2025年AI行业策略报告：AI产业迈入成长期，坚定中国AI产业发展信心

1 人工智能产业趋势开启，将显著提升全球经济增长潜力

当前全球经济的机会与挑战并存。一方面，目前全球处于人口红利、全球化红利、杠 杆红利等三重红利期的尾声阶段，在上一轮技术创新带来的增量财富创造速度放缓的背 景下，全球进入存量蛋糕分配的阶段，这增加了地缘政治事件及国际贸易冲突发生概率。 另一方面，全球又处于第四次科技革命的发轫期，目前人工智能技术正在全球范围内快 速演进，其既是强化国家竞争力、助力大国崛起的核心抓手，又将成为全球经济新的增长 引擎，为全球经济走出存量蛋糕分配阶段提供科技良方。

1.1 人工智能是第四次科技革命的核心，将显著提升全球经济增长潜力

科学技术是第一生产力，技术变革驱动工业革命以来全球经济快速增长。根据英国 安格斯·麦迪森的《世界经济千年史》测算，在工业革命之前，全球经济、人口长期呈现 缓慢增长。以多边购买力平价测算，在公元 0-1000 年，世界 GDP 规模稳定在 1025-1168 亿国际元左右；1000-1820 年的 800 余年时间，世界 GDP 规模仅增长 4.95 倍；从 1820- 1998 年仅 200 余年，世界 GDP 规模大幅约增长 47.6 倍。在工业革命发生之后，1820-1998 年的 GDP 年均复合增速 2.21%约是 1000-1820 年 0.22%增速的 10 倍。

（1）在工业革命发生前，世界 GDP 增长主要由人口自然缓慢增长贡献。拆分世界 经济贡献来看，公元 1000-1820 年世界 GDP 规模年均复合增长率为 0.22%，其中人口增 速年均贡献为 0.17 个百分点，人均 GDP（或生产效率）增速年均贡献为 0.05 个百分点。

（2）在工业革命发生后，生产效率成为经济的主要驱动力。1820-1998年全球GDP 年均复合增速达 2.21%，其中人口增速年均贡献为 0.98 个百分点，人均 GDP 增速年均贡 献为 1.21 个百分点，生产效率（或人均 GDP）提升已成为世界经济的核心推动力量。同 时，生产率提升又提升全球人口规模的承载上限，“生产率、人口”二者共同推动世界GDP 体量以更大级别增加。

（3）人工智能将推动全球进入第四次科技革命。物质和能源是产品的主要投入项， 物质又可以换算为能源投入。因此在学术上，通常将能量利用水平作为衡量人类科技水 平、经济发展、文明进化的重要指标。整个世界经济史也是能源利用的发展史。提升能量 利用水平又分为两个方向：一是扩展能源（或物质）的使用范围；二是提升能源（或物质） 的使用效率。

从历次工业革命发展历程来看，均延续能源（或物质）使用范围扩展、能源（或物质） 利用效率提升等两条路径，从而在同等投入的前提下创造更多财富，且生产成本更低。第 一次工业革命以“蒸汽机”广泛使用为标志，第二次工业革命以“电能技术”广泛使用为 标志，均属于能源（或物质）的使用范围扩展；第三次工业革命以“计算机、核能”广泛 使用为标志，既“扩展能源（或物质）使用范围”，又通过信息化手段提升“能源（或物 质）利用效率”。我们据此预计第四次科技革命也将明显扩展能源（或物质）使用范围、 并提升能源（或物质）使用效率。梳理当下全球技术发展趋势，其中可控核聚变将实现廉 价能源的大规模供应；人工智能将完成信息时代的“数据、信息”驱动到智能时代的“人 类知识、规律”驱动转变，大幅提升能源（或物质）的利用效率。我们认为第四次科技革 命或将以人工智能、可控核聚变突破等为标志，将对人类经济社会进步产生深远影响。

（4）人工智能将显著提升全球经济增长潜力。知识密度从“非结构化数据→结构化 数据→信息→知识→技能”逐步提升，而人工智能将有效疏通从数据到知识及技能的转化环节，“数字资产”的经济价值将明显增加。万物互联时代积累了大量非结构化数据， 根据 IDC DataSphere，到 2027 年，全球非结构化数据将达到 246.9ZB，占全球数据总量 比例的 86.8%。但目前 AI 与数据分析融合程度仍偏低，根据 IDC，接近 80%的企业中， AI/ML 与数据分析融合度低于 50%，其中有超过 21%的企业仍从未使用 AI/ML 技术。预 计 AI 与数据分析融合将是未来五年产业的重点，这将显著提升全球经济增长潜力。根据 IDC 预测，到 2026 年，数字产品、服务和体验将为全球企业 2000 强增加超过 40%的总 收入；到 2027 年，70%的经济价值将以高信息密度的商品和服务形式呈现。 全球正加快数字化转型步伐。数字资本密集型企业具有高回报率特征，全球正加快 数字化转型步伐，根据《全球数字经济发展研究报告（2024 年）》：（1）2019-2023 年期间， 5 年投资总回报率全球排名前 30 的企业中，数字资本密集型企业占比高达 86.7%，前 50 占比高达 82.0%；（2）近年来全球数字化转型支出快速增长，2023 年，全球总数字化转 型支出超过 2.1 万亿美元，占全球总投资比重超过 52%，预计 2028 年达到 4.4 万亿美 元，预计 2023-2028 年五年复合增长率为 15.4%；（3）中国数字化转型步伐较快，2023 年中国数字化转型支出规模约为 3850 亿美元，预计 2022-2026 年复合增长率将高达 17.9%。

1.2 攻克性能及成本瓶颈，人工智能即将步入成长期

历史上，人工智能发展经历数次起伏。1956 年达特矛斯会议提出人工智能概念，标 志着人工智能行业诞生。但由于算法、数据、算力遭遇研究瓶颈，人工智能发展历史历经 数次起伏，在 2000 年前并未有效落地应用。从 2006 年以来，研究者通过深度学习算法 模拟人脑神经元网络结构，解决了传统机器学习方法处理非结构化数据的困难。在此基 础上，生成式 AI、决策式 AI 均相继取得显著突破，其中：①生成式 AI 主要学习数据中 的联合概率分布，在依托生成式模型学习非结构化内容后，再输出新内容，其典型代表为 ChatGPT；②决策式 AI 主要学习数据中的条件概率分布，通过决策式模型输出对数据的判定结果，其典型代表为 AlphaGo。

