2025年人工智能行业分析：“双重变局”下的中国突围之路

一、中国经济处于国内外双重变局下的压力叠加期

（一）世界百年变局下，我国面临较严峻的国际环境

过去很长一 段时间， 许多经济体在全球 化浪潮中 获得产 业链分工下 的发展机 遇，实 现了经济快 速发展。特别是在 1986—2008 年期间的“超级全球化”阶段，全球贸易和投资实现飞速增长，许多 新兴市场和发展中经济体在承接全球范围内的产业转移中获得发展机会。中国是抓住全球化红利的 典型代表，对外贸易快速发展，尤其是在 2001 年加入 WTO 以后，我国贸易占 GDP 的比重一度提 升至 2008 年的 55.5%，较改革开放初期不足 10%的水平大幅提升。在这一过程中，中国切入全球 中低端制造领域的生产加工环节，并横向、纵向逐步壮大本土工业体系，发展成为“世界工厂”。 当前全球化步伐已 显著放缓，全球经贸活动明显 收缩。2008 年金融危机以来，全球化进程开始 走弱。最初，更多是由于危机的爆发和快速传播造成金融系统瘫痪、实体经济运行停摆、需求端锐 减，导致国际经贸往来停滞。但随后，各国意识到危机的爆发与过去全球化进程中伴随产生的分配 矛盾、治理赤字、安全外部性等问题息息相关，保护主义思潮逐渐开始兴起。2016 年，英国脱欧、 美国特朗普胜选预热“美国优先”政策倾向等事件，掀起了一波“去全球化”的浪潮。近年来，大 国博弈下的贸易战、科技竞争升温，叠加新冠疫情、俄乌冲突、中东局势下的供应链断链风险进一 步催化了“区域化”“碎片化”趋势。从数据可以清楚看到近几年全球经贸活动正遭受严重阻碍。 根据社科院的世界开放指数，2008 年以后世界开放程度明显下行，2016 年更是出现断崖式下降。 全球 FDI 净流入占 GDP 比重自 2008 年以后迅速下滑，商品贸易占 GDP 的比重自 2016 年以后也 出现明显下行趋势。

具体来看， 当下我们 面临的 最严峻的国 际变局来 自全球 地缘形势以 及全球经 贸政策 两大维度的 高度不确定性。 一方面，全 球地缘风 险攀升 ，安全形势 不确定性 加剧， 全球经贸活 动随时面 临局部 中断冲击。 自 2022 年以来全球地缘政治风险指数动荡攀升，目前已达到近 15 年来最高水平。乌克兰危机长期 胶着，中东地区冲突不断，许多国家在强化军事部署，无不释放出全球安全形势严峻的信号，且这 些冲突存在严重的外溢效应。例如俄乌冲突下，黑海航运、摩尔多瓦德左地区、波罗的海北约东翼 的军事摩擦对周边国家和地区带来较高的被卷入风险；北溪管道等能源运输基础设施遭受破坏一度 导致能源供给中断和价格暴涨；粮食、化肥以及镍、氖、钛、钯等金属与工业原材料的断供导致进 口国不得不寻找替代来源；俄罗斯的对外贸易“向东转”也在很大程度上直接改写了全球贸易网络 版图。全球军费支出正处于新一轮的快速增长之中，已连续 10 年上扬，累计涨幅高达 37%，占 GDP 比重也已上升至 2.5%。据统计，全球超 100 个国家及地区在 2024 年增加了军费开支。仅看 2024 年，全球军费已高达 2.72 万亿美元，同比增长 9.4%，为冷战结束以来最大年度增幅。上述现象反 映出全球治理体系 的失效，究 其根本，是美国相对实 力下降 ，提供全球公共产品的 意愿和 能力不足， 导致金德伯格陷阱问题在地缘政治层面加速演进。

另一方面， 近年来的 逆全球 化思潮对全 球经济发 展带来 高度不确定 性和阻碍 。这以美国近期的 保护主义为最典型代表，且特朗普再次上台后更是有所加剧。其中，关税政策是最主要的体现，特 朗普将“对等关税”作为谈判筹码，在全球层面造成大范围的躁动，各国外贸企业在恐慌下“抢出 口”，美国厂商则赶在关税落地前“抢进口”补库，同时各国企业不敢轻易做出战略决策，更多选 择观望。这一点在数据层面得以充分体现，2024 年底以来，美国政策不确定性指数飙升，尤其是贸 易政策方面更是达到空前水平。从我国来看，美国对华关税已提升至 55%（包括 10%的对等关税 +20%的芬太尼关税+2018、2019 年的 25%关税），部分商品面临更高关税。且美国对许多中国曾 经的贸易“中转渠道”加征关税，我国面向美国的出口通道被大范围封堵。同时，美国还在继续强 化对华科技出口管制，限制双向投资。

（二）中国经济转型期，我国内部发展环境承压

近年来，我 国经济增 速放缓 ，传统动能 明显减弱 ，“要 素投入型” 增长模式 难以为 继。我国已 进入高质量发展阶段，经济增速从 2015—2018 年期间平均 6.9%的水平降至 2020—2024 年的 4.9%。 传统“要素投入型”的经济增长模式已经不可持续。其一，传统人口红利消失。我国人口老龄化问 题日益严重，2021 年以后人口出现负增长，2022 年后迈入中度老龄化阶段（60 岁以上人口占比超 过 20%）。其二，资本回报率持续下降。我国增量资本产出率（ICOR）在 2010 年以后持续上升， 反映出资本边际产出的下降，投资结构亟待优化。其三，土地资源过度开发以及地方债务风险加剧 等情况已不容小觑。上述态势下，以土地财政为核心的房地产、基建和传统制造业的增长动能已明 显减弱。数据显示，房地产开发投资、商品房销售面积等指标均在 2021 年后出现断崖式下降，房地 产产业增加值占比已下降至 2024 年的 6.3%，相关联的建筑业也基本停留在 6.7%的水平。

未来我国经 济增长需 要依靠 全要素生产 率提升， 经济发 展的底层逻 辑正从土 地财政 转向新质生 产力。实现第二个百年目标需要经济可持续中高速增长，这需要通过全要素生产率的提升来带动。 我国正积极推动科技创新，发展新动能，推动传统产业转型升级，培育新质生产力。当前，以新产 业、新业态、新商业模式为核心内容的“三新经济”正成为中国经济发展的新动能，其增加值规模 在 2024 年达 24.3 万亿元，同比增长 6.7%，增速高于 GDP 现价增速 2.5 个百分点，且其在 GDP 中 的比重也在持续攀升。从产业结构来看，以信息传输、计算机服务和软件为代表的行业在我国 GDP 中占比不断上升。广义的数字经济占比已上升到 2023 年的 42.8%，数字经济核心产业增加值占 GDP 比重在 2024 年已达到 10%左右。装备制造业和高技术制造业增加值在 2020—2024 年期间分别年 均增长 7.9%和 8.7%，占规上工业比重分别提升到 34.6%和 16.3%。这些领域的快速增长与传统房 地产、建筑业的下行趋势形成了明显对比。

