智通財(cái)經(jīng)APP獲悉，近日，國(guó)際調(diào)研機(jī)構(gòu)弗若斯特沙利文(Frost & Sullivan，簡(jiǎn)稱“沙利文”)聯(lián)合頭豹研究院發(fā)布《中國(guó)GenAI市場(chǎng)洞察：企業(yè)級(jí)大模型調(diào)用全景研究，2025H2》。報(bào)告顯示，2025年下半年，全球AI廠商發(fā)布策略顯著分化：中國(guó)廠商依托規(guī)?；度朐陂_源生態(tài)中占據(jù)主導(dǎo)地位，海外廠商則持續(xù)聚焦閉源主線，發(fā)布頻次與覆蓋廣度相對(duì)有限，呈現(xiàn)出“少而影響力集中的閉源發(fā)布特征”。2025年下半年，中國(guó)企業(yè)級(jí)大模型日均調(diào)用量提升至37.00萬億tokens，較2025H1的10.19萬億tokens增長(zhǎng)263%，實(shí)現(xiàn)階段性躍遷。頭部大模型占比均有提升，其中，阿里云千問增幅最多，占比躍升至32.1%，相較上半年的17.7%幾乎翻倍，領(lǐng)先優(yōu)勢(shì)擴(kuò)大，成為最受中國(guó)企業(yè)青睞的大模型。

閉源明顯收斂、開源模型全面爆發(fā)，中國(guó)成為全球開源大模型創(chuàng)新引擎

2025H2，全球AI廠商發(fā)布策略顯著分化：中國(guó)主導(dǎo)開源節(jié)奏，海外強(qiáng)化閉源影響力。中國(guó)廠商依托規(guī)?；度朐陂_源生態(tài)中占據(jù)主導(dǎo)地位，海外廠商則持續(xù)聚焦閉源主線，發(fā)布頻次與覆蓋廣度相對(duì)有限，呈現(xiàn)出“少而影響力集中的閉源發(fā)布特征”。其中，中國(guó)閉源基礎(chǔ)模型賽道快速收斂，頭部效應(yīng)在2025H2集中顯現(xiàn)。而開源模型全面爆發(fā)，中國(guó)成為全球開源大模型創(chuàng)新引擎。

來源：沙利文分析、頭豹研究院

2025H2，中國(guó)企業(yè)級(jí)大模型日均調(diào)用量提升至37.00萬億tokens，較2025H1的10.19萬億tokens增長(zhǎng)263%，實(shí)現(xiàn)階段性躍遷

2025H2日均調(diào)用量的躍遷，反映出AI在企業(yè)中的定位發(fā)生變化，正從零散輔助走向關(guān)鍵流程的深度嵌入。在這一階段，調(diào)用增長(zhǎng)不再主要來自用戶規(guī)模擴(kuò)大，而更多來自單個(gè)業(yè)務(wù)流程中AI調(diào)用頻次與覆蓋環(huán)節(jié)的提升。大模型逐步成為企業(yè)提升生產(chǎn)效率的重要通用能力。

2025年上半年至下半年，企業(yè)級(jí)大模型調(diào)用量整體呈持續(xù)上行趨勢(shì)。增長(zhǎng)的核心驅(qū)動(dòng)來自兩點(diǎn)：一是Agent相關(guān)架構(gòu)在企業(yè)側(cè)加速落地，使模型從一次性問答走向面向任務(wù)的連續(xù)調(diào)用與工具執(zhí)行；二是模型能力與工程化配套持續(xù)提升，帶動(dòng)更多團(tuán)隊(duì)與更多業(yè)務(wù)環(huán)節(jié)開始穩(wěn)定使用大模型，從而同時(shí)推高用戶規(guī)模與單用戶調(diào)用強(qiáng)度?；谶@一演進(jìn)，6月日均調(diào)用量達(dá)到上半年峰值18.74萬億，體現(xiàn)上半年持續(xù)擴(kuò)張的階段性結(jié)果；7至9月延續(xù)穩(wěn)步上行；10至12月在更多流程進(jìn)入常態(tài)化運(yùn)行后，并發(fā)與持續(xù)調(diào)用占比提高，12月日均tokens達(dá)到階段高點(diǎn)并顯著高于下半年均值。

來源：沙利文分析、頭豹研究院

2025H2，開源模型和閉源模型的調(diào)用量均呈現(xiàn)顯著提升。其中，開源模型調(diào)用量占比反超閉源模型，成為企業(yè)級(jí)大模型的主流部署模式

從業(yè)務(wù)場(chǎng)景拆分看，企業(yè)新增調(diào)用主要來自兩類擴(kuò)展需求。第一類是面向核心系統(tǒng)與對(duì)外服務(wù)的擴(kuò)容，這類場(chǎng)景更強(qiáng)調(diào)穩(wěn)定性、連續(xù)性與可追責(zé)性，因此新增調(diào)用往往仍優(yōu)先選擇閉源模型。第二類是內(nèi)部效率工具與業(yè)務(wù)支撐應(yīng)用的新增或快速擴(kuò)張，這類場(chǎng)景對(duì)成本更敏感，對(duì)穩(wěn)定性要求相對(duì)可控，更適合由開源模型承接。兩類需求在企業(yè)內(nèi)部同步增長(zhǎng)，使開源與閉源的調(diào)用量同時(shí)上升。