应用领域持续扩展是新技术演进的重要特征。高德纳（Gartner）技术成熟度曲线可 以较好解释新兴技术的发展路径，根据市场期望值及技术成熟度，Gartner 将新兴技术的 发展历程划分为五个阶段：技术萌芽期、期望膨胀期、泡沫破裂低谷期、稳步爬升恢复 期、生产成熟期。在技术萌芽期，新技术刚诞生，但技术并不成熟、此时还难以实际应用； 在期望膨胀期，随着媒体大力宣传及乐观预期发酵，市场对新技术的乐观期望值达到顶 峰，但实际应用较为有限；在泡沫破裂低谷期，市场发现新技术在实际还有很多不成熟地 方、技术应用进展不及预期，此时市场关注度快速降温、投资减少，技术发展进入低谷 期；在稳步爬升恢复期，随着技术优化调整改进，新技术应用领域开始逐步拓展；在生产 成熟期，该技术已经成熟，并广泛应用于众多行业。在股市的实际投资中，技术萌芽期到 期望膨胀期阶段，通常对应市场“主题投资”行情，主要特征为炒作新兴概念、投机性较 强，但缺乏业绩支撑、投资风险也较大；稳步爬升恢复期通常对应“成长期”阶段，此时 行业快速增长、业绩进入兑现期，进入估值与业绩的戴维斯双击阶段，这也是科技股行情 的最佳投资阶段，通常该科技方向将迎来主升浪行情。 从整体层面来看，人工智能正处于导入期向成长期过渡的阶段，部分 AI 领域正经历 “期望膨胀期”。Gartner 杰出研究副总裁 Arun Chandrasekaran 表示：“随着企业的关注重 点继续从基础模型转向可提高投资回报率的用例，生成式人工智能（GenAI）即将越过期 望膨胀期”。

目前人工智能应用领域正逐步拓展，持续打开成长天花板。此前，人工智能在语音 识别、图像识别、自动驾驶、智能监控等领域的成功应用，初步验证了人工智能技术及商 业方向，产生显著的示范效应，吸引人工智能向更多领域去应用扩散。后续人工智能的 应用领域扩展，将取决于两个方面：性能及成本。 （1）性能方面，人工智能或已通过图灵测试，具备替代人工的可能性。图灵测试是 评估人工智能智能程度的经典方法，其测试时长通常为 5 分钟。如果电脑能回答人类测 试者提出的系列问题，同时其超过 30%的回答让测试者误判为“由人类所答”，则认为电 脑通过图灵测试。一是决策式 AI 而言，在高难度及门槛的围棋领域，AlphaGo 已大幅超 越人类冠军表现；二是生成式 AI 而言，根据第一财经报道，认知科学家本杰明·伯根和 卡梅隆·琼斯的最新研究结果表明，越来越多的人难以在图灵测试中区分 GPT-4 和人类。 在其实验中，500 名人类与四种 AI 语言模型进行了 5 分钟的对话，其中 GPT-4 在 54%的 时间里被误认为是人类。该结果表明，GPT-4 已通过图灵测试。随着人工智能在诸多领域 已经超越人类表现，其已具备逐步替代人工的可能性。

（2）成本方面，大模型将是降低 AI 应用成本的有效途径。人工智能如果要在企业 或行业进行大规模推广应用，必须要降低使用门槛。但此前人工智能的投资门槛较高，人 工智能在建立初步模型、设置算法、训练模型、优化算法、固化算法等环节，都需要投入 巨额的资金及大量的 AI 人才。在最开始的导入期阶段，AI 应用问题主要集中在模型训 练方面，例如数据不够、算力不足等问题。此时百度、谷歌等科技巨头通过提供相应云平 台，为潜在企业供应芯片系统及大数据，在云上帮助企业训练 AI 模型、实现 AI 模型的 导入。但随着更多行业导入 AI，后续企业面临的 AI 应用难点更多，很多企业甚至难以建 立 AI 初始模型，以致难以开展有效训练并优化算法。此时，构建一个所有企业都能应用 的通用大模型、并方便 AI 顺利在其他行业应用，成为 AI 能否顺利进入展开期（或者成 长期）的关键信号。因此近年来国内外科技巨头都大力投入 AI 大模型领域，以应对更庞 大、复杂、通用的数据集或处理任务，并具有更强的泛化迁移能力。而大模型的成功普及 应用，也将是 AI 迈入成长期、向众多应用领域加速渗透的关键信号。

1.3 大模型的泛化迁移能力强，将加速人工智能在各行业广泛应用

（1）AI 大模型的本质为数据权重分析及计算。AI 大模型通常是指基于深度学习技 术原理，并具有海量系统参数、强大学习能力及泛化迁移能力，且能生产和处理多种类型 数据的人工智能模型。就 AI 大模型实现机理而言，在训练时，模型将输入单词以向量形 式呈现给神经网络，再通过网络的编码解码、自注意力机制，建立起每个单词之间联系的 权重（或概率分布）；在推理时，将输入语句中的各个单词与已编码在大模型中的单词进 行相关性分析及计算，同时又将相关性继续编码叠加在每个单词中，从而让 AI 模型表现出类似人类智能的形式。

（2）通常，大模型性能与规模将呈现幂律变化规律。如果用误差率来代表大模型的 性能，根据 OpenAI 论文《Scaling Laws for Neural Language Models》显示，模型的性能 （或误差率）与模型规模之间存在规模化法则（Scaling Law）。也即：损失函数随着模型 大小、模型训练使用的数据集大小、训练使用的计算量大小而呈现“幂律变化”的规律， 模型性能在一定范围内很少受其他超参数（depth、width）的影响。 一是模型大小：随着大模型中参数数量的增加，模型性能通常会按照幂律形式来改 善，符合以下公式： 性能函数（误差率） = c * (模型大小)^a 其中，c 为一个函数，a 则是小于 1 的正数。随着模型大小的增加，性能会提升，但 由于 a 小于 1，因此随着模型大小的增加，模型性能提升的速度将逐步变慢。 二是模型训练使用的数据集大小：通常，更大的训练数据集将带来更好的模型性能， 模型与训练数据集也遵循幂律关系。 三是模型训练使用的计算资源：用于模型训练的计算资源（浮点运算次数）越强大， 模型的性能改善也越明显，计算资源与性能也遵从幂律关系。

（3）但大模型如果达到一定规模时，性能将出现“涌现能力”、呈现“跳跃式质变”。 对人工智能而言，“涌现能力”通常指，当模型的参数规模或者复杂程度达到某个临界值 时，模型会表现出一些新能力，但这些新能力却不出现在更小的模型中。例如，理解上下 文语境；常识推理和逻辑推理；理解隐喻、讽刺等复杂语言现象等。除了规模化法则之 外，“涌现能力”还表明，在达到某些特殊阈值后，模型的性能与规模增长可能会呈现非 线性现象，模型性能可能会跃迁，“持续的量变”可能导致“阶段性质变”的出现。

