1.1. AI 应用已来到加速上行前夕
从企业的生命周期来看，AI 应用已来到加速上行前夕。从企业生命周期来看，一 家公司/一个新生行业会经历：种子期→初创期→快速成长期→成熟期→衰退期。对于 AI 企业而言，从创始到成熟期对应的企业特点主要包括：种子期（成本下降）、初创期 （渗透率快速提升）、快速成长（ROI 兑现）、成熟期（平台统一、合规完备）。 我们认为，当前 AI 应用已来到快速成长前夕。AI 应用当前已实现成本腰斩、渗透 率快速提升、收入验证带动 ROI 落地，基本符合快速成长期的特征。
1.2. 大模型性能出现跨越提升，成本已出现断崖式下跌
2024 年以来，AI 大模型性能大幅提升。2023 年，研究人员引入了新的基准—— MMMU、GPQA 和 SWE-bench，以测试先进人工智能系统的极限。仅仅一年后，性能 大幅提升：在 MMMU、GPQA 和 SWE-bench 上，分数分别提高了 18.8、48.9 和 67.3 个百分点。在基准测试之外，人工智能系统在生成高质量视频方面取得了重大进展，在 某些设置中，语言模型代理甚至在某些时间预算有限的编程任务中超越了人类。
中国 AI 实验室正逐步缩小与美国同行的技术差距。随着 DeepSeek-R1 模型的发布 与更新，中国 AI 实验室的模型性能已达到 o1 基准智能水平，并逼近 o3 。2024 年末 以来，中国顶尖 AI 实验室密集发布多款高性能模型，显著缩小了中美模型间的智能水 平差距。当前部分中国模型已具备与美国顶级实验室模型抗衡的实力，以 DeepSeek、 阿里巴巴为代表的开放权重模型，其智能水平已接近和达到 o1 基准。
大模型正在变得更高效且更容易普及。得益于越来越强大的模型，一套性能达到 GPT-3.5 水平的系统，其推理成本在 2022 年 11 月至 2024 年 10 月期间下降了超过 280 倍。在硬件层面，成本每年降低约 30%，而能源效率则每年提升 40%。此外，开 放权重模型与封闭模型之间的差距也在不断缩小，在部分基准测试中，性能差异已从 8% 降至仅 1.7%（仅用了一年时间）。这些趋势共同推动了先进 AI 应用门槛的迅速降低。
大模型的不断成熟，用户数量与月活均呈加速上升趋势。GPT 自 2022 年 11 月发布 后，5 日内用户数量突破 100 万，至 2023 年 11 月 WAU 达 1 亿，2024 年 8 月 WAU 达 2 亿，2025 年 2 月 WAU 达 4 亿，第二轮翻倍时间较第一轮缩短 3 个月；DeepSeek 上线 20 天即斩获 1000 万用户，上线 2 个月 MAU 达 2 亿。以 GPT 与 DeepSeek 两大最热门 大模型来看，用户数量与使用数量均呈现加速上升的态势。
截止至 2025 年 8 月 1 日，标普 500 前五 AI 股中英伟达缺席（年内仅涨 29.2%）， 涨幅居前的 AI 公司绝大多数为 AI 应用公司，反映市场热点向应用层扩散。
2.1. 中美 AI 产业逻辑差异
中美 AI 产业发展逻辑存在显著差异，导致路径选择上两国有截然不同的战略规划。 人工智能的技术路径没有收敛，因此我们需要发挥我们的比较优势。
2.1.1. 美国：站在全球的知识产权金字塔顶端，掘金全球
美国位于全球 AI 产业链的最顶端，掌控云服务与芯片市场的垄断地位。 （1）云服务：北美四大云厂商（谷歌、亚马逊、Microsoft、Meta）2025 年规划投 资超 3000 亿美元用于 AI 数据中心建设，云基础设施服务市场前八名中美国公司累计市 占率超 70%； （2）AI 芯片：截止至 2024 年底，英伟达数据中心 GPU 市占率达 92%，形成技术 壁垒与生态垄断。以 NVIDIA 为例，2024 年报净利润超 300 亿美元，净利率超 53%， 壁垒高、具备极强议价能力。2024 年中国 AI 服务器市场外购美国芯片占比达 63%，无 论产品端还是技术端都高度依赖美国芯片产业。
2.1.2. 中国：下游应用是我国核心优势与 AI 产业的关键突破口
中国 AI 产业优势体现在下游。中国 AI 产业上游云服务与芯片被美国卡脖子，尽管 中国本土厂商持续实现技术突围，但由于行业网络效应显著，中国想在上游实现完全胜 利难度极高。中国需要发挥自己的比较优势。 （1）数据优势：2016 年 5 月 9 日，时任总理李克强表示 “目前我国信息数据资源 80%以上掌握在各级政府部门手里，‘深藏闺中’是极大浪费”。过去的十年里数据开放情 况依然没有明显进展，且数据总量持续累计；大量数据仍处于未被开发的状态，仅市级 融媒体中心每年就可以产生超 50TB 文化数据，且超 80%未开发，反观社会数据总量， 具有极大经济潜力。而美国大部分数据来自头部大厂，在大模型训练过程中已经被相当 程度转化为经济效应。
