2025年全球人工智能技术、政策、产业与投融资趋势全景洞察报告，加速与应用

一、策略——2025 年全球人工智能技术、政策、产业与投融资趋 势全景洞察报告：加速与应用

（一）2025 年全球人工智能资本市场全景

1.2025 年中国人工智能产业链融资复盘

2025H2 中国 AI 产业链融资事件数较 2025H1 环比上升。

按产业链划分，AI 下游应用服务层融资事件数占比最高。

细分行业中，AI 软件应用、物理 AI（具身智能）、物理 AI（无人/智能驾驶）融资事件数占比较高， 且 2025H2 环比增加较多。 我们将融资轮次分为早期融资、中期融资、后期融资、IPO 及其他。 按融资轮次划分，2025 年中国早期融资占比最高。

细分融资轮次中，2025 年中国 A 轮、天使轮融资事件数占比较高，2025H2 天使轮、Pre-A 轮、战略融 资事件数环比增加较多。 从融资金额来看，大额融资主要集中出现在物理 AI、核心算力芯片等行业。

2.2025 年海外人工智能产业链融资复盘

2025H2 海外 AI 产业链融资事件数环比下降。

按产业链划分，AI 下游应用服务层融资事件数占比最高。

细分行业中，海外 AI 软件应用、支撑软件/工具/生态融资事件数占比较高，2025H2 算力中心、算力服 务/物理 AI（无人/智能驾驶）/基础大模型行业融资事件数环比增加较多。 按融资轮次划分，2025 年海外早期融资占比最高。 细分融资轮次中，2025 年海外种子轮、A 轮、B 轮融资事件数占比较高，2025H2 战略融资事件数环比 增加较多。 从融资金额来看，大额融资主要出现在 AI 软件应用和基础大模型行业。

3.2025 年中国人工智能产业链上市企业复盘

2025H2 中国 AI 产业链新上市企业数量环比上升。

按产业链划分，中国 AI 下游应用服务层上市企业数占比最高。

细分行业中，2025 年中国 AI 软件应用行业上市企业数量占比最高，2025H2 物理 AI（无人/智能驾驶） 行业上市企业数量环比增加较多。 从上市地点来看，2025 年中国 AI 产业链上市企业中，香港交易所主板上市数量占比最高，且增长最快。

4.2025 年海外人工智能产业链上市企业复盘

2025H2 海外 AI 产业链新上市企业数量环比下降。

按产业链划分，海外 AI 下游应用服务层上市企业数量占比最高。 细分行业中，2025 年海外 AI 软件应用行业上市企业数量占比呈绝对主导。 从上市地点来看，2025 年海外 AI 产业链上市企业中，纳斯达克上市企业数量占比最高。

（二）2025 年全球人工智能产业政策演进

1.中国人工智能产业政策复盘：从“规范治理”走向“全场景价值兑现”

2025 年中国 AI 政策呈现出明显的“监管先行、基建支撑、场景牵引”特征。

2.海外人工智能产业政策复盘：技术、投资、监管多管齐下

（1）美国：双轨并行，从“构建技术壁垒”走向“塑造排他生态”

2025 年，美国人工智能政策体系完成了从“防御性限制”到“进攻性生态扩张”的战略升级，其核心特征可 概括为“对内松绑创新，对外精准遏制与生态绑定”的双轨并行。

（2）英国：从“安全定调”向“主权驱动与商用爆发”跃迁

2025 年，英国人工智能政策路径清晰，核心是围绕“主权 AI”能力构建与优势科学领域赋能双轮驱动， 力图在全球 AI 竞争中确立差异化优势。

（3）欧盟：从“规范输出”向“计算主权”与“全产赋能”跨越

2025 年，欧盟在人工智能领域实现了从“单一风险治理”向“计算主权+全产业赋能”跨越的重大转型。

（4）日韩：侧重本土算力保障与行业深度赋能

2025 年，日韩两国的 AI 政策进入从“框架构建”向“资金与资源落地”转化的实操阶段。 1）日本：以低监管门槛吸引研发，重金投入本土大模型 2025 年，日本的人工智能政策展现出强烈的追赶意愿，其核心逻辑是从保守的风险规避转向以国家战 略主导的生态构建。 2）韩国：强化底层算力建设，利用政府基金驱动行业转型 2025 年，韩国 AI 政策实现从“产业辅助”到“国家战略核心”的升维。

（5）东南亚：地缘博弈中加速本土主权构建与产业集聚

2025 年，东南亚主要国家在 AI 领域进入了从“政策观望”到“实质入局”的爆发期。 越南：以税收杠杆驱动硬件制造，补齐治理短板。 新加坡：降低应用门槛，打造“可信 AI”全球枢纽。 马来西亚：明确主权 AI 战略，构建自主技术生态。

（6）中东：石油资本驱动下的“全球算力枢纽”与“制度试验场”

2025 年，中东地区（以阿联酋、沙特、卡塔尔为核心）的 AI 政策展现出从资本驱动向生态主权构建的 战略升维。 阿联酋：通过系统性战略布局，打造全球 AI 枢纽。 沙特阿拉伯：以国家资本与制度创新双轮驱动，构建 AI 主权生态。

