2024年策略专题：千家公司年报，看AI在A股的“渗透率”

1. 去伪存真，有多少企业在拥抱 AI 技术？

生成式 AI 技术在经历了过去一两年的产业发展和资本市场行情演绎后，当前似 乎来到了一个重要节点——产业趋势仍在快速发展，但投资者对股价的看法逐步分 化。中长期看，AI 赋能行业发展、推动经济增长或是共识；然而，技术变革推动生产 力提高并非一蹴而就。在这个节点，我们认为了解 AI 在国内企业的“渗透率”，既能 把握产业发展的进度，也能进一步理解行情的主要矛盾。因此，本文尝试从 A 股上 市公司 2023 年年报公告中，挖掘企业参与 AI 产业的信息，勾勒出 A 股整体拥抱 AI 技术的图谱。 考虑到生成式 AI 与早些年认知的传统 AI 并不相同，我们在筛选年报公告的关 键词选择上，主要包含：通用类（AIGC、生成式人工智能、生成式 AI），专用类（算 力、AI 芯片；大模型、通用模型、AI 算法）。根据 A 股全部上市公司 2023 年年报公 告，初步筛选出 1269 条。经过人工进一步逐一核对后，最终保留 883 家上市公司样 本，这些公司或多或少会涉及到生成式 AI 的业务。

1.1 渗透率提升但仍低，TMT、大市值相对抢先

拥抱 AI 技术的企业在过去几年 A 股的渗透率有提升，但目前仍较低，其中 TMT、 大市值公司相对抢先布局。（1）从最新年报数据看，全 A 上市公司中提及 AI 业务的 渗透率不足 20%，其中板块上，科创板>创业板>主板>北证。行业上，与 AI 相关性 最高的 TMT 行业渗透率最高，计算机居首、数量占比超 70%；但一级行业中，有超 过一半的行业渗透率不足 10%，食饮、农业、石化、钢铁等行业均只有 1 家，煤炭 0 家。（2）结合 2020 年以来的年报公告筛选来看，提及 AI 业务的公司数量有明显 增加，从 2020 年的 172 家上升至 2023 年超 1200 家；公司数量占比在逐步提升，但提升较慢。其中，依然是 TMT 四个行业渗透率提升最快，其次为银行。（3）市值 分布上与全 A 接近，但大公司参与率比小公司高。

TMT 公司涉及 AI 业务的程度亦有高低，深度拥抱 AI 技术的公司并不多。虽然 TMT 行业渗透率高于其他行业，但仍可对具体企业涉及 AI 业务的程度进行人为判 断。整体上看，深度参与 AI 产业布局的科技公司并不算多，其中计算机比例相对最 高，传媒次之，通信、电子靠后。

1.2 基础层以算力为主，技术层大模型超 150 家

AI 的产业链主要由基础层、技术层、应用层来构成。 （1）基础层主要涉及“硬件基础设施”和“数据资源、算力基础、生产工具（算 法模型）”这三大核心要素。通用大模型规模扩大往往需要高性能的硬件设备、海量 的学习数据、强大的算力基础以及不断优化的算法模型，其中不断优化的算法模型是 AI 学习能力提升的关键。 （2）技术层主要涉及模型的构建。目前，Transformer 架构在 AI 大模型领域占 据主导地位。AI 大模型包括 NLP 大模型、CV 大模型、多模态大模型等。这些模型 采用预训练和微调的策略，先在大量无标注数据上学习基本的语言或图像，然后针对 特定任务进行微调。 （3）应用层主要涉及到 AI 技术与其他行业或产品的融合。AI 大模型拥有多模 态生成能力能够向外赋能，包括通过开放 API 的形式，降低 AI 应用开发门槛，提高 落地部署效率和精度等，进而降低 AI 规模化部署的成本，可以广泛的与电商、医疗、 家居、物流、教育、金融以及传媒行业进行融合，或者嵌入智能机器人、智能终端、 智能汽车等产品，进一步推动人工智能进入工业化发展阶段。

