行業(yè)深度報告·行業(yè)深度報告·計算機(jī)行業(yè)●十四五復(fù)盤，人工智能產(chǎn)業(yè)發(fā)生五大質(zhì)變，完成“要素化”奠基。中國正顯性化，完成了由“技術(shù)”向“要素”的躍遷，具體體現(xiàn)為：1)技術(shù)質(zhì)變：質(zhì)變：國產(chǎn)AI芯片推理能效比與海外差距逐級收斂，數(shù)據(jù)中心形態(tài)由邁向AIDC,電力成本占比大幅提升，算力定價權(quán)開始向內(nèi)轉(zhuǎn)移。3)數(shù)據(jù)質(zhì)級為“可交易、可分成”的財政要素，填補(bǔ)土地收入缺口。4)政策質(zhì)變：中面，定位由“產(chǎn)業(yè)工具”升級為“轉(zhuǎn)型引擎”。5)市場質(zhì)變：視覺紅利終結(jié)+的“模式創(chuàng)新”躍遷為“要素變現(xiàn)”,為十五五的“價值重估”騰出空間。●十五五展望：Agent驅(qū)動要素進(jìn)入“量價齊升”階段。十五五期間，AI要素化躍遷將體現(xiàn)為“價格發(fā)現(xiàn)+規(guī)模交易+跨境輸出”三條主線，Agent是核執(zhí)行”升級為“自主協(xié)作”,收費基準(zhǔn)從Token計價轉(zhuǎn)向“增量收益分成”,AI部門由成本中心轉(zhuǎn)為利潤中心，要素價格首次市場化發(fā)現(xiàn)；2)供給維度，國產(chǎn)全棧閉環(huán)，Agent專用芯片使得國產(chǎn)芯片可定義“Agent指令集”,框價權(quán)，并可實現(xiàn)規(guī)?；灰祝?)需求端外溢，全球南方市場及場景擴(kuò)容迭代。全球南方(東南亞、中東、非洲、拉美)國家總?cè)丝诔?5億，占世界總?cè)丝诮?0%;全球數(shù)字經(jīng)濟(jì)的年復(fù)合增長率將達(dá)到9.2%,遠(yuǎn)超傳統(tǒng)經(jīng)濟(jì)；Agent出?？蓪崿F(xiàn)“數(shù)字絲綢之路2.0”,實現(xiàn)要素跨境交易并回流數(shù)據(jù)資產(chǎn)形成飛輪效應(yīng)。4)五大場景擴(kuò)容，未來五年，AI原生任務(wù)、企業(yè)流程編排、●投資建議：AT產(chǎn)業(yè)投資可遵循四大主線。1)算力基礎(chǔ)設(shè)施：包括國產(chǎn)AT服務(wù)：覆蓋垂直行業(yè)軟件、低代碼平臺及系統(tǒng)集成商；3)智能終端與具身智能機(jī)器人等：包括智能網(wǎng)聯(lián)汽車、AI手產(chǎn)業(yè)鏈等，如車端域控制器、機(jī)器人邊緣端模型部署工具及云端訓(xùn)練即服務(wù) 碳管理軟件及系統(tǒng)集成?！耧L(fēng)險提示：技術(shù)迭代不及預(yù)期風(fēng)險；供應(yīng)鏈風(fēng)險；下游需求不及預(yù)期風(fēng)險；行業(yè)競爭加劇風(fēng)險。推薦維持評級富對滬深300表現(xiàn)圖2025-09-221.