2025年计算机行业年度策略：AI应用元年，看好Agent、豆包链及推理算力三大主线

1. 24 年计算机板块走势先抑后扬，25 年全面看好AI 产业链

2024 全年计算机板块走势先抑后扬。1）2024 年初至 9 月份，计算机板块整体呈震荡下行趋势，并且走势弱于沪深 300，年初至 8 月底申万计算机指数累计跌幅达 29%，主要原因在于2024 年前三季度宏观经济复苏缓慢，财政预算紧张，导致下游 G 端客户对 IT 支出保持谨慎；2）2024 年9 月底以来，宏观经济转向驱动计算机板块大幅反弹。央行在 9 月 24 日推出一揽子政策，包括降准、降息、降存量房贷利率以及设立新的工具支持股市等，助推市场情绪显著改善，同时流动性大幅增加，9 月24 日至10 月底申万计算机指数涨幅达 47%，远高于沪深 300 指数 16%的涨幅，其中，金融 IT、鸿蒙、AI 应用三大板块交替表现。24年全年申万计算机指数累计涨幅为 6%，低于沪深 300 指数 16%的涨幅。

计算机板块的收入增长逐步改善，而净利润整体仍有所承压，但前三季度已呈现逐季改善趋势。2024年前三季度计算机行业营收为 8498 亿元，同比增长 6%，较 23 年的营收增长有一定程度提升，但受需求端因素影响整体仍处于较低增长水平；24 年前三季度行业归母净利润为 164 亿元，同比减少32%，整体有所承压，但从季度数据看呈逐步改善趋势，前三季度行业归母净利润分别同比增长-77%、-39%、-32%。2024年前三季度计算机板块毛利率和净利率分别为 25.2%和 1.9%，分别较上年同期降低1.7 个百分点以及降低0.9 个百分点。25 年随着下游需求有一定程度恢复，计算机板块营收有望得到进一步改善，同时随着降本增效的持续深化，板块利润率也有望逐步企稳。

当前计算机板块估值处于近 5 年的历史中枢，仍存在一定提升空间。2023 年下半年以来，由于宏观经济持续低迷，政企的 IT 预算大幅收紧，大多主要依靠政企客户的计算机行业的公司业绩恢复不及预期，市场情绪低落，导致计算机板块估值长期处于下跌过程中，截至 2024 年 8 月 27 日计算机板块的市盈率仅40倍，为近一年来的最低点，且是 2023 年 6 月 20 日短期高点的一半左右。24 年9 月以来，随着市场流动性和风险偏好改善，计算机板块估值大幅提升，截至 24 年底，行业估值为 67 倍，近5 年分位数为74.15%，截至 25 年 1 月 10 日，行业估值为 61 倍，近 5 年分位数为 55.90%。随着宏观环境的恢复以及信创、AI 等因素的驱动，从匹配未来三年预期业绩增速角度看，计算机板块的估值水平仍存在提升空间。

计算机板块的基金持仓处于近 10 年低位，并且处于低配状态，未来随着高景气赛道催化，计算机板块配置比例有望逐步回升。自 23Q2 达到 7.4%的高点后，计算机板块的基金配置比例持续下降，2024年前三季度配置比例分别为 3.9%、3.6%、3.1%，24Q3 达到了近 10 年来的基金配置比例最低水平，同时跌出了基金的前十大配置行业名列，全行业排名第 19。根据 Wind 对基金公司资产配置数据的统计，24H1计算机板块配置比例为 3.50%，而计算机行业在全行业中的市值占比为 3.82%，则计算机板块仍低配了0.31%。未来随着鸿蒙、AI 算力及应用等细分赛道的催化，计算机板块的基金配置比例有望止跌回升。

展望 25 年我们全面看好 AI 产业链投资机会，Agent、豆包链和推理算力是明年AI 产业链三大主线，同时重点关注信创、自动驾驶、华为链等板块。1）AI 算力：25 年在 AI 应用带动下推理侧需求爆发，同时国内算力市场保持高景气，叠加美国芯片出口管制政策不断收紧推动国产芯片采购占比提升，国产AI 算力需求有望加速；2）AI 应用：24 年以豆包为代表的 C 端应用流量持续快速增长，同时B 端应用已开始逐步实现客户场景落地，预计未来 AI 应用有望在教育、医疗、金融等各场景爆发，并为相关厂商贡献业绩增量；3）信创：24 年信创进展不达预期，而随着超长期特别国债等补贴以及《信息化标准建设行动计划（2024-2027年）》等催化政策落地，未来 3 年信创招投标有望提速；4）自动驾驶：国内自动驾驶正处于L2 向L3过渡阶段，目前在政策端和技术端已有突破，包括高级别自动驾驶监管政策推出、轻量级地图技术突破等，预计未来高级别自动驾驶的商业化进程有望加速；5）华为链：微信的鸿蒙原生版已正式上架，且top5000应用已全面启动迁移，预计未来 1-2 年将进入中长尾应用的迁移高峰期。此外，昇腾910B 是目前国产训练芯片的首选，而根据路透社，下一代的昇腾 910C 有望于今年一季度实现量产；6）金融IT：主要包括银行IT和证券 IT 两大子赛道，随着 9 月底政策转向大幅拉升市场成交量，预计 24Q4 金融IT 板块业绩有望明显改善。