塔尔：聚焦伦理治理与特色应用，塑造区域可信 AI 标杆。

（三）2025 年全球人工智能产业链革新

1.AI 大模型行业：技术深水区攻坚，五大方向引领从通用到垂直转型

2025 年全球 AI 大模型正式迈入“技术深水区”，超长上下文窗口的效率与成本优化、多模态技术的深度 协同、MoE 架构的规模化普及、推理机制向深度逻辑的升级、AIAgent 的工程化落地五大方向成为核心 突破路径。 1）超长上下文窗口成为大模型差异化竞争的硬门槛，全年技术演进从“规模突破”转向“效率、稳定与成 本的综合比拼”。

2）多模态技术从“基础融合”进入“深度协同”阶段。

3）MoE 架构驱动参数效率革命，轻量化技术加速应用普惠。 稀疏激活实现效率突破，MoE 架构价值凸显。

轻量化技术加速应用普惠，成本可控成为关键。

4）推理机制持续优化，从“生成式输出”向“深度逻辑推理”升级。 混合推理模式实现了“直觉响应”与“审慎思考”的灵活平衡。 强化学习与奖励驱动机制为推理路径提供了持续优化的“反馈闭环”。

思维链（Chain-of-Thought）及其进阶技术成为实现复杂推理的“标准化操作流程”。

5）AIAgent 成为能力集成的出口，从“演示概念”迈向“规模化工程落地”。

2.AI 芯片行业：云端系统范式重构，边缘生态协同决胜

2025 年，AI 芯片行业的发展主线从通用算力供给转向场景价值创造。云端竞争范式重构为以系统效能、 全栈生态和定制化成本为核心的三维博弈，头部厂商通过垂直整合构建深壁垒。边缘侧从硬件单点演进 至“端—边—云”协同架构下的生态整合与深度场景适配，推动 AI 从技术能力走向规模化落地。二者共同 定义了产业从技术驱动迈入与产业需求深度融合的新阶段。

（1）云端 AI 芯片：效能、生态与定制化驱动格局重构

2025 年 AI 芯片行业进入深度结构化变革期，竞争逻辑从单一维度的“算力比拼”全面转向“效能—生态— 场景”协同驱动的综合竞争。 1）训练与推理芯片：从“单体算力”到“系统效能”与“经济性”的双重博弈。 训练芯片的竞争已超越单芯片算力指标，进入以突破“内存墙”和“互联墙”为目标的系统架构效能攻坚阶 段。 推理芯片的竞争核心已转向在满足性能前提下，对总拥有成本的极致优化。

2）软硬件协同从“深度耦合”到“全栈生态”，全栈优化效率构筑竞争护城河。 技术架构：系统级创新实现算力代际突破。 生态壁垒：全栈绑定构建网络效应护城河。

3）场景化定制从“可选技术”转向“刚性需求”，ASIC 规模化部署触发供应链深度重构。 2025 年 AI 芯片行业发展的底层逻辑正从“通用算力渗透”转向“场景成本驱动”。 ASIC 的规模化放量，正系统性重塑半导体供应链格局。

（2）边缘 AI 芯片：从“端—边—云”协同到系统级生态竞争

2025 年边缘 AI 芯片产业正经历从“硬件单点突破”向“系统级生态竞争”的关键转折。 1）“支持更复杂的端侧智能与高效端云协同”已成为边缘 AI 芯片发展的核心焦点。 从技术实现路径看，“端—边—云”架构通过清晰的功能分层与协同，构成了复杂智能任务的理想载体。 从产业价值看，“端—边—云”架构的成熟，正通过解决关键瓶颈，推动边缘 AI 从试点走向规模化产业应 用。 2）边缘 AI 芯片的竞争维度正从单一的“能效优化”硬指标，升级为“软硬协同”的系统工程。 从“能效优化”的基石作用看，底层技术突破正从硬件和算法两端合力，缓解边缘 AI 低功耗与高性能的核 心矛盾。

从“开发生态”的竞争维度看，厂商的竞争焦点已从单一芯片性能转向通过“产品矩阵+生态整合”构建系统 级优势。

3）竞争焦点从单一算力转向“接口矩阵+场景化适配”的系统工程。 碎片化场景催生芯片能力多元化与精准化。 芯片厂商策略从“交付通用硬件”转向“提供场景化解决方案”。

3.AI 服务器行业：架构分化与协同，驱动算力范式重构

2025 年，AI 服务器产业在云端与边缘侧呈现深度分化与协同。云端侧，主要矛盾从“模型训练”转向“高 效推理”，驱动基础设施沿硬件异构化、集群超大规模化、软件调度精细化三重主线重构，并推动液冷 与高压电源从技术选项升级为经济性标配。边缘侧则围绕空间、能耗与成本三大刚性约束，通过硬件形态的模块化+紧凑化、能效架构的优化以及算力租赁模式的创新，推动 AI 算力从企业级向普惠化落地。 二者共同构建了支撑 AI 规模化应用的新一代算力范式。

