2025多模态大模型和应用发展趋势及商业化进程分析报告（31页）.pdf

1、行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 多模态大模型和应用发展趋势及商业化进程分析报告 正文目录正文目录 和市场不同的观点和市场不同的观点.4 多模态是大语言模型发展的必然趋势多模态是大语言模型发展的必然趋势.5 非原生 MLLM：通过 Pipeline 形式连接多模态与 LLM.6 原生 MLLM：端到端实现多模态，头部厂商的首选架构.10 从大模型到多模态：商业化的必由之路从大模型到多模态：商业化的必由之路.13 海外商业化更超前，国内出海进展迅速.13 二级公司：国内外 2C/2B 公司差距并不显著.17 多模态产品持续迭代，可用性和商

2、业化均向好.18 图像生成：从高质量到易用性，各玩家寻求差异化卖点.18 视频生成：国内厂商多模态发力的主要赛道.20 其他多模态交互 AI 产品.27 思考：国内大模型的瓶颈，以及国内商业化的难点.29 国内大模型瓶颈：核心依然是算力受限，从而导致技术路线创新缓慢.29 国内商业化难点：模型仍有差距，且用户付费习惯一般.30 国内商业化突破点：多模态应用先行，实现单点到多点扩张.31 图表目录图表目录 图表 1：代表性多模态大语言模型的时间线.5 图表 2：模块化 vs 原生：典型架构对比.6 图表 3：模块化 vs 原生：原生 MLLM 具有更好的统一性和效率优势.6 图表 4：非原生 M

3、LLM 架构详细示意图.7 图表 5：主流多模态大语言模型主体结构.8 图表 6：LLM 的性能一直在提高.9 图表 7：MLLM 的训练阶段及数据来源.10 图表 8：MLLM 幻觉的缓解方法.10 图表 9：头部模型厂商的原生多模态模型和特点.11 图表 10：Google Gemini 系列模型原生多模态架构.11 图表 11：头部模型厂商的原生多模态模型主要提升点.11 图表 12：GPT-4o 原生多模态可以通过自然的对话来优化图像.12 图表 13：Gemini 能够交错输出一道菜谱的文本和图像.12 图表 14：典型原生 AI 应用的年度经常性收入（ARR）情况.13 图表 15

4、：全球 Top 26 AI 产品的年化收入情况（年化收入1 亿美金）.14 图表 16：国内 Top 31 AI 产品的年化收入情况（年化收入1000 万美金）.15 图表 17：Top 100 全球 AI 公司年化收入分布情况.15 图表 18：Top 100 国内 AI 公司年化收入分布情况.15 图表 19：AI 应用 Top 30 Web 访问量和 App MAU.16 图表 20：国内外 2C 公司的 AI 收入贡献度测算.17 图表 21：国内外 2B 公司的 AI 收入贡献度测算.18 图表 22：主流图像生成产品比较.19 图表 23：DiT 的技术本质：将 LDM 中的 U-

5、Net 替换成 Transformer 模块.20 图表 24：文生视频模型/产品排行榜：国内公司领先.21 图表 25：图生视频模型/产品排行榜：国内公司领先.21 图表 26：主流视频生成产品比较.22 图表 27：Seedance 1.0 相较于之前 Seed 视频生成模型核心亮点.23 图表 28：Seedance 1.0 的数据处理流程.24 图表 29：Seedance 1.0 的扩散 Transformer 架构.24 图表 30：Seedance 1.0 定制化 RLHF+多维度奖励模型实现模型多维度协同提高.25 图表 31：Seedance 1.0 的官方评测结果.25 图

6、表 32：MiniMax Hailuo 02 NCR 架构示意图（扩散主干部分）.26 图表 33：Hailuo 02 成本远低于同类竞品.26 图表 34：Hailuo 02 能生成复杂、连续的体操/杂技动作.26 图表 35：Hailuo Video Agent 的后续迭代节奏：瞄准完全自主端到端视频 Agent.27 图表 36：其他多模态产品比较.28 图表 37：PictureThis App 首次登录即需要绑定付费信息.30 图表 38：形色 App 没有明显的收费入口.30 图表 39：快手可灵（Kling）的商业化进展迅速.31 和市场不同的观点和市场不同的观点 1）市场对多模