中美人工智能赋能产业发展的现状、趋势及政策建议

Ω中银研究产品系列 中美人工智能赋能产业发展的 ●《经济金融展望季报》●《中银调研》●《宏观观察》●《银行业观察》●《国际金融评论》●《国别/地区观察》 现状、趋势及政策建议＊ 人工智能作为新一轮科技革命和产业变革的核心驱动力，既是技术创新的前沿，也是全球竞争的战略高地。当前，我国正处于加快培育新质生产力、全面推进高质量发展的关键阶段。习近平总书记多次强调，“人工智能是引领这一轮科技革命和产业变革的战略性技术”“发展人工智能，将为我国构建现代化经济体系、实现高质量发展提供重要支撑”。2025年国务院印发的《关于深入实施“人工智能+”行动的意见》明确提出，要以科技、产业、民生、治理等领域为重点，推动人工智能与经济社会各行业深度融合，构建人机协同、跨界融合、共创分享的智能经济与智能社会新形态。在此背景下，我国人工智能发展亟需构建“国家引领、产业共建、企业突破”的协同发展体系，形成上下贯通、协同联动的发展合力。 作者：许天衣中银理财电话：010-8393 4068 签发人：陈卫东审稿人：周景彤梁婧联系人：程栖云刘佩忠电话：010-6659 4016 ＊对外公开＊＊全辖传阅＊＊＊内参材料 中美人工智能赋能产业发展的现状、趋势及政策建议 当前，以大模型为代表的人工智能技术正加速演进，成为引领新一轮科技革命和产业变革的战略性、颠覆性力量。习近平总书记多次强调，“人工智能是引领这一轮科技革命和产业变革的战略性技术”“发展人工智能，将为我国构建现代化经济体系、实现高质量发展提供重要支撑”。同时，党的二十大报告明确提出，要“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料等一批新的增长引擎”，将人工智能置于国家创新驱动发展战略的核心位置。 在全球格局深刻调整的背景下，中美两国作为全球人工智能发展的主要引领者，在大模型领域的竞争已从技术层面延伸至基础设施、产业生态、标准体系与治理规则的全面竞争。当前，大模型正通过三大路径深度赋能经济社会：一是驱动智能手机、PC等端侧设备向智能化、个性化跃迁，重塑人机交互范式；二是催生AI原生应用（AI-Native）与超级应用融合创新，重构数字内容生产与服务模式；三是深入渗透制造、金融、医疗、政务等垂直行业，推动全要素生产率提升并孕育新型商业模式。本文将通过对比中美大模型的发展现状与差异，系统梳理两国在技术研发、生态构建与应用实践中的竞争态势，并提出有针对性的政策建议，以期为我国人工智能高质量发展提供决策参考。 一、中美大模型技术发展现状分析 根据斯坦福大学人工智能研究所发布的《2025年人工智能指数报告》，中美顶级AI大模型在MMLU和HumanEval等主要基准的性能测试差异已经由2023年的17.5%大幅缩至2024年的0.3%。其中，TOP1和TOP10模型的差距从12%缩小至5%，以DeepSeek代表的开源模型正逐步缩小与海外头部模型的性能差距。从2025年以来的模型进展迭代情况来看，中国在模型数量、专利申请量和应用落地速度方面具备优势，但在基础模型的迭代速度上略有落后；而美国在顶尖模型的产出和商业化能力上仍保持领先地位。从技术路线来看，开源与闭源模式已形成竞争互补格局，中国通过政策引导和生态共建推动开源模型发展，美国则依托模型垄断和高付费意愿维持闭源优势。 资料来源：斯坦福大学人工智能研究所《2025年人工智能指数报告》 整体来看，“模型-算力-应用需求”构成人工智能产业迭代升级的闭环，当前大模型技术的发展重心已经从预训练阶段过渡到后训练和推理应用阶段，并逐渐形成以基座大模型为基础，通用及专业智能体（Agent）能力为延伸的完整产业生态。 （一）美国：推理需求全面爆发，商业化闭环逐渐跑通 从供给端来看，当前美国人工智能产业发展仍处于领先地位，AI工具的渗透率和商业化程度提升明显。