【銀河計算機(jī)】計算機(jī)行業(yè)2025年中期策略報33目錄 4(一)技術(shù)質(zhì)變：Transformer架構(gòu)統(tǒng)一AIGC,完成“引擎收斂” 4(二)算力質(zhì)變：國產(chǎn)AI芯片能效收斂與AIDC形態(tài)演進(jìn) 7(三)數(shù)據(jù)質(zhì)變：公共數(shù)據(jù)“財政化”與資產(chǎn)入表機(jī)制落地 8(四)市場質(zhì)變：視覺紅利終結(jié)，供給曲線與支付曲線同步下移 1(五)政策質(zhì)變：AI由“產(chǎn)業(yè)工具”向“社會治理基礎(chǔ)設(shè)施”的躍 二、十五五展望：AIAgent主導(dǎo)未來五年AI敘事 17 (二)技術(shù)躍遷：從大模型時代到AIAgent時代 (三)算力躍遷：將實現(xiàn)國產(chǎn)全棧閉 2(四)數(shù)據(jù)躍遷：從“資產(chǎn)入表”到“可信數(shù)據(jù)飛輪” (五)市場躍遷：需求端外溢到全球南方市場，場景大幅擴(kuò)容迭代 34 (二)AIAgent及MaaS服務(wù)商 (三)智能終端與機(jī)器人 (四)AI+綠色低碳 45行業(yè)深度報告·計算機(jī)行業(yè)人工智能的三段論演進(jìn)路徑，在學(xué)界與產(chǎn)業(yè)界已形成高度共識：先以計算智能(高效能搜索、精確數(shù)值模擬)突破算力瓶頸，再以感知智能(視覺、聽覺等模態(tài)的識別與還原)完成外部世界的數(shù)字化映射，最終邁向認(rèn)知智能(理解、推理、決策與創(chuàng)造)。2012—2022年的“黃金十年”正處于第二階段——感知智能的集中爆發(fā)期，其中視覺技術(shù)憑借可標(biāo)準(zhǔn)化、可度量、可工程化的先天優(yōu)勢，成為資本、算法與場景三方共振的最大公約數(shù)。ImageNet挑戰(zhàn)賽在2012年的“AlexNet時刻”點燃了火種，隨后ResNet、FPN、MaskR-CNN、EfficientNet、VisionTransformer安防、工業(yè)質(zhì)檢、零售稽核等賽道呈現(xiàn)指數(shù)級滲透。十年間，視覺算法精度提升二十終端成本下降兩個數(shù)量級，政府端，以智慧城市、安防為代表的視覺場視頻內(nèi)容理解”雙輪驅(qū)動，使得感知智能在中國率先完成規(guī)?；涞?，并沉淀為件與解決方案范式。然而，當(dāng)精度逼近人類一致性上限、政府土地財政紅利退坡設(shè)轉(zhuǎn)向存量運維，視覺感知技術(shù)棧的邊際收益于“十四五”開局的2020年前后陡然遞減，標(biāo)志著建模中的局部感受野與遞歸約束，將計算復(fù)雜度從O(n2)在GPU集群上實現(xiàn)了訓(xùn)練效率與模型容量的同步擴(kuò)展。更為關(guān)鍵的是，當(dāng)參數(shù)規(guī)模突破千億級 (≈1×1011)后，大模型在無需任何梯度更新的前提下，僅通過“提示-生成”范式即可在下游任模型在邏輯推理、數(shù)學(xué)運算、代碼生成甚至指令規(guī)劃等復(fù)雜任務(wù)上的準(zhǔn)確率均出躍，標(biāo)志著“通用人工智能”(AGI)此前的視覺領(lǐng)域則呈現(xiàn)出截然不同的技術(shù)曲線。自2021年ViT-g/14達(dá)到90.45%后，平均精度(mAP)普遍下降。為了彌補(bǔ)性能缺口，產(chǎn)業(yè)側(cè)不得不采用“場景定制”模式：通過數(shù)據(jù)、重訓(xùn)模型、重調(diào)參數(shù)實現(xiàn)單點優(yōu)化，導(dǎo)致研發(fā)成本隨客戶數(shù)量線性擴(kuò)張，規(guī)模效應(yīng)為負(fù)。