人工智能产业2025年中思考——扩张、效率、泛化

产业深度 2025.06.09 产业研究中心 人工智能产业2025年中思考——扩张、效率、泛化 摘要： 登记编号S0880522030002 目前我国AI产业发展正处于转型升级关键期，呈现规模扩张与质效提升并重的总体特征。根据中国信通院引用IDC数据，全球AI核心产业保持稳健增长，预计2024年增至6233亿美元。技术层面，国产大模型加速迭 代并构建开源生态，多模态AI成为核心突破方向。应用层面，开源生态推动AI向中小企业和边缘场景渗透，在金融、制造等行业加速落地。政 登记编号S0880513070005 策环境持续优化，推动标准建设和生态发展。尽管面临算力、数据等挑战但政策支持与市场需求共振，未来AI产业发展趋势将聚焦技术融合与应 用场景创新，与具身智能等方向的结合有望开辟新增长点。 AI产业将继续全方位的“扩张”发展。在基础技术层面，半导体技术的持 续突破为算力扩张提供了核心支撑。尽管摩尔定律面临物理极限，但通过 3D堆叠、先进封装等创新技术，其核心发展轨迹仍在延续。英伟达新一 登记编号S0880123070143 代GPU芯片的显著性能提升，以及全球科技巨头加大算力投资，共同验证了这一发展趋势。这种技术演进与资本投入的双重驱动，使得Scaling Law继续发挥关键指导作用。与此同时，AI产业正在经历从训练到推理的结构性转变。终端设备智能化、模型架构创新和Agent技术突破共同推动推理算力需求爆发式增长。全球算力基础设施正在向万卡乃至十万卡规模快速演进，中国算力产业亦在快速升级，国产化万卡集群实现商用落地。值得关注的是，开源生态的繁荣正在重塑算力发展模式。DeepSeek等开源模型通过降低技术门槛，不仅推动了算力资源的优化配置，更促进了AI能力向中小企业及边缘场景的渗透。 “效率”优化已成为AI产业突破发展瓶颈的关键突破口。当前大模型训练面临着成本高企、能耗过大、数据短缺、超大规模算力集群实际运行效 率不足等多重挑战。为突破这些限制，产业界正在从三个维度协同推进技术创新。在硬件层面，通过异构计算架构、HBM高带宽内存、存算一体芯片、光互连技术以及专用ASIC芯片等技术路径，计算效率正在显著提升中。在算法层面，DeepSeek等创新模型通过混合专家架构、稀疏训练等突破性技术，在保持模型性能的同时大幅降低了计算资源需求。其采用的参数蒸馏和动态负载均衡策略，更使推理效率得到显著提升。与此同时，数据合成技术的突破有效缓解了训练数据短缺的困境。此外，AI硬件通过适度精简功能，聚焦场景刚需，实现了技术可行性与商业可行性的动态平衡，推动AI技术在落地初期更好地发展。 AI技术“泛化”加速商业化进程，多元创新共筑产业新生态。从行业应用广度来看，生成式AI在金融、制造等B端市场快速普及；从技术渗透深度观察，大模型技术正从企业辅助系统向核心生产环节延伸。开源生态的 繁荣为技术泛化提供了强劲动力，开放协作模式与商业创新形成良性互动，API价格的大幅下调降低了试错成本，开源框架的普及加速了技术迭代，二者共同推动AI能力向中小企业快速渗透。技术突破持续拓展应用边界，蒸馏技术的成熟使高性能小模型得以部署在边缘设备，多模态大模型的演进则赋能AIAgent实现更复杂的自主决策，推动人机交互向智能化、个性化方向发展。虽然当前仍处于商业化初期，但参照互联网发展历程，AI产业很可能遵循从B端到C端再到B端深化的演进路径，最终实现全产业链的协同繁荣。 风险提示：AI技术发展不及预期、应用落地不及预期、算力需求不及预期。 朱峰(分析师) 021-38676666 鲍雁辛(分析师) 021-38676666 汪玥(研究助理) 021-38676666 目录 1.概述3 1.1.2025年中人工智能产业发展趋势三大研判3 1.2.投资建议4 2.人工智能产业2025年中关键词一：“扩张”5 2.1.半导体产业和技术持续进步，算力扩张为AI产业发展筑基5 2.2.