基础层提“算力”关键词最多，技术层则以“大模型”为主。按关键词统计看：（1）基础层中，“算力”相关公司超 80 家，其次为“数据中心/IDC”、“芯片”、“服 务器”、“光模块、光通信、光缆”业务相关公司，涉及“液冷/热管理”业务的公司也 有 17 家左右。（2）技术层中，近 170 家公司 AI 业务涉及“大模型”，其次做“平台” 业务和“机器视觉”业务的公司也相对较多。行业分布上，计算机行业 AI 大模型最 多、超 80 家，其次为传媒，其余行业涉及 AI 大模型的公司数量均不足 10 家。

2. 投入产出视角，年报公告详解 AI 图谱

基于上述公告样本，我们主要从投入方式、参与进度、产出效果、未来发展 4 个 维度详细分析上市公司如何拥抱 AI 技术，重点围绕投入和产出视角进行探讨。

整体来看，上市公司多以自研的方式拥抱 AI 技术，且大部分已经进入产品应用 阶段，但相应的产出效果依然停留在提质增效层面，实质性带来业务收入寥寥无几， 症结或仍在于缺少应用场景和产品开发不足，这两点也是企业未来要发展的重点方 式。（1）投放方式上，有近 70%的公司采用自研的方式，合作的公司约 21%，战略 投资和收购较少；（2）参与进度上，超 75%的公司已有产品发布/推广/应用，处于研 发、测试阶段的近 25%，仍有近 9%的公司尚处于构思/设想/初步布局。（3）产出效 果上，提质量和提效率的公司比例最多，均在五成左右，其次有 26%左右的公司提 及拉需求，明确表明对公司业务增收/增利的比例仅 8%左右。（4）未来发展方式上， 应用场景拓展、技术研究、产品开发的公司比例均在 25%左右，约 14%的公司要继 续加大研发投入，也有 5%的公司提及基础设施完善。

2.1 投入方式：基础层、制造类偏自研，技术和应用层、消费类偏合作

自研是主要参与方式，但相较基础层，技术层和应用层公司进行合作的比例更 高。考虑到基础层公司主要涉及算力链、数据资源及硬件设施等，这类公司更倾向于 内部研发，占比近 80%。而技术层和应用层公司合作比例较基础层高，占比近 30%。

各行业参与 AI 的方式也略有差异，消费属性强的公司倾向于合作，制造属性强 的公司倾向于自研。考虑到偏制造业属性的公司有一定的技术积累，且自主研发可以 确保技术和产品更好地适应公司的实际情况，自研比例更高。而偏消费属性的公司在 技术研发上相对薄弱，合作比例更高。与企业或高校合作能够更快进入 AI 产业链， 从而加速产品开发、应用。

公告中提及自研的公司研发投入比例确实更高。将提及自研的公司研发投入比 例与全 A 的研发投入比例进行对比，提及自研 AI 的公司 2023 年研发投入比例高于 全 A 大概 4.5pct，且差值较 2022 年有所扩大。

对比美股和港股科技龙头，当前国内AI龙头的资本开支仍相差甚远。对比美股、 A 股和港股 AI 产业链的龙头公司近几年资本开支数据，可以看到 A 股公司资本开支 规模显著偏低。而根据 M7 公司对 AI 业务的展望，微软、英伟达、谷歌、亚马逊、 Meta 的管理层均在 Earnings Call 中明确表明 2024 全年将加大资本开支力度。其 中谷歌表明其 2024Q1 资本支出为 120 亿美元，主要用于 AI 基础设施投资。

2.2 所处阶段：多数行业已有部分 AI 业务进入产出阶段

不论涉及哪个层级的业务，多数行业在产品应用阶段的比例均较高。从各行业 在不同层级的发展进度来看，参与 AI 公司占行业全部公司的比例反映出，多数行业 在应用层的发展进度相对快于基础层和技术层。其中值得关注的几点：（1）通信、电 子、电力设备等行业在基础层处于应用阶段的比例高于技术层和应用层，这几个行业 都偏硬件端；（2）计算机、传媒在技术层处于研发阶段的比例高于基础层和应用层， 这两个行业偏软件端。