（1）云端 AI 服务器：推理需求驱动异构与超大规模架构演进，液冷与高压电源成经济性标配

2025 年，云端 AI 服务器产业核心矛盾从模型训练转向高效推理部署，驱动基础设施多维度深度重构： 1）硬件异构混合化，以 CPU+GPU+ASIC 组合应对多样负载；2）集群规模超大型化，万卡成标配，并 向十万、百万卡级迈进；3）软件调度精细化，PD 分离等技术破解资源错配。同时，单芯片功耗与集群 规模突破临界点，使液冷散热和 800V 高压直流电源从技术选项跃升为降低 TCO、实现规模经济的标配， 开启千亿级增量市场。 1）推理场景驱动架构革新，异构计算、超大规模集群、软件架构创新重塑产业格局。 硬件架构层面，“异构混推”成为 2025 年的核心演进方向。 万卡级成标配，十万、百万卡级集群拉动高端服务器需求。 软件架构层面，PD 分离成为分布式推理核心方案。 2）液冷与高压电源从“技术备选”跃升为“经济性强制标配”，开启千亿级增量市场。 液冷：产业逻辑从“散热”切换至“降本与使能”，全栈方案商价值凸显。

高功率电源：800V 高压直流架构成为破解“电力传输墙”的核心方向。

（2）边缘 AI 服务器：形态适配、能效优化与算力租赁共驱规模化落地

2025 年，边缘 AI 服务器的发展逻辑正从“技术可用”全面转向“场景适配与经济可行”。产业围绕边缘场 景固有的空间、能耗与成本约束，沿三条主线深化演进：1）硬件形态向场景化、模块化深度适配，以 突破物理部署瓶颈；2）能效架构从散热达标转向 TCO 驱动，以应对绿色与供电的双重压力；3）算力 模式从资产购置创新为服务租赁，以降低使用门槛。三者共同推动边缘 AI 从企业级试点走向多行业规 模化落地。

1）物理约束下的形态革新：从“通用机架”到“场景专用”的模块化适配。 2）能耗拐点下的架构优化：从“散热达标”到“TCO 驱动”的绿色重构。

3）成本约束下的模式创新：从“资产购置”到“服务租赁”的算力普惠。

4.AI 应用行业：下游机器人、自动驾驶、医疗健康等领域多点开花

（1）AI+机器人领域：软硬解耦与协同进阶的商业化路径

近年来，“AI+机器人”领域呈现爆发式增长，其核心驱动力在于人工智能技术（尤其是深度学习、强化 学习、计算机视觉、自然语言处理等）与机器人硬件（更灵活的关节、更敏感的传感器、更强大的算力 嵌入）之间的深度协同进化。 1）软件侧以构建标准化、可复用的算法基座为核心演进方向，通过数据生产、模型范式与认知能力的 协同突破，旨在系统性地解决泛化性难题并降低行业门槛。 数据端：合成数据成为“新燃料”，加速机器人从实验室到产业化的落地进程。 模型层：开源生态确立“参考架构”，降低智能化门槛。 认知层：从执行指令到“物理常识”的理解与运用。 2）硬件侧的发展路径在 2025 年呈现出鲜明的场景化驱动特征，工业与家庭领域因核心需求不同而分化 出迥异的技术路线。 工业场景：效率与智能协同，专用化方案成为主流。 家庭场景：安全与交互优先，柔性化设计开辟新路径。

（2）AI+自动驾驶领域：工程化落地与商业化验证双轮驱动，开启行业新纪元

2025 年，AI+自动驾驶行业的发展主轴已明确从“算法突破”转向“工程可交付”与“商业可验证”的双轮驱 动。 1）技术层面，2025 年 AI+自动驾驶的技术演进核心，已从“算法突破”转向“工程可交付”的完整体系构 建。 数据范式转型：从“采集依赖”到“合成驱动”的工程闭环。 模型架构转型：从“模块堆叠”到“端到端与世界模型整合”。 2）应用层面，AI+自动驾驶商业化路径呈现鲜明的“双轨并行”格局。 运营车场景：规模化扩张验证“全无人”商业闭环。

大众消费场景：L2+快速普及与 L3 准入突破，共筑智能驾驶商业化主航道。

（3）AI+医疗健康领域：从工具赋能到系统重构，推动产业效率提升

2025 年，AI+医疗健康领域呈现出深度整合与流程化落地的明确趋势，其价值实现路径从早期的单点技 术验证，转向对研发管线与医疗服务流程的实质性改造。 1）研发层面，AI 的角色从提升特定环节效率的工具，升级为驱动源头创新的核心引擎。其关键路径在 于，通过生成式模型与自动化实验平台的结合，建立“计算设计—高通量验证”的迭代研发新范式。