全球最大的数据标注公司 Surge AI 创始人 Edwin Chen 提到：“在当前 AI 发展的瓶 颈中，数据质量绝对排在第一位，其次是计算能力，然后才是算法。仅仅通过投入更多 计算能力不可能解决问题，因为如果没有高质量的数据来训练，或者没有正确的目标和 评估指标，你就会陷入一种看到虚假进步的陷阱。”2025 年 6 月 12 日，数据标注独角兽 企业 Scale AI 正式宣布一项来自 Meta 公司的 143 亿美元战略投资，Meta 将获得该公司 49％的非投票权股份，此项投资使 Scale AI 的估值飙升至 290 亿美元。Scale AI 在 2024 年收入达 8.7 亿美元，6 月 12 日收购完成后，对应估值的 PS 倍数达到了 33 倍。 一方面，这次战略投资让人们重新审视了数据作为基石对于 AI 行业的重要作用； 另一方面，这一事件也为我们提供了观察全球数据标注产业发展的窗口。 国内高质量数据集的重要性被提高到新的维度。2025 年之前，中国的数据要素产业 发展非常低于预期，主要问题在于从技术上很难低成本地实现“数据不出域，可用不可 见”，大大降低了各地方开放数据的意愿。而伴随着人工智能技术的发展，完美的解决了 这个难题：只要把数据封装进垂直模型，让下游来蒸馏模型，下游可以获得我的知识， 但无法获取数据，形成“数据不动模型动”的局面，真正实现了数据不出域、可用不可 见。
高质量数据集相关标的：深桑达 A——目前掌握国内最多公共数据授权运营的公司。 深桑达 A 下属子公司中国电子云目前与国内超过五家国家实验室和超过十家的央企达 成了高质量数据集的合作意向，包括此前与国防科工委落地建设“遥感行业可信数据空 间”。同时，深桑达 A 是稀缺的央企标的，具备国家背书，已参与众多国家级情报收集 与数据治理项目。
两个新业态值得重视：数据标注和数据合成，自数据局成立以来，数据标注的热度 非常高，一直是重要的政策方向。 数据标注与数据合成相关标的——海天瑞声，数据标注行业的卖水人。一般来说， AI 应用的所有场景都需要高质量数据集和数据标注，而海天瑞声是全 A 股唯一的数据 标注企业，具有极强的稀缺性。2025 年中报收入同比增速有望超过 70%，对比海外 scale AI 今年翻倍增长的预期，具备高景气度。
（2）产业链优势：中国具有全世界最完整的产业链。2024 年我国制造业增加值为 3.6 万亿美元，占全球制造业比重 28.9%。
制造业+人工智能=机器人，为市场指明未来具身智能的演进方向：机器人的核心在 于智力而非四肢和躯干，因此未来具身的演进方向首先是大脑，政策和产业发展都会围 绕机器人大脑展开。相关的上市公司包括能科科技、东土科技、和索辰科技。 AI+制造业相关标的——能科科技：兼备军工、工业软件、AI 应用三大标签。公司 2024 年 AI 业务收入高达 2.7 亿元，今年有望实现大幅增长。能科科技的标签包括军工、 工业软件、和人工智能应用，都是高景气赛道。
（3）市场优势：我国具有超大规模市场的需求优势，有 14 亿多人口和 4 亿多中等 收入群体的超大规模内需市场，拥有丰富的应用场景。我国具有产业体系配套完整的供 给优势，是世界唯一拥有联合国产业分类中全部工业门类的国家，还有 6000 多万家各 类企业优势互补、竞相发展。我国具有大量高素质劳动者的人才优势，有 7 亿多劳动力、 2.4 亿多技能人才和每年 1000 多万高校毕业生的丰富人力资源。这些优势的背后是巨大的市场潜力，将成为 AI 应用发展的强大后备力量。
（4）应用场景优势：当前，“人工智能+”正深度融入人们生产生活等具体环境，在 推动制造业、办公、家庭、消费等场景的智能化升级方面表现尤为突出。①在制造业领 域，传统的流水线模式正逐渐被柔性化和定制化的智能生产所取代；在办公场景中，人 工智能技术推动着知识工作者效率的提升和能力边界的拓展；在家庭生活场景中，各类 智能化产品让科技真正服务于人的需求；在娱乐消费场景中，人工智能助力体验经济等 新型消费模式的发展。
人工智能+应用场景的核心在于 AI Agent，AI Agent 是一种广义上的 AI 应用，最 终都要落地到实际生产场景。 我国长期面临效率瓶颈、服务业人力密集、人力成本持续加压的现状：（1）效率瓶 颈：中国制造业长期面临人工操作效率低、系统之间高度孤立（ERP/MES/WMS 数据孤 岛）等痛点，Agent 能够有效提升人工操作效率、串联利用系统数据，突破效率天花板； （2）人力密集现状：在客服、销售等领域，重复性任务占比高。以阿里瓴羊客服 Agent为例，能够减少 80%的人工操作量、缩短 60%的退换货时长，而人工客服可以向高价值 事务转移；（3）人口结构与成本压力：宏观上看，我国人力成本持续提升。2011 年到 2021 年之间，我国城镇单位就业人员的平均工资年均增长率 9.8%，而名义 GDP 年平均年增 速 8.9%，劳动力成本上升速度快于经济增速，呈现补偿性增长态势。Agent 将有效缓解 成本压力。
