原创 腾讯研究院 2025-06-03 16:30 北京
眼下，行业远未到定局之时，一切皆有可能。
刘琼 白惠天 刘之航 腾讯研究院
以大模型为核心的新一轮人工智能浪潮，正在全球范围内催生一批AI原生企业。本系列研究将AI原生企业界定为：创立之初即将人工智能作为核心产品、服务或能力，并以此驱动价值创造和业务创新的公司，有别于仅将AI嵌入现有业务或作为工具的企业。腾讯研究院聚焦全球100+家AI原生企业，围绕三大关键问题展开系列观察：1）AI原生企业正催生了哪些新技术、产品形态和商业模式？2）AI技术如何深度融入千行百业的应用场景和核心流程，赋能产业升级？3）AI产业生态正在沿着怎样的路径加速演进，带来哪些结构性变革？
与以往产业分析多聚焦单点技术发展或单一企业创新不同，本系列研究将生态作为开篇切入。当前，生成式人工智能正处于从工具跃升为平台的转折期，生态的开放性、可扩展性和协同效应成为决定产业格局的关键变量。本文基于对AI原生企业所依赖基础模型的梳理，初步识别出海外正形成以OpenAI、Anthropic和Google为核心的三大生态阵营。这一选择基于基础模型能力、开发者吸引力、生态开放度及产业影响力等方面的综合考量。本文通过揭示全球AI企业的聚合趋势与落地扫描，为我国在AI生态建设上提供一个观察视角。
一、全球AI原生企业生态全景概览
（一）呈现三大基础模型生态的基本格局
当前，全球生成式人工智能领域已初步形成以OpenAI、Anthropic和谷歌为核心的三大基础模型生态阵营。这三家企业凭借各自在大模型研发、平台开放能力及生态战略上的优势，为AI原生企业提供了不同的创新土壤。OpenAI 生态以开放与多元见长，Anthropic生态以安全和企业级应用为主，谷歌生态则突出技术赋能和垂直创新。
OpenAI生态：规模最大，吸引力最强。截止到2025年5月13日的数据显示，OpenAI生态内初创企业数量最多，共计81家，总估值约634.6亿美元。凭借GPT系列模型开放时间早、通用性强、多模态能力突出等优势，其生态里的AI原生企业在数量和范围上较其他阵营更加丰富，覆盖了AI搜索（如Perplexity AI）、内容生成（如Jasper凭借GPT模型构建第一代产品）、法律服务（如Ironclad、Harvey）、具身智能（如Figure）等众多领域，展现出广泛的应用场景和极强的生态吸引力。
Anthropic生态：规模居中，定位企业级市场与安全。该生态聚集32家企业，估值约501.1亿美元，多聚焦于对安全性、可靠性要求较高的应用场景，如知识管理、自动化决策等。典型AI原生企业如Poe、Alphasense、Cusor等，基于Claude模型开发出面向企业数据管理、合规审查、编程等细分场景的AI产品。Anthropic通过强调模型可控性、安全性和透明性，吸引力了一批致力于企业级AI解决方案的原生创业公司，推动了金融、法律、医疗等高门槛领域的AI原生创新。
谷歌生态：规模最小但增速快。谷歌生态内AI原生企业数量相对较少，有18家，总估值约127.5亿美元。但依托谷歌全栈的技术底座和已有的生态优势，这些企业在创意生成、营销优化、数据分析等细分赛道表现突出。代表企业如BandLab（音乐生成）、Persado（营销内容生成）等，均以Gemini模型为核心驱动力，探索AI驱动的新型商业模式。此外，谷歌通过云服务、工具链和生态集成，助力这些AI原生企业快速落地产品、拓展应用边界。
（二）采用多模型接入策略以增强竞争力
面对激烈竞争和技术的快速迭代，越来越多原生企业选择接入多个基础模型，以兼享不同模型的优势，并降低对单一生态的依赖。例如Anysphere、Clay、Glean、Hebbia和Jasper等公司均支持多模型接入。Hebbia利用Anthropic的安全性进行企业服务，同时通过OpenAI API快速拓展企业智能搜索市场。Anysphere的Cursor产品则整合了各大生态的旗舰模型，为用户提供更多自主选择空间。且部分数据显示，这类企业的估值整体较高。不过，接入多个基础模型，也可能带来技术集成、成本控制等挑战。
这些采用多模型接入的企业还有一个共同特点，即普遍采用B2B2B模式（指AI原生企业为服务型企业客户提供AI能力，这些客户再将服务用于其自身的终端企业或用户，例如“AI企业 → 营销服务商 → 品牌商”）。这类企业多聚焦于数据、营销、金融等典型B端场景，例如Glean专注企业内部搜索，Kindo连接企业数据与多模型接口，Clay提供AI驱动的市场营销服务。其客户往往对模型的能力结构和特性有不同偏好，因此能否提供灵活接入、满足多样化需求，成为这些企业在竞争中的关键优势。