2）应用层面，AI+医疗健康的商业化落地路径呈现场景多元化的鲜明特征。

（4）AI+其他领域：AI 应用在气象、穿戴设备、教育领域多点突破

随着基础模型能力与专业场景数据及轻量化硬件载体的深度协同适配，AI 技术向垂直领域渗透持续深化。 2025 年“AI+气象监测”、“AI+智能穿戴”、“AI+教育”等领域均取得创新突破。 1）AI+气象监测：2025 年，AI+气象监测领域已从早期的技术验证阶段，迈入“技术突破引领、商业价 值闭环”的产业升级新阶段。 商业应用：聚焦高频实时场景，满足垂直行业的实时决策需求。 2）AI+智能穿戴：2025 年，AI+智能穿戴的核心突破在于“交互、显示、生态”三大维度的协同进化，共 同推动设备从功能单一的辅助工具向体验无缝的日常穿戴加速演进。

3）AI+教育：2025 年，AI 智能体正从“辅助工具”升级为“核心流程重构者”，驱动教育在企业培训（B 端）、学校教育（G 端）、家庭学习（C 端）三大场景实现范式转移。

（四）2025 年全球人工智能巨头战略风向

1.英伟达（NVIDIA）：从算力突破到生态协同的全链路创新与壁垒深化

2025 年，英伟达通过“专用硬件定义场景、全栈软件闭环落地、开源生态降本增效、战略绑定定义标准” 的四重驱动，成功将其核心竞争力从硬件算力供给，升级为定义 AI 基础设施与产业生态的全栈平台。 1）硬件架构持续突破，实现从“通用加速”到“场景定义”的算力跨越。 2）物理 AI 平台闭环构建，抢占机器人与工业数字化入口。

3）推理效率与生态优化，实现从“高成本部署”到“高性价比服务”的商用跨越。 4）战略生态协同深化，实现从“算力供应”到“基础设施定义”的产业跨越。

2.谷歌（Google）：全栈技术迭代深化，强化通用能力与垂直场景差异化优势

2025 年，谷歌通过大模型高频迭代、具身智能前沿突破、编码智能体推出、全栈生成式工具链构建等 方式，实现了从技术优势到商业成果的加速转化，在通用 AI 推理能力与机器人控制、影视创作等垂直 场景中构建差异化优势。 1）大模型高频迭代巩固技术护城河，为商业化提供顶级“引擎”。 2）“云—端”协同落地，抢占下一代人机交互入口。 3）从“辅助编程”到“算法发明”，编码智能体提升开发者生态壁垒。 4）全栈生成式工具链降低专业门槛，驱动用户与收入增长。

3.微软（Microsoft）：全栈 AI 能力夯实，驱动智能体生态与开发者效率革命

2025 年，微软通过自研模型突破、超算基础设施构建、开发者工具深度优化及智能体生态的全面铺开， 完成了从底层算力、核心模型到应用平台的全栈 AI 能力布局，显著降低了企业 AI 应用门槛，巩固了其 作为产业 AI 化关键枢纽的地位。 1）自研模型突破叠加超算底座构建，筑牢 AI 战略自主性。 2）开发者工具链深度优化，显著提升自动化与易用性。 3）构建开放智能体生态，打造产业 AI 化统一平台。

4.OpenAI：模型分层、专项能力、智能体转型与算力基建四位一体布局

2025 年，OpenAI 的核心战略围绕“构建精细化模型矩阵”、“深化高价值专项能力”、“推动智能体化转型” 和“夯实全球算力基建”四大支柱展开。公司通过推出分层模型产品线（如 GPT-4.1 与 GPT-5.2 系列）实 现对全市场需求的精准覆盖；通过 o 系列与 Sora2 在推理与生成领域建立专业壁垒；通过 Deep Research 与 ChatGPTAtlas 将 AI 从被动工具升级为主动任务执行中枢；并通过与甲骨文、软银、英伟 达、AMD、博通等巨头的多元合作，加速构建自主可控的全球算力网络。这一系列举措旨在系统性提升 AI 的实用性、可靠性与自动化水平，从而巩固其在消费级与企业级市场的全面竞争力。 1）精细化模型分层，实现全市场精准覆盖。 2）专项能力突破，筑牢高价值场景壁垒。 3）智能体自动化升级，深度融入工作流。 4）构建全球算力同盟，夯实基础设施护城河。

5.Anthropic：模型可靠性突破驱动商业变现，生态壁垒加速构筑

2025 年，Anthropic 成功完成了从前沿模型研发商到企业级 AI 解决方案伙伴的战略深化。其核心竞争 力体现在通过持续提升模型在复杂、长周期任务中的可靠性，直接赋能企业生产环境，并借助完善的工 具链与开放的生态融合策略，大幅降低了 AI 的应用门槛。 1）模型性能提升，实现从“辅助工具”到“生产主力”的可靠性跨越。 2）开发者工具与平台生态协同升级，大幅降低开发与应用门槛。 3）安全治理与透明度建设深化，夯实企业级应用信任基础。

