核心观点 - 全球科技巨头在AI基础设施领域的投资竞赛进入白热化阶段 投资方向高度一致 全部指向AI基础设施建设 这场竞赛超越单纯技术迭代 演变为产业生态与全球价值链重构的角力场 重塑全球科技产业格局 [1][6] 竞争焦点转移 - 竞争焦点从模型创新转向算力竞赛 早期通过增加参数规模和优化算法提升模型性能 但模型规模逼近理论极限 参数扩张的边际效益急剧递减 [2] - 市场需求变化推动竞争焦点转移 大模型在智能客服、内容创作、金融风控、医疗影像诊断等各行业应用深入 算力需求呈爆发式增长 [2] 企业投资动态 - 阿里巴巴宣布推进3800亿元的AI基础设施建设计划 并表示持续追加投入 [1] - 英伟达将向OpenAI投资高达1000亿美元 OpenAI将利用英伟达系统建设并部署至少10吉瓦的AI数据中心 [1] - 微软、谷歌等企业持续投入扩建算力网络 [1] 技术路径与生态构建 - 科技巨头采用差异化战略构建多元生态 OpenAI、英伟达与甲骨文形成"三角联盟"闭环：OpenAI购买甲骨文云计算服务 甲骨文采购英伟达GPU芯片 英伟达投资OpenAI [3] - 阿里云提出"AI云是下一代计算机"愿景 构建从芯片到平台的全栈能力 与英伟达合作的Physical AI生态覆盖数据合成、模型训练到仿真测试全链条 [3] - 差异化技术优势使企业提供有竞争力产品 吸引特定合作伙伴 构建适配生态体系 生态构建又进一步强化差异化战略 [3][4] 产业格局演变 - 产业格局从"封闭创新"走向"开放共创" 以深度求索（DeepSeek）、字节跳动为代表的企业将AI嵌入电商、内容平台等业务板块 实现融合"出海" [5] - DeepSeek 2025年发布的R1模型以低成本低算力需求和开源方式打破传统算力运行逻辑 [5] - 开源战略推动全球AI从"封闭创新"走向"开放共创" [5] 竞争本质与关键因素 - AI基建竞赛本质是通过重构"算力—数据—场景"产业链 争夺下一代技术标准话语权 [6] - 未来真正决定竞争力的不再是算力规模或模型参数 而是产业深度融合能力 [5] - 企业需在技术创新与生态适配间找到平衡 在技术自主性、产业协同性与全球开放性之间建立动态平衡 [6]

今天分享的是：人工智能产业"十四五"复盘与"十五五"展望："两个变局"下的AI要素化跃迁-中国银河 报告共计：49页 《人工智能产业"十四五"复盘与"十五五"展望："两个变局"下的AI要素化跃迁-中国银河》聚焦AI产业在"十四五"期间的发展 成果与"十五五"趋势，围绕技术演进、产业生态、政策支持及应用拓展展开分析。技术层面，大模型成核心突破方向，参数 量增长提速，从2018年GPT-2的15亿参数跃升至2024年GPT-4的1.76万亿参数，2025年呈现"高参数量+轻量化"并行分化，海外 OpenAI、Meta、Google与国内百度、阿里等企业持续推出迭代模型；算力硬件方面，GPU仍占主导（Nvidia占比70%）， ASIC、FPGA等异构芯片加速发展，寒武纪MLU370R-X8等加速卡实现训推一体，海光等企业推动x86与深度计算处理器协 同，液冷等高效散热方案在数据中心普及。产业生态上，AI要素化进程加快，数据经历资源化、资产化、资本化阶段，数据 确权、定价、交易体系逐步完善，政策端2024年数字经济重点工作强调数据要素潜能释放，2025年持续推动标准建设与可信 社会构建；智能体（Agent）生态崛起 ...

