AI 产业地图
把 AI 当一条产业链来看:上游卖算力与电力,中游训模型,下游做应用,中间还有数据、评测与协议层。本页按 10 个环节收录 63 家玩家,记录可查证的关键节点,并给出编辑读数。所有信息只取公开可查证的来源,不写估值、融资额与榜单名次。
收录规模10 个产业环节 · 63 家收录玩家 · 13 中 / 44 美 地区分布 · 15 个关键节点 · 2022–2025 节点时间跨度
01产业链环节
一条产业链从芯片到应用,中间还有电力、数据与评测。每个环节标注收录家数与核心张力,点环节可筛玩家库。
01芯片与算力SILICON · 9 家训练看峰值算力与互联带宽,推理看能效比与显存。英伟达的护城河是 CUDA 生态而非芯片本身;推理占比上升正在给专用芯片与自研硅打开窗口。训练卖峰值,推理卖吞吐。
02云与推理服务CLOUD & SERVING · 11 家云厂商是开源模型的真正受益者:模型免费,算力收费。批处理、前缀缓存与分层路由把单位推理成本压下数量级,这是 Agent 能落地的前提。开源把模型价格打到成本,云把算力卖成订阅。
03前沿模型 · 闭源FRONTIER LABS · 7 家靠 API 与订阅变现,用完整系统(工具、记忆、护栏、合规)维持溢价。竞赛焦点已从单点跑分转向长任务完成率。闭源卖的不是分,是开箱可用与责任边界。
04开源模型OPEN WEIGHTS · 11 家开放权重让追赶速度从代际压到数月。注意「开放权重」不等于「开源」——多数只放权重,数据与训练代码并不公开。差距以月计,但生态位以战略定。
05Agent 与工具AGENTS & TOOLS · 7 家编程最先跑通,因为代码有编译器做裁判。工具调用标准化(MCP)之后,瓶颈从「能不能调」转为「多步任务的错误累积 0.95ⁿ」。单步 95% 正确,十步只剩六成。
06应用与产品APPLICATIONS · 10 家落地顺序由「产出能否被自动验证」决定:编程 → 客服文案 → 数据分析 → 医疗法律。应用层毛利被 API 成本与订阅定价两头挤压。能自动验证的行业先被改造。
07基础设施与协议INFRA & PROTOCOLS · 13 家工具接入协议、编排框架、模型托管与评测基准构成中间层。这一层的价值随应用数量增长,不随单一模型的胜负波动。中间层赌的是生态,不是冠军。
08数据中心与能源DATACENTER & POWER · 5 家万卡集群的瓶颈正在从芯片转向电力、散热与机柜密度。液冷、供电改造与选址能力,决定了算力能不能真正兑现。卡买得到,电不一定供得上。
09数据与标注DATA & LABELING · 4 家预训练数据接近枯竭,后训练与专家标注的价值上升。合成数据、强化学习环境与高质量人工标注构成新的供给侧。数据从「多」转向「准」。
10评测与基准BENCHMARKS · 3 家基准的寿命越来越短,跑分容易被刷。独立评测、人类偏好竞技场与可复现的第三方对比,成为采购与选型的事实依据。基准出来几个月就被刷满。
02玩家库
只记录公开可查的定位、代表产品、总部与成立年份。点击公司名跳转官网。
| # | 公司 | 地区 | 成立 | 环节 | 定位 |
|---|---|---|---|---|---|
| 1 | 英伟达NVIDIA | 美国 · 圣克拉拉 | 1993 | 芯片与算力 | 数据中心 GPU 与 CUDA 生态是这一轮的事实标准,训练与推理双线受益。 |
| 2 | AMDAMD | 美国 · 圣克拉拉 | 1969 | 芯片与算力 | 以开放软件栈(ROCm)与更高显存容量作为差异化,推理侧逐步切进份额。 |
| 3 | 华为昇腾Ascend | 中国 · 深圳 | 2018 | 芯片与算力 | 国产算力主力,CANN 软件栈对主流框架做适配,是管制环境下国产训练的主要承载。 |
| 4 | 寒武纪Cambricon | 中国 · 北京 | 2016 | 芯片与算力 | 云端推理 ASIC 的国产代表,以思元系列切入互联网推理负载。 |
| 5 | GroqGroq | 美国 · 山景城 | 2016 | 芯片与算力 | 以 LPU 架构做极低延迟的推理服务,按 token/秒卖「速度」而非算力。 |