本轮以大模型为代表的人工智能技术涌现出“类人智能”能力，具有多任务适应、能 力可塑性强等特点，为人工智能在各个行业广泛渗透奠定基础。特定行业应用 AI 技术时， 需满足技术可行性、商业可行性等两条标准： （1）从技术维度来看，我们预计 AI 大模型在特定行业的渗透速度将取决于三个方 面：一是该行业已经积累了大量的人类经验。由于AI 本质为人类知识经验的再次总结及复制，如果某一行业人类知识探索尚有不足，其被 AI 替代的概率也较低；二是特定行业 经验要能被数据量化、被定义为算法、能进行数据计算及处理。如果特定行业的经验难 以量化或算法处理，也难以被 AI 替代；三是该行业的经验有较大优化空间，因而 AI 能 比人做的更好。满足这三个标准的特定行业，预计将率先应用 AI 技术。 （2）从商业维度来看，我们预计早期 AI 在特定行业的发展前景将取决于两个方面： 一是行业的容错率高低。在早期，无论是生成式 AI、还是推理式 AI，由于技术不成熟、 出错率都相对偏高。对于容错率较高的行业，即使应用 AI 技术时出现差错，也不会造成 严重后果，因此对于这类行业，将在早期就率先应用 AI 技术；二是变现难度的高低。对 于用户付费意愿较强、产品容易变现的相关领域，AI 技术将形成完善的商业化闭环，该 领域应用“AI 技术的意愿”也更强。 从 AI 应用先后来看，综合考虑技术可行性及商业可行性，我们预计人工智能将在娱 乐、游戏、电商等人类经验多、容错率高、商业化动机强的领域率先应用；其次为教育、 医疗等人类经验多、但容错率及商业化动机中等的领域；接着为文旅、金融、法律、房产 等人类经验多，但容错率低、商业化动机中等的领域；最后为交通、农业等人类经验多、 但容错率低、商业化动机低的领域。以大模型为代表的人工智能行业，依次向上述行业 渗透，将打开成长天花板，迈向 Gartner 图中的稳步爬升复苏期阶段。

从生成式 AI 的细分市场规模及增速来看，根据 IDC 统计，2023 年互联网、金融、 医疗三大领域分别以 15.9%、15.3%、8.6%的年增长率引领智能化进程，对 AI 新技术的 需求和接纳能力较高。尽管运营商与汽车行业当前年增长率略低，但长远来看，IDC 预计 这两大行业未来五年将分别以 43%和 46%的复合年均增长率迅速攀升，AI 在通信基础建 设和出行变革中的应用前景较为广泛。

1.4 中国 AI 大模型正处于发展快通道

目前中国 AI 大模型已进入快速发展通道。大模型作为本轮人工智能的标志性产品， 以其出色的泛化迁移能力，将加速人工智能向其他行业渗透。目前中国 AI 大模型已进入 快速发展通道，根据第一新声研究院不完全统计，2024 年公开的大模型中标项目已经超 过 1000 个，大模型整体应用市场规模达到 157 亿元，并预计 2022-2027 年中国 AI 大模 型的应用市场规模复合增速将高达 148%，2027 年 AI 大模型市场规模达到 1130 亿元， 届时 AI 大模型行业达到盈利临界点。

此外，根据亿欧智库统计口径，2024 年中国大模型市场规模约为 130 亿元，较 2023 年同比增长 140%；从市场组成来看，纯硬件采购部分、服务部分、软件部分占比分别约 为 60%、23%、17%，硬件是成本最大组成部分。随着中国 AI 大模型的快速发展及向各 应用领域渗透，未来数年中国人工智能行业将进入高速成长期。

1.5 本章小结：人工智能突破在即，将进入高速成长期

第一次工业革命以来，科技成为驱动全球经济增长的核心动力。科技进步遵循扩展 能源（或物质）使用范围、提升能源（或物质）利用效率等两条主线，据此预计第四次科 技革命或将以人工智能、可控核聚变突破为标志。其中人工智能突破在即，全球正加快数 字化转型步伐，将显著提升全球经济增长潜力。IDC 预测，到 2026 年，数字产品、服务 和体验将为全球企业 2000 强增加超过 40%的总收入；到 2027 年，70%的经济价值将以 高信息密度的商品和服务形式呈现。 新技术通常存在主题投资、成长投资等两个较好的投资时期。根据 Gartner，生成式 人工智能即将越过期望膨胀期。人工智能将从此前的主题投资逐步向成长投资过渡，进入估值与业绩同时提升的戴维斯双击阶段。目前人工智能在性能方面，或已通过图灵测 试，具备替代人工的可能性；在成本方面，大模型的泛化迁移能力较强，将是降低 AI 应 用成本的有效途径。随着性能及成本瓶颈同时攻克，人工智能应用领域将持续拓展，将进 入高速成长期。 大模型性能遵从规模化法则，并涌现出“类人智能”能力，具有多任务适应、能力可 塑性强等特点，将加速人工智能向各行业的广泛渗透。从大模型市场来看，第一新声研究 统计 2024 年中国大模型市场约为 157 亿元，并预计 2022-2027 年的复合增速高达 148%， 2027 年 AI 大模型市场将达 1130 亿元。从 AI 应用先后看，综合考虑技术可行性及商业 可行性，预计人工智能将在娱乐、游戏、电商等领域率先应用；其次为教育、医疗等；接 着为文旅、金融、法律、房产等；最后为交通、农业等。从生成式 AI 的增速来看，IDC 统计 2023 年互联网、金融、医疗三大领域分别以 15.9%、15.3%、8.6%年增长率领先；未 来五年运营商、汽车将分别以 43%和 46%复合年均增长率迅速攀升。

2 短期波动难以避免，中长期坚定中国 AI 产业的发展信心

2.1 行情概况：科技股长期趋势向好，但短期拥挤度过高

全球资本转向押注中国 AI 产业发展前景。从2022 年底到 2024年 924行情启动前， 中国股市、美国股市走势出现明显背离。美股在 AI 产业趋势驱动及英伟达产业链高景气 下，纳指再创历史新高，并带动日本、韩国、中国台湾等股市走强；但在美国算力及 AI 技术封锁下，中国 AI 产业此前未能充分享受本轮 AI 产业爆发红利，中国科技股走势明 显落后于海外科技股。从 2022 年 11 月底至 2024 年 9 月 23 日，代表中国科技资产表现 的 A 股科创 50 指数、港股恒生科技指数分别下跌 35.85%、上涨 0.07%，远低于代表美 国科技资产的纳斯达克 100 指数，其同期涨幅高达 72.58%。在 924 行情之前，中国科技 巨头公司相对美国科技巨头的估值明显低估。

（1）近期中美 AI 技术差距正快速缩小。从 2025 年迄今，以 Deepseek、宇树科技为代表的中国科技企业取得显著技术突破，重塑了中国科技行业发展逻辑，A 股市场持续 演绎科技成长风格。

2024 年 12 月 26 日，中国深度求索公司发布自研 MoE 模型 DeepSeek-V3， DeepSeek-V3 性能对齐海外领军闭源模型，其多项评测成绩超越了 Qwen2.5- 72B 和 Llama-3.1-405B 等其他开源模型，并在性能上和世界顶尖的闭源模型 GPT-4o 以及 Claude-3.5-Sonnet 不分伯仲。同时，通过算法和工程上的创新， DeepSeek-V3 的生成吐字速度从 20 TPS 大幅提高至 60 TPS，相比 V2.5 模型实 现了 3 倍的提升，给用户带来更加迅速流畅的使用体验。