資本定價迅速反映技術(shù)邊際遞減，2021-2023年，被冠以“CV四小龍”的商湯、曠視、依圖、云從2020年推出的VisionTransformer(ViT)將圖像切塊(patch)后視為“詞向量”,直接套用原始Transformer編碼器，在ImageNet-21K上即取得88.5%的Top-1精度，首次證明“注意力機(jī)制”在二維信號上的表征能力不遜于卷積；隨后出現(xiàn)的SwinTransformer、CvT、CoAtNet構(gòu)通過引入局部窗口、層次化下采樣與卷積增強(qiáng)，進(jìn)一步將視覺Transformer推向帕累托前沿。更為關(guān)鍵的是，當(dāng)文本、圖像、音頻、視頻被統(tǒng)一映射為“token”序列后，跨模態(tài)融合不再依賴繁瑣的多分支網(wǎng)絡(luò)，而僅需在Tra端到端訓(xùn)練。4請務(wù)必閱讀正455行業(yè)深度報告·計算機(jī)行業(yè)數(shù)據(jù)側(cè)出現(xiàn)“飛輪效應(yīng)”——多模態(tài)模型在真實場景中語料庫，使模型精度與場景覆蓋形成正循環(huán)?？梢灶A(yù)見，隨著參數(shù)規(guī)模繼續(xù)向十萬億級邁進(jìn)，Transformer將作為通用引擎持續(xù)吞噬剩余“模態(tài)孤島”,視覺、語音、圖形、甚至結(jié)構(gòu)化數(shù)據(jù)都將被納入同一注意力視角，為即將到來的Agent時代提供“一個模型、任意任自2017年《AttentionIsAllYouNeed》發(fā)布以來，Transformer架構(gòu)從根本上重塑了人工智能研發(fā)。這一創(chuàng)新為大型語言模型(LLM)和視頻語言模型(VLM)奠定了基礎(chǔ)，推動了整個行業(yè)的產(chǎn)品化浪潮。ChatGPT于2022年11月的公開推出，將Transformer驅(qū)動的人工智能帶入主流使用。然而，高效運行LLM帶來了巨大前設(shè)計的傳統(tǒng)硬件架構(gòu)上。先前最先進(jìn)的CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))已退居這種多階段復(fù)雜性顯著加劇了LLM的部署難度。同時管理多個階段、維護(hù)KV緩存以及處理階段和層歸一化的底層機(jī)制仍然是核心。雖然參數(shù)、動態(tài)關(guān)注輸入的不同部分，從而優(yōu)化模型的上下文理解能力，目前沒有其他架構(gòu)能與注意力機(jī)制的1.2大模型參數(shù)量規(guī)模突破臨界：質(zhì)變觸發(fā)“涌人工智能的快速發(fā)展以參數(shù)數(shù)量不斷增長的大型語言模型(LLM)的興起為標(biāo)志。從擁有數(shù)百萬個參數(shù)的早期迭代，到如今擁有數(shù)百億甚至數(shù)千億的模型。神經(jīng)網(wǎng)絡(luò)中參數(shù)表示模型捕獲和修改的權(quán)重和偏差，類似于人腦中的突觸連接。從計算架構(gòu)的角度來看，參數(shù)充當(dāng)模型的內(nèi)存，存儲輸入數(shù)據(jù)中的復(fù)雜關(guān)系和細(xì)微差別。語言模型中參數(shù)數(shù)量的增加意味著理解上下文至執(zhí)行未明確訓(xùn)練的任務(wù)的能力增強(qiáng)。而如今，模型表現(xiàn)出高級推理、創(chuàng)造力和跨不同領(lǐng)域泛化的66行業(yè)深度報告·計算機(jī)行業(yè)能力等，表明擴(kuò)大規(guī)模對于突破人工智能所能實現(xiàn)的界限至關(guān)重要。早期LLM表明。增加模型的大小可以帶來可預(yù)測性能的改進(jìn)。然而.此種改進(jìn)遵循收益遞減曲線。