2. AI 应用：AI 应用元年，看好 Agent 及豆包链两大方向

2.1 Agent 与 RAG 正加速企业级 AI 应用落地

24 年语言大模型进步速度整体放缓，OpenAI 的领先优势有所减弱，开源与闭源阵营差距缩小，Pre-training 的 Scaling Law 正在放缓，模型能力提升从 Pre-training 转向 Post-training。根据MenloVentures数据，24 年以来 OpenAI 在企业级市场底层模型的份额从 50%下降到 34%，相比之下，Anthropic 在24年发布了 Claude 3.5 Sonnet 大模型，达到研究生级别的推理能力（GPQA 测试）、本科生水平的知识储备（MMLU测试）和高级程序员水准的编程技能（HumanEval 测试），在多个关于大模型的评估中表现优异并超越了OpenAI 的大模型，同时还保持了中端模型 Claude 3 Sonnet 的速度和成本，Anthropic 的市场份额也从12%提升至 24%。同时，开源模型和闭源模型的技术差距也正在逐渐缩小，根据CB Insights 统计，基于MMLU得分，以 Llama 系列为代表的开源模型进步速度明显快于以 GPT 为代表的闭源模型。同时，年底OpenAI正式发布了 o1 和 o3 模型，其中模型性能提升更多依靠引入强化学习和思维链技术，并且在Post-training和Inference 阶段分配更多算力。

在大模型原生应用中，豆包在 APP 端的用户量已仅次于 ChatGPT，且 24 年豆包用户量保持快速增长，同时，Perplexity AI、JanitorAI 等各类 AI 应用也在持续吸引用户。1）豆包的APP 端用户量在国内应用中保持领先，并且 24 年月活用户数持续快速增长，根据 AI 产品榜数据，24 年12 月豆包APP 端月活用户数达 7116 万，环比增长 18.64%。除豆包外，以 Kimi 和文小言为代表的国内 AI 应用也已挤进全球榜的前20；2）24 年新一代搜索引擎 Perplexity AI 月活流量保持快速增长，根据 AI 产品榜数据，Perplexity AI 的网页端月活用户数从 23 年 2 月的 5163 万增长到 24 年 12 月的 9754 万。同时，国内的AI 搜索工具纳米AI 搜索自11 月新增一键生成视频功能以来月活流量环比增长了 27.10%；3）最近一个季度角色扮演工具JanitorAI 月活流量保持 20%以上的环比增长，24 年 12 月月活流量达到 9715 万，而同属于角色扮演工具的CharacterAI最近一个月的月活用户数也开始恢复增长，根据 AI 产品榜数据，Character AI 在24 年12 月的月活流量达2.32 亿，环比增长 8.39%，表明用户对情感陪伴类工具仍有较强的需求。

Agent 与 RAG 正在加速 B 端 AI 应用的落地，其中 RAG 已成为构建企业级AI 应用的主流技术，而Agent 在 24 年企业级市场首次得以广泛应用。1）RAG（检索增强生成）：根据Menlo Ventures，今年RAG渗透率达到 51%，较去年的 31%显著上升，且已成为最主流的技术架构。RAG 能够弥补大模型本身存在的诸多缺陷，如不能及时更新知识，上下文有限等，让模型能够输出更新、更准确的知识；2）Agent（智能体）：24 年 Agent 在企业 AI 市场首次亮相并且渗透率达到 12%，随着技术不断成熟，25 年渗透率有望大幅提升。Agent 最大的优势是能够解决复杂、多步骤的任务，超出了当前大模型内容生成和知识检索的能力，海外头部应用厂商包括 Palantir、Salesforce、Microsoft、Servicenow 等均推出了Agent 应用。此外，Prompt工程、Fine-tuning、RLHF 等 23 年常见的企业级 AI 构建方法在 24 年应用率有所下降，其中Prompt 工程应用率降幅较大，从 23 年 55%降至 24 年 16%，主要原因在于这类技术更依赖于基座模型能力。