| 6 | AWSAmazon Web Services | 美国 · 西雅图 | 2006 | 云与推理服务 | 自研芯片(Trainium/Inferentia)+ Bedrock 多模型接入,走「全托管」路线。 |
| 7 | Microsoft AzureAzure | 美国 · 雷德蒙德 | 2010 | 云与推理服务 / 前沿模型 · 闭源 | 前沿实验室的算力出资方与云分发渠道,企业级合规是其差异化资产。 |
| 8 | Google CloudGoogle Cloud | 美国 · 山景城 | 2008 | 云与推理服务 / 芯片与算力 | TPU 自研自用也外供,软硬一体让它能把价格压到结构优势的水平。 |
| 9 | 阿里云Alibaba Cloud | 中国 · 杭州 | 2009 | 云与推理服务 / 开源模型 | 国内最大规模的开源模型托管方,「模型免费 + 百炼平台收算力费」的典型样本。 |
| 10 | 火山引擎Volcano Engine | 中国 · 北京 | 2020 | 云与推理服务 / 开源模型 | 以豆包系模型带动推理用量,把「每千 token 价格」打成国内主要竞争变量。 |
| 11 | Together AITogether AI | 美国 · 旧金山 | 2022 | 云与推理服务 | 开源模型的托管与微调基础设施,赌「开放权重吃掉长尾市场」这一层。 |
| 12 | OpenAIOpenAI | 美国 · 旧金山 | 2015 | 前沿模型 · 闭源 | 把「推理模型」产品化的一侧,从对话产品到 Agent 平台都由它定义了最初形态。 |
| 13 | AnthropicAnthropic | 美国 · 旧金山 | 2021 | 前沿模型 · 闭源 / 基础设施与协议 | 以长上下文、工具协议(MCP)与企业信任为差异化,走「研究安全 + 商业严肃」路线。 |
| 14 | Google DeepMindGoogle DeepMind | 英国 · 伦敦 | 2010 | 前沿模型 · 闭源 | 研究深度最深的前沿实验室,从 AlphaFold 到世界模型再到机器人基座,路线最广。 |
| 15 | xAIxAI | 美国 · 帕洛阿尔托 | 2023 | 前沿模型 · 闭源 / 芯片与算力 | 自建算力 + 极速迭代的追赶者,用集成产品(社交 + 订阅)消化模型成本。 |
| 16 | 深度求索DeepSeek | 中国 · 杭州 | 2023 | 开源模型 | 以 MoE + 极致工程效率把开放权重模型的成本线整体下移,改变全行业定价锚点。 |
| 17 | 通义千问Qwen | 中国 · 杭州 | 2023 | 开源模型 | 覆盖全尺寸的全系开放权重家族,衍生微调模型数量是开源生态里最大的。 |
| 18 | Meta AIMeta AI | 美国 · 门洛帕克 | 2013 | 开源模型 / 应用与产品 | 用开放权重(Llama 系)换取生态位,把前沿能力变成自家产品的供给线。 |
| 19 | Mistral AIMistral AI | 法国 · 巴黎 | 2023 | 开源模型 | 欧洲前沿代表,小而精的开放权重 + 欧洲主权叙事,承接合规敏感客户。 |
| 20 | 智谱Z.ai | 中国 · 北京 | 2019 | 开源模型 | 国内最早开放权重的前沿团队之一,GLM 系列同时服务科研与产业客户。 |
| 21 | CursorAnysphere | 美国 · 旧金山 | 2022 | Agent 与工具 | 把「代码 Agent」做成生产力入口的代表,用订阅制消化模型成本。 |
| 22 | GitHub CopilotGitHub | 美国 · 旧金山 | 2008 | Agent 与工具 | 靠存量开发者分发的最大入口,从补全演进到仓库级 Agent 的渐进路线。 |
| 23 | WindsurfCodeium | 美国 · 山景城 | 2021 | Agent 与工具 | 以「整个 IDE 是 Agent 界面」的交互差异化进入编程赛道。 |
| 24 | CognitionCognition Labs | 美国 · 旧金山 | 2023 | Agent 与工具 | Devin 把「自治软件工程师」做成产品叙事,争议与订单并存。 |