国际数据公司（IDC）近日发布《全球人工智能和生成式人工智能支出指南》。数据显示，2024年全球 人工智能IT总投资规模为3159亿美元，并有望在2029年增至12619亿美元（折合人民币近9万亿元），五 年复合增长率（CAGR）为31.9%。 另据华尔街日报报道，全球AI领域领导企业OpenAI近日正式宣布启动全球运算基础设施大规模扩张计 划，总投资额预计高达1万亿美元。标志着AI产业从模型创新竞争正式迈入基础设施建设"竞赛"新阶 段。 值得注意的是，就在上万亿美元投资计划公布前一日，OpenAI与AI芯片巨头英伟达达成一项价值1000 亿美元的深度合作伙伴关系。分析师认为，OpenAI跟英伟达合作将为OpenAI提供高效能运算硬体的关 键保障，既解决其算力硬体供应的后顾之忧，也消除市场对OpenAI资金永续性的质疑，为后续大规模 基础建设奠定了坚实基础。 此外，OpenAI当地时间本周二也宣布与甲骨文、软银达成重要合作，三方将共同在美国新建5座AI资料 中心并对现有设施升级，具体包括OpenAI与甲骨文共建3个资料中心，与软银合作兴建2个资料中心， 同时扩建位于德州一座甲骨文现有资料中心。 另外，IDC的 ...

故事越讲越大！ 国际数据公司（IDC）近日发布《全球人工智能和生成式人工智能支出指南》。数据显示，2024年全球人工智 能IT总投资规模为3159亿美元，并有望在2029年增至12619亿美元（折合人民币近9万亿元），五年复合增长率 （CAGR）为31.9%。 另据华尔街日报报道，全球AI领域领导企业OpenAI近日正式宣布启动全球运算基础设施大规模扩张计划，总 投资额预计高达1万亿美元。标志着AI产业从模型创新竞争正式迈入基础设施建设"竞赛"新阶段。 总投资规模增至9万亿元 国际数据公司（IDC）近日发布《全球人工智能和生成式人工智能支出指南》。数据显示，2024年全球人工智 能（AI）IT总投资规模为3159亿美元，并有望在2029年增至12619亿美元，五年复合增长率（CAGR）为 31.9%。聚焦生成式AI，IDC预测，全球生成式AI市场五年复合增长率或达56.3%，到2029年全球生成式AI市 场规模将达6071亿美元，占AI市场投资总规模的48.1%。 另外，IDC的数据显示，亚太地区（不含日本和中国）（APeJC）人工智能（AI）平台市场在2024年实现67% 的显著同比增长，规模突破22亿美元 ...

来源：环球网 【环球网科技综合报道】9月25日消息，据华尔街日报报道，人工智能领域领军企业OpenAI正式公布全 球计算基础设施大规模扩张计划，总投资额预计高达1万亿美元。其中，位于美国得克萨斯州阿比林 市、占地面积堪比纽约中央公园的计算中心已启动建设，标志着全球人工智能产业正从模型创新竞争阶 段迈入基础设施建设"军备竞赛"新阶段。 据了解，OpenAI已明确从以往的"模型驱动"战略转向"算力驱动"，此次披露的全球计算基础设施扩张战 略，核心目标是应对下一代人工智能模型在训练与推理过程中对海量算力的需求。该计划不仅涉及在美 国本土多地布局超大规模计算中心集群，还将推进海外算力基础设施建设，整体投资规模预计达到1万 亿美元，创全球AI行业基础设施投资规模新高。 值得关注的是，在这一万亿美元级投资计划公布前一日，OpenAI刚与芯片巨头英伟达达成一项价值 1000亿美元的深度合作伙伴关系。业内分析认为，这一合作将为OpenAI提供关键的高性能计算硬件保 障，有效解决其在算力硬件供应方面的后顾之忧，同时也消除了市场对OpenAI资金可持续性的担忧， 为后续大规模基础设施建设奠定坚实基础。 此外，OpenAI在本周二 ...

