人工智能行业专题（14）：大模型发展趋势复盘与展望

行业研究·行业专题 互联网·互联网Ⅱ 投资评级：优于大市（维持） 证券分析师：张伦可证券分析师：张昊晨0755-81982651zhanglunke@guosen.com.cnzhanghaochen1@guosen.com.cnS0980521120004S0980525010001 核心观点 •复盘美股科技巨头过去三年股价走势，AI叙事不断递进。23年OpenAI领先全球开启AI加速度，微软受益于OpenAI独家合作，估值抬升明显。24年市场低估模型进步空间，叙事转向推理侧，认为应用公司最优，Meta坐拥社交垄断生态（潜在Agent入口）和广告场景，股价为除英伟达以外PE唯一抬升的巨头。（24年2月，英伟达业绩会估计数据中心收入约40%来自推理。）同年云厂商由于大幅增加资本开支但供给受限，云收入传导有延迟，三大CSP估值略有所回落。25年模型差距与OpenAI明显收敛，谷歌后来居上，生态优势为市场追逐。26年我们认为Scaling Law将持续，模型厂商打开差异化应用市场，模型推理侧需求或进入放量拐点。模型和算力或为最优投资方向。 •25年四家巨头Capex同比增长50%以上，26年我们测算Capex将持续实现30%以上增速。25年北美四家巨头Capex持续上修，从年初3200-3300亿美元上修至年末接近4000亿美元，各家全年Capex投入均处于50%以上同比增长。巨额Capex投入数据中心建设，或面临电力瓶颈。24年北美数据中心容量约25GW，据Grid Strategies估计，至29年的五年时间将新增80GW需求，而考虑到煤电退役、配套变压器建设周期长等原因，电力缺口预计将成为主要矛盾。因此巨头在建设数据中心过程中，算力能耗比或成为关键考量因素。 •模型架构继续演化，Scaling law延续，多模态+长文本为Agent爆发提供基础。23年迎来Scaling law红利期，24年多模态、推理模型涌现，25年算法工程与Scaling Law并进。长期来看，实现AGI仍然需要模型架构突破和Scaling做到极限。展望26年：1）架构方面，下一代模型架构目前需要解决两大核心痛点：①训练阶段Transformer的计算量和内存消耗瓶颈日益凸显；②推理时模型的记忆能力有限，且模型参数无法跟随记忆变化。海外目前已经有谷歌的Titans架构、以及Mamba架构，国内则更多从成本效率优化角度出发，包括Qwen3-Next、DeepSeek V3.2都取得了明显提升。2）Scaling方面，预计26年Scaling law仍将延续，包括从预训练到后训练以及推理场景，而强化学习则将成为未来的重点突破方向；3）多模态、长文本能力更加成熟，这为Agent的涌现提供技术基础。目前中美模型差距在3-6个月，算力和算法是追赶的关键。 •通用大模型能力暂未分胜负，厂商商业化路径有差异。1）OpenAI：尽管短期模型能力被反超，但下一代模型表现仍然值得期待，C端8亿用户是其核心壁垒，公司明年也将发力企业业务；2）Gemini：当前成为大模型的SOTA基准，得益于对原生多模态路线的坚持以及自研芯片的生态，明年Tokens消耗有望继续大幅提升；3）Anthropic：坚持2B路线，在编2 核心观点 •程领域能力突出，依靠2B的定价优势有望取得更好利润率水平，目前公司估值已达到3500亿美元，25年初推出的AI编程产品年末ARR也已经达到10亿美元；4）Grok：信奉大力出奇迹，由于推理场景有限因此训练算力充足，结合特斯拉独特数据优势，下一代原生多模态模型值得期待。 •模型降低软件开发门槛，需求天花板打开，但玩家重新洗牌。25年tokens消耗更多用于大模型企业内部以及推荐系统的重构，但26年开始预计下游应用的需求将持续增加，AI实际上打开了软件需求的天花板，据IDC数据，预计2029年全球SaaS市场将达到近1万亿美元规模（对比25年5800亿美元有明显增长），但我们认为其中玩家将重新洗牌。