| 25 | PerplexityPerplexity AI | 美国 · 旧金山 | 2022 | 应用与产品 | 把搜索的重构做成「答案 + 引用」,直接动了搜索引擎的入口逻辑。 |
| 26 | MidjourneyMidjourney | 美国 · 旧金山 | 2022 | 应用与产品 | 小团队 + 订阅制 + 不融资的盈利样本,图像生成的审美基准之一。 |
| 27 | 月之暗面Moonshot AI | 中国 · 北京 | 2023 | 应用与产品 / 前沿模型 · 闭源 | 以长上下文产品(Kimi)切入大众市场,是国内 C 端订阅的先行者。 |
| 28 | 豆包Doubao | 中国 · 北京 | 2023 | 应用与产品 / 开源模型 | 以流量分发 + 极低定价做 C 端规模,把「每 token 价格」打到行业最低档。 |
| 29 | Hugging FaceHugging Face | 美国 · 纽约 | 2016 | 基础设施与协议 | 开源模型的事实分发层,权重托管 + 推理服务 + 数据集生态三位一体。 |
| 30 | LangChainLangChain | 美国 · 旧金山 | 2022 | 基础设施与协议 | Agent 编排的事实标准之一,中间件层的「框架赌注」。 |
| 31 | OllamaOllama | 美国 · 旧金山 | 2023 | 基础设施与协议 | 把「本地跑模型」降到一条命令,端侧推理普及的关键工具。 |
| 32 | vLLMvLLM | 美国 · 伯克利 | 2023 | 基础设施与协议 | PagedAttention 论文的开源实现,推理服务的事实引擎之一。 |
| 33 | 英特尔Intel | 美国 · 圣克拉拉 | 1968 | 芯片与算力 | 以 Gaudi 加速器与至强 CPU 组合切入,主打性价比推理与既有数据中心生态。 |
| 34 | CerebrasCerebras | 美国 · 桑尼维尔 | 2015 | 芯片与算力 | 晶圆级超大芯片,用整片硅减少片间通信,走单芯片训大模型路线。 |
| 35 | 腾讯云Tencent Cloud | 中国 · 深圳 | 2013 | 云与推理服务 | 混元模型与 TI 平台绑定,把推理能力做成企业侧标准服务。 |
| 36 | Fireworks AIFireworks AI | 美国 · 雷德伍德城 | 2022 | 云与推理服务 / 基础设施与协议 | 专注开源模型的高速推理服务,把每秒 token 数做成核心卖点。 |
| 37 | ModalModal Labs | 美国 · 纽约 | 2021 | 云与推理服务 / 基础设施与协议 | 面向 GPU 的无服务器平台,按秒计费,适合批处理与实验性负载。 |
| 38 | ReplicateReplicate | 美国 · 旧金山 | 2019 | 云与推理服务 / 基础设施与协议 | 把开源模型封装成一行 API,降低实验与产品化的接入成本。 |
| 39 | CohereCohere | 加拿大 · 多伦多 | 2019 | 前沿模型 · 闭源 | 专注企业检索与 RAG 场景,强调私有部署与数据不出域。 |
| 40 | MiniMaxMiniMax | 中国 · 上海 | 2021 | 开源模型 / 应用与产品 | 开放权重覆盖文本、语音与视频,把多模态生成做成家族化产品线。 |
| 41 | 零一万物01.AI | 中国 · 北京 | 2023 | 开源模型 | 以开放权重的中等尺寸模型切入企业私有化部署。 |
| 42 | DatabricksDatabricks | 美国 · 旧金山 | 2013 | 开源模型 / 基础设施与协议 | 以数据湖仓为底座做模型训练与开放权重,把数据资产直接转成模型资产。 |
| 43 | ReplitReplit | 美国 · 旧金山 | 2016 | Agent 与工具 | 把说一句话生成可运行应用做成产品,Agent 直接产出可部署工程。 |