行业投资评级 - 报告对AI应用行业持积极态度 投资评级为看好 [4] 核心观点 - AI应用Tokens消耗量大幅增长体现落地进展加速 大模型实现大规模商业化且收入向头部集中 OpenAI年化收入达到120亿美元 [4] - AI视频工具已迈入1亿美元ARR台阶 大规模商业化节点即将到来 [4] - AI编程为最热门融资方向 商业模式已跑通并加速兑现收入 Anysphere实现5亿美元ARR [4] - 企业级AI软件商业化偏慢 但具备坚实应用场景的AI法律 招聘 客服等领域已渐次兑现收入 [4] - 互联网巨头通过AI推荐系统升级和AI应用孵化推动商业化 META业绩已体现生成式推荐系统效果 [4] AI应用总览 - 大模型API调用量2025年后增长明显 OpenRouter平台显示谷歌Gemini Anthropic Claude OpenAI GPT等模型竞争格局高波动 [11] - 互联网公司AI Chatbot成为核心算力消耗场景 ChatGPT周活跃用户达8亿 谷歌Gemini月活用户达4.5亿 [14] - 微软Tokens消耗量从2024Q1的20万亿增长至2025年3月的400万亿 谷歌Tokens消耗量从2024年5月的9.7万亿增长至2025年7月的980万亿 [13] - 初创公司商业化进展分化 OpenAI估值3000亿美元 Anthropic拟以1700亿美元估值融资 xAI估值1130亿美元 [16] - AI视频工具Runway ARR达8400万美元 Synthesia ARR达1亿美元 Midjourney年营收预计3亿美元 [16] - AI编程工具Anysphere估值99亿美元 ARR达5亿美元 Replit估值30亿美元 ARR达1.4亿美元 [18] - 垂类AI应用Scale AI年营收预计20亿美元 Surge AI年营收超10亿美元 ElevenLabs ARR达1亿美元 [22] 互联网巨头进展 - 生成式推荐架构正替代传统DLRM模型 META GRs 快手OneREC 字节HLLM等方案推动推荐系统升级 [34] - META生成式推荐系统使Facebook用户使用时长提升7% Instagram提升6% 广告转化率提升5% [42] - 谷歌AI搜索功能AI Overview月活用户超20亿 AI Mode月活达1亿 Gemini月活达4.5亿 [47] - OpenAI年化收入120亿美元 其中C端订阅55亿 B端订阅36亿 API收入29亿 [53] - Anthropic年化收入50亿美元 其中API收入31亿（60%来自编程工具） 编程工具Claude Code ARR达4亿美元 [53] AI编程领域 - AI编程工具ARR总和超30亿美元 GitHub Copilot用户达2000万 Cursor ARR从1亿快速提升至5亿 [61] - 应用层公司仍需完成代码库感知 编辑器整合 UI优化等工作 具备独立竞争壁垒 [65] - Cursor通过VS Code集成 影子工作区验证 多模型智能路由等技术实现出色用户体验 [68] - 长期看AI编程可能演进为UGC应用程序平台 降低开发门槛并丰富应用生态 [73] 企业级AI软件 - 企业级AI部署前期需3-18个月完成数据清洗 工作流结合等工作 大规模落地节点或在2026年后 [80] - 定制化AI平台更适合企业落地 ServiceNow AI ACV订单达2.5亿美元 指引2026年达10亿美元 [77] - 竞争壁垒来自数据获取能力和行业Know-how Palantir Snowflake ServiceNow SAP等公司具优势 [85] - Palantir通过数据层归一化 逻辑层模型结合 行动层人工审核等构建企业AI操作系统 [91] 内容生产工具 - AI视频工具Runway Synthesia ARR接近1亿美元 但文本忠实度等仍有提升空间 [96] - 设计软件市场分化 Adobe面向专业设计者市场 Figma Canva面向传播者市场 [99] - Figma高价值客户数量高速增长 超过1万美元ARR客户达11107家 超过10万美元客户达1031家 [101] - 多邻国Max会员渗透率达8% 定价29.99美元/月 高于Super会员的12.99美元 [109] 国内AI应用 - 2025H1中国大模型公有云服务Tokens调用量达537万亿 2024全年为114万亿 [112] - 互联网公司通过推荐系统升级 AI Chatbot和云业务推动AI落地 [115]

