聚焦传媒行业LLM专题研究(一):长期模型优先,看好coding商业化价值。我们复盘LLM (Large Language Model)的技术路径发展,2025年以前模型厂商通过堆算力、数据,做大模型参数,从而发挥预训练scaling law,打造底模的智能基础,以此锁定继续在AI牌桌上角逐的入场券,即报告认为预训练是大模型竞赛的首要核心壁垒。报告认为投入量级的差距主要是研发的试错成本,更多的算力和人才,可以支撑不同技术路线的同时探索,或是此前拉开技术代差的原因之一。Coding场景的先发优势源于两大技术支撑:内生思维链让模型可自发完成推理与思考过程,Coding的可验证性则通过反馈循环实现能力持续提升,二者形成完整迭代闭环。
聚焦传媒行业LLM专题研究(一):长期模型优先,看好coding商业化价值。我们复盘LLM (Large Language Model)的技术路径发展,2025年以前模型厂商通过堆算力、数据,做大模型参数,从而发挥预训练scaling law,打造底模的智能基础,以此锁定继续在AI牌桌上角逐的入场券,即报告认为预训练是大模型竞赛的首要核心壁垒。报告认为投入量级的差距主要是研发的试错成本,更多的算力和人才,可以支撑不同技术路线的同时探索,或是此前拉开技术代差的原因之一。Coding场景的先发优势源于两大技术支撑:内生思维链让模型可自发完成推理与思考过程,Coding的可验证性则通过反馈循环实现能力持续提升,二者形成完整迭代闭环。
聚焦传媒行业LLM专题研究(一):长期模型优先,看好coding商业化价值。我们复盘LLM (Large Language Model)的技术路径发展,2025年以前模型厂商通过堆算力、数据,做大模型参数,从而发挥预训练scaling law,打造底模的智能基础,以此锁定继续在AI牌桌上角逐的入场券,即报告认为预训练是大模型竞赛的首要核心壁垒。报告认为投入量级的差距主要是研发的试错成本,更多的算力和人才,可以支撑不同技术路线的同时探索,或是此前拉开技术代差的原因之一。Coding场景的先发优势源于两大技术支撑:内生思维链让模型可自发完成推理与思考过程,Coding的可验证性则通过反馈循环实现能力持续提升,二者形成完整迭代闭环。核心数据:我们梳理当前头部AI coding产品ARR,测算当前全球Coding市场规模约80亿美元,CR4达86%,行业集中度高;长期来看,基于人力成本替代逻辑,远期中美两国Coding的TAM有望达4000亿美元。
本报告由东方证券发布,发布于 2026 年。
覆盖 2026 年,全文共 23 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合行业研究员等读者参考。
重点分析了商业化、传媒、传媒行业LLM专题研究等议题。