对于样本公司内部来看，各行业在不同阶段的比例差异显著。其中，渗透率较高 的行业中，美容护理、零售、纺服、计算机、银行等行业在应用阶段占比较高，而有 色、社服、建筑、医药等行业在早期的布局和研发阶段占比较高。针对“发布/推广/ 应用”阶段的企业，2023 年整体营收增速超过全 A 水平，且与全 A 之间的轧差相较 2022 年在拉大。

2.3 产出效果：提质增效为主、增收尚早，整体效果仍浅

靠上游的环节需求提升较为明显，靠下游的环节则更注意降本增效。在不同产 业链位置，公司对 AI 的预期效果表现不一。（1）基础层公司看重 AI 对拉动需求的 推动作用。随着大模型和生成式 AI 的持续发展，模型参数量不断升级，对数据、算 力和算法要求及需求也在持续递增，芯片和服务器功率逐步升级，在平衡能耗目标和 AI 建设的背景下，进一步催化热管理等环节的需求提升。（2）应用层公司更注重 AI 对提质增效的潜力。AI 技术通常可以帮助应用层公司优化生产流程、提升产品品质 或者服务质量，达到提质增效的目的。（3）行业上差异也较为明显。其中，降成本（纺 服、轻工），提质增效（纺服、军工、家电），拉需求（电子、电新、通信），增收增 利（轻工、零售、非银）。

所处不同阶段的公司对 AI 的预期效果也存在差异，在提效率方面比例下降，而 在提质量和扩收增利方面比例提升。针对所处不同阶段的样本公司看产出效果，可以 看到，随着进度从早期布局→研发、测试→推广、应用，提效率的比例在逐步下降， 而提质量和扩收增利的比例在逐步提升。前者反映企业在初步布局时看重提效率，但 进入研发、测试甚至应用阶段后对提效率的预期在降低；同样，后者反映企业在初步 布局时较少追求提质量和扩收增利，但研发和应用后该预期在增强。

降成本的企业反映到毛利率指标上确有体现，扩收增利则相对不明显。从财务 指标来看，“降成本”的企业 2023 年毛利率相较全 A 确实有明显提升，而对于“增 收/增利”的企业，2023 年营收增速相较全 A 亦有提升，但提升幅度环比 2022 年不 明显。

2.4 未来投入：技术研究、产品开发、应用场景拓展是重点方向

技术研究、产品开发、应用场景拓展是 AI 相关企业未来发展的主要方向。结合 样本公司未来发展战略以及 2024 年经营计划中 AI 相关的语句，可以看到未来发展 方式上：（1）基础层重点关注 AI 赋能产品迭代升级，技术层和应用层关注技术深度 研发、拓展 AI 应用场景。（2）行业结构上，相对其他行业对未来发展更看重、占比 更高的行业包括：研发投入（社服、建筑、机械、通信），基础设施完善（通信、轻 工），技术研究（有色、交运、汽车），产品开发（家电、电新、电子、有色），应用 场景拓展（银行、纺服），市场拓展（电新、电子、有色），商业模式（纺服）。

3. 上市公司角度，AI 未来发展趋势如何？

企业家视角，硬件端关注 AI 服务器、液冷等，软件端关注多模态、开源等。在 上市公司对未来 AI 相关业务如何发展方面，我们梳理了主要行业部分公司的经营计 划和行业趋势，总结如下：（1）通信行业中，中国联通提到了多元异构算力、云边端 协同算力，中兴通讯提及智算中心建设、算力网络；（2）部分消费电子零部件公司（如 立讯精密、工业富联）、计算机设备公司（如中科曙光）、以及 IT 服务公司（如紫光 股份）均提及散热、液冷相关技术；（3）部分消费电子零部件公司（如工业富联）、 数字芯片设计公司（如澜起科技）、新能源汽车公司（如比亚迪）均提及 AI 服务器业 务。（4）大模型相关公司（如科大讯飞、昆仑万维）重点提及了多模态、开源等技术。

在上市公司展望未来 AI 发展趋势时，也在年报中引用了相关第三方咨询机构的 数据进行佐证，对液冷服务器、AI 服务器、智能算力、AI PC 等细分行业预期未来高增。具体如下图所示。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）