6.华为（Huawei）：全栈创新夯实 AI 根基，开源生态驱动产业智能化跃迁

2025 年，华为通过底层算力架构的系统性突破、核心大模型的持续迭代、云平台与开发工具的深度赋 能，以及大规模的开源生态投入，构建了从硬件基础设施、软件平台到行业应用的全栈 AI 能力。其战 略核心正从技术单点领先，转向通过“开源开放+生态共建”的模式，降低产业 AI 化门槛，加速智能化解 决方案在各行各业的规模化复制，并构建以鸿蒙操作系统为核心的端侧 AI 生态闭环。 1）算力架构系统性突破，以“群计算”开辟非对称竞争力。 2）盘古大模型 5.5 全面升级，夯实 AI 原生云服务底座。 3）构建“云—边—端”协同生态，端侧 AI 成为关键差异化路径。

4）开源生态与行业赋能双轮驱动，加速产业 AI 化。

7.百度（Baidu）：从技术自研到生态赋能

2025 年，百度 AI 战略完成了从“技术自研”到“生态赋能”的跃迁。通过飞桨框架的底层突破、文心大模 型的代际飞跃、昆仑芯万卡集群的算力筑基，以及千帆平台的生态开放，百度构建了覆盖“芯片—框架— 模型—应用—生态”的全栈 AI 能力。其核心逻辑已从单一模型性能竞赛，转向通过开源开放降低产业 AI 化门槛，以“技术+生态”双轮驱动，确立其在企业级 AI 市场的差异化优势。 1）飞桨框架突破训推瓶颈，国产 AI 开发底层筑基。 2）文心大模型迭代节奏显著加快，实现了从“补强”到“引领”的技术路线转折。 3）自研万卡集群与千帆平台，构建企业级 AI 交付底座。 4）开源驱动产业协同，安全治理构建信任基石。

8.字节跳动（ByteDance）：模型、平台、终端三阶递进，构筑 AI 规模化飞轮

2025 年，字节跳动的 AI 战略路径呈现出从消费级爆款应用向“模型—云—终端”一体化生态闭环的深刻 转型。其核心逻辑在于：通过豆包等 C 端产品实现高频交互与需求洞察，依托火山引擎构建企业级模型 交付能力，并通过与硬件厂商的软硬协同，将 AI 能力渗透至终端设备，形成自我强化的商业飞轮。 1）模型能力实现从技术对标到“工业级可用”的跨越。 2）云服务平台火山引擎承接企业侧落地，token 规模成为商业化与生态粘性核心指标。 3）以 AI 语音助手为切入，卡位下一代人机交互入口。

9.阿里巴巴（Alibaba）：聚焦“开源模型生态+全栈 AI 云”，竞争锚点转向产业化交付

2025 年，阿里巴巴的 AI 战略从“单模型补齐”升级为“开源生态+全栈云底座+智能体框架”三位一体的产 业化路径。通过大规模开源模型、超高密度算力设施以及面向企业的智能体工厂，阿里正把技术优势转 化为生态壁垒和成本壁垒，推动 AI 从工具赋能向生产力再造迈进。 1）模型体系：以开源打造基础生态，从技术领先迈向产业渗透。

2）平台与工具链：打造“智能体工厂”与“超级 AI 云”新范式。

10.腾讯（Tencent）：依托超级应用生态，构建 B、C 端协同的 AI 商业版图

2025 年，腾讯的 AI 战略路径转向“产品力驱动”与“生态化开放”的深度融合。其核心逻辑是：以混元大 模型为统一技术底座，在 B 端通过腾讯云智能体平台将经过内部业务验证的 AI 工具链向千行百业开放， 在 C 端通过微信、腾讯元宝等超级入口将 AI 深度嵌入用户高频场景。此举旨在超越单纯的技术对标， 构建一个从高频流量入口到企业生产力工具的价值闭环，将技术势能转化为可持续的商业增长。 1）通过架构创新，推出差异化模型矩阵。 2）B 端市场：SaaS+AI 的协同效应与云业务突围。 3）C 端市场：以超级应用生态为基石，推动 AI 从“可用”向“好用”迈进。

二、国内（一）——逢高配置

（一）债市高波开局

1月 4-9 日，债市经历高波开局，各期限收益率普遍登高回落。

跨年以来，资金利率维持低位，1 年期附近的短端利率整体稳定，中长端利率则在机构一致止盈的诉求 下明显回调，利率曲线走陡；波动之中，信用类品种反而被市场认定为票息避险资产，定价相对稳定。

（二）把握情绪异动后的配置良机

新年第一周，债市经历了大幅的止盈或止损行情，这一现象在年初时点，并不常见。 异动背后，或多是情绪作祟，机构卖债的实际诉求可能并非负债端出现了超预期波动，亦或是其他的短 期用款需求。 观察机构久期变化，以代表性较强的利率债基久期中枢为参考，1 月以来稳定版本（40 日滚动窗口）的 久期中枢测算结果，从 3.58 年渐进回落至 3.37 年，位于 2025 年以来 4.8%的较低分位数，且与低点 3.31 年相差无几。

对于 1 月中下旬的行情，市场可能会围绕三个主线逻辑继续交易，一是基本面变化、二是政府债的供给 量及结构、三是资金的稳定性。除此以外，定期存款的到期续作问题、股市表现可能会阶段性对债市产 生扰动。