2025 年 1 月 20 日，中国深度求索公司再发布 DeepSeek-R1 模型。DeepSeek-R1 模型在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAIo1 正式版。同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

实际上，从 2023年第三季度以来，中国、美国在大模型领域的技术差距正快速缩小。 以推理模型为例，大模型实现逻辑推理能力的核心关键在于思维链技术。思维链主要指 在多步骤思考问题中的一系列中间推理步骤。通过思维链技术，大模型可将一个复杂问 题逐步分解为一步步的子问题，并依次进行问题求解过程，从而显著改善大模型的能力 及性能。OpenAI 在 2024 年 9 月 13 日，最早发布首个推理模型 OpenAI o1。但仅隔 4 个 月，DeepSeek 等中国竞争对手基本复制了 OpenAI o1 的智能水平，也实现了模型推理能 力，这标志着中国、美国在大模型技术代差明显缩小。

（2）人工智能是驱动本轮 A 股行情的最关键因素。目前，恒生科技指数、恒生指数、 科创 50 指数等“科技属性强”的宽基指数均一度率先突破上轮 924 行情的高点，正式打 开本轮 A 股行情的想象空间。

从权重来看，本轮率先突破的科创 50 指数、恒生科技指数在信息技术行业的权重占 比较高，分别为 73.8%、49.5%，远高于同期沪深 300 指数、恒生指数在信息技术行业的 权重占比（分别为 16.9%、18.9%），体现了本轮 A 股行情的“科技属性特征”。人工智能 产业趋势是驱动本轮 A 股向上行情的最关键因素。

（3）但在短期，TMT 板块交易拥挤度偏高。交易拥挤度方面，我们根据申万一级 行业分类，统计了 TMT 四个行业（计算机、传媒、电子、通信）、泛人工智能板块（计 算机、传媒、电子、通信、机械设备、汽车）的成交金额占全部 A 股的比重。截至 2025 年 2 月 26 日，TMT 行业成交额占比已连续 18 天超过 40%，泛人工智能板块成交额占比 已连续 16 天超过 55%。人工智能的市场关注度及交易拥挤度堪比 2023 年第一、二季度， 2023 年 3-4 月 TMT 板块成交额占比曾经连续 17 天超过 40%、2023 年 5-6 月 TMT 板块 成交额占比曾经连续 13 天超过 40%。但需强调，2023 年 A 股人工智能行情主要为美国 科技股行情的映射、其本身缺乏太多业绩支撑（光模块等英伟达产业链除外），因此 2023 年 A 股人工智能行情的活跃程度有限。2025 年 A 股科技股行情由中国人工智能产业的内 在趋势驱动，预计本轮 AI 行情高度及持续性都将超过 2023 年。短期看，交易拥挤度、 市场情绪面对科技股走势仍有一定影响（在 2 月 27 日后 TMT 板块拥挤度有所下降，但 仍维持在 33%-42%之间），尤其是在 AI 业绩暂无法兑现的真空时期，“交易过度拥挤”可 能会加剧中国 AI 科技股的波动风险。但从中长期来看，中国人工智能产业发展进程将为 科技股走势奠定良好的基础。

（4）板块挤压效应较为明显、短期 A股板块有一定估值再平衡的动力。就板块结构 而言，此前泛人工智能板块与传统行业走势出现明显分化。从 2025 年初截至 3 月 12 日， 31 个申万一级行业中，仅计算机、机械设备、有色金属、汽车、传媒、电子等 6 个行业 涨幅超过 10%，多达 24 个行业涨幅均低于 6.7%，有 10 个行业更是录得负收益。从 2025 年初至 3 月 12 日的个股涨跌幅中，有 3874 只个股上涨、1508 只个股下跌，涨跌幅中位 数为 7.34%。资金从传统板块向 AI 科技方向过度聚焦，这加剧了 A 股各板块之间、个股 之间的失衡。在上市公司财报披露期，市场将重新考量估值与业绩的匹配性，因此不排 除在 3-4 月份财报季，人工智能与传统板块存在估值再平衡压力。

2.2 投资节奏：主线行情通常经历三阶段，目前 AI 行情仍由估值驱动

一、主线行情通常会经历拔估值、提业绩、塑逻辑等三个阶段。资本市场作为国民 经济的“晴雨表及风向标”，上市公司股价也会提前反映公司的业绩预期。对于一轮主线 行情走势，根据股价及业绩的匹配程度不同，通常会经历拔估值、提业绩、塑逻辑等三个 阶段，其中：①在拔估值阶段，上市公司股价会提前反映业绩改善预期，此时“业绩”虽 然没有明显改善，但估值会率先提升，估值会先行驱动上市公司股价走强；②在提业绩阶 段，上市公司业绩改善与股价上涨同步，其股价进入“估值与业绩同时提升”的戴维斯双 击阶段，行情也迎来“主升浪行情”；③塑逻辑阶段，则是指上市公司业绩出现连续数个 季度的改善或提升，一般是由产业趋势逻辑驱动的上涨行情。对于产业趋势逻辑引发的 主线行情，由于产业投资周期通常将持续数年，因此一轮主线行情也将持续数年时间（通 常在 2-4 年左右）。例如：从 2018 年底-2022 年初的新能源车行情持续约 3 年、从 2014 年 初-2021 年初的白酒行情持续时间更长，且都呈现类似的三阶段主线投资规律。

（1）新能源车的股价与业绩走势并不完全同步。如果以净资产收益率 ROE 来衡量 上市公司的相对业绩表现，在 2016 年-2018 年底，新能源车的业绩与股价走势基本一致； 但从 2018 年底至 2020 年初，新能源汽车相对传统燃油车的竞争力逐步显现、新能 源汽车的渗透率处于爆发初期阶段。但随着新能源汽车补贴政策逐步退出，此时新能源车企的业绩表现一般，但估值出现明显抬升，此时新能源车指数处于“拔估值”行情阶 段，其股价上涨主要由估值抬升来贡献。

2020 年初至 2022 年初，随着国家“双碳目标”提出，我国新能源汽车行业正式进入 发展快车道。我国新能源汽车当月销量占汽车销量的比例从 2020 年 12 月的 8.77%快速 提升至 2022 年 12 月的 31.84%，同期新能源车上市公司业绩也明显改善，新能源车指数 的单季度 ROE 从 2020 年 Q4 的 0.79%大幅提升至 2022 年 Q4 的 6.38%，新能源车指数进 入“业绩与估值同时提升的戴维斯双击阶段”，新能源车指数也迎来主升浪行情，该阶段 新能源车指数涨幅高达 143.90%。 从 2022 年初至 2023 年初，虽然新能源汽车渗透率仍在提升、新能源车指数的业绩 （ROE）仍在改善通道中，但此时新能源车股价已经有震荡回落态势，这时新能源车指数 对“业绩利好”出现钝化的迹象，初步提前反映对未来产能过剩的担忧，新能源车指数的 市盈率逐步回落。 从 2023 年初至 2024 年初，新能源汽车产能过剩的负面影响显现，并开始反应在其 业绩层面，新能源车指数 ROE 逐步回落，此时市场继续定价“产能过剩”担忧，新能源 车指数进入“估值与业绩同时回落的戴维斯双杀”阶段，新能源车指数也迎来主跌浪。