拥有数据壁垒，主要在垂类细分场景中布局，软件定义工作流程较复杂，或对准确度要求极高的行业，被大模型替代的风险较小，比如医疗、能源、会计、安全等领域。同时我们观察到大模型厂商已经开始通过与B端软件服务商合作开发更多行业需求，或与传统SaaS厂商产生直面竞争。 •26年推理侧需求有望爆发，一级市场方面，编程场景、Agent爆发为主要应用方向。从用户量和创业公司的收入估值水平来看，当前规模增长较快的行业以AI编程、AI Agent、AI内容创作为主，聚焦生产力提升，今年以来诞生了多个爆款应用，其中AI编程软件CursorARR已达到10亿美元，AI agent Manus则在8个月时间ARR达到1亿美元，AI搜索工具Perplexity也在向Agent拓宽产品边界，其ARR也已达到2亿美元，因此明年办公场景有望迎来更多产品落地。此外，我们认为随着模型能力的成熟，明年在端侧的AI手机、AI眼镜，以及协助大模型在企业落地的分销商这些领域将看到明显的增长。 •投资建议：建议关注算力基础设施（芯片、云厂商），如阿里巴巴-W（9988.HK）、百度集团-SW（9888.HK）、英伟达（NVDA.O）、谷歌（GOOGL.O)；以及大模型厂商，如阿里巴巴-W（9988.HK）、谷歌（GOOGL.O)、腾讯（700.HK）等。 •风险提示：宏观经济波动，下游需求不及预期，核心技术水平升级不及预期的风险，AI平权竞争加剧影响云业务利润率风险。 目录 美股科技巨头股价和资本开支复盘展望01 模型架构继续演化，Scaling law延续，多模态+长文本更成熟02 模型厂发展路线分化，格局动态演进03 推理需求有望爆发，看好编程、Agent等应用04 美股科技巨头走势复盘：过去三年AI领涨叙事不断演绎 •23年：OpenAI领先全球开启AI加速度，微软受益于OpenAI独家合作，估值抬升明显。全年五家巨头股价在22年大幅回撤后，均出现明显利润修复。 •24年：市场低估模型进步空间，叙事转向推理侧，认为应用公司最优，Meta坐拥社交垄断生态（潜在Agent入口）和广告场景，股价为除英伟达以外PE唯一抬升的巨头。（24年2月，英伟达业绩会估计数据中心收入约40%来自推理。）同年云厂商由于大幅增加资本开支但供给受限，云收入传导有延迟，三大CSP估值略有所回落。 •25年：模型差距与OpenAI明显收敛，谷歌后来居上，生态优势为市场追逐。上半年云厂商供给逐步释放，收入端呈现加速，AI需求景气度持续。下半年巨头逐步上修全年和26年Capex预期，市场开始担忧AI投资ROI，以及模型能力提升潜力，Scaling Law是否见顶。除谷歌外，巨头估值均出现回落。 •26年预测：Scaling Law持续，模型厂商打开差异化应用市场，模型推理侧需求或进入放量拐点。模型和算力或为最优投资方向。 资料来源：Wind、国信证券经济研究所整理 美股科技巨头走势复盘——英伟达 •英伟达在23-25年的上涨过程中经历了几轮震荡和调整，主因皆为估值达到高位后，市场对竞争、需求确定性、排产节奏等边际变化因素更加敏感，但随后英伟达均通过强劲的业绩表现回应了质疑。1）23年5月-12月：经历Q1大幅上涨后，市场普遍质疑①估值过高，②美国限制出口风险，③其他公司的竞争；2）24年中至25年4月持续震荡，一方面业绩继续强劲，北美CSP持续上修资本开支，另一方面B系列发货推迟、竞争问题（TPU等）、以及DeepseekR1出现后带来对算力需求的质疑都造成公司股价的波动。 美股科技巨头走势复盘：25年AI叙事变化，拥抱最确定的方向 •北美AI叙事的变化：拥抱最确定的方向。年初市场陷入Scaling law放缓的论调，Deepseek发布后质疑CAPEX强度，因此英伟达领跌，选择最先AI落地广告兑现的Meta。Q2各公司持续上修资本开支，继续坚定“大力出奇迹”，结合英伟达业绩兑现，市场重新拥抱算力。