代码生成、聊天机器人、企业搜索成为 24 年企业级市场渗透率最高的AI 应用。1）代码生成：根据Menlo Ventures 数据，Code Copilot 在企业级市场以 51%的采用率遥遥领先，代表应用包括GitHubCopilot、Codeium 和 Cursor，其中 GitHub Copilot 营收已达到 3 亿美元，新兴工具 Codeium 和Cursor 也保持快速增长。除了通用的编码助手之外，企业还在购买针对特定任务的 Copilot，例如用于程序生成和测试自动化的Harness AI DevOps Engineer 和 QA Assistant，以及能够执行更多端到端软件开发的AI 代理All Hands；2）企业聊天机器人：企业级聊天机器人能够为企业内部员工和外部客户提供可靠的24/7 的知识型支持，其中Aisera 、Decagon 和 Sierra 的代理直接与客户互动，而 Observe AI 则在通话期间为联络中心客服提供实时指导。根据 Menlo Ventures，企业级聊天机器人的使用率已高达 31%；3）企业搜索+数据工程（企业级市场渗透率分别为 28%和 27%）：反映企业对挖掘和利用内部分散数据孤岛中有效信息的强烈需求，其中Glean和Sana 为代表的应用可连接到电子邮件、即时通讯工具和文档存储，从而实现跨不同系统的统一语义搜索，并提供由 AI 驱动的知识管理。

24 年以 Applovin 和 Palantir 为代表的多家美股 AI 应用厂商股价持续演绎，一方面是24 年第三季度以来美股软件及SaaS公司整体业绩表现优异，另一方面Palantir及Salesforce等头部AI应用厂商发布了Agent相关产品也推动了股价上涨。其中：1）Applovin：24 年股价涨幅达 713%，新AI 技术引擎AXON2.0大幅提升了广告算法效率提升，进而带动业绩高速增长；2）Palantir：24 年股价涨幅达340%，AIP平台深度结合 Agent 与 LLM，提升客户运营效率提升，在供应链、医疗、自动化等多个场景中快速落地；3）Salesforce：24 年 8 月至年底股价涨幅达 30%。Agentforce 在推出后一周内达成 200 多笔交易，公司管理层预计未来几个季度的潜在交易数量多达数千笔；4）ServiceNow：24 年 8 月至年底股价涨幅达30%。生成式AI 平台Xanadu增加 350 多个 AI 功能，提升客户 IT 工作流程自动化程度，AI 功能作为附加服务创造额外收入；5）Shopify：24 年 8 月至年底股价涨幅达 74%。Shopify Flow 助力商家实现运营自动化，此外企业和B2B商户收购、线下渠道扩张、国际市场渗透奠定增长基础；6）CrowdStrike：24 年 8 月至年底股价涨幅达48%。受益于生成式 AI 产品的强劲需求，Falcon 平台的用户数及采用率不断提高；7）Duolingo：24 年8 月至年底股价涨幅达 89%。新增的 AI 功能大幅提升用户语言学习效果，同时 MAX 开放给更多用户将持续提升ARPU。在海外 AI 应用板块带动下，四季度金山办公、泛微网络、第四范式等国内主要AI 应用标的股价均有所表现。

2.2 国内外应用厂商加速布局，Agent 有望成为25 年AI 应用最大亮点

从 Chatbot 的简单对话，到 Copilot 的专业辅助，再到 Agent 的自主智能，AI 应用形态正在快速发展和演进。Chatbot（聊天机器人）作为早期的 AI 应用，能和用户进行实时交互，解答常见问题，如客服聊天机器人，能快速回应用户关于产品咨询的相关问题，但是 Chatbot 应用功能较为简单，且自主程度相对较低。23 年下半年以来 Copilot（智能助理）开始得到广泛应用并逐渐走向成熟，Copilot 能够协助人类完成工作，根据用户的操作和上下文环境主动提供帮助，比如软件开发领域的 Copilot 能够依据代码上下文自动生成代码片段，极大提升开发效率，办公软件领域的 Copilot 能够辅助文案撰写，给出语法纠正和内容优化建议。Copilot 虽然具有一定的自主性，但仍然依赖于特定的任务和规则。24 年以来Agent（智能体）开始崭露头角，作为最新和最高智能的 AI 应用形态，Agent 具有较高的自主性和智能性，能够根据环境变化和目标动态调整策略，进行复杂的决策和推理，并自主完成从分析、决策到执行的全流程任务。