报告行业投资评级 - 计算机行业评级为"推荐（维持）" [3] 报告核心观点 - Grok系列模型由xAI公司开发 通过快速迭代实现多模态与智能体能力突破 最新版本Grok-4在学术测试和多场景应用中建立技术壁垒 [6][8][29] - 海外大模型（OpenAI GPT-5、Google Gemini 2.5 Pro、Anthropic Claude 4）与国产模型（Kimi K2、DeepSeek-V3.1、阿里Qwen3）形成多极竞争格局 国产模型以成本效率优势（如Kimi K2输入成本仅为GPT-4.1的1/3）实现性能追平 [6][8][73] - AI Agent商业化落地加速 推动企业级服务与行业场景应用需求增长 涵盖办公、编程、金融、教育、医疗等细分领域 [6][8][83] 模型技术迭代与性能 Grok系列演进 - Grok-1（2024年3月）：开源MoE架构 3140亿参数 在HumanEval编码测试达63.2% MMLU任务达73% 优于ChatGPT-3.5 [13][14][15] - Grok-1.5V（2024年4月）：新增图像理解功能 在Mathvista测试准确率52.8% TextVQA达78.1% [17][18] - Grok-2（2024年8月）：整合实时检索与图像生成 在MATH测试追平GPT-4o DocVQA测试领先同期模型 [19][21] - Grok-3（2025年2月）：参数规模2.7万亿 引入Think分步推理和DeepSearch联网检索 在AIME、GPQA测试超越GPT-4o等旗舰模型 [20][24][25] - Grok-4（2025年7月）：上下文窗口256K tokens 计算资源投入较Grok-2增加100倍 在HLE测试以44.4%准确率刷新纪录 在AIME、SAT、GRE测试超越GPT-4o等模型 [29][30][35] 海外大模型进展 - OpenAI GPT-5：在SWE-bench Verified测试达74.9% Aider Polyglot测试达88% [59][61] - Anthropic Claude 4：在SWE-bench Verified测试中Claude Sonnet 4达80.2% Claude Opus 4达79.4% 超越GPT-4.1和Gemini 2.5 Pro [64][66] - Google Gemini 2.5 Pro：在LiveCodeBench测试达74.2% Aider Polyglot达82.2% 多模态与推理能力领先 [68][71] 国产模型突破 - Kimi K2：在SWE-bench Multilingual和Tau2测试接近Claude 4 输入成本仅为GPT-4.1的1/3 [73][77] - DeepSeek-V3.1：通过Post-Training优化增强Agent能力 工具调用效率提升 [6][74][76] - 阿里Qwen3 Coder：编码基准测试媲美Claude Sonnet 4 中文语义任务保持优势 [79][80] 算力与生态布局 - xAI计划五年内实现5000万块H100等效算力规模 支撑Grok系列迭代 [30][50][53] - 国产模型累计备案服务439款 登记应用233款 商业化进程加速 [6][73] 投资应用方向 企业级服务 - 办公：金山办公、合合信息、福昕软件、三六零 [6][84] - 编程：卓易信息、普元信息 [6][84] - ERP：金蝶国际、用友网络 [6][84] - 多模态：万兴科技、美图公司、虹软科技、当虹科技 [6][84] 行业场景 - 金融：大智慧、同花顺、恒生电子、京北方、宇信科技 [6][84] - 教育：科大讯飞、视源股份、新开普、佳发教育 [6][84] - 医疗：阿里健康、卫宁健康、讯飞医疗科技 [6][84] - 工业：华大九天、中控技术、中望软件、索辰科技 [6][84] [6][8][83][84]

