算力时代的产业再造——AI 应用前景展望

算力时代的产业再造——AI应用前景展望 作者 人工智能的商业化进程，在2025年前后出现了明显的阶段性转变。此前，AI的产业价值更多停留在预期与讨论层面，市场对其商业潜力的判断，主要依赖技术路线的演示和资本市场的前瞻定价，而非大规模落地的经营数据。2025年，这一状况发生了结构性变化。我们认为变化来自三个维度的同步推进：一是政策层面，国务院正式将"人工智能+"列为国家战略行动，为各行业AI应用的系统推进提供了顶层依据；二是产业层面，制造、医疗、金融等核心行业开始出现可量化的AI应用成果，技术落地不再依赖个案示范，而是进入规模化复制阶段；三是数据层面，AI核心产业的规模与增速均已形成统计意义上的确认，产业体量进入可持续验证的轨道。 分析师汪毅SAC：S1070512120003邮箱：yiw@cgws.com 我们认为，这三个维度的变化具有内在联系。政策明确方向，降低了产业层的不确定性；产业落地产生数据，反过来为政策的持续推进提供依据；资本在这一过程中的流向，则将两者连接为可自我强化的正向循环。从这个角度来看，2025年是AI产业叙事逻辑发生根本转变的节点——驱动力从对未来的预期，转向对现实数据的确认。这一转变的意义在于：产业参与者的决策依据发生了改变，由此带来的资源配置方式、竞争格局以及风险结构，都将进入一个新的阶段。在具体行业层面，资本的流向具有筛选功能。制造、医疗、金融是当前AI投资最为集中的三个方向，原因有其内在逻辑：这三个行业的共同特征是数据积累充分、决策流程可结构化、单点效率提升的经济价值可量化。资本不会无差别地进入所有行业，它优先流向AI能够形成可验证回报的场景。 分析师王正洁SAC：S1070524070004邮箱：wazhjie@cgws.com 相关研究 1、《长城策略*月度金股——2026年6月》2026-06-012、《策略视角：重视非银金融布局机会》2026-05-283、《创业板的投资线索：基于股指期货上市对指数影响角度》2026-05-19 据我们分析，这一流向本身就是一种判断——即在当前技术能力边界内，哪些行业最有条件完成从"AI可以做"到"AI值得做"的转变。制造、医疗、金融能够成为资本的优先选择，不仅是因为市场规模大，更因为这三个行业的问题结构适合当前AI的能力特征。与此同时，三个行业各自面临的监管环境、数据开放程度和商业模式成熟度存在明显差异，这决定了资本在这三个方向上的渗透节奏并不同步，也影响着各行业AI落地的路径选择。全球AI投资已进入规模确认阶段，方向明确，但结构分化。中国的相对优势在应用层，而非基础模型层。理解这一格局，是分析制造、医疗、金融三个落地行业的前提，也是评估中国产业定位的必要背景。 中国AI产业的发展路径具有内在一致性：以应用场景的规模密度为基础，通过大规模部署积累模型迭代数据，以政策生态保障产业推进节奏，以算力基础设施支撑应用层的持续扩张。这一路径在制造、医疗、金融三个行业中已有可量化的验证，并在人才培养、专利积累和产业规模等维度形成了相互支撑的正向循环。从中期角度看，中国AI产业在应用层已形成规模优势，这一优势正在通过经济数据逐步得到确认。应用层的规模积累，将为基础层能力的持续提升提供数据资产与商业反哺，这是理解中国AI产业长期竞争力的核心逻辑。 风险提示：AI算力基建过剩、技术进步不及预期、下游需求增速减缓、全球流动性紧缩 内容目录 一、从"叙事驱动"到"数据验证"....................................................................................................................3二、资本格局：投资流向与产业方向............................................................................................................3全球投资规模的量级变化......................................................................................................................3资本流向对行业选择的指示作用............................................................................................................4三、三大落地行业......................................................................................................................................43.1制造业：政策与市场双轮驱动........................................................................................................43.2医疗健康：政策框架系统化，场景落地加速....................................................................................53.3金融：商业化成熟度最高的行业....................................................................................................5四、中国定位：应用层的规模优势与路径选择...............................................