大模型出现之前的 Agent 偏向于自动化，在结合大模型之后 Agent 的能力发生了质变，预计在25年Agent 将成为 AI 应用的主流应用形态。在大模型出现之前，Agent 更多的是自动化，即通过一些偏结构化固定模式实现固定算法来完成任务，包括有感知环境、做决策、采取行动能力的AlphaGo、由DeepMind研发的采用强化学习算法打街机游戏的 Agent57、更加通用的 Gato、以及 OpenAI 推出的玩“躲猫猫”游戏的多智能体。其问题在于集成各种深度学习模型来实现 AGI 并不够，还需要更高层次的认知模型。在融入大模型后，Agent 的能力发生了质变，能够通过感知、认知、决策、行动的飞轮去模拟人类智能，使大模型开始能够应对各种复杂任务。具体来看，大模型+Agent 具备了 Reflection（反思，即通过自我修正优化生成结果）、Tool use（使用工具，即调用外部工具）、Planning（规划，即规划一系列行动来完成复杂任务）、Multi-agentcollaboration（多代理协作，即多个 Agent 协作完成任务）的能力。随着底座大模型性能提升曲线的放缓，大模型+Agent 将成为通往 AGI 的重要路径。

海外 AI 应用厂商及科技大厂正加速布局 AI Agent，主要体现在决策智能、营销等方向，且目前已开始为海外厂商带来收入及订单贡献。在决策智能领域，Palantir 于 23 年推出 AIP 平台，提升辅助决策的自动化水平，并通过 AIP Bootcamp 训练营进行推广，目前已在库存管理、医院运营、自动化产品分类等场景中落地；在营销领域，Salesforce 于 10 月 24 日正式推出 AI Agent 创建平台 Agentforce，并提供预构建的Agent，包括面向客服场景的 Service Agent、面向销售场景的 SDR Agent 和 Sales Coach 等，Agentforce 在正式推出后一周内便达成 200 多笔交易。此外，微软为代表的海外科技巨头在应用端的布局重心也开始向AI Agent倾斜，10 月 21 日微软连发 10 个 AI Agent，面向销售、运营等场景，并将在今年提供公共预览版且集成到Dynamics 365 中，11 月 19 日微软又宣布 Copilot Studio 平台已支持用户构建自主Agent，同时发布5款预构建的 Agent。随着海外厂商持续发力，AI Agent 开始在各行业陆续落地。

具体来看，Palantir 作为全球 AI 应用龙头，在 2023 年推出生成式 AI 产品AIP，2024 年开始将Agent嵌入产品功能中，大幅提升了决策的自动化和智能化水平。AIP 的主要功能模块包括AIP Assist、AIPLogic、AIP Automate 等，其中，AIP Assist 是基于 LLM 的 AI 助手，用户可用自然语言提问来查询相关信息；AIPLogic主要用于构建 Agent 来自动执行任务或处理问题，比如原材料供应中断后进行分析、决策并行动；AIPAutomate 允许用户通过自定义触发条件及效果，实现工作流自动化。AIP 的核心能力，一方面体现在基于自然语言交互，能够降低 Palantir 软件平台的使用门槛，另一方面，通过将大模型与Agent 深度结合，AIP能够实现自动化决策和执行等新功能，提升企业决策效率。以 AIP 在供应链管理的实际案例来看，借助AIP，Palantir 能够自动评估供应中断影响、提出材料重分配计划并执行决策，Agent 能够自主浏览企业本体中供应商、库存、客户等实体及其属性，通过理解上下文关系分析供应中断对口罩生产、客户订单等产生的影响；同时 Agent 能够自动调用各类 AI 算法及大模型等，并且在提出生产计划后，自动针对不同系统下达一组操作指令，仓库管理系统、ERP 系统、生产计划系统通过 API、连接器等方式接收指令，实现包括更改工作订单状态、变换生产计划、更新原材料和产品的库存水平等一系列复杂任务操作，实现从评估、决策、执行的完整闭环，具体较高的智能化和自主化水平。

国内大厂及应用厂商均开始发力 AI Agent，看好在办公、营销、财务等场景复杂度高且空间大的垂直领域中具备行业 know-how 的头部应用厂商。国内字节、百度、阿里等科技大厂对AI Agent 的布局聚焦于平台类产品或逻辑简答的通用场景，其中，字节的 Agent 开发平台扣子覆盖新闻阅读、旅行规划、生产力工具等多个领域；百度的文心智能体平台 Agentbuilder 基于文心大模型为开发者提供零代码和低代码两种低成本智能体开发模式；阿里的钉钉 AI 助理能够自动调用钉钉上第三方应用和企业自建应用，主要功能包括信息摘要、工作总结、智能问答等。与此同时，金山办公、泛微网络等头部应用厂商也开始布局Agent，其中，金山办公的智能写作工具 WPS AI 伴写提供通用、行政、教师、运营四种不同身份，可实现根据对应身份自动续写内容；泛微网络打造的智能体数智大脑 Xiaoe.AI 具有发票识别、简历解析、商机抓取、自动化报单服务等功能。由于垂直领域的专业度和复杂性使得第三方应用厂商在特定领域相较于大厂更有竞争力，海外市场 Palantir、Salesforce 等厂商的 Agent 落地情况也基本得到印证，未来重点看好办公、营销、财务等领域具备较深行业 know-how 的头部应用厂商在 Agent 领域布局。

