大模型涌现能力使性能从10%跃升至45%，人工智能产业链中谁掌握议价权？
大模型的涌现能力（当模型规模达到某个阈值时，对某些问题的处理性能突然快速增长）从根本上改变了人工智能产业链的议价格局。 其中，上游算力供应商（如AI芯片）因稀缺性掌握了核心议价权，而中游大模型开发商和下游应用方则面临更激烈的竞争。这一结论基于大模型训练对算力的巨大依赖，以及算力资源的有限供给。
涌现能力如何重塑产业链
大模型的涌现能力意味着，模型性能并非随规模线性提升，而是在达到一定规模后突然跃升。例如，在部分任务中，模型准确率从约10%直接跃升至45%以上。这种“突变”特性使得规模成为性能的关键，而规模又高度依赖算力投入。
这一技术特性直接影响了产业链各环节的地位：
- 上游（算力）：AI芯片是算力的核心基础，所有AI应用的落地都离不开庞大算力支撑。由于高端算力资源稀缺且供给受限（如美国对部分高端GPU的出口限制），算力供应商掌握了最强议价权。
- 中游（大模型）：模型开发商（如OpenAI、百度等）虽掌握算法，但面临技术迭代快、投入巨大的压力，且中美差距仅1-3年，竞争激烈，议价能力相对较弱。
- 下游（应用）：应用端虽能通过AI赋能实现降本增效，但依赖上游算力和中游模型，且需面对落地场景的竞争，议价权最弱。
稀缺算力成为定价核心
综合来看，稀缺算力是当前产业链中议价能力最强的环节。大模型的训练和推理都需要海量计算资源，而高端AI芯片的产能和获取渠道有限，这直接推高了算力成本。正如官方资料所述，“越来越多AI应用的落地，都离不开庞大算力的支撑”，这使得算力供应商——尤其是AI芯片厂商——成为产业链中不可替代的关键节点。
相比之下，中游大模型虽然技术门槛高，但模型数量众多（全球千亿参数大模型中，中国企业贡献1/3，美国贡献1/2），且开源趋势加剧了竞争。下游应用则更依赖场景和数据积累，议价空间有限。
常见问题
为什么算力比大模型本身更稀缺？
大模型的涌现能力依赖于模型规模达到某个阈值，而规模又直接与算力投入挂钩。官方资料指出，AI芯片是“人工智能行业的基础层”，其供给受技术壁垒和出口限制影响，导致算力资源成为产业链中最稀缺、最不可替代的环节。
下游应用方如何提升自身议价能力？
下游企业可通过积累优质应用场景和数据（如C端用户数据或B端行业数据）来提升价值。官方资料提到，“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”，但整体议价权仍弱于上游算力。
国内大模型厂商的追赶机会在哪里？
国内大模型与美国差距已缩小至1-3年，中国企业或机构贡献了全球1/3的千亿参数大模型。未来可通过算法创新、国产GPU替代以及应用落地来提升竞争力，但短期内仍受算力约束。