首先是基本面维度，12 月制造业 PMI 为 50.1%，时隔 9 个月重回扩张区间；CPI 与 PPI 同比分别为 0.8%、-1.9%，前者表现与市场预期持平、后者则小幅强于预期。 其次是政府债的供给量及结构，1 月国债发行规模较 12 月明显扩张，周中一度引发市场热议，然而国债 提速发行背后或多与一季度到期量提升相关，主要目的大概率是平滑国债逐月的净融资节奏。

再者是资金方面，1 月税期递延至 20 日，21-22 日集中走款，下周五（16 日）拆借 7 天资金可跨税期。 最后是近期被频繁讨论定期存款到期问题，市场热议的“50 万亿元定存到期”或是总量层面的，其中既包 含历史遗留的高息存款，也包含合理定价的普通存款。

落脚至策略维度，优先考量债市定价的合理性。 站在当下，债市的利空尚未完全出清，股市的涨幅，通胀的担忧，依然压制债市情绪，因而交易账户推 荐以稳为主。不过配置账户，可根据自身的收益率要求，锁定当前偏高的收益率。

（三）节后首周，理财规模回落

1.周度规模：环比降 2487 亿元

注：由于数据源受限，目前仅有 70%的产品规模正常披露（约为 21 万亿元），当前数值仅反映部分理 财产品情况，不代表整体理财情况，仅供参考。待数据源更新后，我们将及时更新完整信息。 年末理财市场面临回表压力高峰。 节后首周，理财规模继续回落，环比降 2487 亿元至 33.46 万亿元。需要说明的是，数据披露存在滞后 等影响，叠加年末年初时点规模波动较大，数值可能与实际规模存在一定偏离。

2.理财风险：产品净值企稳回升，负收益率占比下降

理财产品净值企稳回升，区间负收益率下降。

全部产品净值回升，带动理财破净水平持续下降。 同样，产品业绩未达标占比也在下降。

（四）杠杆率：银行间回升

1 月 5-9 日，跨年后，在财政支出的作用下，资金利率自发回归低位。 同时，平均隔夜占比也同步上升，由前一周的 62.83%升至 90.17%。周内来看，平均隔夜占比同样呈现 逐日攀升态势，从周一的 88.69%升至周五的 91.69%。

银行体系杠杆率水平开始回升。 交易所杠杆率水平略有下降。 非银机构加杠杆动力不足。

（五）中长债基久期持续压缩

1 月 5-9 日，开年债市再现调整行情，利率型、信用型中长债基进一步压缩久期。 需要说明的是，久期模型本质上是通过分析一段时间内基金产品的收益序列特点，以此来捕捉不同期限 仓位变化的信息，若基金在短期内频繁调整策略，久期模型所反映的结果存在一定的滞后性。

中短债基金和短债基金都在压缩久期。

（六）政府债发行节奏放缓

下周（1 月 12-16 日），政府债发行进度放缓，周计划发行量为 2372 亿元，较前一周的 6127 亿元大幅 降低。 截至 1 月 15 日，2 万亿置换债发行规模合计 681 亿元，发行进度 3.41%。

月度来看，1 月 1-14 日，发行国债 6620 亿元，净发行 6620 亿元，同比多 2087 亿元。

三、国内（二）——我国产业升级的赋能机制研究：新经济时代 的“动态革新”

1.新经济定义

2016 年，在中国经济进入新常态，面临转型升级压力，需要培育新的增长动力的背景下，“新经济”一词 首次出现在 2016 年的《政府工作报告》中。“新经济”下的行业覆盖一、二、三产业，不仅涵盖互联网、 物联网、云计算等新兴服务业，也包括工业中的智能制造、农业中的家庭农场等。

2.新经济的理论背景

索洛增长模型和内生增长理论是现代经济增长理论中的两个核心框架，它们分别从不同视角揭示了经济 长期增长的源泉和机制。具体来看，索洛模型强调了外生技术进步的决定性作用，而内生增长理论则打 破资本边际产出递减的假设，论证经济增长是内生动力促进的结果。

（一）新经济赋能产业升级的实证检验

为剖析我国产业结构升级的影响机制，下面依据经济理论构建多元回归计量模型。

在数据处理方面，本文选取 wind 数据库中 2016 年 9 月至 2025 年 9 月的季度数据，构成共计 37 期数 据。

总的来看，回归分析证实了研究假设：技术创新、数字经济与高质量开放是驱动产业升级的核心引擎。 其中，数字要素的普及作用最为显著。同时，结果也揭示了产业升级进程中的结构性特征：政府主导作 用明显，而绿色转型、外资引入与内需拉动等维度与产业升级的关系则呈现出阶段性或结构性的复杂态 势，为后续研究提供了重要参考。

（二）新经济赋能产业升级的多维机制

在理论模型的指引下，新经济推动产业升级主要依托三大路径：技术融合、要素创新与组织变革。在系 统比较中外实践与总结发展规律之前，清晰阐释这三条路径的内在逻辑与作用机制，能为理解产业演进 提供关键的分析框架。