在試點(diǎn)階段，企業(yè)更關(guān)注單次效果與復(fù)雜能力，閉源模型的穩(wěn)定性與綜合性能優(yōu)勢(shì)更容易體現(xiàn)。但隨著應(yīng)用進(jìn)入持續(xù)、高頻的規(guī)?；褂?，成本與可控性的重要性顯著上升。開源模型通過本地化部署，以及私有云、混合云等部署方式降低單位tokens的使用成本，推動(dòng)其在新增調(diào)用中的占比提升，并使2025H2企業(yè)級(jí)調(diào)用結(jié)構(gòu)進(jìn)一步向開源側(cè)傾斜。

來源：沙利文分析、頭豹研究院

企業(yè)級(jí)大模型調(diào)用流轉(zhuǎn)意愿整體增強(qiáng)，且遷移結(jié)構(gòu)仍明顯偏向“閉源轉(zhuǎn)向開源”

閉源用戶向開源增配的意愿由22.6%升至48.5%，開源用戶向閉源增配的意愿由5.0%升至7.5%，整體遷移方向仍以閉源向開源為主。2025H2，企業(yè)級(jí)大模型應(yīng)用從部門試點(diǎn)加快走向跨部門流程嵌入，高頻標(biāo)準(zhǔn)化場(chǎng)景的調(diào)用量與并發(fā)需求同步上升。

隨著調(diào)用規(guī)模擴(kuò)大，閉源模型按調(diào)用計(jì)費(fèi)帶來的成本壓力更容易被放大，促使企業(yè)將一部分可標(biāo)準(zhǔn)化、可替代的通用場(chǎng)景逐步遷移或增配到開源體系，以提升成本可控性。與此同時(shí)，頭部國(guó)產(chǎn)開源模型在長(zhǎng)上下文、工具調(diào)用、推理效率與本地化交付等能力上持續(xù)提升，并被云廠商以本地化部署方案系統(tǒng)性承載。配套的模型接入、統(tǒng)一評(píng)測(cè)與調(diào)用治理能力逐步完善，降低了遷移門檻與切換風(fēng)險(xiǎn)，使企業(yè)在保持穩(wěn)定性與效果可預(yù)期的前提下，更傾向于將通用場(chǎng)景從閉源轉(zhuǎn)向開源，推動(dòng)2025H2的遷移結(jié)構(gòu)繼續(xù)向開源側(cè)傾斜。

來源：沙利文分析、頭豹研究院

文本內(nèi)容創(chuàng)作仍是應(yīng)用占比最高的基礎(chǔ)場(chǎng)景之一，多模態(tài)內(nèi)容創(chuàng)作成為當(dāng)前增長(zhǎng)最快的應(yīng)用方向

2025H2階段，大模型已廣泛覆蓋內(nèi)容生產(chǎn)、知識(shí)獲取、數(shù)據(jù)分析與研發(fā)支持等企業(yè)核心業(yè)務(wù)環(huán)節(jié)，其中以文本相關(guān)場(chǎng)景構(gòu)成應(yīng)用基本盤，其中，文本內(nèi)容創(chuàng)作(19.4%)、問答助手(13.7%)、數(shù)據(jù)處理與分析(12.9%)、內(nèi)部知識(shí)問答(12.6%)、代碼生成與輔助(12.4%)。從增長(zhǎng)維度看，不同場(chǎng)景呈現(xiàn)出明顯分化。

多模態(tài)內(nèi)容創(chuàng)作以+11.9%的增速位居首位，顯著高于AI搜索(+4.7%)與智能客服(+4.4%)，成為2025H2增長(zhǎng)最快的業(yè)務(wù)場(chǎng)景。這一變化表明，企業(yè)在內(nèi)容形態(tài)日益多元、傳播渠道不斷擴(kuò)展的背景下，正加速引入融合文本、圖像與視頻能力的生成式AI，以提升內(nèi)容生產(chǎn)效率與表達(dá)效果。

來源：沙利文分析、頭豹研究院

2025H2企業(yè)級(jí)大模型市場(chǎng)向頭部廠商高度集中

企業(yè)在調(diào)用規(guī)模擴(kuò)大階段，對(duì)供應(yīng)商的選擇逐步收斂為兩條路徑。第一類依托云平臺(tái)的一體化能力承載大規(guī)模調(diào)用，覆蓋算力調(diào)度、模型接入、運(yùn)維與治理等環(huán)節(jié)。第二類在非核心或成本敏感場(chǎng)景中，以更低的推理成本承接部分流量，作為補(bǔ)充方案。當(dāng)大模型應(yīng)用進(jìn)入生產(chǎn)系統(tǒng)后，企業(yè)對(duì)多廠商并行試用的意愿明顯下降。隨著模型嵌入關(guān)鍵業(yè)務(wù)流程，企業(yè)更傾向于壓縮供應(yīng)商數(shù)量，以降低接口維護(hù)、版本管理與穩(wěn)定性保障等長(zhǎng)期運(yùn)維負(fù)擔(dān)。在日均調(diào)用規(guī)模提升至萬億級(jí)tokens之后，高并發(fā)、長(zhǎng)周期場(chǎng)景下的新增流量通常優(yōu)先投向已驗(yàn)證具備穩(wěn)定承載能力的頭部廠商。以千問、豆包為代表的模型，憑借算力調(diào)控能力、生態(tài)適配能力與規(guī)?；杀緝?yōu)勢(shì)，更容易在增量需求中獲得持續(xù)導(dǎo)入，推動(dòng)企業(yè)級(jí)市場(chǎng)份額進(jìn)一步集中。