（三）部分AI原生企业专注自研模型
除了三大生态阵营之外，选择完全自研模型的企业也在持续壮大。这些企业大致可以分为两类：一类是以xAI、Cohere、Mistral、智谱等为代表的独角兽公司，它们专注于攻坚通用大模型，力图在基础模型层面实现技术突破，并有望在未来构建起属于自己的生态体系，成为行业新势力。另一类企业则将战略重心放在垂直领域，力求在细分场景中做深做透。比如，Midjourney、Stability、Pika、Suno等公司专注于内容生成、多模态等细分方向，通过技术创新和场景优化，满足特定行业或用户的个性化需求。此外，Physical Intelligence、World Labs等企业则在具身智能、世界模型等更前沿领域积极探索开辟新赛道。自研模型企业的多元化探索和深度创新，正成为推动AI生态进一步多元化和专业化的重要动力。
二、 生态布局差异化：三剑客的打法解析
生成式AI的全球竞争已从单纯的模型能力比拼，逐步演变为生态构建的系统性较量。OpenAI、Anthropic与Google（Gemini等）作为当下最具影响力的三大平台，不仅在技术研发上各自为战，更在生态层面展开了深度博弈。接下来尝试通过统一的分析框架，剖析三者如何通过模型开放、开发者扶持、渠道绑定及行业渗透，构筑各自的生态护城河。
（一）生态核心定位
正如上述所说，三者的生态核心定位各有侧重：OpenAI强调平台吸引力，Anthropic突出安全壁垒，Google则依托生态闭环实现全链路协同。
OpenAI以“通用AI工具平台”为目标，积极构建插件与API生态，通过收购等主动布局，试图成为生成式AI领域的“超级入口”。这种策略有助于快速吸引开发者和企业用户，形成强大的平台网络效应。
Anthropic则将自身定位为“安全导向的企业级AI服务商”，主打Claude模型的稳定性、可靠性与合规性。其生态布局更注重在高门槛行业的深度渗透，通过突出安全和合规优势获取企业信任，进而以稳健为核心建立行业壁垒。
Google则凭借Gemini将AI深度嵌入自身的产品矩阵，实现了从模型到终端硬件的全栈一体化。通过与搜索、办公套件、Android等核心系统的深度整合，Google打造了闭环的生态体系，这种全栈整合极大提升了用户黏性和数据协同能力。
（二）开发者策略对比
OpenAI：通用开发平台+插件生态，激励开发者创新
OpenAI自GPT-3发布起即开始布局开发者生态，提供API、SDK、函数调用、Fine-tuning等工具，支持开发者围绕GPT打造多样化应用，并设有收益分成机制。ChatGPT Plus与Enterprise版本分别面向个人和企业，企业版支持更高调用配额、数据隔离与团队管理功能。OpenAI也提供企业部署的插件功能，使模型能与内部知识库、数据库等系统集成；部分客户通过Azure部署专属实例实现性能隔离与定制化调用。整体上，OpenAI以通用模型+插件机制为主路径，不主动承担行业定制开发，多依赖微软及合作伙伴完成深度服务。
Anthropic：安全为核心的B2B集成，强调协议与行业深耕
Anthropic构建的是以安全性为核心的B2B技术栈，其开发策略以开放协议为基础，并推出MCP（模型上下文协议）用于连接Claude模型与外部系统。Claude支持超长上下文（如100k tokens），适用于法律合同、医疗记录等复杂文档处理任务，极大提升了其在高敏感行业中的实用性。Anthropic并未建设面向通用开发者的大型平台，而是通过API合作、创业者扶持计划（如API补贴、技术对接）与行业客户共建应用场景。例如Robin AI将Claude深度嵌入其法律审阅产品中，并参与模型调优。Claude允许企业通过MCP调用、定制输出结构及对话流程，形成更深层次的AI集成体验。
Google （Gemini等）：构建全栈式AI开发环境，强调从云到终端的深度整合
