计算机行业2026春季投资策略：把握AI主线，重视新科技

行业投资评级：强于大市|维持 孙业亮/刘聪颖中邮证券研究所计算机团队 中邮证券 发布时间：2026-02-25 投资要点 AI大模型：2025年，中国AI大模型产品形态进入成熟期，成为市场爆发的直接推动力，低成本、高性能的技术基础形成了从底层支撑市场高速增长的关键条件，为MaaS和企业大模型的广泛应用创造了可持续的商业化环境；多模态模型的快速迭代将AI应用从单一文本生成扩展至图像、视频、语音等复合场景，提升了模型的可用性与商业化潜力；同时，各大厂商通过推出通用基座模型、行业专属模型及低门槛API服务，构建了完整的产品矩阵，极大降低了企业和开发者的接入成本；企业对AI价值的认知日益成熟，数字化和智能化转型需求持续增长，推动客户需求从概念验证阶段进入规模化生产阶段，企业对于大模型的调用频次和覆盖场景不断增加，从而带动MaaS平台和AI大模型解决方案市场进入了“结构性放量”周期。 AI应用：toB端，AI Agent是大模型重要的商业落地形式，已在客服、代码开发、营销、数据分析、金融服务等多行业、多场景实现服务落地；同时，智能体应用正加速从通用型向垂直领域专业化发展，随着边缘计算技术的成熟，边缘端越来越多部署智能体，能够在资源受限的环境中提供实时响应能力。toC端，依托互联网生态快速获客，据火山引擎Force原动力大会披露，截至2025年12月，豆包大模型日均使用量已突破50万亿tokens，排名中国第一、全球第三，仅次于OpenAI和Google Cloud；同时，随着阿里启动AI to c计划，千问、阿福、灵光先后开启大力度推广，千问上线23天月活数据已经超过3000万。 投资要点 商业航天：低轨轨道与频谱作为不可再生的稀缺战略资源，已成为全球航天竞争的焦点，近期，我国向国际电信联盟（ITU）提交新增20.3万颗卫星的频率与轨道资源申请，积极强化太空战略布局；据思瀚研究院测算，2026/2030年GW和千帆星座的制造和发射市场空间分别约为268/1279亿元，2025-2030年的年均复合增长率为48.1%，市场空间广阔。 脑机接口：“十五五”规划将脑机接口列为未来产业六大方向之一，政策支持上升至国家战略层面；同时临床技术不断突破，阶梯医疗于2025年6月成功开展了我国首例侵入式临床试验，标志着我国在侵入式脑机接口技术上成为全球第二个进入临床试验阶段的国家，并于2025年11月正式进入“创新医疗器械特别审查程序”，正式打通了从“实验室”走向“市场”的注册审批快车道，产业发展将进入加速期。 量子计算：作为重塑全球科技竞争格局的颠覆性核心技术，量子计算已从早期学术探索演变为国家间综合国力的战略博弈；在国家战略引领下，我国已形成千帆竞发的产业布局热潮，安徽合肥依托中国科学技术大学科研优势聚焦量子芯片等硬件，构建完整链条，国产化率超80%的“本源悟空”自主超导量子计算机标志着自主产业链基本成型；广东凭借制造业优势建设规模化专用光量子计算机制造工厂；北京、上海发挥人才密集、软件产业发达优势，聚焦操作系统与应用软件培育“软能力”生态。 投资要点 投资建议： 1）AI相关：重视落地场景明确与具备高行业know-how的公司，建议关注金山办公、汉得信息、税友股份、万兴科技、道通科技、合合信息、中科创达、科大讯飞、值得买、卫宁健康、润达医疗、浩瀚深度、盛邦安全等，以及相关基础设施与服务企业，建议关注大位科技、首都在线、浪潮信息、云天励飞等； 2）商业航天：卫星互联网加速建设，建议关注中科星图、信科移动、佳缘科技、震有科技、亚信安全等；3）脑机接口：中美竞速下，临床与电极持续取得突破，建议关注岩山科技、熵基科技、美好医疗等，同时关注博睿康、阶梯医疗、脑虎科技、强脑科技等未上市企业进展；4）量子科技：正式成为国家战略的重要落子，建议关注国盾量子、光迅科技、神州信息、亨通光电、华 工科技、科大国创等，以及抗量子密码相关的电科网安、格尔软件、三未信安、信安世纪、吉大正元等。 