随着模型参数规模的饱和式增长，预训练投资的边际效用递减，单纯依靠扩大模型规模来提升性能的策略变得不可持续，头部模型厂商更加注重模型优化和推理效率提升。传导至算力芯片需求上，美国AI企业正从采购GPU向ASIC芯片快速过渡。2025年，美国科技巨头已开始大规模部署专为AI推理设计的ASIC芯片，这类芯片在特定任务上的能效比GPU高出5-10倍。例如，谷歌已推出第六代TPU芯片Trillium，专为大模型推理优化；Meta也宣布将在2025年底部署其自研的AI推理ASIC芯片，以应对模型推理成本下降带来的挑战。 从需求端来看，Agent产品通过沉淀用户数据反哺大模型产品，叠加模型推理成本显著下滑，应用端的需求吞吐量实现快速增长。API调用数据方面，过去一年，谷歌产品和API每月处理的token量1从2024年4月份的9.7万亿到目前的1000万亿，增 长了100倍。产品活跃数据方面，ChatGPT日活流量呈上升趋势，网页端日活用户维持在2亿左右，同比增长135.7%；移动端日活达到1.84亿，同比增长328.6%。此外，Grok、Perplexity、Claude等头部产品的日活也呈现稳定增长态势。 资料来源：斯坦福大学人工智能研究所《2025年人工智能指数报告》 在赋能产业发展方面，美国大模型正广泛渗透到金融、医疗等传统行业。根据麦肯锡2024年调研，美国已有约49%的企业称AI为企业实现了降本，其中金融行业渗透率最高，已达78%。OpenAI的GPT-4在复杂医学问诊的测试中表现甚至优于医生与AI协作小组，2023年美国FDA共批准了223款AI医疗设备，较2015年增长近40倍。在原生应用方面，美国大模型应用的渗透率已迎来关键拐点，现象级AI应用如ChatGPT正显著提高用户使用粘性。随着用户迁移成本逐渐变高，头部模型在市场中占据更有利位置。截至2025年4月，凭借现象级的“吉卜力”照片风格转化功能，ChatGPT月活跃用户（MAU）接近9亿，预计年内将突破10亿。OpenAI预计到2025年末，AI Agent及其他新产品合计销售额将超越ChatGPT，成为新的收入增长引擎。 资料来源：The Information（左），swsresearch（右，10/22-4/25） （二）中国：AI应用多点开花，商业化潜力仍待释放 从供给端来看，算力芯片限制国产大模型的研发推进，国内头部大模型产品仍处于L22水平，通用Agent能力仍待提升。中国大模型产业在供给端面临算力限制的挑战，市场担忧中国大模型能力被美国再度拉大。但从产业现状和科技战略的角度来看，中美大模型的参数性能差距并不明显，当前仅在商业化场景和节奏上存在结构性差异。由于技术积累、产业生态和政策环境的不同，中美大模型产业形成了差异化的技术路 径：即美国以OpenAI、Gemini的闭源主导，国内以DeepSeek、Qwen、Kimi2的开源模型主导，但以中国为代表的开源模型性能与美国主流模型的差距逐步缩小。 从需求端来看，开源技术生态推动大模型产品使用量全面繁荣。尽管DeepseekR1自发布以来浏览器端口的流量绝对值持续下滑，6月份环比下滑近30%，但从国内部署接入Deepseek大模型的第三方平台来看，百度、阿里、腾讯元宝等均保持快速增长，自R1发布以来已增长20倍。其中2025年5月豆包模型日均token调用量达16.4万亿，较4月和去年12月增幅29%和310%。从备受市场关注的Deepseek模型开发节奏来看，由于其定位于基础模型研究机构，或收缩算力资源优先发展基础大模型，而对商业化产品并未有过多投入及迭代（同期豆包加大投流力度）。虽然每百万Tokens的价格仍然较低，但考虑到结果反馈的延迟时间、吞吐量和上下文长文本能力等因素，以及具体工作负载的性质和用户对Token的实际需求，Deepseek模型的性价比优势仍待进一步提升。 （三）Agent成为人工智能应用的聚焦点 人工智能应用的迭代路径可分为逐步演进的三阶段，中美之间的产业进展虽有结构性错位，但智能体已成为未来竞争的聚焦点。