然而，经济 动能的转 型仍处 于“结构调 整阵痛期 ”。短期内，新动能占比依然难以对冲旧动能 下行趋势。上述“三新经济”占比虽已上升至我国 GDP 的 18%，但与以房地产和基建为代表的旧 动能在 GDP 中的直接和间接权重相比依然较低。此外，房地产调整周期过长也可能带来潜在通缩陷 阱风险，或将导致消费和投资意愿低迷，可能会拖累经济转型。新质生产力增长对经济的带动与房 地产等传统行业调整的拖累效应之间形成一股较量，影响着我国未来经济增长的速度和轨迹。 日本曾经在房地产泡沫破灭之后经济陷入持续低迷，科技的停滞导致其错失互联网时代的发展 机遇而“失去三十年”。我国当前在一定程度上正面临着相似的处境，房地产行业深度调整的同时 迎来了以 AI 为引领的新一轮科技革命。以日本为镜，我国必须深刻理解并把握住当下科技变革所 创造的历史机遇，借势加速推动国内经济转型，破解国际环境变局。

二、AI 浪潮正值关键窗口，为应对两个变局创造契机

面对国际、 国内较为 严峻的 经济发展形 势，寻找 中国经 济增长新动 能是我国 在新发 展阶段的重 中之重。如今全球经济增长放缓、地缘政治冲突频发、贸易保护主义抬头，国内经济增速已然放缓， 传统动能明显减弱，人口红利消退、土地财政模式难以为继等多重因素交织叠加，使得中国经济面 临前所未有的挑战。在这一背景下，如何突破传统增长模式的瓶颈，培育新的增长极，成为决定中 国能否跨越“中等收入陷阱”、实现高质量发展的关键所在。

（一）技术变革是推动经济增长与重塑全球格局的重要力量

马克思曾深刻指出：“科学是生产力，科技革命是推动经济和社会发展的强大杠杆。”这一论 断不仅揭示了技术在社会发展中的基础性作用，也为当下中国破解增长困境、重塑竞争优势提供了 根本遵循的原则——技术变革 是推动人类生产方 式演进的 最根本动力。 回顾历史，每一次工业革命都源于重大技术突破，其影响之深远，不仅改变了产业形态，更深 刻地重构了社会结构、劳动方式乃至全球竞争格局。 （1）第一次工业 革命：18 世纪中后期至 19 世纪初，以蒸汽机的发明和广泛应用为标志，水 力、煤炭等能源被大规模开发利用，机器生产逐步取代手工劳动，工厂制度取代手工作坊，生产效 率实现质的飞跃。英国率先完成工业化，成为“世界工厂”，其经济、军事实力迅速增强，取代了 此前西班牙与荷兰的世界霸主地位。 （2）第二次工 业革命：19 世纪中后期至 20 世纪初，电力技术的突破与广泛应用、内燃机的发 明、流水线生产方式的创立，标志着人类进入“电气时代”。大规模标准化生产成为可能，汽车、 电器等新兴产业迅速崛起，全球生产力再次实现飞跃。垄断组织出现，资本集中加剧，世界经济格 局发生深刻变化。美国和德国凭借技术创新和制度优势，迅速崛起为新的工业强国，取代英国成为 全球经济中心。 （3）第三次工 业革命：20 世纪中后期，以计算机、半导体、互联网等为核心的信息技术革命， 推动生产从“机械化”走向“自动化”，人类社会正式迈入“信息时代”。与此同时，知识经济初 现端倪，创新能力成为国家竞争力的核心要素，全球化进程显著加快，跨国公司成为全球经济活动 的重要主体。信息时代前期，美国凭借信息技术发展优势进一步巩固了世界霸主地位；步入中后期， 中国互联网企业迅速崛起并普及应用，助力经济迅速增长。 （4）第四次 工业革命：进入 21 世纪，以人工智能、物联网、大数据、云计算等为代表的新一 代信息技术与制造业深度融合，推动生产从“自动化”向“智能化”全面转型，人类进入“智能时 代”。智能制造、个性化定制、服务型制造等新模式不断涌现，产业链、供应链、价值链加速重构， 数字经济和实体经济深度融合，数据成为关键生产要素。AI 等尖端技术的控制权日益成为国家间竞 争的新焦点，各国纷纷加大研发投入，抢占技术制高点。美国与中国作为人工智能技术迭代与产业 扩张的优势国，在本轮科技革命中承担引领性作用。

历史反复证 明，每一 次科技 革命都伴随 着生产力 的跃升 与国家间力 量与格局 的深刻 调整。一方 面，技术进 步推动全 球经济 增长跃上新 台阶，引 领社会 生产方式与 经济发展 范式的 变革。技术变革能够提升全要素生产率（TFP），催生新产业、新业态、新模式，优化资源配置效率，这为经济增长 提供了强劲动力，能够推动经济体系的系统性重构与范式升级。因此，每一次工业革命期间，技术 变革均显著提高了全球经济的年均增速。

另一方面， 能够充分 把握和 主导新技术 的国家和 地区， 往往率先将 新技术转 化为现 实生产力， 进而在新一轮全球 竞争中占 据主动、赢得先机。从 18 世纪英国以蒸汽机革命开启“日不落帝国”， 到 20 世纪美国凭借信息技术浪潮奠定“单极时刻”，技术领先从来不是单纯的产业竞争，而是涵盖 经济、军事、金融、文化、制度的全面博弈。谁能率先完成新一轮通用目的技术（GPT）的产业化、 标准化与规则化，谁就能在随后的半个世纪里掌握国际分工的制高点、资源配置的主导权以及全球 治理的话语权。当下的智能革命，正将这一逻辑推向更为激烈、更为复杂、更为不可逆的新阶段。

（二）人工智能已成为新的通用目的技术，是突破经济转型瓶颈的核心动力

当前，以人工智 能技术为代表 的第四次科技革命 正在发生。从 1956 年达特茅斯会议提出“人工 智能”概念，到深度学习、大模型、生成式 AI 的突破性进展，人工智能经历 70 余年的技术迭代， 技术路径愈发清晰，产业生态日益成熟，已不再是停留在“实验室中的游戏”，而是真正步入产业 化阶段，向各行各业应用场景渗透。目前，人工智能已成为当下经济转型的关键通用目的技术，是 新质生产力的代表性领域，在制造、金融、医疗等领域展现出前所未有的“头雁”与溢出效应。