（2）中信白酒指数的股价与业绩走势也并不同步。在 2012年下半年塑化剂风波、 2013 年限制三公消费冲击下，2012年下半年到 2014年初，中信白酒指数的业绩（或ROE） 与估值都同步回落，白酒行业处于“戴维斯双杀”阶段，迎来主跌浪。 在 2014 年初至 2017 年初，白酒基本面逐步企稳，中信白酒指数盈利（ROE）基本 稳定，但市盈率逐步提升，白酒处于“拔估值”行情阶段，“估值提升”推动中信白酒指 数上涨。

2017 年初-2021 年初，随着地产棚改货币化政策推进、中国人均 GDP 迈入 1 万美元关口，消费升级成为中国社会主旋律，名优白酒价格节节走高，驱动白酒指数盈利（ROE） 改善，此时白酒行业市盈率也继续明显抬升，中信白酒指数迎来“估值与业绩双重提升的 戴维斯双击阶段”，呈现“主升浪”行情，同期中信白酒指数涨幅高达 529.05%。 2021 年初至 2024 年，虽然白酒盈利继续维持在高位，但白酒指数估值明显回落， “估值回落”导致白酒指数走势明显承压，白酒（中信）指数处于杀估值阶段。

二、目前中国科技股仍处于拔估值行情的阶段。在 924 行情启动之前，截至 2024 年 9 月 23 日，中国科技股龙头估值明显低于海外可比科技龙头，就港股市场与美股市场的 科技巨头对比而言，比亚迪股份市净率（4.47 倍）仅为特斯拉市净率的 37%、阿里巴巴 市净率（1.60 倍）仅为亚马逊市净率的 19%、百度集团市净率（0.86 倍）仅为谷歌市净 率的 13%、腾讯控股市净率（3.84 倍）仅为脸书市净率的 42%。随着 924 行情启动、以 及 Deepseek 引发全球资金重新评估中国科技产业发展前景，中国科技股迎来价值重估过 程。

（1）从贡献来看，本轮中国科技股行情的“拔估值”特点突出。从 2024 年初至 2025 年 3 月 14 日，科创 50、沪深 300、恒生科技、恒生指数的区间涨跌幅分别为 29.57%、 18.31%、58.31%、42.72%，其中估值贡献分别为 154.20pct、19.07pct、45.76pct、28.45pct， 业绩贡献分别为-49.03pct、-1.21pct、11.58pct、10.02pct。

（2）从 2025 年初至 2025 年 3 月 14 日期间，A 股及港股市场行情的“拔估值”特 点更加突出。从 2025 年初至 2025 年 3 月 14 日，科创 50、沪深 300、恒生科技、恒生指 数的区间涨跌幅分别为 14.60%、4.14%、34.46%、19.64%，其中估值贡献分别为 13.50pct、 1.93pct、21.18pct、15.32pct，业绩贡献分别为 0.97pct、2.17pct、10.96pct、3.75pct。

2.3 资本开支：中国科技巨头或开启“AI 军备竞赛”，TMT 板块业绩释放可 期

一、科技产业的资本开支高峰期与其投资高峰期具有较好的对应关系。当科技行业 的趋势来临，产业渗透率进入快速提升时点时，众多企业会进入该产业，产业内的资本开 支也随之大幅增加。在资本开支提升的早期阶段，资本开支力度与股价上行阶段具有较 好的对应关系。但在资本开支提升的后期阶段，通常市场会提前预期产能过剩的风险，因 此科技公司股价又会领先于资本开支高点出现回落。 （1）以上一轮移动互联网革命为例，TMT（中信）指数的单季度投资活动产生的现 金流量净额/营业收入比值在 2014 年 Q1 的 11.70%触底后回升，随后 TMT 行业资本支出 力度持续增加，其比值趋势性上行至 2016 年 Q2 的 24.08%。而 TMT（中信）指数从 2014年 Q1 起快速走牛，在 TMT 行业资本支出增加的早期阶段，其股价与资本支出力度有较 强的正相关性。但 TMT（中信）指数在 2015 年年中见顶回落，其股价回落时点要明显早 于资本支出的高峰点。也即，在 2015 年年中以后，TMT（中信）指数股价走势对资本支 出力度出现钝化效应。

（2）以上一轮新能源行情为例，Wind 新能源指数的单季度投资活动产生的现金流 量净额/营业收入比值在 2021 年 Q2 的 7.41%触底后回升，随后 Wind 新能源行业资本支 出力度持续增加，其比值趋势性上行至 2022 年 Q4 的 25.79%。而 Wind 新能源指数在 2021 年下半年起快速走牛，在 Wind 新能源行业资本支出增加的早期阶段，其股价与资 本支出力度有较强的正相关性。但 Wind 新能源指数在 2021 年底见顶回落，股价回落时 点也早于资本支出高峰点。也即，在 2021 年底以后，Wind 新能源指数走势对资本支出 力度也出现钝化效应。

二、本轮美国的人工智能资本开支领先于硬件厂商业绩半年左右。根据亿欧智库统 计，从 2024 年中国大模型市场组成来看，纯硬件采购部分、服务部分、软件部分占比分 别约为 60%、23%、17%，硬件是大模型成本最大组成部分。因此对 AI 产业投资而言， AI 大模型厂商的资本性支出大部分将转化为硬件厂商的业绩。在 AI 产业趋势加持下， 海外科技巨头大幅增加资本开支投入。我们统计美国六大科技巨头（苹果、微软、谷歌、 亚马逊、脸书、特斯拉）的单季度资本性支出情况，其在 2023 年 Q2 触底，合计为 347.66 亿美元，随后逐季上调单季度资本性支出，2024 年 Q4 资本性支出合计达 743.14 亿元， 已是 2023 年 Q2 的 2.14 倍。美股科技巨头持续加大在 AI 领域的资本开支，是美股 AI 技 术突破及英伟达产业链业绩释放的重要源动力。由于投资的订单交付存在确认时差，英 伟达业绩滞后于美国六大科技巨头资本性支出约半年左右的时间。英伟达在 2023 年 Q4 正式释放业绩，2023 年 Q4 归母净利润高达 14.14 亿美元，分别较 2023 年 Q2 的 6.56 亿 美元、2023 年 Q3 的 6.80 亿美元出现大幅提升。英伟达在 2023 年 Q4 确认业绩拐点后， 从 2023 年 Q4 至 2024 年 Q4，归母净利润逐季大幅攀升，正式进入戴维斯双击的主升浪 阶段。