2.3 豆包领跑国内 AI 产业链，看好端侧硬件和生态应用厂商投资机会

今年以来豆包开始领跑国内 AI 产业链，目前已经为全球第二大、国内第一大AI 应用，且与主要竞争对手的差距正在持续扩大。今年以来，随着字节战略上全方位押注 AI，字节在国内AI 市场的地位正在从去年的市场追赶者晋级为了领跑者。近半年以来，豆包 APP 的用户流量实现迅猛增长，5-7 月豆包APP日新增用户从 20 万迅速增长至 90 万，并在 9 月率先成为国内首个用户规模破亿的AI 应用，根据AI 产品榜数据，24 年 12 月豆包月活用户数达到 7116 万，环比增长 18.64%，成为仅次于ChatGPT 的全球第二大、国内第一大 AI 应用 APP，而主要竞争对手 Kimi 以及文小言（文心一言）的用户数仍稳定在千万级，且豆包与Kimi 以及文小言差距仍在保持持续扩大的趋势，随着豆包用户流量高速增长并成为国内顶流AI 应用，有望带动豆包生态链加速繁荣。

字节 AI 应用端采取全方位布局策略，目前产品已覆盖助手、虚拟社交、图像等各类场景。其中，除明星产品豆包以外，其他产品包括图片+视频生成平台即梦、AI 虚拟角色与剧情互动应用猫箱、AI 相机与写真生成应用星绘等近月来月活用户数均保持快速增长，并且猫箱和即梦也已成为国内顶流产品，根据AI 产品榜统计，24 年 12 月猫箱 APP 端月活用户数达 688 万，环比增长 50.18%，排名国内第4，即梦APP端月活用户数达 275 万，环比增长 120.25%，跻身国内前 15。字节基于豆包大模型打造丰富的AI 应用矩阵，也为生态合作伙伴提供了更多参与机会。 豆包大模型在成本端具备明显优势，同时随着模型性能和功能持续迭代升级，能够促进用户增加上层应用使用频率，有望推动应用生态的持续繁荣。豆包大模型的使用成本远低于国内及海外主要竞品，为用户增加上层应用的使用频率奠定基础，在 128k/256k 通用模型 pro 版本上，豆包模型价格显著低于智谱、月之暗面、百度等厂商的同类产品，并且在性能全面对齐 GPT-4o 后，通用模型pro 的使用价格仅为GPT-4o的 1/8，而对于 12 月新发布的视觉理解大模型，其每千 tokens 的输入价格为0.003 元，较行业均价大约便宜了 85%。与此同时，豆包系列模型持续迭代升级，24 年 12 月火山引擎对主力通用模型、音乐生成模型和文生图模型进行了功能和性能升级，其中，通用模型 pro 的指令遵循能力、代码能力、GPQA专业知识能力、数学能力、推理能力等均明显提升，并全面对齐 GPT-4o 水平；升级后的音乐生成模型课根据用户简单描述或上传图片生成 3 分钟的完整音乐作品，并支持局部修改功能；而文生图模型新增了一键P 图和一键海报功能，将显著提升豆包应用的用户体验，进而促进应用生态规模持续扩大。

豆包产业生态主要合作伙伴可大致分为内容服务商、广告代理商、端侧硬件厂商、生态应用厂商四类，重点看好可挖掘机会多、空间大的端侧硬件厂商和生态应用厂商投资机会。1）内容服务商：主要为字节系AI 应用提供文字、图片、视频等形式的正版素材以及为豆包系列模型提供专业的多模态训练数据集，主要厂商包括视觉中国、掌阅科技、海天瑞声等；2）广告代理商：结合豆包大模型的语言处理、多模态生成等能力为客户提供精准营销服务，同时广告代理商利用自身的流量资源帮助字节跳动实现变现，主要厂商包括省广集团、引力传媒等；3）端侧硬件厂商：字节鼓励硬件厂商采用豆包大模型，将豆包大模型能力嵌入终端硬件产品中，并通过合作生产智能终端设备来扩大用户覆盖面，其中 AI 眼睛、AI 耳机、AI 玩具等硬件产品将具备较大的拓展空间，主要厂商包括乐鑫科技、移远通信、中科蓝讯、恒玄科技等；4）生态应用厂商：将豆包大模型能力嵌入原有应用中，来提升产品在 AI 大模型相关方面的能力，或基于豆包大模型研发智能体等新的 AI 应用，主要厂商包括汉得信息、中科创达等。综合来看，我们认为端侧硬件厂商和生态应用厂商具备的可拓展空间更大。此外，在硬件端，字节跳动的 AI 基础设施主要依托于火山引擎，目前火山引擎已经构建起了一个完整的产业链条，涵盖了数据中心、服务器以及国产算力等多个环节厂商。随着未来 AI 用户的高速增长，预计字节将进一步加大在底层硬件资本投入并带来字节硬件供应链厂商的投资机会。