随着 AI 技术日渐成熟，优先发展 AI 产业以抢占新一轮竞争制高点已成为全球共识，各 经济体 对 AI 的重视程度不断提升，纷纷将其上升为国家战略。2025 年，美国发布《赢得 AI 竞赛：美国 AI 行动计划》，将通过加速创新、建设 AI 基础设施和主导国际 AI 秩序三大支柱战略，确保其在全 球 AI 领域的绝对主导地位；欧盟启动“投资 AI”（Invest AI）倡议，拟调动 2000 亿欧元用于人 工智能领域的投资，以弥补其在 AI 基础设施开发与技术商业化应用上的差距，提升自身在全球 AI 竞争中的地位。发展中国家对 AI 重视程度也日渐加强，2024 年，印度启动为期 5 年的“印度 AI 使 命”，综合预算超过 1000 亿卢比（合 84 亿人民币），旨在通过公私合作发展印度 AI 生态系统。

（三）人工智能将发挥“内生突破+外延扩散”的经济增长双引擎

在全球各经济体竞相争夺人工智能战略制高点的时代背景下，深入理解并剖析人工智能驱动经 济增长的理论意义与实践路径，对于理解我国未来经济结构转型与发展路径具有现实价值。 人工智能不 仅是快速 成长的 新兴产业， 更是深度 嵌入整 个经济体系 的基础性 技术力 量，对经济 增长具有多 维度、系 统性的 影响。具体 来说，人 工智能 通过“内生 路径”与 “外延 路径”双引 擎共 同推动经济 增长：内生路径指的是人工智能作为新兴产业，通过资本深化、劳动升级与知识溢出， 直接拉动就业与产出增长，这符合 Romer 内生增长理论强调的知识积累与技术创新对经济系统的 持续赋能；外延路径则体现为人工智能作为通用目的技术，全面渗透传统产业，通过提升全要素生 产率（TFP）和优化产业结构，增强经济的长期增长潜力。

内生引擎：AI 核心产业突 破

随着 AI 技术的快速迭代与持 续突破，首先爆发出 强劲发展 动能的是 AI 核心产业，其规 模扩张 对 GDP 有 着直接拉动作 用。AI 核心产业是指以数据为关键生产要素，以算力为基础支撑，以机器 学习、深度学习等算法模型为核心技术，所形成的系统、产品和服务。在 AI 核心产业规模扩张过程 中，AI 研发投资直接增加资本要素投入，AI 技术应用对高技能人才的需求直接增加劳动力要素投 入，AI 技术突破将产生知识积累与溢出，这些因素均内生于经济系统之中，主要体现于三方面： 一是 AI 资本投 入持续扩张。AI 核心产业崛起推动了对数据、算力、算法等关键领域的大力投 资，带来了大规模资本形成与积累。资本扩张不仅直接增加了经济物质投入，还通过技术装备升级 提升了资本的边际效率，从而带来长期增长效应。近年来，全球大型云厂商不断加大资本开支力度， 积极布局数据中心等 AI 基础设施，进一步印证了 AI 驱动型资本扩张的显著趋势。 二是 AI 高技 能人才不断集 聚。卢卡斯的人力资本理论指出，知识与技能的积累是内生增长的 重要驱动力。AI 核心产业的高研发强度和创新密集度吸引了大量具备前沿技能的人才流入，催生新 的就业岗位，并推动人力资本结构优化，不仅提高平均劳动生产率，也加速知识再生产和扩散。 三是 AI 知识积 累与溢出效应 显现。AI 领域的开源文化、算法迭代和应用扩散，使得相关知识 具有非竞争性与外部性等特征，进而不断积累并形成跨企业、跨区域的溢出效应，带来产业集群的 集聚与协同，推动经济在动态过程中实现持续增长。

外延引擎：人工智能赋能生产率提升

人工智能作 为典型的 通用目 的技术，其 发挥经济 价值的 途径并不仅 限于核心 产业的 直接贡献， 也在于通过广泛的渗透和扩散提升全要素生产 率，通过 以下三个维度推动非 AI 产业 的效率升级。 替代效应： 人工智能 自动化 进程加速， 替代传统 劳动力 并提高生产 率。以算法与大模型为核心 的人工智能技术，正在大规模替代传统由人力承担的低技能重复性劳动，表现出强大的自动化能力， 显著提高了单位劳动的经济产出。麦肯锡预测，生成式 AI 的迅速发展将大幅加快全球工作自动化 进程，预计到 2045 年将有 50%的工作岗位实现自动化，提高单位劳动生产率并实现降本增效。 互补效应： 人工智能 推动人 机协同，赋 能劳动者 并重塑 生产模式。人工智能不仅替代重复性劳 动，更通过与人类劳动的深度协同重塑价值创造方式。根据技能偏向型技术进步（SBTC）理论，AI 作为典型的高技能增强型技术，能够显著提升高技能劳动力的边际产出，并通过智能工具的创新与 迭代实现生产组织形态变革，催生出人机协作的新型工作模式和价值增长空间。这种 AI 与人类的 互补机制改变了传统生产函数，实现劳动力与技术之间的协同效应，成为人工智能外延扩散过程中 最具长期增长潜力的部分。数据显示，AI 的介入使某些高技能任务完成时间大幅缩短，尤其在技术 设计、编程等高技能领域，人机协同下工作效率可达纯人工操作的三倍以上。 配置效应： 人工智能 驱动要 素资源优化 配置，促 进产业 结构升级。根据熊彼特创新理论，技术 进步本质上是一种“创造性破坏”的过程，往往伴随着生产要素的重新组合以及资源配置的根本性 变革。人工智能拥有强大的数据处理与智能决策能力，能够对资本、劳动力和数据等关键要素实现 更高的匹配与动态调配，推动资源加速流向边际产出更高、创新活力更强的领域，而低生产率、低 附加值的产业部门则有可能规模逐渐萎缩，从而实现经济结构的演进。从宏观视角来看，配置效应 不仅是 AI 提升 TFP 的核心机制，也是为经济持续增长提供系统性动力的主要来源。

