《AI共生，有色“需图”重构》系列报告（一）：AI浪潮来袭，撬动有色需求的下一个支点？

AI浪潮来袭，撬动有色需求的下一个支点？ ——《AI共生，有色“需图”重构》系列报告（一） 王蓉投资咨询从业资格号：Z0002529wangrong2@gtht.com季先飞投资咨询从业资格号：Z0012691jixianfei@gtht.com刘雨萱投资咨询从业资格号：Z0020476liuyuxuan@gtht.com王宗源(联系人)期货从业资格号：F03142619wangzongyuan@gtht.com 报告导读： AI的尽头是电力。我们借用了现行网络上极热门的一句话，用以刻画当前在AI席卷全球的汹涌浪潮之下，和能源相关联的商品及其产业与AI行业的命运共系共生的格局。有色金属作为在新旧能源更迭的时代备受瞩目的商品板块，2020年4季度伴随前任美国总统拜登胜选而引发的“有色拜登交易”仍令市场记忆犹新，彼时清洁能源领域增长带来的消费增量深刻重塑了传统有色金属的需求版图。5年之后，当全球光伏新增装机的增速开始式微，远超过传统消费行业增长斜率的AI需求是否再次重构有色板块的需求侧，成为撬动未来供需平衡的下一个重要支点，这是当下有色市场投资人极为关注的问题。 一方面，随着AI行业从“算法经济”走向“产业融合”，AI正从基础层、技术层和应用层等多维度重塑有色金属需求结构。过去十年AI的发展以算法革新和模型突破为主，但随着大模型多模态化、推理需求爆发式增长，行业重心正从软件优化转向算力、能源、硬件与供应链的全面升级。AI基础设施投资快速增长，计算从集中式训练向行业级、场景化的分布式推理延伸，推动AI从互联网行业的“应用创新”向制造、交通、能源等实体部门的“系统性渗透”。 另一方面，在经历了过去几年“算力军备竞赛”和资本狂热之后，AI行业的发展迈入了新阶段。不少机构认为，尽管科技巨头在AI领域资本开支投入巨大，但尚未形成与之相匹配的规模化回报，目前真正实现广泛影响力的现象级应用仍屈指可数。在此背景下，技术突破已不再是市场关注的唯一焦点，商业化落地与盈利模式的可验证性成为真正衡量AI价值的关键。 不可否认的是，AI算力的崛起为有色金属开辟了新的需求空间，也引发了市场的无限遐想。权益市场对于AI叙事的狂热追捧，也对商品市场价格形成了较大的波动。在AI基建的大浪潮之下，商品的定价逻辑与需求版图有可能迎来一定重构，AI领域新的发展也在逐渐成为有色金属需求增长不可或缺的新驱动力。现阶段我们对AI带来的有色需求前景将保持足够的想象力，但同时亦维持对各品种微观需求、高频数据的紧密跟踪。 感谢实习生胡耀月在本篇报告撰写中的贡献。 目录 1.1AI行业发展历史复盘...........................................................................................................................................................31.2当下AI商业化行至何处？................................................................................................................................................4 2.AI行业发展催生有色金属新需求..................................................................................................................................................7 2.1AI产业链全景洞察...............................................................................................................................................................72.2“AI+有色金属”引导行业进一步迈向高端化、智能化.........................................................................................8 3.结论：有色金属与AI产业共生，“需图”迎来关键重构期............................................................................................10 （正文） 1.AI行业从“算法经济”走向“产业融合” 1.1AI行业发展历史复盘 纵观AI行业发展，大体经历了六个阶段：起步、反思、应用、低迷、稳步和蓬勃发展期。2011年以前，AI行业仍处于探索与积累阶段，这一时期主要集中在算法理论与早期模型验证。20世纪50年代至90年代间，AI行业经历了两次热潮与低谷。早期的“符号主义”与“专家系统”虽奠定了人工智能的概念框架，但受制于算力不足与数据匮乏，未能实现产业化突破。90年代后，互联网技术、统计学习与神经网络算法的出现为AI注入新的生命力，但整体仍以科研为主，未形成稳定商业模式，对硬件及材料需求影响有限。 2012-2023年期间，AI迎来深度学习驱动的突破期与算力驱动的扩张期。2012年ImageNet大赛中卷积神经网络的胜利标志AI进入“深度学习时代”；随后GPU加速、云计算与大数据基础设施迅速发展，使AI算力需求呈指数级上升。这一阶段AI的商业化落地集中在互联网、广告、电商、语音识别、自动驾驶等领域。AI行业的扩张不仅推动了半导体、服务器及数据中心投资，也开始拉动铜、铝、锡、白银等金属在电子设备、导线、电源系统及散热模块中的用量增长。