三、我国互联网厂商的资本开支力度与其股价的相关性较高。互联网厂商投资具有 顺周期属性，其在产业周期上行阶段通常会加大资本支出力度。因此从历史经验来看，我 国互联网厂商的资本开支力度与其股价表现具有较好的相关性。我们统计了中国互联网 厂商（京东、阿里、腾讯）的单季度投资活动现金流量净额/营业总收入的比值，用于衡 量互联网厂商的资本开支相对力度。2021 年 Q1，中国互联网厂商（京东、阿里、腾讯） 单季度投资活动现金流量净额/营业总收入的比值触顶达到 26.49%。随着平台公司规范政 策、移动互联网渗透率饱和，此后三年多的时间里，中国科技巨头的资本开支规模相对有 限。该比值从 2021 年 Q1 起开始趋势性回落，2024 年 Q3 仅为 6.25%，投入力度不到 2021 年 Q1 高峰期的四分之一。同期，我国互联网龙头企业的股价普遍不佳，恒生互联网科技 业指数在 2021 年第一季度见顶回落，在 924 行情前均延续低迷的走势，我国互联网厂商 资本开支相对力度与其股价走势具有较强的相关性。

四、中国人工智能资本开支周期正式开启，预计国产 AI 产业链的业绩将在2025年 中报开始释放。中国科技巨头或开启“AI 军备竞赛”。阿里巴巴公告，2025 财年第三季 度（截至 2024 年 12 月 31 日止季度）的营收 2801.5 亿元，同比增长 8%，预估 2773.7 亿 元；净利润为 464.34 亿元（63.61 亿美元），同比增长 333%，其中云业务表现亮眼。财报 显示，阿里季度资本开支达 318 亿元，环比大增 80%。同时，阿里巴巴集团 CEO 吴泳铭 强调未来三年，阿里将围绕 AI 这个战略核心，在 AI 基础设施、基础模型平台及 AI 原生 应用、现有业务的 AI 转型等三方面加大投入。未来三年，阿里将投入超过 3800 亿元， 用于建设云和 AI 硬件基础设施，总额超过去十年的总和。腾讯控股 2024 年资本开支高 达 767.6 亿元，同比增幅高达 212.66%，相当于同期收入的大约 12%。其中 2024 年第四 季度腾讯资本开支大幅提速，第四季度单季度资本开支环比增长 113.98%、同比增长 386.15%至 365.78 亿元。腾讯 2024 年全年资本开支中将近 80%投向了 AI 服务器和算力 中心。腾讯计划在 2025 年进一步增加资本支出，预期资本支出占收入的比例为低两位数 百分比。 本次阿里、腾讯等明确加大云和 AI 的基础设施投入，预计将引发中国科技巨头的“AI 军备竞赛”，我们预计字节、百度等互联网大厂的资本支出力度也有望明显增大。中国 AI 产业链有望进入“业绩释放阶段”，同时也进一步提升了“AI 在应用端突破及打通商业模 式闭环”的概率。参照海外业绩释放节奏以及订单确认周期，按互联网大厂资本支出领先 于 AI 硬件等供应商业绩约半年的时间测算，我们预计国产 AI 产业链的业绩将在 2025 年 中报开始释放，但 2025 年 Q1 的业绩释放可能尚不明显。

2.4 技术优势：2025 年 AI 创新再次转向算法，有利于中国 AI 产业技术追赶

一、新技术赛道是产业弯道超车的最佳方式。在很多高科技产业领域，龙头公司拥 有技术优势、先发优势、规模优势，将持续领先于后发者一个身段，并将攫取高额的超额 回报率，从而继续反哺研发投入以维持其竞争优势。后发者则长期处于赶超状态，盈利能 力远不及行业龙头公司，将走向“盈利能力弱→无力投入研发→产品力落后于龙头公司 →盈利能力继续偏弱”的负向循环，技术赶超难度较大。对于规模效应及网络效应更加明 显的互联网企业而言，其龙头优势及低位将更加巩固，后发者赶超难度更大。后发者虽然 在原有技术赛道处处掣肘、难以赶超，但在新技术赛道却有较大概率实现弯道超车。原因 在于：①在新技术赛道，后发者与龙头公司均处于同一起跑线，二者不存在明显的技术代 差；②龙头公司在原有技术赛道投入过大，其组织文化、资源投入、技术优势都更集中在 原有赛道，因此更不容易顺利转型。后发者由于没有历史包裹，反而更容易成功转型。例 如，苹果智能手机超越诺基亚、中国新能源车赶超日德传统燃油车等经典案例，均是出现 在新旧技术的切换期。

二、人工智能的关键竞争要素发生变迁，2025 年 AI 创新再次转向算法。AI 领域竞 争中，算力、数据、算法都是关键竞争因素。根据短板理论，算力、数据、算法的进步并 不同步，三者在不同阶段会依次成为 AI 发展的关键瓶颈因素，“三者交替发展”成为驱 动 AI 创新发展的源动力。此前，在 2022 年，AI 创新以算法创新为主，其标志事件为 ChatGPT 发布，并引发市场强烈反响，市场开始大力研究 Transformer 架构，在算法层面 持续取得突破；2023 年 AI 创新以数据创新为主，数据标注、数据合成等成为市场研究热 点，并为高质量数据集建设打下基础；2024 年 AI 创新以算力创新为主，算力走向超万卡 时代，并出现算力运营商等新的模式，此时市场对拥有算力垄断的美国 AI 产业预期明显 走高。但 2025 年 AI 创新再次转向算法，Deepseek 成为引领算法创新的重要风向标。

本轮人工智能的核心竞争点轮到算法领域。此前竞争重点聚焦“算力”领域，在规模 法则（Scaling Law）作用下，市场普遍认为“大算力=强性能”。但在美国算力封锁下，对 中国 AI 产业发展信心不足。DeepSeek 通过重新设计及优化训练流程、采用少量 SFT 数 据以及多轮强化学习的方法，不仅提升了模型准确性，同时也明显降低了内存占用情况 和算力开销等。DeepSeek-R1 大模型一方面证实通过算法层面优化可以几何式弥补算力层面不足；另一方面也验证了工程调优的重要性。也即，在产业发展趋势中，在既有技术 基础上持续改进以及工程调优，能够大幅降低成本，加速产业化进程。而在工程调优及算 法领域，中国公司均拥有一定优势。本次DeepSeek优化算法架构取得了显著的技术突破， 打破了传统 AI 领域“算力为王”的技术框架，将 AI 产业竞争要素重新向“数据、算法、 应用”聚焦。而中国 AI 产业在“数据、算法、应用”与美国差距并不太大，具备弯道追 赶，甚至超车的可能性。 在 2024 年以前，在算力主导时代，大模型技术突破主要靠堆砌算力，因此大模型最 大参数量呈现几何式增长。但随着 DeepSeek 的成功突破，市场开始重新认识到算法的重 要性，2025 年起 AI 大模型的参数开始向两级分化（高参数量模型、低参数量模型），部 分2025年发布的大模型具有低参数量的特征。随着大模型的低参数量、大模型价格下降、 加上蒸馏技术的崛起，为本地化部署 AI 终端、加速 AI 端侧应用普及提供便利，从而加 速 AI 在各行业的渗透、并有望催生新的商业模式形态。