Q3开始伴随谷歌反垄断压制解除，同时Gemini模型领先，用户持续增长，结合对OpenAI海量算力订单的质疑，市场对谷歌达成共识。全年来看，Meta由于在模型训练投入收效甚微，亚马逊由于在资本开支、自研芯片、模型的落后，二者成为表现最差的两家公司。 资本开支回顾与展望：逐季度上修，26年预计仍将增长30%以上 •25年北美科技公司资本开支持续上修，年初3200-3300亿美元增长至年末的接近4000亿美元，各家全年Capex投入均处于50%以上同比增长。微软：约1160亿美元(同比+54%);亚马逊：1250亿美元(同比+61%)；谷歌：910-930亿美元(同比+73%-77%)；Meta:700-720亿美元(同比+78%-84%)。预计26年仍将实现30%以上增长。 资料来源：公司财报、彭博、国信证券经济研究所整理 资料来源：Gemini、国信证券经济研究所整理 资本开支展望：电力成为制约CAPEX增长的核心因素 •随着资本开支的持续增加，北美数据中心的用电需求急剧增加，26年预计CAPEX增长的限制因素将从缺芯更多转向缺电，微软CEO曾表示微软手里囤积着成堆的英伟达AI芯片，却因为缺电、缺空间，只能让这些昂贵的GPU在仓库里“吃灰”。据FERC（美国联邦能源管理委员会）预测，24年美国夏季用电负载峰值为929GW，预计到2029年5年时间将累计新增120GW。而据Grid Strategies估计，120GW的增量中大约80GW来自数据中心。 •电力供给无法与需求增量匹配带来用电缺口：1）为了实现环保目标，北美有大量煤电厂需要退役；2）数据中心配套的变压器、输电线等设施的建设周期长达5-8年；3）电力需求要求冗余，这进一步推高了对电网的供给量要求。 •面对电力缺口，目前各公司通过：1）与能源公司紧密绑定，例如谷歌收购Intersect Power，亚马逊收购了Talen Energy位于Susquehanna核电站旁的数据中心园区。绑定之后通过“计量表后”（behind-the-meter）供电方式——直接将电力接入数据中心，绕过公共电网，以弥补供能缺口；2）像海外寻找电力支撑，例如欧洲、亚太等电力资源相对丰富的区域；3）采用租赁电力资源充足的数据中心。 资料来源：Grid Strategies、国信证券经济研究所整理 资料来源：Grid Strategies、国信证券经济研究所整理 目录 美股科技巨头股价和资本开支复盘展望01模型架构继续演化，Scaling law延续，多模态+长文本更成熟02模型厂发展路线分化，格局动态演进03推理需求有望爆发，看好编程、Agent等应用04 模型发展趋势：23年从“技术奇点”向“产业爆发” •Scaling law红利期，OpenAI领先优势明显。23年各模型厂商的模型版本快速迭代，基本在半年时间就能完成一个大版本的升级，主要是由于预训练阶段的scaling law尚未触及数据瓶颈，通过扩展参数能够实现模型性能的快速提升，具备先发优势的OpenAI在23年通过GPT-4确立了模型在逻辑推理、复杂指令遵循上的SOTA基准。 •模型仍以文本为主导，多模态雏形出现。OpenAI作为技术的领导者推出了视觉理解模型GPT-4V，以及基于扩散模型的视频模型DALLE·3，嵌入ChatGPT产品，增加其图像、视频能力，谷歌的原生多模态模型Gemini也在23年末正式推出。 •基于Transformer架构的大语言模型应用场景以Chatbot为主。受限于推理能力和上下文长度，在编程等场景中仅具备本科学生级别基本代码能力，可处理中等难度问题，但仍然主要依赖网页端一问一答、手动改代码。 资料来源：artificial analysis、国信证券经济研究所整理 模型发展趋势：23年从“技术奇点”向“产业爆发” •模型参数和训练数据量持续增长。根据DeepMind团队22年提出的Chinchilla Scali