全球AI发展态势 - 阿尔巴尼亚任命全球首个非人类数字部长"迪埃拉"担任公共采购部长 标志着AI突破权力边界 [1] - 特斯拉CEO埃隆·马斯克预测 五年内人工智能总体智慧将逼近或超越全人类智力之和 技术奇点加速临近 [1] - 全球算力竞赛激烈展开 OpenAI的GPT系列、谷歌Gemini、Meta的Llama等科技巨头持续迭代模型 推高AI阈值 [3] - 2017年Transformer架构重塑AI技术路线 2023年生成式AI成为研究前沿 2024年AI产业进入深度专业化阶段 [4][5] - 全球AI竞赛从技术突破转向生态对抗 美国主导算法与芯片 中国推动应用自主 欧洲寻求监管话语权 中东资本入场 [5] 中国AI战略布局 - 国务院印发《关于深入实施"人工智能+"行动的意见》 首次以顶层设计形式将AI提升为国家战略 目标2035年步入智能经济新阶段 [1][12] - 中国AI产业未来五年年均复合增长率预计达32.1% 2029年市场规模突破万亿元 [7] - 国产大模型DeepSeek实现技术突围 性能比肩国际顶级模型 成本仅为同类二十分之一 推动产业从封闭垄断走向开放平权 [8] - 中国拥有全球最完整工业门类 制造业增加值占全球28.8% 重点工业企业关键工序数控化率58.6% 为AI落地提供丰富场景 [11] - 2023年中国专利申请受理数556.2万件 PCT专利全球占比25.5% 2024年有效发明专利突破475.6万件 成为首个超400万件国家 [11] 产业应用与渗透率 - AI服务器渗透率达12% 液冷散热渗透率11% 工业软件渗透率20% AI Agent渗透率7% AIPC渗透率19% AI手机渗透率13% [11] - 国产AI软硬件协同迈进新阶段 DeepSeekV3.1发布 适配下一代国产芯片 推动"芯-模-用"一体化生态闭环 [10] - 寒武纪、科大讯飞、华为昇腾等企业被资本重新定价 体现"新质生产力"崛起 [10] 投资标的与市场表现 - 上证科创板人工智能指数(950180.CSI)覆盖全产业链优质企业 半导体权重占比47.81% IT服务15% 软件开发16.87% [13][14] - 截至9月15日 该指数年内上涨近58% 近一年涨幅达167.46% 自2022年基日以来累计收益132.95% [2][15] - 成份股2025年营业收入预测1110.84亿元 2027年有望增至1644.37亿元 [15] - 科创人工智能ETF华夏(589010)紧密跟踪该指数 截至9月12日二级市场涨幅近57% [15] - 华夏上证科创板人工智能ETF联接基金(A类:024411 C类:024412)正在发行 [2][15] - 人工智能AIETF(515070)跟踪中证人工智能主题指数 聚焦产业链上中游 [16] - 创业板人工智能ETF华夏(159381)跟踪创业板人工智能指数 光模块CPO权重超40% 年内上涨超80% 综合费率0.20%为同类最低 [16]

中美AI竞争格局 - 美国在私营部门创新、前沿研究、模型开发和先进计算基础设施方面领先，2024年全球50个顶级AI模型中美国机构独占40个[4][9] - 中国通过"AI+"举措在农业、制造业和监控等领域大规模部署人工智能，在AI相关出版物和专利总量上领先，2024年中国工业机器人安装量超过全球其他国家总和，全球市场份额从2023年51%上升至2024年54%[4][13] - 中国拥有全球最丰富的AI应用场景，在计算机视觉和自然语言处理的应用层专利上优势明显[13] 中国开源战略 - 中国引领AI开源浪潮，阿里巴巴通义千问、深度求索、字节跳动豆包、智谱AI