2.5 政策优势：中国科技政策支持力度较大，有利于人工智能加速渗透

中国科技企业更擅长于模仿创新以及应用变现。与原始创新类似，模仿创新同样能 孵化伟大的科技巨头公司。相较海外企业而言，中国科技企业在模仿创新、商业模式突破 方面更具优势。很多技术虽并非中国原创，但经过中国本地化改良，产品或服务性能持续 优化，将充分挖掘其商业价值。其原因在于：①政策端来看，中国科技政策支持力度较 大，对科技企业的创新成长包容性更高；②供应端来看，中国拥有更完整的制造业产业 链，工程调优能力更强，且供应链具有更好的柔韧性及敏捷性，有利于技术快速迭代；③ 需求端来看，中国拥有庞大、层次分明的内需市场，既有利于市场需求的及时响应，又有 利于商业模式的多样化创新。

中国科技政策支持力度较大，科技政策相对宽松、包容。从2018年中美贸易摩擦以 来，全球经济两极分化愈发明显。“产业转型升级、科技自主可控”已成为中国国内普遍 共识。党的二十大报告强调，要加快建设现代化经济体系，着力提高全要素生产率，着力 提升产业链供应链韧性和安全水平，推动经济实现质的有效提升和量的合理增长。我们 预计未来 5-10 年仍是我国“产业转型升级、科技自主可控”的关键时期，我国仍将继续 加大科技领域的政策支持力度，营造宽松、包容、有活力的科技创新氛围。

（1）2025年政府工作报告对科技的重视度明显提升，强调要“建立未来产业投入增 长机制，培育生物制造、量子科技、具身智能、6G 等未来产业”；对数字经济的描述也明 显偏多，要求“激发数字经济创新活力”，同时强调“持续推进‘人工智能＋’行动，将 数字技术与制造优势、市场优势更好结合起来、支持大模型广泛应用，大力发展智能网联 新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备”。 相比以往政策表述，2025 年政府工作报告在科技方向新增具身智能、 6G、人工智能手机 和电脑、智能机器人等提法，对人工智能产业应用的关注度明显增加。此外，为提升国家 创新体系整体效能，2025 年政府工作报告也要求“深入实施科教兴国战略”，尤其是要“制 定实施教育强国建设三年行动计划”，为 AI 等科技创新发展注入新动能。

（2）2025 年民营企业座谈会更强调创新驱动。我们认为：①相对 2018 年民营企业座谈会发言企业家行业 相对分散而言，本次座谈会大多来自人工智能、通信、机器人等高新技术领域，科技含量 明显提升，预计政策重点将更强调创新驱动、突出科技自主可控地位。②相对 2018 年民 营企业座谈会缓解民营企业经营压力而言，本次座谈会更强调规范与支持并重，推动市 场主体健康发展。③2018 年民营业务座谈会后，支持措施重点在减负纾困问题，本次座 谈会支持措施则更加制度化、体系化、法治化。本次座谈会为我国民营企业健康发展及科 技领域突破提供强有力支撑。

2.6 产业优势：中国庞大、完整制造业产业链，将促进人工智能应用落地

中国拥有更完整的制造业产业链，将促进人工智能应用落地。从供应端来看，就制 造业品类的丰富度而言，我国制造业拥有 31 个大类、179 个中类和 609 个小类，是全球 产业门类最齐全，产业体系最完整的国家；就制造业规模而言，2024 年我国全部工业增 加值完成 40.5 万亿元，制造业总体规模连续 15 年保持全球第一。中国制造业总产值占全 球比重约为三分之一。人工智能需要结合各个行业应用来落地，也即行业应用是智能化 载体、而人工智能则是智能化的灵魂内涵。我国庞大、完整的制造业产业体系，为人工智能在各行业的顺利落地提供较强支撑。一方面，完整的制造业供应链将赋予人工智能应 用体系更好的柔韧性、敏捷性，也使得工程调优及技术迭代均能快速推进，将优化及完善 人工智能硬件载体。例如智能汽车、智能家居、智能家电、AI 手机、AI 眼镜以及其他端 侧 AI 应用等，其成功落地推广均需要强大的制造业来支撑；另一方面，人工智能产品渗 透进程同时取决于性能及成本。中国制造业成本低、规模效应强，有利于强化 AI 应用产 品在成本端的竞争力，加速 AI 产品在各个行业的渗透应用，这反过来又将促进 AI 产品 的技术进步。

中国制造业还具有较强的辐射效应，如考虑到还整合了大东亚地区的制造业集群， 中国制造业的品类优势及规模效应将更加明显，通过产业集群优势进一步放大中国制造 业优势，并将为 AI 技术落地应用提供更强支撑。

（1）从规模效应来看，根据联合国工发组织《2022 年工业发展报告》，以中国、日 本、韩国为核心的亚太地区制造业集群崛起速度较快，亚太地区发展中和新兴工业经济 体在世界制造业增加值中所占的比重已从 2000 年的 15%左右跃升至 2020 年的近 45%， 已成为全球制造业的中心地带。

（2）从先进制造业集群来看，工业和信息化部工业文化发展中心《全球先进制造业 集群发展趋势报告（2023 年）》梳理了目前在全球具有一定影响力和地位的 150 个先进制 造业产业集群，其中亚洲独占 55 个先进制造业产业集群。目前亚洲在新一代信息技术、 新能源及智能网联汽车、新材料等新兴制造业领域已经具有显著优势，分别拥有 16 个、 10 个、6 个先进制造业集群，均位列全球区域首位。此外，亚洲在高端装备、生物医药及 高端医疗器械领域等先进制造业集群方面也具有一定优势。 随着近年来全球民粹势力抬头、贸易保护主义兴起，全球经济区域化特征将更加凸 显，亚洲（尤其是东亚地区）的制造业规模优势、完整产业链体系优势、先进制造业集群 优势将促进人工智能在应用端的顺利落地。

2.7 市场优势：中国庞大内需市场将孵化本土 AI 科技巨头

一、中国庞大内需市场将孵化本土 AI 科技巨头。从互联网时代到移动互联网时代， 再到 AI 时代，从投入端来看，产业的资金门槛及技术门槛都越来越高，AI 融资规模动辄 上亿元；从产出端来看，人工智能产品及服务的网络效应及规模效应也越来越明显，市场占有率或将向少数龙头公司集中。在网络效应及规模效应共同加持下，AI 时代的应用产 品的成长速度也越来越快，此前 ChatGPT 耗时两个月实现用户规模达到 1 亿，但DeepSeek App 在官方发布两周后，全平台用户（Web+App 未去重）就达到 1 亿，超过 ChatGPT 成 为全球增速最快的 AI 应用。

庞大内需市场是孕育未来 AI 科技巨头的必要前提。庞大内需市场一方面是克服AI 产业前期高资金投入、顺利回收成本、打通商业模式闭环的关键，另一方面也将加快产品 及服务的迭代进程、加速 AI 技术进步，实现网络效应及规模效应。因此内需市场足够庞 大，才可孵化科技巨头公司。