................................................6研究能力：进入全球第一梯队...............................................................................................................6产业规模：数字经济的核心支柱............................................................................................................6应用场景密度：中国的结构性优势.........................................................................................................7政策生态：系统化推进的制度保障.........................................................................................................7路径判断.............................................................................................................................................7风险提示...................................................................................................................................................7 图表目录 图表1：全球算力规模（左轴）与全球算力增速（右轴）..............................................................................3图表2：中国高技术产业工业增加值同比与工业机器人产量同比（%）...........................................................5 一、从"叙事驱动"到"数据验证" 人工智能的商业化进程，在2025年前后出现了明显的阶段性转变。此前，AI的产业价值更多停留在预期与讨论层面，市场对其商业潜力的判断，主要依赖技术路线的演示和资本市场的前瞻定价，而非大规模落地的经营数据。 2025年，这一状况发生了结构性变化。我们认为变化来自三个维度的同步推进：一是政策层面，国务院正式将"人工智能+"列为国家战略行动，为各行业AI应用的系统推进提供了顶层依据；二是产业层面，制造、医疗、金融等核心行业开始出现可量化的AI应用成果，技术落地不再依赖个案示范，而是进入规模化复制阶段；三是数据层面，AI核心产业的规模与增速均已形成统计意义上的确认，产业体量进入可持续验证的轨道。 我们认为，这三个维度的变化具有内在联系。政策明确方向，降低了产业层的不确定性；产业落地产生数据，反过来为政策的持续推进提供依据；资本在这一过程中的流向，则将两者连接为可自我强化的正向循环。从这个角度来看，2025年是AI产业叙事逻辑发生根本转变的节点——驱动力从对未来的预期，转向对现实数据的确认。这一转变的意义在于：产业参与者的决策依据发生了改变，由此带来的资源配置方式、竞争格局以及风险结构，都将进入一个新的阶段。后续关于制造、医疗、金融三个行业的分析，均建立在这一判断的基础之上。 二、资本格局：投资流向与产业方向 全球投资规模的量级变化 根据《先进计算暨算力发展指数蓝皮书》(2025年)，2025年，全球算力规模出现大幅跃升，增速超过百分之百。我们认为，这一增速背后有实质性驱动：大模型能力在多个应用场景下已达到可商用的门槛，企业从观望转向实际部署，形成了从研发投入向采购与集成投入的结构性转移。资本流向的变化，反映的是AI在产业链中所处位置的变化——从研究议题转向工程议题，再转向采购议题。 资料来源：中国信息通信研究院、长城证券产业金融研究院 资本流向对行业选择的指示作用 我们认为，在具体行业层面，资本的流向具有筛选功能。制造、医疗、金融是当前AI投资最为集中的三个方向，原因有其内在逻辑：这三个行业的共同特征是数据积累充分、决策流程可结构化、单点效率提升的经济价值可量化。资本不会无差别地进入所有行业，它优先流向AI能够形成可验证回报的场景。 据我们分析，这一流向本身就是一种判断——即在当前技术能力边界内，哪些行业最有条件完成从"AI可以做"到"AI值得做"的转变。制造、医疗、金融能够成为资本的优先选择，不仅是因为市场规模大，更因为这三个行业的问题结构适合当前AI的能力特征。与此同时，三个行业各自面临的监管环境、数据开放程度和商业模式成熟度存在明显差异，这决定了资本在这三个方向上的渗透节奏并不同步，也影响着各行业AI落地的路径选择。 全球AI投资已进入规模确认阶段，方向明确，但结构分化。中国的相对优势在应用层，而非基础模型层。理解这一格局，是分析制造、医疗、金融三个落地行业的前提，也是评估中国产业定位的必要背景。 三、三大落地行业 AI的产业价值，最终体现在具体行业的效率改善和成本结构变化上。制造、医疗、金融是当前AI落地深度高、政策支持较为集中的三个行业。三者的共同点在于：数据基础相对成熟，业务流程具有一定的可结构化程度，技术应用的经济效益可以被量化评估。但三个行业的落地路径、驱动机制和商业化成熟度存在明显差异，需要分别讨论。 3.1制造业：政策与市场双轮驱动 从产业数据看，2025年全国工业机器人产量达773,07