1.技术变革：“创造性破坏”的动态过程

在技术发展层面，新经济的成长日益依赖于技术与产业的深度融合。

阿吉翁所发展的“熊彼特范式”强调“创新与知识传播是增长的核心”，并且“创新依赖于有效的激励与健全 的产权保护”。这为政策制定提供了关键参考，即在鼓励创新、接纳动态变化的同时，也需着力构建支 持全面创新的生态系统。

2.要素创新：效用递增标准下的资源配置

内生增长理论的一个核心洞见，是对索洛模型中资本边际产出递减假定的突破，转而强调知识等生产要 素所具有的收益递增特性。在新经济发展中的要素创新层面，知识、数据、算力等新型生产要素的涌现， 正是新质生产力区别于传统生产力的关键所在，它们正在驱动劳动、资本等传统要素发生系统性变革。 劳动要素方面，国家全员劳动生产率是衡量劳动力投入产出效率的关键指标，其计算公式为国内生产总 值（GDP）与全部从业人员年平均人数之比。 资本要素方面，增量资本产出率（ICOR）作为衡量投资效率的核心指标，其经济含义是每增加 1 元 GDP 所需投入的资本金额。 新经济引领下，原有生产函数将在物质资本和简单劳动力的基础上，增加具有更高经济效益的新变量。 具体来看，数据要素作为第五大生产要素，与土地、劳动力、资本、技术等传统要素相比，具有非竞争 性、非排他性、低成本复用等典型特征。

3.产业协同：集群发展的资源互补和优势整合

两部门模型是索洛模型的重要拓展，其核心突破在于放宽了“单一生产部门”的假设，从而更贴近现实地 揭示了技术进步的内在机制。 该模型的一个重要启示是，当资本的定义扩展至包含知识要素时，经济整体将呈现出规模收益不变而非 递减的特征。 从空间布局来看，在京津冀协同发展、长江经济带建设、粤港澳大湾区建设等国家区域发展战略推动下， 我国已初步形成 12 个功能区，其中京津冀地区最具代表性。

具体而言，区域发展主要通过地理集聚与专业化分工，推动产业链上下游企业实现高效协同与资源互补。

（三）中国的多元赋能路径

党的二十大报告将“推动制造业高端化、智能化、绿色化发展”列为建设现代化产业体系的明确方向，近 年来，我国也形成了以高端化、智能化、绿色化赋能为主要特征的全球化发展路径。

1.高端化赋能路径：新需求与新供给的良性共促

高端化发展路径的核心在于产业升级。它侧重于通过技术创新，推动产业从相对低端向更高技术水平、 更高附加值的状态持续演进。 在我国产业高端化路径里，其目标主要是解决制造业“大而不强”、“全而不精”的问题。

2.智能化赋能路径：全链条推进“数实融合”

随着数字技术的深入发展，数据资源日益成为驱动社会进步的核心要素。 近年来，我国数字经济持续高速增长，与实体经济的融合不断深化。 数据作为关键生产要素，其市场化配置已成为“十五五”时期数字化部署的核心任务。 水、电、公路作为工业经济时代的基础设施，奠定了实体经济发展的硬件支撑。

3.绿色化赋能路径：市场机制和产业链协同“扩绿”

我国新经济时期的绿色发展路径已经从被动的“末端治理”转向了涵盖能源、产业和技术的全方位变革， 其核心驱动力是我国在 2020 年明确提出的“双碳”目标（2030 年前实现碳达峰，2060 年前实现碳中 和）。实现“双碳”目标是我国推动经济社会绿色转型和可持续发展的内在要求，旨在倒逼产业结构和能 源结构优化升级，走生态优先、绿色低碳的高质量发展道路。自目标提出以来，主要在市场机制和制造 业绿色转型两方面进行了扎实部署。 全国碳排放权交易市场是重点排放单位对国家分配的碳排放配额进行交易的市场，是我国运用市场机制 推动绿色低碳发展的一项重要制度创新。

金融市场绿色投放正持续加速，成为推动经济社会低碳转型的重要力量。 在碳市场机制与绿色金融工具协同驱动下，我国已初步形成覆盖制造业全链条的绿色供应链体系。

4.全球化赋能路径：制度型开放驱动产业进阶

近年来，我国持续扩大高水平对外开放，积极参与并引领全球治理，逐步从国际规则的接受者、学习者 转变为重要参与者和推动者。 近年来，我国对外开放的重点已由以降低关税和要素流动壁垒为核心的“流动型开放”，逐步转向以规则、 规制、管理、标准对接为特征的“制度型开放”。 在对内制度建设方面，我国正将高水平对外开放与深化内部改革相结合。 在制度保障体系支撑下，我国产业开放路径持续深化，逐步实现从以制造业为主向制造业与服务业协同 并重转变，知识密集型贸易成为新的增长点。 近年来，我国外贸结构持续优化升级，以电动载人汽车、锂电池、太阳能电池为代表的外贸“新三样”迅 速崛起，成为推动出口增长的新动能，与服装、家具、家电等传统劳动密集型“老三样”形成鲜明对比。