3. AI 算力：25 年 AI 推理需求有望爆发，国产算力芯片全面崛起

3.1 全球 AI 算力需求持续，25 年推理侧需求有望爆发

2024 年以来微软、谷歌、AWS、Meta 四大 CSP 的资本开支均保持高速增长，反映出AI 服务器的旺盛需求，预计 AI 驱动下的资本支出的高增长趋势将持续至 2025 年。相较于2023 年受全球经济疲软影响，北美四大 CSP 纷纷缩减服务器采购量，合计资本开支同比减少 2%，但其中AI 服务器投入已经开始显著增长。2024 年前三季度在 AI 驱动下四大 CSP 资本开支呈现高速增长趋势，前三季度合计资本开支分别同比增长 32%、59%和 61%。同时，对于 24 全年以及 25 年，四大 CSP 也释放资本支出高增长预期，具体来看，1）微软：24Q3 资本开支为 149 亿美元，管理层预计 24Q4 资本开支将保持环比增长，折合全年资本开支超547 亿美元，同比增长超 55%，同时计划在 25 财年（自然年 24Q3-25Q2）投资约800 亿美元建设数据中心，用于 AI 训练和推理；2）谷歌：24Q3 资本开支为 131 亿美元，管理层预计 Q4 资本开支将与Q3 几乎持平，折合全年资本开支约 513 亿美元，同比增 59%；3）AWS：管理层预计 24 全年资本开支将达到750亿美元，同比增长 56%，且 25 年资本开支将进一步增加；4）Meta：管理层将 24 年资本开支预期上调为380-400亿美元，对应 39%-49%的同比增长，并预计 25 年资本开支将保持显著增长。

OpenAI 9 月份发布的 o1 模型带来新的 Inference Scaling Law，有望促使大模型厂商把算力资源更多投入到推理环节。过去提到的大模型 Scaling Law 通常指模型在预训练阶段（Pre-Training）呈现出的扩展特性，而 o1 模型指向新的 Inference Scaling Law（增加推理时间和计算资源可以改善模型输出质量）。o1模型在回答问题前会先进行“思考”，为了提升模型性能和输出质量，需要为此过程分配更多的时间和算力以扩大思维链搜索范围、增加思维链迭代优化次数等，从而带来了额外的算力消耗。对于新的Scaling Law能够带来多大的算力需求，我们可以 o1 模型的输入输出价格做部分参考，根据 OpenAI 披露的数据，相较于GPT-4o，o1-preview 的输入价格贵 3 倍、输出价格贵 4 倍，而 o1-mini 的输入和输出价格都是GPT-4o 的20倍。12月 OpenAI 推出新一代 o3 模型，具备自我核实事实的能力，并且新增调整推理时间功能，可以设置为低、中、高计算模式，计算时间越长，代表思考时间越长，任务表现就越好。而基于o3 高昂的任务执行成本，可以推断其推理算力消耗相比于 o1 有成倍增长。在 ARC-AGI（一项旨在评估AI 系统是否能够有效在其训练数据之外获得新技能的测试）中，o3 在低计算设置下每个任务的成本就达到20 美元，在高计算设置下每个任务的成本高达数千美元，而 o1 的单任务成本不到 10 美元。

随着 GPT-4、Microsoft Copilot 等 AI 应用的用户数和访问量持续增加，同时多模态、Agent 等形态的应用不断涌现并快速商业化落地，2025 年推理侧需求有望迎来爆发式增长，并逐渐占据算力需求主导。一方面，2024 年以 GPT-4 为代表的头部 AI 应用流量仍保持稳步增长，GPT-4 的月活用户数从23 年11月的17.25 亿增加到了 24 年 11 月的 39.2 亿，特别是在 GPT-4o 旗舰模型发布后，24 年二季度月活环比增速显著提升。同时，360AI 搜索等新兴 AI 应用仍在不断涌现；另一方面，多模态、Agent 等形态的AI 应用快速发展，对推理算力的需求将显著高于基于语言大模型的 Chatbot、Copilot 等类型的AI 应用。根据英伟达在FY25Q2（大致对应 CY24Q2）财报电话会上的披露，过去 4 个季度推理收入在英伟达数据中心收入中占比已超过 40%，预计 2025 年 AI 推理将逐渐成为算力需求的主要来源。