隨著模型的變大，增量收益變小，需要成倍增長的資源才能實現(xiàn)顯著收益。盡管如此，構(gòu)建更大模型仍在繼續(xù)，即使回報遞減，對于高風(fēng)險應(yīng)用來說仍然有價值。例如，在垂類應(yīng)用中，包括醫(yī)學(xué)診斷、科學(xué)研究和自主系統(tǒng)等領(lǐng)域，性能的邊際改進(jìn)將產(chǎn)生顯著影響。大模型參數(shù)規(guī)模增長具有必然性：1)多模態(tài)能力的復(fù)雜性需求：大模型已不僅限于處理文本，許多旨在處理多模態(tài)輸入，集成文本、圖像和其他類型的數(shù)據(jù)。擴(kuò)展參數(shù)計數(shù)使這些模型能夠處理和繪制各種數(shù)據(jù)類型之間的連接，從而執(zhí)行涉及多種輸入類型的任務(wù)，例如圖像字幕、生成音頻以及結(jié)合調(diào)用視覺數(shù)據(jù)與文本信息。多模態(tài)能力需通過增加參數(shù)來調(diào)優(yōu)其復(fù)雜性，增加的計算存儲可以更好地表示不同的數(shù)據(jù)模態(tài)和更深入的跨模態(tài)理解，使模型在實際應(yīng)用中更加通用。2)通用模型的泛化能力：為使模型盡可能通用，提升其泛化水平需要大量參數(shù)，以便模型可以將各種語言和事實、知識編碼至其架構(gòu)中。在此類應(yīng)用中，訓(xùn)練數(shù)據(jù)可能并非適用于所有任務(wù)。擴(kuò)大參數(shù)計數(shù)有助于LLM建立必要的知識框架和上下文靈活性，以在最少調(diào)優(yōu)的情況下適應(yīng)各種任3)強(qiáng)競爭格局下的衡量標(biāo)準(zhǔn)：“參數(shù)計數(shù)”指標(biāo)已成為衡量LLM能力的基準(zhǔn)。雖然絕對規(guī)模并不是模型有效性的唯一決定因素，但已成為人工智能領(lǐng)域競爭定位的重要決定因素。當(dāng)前，人工智能大模型參數(shù)規(guī)模正朝著兩極分化方向發(fā)展，呈現(xiàn)出“超大參數(shù)模型”與“輕量級模型”并行發(fā)展的態(tài)勢。參數(shù)量千億級別以上的超大參數(shù)模型，憑借海量參數(shù)，能夠?qū)W習(xí)更復(fù)雜的特征和模式，為定制化解決方案提供有力支持，有效滿足企業(yè)和科研機(jī)構(gòu)的高階需求，在處理復(fù)雜任務(wù)時具顯著優(yōu)勢。而參數(shù)量一般在數(shù)十億至百億級別的輕量級模型，擅長于移動端以及對實時性要求較高的應(yīng)用場景。通過模型壓縮、蒸餾等前沿技術(shù)手段，可實現(xiàn)高效部署；具有高性價比優(yōu)勢，可借助端側(cè)計算，降低云端負(fù)載的同時優(yōu)化隱私保護(hù)，全方位提升用戶體驗。行業(yè)深度報告·計算機(jī)行業(yè)“超大參數(shù)模型”與“輕量化模型”并行發(fā)展·2024年之前，最大參數(shù)量一直在增長Lama3-400B-InTrainingBERTGPT-“超大參數(shù)模型”與“輕量化模型”并行發(fā)展·2024年之前，最大參數(shù)量一直在增長Lama3-400B-InTrainingBERTGPT-1LargeGPT-2'Facebook1750億1750億2018年2018年2019年2019年2020年2021年6月10月2月7月6月12月2023年2024年海外大模型●日日新(180B)通義千問(7B)(davinci)PanGu-uJurassik-1GT5-11