（四）新经济赋能模式的国际比较与借鉴

1.美国的“科技-产业-金融”循环体系

美国凭借其高度成熟的“科技-产业-金融”协同体系，在政府政策引导和多主体协作的推动下，吸引了全 球过半的投资，为抢占新一轮科技革命与产业变革先机奠定了基础。同时，美国注重创新驱动内需市场， 通过激发国内创新活力促进经济内循环，使服务消费持续壮大，其 GDP 占比不断提升，成为拉动经济 增长的核心引擎。 在创新的顶层设计上，美国注重各类政策工具的系统配合，综合运用财税、金融等手段，营造有利于创 新与资本融合的制度环境。 在创新文化层面，美国推进产学研深度融合，促进人才、技术、资金等创新要素在高校、科研机构与企 业间高效流动，形成从基础研究到市场应用的闭环路径。 庞大的内需市场，特别是持续扩张的服务消费，为美国的科技创新成果提供了关键的应用场景。

2.德国的工业 4.0 与“隐形冠军”模式

德国工业升级的特征在于其渐进式的创新路径，即在传承精密制造传统的基础上，逐步融合信息技术实 现系统性升级。 “隐形冠军”概念由德国管理学家赫尔曼·西蒙于 1986 年提出，特指那些在各自细分领域占据全球市场领 导地位，却不为公众熟知的中小型企业。 此外，在支持创新的金融体系中，德国的政策性银行发挥着关键的引领作用，其核心代表德国复兴信贷 银行（KfW）由联邦和州政府共同出资设立，通过商业银行转贷的模式，专项为中小企业提供长期优惠 融资，其对该群体的贷款占新发放贷款总额比重超过 40%。

3.日本社会需求牵引下的精益模式

作为全球制造业强国，日本的产业转型升级主要受到社会需求的驱动。 在精益制造理念的长期引领下，日本制造业形成了以核心材料、高端装备与高技术产业为核心的竞争优 势，构建了从基础材料、关键零部件到数控系统的完整技术生态。 在政策制定上，日本持续强化研发投入，并运用税收工具支持战略性产业。

4.总结：对我国发展模式的借鉴

从美国、德国和日本的产业升级实践中，可以总结出以下五方面的共同经验：第一，将中小企业视为产 业升级的重要力量，通过立法、税收、融资担保及多层次资本市场等方式，为其提供多元化政策与资金 支持，助力其专注发展；第二，重视技术创新与研发投入，积极推动产、学、研深度融合，强化基础研 究和新技术的产业应用，以专利转化和技术迭代提升产业竞争力；第三，构建了适应本国实际的融资体 系，通过直接融资市场或银行主导的间接融资渠道（如德国和日本的担保机制），为企业特别是中小企 业提供稳定的资金保障；第四，政府在产业升级中发挥积极引导作用，通过顶层战略（如德国的“工业 4.0”模式）、政策目标和制度安排，营造有利于创新与升级的宏观环境；第五，注重以市场需求牵引供给升级，通过内需拉动、需求导向的“精益”理念和服务消费升级，促进产业与实际市场紧密结合，实现 供需良性互动。 我国在新经济阶段的产业升级，正系统性地构建多层次支撑体系，将国际经验与本土实践深度融合，已 在若干关键领域取得实质性进展。在战略引导与政策布局上，政府紧密围绕绿色转型、人口结构变化等 社会需求，制定具有前瞻性和需求导向的产业政策。例如，金融领域着力做好科技金融、绿色金融、普 惠金融、养老金融、数字金融“五篇大文章”，正是对经济社会重大需求和长远战略的呼应。在技术创新 体系构建方面，我国正致力于深化产学研融合，以显著提升产业链韧性。国家明确将实现“高水平科技 自立自强”作为科技发展的核心路线，并通过部署国家重大科技项目，以及引导数据开放、强化人才培 育等举措，推动创新链与产业链深度融合。对中小企业的系统性支持已成为产业升级政策的重要支柱。 我国大力培育“专精特新”中小企业，中央财政专项支持重点“小巨人”企业攻坚新技术，中国人民银行联 合相关部门设立科技创新和技术改造再贷款，其中设有专项额度用于支持初创期、成长期的科技型中小 企业首次贷款。在供需协同与内需激活方面，我国坚持通过市场需求牵引供给升级，致力于形成供需互 促的良性循环。政策层面通过提振消费专项行动、服务消费提质惠民等措施，改善消费条件，增强消费 能力。实践中，顺应消费升级趋势，以新供给创造新需求，例如新型消费、绿色消费、国货潮牌等快速 发展，这促使供给体系更注重通过应用“精益”理念提升效率与质量，以高质量供给适应、满足并引领需 求。我国产业升级路径呈现出政府战略引导、科技创新驱动、市场主体培育与市场需求拉动多轮驱动的 系统特性，各项政策正围绕提升产业体系完整性、先进性与安全性协同发力。在充分借鉴国际经验的基 础上，我国新经济时期产业升级有望迈向更高质量的发展阶段。

（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。）