3.2 ASIC 优势持续凸显，未来有望持续抢占GPU 份额

随着 AI 负载从训练向推理过渡，ASIC 有望凭借更高的能效比和推理效率抢占GPU的部分份额。AI训练需要底层基础设施提供高算力，对服务器集群的要求是集群大、数量少，GPU 凭借强大的并行计算能力和更高的峰值算力成为 AI 训练芯片的首选，占据大部分市场份额。而 AI 推理对单个集群的算力要求远低于训练，但由于应用场景众多需要更多的集群，并且更关注推理效率和性价比。相比于GPU，ASIC由于硬件结构是为特定任务专门定制的，具有更高的能效比和更低的单位算力成本，同时，不同于GPU高速缓存较小，存在数据传输及存储访问延迟的性能瓶颈，ASIC 通过对内存和算子进行定制优化可实现更快的数据处理，从而提高推理效率。随着 AI 推理负载占比逐步提升，未来更适合推理端的ASIC 有望抢占GPU的部分市场份额。根据 Marvell 数据，2023 年 ASIC 市场规模为 66 亿美元，在数据中心加速芯片中占比16%，预计到 2028 年 ASIC 市场规模将增至 429 亿美元，年复合增速达 45%，在数据中心加速芯片中占比提高到25%。

为降低成本以及减轻对英伟达的依赖，目前北美四大 CSP 均已开始自研ASIC 芯片，且已迭代至少两代产品，目前主要用于自有业务。1）谷歌 TPU：截至 2024 年，谷歌已迭代6 代TPU产品，最新一代的TPUv6e FP16算力为918TFLOPS，而目前正在研发的下一代TPUv7预计将于2025Q4量产。作为布局AI ASIC最早的厂商，谷歌 TPU 除供内部使用外，已开始对外提供，苹果曾使用 2048 个TPUv5p 及8192个TPUv4训练 Apple Intelligence；2）AWS Trainium 和 Inferentia：24 年 12 月 AWS 宣布暂停Inferentia 产品线的研发，后续专注于迭代Trainium，并同时用于训练和推理。目前 AWS 最新一代的Trainium2 FP16算力为667TFLOPS，同时 AWS 预计将于 2025 下半年发布第三代的 Trainium3，其将采用 3nm 制造工艺，计算性能较Trainium2将提升一倍；3）微软 Maia：2023 年 11 月微软发布 Maia 100，FP16 算力达800TFLOPS，用于在Azure中运行 OpenAI 模型及 Copilot 等应用；4）Meta MTIA：继 23 年发布 MTIA v1 后，Meta 于24 年4月发布新一代的 MTIA v2，主要用于 AI 推理，帮助运行 Meta 的内容排名和广告推荐模型。相较于MTIAv1，v2的整体性能提高了 3 倍，FP16 算力为 177TFLOPS，目前已在 Meta 的 16 个数据中心投入使用。

3.3 国内 AI 算力持续高景气，国产算力芯片即将全面崛起

作为国内 AI 算力需求的最大来源，2024 年头部互联网厂商仍持续投入大模型训练，资本开支保持快速增长，展望 2025 年，字节有望贡献 AI 算力最大的增量需求。在渡过 2021-2023 年的下行周期后，受AI需求驱动，以 BAT（百度、阿里、腾讯）为代表的国内互联网大厂开始大量采购AI 芯片并进行数据中心建设，在 2024 年的资本开支出现显著增长，2024 年前三季度 BAT 合计资本开支分别同比增长200%、69%、117%。受宏观因素以及各公司资本开支规划影响，2025 年以 BAT 为代表的互联网大厂总资本开支存在放缓的可能，但预计 AI 资本开支仍有望持续增加。此外，字节此前的算力资本开支与抖音和Tiktok 的日活用户数具有较强相关性，而 AI 算力投入将主要用于运行豆包等 AI 应用，根据字节在火山引擎原动力大会的披露，截至 12 月中旬，豆包大模型日均 token 消耗量已突破 4 万亿，相比 5 月首次发布时的1200亿提升了33 倍，而根据字节火山引擎智能算法负责人吴迪预测，到 2027 年豆包日均token 消耗量将超过100万亿。随着豆包应用快速发展，字节加大 AI 算力投入，推动资本开支大幅增加，24 年字节资本开支达800亿元，公司预计 25 年资本开支将翻倍至 1600 亿元，有望成为国内 AI 算力的最大需求方。