（四）中国已将人工智能上升至战略高度，为双引擎机制提供制度保障

在上述背景下，中国能否把握人工智能技术浪潮并在本轮科技竞争中胜出，对中国经济社会发 展及国际地位提升有着至关重要的影响。

在一系列重要指引下，人工智能自 2015 年起被纳入国家层面政策文件中。从 2015 年到 2025 年，从“互联网+”到“AI+”，国家层面人工智能政策文件经历了三个发展阶段，逐步构建起从技 术研发到全面社会融合的系统性政策框架。 第一阶段（2015-2016 年）：以人工智能技术为 巩固信息 化、布局智能化的 关键新兴技 术。2015 年，国务院印发《关于积极推进“互联网+”行动的指导意见》，这是国家层面政策文件中首次将人 工智能纳入重点任务。随后在 2016 年，我国将人工智能写入“十三五”规划，强调突破新兴领域人 工智能技术。 第二阶段（2017-2023）年：坚持“技术攻坚筑基+应用 试 点落地”双主线并行。一方面，前沿 技术攻关是人工智能发展的基础。2017 年《新一代人工智能发展规划》、2021 年“十四五”规划等 文件强调人工智能技术发展，重点关注原创性引领性科技攻关。另一方面，应用场景落地是人工智 能发展的主战场。2019 年《关于促进人工智能和实体经济深度融合的指导意见》、2022 年《关于 加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》等文件坚持以市场需求为导 向，以产业应用为目标，促进人工智能与实体经济深度融合。 第三阶段（2024-2025 年）：强调“人工智能+”的全面渗 透与赋能。2024 年《政府工作报告》 中，国家层面首次提出开展“人工智能+”行动；2025 年《关于深入实施“人工智能+”行动的意见》 提出三阶段渐进式目标，以 6 大重点行动和 8 大基础支撑能力助力我国全面步入智能经济和智能社 会发展新阶段，为基本实现社会主义现代化提供有力支撑。 可以看出，国家政策 文件的同 样契合人工智能的“ 内生突破+外延溢出”双引擎发展 路径：通过 强调人工智能前沿技术创新与自主攻坚筑基，为 AI 核心产业发展提供必要的技术支持；通过强调 人工智能应用落地与全面赋能，实现“AI+”传统产业的全面升级与效率提升。在一系列国家顶层设 计与战略部署下，我国人工智能产业具备良好的发展环境与支持条件。

三、中国有望发挥大国经济优势，在 AI 竞争中胜出

马歇尔在《经济学原理》中首次正式提出规模经济理论，将规模经济分为内部规模经济和外部 规模经济，并分析了规模报酬的变化规律。人工智能技术与产业发展正是这样一种规模效应的体现 ——大国经济体凭借其庞大的市场规模、多样化的应用场景、完整的产业链体系以及雄厚的人才储 备，在新一轮全球科技竞争中更容易形成规模效应，并在 AI 发展上取得先机。 正是凭借大国优势，中国在体制机制、市场规模与要素禀赋上均具有独特潜力：一方面，中国 新型举国体制能够统筹战略方向与资源配置，推动科研力量与产业链协同创新；另一方面，中国具 备全方位的人力、物力与财力支撑，为 AI 前沿探索和大规模应用提供坚实保障。

（一）AI 发展具有典型的规模效应，大国经济体更具竞争力

AI 的发展呈现出典型的规 模 效应，即：随着要素 投入不断 增加，技术性能和产 业效率都 会出现 加速提升。因此，具备资源与市场双重规模优势的大国，能够在技术和产业两个维度同时产生规模 优势，从而在全球竞争中占据领先地位。 在技术维度，AI 大模型的 发 展遵循规模定律（Scaling Laws）。模型参数、训练数 据 量与计 算资源的持续扩张，能够驱动模型性能实现更快速、稳定的 提升。因此，AI 技术的迭代突破离不开 大规模算力供给、高质量数据积累和顶尖研发力量投入，而大国在要素集中统筹与长期投入上具备 优势，更容易满足技术进步所需的规模条件。 在产业维度，AI 发展 同样展 现显著的规模效应 。随着资 金、人才、基础设 施等要素 不断集聚， 产业产出效 率呈现加 速提升 趋势。在资源端，大国能集中资金建设算力基础设施、保障能源供给， 并依托雄厚的科研群体、工程师储备及完整产业链，形成从研发到落地的纵深支撑；在市场端，庞 大的内需和多样化应用场景，既能提供源自真实交易和服务的动态数据，又能通过跨行业广泛验证 推动算法创新与落地，加之长期稳定的商业化空间，共同为 AI 产业注入持续发展动力。

在此基础上，数据 、算力、算 法之间形成紧密互 动的循环 关系：数据是训练和优化算法的基石， 算法对算力的响应速度提出更高需求，算力持续提升大规模数据处理的边界。这种正反馈机制不断 放大规模效应，加速了技术迭代，也为应用创新和产业升级提供持续动力。 这一点可以从全球格局中得到印证：中美两国凭借在数据资源、人才资本与创新能力等方面的 显著优势，在 AI 创新发展方面确立领先地位，其要素投入规模正逐步转化为综合竞争力优势；而其 他国家由于受制于资源与市场规模不足，难以在同等水平上与中美展开竞争。

在资源和市场规模的基础上，中国还具备多重优势，为 AI 的发展提供了 全方位保障。一是体 制机制方面，中国依托新型举国体制，能够实现“有为政府+有效市场”的有机结合，统筹调配全国 资源，推动关键要素向 AI 领域集中。二是人力资源方面，庞大的人口规模和活跃的互联网生态持续 产生多样化的数据资源，为算法训练和场景验证提供了肥沃土壤；同时，丰富的人才储备以及居民 的海量使用需求也为 AI 技术创新和应用扩展不断注入动力。三是物质条 件方面，中国拥有完整的 工业体系和较强的制造能力，能够为 AI 关键器件供给和全产业链自主可控提供可靠支撑，并依托 丰富的新型能源为算力建设提供持续保障。四是财力支 撑方面，中国凭借庞大的经济体量和充裕的 资本供给，逐步形成了政府资金与社会资本良性循环的投融资生态，为高风险、长周期的前沿探索 提供了稳定支撑。在体制机制 统筹引导下，人力 、物力、财 力优势相互叠加，构成中国 AI 持续发展 的综合动能，使我国不仅能在规模上保持优势，更在制度与要素禀赋的支撑下不断夯实竞争基础。

（二）新型举国体制优势：集中力量办大事是中国发展 AI 的制度基础

1.举国体制是 大国经济体实 现 AI 高速发展的必要因素

中国、美国、欧盟作为全球前三大经济体，在宏观经济体量和研发经费支出上处于相近层级， 并且长期保持较高水平的科研投入。然而，欧盟在 AI 产出方面和中美存在显著差距。除数据中心容 量占比和中国接近外，其在大模型数量、高被引论文数量等关键指标上大幅落后于中、美两国。

