產大模型企業實現穩定盈利，客戶黏性不足、付費意愿偏低成為普遍痛點。

“當前大模型賽道頭部效應顯著，估值泡沫隱現，新玩家面臨高資金與技術壁壘，短期盈利仍難兌現，商業化能力正成為決勝核心。”近日，畢馬威中國華東及華西區工業制造及汽車行業主管合伙人、模速空間主管合伙人苗楨在接受《每日經濟新聞》記者（以下簡稱NBD）專訪時如是說。

商業化能力決定企業上限

NBD：從產業投融資與資本市場視角，你怎么看當前國產大模型賽道？

苗楨：我們能看到，近年來，越來越多的資本涌入國產大模型賽道，包括VC/PE（風險投資/私募股權）基金、產業資本、政府引導基金等。

頭部企業獲得大量資金支持，形成強者恒強的局面，頭部效應明顯。目前，大模型賽道市場競爭日趨激烈，新進入者面臨較大的資金和技術壁壘。部分項目估值過高，存在一定的泡沫風險。大模型的研發和商業化周期較長，短期內難以實現大規模盈利。如何提高客戶黏性，形成穩定的收入來源是企業面臨的挑戰。

隨著競爭進入下一個階段，商業化能力將成為這類企業的核心競爭優勢。目前我們看到，企業積極探索多種收入模式，如SaaS服務（軟件即服務，指一種通過互聯網提供軟件應用的商業模式）、API接口（應用程序編程接口）收費、定制化解決方案等。

NBD：近期多家AI企業接連完成大額融資，估值持續走高，同時部分頭部大模型企業密集沖刺港股上市，AI行業內開始形成多模型上市梯隊格局，你認為接下來國產大模型行業會加速出清，還是會維持多強并存的競爭態勢？

苗楨：在行業發展初期，由于技術門檻相對較低，市場上可能會出現大量的參與者，形成百花齊放的局面。隨著技術成熟度提高，市場逐漸向少數幾家頭部企業集中，形成多強并存的競爭格局。

技術突破和資本整合可能導致市場進一步集中，甚至形成寡頭壟斷的局面。在這種情況下，不同的應用場景對大模型的需求各不相同，企業可以根據自身優勢選擇特定的應用場景深耕，從而形成差異化競爭。

NBD：結合當前投融資熱度，你怎樣看國產大模型行業規模化盈利的拐點？

苗楨：當前，資本市場的熱度非常高，大量資金涌入AI大模型領域。這種資本支持不僅為企業提供了充足的資金保障，還加速了技術的研發和產品的迭代。企業可以利用這些資金快速擴大規模，提高市場占有率，從而更快地實現盈利。我認為這個拐點的到來，速度上可能會比互聯網時代更快。

互聯網時代，付費模式的普及經歷了從免費到付費的轉變過程。這種模式的成功在于用戶基數的迅速增長和用戶習慣的培養。隨著用戶對高質量內容和服務的需求增加，付費模式逐漸被接受并普及。

AI大模型的應用場景非常廣泛，從智能客服、智能寫作、機器翻譯，到醫療診斷、自動駕駛、金融科技等，每個領域都有不同的需求。這種多樣化的市場需求為不同企業提供了差異化的競爭機會，也使得付費模式更容易被不同類型的用戶接受。

AI大模型行業將在未來幾年內迎來規模化盈利的拐點，頭部企業將占據主導地位，而中小企業也有機會通過差異化競爭和生態合作找到自己的生存空間。

訂閱制模式將成主流

NBD：當前不少優質青年科創項目具備技術優勢，卻在融資對接、成果落地、產業融合環節受阻，你認為該如何高效消除科創項目、資本方與產業端之間的對接壁壘？

苗楨：結合畢馬威在支持創新創業方面的豐富經驗，我認為可以通過以下幾個方面高效消除科創項目、資本方與產業端之間的對接壁壘。

第一是構建高效的對接平臺，定期舉辦路演、論壇、展覽等活動，促進各方面對面交流，增強互動性。

第二是利用大數據和AI技術進行智能匹配，將合適的項目推薦給潛在的投資方和產業伙伴。

第三是尋找合適的專業機構，協助項目團隊編寫高質量的商業計劃書，明確商業模式、市場定位和發展戰略。提供財務模型構建和預測服務，幫助項目團隊制定合理的融資方案和資金使用計劃。

第四是建立產業孵化基地，為項目提供辦公空間、技術支持和市場推廣等服務，加速項目落地。

NBD：青年科創企業普遍有著對接資本市場的長遠規劃，但前沿科創業態與傳統資本市場規則存在適配差異，從專業服務視角來看，這類企業提前布局資本市場，最需要優先補齊哪些核心能力？

苗楨：公司應當建立健全財務管理能力。互聯網時代有一句話，叫財務總監要超配，到了AI時代，這句話依然適用。企業應當及時和具有資本市場經驗的會計師對接，幫助企業規范財務管理并對財務報告提出審計意見。

我們以往見過有一些創業者可能未及時與專業機構接觸，反而通過道聽途說得到一些錯誤意見，導致企業資本市場決策的失誤。在這方面，企業一定要投入資源，招聘人才，補齊團隊，千萬不要讓這些成為企業快速發展過程中的短板。

NBD：生成式AI全面賦能實體產業已成一大趨勢，你認為AI技術當前最大的落地阻礙是什么？未來一兩年行業會迎來哪些實質性拐點？

苗楨：在我看來，當前生成式AI最大的落地阻礙在三個方面：技術層面、成本算力層面以及行業應用適配與商業模式層面。

首先，從技術角度來看，生成式AI模型本身非常復雜，需要大量的訓練數據和計算資源。如何在保證模型精度的同時，減少計算資源的消耗，提高模型的實時性和響應速度，也是重要的技術難題。

其次，成本算力層面的問題不容忽視。生成式AI模型的訓練和推理需要大量的計算資源，這導致高昂的成本。對于很多中小企業來說，構建高性能的計算基礎設施是一項巨大的投資。

最后，行業應用適配與商業模式層面也存在不少挑戰。不同行業的應用場景和需求差異很大，AI技術要與具體業務深度融合，這就需要深入了解行業知識。另外，如何設計合理的商業模式，使企業愿意為AI技術付費，也是一個重要的問題。

不過，未來一兩年內，這個行業可能會迎來一些實質性的拐點。首先，技術方面可能會有一些突破，比如更高效的模型架構和算法，使得生成式AI模型更加輕量化，降低計算資源需求。預訓練模型的進一步優化和開源，也將大幅降低企業自研模型的成本和難度。

其次，成本方面也會有所改善。隨著云計算服務商提供的高性能計算資源變得更加經濟實惠，企業的算力成本將會降低。同時，高性能計算硬件的價格也有望進一步下降，使得更多企業能夠負擔得起。

在行業應用適配方面，行業標準和規范的制定將促進AI技術在各行業的規范化應用，降低企業實施AI技術的門檻。不同行業之間的合作也將推動AI技術在多個領域的應用，形成協同效應。

商業模式方面，訂閱制模式和增值服務將成為主流，企業可以通過提供高質量的服務獲得穩定收入。構建開放的生態系統，通過合作伙伴關系實現共贏，也將成為一種趨勢。

總的來說，雖然生成式AI在智能制造和汽車全產業鏈升級中面臨諸多挑戰，但隨著技術的進步和成本的降低，未來一兩年內將迎來實質性的拐點。企業應該抓住這些機遇，積極探索適合自身的AI應用路徑，實現轉型升級。