| 44 | ZedZed Industries | 美国 · 旧金山 | 2021 | Agent 与工具 / 基础设施与协议 | 用 Rust 重写的高性能编辑器,把协作与 Agent 提示做进编辑器内核。 |
| 45 | ContinueContinue | 美国 · 旧金山 | 2023 | Agent 与工具 / 基础设施与协议 | 开源的可配置编程助手,允许接入任意模型与本地上下文。 |
| 46 | RunwayRunway | 美国 · 纽约 | 2018 | 应用与产品 | 视频生成工具化的先行者,把模型能力包成剪辑工作流。 |
| 47 | ElevenLabsElevenLabs | 美国 · 纽约 | 2022 | 应用与产品 | 语音合成与克隆的事实标准之一,把像人声做到可商用水准。 |
| 48 | SunoSuno | 美国 · 剑桥 | 2022 | 应用与产品 | 文本生成完整歌曲,把音乐生成从实验推进到消费级产品。 |
| 49 | HarveyHarvey | 美国 · 旧金山 | 2022 | 应用与产品 | 面向律所与法务的专业 Agent,把合同审查与尽调做成工作流。 |
| 50 | PineconePinecone | 美国 · 旧金山 | 2019 | 基础设施与协议 | 托管向量数据库,是 RAG 架构里最常见的检索层选型之一。 |
| 51 | WeaviateWeaviate | 荷兰 · 阿姆斯特丹 | 2019 | 基础设施与协议 | 开源向量数据库,支持混合检索与多模态向量。 |
| 52 | CoreWeaveCoreWeave | 美国 · 利文斯顿 | 2017 | 数据中心与能源 | 从加密货币挖矿转型的 GPU 云,是这一轮算力租赁的代表性供给方。 |
| 53 | LambdaLambda Labs | 美国 · 圣何塞 | 2012 | 数据中心与能源 / 云与推理服务 | 面向训练与推理的 GPU 云,以按需实例与集群租赁为主。 |
| 54 | EquinixEquinix | 美国 · 雷德伍德城 | 1998 | 数据中心与能源 | 全球机房与互联枢纽,高密度 AI 集群的托管与跨区互联依赖这类中性数据中心。 |
| 55 | VertivVertiv | 美国 · 韦斯特维尔 | 2016 | 数据中心与能源 | 供配电与液冷方案供应商,机柜功率密度上去之后,散热从配套变成瓶颈。 |
| 56 | 施耐德电气Schneider Electric | 法国 · 吕埃 | 1836 | 数据中心与能源 | 数据中心电气架构与能效管理的长期供应商,电网接入与配电改造的关键一环。 |
| 57 | Scale AIScale AI | 美国 · 旧金山 | 2016 | 数据与标注 | 数据标注与模型评测的头部供应商,从人工标注延伸到专家数据与评测服务。 |
| 58 | Surge AISurge AI | 美国 · 旧金山 | 2020 | 数据与标注 | 以高质量人类反馈与专家标注见长,服务后训练与偏好数据。 |
| 59 | AppenAppen | 澳大利亚 · 悉尼 | 1996 | 数据与标注 | 老牌数据服务商,覆盖多语言语料、语音与图像标注。 |
| 60 | 海天瑞声Speechocean | 中国 · 北京 | 2005 | 数据与标注 | 国内语音与多语言语料的主要供应商,覆盖采集、标注与评测集建设。 |
| 61 | LMArenaLMArena | 美国 · 伯克利 | 2023 | 评测与基准 | 人类盲测竞技场,用两两对比的胜率排名替代静态跑分,成为选型的参考坐标。 |
| 62 | Artificial AnalysisArtificial Analysis | 美国 | 2023 | 评测与基准 | 独立模型对比站,把价格、速度、上下文与质量放在同一张表里横向比较。 |
| 63 | Epoch AIEpoch AI | 美国 | 2022 | 评测与基准 | 做算力与能力的长期趋势研究,提供可追溯的训练算力与规模数据。 |
03关键节点
只收公开可查证的历史节点,时间跨度 2022–2025,全部链回官方来源;不收录未经证实的传闻与预测。