美国芯片出口管制政策持续加码，英伟达主力 AI 芯片出口中国大陆受限，AI 芯片的国产化进程有望加速推进。近年来美国不断加码对于高性能 AI 芯片的出口管制：1）2022 年10 月更新出口管理条例，提出总处理性能（TPP）和 I/O 带宽传输速率两大判断指标，禁止 TPP 不小于 4800 且I/O 带宽不小于600GB/s的 AI 芯片向中国等地区出口，导致英伟达 A100、H100 等高端芯片出口受限；2）2023 年10 月美国商务部再次更新出口管理条例，新增性能密度（PD）指标，并设置 1.6、3.2 和 5.92 三个门槛，A800、H800、RTX4090等芯片进入出口管制名单；3）今年 3 月底美国政府再次对出口管制条例进行修订，将管制范围从AI 芯片扩大到所有搭载 AI 芯片的电子设备。国内互联网大厂等下游客户为防止出现芯片断供风险，正逐步转向采购国产芯片或自研 AI 芯片，将推动 AI 芯片国产化率快速提升。

以华为昇腾、海光信息、寒武纪、昆仑芯为代表的国产 AI 芯片厂商正加速追赶英伟达，目前华为昇腾910B 已经基本可对标 A100，成为国内互联网厂商国产训练芯片的首选。目前华为在人工智能领域的芯片有昇腾 310 与昇腾 910 两款产品，华为在 2019 年推出昇腾 910 芯片，并在 2023 年推出了升级版昇腾910B。昇腾910B作为华为主力AI训练芯片，在单卡性能上可对标英伟达A100，其FP16稠密算力达到320TFLOPS，超越 A100 的 312 TFLOPS，与英伟达 H20 相比，910B 在计算能力和能效比方面均表现出色，但在显存配置、GPU 互联带宽方面目前仍存在差距，同时预计 25 年推出的 910C，在整体硬件性能等方面将得到进一步提升。23 年 910B 已经面向国内主要厂商供货，虽然 24 年 910B 订单较为饱满，但考虑到芯片产能及良率等方面的问题，910B 出货量仍受到供给端的限制。

寒武纪、海光信息、昆仑芯处于国产 AI 芯片第一梯队，其新一代主力产品思元590 芯片、深算三号、昆仑芯 3 代未来有望对英伟达 H20 形成替代。1）寒武纪：2020 年寒武纪推出首款7nm训练芯片思元290，INT8 算力达到 512 TOPS，接近 A100 的 624 TOPS（非稀疏化），去年年底发布了590 系列，综合性能进一步提升，接近 A100 的 80%；2）海光信息：2021 年推出深算一号，2023 年三季度推出的深算二号性能相对于深算一号提升约 100%，且下一代深算三号正处于研发测试阶段；3）昆仑芯：2020 年昆仑芯1代实现量产，主要用于百度搜索引擎、小度等业务，2021 年量产的昆仑芯 2 代较 1 代性能提升2-3 倍，并且百度已点亮基于新一代芯片昆仑芯 3 代组建的万卡集群。此外，摩尔线程、燧原科技、天数智芯等国产AI 芯片厂商已有产品上市，并在部分场景中实现了批量应用。

国产 AI 芯片厂商目前主要通过兼容 CUDA 以及自研两种方式来构建生态，逐渐突破CUDA生态壁垒。1）海光信息、摩尔线程等厂商采用兼容 CUDA 生态的方式，一方面，这类厂商在硬件层面上大多采用与英伟达类似的 GPGPU 架构，另一方面，这类厂商投入研发具备较高转换质量的编译器，用于CUDA代码转译，因此能够降低 CUDA 迁移难度并减少效率损失。短期来看，通过兼容 CUDA 构建生态的优势在于能够实现 CUDA 应用的低成本迁移，从而使开发者在不改变使用习惯的情况下逐渐过渡为使用国产芯片；2）华为昇腾、寒武纪等厂商致力于构建自主生态，这类厂商会针对自身 AI 芯片的特性通过自研构建软件栈，以通过软硬件协同更好发挥芯片性能，同时自主可控程度也更高。但在短期内，自建生态难度较大，这类厂商也会通过编译器实现对 CUDA 的兼容。而由于这类厂商多采用 ASIC 架构，CUDA 迁移难度相对较高，在一定程度到会导致更大的性能损失。

编辑：火腿肠