智能经济的核心在于生产效率，而数字员工的演进是企业数字化转型的核心体现， 是生产力与生产效率迭代的核心环节之一。其发展历程可分为三代：流程自动化→有限 场景自主决策→决策逻辑链路复杂化。数字员工 1.0——RPA：依赖人工配置的流程自动 化，解决重复劳动但缺乏智能。数字员工 2.0——智能自动化：融合 OCR、NLP 等 AI 技 术，实现有限场景的自主决策。数字员工 3.0——Agent：大模型驱动下的全链路闭环， 能处理复杂业务逻辑并持续进化。
AI+的重点在“+”，而非 AI 本身。顶层设计强调“AI+”的重点在于与具体场景相 结合，体现行业属性，而非技术本身，因此重点关注的投资方向应当聚焦 AI 赋能具体 场景。关注产业与政策两大催化：（1）产业催化：关注大模型版本更迭（GPT5 与 DeepSeek V4）带来的投资边际变化；（2）政策催化：2025 年 7 月 31 日总理在国常会上通过《关 于深入实施人工智能+行动的意见》，应当重视本轮政策的重要性。
3.1. 产业催化：大模型版本更迭
北京时间 2025 年 8 月 8 日凌晨，OpenAI 发布 GPT5。本轮更新的最大亮点在于落 地障碍的突破性进展：幻觉率降至<1%，解决 AI 应用最大痛点，为实际落地扫清核心 障碍；另一方面，体现了技术质变的长期性与应用转向：大模型能力的跃升需长期投入， GPT-5 未实现功能上的质变，倒逼产业将重心转向应用场景探索 。 成本下降加速商业化：API 价格持续走低，推动企业从技术竞赛转向务实应用开发 。 释放国产机遇：OpenAI 技术迭代放缓，提升了国产 V4 等模型的想象空间和发布 预期。国内应用的叙事与 DeepSeek 强绑定，与 GPT 的关系很小，因此 GPT 本轮发布 整体低于预期反而利好当前 DeepSeek V4 的叙事预期。
3.2. 政策走向解读：顶层设计加码人工智能+
2025 年 7 月 31 日，国务院总理李强主持召开国务院常务会议，会议审议通过《关 于深入实施“人工智能+”行动的意见》。 会议指出，当前人工智能技术加速迭代演进，要深入实施“人工智能+”行动（既 定战略），大力推进人工智能规模化商业化应用，充分发挥我国产业体系完备、市场规 模大、应用场景丰富等优势（围绕优势展开），推动人工智能在经济社会发展各领域加 快普及、深度融合（目的是改造传统行业），形成以创新带应用、以应用促创新的良性 循环。政府部门和国有企业要强化示范引领（国资云、数据治理、数据流通），通过开 放场景等支持技术落地。要着力优化人工智能创新生态，强化算力、算法和数据供给， 加大政策支持力度，加强人才队伍建设，构建开源开放生态体系（焕新平台），为产业发 展壮大提供有力支撑。要提升安全能力水平，加快形成动态敏捷、多元协同的人工智能 治理格局。
3.2.1. 政策高度对标互联网+
本轮人工智能+政策高度对标、甚至超过 10 年前《国务院关于积极推进“互联网+” 行动的指导意见》。互联网+的政策是在 2015 年 07 月 01 日成文，发布于 2015 年 07 月 04 日，中间隔了三天。我们预期，很快会有人工智能+政策全文的发布，从而重新引导 资本市场的方向。全文的内容会成为一个重要的信息节点。
3.2.2. 确定战略纲领性地位
实施“人工智能+”行动被置于战略首位，凸显其纲领性地位。我国将充分发挥产 业体系、市场规模及场景应用优势，推动 AI 与传统行业深度融合，核心诉求在于产业 升级。政府及国有企业需发挥示范作用，兼顾需求与供给双重角色；在基础设施领域， 国资云及私有化垂直模型部署需求将显著增长。深桑达 A 作为全国性国资云服务商及 体制内数据加工企业，有望充分受益于 AI 产业的政策驱动。 其次，构建开源开放生态体系被重点强调，其意义超越字面表述。开源开放是打破 技术壁垒、促进普惠发展的关键路径，能够降低中小企业技术门槛，推动 AI 技术广泛 普及。这一导向与破除闭源生态围栏、实现技术公平获取的目标高度契合，彰显了政策 对开放协同发展的战略重视。
3.2.3. 后续政策催化
未来各部委、各地方的细则陆续出台，形成密集、持续的催化。从已经发布的文件 来看，补贴、算力券之类的可落地措施，都会有所体现，加码人工智能+行情。 海内外众多 AI 应用加速起量，带动 token 调用量爆发增长，核心产品 ARR 斜率走陡，AI 正逐渐进入到下半场的应用爆发阶段。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