ChatGLM、上海稀宇MiniMax等高性能大模型纷纷开源[19] - 开源模型性能快速追赶世界顶尖水平，性能达到SOTA 95%以上的模型几乎免费可用，冲击西方昂贵的API调用和软件授权模式[21] - 开源模式降低全球AI开发门槛，引导用户使用中国硬件生态，形成基于成本、习惯和技术路径依赖的生态绑定[23][26][27] 硬件战略布局 - AI时代软件正在"富余化"，硬件重新变得稀缺，高端芯片制造困难且供应链壁垒高[33] - 中国具备稳定、低成本、大规模制造复杂硬件的能力，能够提供与开源模型适配最好、成本最低、品类最全的硬件矩阵[25][34] - 中国生产全球三分之二以上的电动汽车和一半以上的工业机器人和智能家电，创造全球最具活力的技术扩散环境[39] 发展路径探索 - 算法优化派通过软件极致优化弥补硬件短板，实现软件定义算力[38] - 生态一体化派提供从算力到应用的全家桶服务，锁定企业用户[38] - 底层自主派打造100%自主可控的备用系统，如华为昇腾、寒武纪[38] 未来竞争推演 - 美国可能联合欧洲、日韩建立基于高安全标准的硬件制造联盟，或让顶级闭源模型与特定硬件平台深度绑定[40] - 中国"开源+硬件"战略具有去中心化和向下兼容特点，能以极低成本赋能发展中国家市场，构建非西方AI生态圈[41][42] - 全球科技价值链正在重构，掌握智能生产力工具生产资料的一方将拥有定义世界的话语权[43]

Agent AI核心框架 - 提出由环境与感知、认知、行动、学习、记忆五大模块构成的智能体认知闭环架构 这代表对未来通用人工智能发展路径的前瞻性思考[10][12][17] - 感知模块具备多模态信息接收能力和任务规划与技能观察功能 使智能体能主动从物理或虚拟世界获取信息[12] - 认知模块作为处理中枢 由大语言模型和视觉语言模型提供世界知识、逻辑推理和上下文理解能力[14] - 行动模块通过控制器生成物理世界交互指令或虚拟世界API调用[15] - 学习模块支持预训练、零样本/少样本学习、强化学习和模仿学习等机制 实现持续自我进化[16] - 记忆模块采用持久化结构化系统存储知识、逻辑和推理结果 支持长期经验积累[17] 大模型驱动机制 - 大型基础模型特别是LLM和VLM的成熟是Agent AI框架的根本驱动力 为智能体提供零样本规划能力[20] - 大模型存在的"幻觉"问题可通过环境交互机制解决 环境反馈能迫使模型内部知识与外部现实对齐[21] - 基础模型存在社会偏见风险 需通过多元化数据训练和偏见检测机制确保包容性[22] - 个人数据隐私保护需建立明确法规框架 通过提示工程和人类监督层确保安全可控[22] 游戏领域应用 - 彻底改变传统NPC由固定脚本驱动的模式 实现基于记忆、目标和情感的动态行为调整[25] - 支持玩家用自然语言与游戏世界互动 为开放世界游戏带来前所未有的沉浸感和自由度[25] - 可作为创作者副驾驶 根据指令自动生成游戏关卡、道具和完整3D场景 大幅提升开发效率[25] 机器人领域应用 - 用户可用日常语言下达指令 机器人自主规划执行复杂物理操作 如GPT-4V可将人类演示视频转化为可执行任务序列[27] - 通过领域随机化技术在模拟训练中引入变化 增强对真实世界差异的鲁棒性[27] - 融合视觉、语言、触觉等多模态信息理解环境 实现更精准的物理交互[27] 医疗健康应用 - 作为医疗聊天机器人进行初步问诊和病史收集 基于医学知识库提供诊断建议 提升初级诊疗覆盖率[29] - 连接实时更新的医学数据库 在生成诊断时同步进行事实核查和来源引用 抑制模型幻觉[29] - 处理分流患者信息并监控慢性病患者生命体征 实现高效个性化健康管理[31] 发展挑战与方向 - 需解决视觉、语言、听觉、动作等多模态深度融合问题 而非浅层拼接[32] - 需训练能跨游戏、机器人和医疗等不同领域工作的通用智能体 而非定制化模型[32] - 建立科学评测体系至关重要 研究团队已提出CuisineWorld多智能体协作基准和VideoAnalytica视频理解基准[32]