大模型引发全球市场狂欢之后，实打实的业绩贡献首次体现在相关上市公司财报中。从所披露的创收情况来看，大模型有望成为AI（人工智能）“奇点”，已是不少公司投入产出周期最短、商业化变现最快的技术创新之一。
多家上市公司半年报披露的大模型相关创收，既有软件增值类收入，也有应用赋能类收入，还包括与主业相关的服务类收入。
这至少说明三个问题：其一，不少技术性、平台类公司的大模型已经实现商业化反哺；其二，商业化变现仍处初期，创收规模并不大，仍需挑战更高增量；其三，百度、阿里等大厂并未单独披露大模型收入，而是依然融合在智能云等业务板块，但从这些业务板块增速来看，大模型也成为牵引业务板块发展的动力之一。
商业化的另一端，是这些大模型公司的成本侧。多数公司半年报没有单列大模型的研发投入。不过，无论从三六零上半年研发费用同比提升近4%来看，还是从筹划18亿元定增以加码行业大模型研发及AIGC应用产业化项目来看，这是一个非常“烧钱”的赛道。
对于稚嫩的商业化创新幼苗，国家政策“春风”呵护大模型百花齐放。尽管如此，行业的发展壮大仍然面临两大问题。
一方面，中短期来看，如何进一步将大模型从“选择题”变成“应用题”，是行业必须直面的课题。
AI大模型产业链条较长，算力支持、算法研发、模型训练皆有涉及，以“AI+X”为代表的应用层外延最广。但目前应用层依然在用或不用之间徘徊，因此有的业内人士将大模型与此前的石墨烯产业类比，认为是“食品中的葱花”。
从上市公司半年报所披露的数据来看，大模型创收体量依然很小，应用侧与技术侧之间的良性互动还有极大空间。大模型等生成式人工智能产品，需要更快、更进一步的落地应用，在实践中发现问题、解决问题。
另一方面，从中长期来看，有必要提前关注和预判“百模大战”的模式创新与战况终局，这不仅关乎商业模式，也关乎大模型企业命运。
从半年报所披露的成本侧来看，大模型训练难度高、成本高；对算力规模和性能要求也高；加上大规模数据的收集、挖掘、建设、筛选、清洗本身也是一项巨大的工程，从底层做起的成功率已经越来越低。
大模型产业链上的公司如何在产业演进趋势中找准自己的位置，很大程度上决定着自己的未来。