但总体上，这一时期AI仍以“算法经济”为核心，资本与技术投入集中在软件与芯片层面，对传统工业链的影响相对间接。 资料来源：中国人大网，国泰君安期货研究 2024年成为技术与需求的双重拐点，GPT-4、Claude3、Gemini1.5等模型规模爆炸式增长，生成式AI实现了技术上的根本突破，是深度学习领域的跨时代进步。与此同时，其应用落地化加快，技术从“研究驱动”转向“产业赋能”，需求从“集中式模型训练”转向“全行业分布式推理”。根据高盛统计，全球人工智能收支规模预计在2025年接近2000亿美元，国内规模突破5000亿人民币。AI行业正式进入产业融合与基础设施建设的加速期，不再局限于云端算力，而向制造业、交通能源等领域进一步渗透。 随着模型参数规模的急剧扩展，AI行业的增长重心正从“算法红利”迈向“算力瓶颈”。数据显示，以ChatGPT-3为例，当模型参数量达到175B时，训练需要8192张显卡运行49天。根据行业经验，为了在可接受的时间内完成训练，需要达到百亿参数百卡规模，这对算力资源的规模提出了极高的要求。算力不足意味着无法处理庞大的模型和数据量，也无法有效支撑高质量的大模型技术创新。根据国家数据局披露 的信息显示，2024年初中国日均Token1消耗量为1000亿，到2024年底已增长至3000亿量级，2025年6月则是达到惊人的30万亿量级，一年半时间增长了300多倍。算力增长的背后，是对新一代算力基础设施产业发展的挑战。 在这一背景下，AI也从“虚拟创新”走向“物理扩张”。硬件设施的建设从算力堆砌升级为围绕着数据中心、电力系统、冷却设施等基础设施的全面提升，以应对行业对实时性和低延迟的需求增加。传统的云计算架构无法完全满足大规模AI应用的要求，转而被边缘计算逐渐取代。边缘计算基础设施的构建要求更多的分布式计算节点和低延迟、高带宽的网络连接，不仅要依赖云端数据中心的集中计算能力，还需要在全球范围内实现算力的边缘部署。与此同时，数据中心的建设成为AI行业的新基建核心。算力基础设施的规模、能效与可持续性，将直接决定AI能否真正实现规模化落地与产业赋能。 1.2当下AI商业化行至何处？ 在经历了过去几年“算力军备竞赛”和资本狂热之后，AI行业的发展迈入了新阶段。不少机构认为，尽管科技巨头在AI领域资本开支投入巨大，但尚未形成与之相匹配的规模化回报，目前真正实现广泛影响力的现象级应用仍屈指可数。在此背景下，技术突破已不再是市场关注的唯一焦点，商业化落地与盈利模式的可验证性成为真正衡量AI价值的关键。 从全球AI商业化落地来看，商业化路径呈现一定差异化。通用大模型与垂类应用各有侧重：前者以OpenAI和Anthropic为代表，其路径差异显著——OpenAI更侧重C端订阅（ChatGPT贡献超60%收入），使得其收入增长弹性极高；而Anthropic则以B端API服务为主（占比70%-75%），更加依赖下游编程工具的调用。垂类应用则专注于AI编程、多模态生成、AI搜索等具体场景，核心逻辑是降本增效，通过订阅制或API调用创收，其面向企业或个人的收入确定性往往更强。在这一背景下，国产AI应用尤其在多模态领域展现出领先优势，其代表“可灵”已成为全球最大的视频生成应用，这主要得益于其性能与性价比的突出优势、快速的产品迭代能力以及对海外社交媒体平台算法的精准适配。这些趋势都在大模型的Token调用量数据上得到了印证：当前AI搜索和编程是最活跃的应用场景，而整体调用量的高速增长则清晰地表明，无论是B端还是C端，对AI应用的投入和使用积极性都在快速提升，整个行业正加速走向大规模落地。 从中美发展对比来看，AI领域差距在不断缩小。尽管美国在算法、高端芯片和核心创新上仍保持一定领先，但中国凭借庞大的国内市场、完整的产业体系以及积极的政策引导，正在加速追赶。参考斯坦福大学发布的《2025年人工智能指数报告》，在AI公司和大模型的数量上，美国仍然领先中国。2024年美国发布了40个AI大模型，中国只发布了15个。AI公司的数量上，美国有1073家，中国只有98家。但在AI大模型的性能竞赛中，中国企业已经追赶上来，以腾讯、百度为代表的头部企业积极推动技术开源，允许用户自由改造和部署，这一开放策略不仅激发了全球开发者和公司的使用热情，也帮助中国AI模型迅速渗透全球市场。 资料来源：Epoch AI，《2025年人工智能指数报告》，国泰君安期货研究 资料来源：Artificial Analysis，国泰君安期货研究 推理成本的下降，也为AI商业化与规模化应用提供了条件。从ChatGPT的推出，到DeepseekR1的横空出世，大模型的推理成本正在以每年10倍的速度下降。斯坦福大学报告显示，执行GPT-3.5水平的AI模型，其推理成本从2022年11月的每百万token20美元，下降至2024年10月的每百万token0.07美元，降幅超过200倍；硬件层面，成本每年下降约30%，而能源效率每年提升约40%。算力价格和推理成本的显著下降，使得AI变得更加经济高效和易于获取，为AI应用商业化提供了底层经济性支撑，成为穿透各行各业并驱动实体经济的新质生产力。这既是技术演进的必然结果，也为产业发展带来新的思考。 资料来源：Epoch AI，国泰君安期货研究 从谷歌、微软等科技巨头的最新财报来看，亦能作一定的业绩验证。最新一轮的美股财报季中，谷歌母公司Alphabet第三季度营收1023.46亿美元（同比增长15.95%），净利润349.79亿美元（同比增长33%）；微软第三季度营收776.73亿美元（同比增长18.43%），净利润277.47亿美元（同比增长12.49%）；亚马逊第三季度营收1801.69亿美元（同比增长13.4%），净利润211.87亿美元（同比增长38.22%），其中AWS营收为330.06亿美元，同比增20.23%，增速为2022年以来最快；Meta第三季度营收512.42亿美元（同比