人工智能市场规模的持续扩大，并非单一因素驱动，而是模型供给端扩张与应用需求端落地共同作用的结果。从供给端看，大模型参数量仍处于“军备竞赛”阶段；从需求端看，AIGC 应用（如 ChatGPT）的爆发标志着技术正加速走向生产生活。综合判断，当前阶段参数量增长仍是基础驱动力，但未来增长动力正逐步从供给侧转向应用落地侧。
供给端：参数量竞赛仍在推高市场天花板
大模型的核心特征在于涌现能力——当模型规模达到某个阈值时，其对某些问题的处理性能会突然呈现快速增长。这种“scale law”效应，使得全球科技企业持续加大在算力、数据与模型参数量上的投入。
从全球格局看，模型供给端仍在快速扩张。根据国内 OpenBMB 开源社区统计，在全球超千亿参数大模型中，中国企业或机构贡献了 1/3，美国贡献了 1/2；而在拥有大模型数量及参数量前十名的组织中，中美分别占据 4 席与 6 席。这一数据表明，头部玩家仍在通过扩大模型规模来争夺技术制高点，训练侧的算力投入与数据需求因此持续旺盛，直接拉动 AI 芯片、光模块（CPO）等上游基础设施市场增长。
需求端：应用落地打开市场空间
参数量增长解决的是“模型能力”问题，而市场规模能否持续兑现，最终取决于“应用价值”。AI 被视为数字经济时代的“蒸汽机”，其意义在于为各行各业降本增效。从技术发展阶段看，当前正处于第三代认知智能阶段，ChatGPT 等生成式 AI（AIGC）的出现，标志着人工智能技术开始广泛地应用于生产生活。
在产业链中，下游应用场景是价值兑现的关键环节。有优质应用场景的 C 端企业，以及有数据积累的 B 端企业，有望率先受益于 AI 赋能带来的效率提升。相比训练侧的持续投入，推理侧的变现路径（如 API 调用、行业解决方案）正在逐步清晰，为市场规模的长期增长提供需求端支撑。
未来趋势：从“拼参数”走向“拼落地”
参数量增长对市场规模的乘数效应是否可持续？从产业逻辑看，模型能力是基础，但单纯堆参数的边际效益可能递减。中国在原创模型与算法见解上仍有提升空间，同时算力约束（如高端 GPU 出口限制）也会影响训练速度。因此，未来增长动力预计将从供给侧的技术竞赛，逐步转向需求侧的商业化落地——谁能通过大模型微调与场景适配，解决实际问题并创造实际收入，谁就能在下一阶段竞争中占据主动。
从市场规模预测看，中国人工智能市场的复合增速将持续高于全球增速，总规模占全球市场的比重预计将从 2021 年的 13.8% 提升到 2025 年的 20.9%。这一增长既包含模型供给端的投入，更包含应用落地带来的价值释放。
常见问题
大模型参数量越大，市场规模就一定越大吗？
参数量增长是市场扩张的重要驱动力，但并非唯一因素。模型规模带来能力跃升（涌现能力），拉动上游算力与基础设施投入；但市场规模的持续扩大，最终取决于应用能否落地并产生实际经济效益。
中国与美国在人工智能领域的差距有多大？
在技术方面，国内人工智能大模型与海外差距约为 1-3 年，其中美国在原创算法上的优势约为 2-3 年。但在模型数量上，全球超千亿参数大模型中中国企业贡献了 1/3，拥有大模型数量及参数量前十名中占据 4 席，整体处于跟随和追赶态势。
未来人工智能市场的核心看点在哪里？
综合来看，最值得关注的四个环节是上游的 AI 芯片与光模块（CPO）、中游的大模型，以及下游的落地场景。其中，应用场景的拓展与商业化变现，将是决定市场规模天花板的关键变量。