下一代大模型（如GPT-5）或将成为左右本轮AI产业前景的核心因素。基于学术与产业界现有成果及研讨方向，我们尝试构建下一代大模型的研究框架，从模型基座、性能、生态、产业等维度展开分析，预计其有望凭借2-3倍的参数规模，实现近10倍的智能水平，并显著提升推理性价比。同时，下一代大模型在逻辑推理、原生多模态、记忆系统等关键能力上的突破，将加速高价值复杂行业场景的应用落地。产业层面，Agent（智能体）和多模态两大主线有望持续引领发展，建议关注企业管理、教育、医疗等领域的头部企业，以及海量推理需求所带动的算力产业机遇。

报告缘起

我们将关键测试集错误率减半、智能水平提升10倍作为模型跨代的重要标准。当前时点，前瞻性展望和分析下一代大模型（如GPT-5）虽存在难度，但该模型对产业发展具有核心意义——其在逻辑推理、多模态等能力上的持续迭代，将显著影响下游应用的商业化可行性与进度。因此，我们基于学术与产业界现有成果及研讨方向，尝试从模型基座、性能、生态、产业等角度构建研究框架，对相关性能表现及影响进行初步展望，为产业界和投资界分析预判下一代模型变革提供参考。

研究角度1——模型基座：规模扩增与性价比提升并行，释放应用盈利潜力

结合Densing Law（密度定律），新一代模型或需2-3倍的参数规模实现跨代效果，对应参数规模约3-5万亿。数据层面，当前文本数据已足够支撑下一代模型训练，多模态和思维链数据的规模与质量提升有望成为产业新需求。

结合当前MoE（混合专家模型）架构设计及总参数规模假设，预计模型单次激活参数规模或在2000-3000亿水平。与GPT-4单次激活2770亿的规模相比，新一代模型单次推理的算力消耗不会大幅增加，API价格或较GPT-4o仅小幅增长甚至持平，推理性价比提升一倍以上，将带动AI应用盈利能力显著改善。

研究角度2——性能展望：关键能力突破，加速复杂场景落地

下一代大模型在逻辑推理、原生多模态、记忆系统等关键能力上的突破，将推动高价值复杂行业场景的应用落地。

1. 逻辑推理：准确性与创造力有望同步提升，为高价值、低容错场景落地奠定基础。以思维链为核心的逻辑推理能力，将从数理等可验证领域拓展至文科等不可验证领域；通过更完善的工具使用和思维链学习，从复现历史逻辑升级为尝试解决新领域问题。用户指令跟随能力的优化，将提升思维链生成的稳定性，更好满足B端低容错场景需求，利好企业端Agent加速落地，而AI coding（AI编程）作为落地最快的领域之一，有望实现更强盈利能力。

2. 原生多模态：有望实现更优的实时动态视频交互与处理能力。原生多模态具备更强的多模态信息融合能力，且便于快速扩增模型规模，或成为下一代模型的主流选择，目前该架构正迎来加速发展拐点，中长期可能带动模型规模新一轮增长。模型将实现从静态图像处理向实时视频处理的跨越，推理延迟降低一半；同时从信息识别向分析推理升级，提升数理领域和规划分析的效能。

3. 记忆系统：长上下文支持下，任务完成量提升30%+，助力打造专属个性化助理。短记忆以长上下文为基础，下一代模型将实现千万Tokens长上下文，带动单次任务完成效率大幅提升，单轮对话任务完成率潜在提升30%+，任务耗时有望降至此前的1/3。长记忆以向量化为核心，多模态向量化技术的突破将让模型能够记住视觉信息，多智能体跨平台、跨终端协同方案也在加速探索中。长短记忆结合形成的全局记忆，将使模型成为每个用户的个性化私人助理。

研究角度3——生态发展：模型融合降本，生态建设加速应用开发

模型层面，针对不同问题类型实现思维链与非思维链模式的无缝切换，预计下一代模型推出后，有望节约18%+的推理算力成本。基座模型与通用工具的原生整合，将压缩单点工具和第三方通用Agent产品的生存空间，而具备数据、经验、入口壁垒的行业场景，将成为第三方厂商的优势领域。

生态方面，单智能体开发工具链、多智能体协同框架持续完善，MCP、A2A等协议快速融合各领域最佳实践，生态支持将使每家企业都能快速定义符合自身业务场景需求的类Manus产品。

研究角度4——产业影响：两大主线引领应用落地，算力需求迎来新机遇

1. Agent：企业管理软件仍是最佳落地场景之一，关注2025年Q4起的业绩表现。模型逻辑推理性能的提升将增强长流程复杂任务处理能力，推动行业内Agent价值提升。企业管理软件作为AI Agent落地的最佳场景之一，预计中期将打开4倍市场空间，2025年Q4起，AI应用的业绩贡献将逐步显现。建议关注AI在企业管理领域中财务、人力、销售、生产、供应链等核心模块的商业进展。

2. 多模态：端到端分析规划能力提升，催生“能看、能听、会思考”的随身助手。多模态推理将提升数理领域和规划分析的效能，未来各场景中有望出现“能看、能听、会思考”的随身助手，编辑工具、教育、医疗、科研等领域的产品形态或将率先迎来变革，C端产品蕴含爆款机会。

3. 算力：Scaling Law（缩放定律）范式切换，Agent带动推理算力需求增长。逻辑推理性能的发展将推动算力产业从单纯的预训练（Pre-training Scaling-law），转向后训练和推理（Post Training/Test-time Scaling-law）。MoE架构推动模型向专家并行发展，推理集群有望成为主流推理方式，计算节点将通过提升计算密度满足推理需求。大规模Scale up超节点与超大规模Scale out集群将并行发展，系统级算力解决方案的提供能力愈发重要。随着Agent能力提升，其渗透率、用户每日调用次数、任务复杂度将实现三重增长，算力需求的增幅和增速都将超越以往的大模型。

风险因素

包括AI核心技术发展不及预期、企业数据安全、信息安全、行业竞争加剧、地缘政治、劳动力市场、虚假信息等风险。

投资策略

下一代模型将实现技术、能力、生态的全面升级，有望以2-3倍规模实现10倍智能水平，推理性价比提升一倍以增强应用盈利潜力。同时，依托规模扩增与算法优化，逻辑推理、原生多模态、记忆系统等关键能力的突破，将加速高价值复杂行业场景的应用落地。复杂任务解决能力的提升与推理性价比的改善，将成为新一代AI应用发展的基石，Agent和多模态两大主线有望持续引领产业，并同步带动推理端算力需求。

建议关注三条投资主线：

1. 通用Agent应用：Agent流程更复杂、高效且个性化，企业级Agent价值提升；

2. 垂直Agent应用：多模态打开全新应用场景，关注教育、医疗、科研等领域的头部公司；

3. 算力产业链：算法演进推动集群向超大EP进化，scale up与scale out将并行优化。