B●DALL-ECodex●數(shù)量4560億4560億Deepseek-R1-320億140億●2025年1月2025年1月2025年1月2025年1月2025年1月2025年1月中國大模型(二)算力質(zhì)變：國產(chǎn)AI芯片能效收斂與A“十四五”期間，中國人工智能算力體系完成了從“可用”到“好用”、從“引進(jìn)”到“自主”的驚險一躍，通過“芯片能效曲線-算力中心形態(tài)-舉國體制定價權(quán)”三條主線同步逼近拐點，最終重塑了產(chǎn)業(yè)對“算力成本”與“算力安全”的雙重預(yù)期。定性來看，這一拐點由三條彼此咬合的鏈條驅(qū)動：國產(chǎn)AI芯片在架構(gòu)側(cè)完成“從0到1”后進(jìn)入“能效收斂”階段；數(shù)據(jù)中心產(chǎn)業(yè)由通用IDC(互聯(lián)網(wǎng)數(shù)據(jù)中心)轉(zhuǎn)向?qū)Ｓ肁IDC(人工智能數(shù)據(jù)中心);國家層通過“東數(shù)西算”與“算力券”把價格形成機(jī)制收回公共部門。三股力量同時發(fā)生作用，使得“算力”開始具備公共事業(yè)屬性，也為后續(xù)Agent要素化提供了成本可預(yù)期、供給可控制、安全可驗證的底座。首先，國產(chǎn)AI芯片的能效曲線在十四五階段走出明顯的“追趕-收斂”形態(tài)。由于美國2021年以后的實體清單限制，英偉達(dá)A100及H100的對華供應(yīng)被卡死，國內(nèi)云廠商與服務(wù)器廠被迫大規(guī)模評估國產(chǎn)方案。經(jīng)過2022-2023年稀疏化架構(gòu)、Chiplet封裝和本土制程良率爬坡，壁仞、沐曦、天數(shù)等第二代產(chǎn)品在FP16稠密算力/功耗比上開始具備“可替”條件。政策支持下，國產(chǎn)卡進(jìn)入“政府-市場”雙輪軌道，這是邊際成本繼續(xù)下降的關(guān)鍵條件。其次，數(shù)據(jù)中心形態(tài)出現(xiàn)“AI化”重構(gòu)。傳統(tǒng)IDC圍繞“機(jī)柜租金+帶寬溢價”定價，功率密度4-8kW,PUE1.5左右，面對GPU訓(xùn)練負(fù)載30-100kW/柜的爆發(fā)式功耗立刻顯得捉襟見肘：市電擴(kuò)容周期長、風(fēng)冷散熱極限低、樹形網(wǎng)絡(luò)延遲高。以甘肅慶陽為例，其在國家數(shù)據(jù)中心集群(甘肅·慶陽)“東數(shù)西算”產(chǎn)業(yè)園區(qū)數(shù)據(jù)中心建設(shè)指南中明確要求：(1)新建數(shù)據(jù)中心單項目規(guī)模應(yīng)不低于3000個標(biāo)準(zhǔn)機(jī)架，平均單機(jī)架功率不低于8kW,等級達(dá)到國標(biāo)A級。(2)PUE要求：新建大型、超大型數(shù)據(jù)中心PUE應(yīng)≤1.20。雖然各地執(zhí)行進(jìn)度不同，但方向一致——把放服務(wù)器的機(jī)房升級為放算力的工廠，讓電費而非機(jī)柜租金成為成本主體。產(chǎn)業(yè)界因此出現(xiàn)“冷板液冷”“浸沒液冷”“預(yù)制化變電站”等新供應(yīng)鏈，IDC運營商的財務(wù)報表也開始把“電力成本”單獨列示，并同地方政府談判“綠電+補(bǔ)貼”包干價，這是傳統(tǒng)IDC從未有過的商業(yè)模式。