风险提示：技术迭代与商业化进展不及预期风险；行业竞争加剧风险；下游需求不及预期风险；宏观经济与地缘政治风险等。 人工智能迎来技术进步与场景落地双重变革 “十五五”定调未来产业，新质生产力核心赛道 目录 人工智能迎来技术进化与场景落地双重变革 1.1大模型持续迭代，商业化落地可期1.2 AI应用加速落地，开启万亿市场空间 1.1大模型持续迭代，商业化落地可期 大模型数量不断增加，能力快速增强：随着开源降低技术门槛，各国加快算力基础建设，拓展应用领域，竞争主体不断增多，全球大模型产业格局正由少数科技巨头依托算力、数据和资本优势形成的垄断态势，逐步转向多极竞争与生态共建。我国大模型技术持续突破，参数规模普遍已达千亿级，部分头部模型在文本和多模态内容理解与生成、深度推理等核心能力上已比肩全球顶尖水平。 资料来源：Artificial Analysis，中邮证券研究所 1.1大模型持续迭代，商业化落地可期 大模型技术进入规模商业化：AI在快速发展中逐渐成熟，尤其在文字、语音、图像、视频、代码等领域加速迭代，大模型能力快速增强，算力门槛与成本大幅降低，为大模型技术的商业化应用打下了坚实基础；其中，Agent具备学习、规划、记忆、工具使用和行动等能力，能够独立或半自主地完成任务，是大模型落地的重要手段。 资料来源：Artificial Analysis，中邮证券研究所 1.1大模型持续迭代，商业化落地可期 全球AI市场规模化增长已成高度确定的趋势：经过前几年的概念验证和市场培育，AI技术已经找到了清晰的商业化路径和广泛的应用场景，据IDC数据，全球在AI领域的IT总投资规模预计从2024年的3159亿美元增长到2029年的12619亿美元，年均复合增长率高达31.9%，标志着AI正从一个前沿技术领域逐步成长为驱动全球数字经济的核心引擎，一个万亿美元级的庞大产业赛道已然形成。 中国市场是推动全球增长的关键力量：我国人工智能市场规模由2022年的937亿元增长至2024年的1607亿元，年均复合增长率为31%，预计到2030年我国人工智能市场规模将进一步增长至9930亿元，2024-2030年的年均复合增长率为35.5%。 1.1大模型持续迭代，商业化落地可期 通用性带来大模型应用的广阔市场空间：目前大模型应用的主要赛道包括生产力、娱乐、视觉生成、音频生成和通用toB服务，用一套高度可拓展的模型撬动下游规模化与个性化并存的多元场景需求。 1.1大模型持续迭代，商业化落地可期 大模型产业正从规模化扩张迈向体系化商业落地新阶段，构建价值闭环：主流厂商普遍确立了以API调用、模型授权、行业解决方案与增值服务为核心的四种演进路线。在基础服务层面，API调用成为最主流的商业化模式，企业通过标准化接口提供模型能力，实现“按调用付费+订阅制”的持续收益；在行业应用层面，模型授权与行业级解决方案是价值拓展主要方向，厂商通过模型微调、私有化部署与垂直优化，构建起模型即服务（MaaS）与行业智能体等商业模式；在生态拓展层面，增值服务成为大模型企业新的盈利增长点，企业通过提供数据治理、RAG增强检索、模型监控与评测、智能体开发平台等配套服务，构建开放生态体系，实现从技术能力输出向长期运营价值的深化。 1.2 AI应用加速落地，开启万亿市场空间 AI技术正从Generative AI向Agentic AI和 图表6：AI技术演进与工业应用的所处阶段 Physical AI迈进：AI技术的演进历程大致可以划分为Perception AI、Generative AI、Agentic AI、Physical AI四个阶段，当前，AI技术正向AgenticAI和Physical AI迈进；Agentic AI具备自主完成复杂任务链条的能力，包括理解任务、规划路径、调用工具并执行反馈的端到端闭环；Physical AI的重点在于打破虚拟与现实的界限，让AI系统通过机器人等工业装备实体，在物理世界中实现环境感知、交互和执行；二者共同推动AI从“能理解”、“能生成”向“能认知”的新阶段跨越。 