究其原因，并非投 入不足，而 是体制机制的差异 。欧盟在 AI 发展中呈现出多国分散、缺乏统一 协调的格局，导致资源整合和调配效率偏低，科研资金和人才被分散消耗。同时，严格的数据隐私 监管（如 GDPR）、市场碎片化以及完整产业链缺位，使其科研成果难以有效转化为大规模应用。 这些因素叠加，限制了欧盟在 AI 领域的整体竞争力。 与此形成鲜 明对比的 是，中 美在不同路 径下都展 现出举 国体制的优 势。中国通过新型举国体制 将政府战略引导与市场机制结合，实现对全国资源的集中统筹和高效配置。美国则依托市场主导与 政府间接干预的模式，通过 DARPA 等机构和《芯片与科学法案》等政策提供战略支持，再由硅谷 大型科技企业发挥研发和投资主力作用。中美两 国均在 举国体制下 形成了政 府与市 场相结合的 高效 模式，能够集中力量、整合资源并推动成果转化。

2.中国新型举 国体制优势全 方位支撑 AI 发展

我国在新型举国体 制支持下 ，能够集中力量办大 事，统筹 调 配全国资源，形成全方位覆 盖 AI 发 展的支撑网 络。在此框架下，国家通过战略需求、战略资源、产业政策、资本牵引、制度供给与安 全保障多方面协同发力，在数据、算力与算法三大关键维度上为 AI 发展提供了坚实保障。 具体而言，一 是国家 战略 需 求以 战略 预期 引 导创 新方 向，推动形成“战略指引—市场响应”的 双向机制，即通过顶层规划为科研和产业提供明确目标，通过稳定的预期引导市场主体积极投入， 从而实现国家目标与社会创新活力的有效衔接。二是国 家战略资源 提供基础 支撑，通过在教育、科 研和应用全链条上进行跨周期的资源配置，保证创新活动的长期稳定性。三是产业 政策与市场 机制 相结合，一方面通过政策支持和前期试错探索技术路径，另一方面依靠市场竞争筛选优势企业，逐 步孵化出具备国际竞争力的“产业赢家”。四是国家耐 心资本与社 会资本形 成合力，通过国家投入 托底，引导社会资本投入，为高风险，长周期的前沿创新领域建立起长期稳定的资金供给机制。五 是创新制度为 AI 发展提供 制度保障，知识产权保护、成果转化等制度供给不断完善，打通科研创 新与产业落地之间的“死亡之谷”。六是国家 安全保障 为 AI 发展提 供战略护航，有效应对外部技 术封锁，确保我国 AI 发展过程中的技术、数据和供应链安全。

例如，我国的“东 数西算”战略工程就是新型 举国体制 在统筹区域资源、促进 AI 发展的一个 典型实践。该工程以“部委统筹、央地协同”的模式，规划建设“8 个算力枢纽、10 个算力集群”， 搭建全国一体化的算力基础设施框架。其核心在于实现东部需求与西部资源的高效对接，即西部地 区依托土地和能源优势承担大规模算力中心建设任务，东部地区则因应用场景密集和产业集聚，对 算力形成持续而强劲的需求。 在这一过程中，国家通过政策倾斜提供土地、电价优惠与专项资金，加快东西部算力布局的平 衡发展；依托高速骨干直联网络的建设大幅降低东西部间的数据传输延时，确保资源高效流转；同 时鼓励数据中心上下游产业链集群化发展，逐步形成从硬件制造到应用服务的完整生态。在政府引 导和政策保障下，以市场化运作为主导，全社会协同参与，“东数西算”正在实现算力资源的优化 配置，并为 AI 的发展提供支撑。截至 2025 年，全国八大枢纽节点总算力规模已升至 215.5EFLOPS， 其中智能算力占比超过 80%。跨区域骨干网络延时已降至 20 毫秒以内，显著提升了数据与算力的 高效循环能力。在投资效应方面，八大枢纽区域累计直接投资超过 435 亿元，带动上下游产业投资 突破 2000 亿元。 “东数西算”实践 表明，新 型举国体制不仅保 证了 AI 发展的战略连续性和制度供给，更通过 区域协调与政策引导，构建起覆盖全国的资源配置网络，使中国在全球 AI 竞争中稳 居第一梯队。

（三）人力资源优势：人口规模与人才储备是中国发展 AI 的重要动力

一是庞大人 口规模与 活跃互 联网用户提 供坚实数 据基础 。数据作为人工智能模型训练和迭代的 关键“原料”，其规模、质量、多样性和时效性直接决定人工智能的性能上限。互联网时代下，社 交媒体互动、电子商务交易、在线支付结算、出行导航服务等多元场景中，每天都在高频次、不间 断地产生海量用户行为数据，短视频平台每分钟上传数百万条视频，社交应用日均产生数十亿条互 动消息，电子商务平台单日处理数百万笔交易，这些动态实时的多模态数据，为自然语言处理、图 像识别、语音识别、推荐系统等 AI 核心技术提供了坚实训练基础。截至 2024 年 12 月，中国网民 数量已突破 11 亿，互联网普及率高达 78.6%；其中手机网民数量约为 11.05 亿，手机上网用户占 比接近 100%。这种以移动端为主导的广泛使用格局，不仅催生了前所未有的数据生产规模，也形 成了数据来源的巨大多样性。 同时，随着我国经济的持续发展，人均 GDP 的显著提升意味着用户的消费能力和数据创造价值 密度也在不断提高。这使得中国生成的数据在丰富性、深度和价值上优于印度等其它人口大国，为 训练高质量的 AI 模型提供了高质量的数据集，能够让算法更精确地捕捉现实世界的复杂性，减少 偏差，提升模型的泛化能力和稳健性。

二是丰富人 力资本储 备转化 为人才红利 。高素质人才资源是技术创新与产业发展的根本，人工 智能的理论创新、算法突破和落地应用均依赖多层次、跨学科人才。我国拥有全球规模最大、结构 最完善的高等教育体系，每年培养出数百万名具备扎实工程与科研背景的毕业生，为人工智能领域 提供了源源不断的人力资本储备。尽管美国在 AI 精英人才数量上仍居领先地位，但我国正在通过 持续深化教育改革、加大科研投入、完善人才激励机制等方式，迅速缩小差距。数据显示，2019— 2022 年，最顶尖的 AI 研究人员中，原籍为中国的比例从 10%快速上升至 26%，美国则从 35%降 至 28%。庞大的工程师红利有助于高效推动中国科研成果转化，实现技术的快速落地和商业化。 在人才红利的强力驱动下，我国的人工智能研发与产业化进程显著加速，AI 专利申请数量已稳 居全球第一，前沿 AI 大模型的性能也在持续追赶并逼近国际先进水平。2025 年 9 月初，阿里巴巴 通义千问推出最新旗舰大模型 Qwen3-Max-Preview，以万亿参数规模实现重大升级，在复杂指令 响应速度上大幅提升，并在多项性能测试中位居全球大模型前沿。