硬件加速落地、应用拓展及大模型迭代，驱动推理侧算力需求增长7 2.3.算力硬件数量量级跃升，万卡和十万卡集群时代开启9 2.4.开源模型激发自有算力资源部署，社会算力供给扩大11 3.人工智能产业2025年中关键词二：“效率”11 3.1.ScalingLaw进一步扩张，成本和效率矛盾凸显11 3.2.算力端多元技术革新，破解效率困局13 3.2.1.“异构算力”打破单一硬件架构局限，提供灵活、高效方案13 3.2.2.“HBM”不断升级持续改善内存墙问题14 3.2.3.“存算一体”技术稳步前进，为产业提供远期解决方案14 3.2.4.“光互连”技术探索积极，静待大规模实际落地15 3.2.5.推理时代来临，“ASIC”或迎高速发展期16 3.3.模型优化和技术进步，开辟降本增效新路径16 3.3.1.算法和架构的优化与创新是可实现且收益可观的16 3.3.2.推动数据合成技术发展有望解决中长期高质量数据供需难题18 3.4.AI硬件做“减法”，以创新形态适应技术落地初期需求18 4.人工智能产业2025年中关键词三：“泛化”19 4.1.商业化进程提速，应用端试水在千行百业大规模开花19 4.2.开源模型成AI应用落地催化剂，带动行业部署与算力利用双赢21 4.3.低成本开源模型领航，大幅推动AI应用渗透23 4.4.推理模型能力进阶，AI应用领域持续拓宽24 4.5.AI应用尚在落地初期，未来发展路径明晰25 5.风险提示27 1.概述 1.1.2025年中人工智能产业发展趋势三大研判 2025下半年AI产业将围绕扩张、效率、泛化三大核心维度实现跨越式发展，推动技术革新与商业落地的深度融合。 全球AI产业将继续全方位的“扩张发展”。在基础技术层面，摩尔定律虽面临物理和工艺极限的挑战，但通过3D堆叠、先进封装等创新技术仍在延续其核心价值。以英伟达为例，其在2025年3月18日发布最新BlackwellUltra以显著的性 能提升印证了AI算力芯片仍在遵循着摩尔定律发展轨迹。半导体技术的持续进步将为AI算力扩张提供坚实基础。亚马逊、微软等企业2024年算力资本支出总额超2400亿美元的历史新高，为AI产业发展构建了强大的基础设施投入支撑。在技术演进与资本投入的双重驱动下，ScalingLaw将继续展现出强大的指导意义。短期来看，模型规模的持续扩大仍将推动训练侧算力需求保持增长态势。由于新兴的扩展方法和技术，人工智能的改进速度比以往任何时候都快，为ScalingLaw的持续有效提供有力支撑。在半导体技术进步与计算理论创新的双重作用下，AI算力扩张正在形成更健康、更可持续的新范式。与此同时，AI产业正经历从训练到推理的范式转变，AI终端设备的普及、模型架构的演进、Agent技术的成熟等多股力量协同已推动推理侧算力成为AI产业发展的新焦点。算力需求的持续扩张与基础算力的提升形成良性互动，全球算力基础设施正在向万卡乃至十万卡规模快速演进。中国算力产业也在快速升级，三大电信运营商、头部互联网企业及AI研发公司纷纷加码投入，推动国产化万卡集群实现商用落地。值得关注的是，开源生态的繁荣正在重塑算力发展模式。DeepSeek等开源模型通过构建开放的技术生态，显著降低了企业应用AI的门槛，推动AI能力向中小企业及边缘场景下沉，算力资源配置向更高效的方向演进。 模型训练与推理的“效率优化”成为破解AI产业瓶颈的核心课题。随着大模型的发展，成本与效率的矛盾日益凸显，模型训练开发成本高昂，算力成为核心制约因素，训练和运行能耗巨大，优质语料短缺，万卡集群实际运行效率也与预期存 在差距。为应对这一系列挑战，在硬件层面，产业界不断通过异构计算架构、HBM、存算一体芯片、光互连技术、ASIC等技术路径显著提升计算效率。在算法层面，模型优化和技术进步也开辟了降本增效的新路径。以DeepSeek为代表的创新模型通过混合专家架构、稀疏训练等技术手段，在保持模型性能的同时大幅减少计算资源消耗，在推理环节通过参数蒸馏、动态负载均衡等优化策略实现效率跃升。