Google依托其云服务将Gemini等模型开放给开发者，并提供API及工具链。同时Google推出Agents服务和A2A协议（Agent-to-Agent）来支持多智能体协作开发。开发者可以使用Google的工具快速构建代理型应用，让多个模型/代理分工合作完成复杂任务。此外，Google通过与开发工具的集成（如协作代码环境）来吸引开发者：例如与Replit合作，将PaLM 2模型融入编程IDE，实现即写即测的AI编码体验。Google强调其生态“开放”但实际上将开发者引入自家云平台，上下游服务紧密捆绑。
（三）渠道策略对比
OpenAI：联盟+自有入口双轨制，C端、B端协同扩张
OpenAI通过微软Azure深度绑定企业用户，依托Azure云平台作为主要企业分发渠道。同时，OpenAI自有入口：ChatGPT网页和App直接面向终端用户，在消费级市场建立品牌。此外，OpenAI通过与应用厂商合作提供预集成（如与Stripe、Shopify合作插件等）拓展场景。但硬件或系统级预装较少，更多通过微软生态（Office 365 Copilot、Windows Copilot等）间接预装在用户环境中。总的来说，OpenAI的渠道一方面借助云合作伙伴触达企业，另一方面凭借ChatGPT直接触达个人用户。且伴随着OpenAI成为周活跃用户5亿的超级APP后，自有入口的影响力与日俱增。
Anthropic：云平台托管+第三方工具集成
Anthropic主要通过AWS Bedrock、Google Cloud Vertex AI等主流云平台深度合作，将Cloude模型作为这些平台上的可选AI服务，面向企业客户开放。依托云平台的分发能力，Anthropic能够高效覆盖各类企业客户，降低了自建销售和部署渠道的成本。同时，Anthropic积极推动Claude在第三方平台的集成。例如，在Slack中，Claude以AI写作助手的形式嵌入团队协作流程；在Quora平台，Claude为Poe等AI问答产品提供底层能力。这种API/OEM模式，使Cloude能够隐身进入各类企业级和专业场景，提升渗透速度，同时减少前端产品开发压力。Cloude也可通过官网注册，向个人用户提供直接服务。与ChatGPT数亿级用户体量相比，Anthropic的C端入口影响力和规模有限。整体而言，Anthropic在渠道上更偏向“技术赋能者”角色，适合重视安全、合规和行业深度的用户。
Google （Gemini等）：全渠道闭环，AI能力深度嵌入原生生态
Google的渠道策略围绕其原生生态展开。Gemini作为AI中枢能力，已被预装至Gmail、Docs、Android系统、Chrome浏览器等核心产品，并以默认选项出现在多数工作场景中，用户无需额外配置即可调用。在企业侧，Gemini功能通过GCP进行分发，与Google Workspace等工具套件形成打包销售，并可与云存储、权限管理、数据平台集成。此外，Google还通过OEM合作让Gemini AI能力进入合作硬件、车载系统、会议工具等，渠道覆盖广、用户迁移成本较高，形成了一定的渠道壁垒。
（四）垂直行业渗透对比
OpenAI：广泛但依赖第三方完成落地
OpenAI的通用模型被众多初创公司应用于医疗、法律、金融、创意等各行业，实现跨领域渗透。如医疗领域有Abridge将GPT用于病历摘要、健康问答；法律领域有Harvey等用于法律检索和合同分析；创意内容方面，大量写作、绘画平台集成了OpenAI的API。由于OpenAI自身不做细分行业定制，它通过投资和扶持垂直AI公司来间接覆盖行业，OpenAI Startup Fund投资的Descript（音视频编辑）、Mem（知识管理）、Speak（语言学习）等都是典型案例。微软的生态合作也放大了GPT在行业的渗透，如将GPT-4嵌入医疗记录系统、办公软件，为各行业提供现成解决方案。因此OpenAI生态的行业覆盖面最广，但多由合作伙伴驱动完成最后一公里。
Anthropic：重点攻坚高敏感/高价值领域
Anthropic凭借Claude在高合规、高安全要求的领域逐步打开局面。金融和法律是Claude早期渗透的重要场景：前述的Robin AI用Claude让审合同速度提升，被多家头部律所采用；金融行业部分对话投顾、风控分析开始调用Claude以减少幻觉和偏见。医疗健康方面，Claude作为更“守规”的模型，也被一些医疗创业项目测试用于病患沟通总结；在安全/安防（如网络安全情报分析）领域，Claude由于输出可控也有潜力。2024 年 11 月，Anthropic 与Palantir和AWS合作，向美国情报和国防机构提供 Claude 模型。在编码能力方面，Claude在多个基准测试上能力表现突出，Cursor选择将编程助手默认模型从GPT换成Claude，另一家代码辅助工具企业Sourcegraph的数据显示，用户有66%的时间都更偏爱Anthropic的模型。总体看，Anthropic生态选择在法律、金融、安防、编码等高要求场景垂直发力，通过表现出更可靠和守纪律，争取这些行业客户。尽管目前覆盖的行业广度不如OpenAI，但在特定垂直建立了品质口碑。