三是庞大市场规模与丰富应用场景为 AI 提供广阔发展 空间。人工智能的生命力在于应用，其 技术发展最终要通过落地应用实现价值。我国凭借庞大的人口规模，拥有一个超大规模且潜力巨大 的消费市场和产业市场，为人工智能技术的规模化落地提供了肥沃的土壤和充足的条件。从市场体 量看，我国拥有全球第二大商品消费市场和最大网络零售市场，且消费对 GDP 的贡献率仍有提升空 间，这意味着用户对智能产品、服务的需求还将持续释放，为 AI 技术提供源源不断的市场驱动力。 政策层面对此也有明确支撑，《国务院关于深入实施“人工智能+”行动的意见》特别提出加快实施 “人工智能+”消费提质，拓展服务消费新场景，培育产品消费新业态。 同时，我国多元产业格局更催生了丰富的 AI 应用场景。制造业领域，我国作为全球制造业第一 大国，工业机器人保有量连续多年位居全球首位，庞大的产业基数与自动化升级需求，让 AI 在生产 流程优化、质量检测、设备运维等环节的应用有了广阔舞台，助力智能制造加速落地。服务业领域， AI 技术已深度渗透细分场景：金融领域的智能风控系统可实时识别交易风险，医疗领域的 AI 辅助 诊断能提升基层医院诊疗准确率，教育领域的个性化学习平台可适配不同学生需求。这些场景的持 续拓展，更反哺技术迭代，形成“应用—优化—再应用”的良性循环。

（四）物质资源优势：工业体系与能源储备是中国发展 AI 的坚实支撑

一是完备的工业体系为 AI 全产业链提供坚实保障。人工智能的发展离不开坚实的基础设施支 撑和稳定的供应链保障。我国作为工业大国，是全球唯一拥有联合国产业分类中全部工业门类的国 家，具备 41 个大类、207 个中类、666 个小类的工业体系，200 多种主要工业品产量全球第一，且 配套完善的工业体系和全产业链体系，制造业增加值长期位居世界首位。这种体系化优势为人工智 能的关键硬件与软件供给提供了坚实保障，从上游的芯片设计、制造，到中游的算力平台、数据中 心建设，再到下游的通信网络与能源供给，我国均具备较为完善的配套能力，有效保障 AI 发展所需 的物质基础。这使我国能在硬件、软件与应用场景之间形成良性互动，加快推动 AI 全栈式创新，并 为核心技术的自主可控创造有利条件。 与此同时，我国还通过灯塔工厂的建设持续夯实制造业根基。截至 2024 年，我国拥有的灯塔工 厂数量超 70 家，占全球总量 41%，覆盖汽车、电子、机械等重点行业。这些工厂以 AI 技术优化生 产流程、提升制造精度与效率，不仅推动自身从传统制造向智能制造升级，更带动上下游制造环节 的标准化、精细化水平提升，保障 AI 相关设备的高效制造，强化了对 AI 全产业链的支撑能力。

二是丰富的新能源为 AI 发 展提供绿色动力。数据中心是承载人工智能发展的关键基础设施， 其高能耗问题是全球面临的共同挑战。一方面，AI 模型规模呈指数级增长，训练过程所需电力正以 每年翻倍的速度攀升；另一方面，AI 广泛应用推动数据中心标准机架数量持续增加，其耗电量增速 显著高于社会平均用电增速，算力扩张带来的能源需求缺口不断扩大。面对这一全球性能耗难题， 我国在能源结构转型中形成的独特优势，为 AI 发展提供了绿色破解路径。我国拥有丰富的风能、太 阳能等可再生能源资源，且近年来实现快速规模化应用，为数据中心的绿色化建设提供了充沛且清 洁的动力。大规模的绿色能源基地为数据中心提供了稳定、低成本的电力保障，有效缓解了因算力 扩张而带来的能耗压力。这不仅有助于实现 AI 产业的可持续发展，也为我国在全球 AI 竞争中构筑 了独特的能源优势。

（五）财力资源优势：经济规模与投资生态是中国发展 AI 的资金保障

一是我国庞 大的经济 体量为 人工智能发 展提供了 坚实的 资金基础。资金是推动人工智能技术研 发、基础设施建设与产业化落地的关键要素。当前，AI 模型特别是前沿大模型的训练成本呈指数级 增长，对算力与数据中心等基础设施的投入需求巨大，这需要持续且大规模的资金支持。面对高昂 的资金需求，我国经济总量长期位居全球第二，为人工智能产业发展奠定了坚实的资金基础。近年 来，我国全社会固定资产投资规模持续扩大，2024 年达到 52 万亿元。其中，计算机、通信和其他 电子设备制造业的固定资产投资完成额同比增速显著高于全社会平均水平，资本正加速向人工智能 核心领域集聚。预计伴随着我国经济发展模式从“土地财政”向“新质生产力”转型，固定资产投 资将更多地从房地产、传统基础设施等领域转向 5G、数据中心等新型基础设施，为人工智能产业发 展提供强有力的资金保障。

二是多元主 体共建产 业投融 资生态。我国已构建起一个以政府引导、市场化运作为主体的多层 次、多元化的人工智能产业投融资生态。政府资本通过设立国家与地方引导基金、直接参股和间接 注资等方式，在早期承担信息不对称与政策风险，并利用政策信号和配套资源撬动私人资本共同投 资人工智能产业。在此机制下，中央政府主要负责顶层设计与长期示范性资金的投入，地方政府则 负责具体的落地配套与孵化工作。这种分层协作、风险共担的模式有效吸引了私人风险投资（VC） 的跟进，并通过市场化的筛选机制推动项目的优胜劣汰。目前，我国在人工智能领域的政府投资规 模和私人资本投资规模均位居全球第二。此外，以中央和地方国有企业为代表的国有资本，在投资 意愿与资金稳定性方面表现突出，具备较强的逆周期与跨周期调节能力，能够有效引导和放大社会 资本的参与力度，为人工智能产业的长期健康发展提供稳定支撑。

四、AI 驱动 “三驾马车” ，助力中国实现 2035 目标

得益于中国作为大国经济体的四大独特优势，人工智能促进经济发展的“内生+外延”双重路径 已从理论层面落地为实际生产力，为经济增长贡献不可或缺的增量价值。在此基础上，我们指出， AI 技术发展最终将拉动中国经济的“三驾马车”，实现消费提质、投资转型、出口升级，从而助力 实现第二个百年目标，2035 年建设成为现代化强国。