与此同时，数据合成技术的突破为解决训练数据瓶颈提供了全新思路。随着EpochAI等机构预测高质量语言数据可能在2026年面临枯竭，合成数据技术的重要性愈发凸显。通过数据增强和生成模型的创新应用，已有研究者仅通过传统数据量的极小部分便训练出具有竞争力的模型。此外，AI硬件通过聚焦核心场景需求，精简非必要功能，为AI技术在落地初期的稳健发展创造了有利条件。 AI技术“泛化”加速商业化进程，多维度创新推动产业纵深发展。AI技术商业化正在呈现全方位加速态势，其应用广度与深度持续拓展。从行业应用广度来看，生成式AI在金融、制造等B端市场快速普及。从技术渗透深度来看，大模型技 术正从企业辅助系统向核心生产环节延伸，在研发设计、生产优化等关键领域创造实质价值。开源模型成为推动AI技术泛化的重要催化剂，DeepSeek等开源大模型促使更多厂商跟进开源，云服务厂商、科技巨头纷纷部署，其行业应用涵盖多个领域，实现了行业部署与算力利用的双赢。当前AI产业正通过商业模式和技术路径的创新，大幅降低应用落地的门槛，主流厂商掀起API价格下调浪潮，开源生态的蓬勃发展正在改变技术获取方式，加速技术迭代。技术突破持续拓展应用边界，蒸馏技术的成熟使小模型在边缘设备上的表现大幅提升，直接推动了AI终端的普及浪潮。大模型在多模态理解和复杂推理上的突破，为AIAgent的发展提供了核心技术支撑。AI应用虽尚处于落地初期，但未来发展路径明晰，借鉴PC 互联网发展规律，AI产业预计将遵循“B端—C端—B端”的三段式节奏，当前处于B端萌芽期，未来C端有望大规模爆发，最终将实现B端与C端并行发展，全面推动AI产业繁荣。 图1：2025下半年AI产业或将围绕“扩张”、“效率”、“泛化”三大核心维度发展 数据来源：国泰海通证券研究 1.2.投资建议 AI产业的基础设施建设持续深化，投资应聚焦算力产业链的核心环节。算力供给的扩张仍将是支撑当前AI产业发展的基石，建议关注具备先进封装技术、异构计算架构研发能力的芯片企业，以及推动万卡级算力集群建设的网络软硬件服务商。 随着推理侧需求激增，可重点布局AI硬件加速器、边缘计算设备和多模态交互终端的创新企业，特别是结合大模型迭代需求开发专用芯片的厂商。开源生态带来的算力普惠化趋势值得重视，参与开源模型技术协同和算力资源优化的平台型企业具备长期投资价值。 效率优化赛道存在显著技术突破机会，应重点关注创新技术应用的商业化前景。在算力成本高企的背景下，建议关注如光互连等Scale-up和Scale-out先进互联技术、如存算一体等先进存储等底层软件和硬件研发企业，这些领域的技术突破将 直接提升算力使用效率。模型架构创新和数据合成技术方向值得深度挖掘，关注具备自主算法优化能力且能实现降本增效的AI公司。对于专注场景化落地的AI软件和硬件企业，尤其是能在特定垂直领域实现技术与商业平衡的解决方案提供商，可进行战略性布局。 商业化进程加速催生多元化投资机遇，建议沿应用落地路径进行分层配置。当前阶段应重点把握AI在B端市场爆发机遇，优先选择在金融、制造、教育等领域 具备成熟解决方案的行业AI服务商。开源模型生态参与者具有较大增长空间，可关注构建行业应用生态的云服务商和基于开源模型开发垂直应用的创新企业。随着边缘计算需求增长，具备优秀模型蒸馏能力和端侧部署技术的公司也值得关注。长期来看，建议提前布局C端AI应用创新赛道，尤其是结合多模态感知能力的AIAgent产品和消费级智能硬件，把握未来产业爆发期的增长红利。 图2：建议基于扩张、效率、泛化三维布局的AI产业年中投资脉络 数据来源：国泰海通证券研究 2.人工智能产业2025年中关键词一：“扩张” 2.1.半导体产业和技术持续进步，算力扩张为AI产业发展筑基 摩尔定律未明显失效、半导体产业和技术持续进步，算力扩张没有显著瓶颈。摩尔定律是指集成电路上可容纳的晶体管数目约每隔18至24个月便会增加一倍，本质