AI技术发展与其在产业应用间的时差正在缩短：Perception AI在工业领域的应用已相对成熟；Generative AI发展时间较短，但在工业领域也形成了一批高潜力的应用；更加前瞻性的Agentic AI和Physical AI在工业的应用仍处于探索阶段。 1.2 AI应用加速落地，开启万亿市场空间 AI技术正从Generative AI向Agentic AI和 Physical AI迈进：AI技术的演进历程大致可以划分为Perception AI、Generative AI、Agentic AI、Physical AI四个阶段，当前，AI技术正向AgenticAI和Physical AI迈进；Agentic AI具备自主完成复杂任务链条的能力，包括理解任务、规划路径、调用工具并执行反馈的端到端闭环；Physical AI的重点在于打破虚拟与现实的界限，让AI系统通过机器人等工业装备实体，在物理世界中实现环境感知、交互和执行；二者共同推动AI从“能理解”、“能生成”向“能认知”的新阶段跨越。 AI技术发展与其在产业应用间的时差正在缩短： Perception AI在工业领域的应用已相对成熟；Generative AI发展时间较短，但在工业领域也形成了一批高潜力的应用；更加前瞻性的Agentic AI和Physical AI在工业的应用仍处于探索阶段。 1.2 AI+医疗：药物研发场景应用落地价值最高 AI在药物研发中快速渗透：医药制造大模型加速落地，应用场景地覆盖药物研发、知识管理问答、编码助手、营销等超过10个领域；在技术方面，算法取得显著突破，但数据集是核心掣肘，虽然多种AI前沿算法已有落地应用，但数据集作为开展药物筛选、分子设计的基础，其质量的参差不齐限制了相关算法的发展；在算法方面，以DeepMind开源的结构预测模型AlphaFold 3为代表，该算法基于深度学习框架、生成对抗网络（GAN），能够预测靶点蛋白结构，为药物设计提供基础。 运用AI加速药物开发、受试患者筛选，从而为制药企业节约时间与资金成本已成为行业发展的重要趋势；通过AI技术赋能药物研发设计、临床试验优化、智能生产制造、药物安全监测等关键环节将是制药企业数字化转型的核心方向。 1.2 AI+金融：重塑金融服务新范式 智能风控：风险管控是金融领域的要点，常规的风险评估方式依赖于人工分析和历史数据，不仅需要花费大量的时间与精力，在捕捉市场动态变化方面的表现也并不理想；AI大模型能够运用深度学习算法在海量交易数据中快速识别出交易异常行为，精准预测潜在的欺诈行为，从而及时预警，有效降低风险；此外，模型还能根据市场变化实时调整风控策略，提高风控系统的灵活性和适应性。 智能投顾：传统的投顾服务主要依靠人工为客户提供一对一服务，人力成本较高，依靠人工收集和分析数据来制定投资策略存在分析数据少、策略风险大的问题；AI大模型具备强大的数据处理能力，可以对数据进行筛选和深度分析，为投资者量身定制最适合的投资方案，还可以随着市场和投资者自身情况的变化，实时更新投资策略和建议，为投资者降低投资风险的同时提高其投资回报率。 智能客服：传统真人客服一对多存在响应速度慢、客户体验差、用人成本高等问题，运用大数据、人工智能等手段构建的数字化客服中心实现了由劳动密集型向智能服务型的转变；AI大模型使用自然语言处理NLP和自然语言生成NLG技术，提供“7×24”小时的智能客服，能够快速理解客户提出的复杂问题并及时给予解答，极大地提升服务效率、降低服务成本，为客户带来高效、优质、智能的服务体验。 合规监控：合规性是金融机构日常经营管理过程中不可忽视的重要一环，AI大模型的应用能够代替人工自动实时监测全球金融法规的变化，确保企业操作遵守所