（一）2025-2035 年 AI 核心产业规模预测

数据显示，2024 年中国人工智能核心产业规模达 6964 亿元，同比增长 20.4%，尽管占 GDP 的 比重仅为 0.51%，但增速显著高于 GDP 整体增速，产业扩张动能强劲。展望下一阶段 ，本文认为， AI 核心产业的发展轨迹有望呈现出超越线性的特征。根据奇点理论，当前人工智能技术正在沿着指数级增长的路径演进，预计将在某一临界点“奇点”迎来质的飞跃。未来学家雷·库兹韦尔在其著作 中提出，到 2045 年，人工智能将与人类智能实现深度融合，引领文明进入一个全新的发展阶段。因 此，随着 AI 技术的快速迭代与持续突破，其将展现出愈发强劲的爆发潜力。 具体来说，我们将 AI 核心产业划分为算力基础设施、AI 智能终端与硬件、AI 算法与软件、AI 垂直应用四大类。测 算结果显 示，2035 年中 国人工智能核 心产业规模有望突破 25 万亿 元，占 GDP 的比重接近 10%，成为支撑 国民经济持续高质 量发展最 重要的内生增长极 。

（二）2025-2035 年 AI 对经济的拉动结果预测

如前所述，人工智能技术飞跃的影响绝不仅是 AI 核心产业规模扩张，更是以“AI+”赋能千行 百业，助力传统产业转型升级，由此带动我国全要素生产率大幅提升。为了全面衡量人工智能对经 济增长的拉动作用，我们结合中国经济发展阶段与产业结构特点，在柯布-道格拉斯生产函数框架下， 分别对有 AI 影响和无 AI 影响条件下的全要素生产率进行了测算。由于资本边际回报率递减，新增投资带来的额外产出减少，传统的要素投入式经济增长模式难以为继。预计在无 AI 情形下，未来 10 年中国全要素生产率增速将持续为负。而 AI 对全要素生产率有正向拉动作用，本 文预测 2025- 2035 年 AI 对 TFP 平均增速拉动 1.3%左右；进一 步外 推 AI 对 GDP 的拉动效 应，可知在 AI 的 加持下，未来我国实际 GDP 增速将继续维持在 合理水平 。

更为直观地，我们 可以将人 工智能的经济学影 响量化为 实际产出，具体体 现在 AI 影响拉动经 济增长的“三驾马车”上。人工智能正通过三维重构路径——消费提质、投资转型、出口升级，推动 中国经济动能转换从“被动调整”迈向“主动引领”。未来十年，以 AI 为代表的新质生产力将成为 突破“中等收入陷阱”、重塑全球经济格局的核心引擎。 在消费领域，AI 技术从需求 与供给侧两端同时 发力，实 现“消费提质”。在需求侧，基于 AI 与大数据的个性化推荐能洞察并精准激发潜在消费需求，提升消费体验与满意度。在供给侧，AI 使 企业能够以更低成本、更高效率实现柔性生产，快速响应市场变化，创造消费热点、拓展消费场景。 这种供需两端的智能化协同，不仅有效挖掘了内需潜力，更有望激活潜在消费需求，推动消费结构 从生存型向发展型、享受型升级，实现居民消费从“满足需求”到“创造需求”的质变。本文预测， 得益于 AI 拉动并创造消费需求，2025-2035 年，AI 将累计拉动消费规模增长 87.7 万亿元。 在投资领域，AI 引领着资 本 投向与模式的深刻 转型，重 塑“投资”内涵。长期以来，固定资产 投资是中国经济增长的重要驱动力，而经济增长又会促进固定资产投资增加，形成良性循环。2024 年，中国全社会固定资产投资额达 52 万亿元，占 GDP 的比重达到 38.6%。而近年来房地产、传统 基础设施等领域增长动能不足，投资重心正转向以 AI 算力、算法模型和数据中心为代表的新基建， 驱动投资转型与投资规模增长，为数字经济发展筑牢根基，也为中国经济高质量发展注入强劲动能。 预计得益于 AI 新基建投资建设，2025-2035 年，AI 将累计拉动投资规模增长 59 万亿元。 在进出口领域 ，AI 赋能“出 口升级”，重塑我国在 全球价 值链中的竞争位势 。一方面，AI 助力 传统贸易的智能化改造，通过智慧物流、智能关务等大幅提升跨境贸易效率，降低制度性交易成本。 另一方面，也是最为关键的，AI 赋能我国出口结构从“中国制造”向“中国智造”跃迁，高附加值 的智能产品、数字服务贸易、AI 解决方案等正成为新的出口增长极。这不仅增强了我国出口产品的 不可替代性和国际竞争力，更帮助我国在全球分工中从被动接受者向规则制定者和价值引领者转变， 重构全球产业链与价值分配格局。

本文预测到 2035 年，AI 核心产业规模与 AI 赋能传统产 业规模之和将达到 31 万亿元 ，AI 将 额外拉动 GDP 规模的 14.8%左右。这意味着，人工智能技术飞跃将有效对冲房地产下行对中国经 济增长的拖累，助力我国经济增速保持平稳。

由此可见，人 工 智 能 的 技 术 飞 跃 为 我 国 把 握“第 二 个 百 年”奋 斗 目 标 的 历 史 机 遇、顺利实现 2035 年远 景目 标提 供了 前所 未有的 战略 支点 。在传统经济增长动能减弱的背景下，我国通 过积极发展人工智能核心产业、大力推进人工智能与实体经济深度融合，这不仅是技术层面的追赶 与超越，更是一场关乎国家综合实力和未来发展潜力的系统性变革。因此，牢牢抓住人工智能发展 的重大战略机遇，将其全面融入国家现代化进程，对于我国在新一轮全球竞争中赢得主动、成功实 现民族复兴的宏伟蓝图具有决定性意义。

五、资本市场为 AI 产业发展注入金融活水

（一）资本市场的金融支持与 AI 产业更为适配

金融在历次 工业革命 中均发 挥了关键支 撑作用， 资本市 场的重要性 不断上升 。从“蒸汽时代” 到“电气时代”，再到“信息时代”，每一次产业变革都伴随着科技突破与金融创新的深度结合。 第一次工业革命中，英格兰银行和以国债为核心的金融市场为工业化提供了资金保障，并催生了商 人银行和投资银行的兴起。第二次工业革命中，美国资本市场掀起并购浪潮实现产业集中与资源整 合，推动工业巨头崛起，使美国工业产值在一战前超过英、法、德三国总和。第三次科技革命中， 以“风险投资+纳斯达克”为核心的创业投资体系催生出苹果、微软、甲骨文等信息产业巨头。

立于 AI 驱动的新一轮科技革 命的潮头，企业高技术 、高投 入、高风险 特质凸显 ，资本市 场成为 最契合的融资引擎与倍增器。AI 企业发展的关键在于底层技术和核心技术的突破，这也决定了其普 遍具有高技术、高投入和高风险的特征，而在以间接融资为主的金融体系中，此类企业往往面临较 大的融资约束。相比之下，资本市场凭借价值发现、资源配置和风险分担等功能，能更有效引导资 源流向 AI 产业，成为支撑 AI 产业发展的关键力量。