Google （Gemini等）：深耕优势领域+全面覆盖
Google依托既有行业解决方案，推动大模型全面渗透各垂直行业。 具体而言，其策略包括在过往解决方案中推出专用模型：如Med-PaLM在临床问答测试中领先，用于协助医生解读医疗信息；编码版Gemini已整合进开发者工具；安全版模型与Google云安全产品结合用于自动分析威胁。这些专用模型迅速打开医疗、开发者、安全等细分市场。与此同时，Google通过其云客户网络，将生成式AI引入几乎所有行业：从制造业（质量检测AI助手）到创意媒体（YouTube摘要生成）再到教育（课堂助教AI）等，都由Google Cloud团队联合行业伙伴落地Gemini应用。尤其在创意产业，Google与音乐、设计平台合作提供生成模型（如与BandLab合作AI编曲），显示出对各领域的全面渗透野心。
（五）价格策略对比
OpenAI：API计费+订阅，逐步降低价格
OpenAI采用按调用量计费的API模式，早期价格高企，随着竞争出现已多次降价。OpenAI还推出ChatGPT Plus订阅（个人每月$20）和ChatGPT Enterprise套餐（按用户数收费），通过按席位订阅绑定企业用户长期使用。其与大客户的合作常包含最低消费或Azure云额度绑定（如有报道称法律AI创业公司Harvey承诺两年内在Azure花费$1.5亿以换取优惠）。总体而言，OpenAI在高端模型上维持溢价（例如GPT-4的API费用曾显著高于竞争对手），但正在通过细分产品差异化价格策略争取更大用户基数和数据反馈，从纯利润最大化逐步转向生态规模优先。
Anthropic：灵活定价，价值导向绑定高价值客户
Anthropic的Claude采取与OpenAI类似的按Token计费方式，但常以更长的上下文窗口和安全性作为卖点，对大批量企业客户可能给予折扣。Claude 2（100k上下文）刚推出时性价比被认为优于同等条件下GPT-4。Anthropic还提供Pro与Team订阅（Claude Pro等）供中小团队按月使用。其获得大笔云厂商投资后，也可能在合作云平台上补贴价格以换取流量（例如通过AWS让客户以更低成本试用Claude）。Anthropic总体价格策略偏“价值导向”——在其擅长的高可靠应用上愿以合理价格获取客户，相比之下不和OpenAI展开最低价竞争，而是在服务质量和定制支持上绑定企业，从而形成客户粘性。
Google （Gemini等）：低价捆绑与规模效应并举
Google依托自有算力和产品生态，采取低价捆绑+交叉补贴策略，快速拓展市场份额。依托TPU等自研芯片的成本优势，Gemini API价格显著低于OpenAI同水平模型。例如，GPT-4.1的每百万token输入输出费用（2/8$）约为Gemini 2.5 Flash模型（非推理）费用（0.15/0.6$）的13倍。Google同时通过其广泛产品线交叉补贴：个人用户几乎免费使用Bard等（以获取数据和宣传），企业用户则可以通过已有的Google云合同内获得折扣（例如将Gemini算力计入云消费包）。此外，Google常采用“大单绑定”方式吸引明星创业公司：如与Replit合作时提供云资源和折扣，降低其使用OpenAI的意愿。通过在价格上给予优厚条件，配合其端到端服务，Google意在快速扩大Gemini的企业用户群。可以预见其定价将保持弹性，用规模效应和算力优化来打“持久战”。
结语：
总体来看，尽管OpenAI、Anthropic和Google等头部厂商在大模型生态的构建上各有探索，但目前整个行业的生态壁垒和用户粘性仍处于初步形成阶段。技术更迭迅速、产品体验不断演进，用户和开发者的选择空间依然广阔。未来，生态格局仍有很大变数，谁能持续创新、开放合作、真正满足多元需求，才有望在这场大模型生态的竞逐中占据更为有利的位置。眼下，行业远未到定局之时，一切皆有可能。