中国 AI 需求大概率由本土企业满足，增加了中国 AI 科技巨头出现概率。以移动互 联网革命为例，中国及美国凭借庞大用户基数、技术领先优势，均孕育出一系列科技巨头，成为上轮移动互联网革命的引领者及最大受益者。根据央视市场研究（CTR）发布的 《2024 年中国移动互联网趋势盘点报告》，截至 2024 年底，中国手机用户约达 11.1 亿人； 特定赛道如 AI 和短剧用户规模增长显著，AI 行业已覆盖 2.4 亿用户，同比增长 607%； 短剧行业已覆盖 3.2 亿用户，同比增长 337%。四成以上的用户都会使用 AI 应用进行搜 索和写作，人均使用场景达到 3.5 个；2024 年 67.7%的用户 AI 使用频次较 2023 年有所 增长。从应用前景来看，我国手机用户或将是潜在的 AI 使用用户，庞大的内需市场有利 于孵化我国 AI 科技巨头。此外，美国加强对我国 AI 技术封锁下，导致全球 AI 应用市场 出现割裂，海外 AI 应用产品进入我国的难度较大，中国 AI 市场需求大概率只能由中国 本土 AI 企业来满足，客观上将推动中国 AI 科技巨头加速成长。

二、在中国经济转型期，人口红利逐步消退，为 AI 技术应用营造良好环境。目前我 国正处于经济转型升级的关键时期，其核心特征为人口红利逐渐消退，人力成本逐渐走 高。当前的经济转型期将为 AI 技术应用营造良好环境。从历史来看，人力成本与新技术 需求存在一定替代关系，且可能出现“资源悖论”。当人力成本极低时，企业可随时获得 廉价人力资源，其自主应用“替代人力成本的新技术需求”较小，这反过来又将会抑制新 技术的发展，这也是长期以来国内企业缺乏研发新技术、产业粗放式发展的重要原因之 一。 但目前中国已经越过“刘易斯拐点”，劳动力由过剩走向短缺。从 2011 年开始，中 国 15-64 岁劳动力人口占比出现触顶回落；2014 年开始，中国 15-64 岁劳动力人口绝对 数出现触顶回落；2022 年开始中国总人口数也开始触顶回落，随着中国人口红利消退， 部分劳动密集型产业出现“招工难、招工贵”的问题，均增加了 AI 技术、机器人产品的 应用空间。以 60-65 岁退休年龄推算，目前正处于我国出生人口最大的主力婴儿潮（1962- 1973 年）的集中退休时期，预计未来 10 年中国老龄化速度将明显加快，老龄人的陪伴、 护理等需求将明显增加，也增加了泛人工智能产品的消费需求。

三、中国数字经济实力领先，将为人工智能时代继续领先奠定基础。根据中国信息 通信研究院统计，2014 年至 2023 年，在主要数字经济大国的国内生产总值增速中，中 国、美国源自数字资本增长率分别为 0.71%与 0.18%，远高于同期日本、德国、法国、英 国的数字资本贡献度（0.05%、0.05%、0.04%、0.03%）。数字经济是人工智能技术发展的 基石及底座，中国、美国的数字经济实力远超其他国家，将为两国在人工智能时代继续领 先奠定基础。 从人工智能发展进程来看，目前产业仍由中美两国主导。根据《全球数字经济发展 研究报告（2024 年）》，截至 2024 年第二季度末，全球人工智能企业数量超 3 万家，其 中，美国企业超 1 万家，全球占比高达 34%；中国企业占全球的 15%，位居全球第二位。 2023 年至 2024 年第二季度，全球 AI 独角兽 242 家，其中，美国 AI 独角兽 124 家，中 国 71 家，其他国家独角兽企业均为个位数。其中，全球 AI 大模型独角兽数量为 33 家， 约占全部 AI 独角兽的 14%。美国大模型独角兽最多，有 16 家，中国位列第二，有 11 家。 基于 AI 技术优势、科技政策优势、制造业产业链优势、庞大内需优势，我们预计未来人 工智能产业仍将由中、美两国主导。而美国对 AI 技术及市场封锁下，将客观上推动中国 AI 科技巨头的加速成长。

2.8 本章小结：中长期坚定中国 AI 产业的发展信心

此前在美国算力及 AI 技术封锁下，中国 AI 产业未能充分享受本轮 AI 产业爆发红 利，中国科技股走势明显落后于海外科技股。但近期中美在大模型领域的技术差距正快 速缩小，2025 年 1 月中国发布的 DeepSeek-R1 模型性能已比肩 OpenAI o1 正式版。全球 资本转向押注中国 AI 产业发展前景，并推动中国科技资产价值重估。虽然短期科技股交 易过度拥挤、科技板块与传统板块明显分化，将加剧 3-4 月份财报季的中国 AI 科技股的 波动风险。但中长期宜坚定中国 AI 产业的发展信心。 中期来看，以新能源车、白酒为例，通常主线行情会依次经历拔估值、提业绩、塑逻 辑等三个阶段，行情持续 2-4 年左右。目前中国科技股仍处于第一阶段的拔估值行情。但 中国互联网巨头在 2024 年第四季度的资本开支已经明显提速，阿里 Q4 季度资本开支环 比大增 80%、腾讯 Q4 单季度资本开支环比大增 113.98%，并有望引发中国科技巨头的 “AI 军备竞赛”。参照海外 AI 业绩释放节奏以及订单确认周期，按互联网大厂资本支出 领先于 AI 硬件等供应商业绩约半年的时间测算，我们预计国产 AI 产业链的业绩将在 2025 年中报开始释放，届时将走向提业绩行情，迎来戴维斯双击的主升浪阶段。

长期来看，中国本土将诞生 AI 科技巨头。技术层面，新技术赛道是产业弯道超车的 最佳方式，目前人工智能关键竞争要素发生变迁，2025 年 AI 创新再次转向算法。中国 AI 产业在“数据、算法、应用”与美国差距并不太大，具备弯道追赶可能性；政策层面， 中国 AI 科技政策的支持力度较大，2025 年政府工作报告及民营企业座谈会对 AI 产业重 视度均明显提升，提升了 AI 产业突围概率；供应层面，中国拥有更完整的制造业产业链， 工程调优能力更强，且供应链具有更好的柔韧性及敏捷性，有利于 AI 技术快速迭代及人 工智能应用落地；需求层面，中国拥有庞大、层次分明的内需市场，增加了中国 AI 科技 巨头出现概率。数字经济作为 AI 产业的基石及底座，中国、美国数字经济实力领先，将 强化其在 AI 时代的竞争力。基于 AI 技术优势、科技政策优势、制造业产业链优势、庞 大内需优势，我们预计未来人工智能产业仍将由中、美两国主导。而美国对 AI 技术及市 场封锁下，客观上将推动中国 AI 科技巨头加速成长。

编辑：火腿肠