AI 企业的发展需经历从基 础 研究、技术转化到产 业化的完 整链条，不同阶段需 要资本市 场差异 化支持。基础研究 阶段，PE 和 VC 对 AI 企业至关重要。此时技术路线尚未定型、风险较高，天使 /种子基金以“高风险偏好”的特质，为实验室成果提供首笔市场化资金，并通过引入技术专家，协 助企业完成专利布局和技术路线筛选。技术转化 阶段，企业资金需求呈阶梯式上升，迫切需要锚定 长期价值的耐心资本。重塑资本估值的“时间观”，将资源配置重心从短期套利转向长期价值锚定。 商业模式验证阶段，可通过“可转债+银行专项科技贷+政府产业基金”等多种组合，既提供低成本 债权资金，又保留股权弹性，为企业全面规模化扩张奠定基础。规 模化扩张 阶段，多层次资本市场 通过股票、债券和私募基金的协同支持，为企业提供全方位的资本保障。 当前，全球范 围内 AI 投资呈 现快速增长趋势 ，各国加大 政 府风险投资(GVC)和私人资本（IVC） 投入，以抢占 AI 技术 制高点 。GVC 领域，截至 2025 年 9 月，中国国家人工智能产业投资基金总 规模已达 600 亿元，为产业发展提供了坚实的资金保障。2024 年，法国承诺投入 1170 亿美元加大 AI 基础设施投资力度，沙特阿拉伯“超越计划”包含 1000 亿美元的 AI 投资等。IVC 领域，根据斯 坦福大学发布的《2025 年人工智能指数报告》，美国投向 AI 产业的 IVC 持续领先全球，资本优势 持续增强。当前中国的 AI 投资仍以 GVC 为主导，IVC 虽非主流，但其近年来在生成式 AI 领域的 投资有所增长，2024 年其投资规模已超过欧洲。

（二）资本市场持续赋能 AI 产业发展

资本市场支持 AI 产业发展的 政策不断加码。2025 年以来，《关于资本市场做好金融“五篇大 文章”的实施意见》《关于在科创板设置科创成长层 增强制度包容性适应性的意见》《国务院关于 深入实施“人工智能+”行动的意见》等多项重磅政策陆续推出，持续强化资本市场对 AI 的金融支 持。相关政策通过优化上市制度、完善投融资服务及引导长期资本投入，为 AI 企业提供融资便利渠 道，进一步推动 AI 产业发展。

资本市场 AI 领域融资活跃 度和投资关注度持 续上升， 为企业技术发展和 加快商业 化进程提供 了重要支撑。 一级市场中，AI 产业融资 活 动呈现长期扩张趋 势。自 2015 年起，我国 AI 领域融资规模进入 上升通道，并在 2018 年和 2021 年分别因计算机视觉技术商业落地、自动驾驶及 AI 医疗领域的发展推动，形成两轮融资高峰。2015-2024 年，我国 AI 产业融资规模从 300.7 亿元增长至 1052.5 亿 元，融资事件数量从 501 起增加至 696 起。 二级市场中，随着科技叙事的升温，AI 相关 企业获高度 关注。自 2015 年以来，A 股人工智能 指数整体呈上升趋势，表现持续优于沪深 300 指数。同时中国 AI 企业的全球影响力显著提升，吸 引了全球投资者的广泛关注。2025 年初，随着 DeepSeek 等一系列技术的突破，市场对中国创新能 力的认知进一步深化，推动科技企业估值显著上升。今年以来，中国“十杰”科技企业的平均收益 率一度超越“美股七姐妹”，充分反映出国际投资者对中国科技产业未来增长前景的乐观预期。

然而，资本市场对 AI 产业的 支持力度仍有提升 空间。一 方面，相比于美股市场，A 股 AI 产业 市值大幅落后。从二级市场体量看，截至 2025 年 9 月，美股信息技术行业总市值远超 A 股，约为 7 倍。在美股市场市值前 10 的龙头公司中，仅有伯克希尔一家非科技企业，英伟达市值更是高达 4.3 万亿美元（约合 30.6 万亿元人民币），相当于 A 股市场总市值的 25.9%。而在 A 股市值排名前 10 的公司中，仅有 3 家公司属于 AI 相关的科技产业。可见，尽管 A 股市场中 AI 等科技企业收益率表现优异，但整体资金供给体量仍有较大提升空间，资本市场对 AI 等科技产业的赋能潜力仍待进一 步释放。另一方面 ，前期我国有较多科技企业选择赴美、赴港上市，随着中国资本市场包容度提升， A 股或将发挥更大的作用支持 AI 企业直接融资。以 AI 企业在科创板及创业板上市数据为例，AI 公 司的占比偏低，均不足 4%。如今科创板第五套上市标准重启，A 股市场对 AI 企业的支持力度将进 一步增强，市场结构有望持续优化。

（三）资本市场支持 AI 发展面临三大挑战

第一，投资风险与 收益不平衡。一是 AI 企业资金占用高、回报周期长。从研发到盈利往往需要 更长周期，资金占用大、回报不确定性高，使投资者的风险进一步放大。二是 AI 企业商业化概率 低。根据 Correlation Ventures 统计，回报率低于 1 倍的投资项目，在每轮风投中占比均超过 50%。三是 AI 模型路线迭代快，技术不确定性高。四是对退出渠道便利度有较高需求。AI 企业从 初创到 IPO 往往需要 10 年甚至更久，资本市场退出渠道不足会导致资金不敢进场。

第二，存在 AI 估值难题。AI 技术专业性强、复杂度高，市场缺乏统一标准与有效验证机制， 普通投资者难以准确评估技术成熟度和商业化潜力。结果可能是优质项目因短期回报不足而被忽视， 而部分低质量项目却凭借概念包装获得融资支持。麻省理工学院 Project NANDA 团队最新发布的 《2025 年企业 AI 现状报告》显示，尽管全球企业对生成式 AI 已投入 300—400 亿美元，但 95%的 企业获得零回报，资本热情与技术价值落地之间存在转化难题。

第三，政策不确定性 与监管挑 战。AI 技术易引发数据隐私与伦理风险，随着产业快速发展，相 关法律和政策也在持续调整与完善。斯坦福大学《2025 年人工智能指数报告》显示，2013—2024 年 全球 AI 相关立法数量呈明显上升趋势。然而，监管环境的不断变化亦可能带来业务与合规成本的 不确定性，从而影响资本市场对 AI 领域的投资信心。

编辑：火腿肠