2022-11产品ChatGPT 发布,对话式大模型第一次走向大众两个月破亿用户,验证了「对话即产品」的形态,也把通用助手从实验室带进消费品。来源 · OpenAI
2023-03模型GPT-4 发布,多模态理解进入旗舰模型把「可用的专业级推理」变成订阅商品,行业竞争从此以旗舰模型为锚。来源 · OpenAI
2023-07开源Llama 2 开放权重,开源阵营拿到入场券开放可商用的旗舰级权重,把「自部署 + 微调」变成正经的工程选项。来源 · Meta AI
2023-07论文FlashAttention-2 与 PagedAttention:推理基础设施的拐点显存与注意力计算的工程优化成为独立赛道,vLLM 等推理引擎随之成型。来源 · vLLM
2023-11产品GPT-4 Turbo 与自定义 GPT 发布上下文与价格同时下调,模型能力开始以平台加生态的方式分发。来源 · OpenAI
2024-02模型Sora 展示长视频生成,世界模型进入公众视野分钟级、镜头连贯的视频生成第一次被公开展示,也把生成得像与理解物理之间的差距摆上台面。来源 · OpenAI
2024-05模型GPT-4o 发布,语音与视觉进入同一模型端到端多模态把延迟压到接近对话水平,语音交互从轮次变成随时打断。来源 · OpenAI
2024-06模型Claude 3.5 Sonnet 发布,编程能力成为分水岭代码生成与长上下文工程能力大幅提升,编程 Agent 从演示走向可用。来源 · Anthropic
2024-09模型o1 发布:把算力挪到推理阶段用长思维链与强化学习换取难题正确率,想得久一点被产品化,测试时计算成为新赛道。来源 · OpenAI
2024-11协议MCP(Model Context Protocol)开放,工具调用开始标准化模型与工具的接入从各写各的胶水代码,收敛为统一协议;工具写一次,多模型可复用。来源 · Anthropic
2024-12开源DeepSeek-V3 开放权重,MoE 工程效率刷新成本锚点以稀疏激活 + 多头潜在注意力把旗舰级能力的推理成本压下数量级,随后带动全行业降价。来源 · DeepSeek
2025-01开源DeepSeek-R1 开放推理模型权重把「长思维链推理」的训练路径开放出来,可验证奖励(RLVR)从论文变成可复现的工程范式。来源 · DeepSeek
2025-02模型Claude 3.7 Sonnet:混合推理进入商用同一模型可切换直答与深度思考,把推理成本的选择权交回给使用者。来源 · Anthropic
2025-04开源Llama 4 发布,开放权重进入 MoE 时代开放权重的旗舰模型采用混合专家架构,把大而省的工程路线变成开源阵营的标配。来源 · Meta AI
2025-07开源Qwen3 全系开放,开放权重覆盖全尺寸开源阵营从「有旗舰」进入「全尺寸家族」阶段,端侧到云端的权重谱系补全。来源 · Qwen
04编辑读数
编辑读数是对结构的判断,不是对单一公司的评价。
01 · 成本下降才是一切
能力是渐进的,成本是阶跃的。MoE、KV cache 压缩、批处理与前缀缓存把单位推理成本压下数量级之后,一批 2024 年不成立的商业模式(多步 Agent、全天候助手)在 2026 年变成可行。看行业先看成本曲线,再看能力曲线。
10× 推理成本量级下降 · 2026 Agent 落地的成本拐点
02 · 可验证性决定落地顺序
编程最先跑通不是因为模型偏爱代码,而是因为代码有编译器与测试做自动裁判。客服、文案次之。医疗、法律最难——不是能力不够,是产出无法自动验证、责任无法交给模型。判断一个行业的 AI 化速度,先找它的「编译器」在哪。
编译器 编程的裁判 · 0.95ⁿ 无验证时多步任务衰减
03 · 开源的真实受益者是云
开放权重把模型这一层的价格打到接近成本,但跑模型要买算力。云厂商因此有持续动机投入开源——既是技术策略,也是把利润向下游搬运的商业策略。模型层赚「信任溢价」,云层赚「吞吐毛利」,应用层赚「场景差价」。
月 开源追平前沿的时间单位 · 3 层的利润分配结构
05数据说明
数据口径玩家信息取自各公司官网与公开资料,仅收录可公开查证的定位描述。不含估值、融资额、订单数这类变动快且难核实的数字。关键节点全部附官方链接,可自行核验。