第一阶段，各公司通过扩展参数和数据量提升预训练性能，形成ChatGPT、文心一言等初代聊天机器人，市场关注点主要在安装量和月活。第二阶段，DeepSeek R1开源降低推理成本后，头部厂商转向优化工程与效率，强调用户体验和服务粘性。智能体开始具备任务执行与思考展示功能，Token消耗大幅增加，尽管准确性有限，但应用渗透率显著提升，国内也出现了如Manus等雏形产品。第三阶段，应用正向多智能体集成演进，围绕协同工作、编程、多模态等能力快速迭代。用户的迁移成本因数据沉淀而上升，并逐渐锁定特定模型或供应商，产业需求拐点正在到来。 资料来源：QuestMobile 二、中美人工智能技术赋能产业发展的趋势 当前，人工智能技术赋能产业主要围绕以下路径展开：端侧消费电子（AI手机、眼镜等）、AI原生与超级应用（如C端的豆包、Kimi等）3及垂类场景赋能（如B端的Paas、Saas公司）。其中，Agent能力将成为未来人工智能流量入口的核心竞争力，各应用场景都将围绕大模型能力展开多维协同的融合趋势，通过MCP协议等标准化接口共同为用户提供无感的AI体验，形成“硬件-软件-平台”的协同生态。 （一）端侧硬件：形态重构、交互方式与生态重塑 端侧硬件是人工智能应用的关键物理载体，AI技术正驱动消费电子（智能手机、智能眼镜、个人电脑、玩具）、汽车、机器人等多类设备实现形态重构、交互方式与生态重塑。从硬件性能来看，中美两国在AI芯片领域存在一定的技术差距。在高端AI芯片领域，美国占据绝对优势，英伟达的GPU、苹果的A系列芯片、高通的骁龙系列在算力、功耗和能效比上均领先于中国；在消费级芯片领域，我国在主控、通信、存储等芯片方面具备竞争优势，例如恒玄科技、乐鑫科技等公司在智能眼镜、耳机、玩具等广泛的消费场景中具备较强的产品竞争力。主机产品方面，小米推出AI眼镜，搭载超级小爱，由于眼镜本身需长时间佩戴的特性，有望成为AI的高频入口。 1.AI手机 从软件开发来看，端侧AI的软件适配能力直接影响用户体验和应用生态。随着云端大模型的迭代发布，端侧模型也将同步升级，AI手机或在系统级的操作、跨应用的调度、复杂的场景分析、智能决策执行等方面有望逐步取得突破。从未来发展方向来看，当前中美两国主要手机厂商的技术路线逐渐聚焦至“端云协同”，如谷歌、OPPO、荣耀等手机厂商均与国内大模型厂商展开深度合作，为其AI助手提供底层技术支持。 从用户粘性与付费意愿来看，端侧消费电子的用户粘性主要取决于设备的AI功能深度与用户体验。根据Counterpoint Research预测，2024年全球AI手机出货量将超过1亿部，2027年将达到5.22亿台，占智能手机市场的40%。今年一季度，受国补政策与销售旺季叠加影响，我国智能手机出货量达7160万部，同比增长3.3%。其中，“AI手机”已成为驱动用户换机的核心卖点。展望未来，端侧设备是AI商业化的核心载体，通过隐私保护、实时响应、成本优化等优势，能够做到更懂用户、更懂物理世界，实现智能体的主动交互。 2. AI+具身智能/自动驾驶 具身智能（Embodied AI）指的是将人工智能赋予物理实体（物理AI），如机器人或汽车，使其能够与现实世界进行交互并执行任务。具身智能的核心在于将大模型与机器人、传感器和真实环境结合，让AI在复杂情境中自主学习与决策。展望未来赋能路径：一是人机交互升级，通过自然语言与环境感知，让机器人具备接近人类的交互能力；二是任务执行自动化，AI能够结合感知、规划与运动控制，在动态环境中完成多样任务；三是跨模态学习与迁移，具身智能通过结合语言、视觉与动作信息，实现从虚拟世界到现实世界的知识迁移，推动智能体不断进化。 通用人形机器人本体可分为“大脑”、“小脑”和“肢体”三部分，分别对应决策交互模块、运动控制模块和执行模块。其中，人形机器人“大脑”的核心为人工智能大模型技术，通过多模态模型建模、强化学习、地图创建和数据训练，能够管理和协调机器人的