定性來看，AIDC與IDC的最大區(qū)別是：前者出售的是“瓦特×?xí)r”轉(zhuǎn)化來的“FLOPS×?xí)r”,后者出售的是“平方米×月”;當(dāng)電力成本占比超過45%,算力中心就天然具備公共事業(yè)屬性，必須靠“規(guī)模-低價-長周期”回收投資，而非“高租金-短租約”快速周轉(zhuǎn)，這正是政府端能介入定價的前提。最后，國家通過“東數(shù)西算”和“算力券”把價格形成機(jī)制收回公共部門，政府不再只是提供“地+電”的招商模式，而是通過補(bǔ)貼系數(shù)、能效比、貼現(xiàn)利率調(diào)節(jié)供需。這一制度變遷的深遠(yuǎn)影響是：算力價格不再由高端芯片巨頭定價，而是由“公共部門-市場”共同決定，意味著AI產(chǎn)業(yè)第1188行業(yè)深度報告·計算機(jī)行業(yè)的強(qiáng)制演進(jìn)，以及國家通過“電力補(bǔ)貼+算力券”收回定價權(quán)，三者共同構(gòu)成中國AI算力的質(zhì)變輪廓。我們認(rèn)為，未來五年，隨著工藝-封裝-液冷繼續(xù)迭代，中國智算中心有望率2.1算力國產(chǎn)化自給率不斷提升年中國IC市場規(guī)模為1640億美元，中國2022年IC制造業(yè)產(chǎn)值(中資制造業(yè)產(chǎn)值與外資制造業(yè)產(chǎn)值之和)為300億美元，整體來看2022年中國芯片自給率約為18.3%,其中中國大陸本土企業(yè)制造的芯片產(chǎn)值為152億美元，外資制造的芯片產(chǎn)值產(chǎn)值為148億美元，如果只計算中國大陸本土企業(yè)制造的芯片，自給率大概只有9.15%。我國半導(dǎo)體自給率相對2010年已經(jīng)有很大提升，但目前仍處于較低水平，預(yù)計2027年中國半導(dǎo)體自給率為26.63%。國產(chǎn)GPU市場規(guī)模猛增，產(chǎn)業(yè)規(guī)?？焖贁U(kuò)容，當(dāng)下產(chǎn)能仍然是制約國產(chǎn)芯片的瓶頸之一。根據(jù)艾瑞咨詢和中商產(chǎn)業(yè)研究院數(shù)據(jù)，2025年中國人工智能市場規(guī)模預(yù)計為3762億元，預(yù)計28年市場規(guī)模達(dá)到8110億元，預(yù)計25年中國GPU市場規(guī)模為預(yù)計為1200億元，2021-2025年期間，中國GPU市場規(guī)模年復(fù)合增長率為超20%,伴隨DeepSeek推動推理算力需求強(qiáng)勁增長疊加美國2.2高端芯片受禁令影響，國產(chǎn)AI芯片奮起直追雖然目前全球AI芯片市場被英偉達(dá)壟斷，國內(nèi)AI芯片投資熱度高企，芯片廠商研發(fā)投入持續(xù)加碼。目前國內(nèi)AI芯片第一梯隊有華為、寒武紀(jì)、海光信息等，單卡算力正在逐漸縮小與高端芯片差距。國產(chǎn)AI算力芯片中，華為昇騰910b單卡算力達(dá)到640TOPS(INT8);寒武紀(jì)思元370單卡算力256TOPS(INT8)。整體來看國產(chǎn)GPU單卡性能與英偉達(dá)H100等中高端產(chǎn)品性能接近。寒武紀(jì)的思元590和沐曦科技的曦云MXC500在算力和功耗上領(lǐng)先，發(fā)布時間集中在2023-2024年。整體來看，國產(chǎn)芯片(三)數(shù)據(jù)質(zhì)變：公共數(shù)據(jù)“財政化”與資產(chǎn)入表機(jī)制落地“十四五”時期，國內(nèi)人工智能產(chǎn)業(yè)在“數(shù)據(jù)”這一生產(chǎn)要素上出現(xiàn)的最大躍遷，公共數(shù)據(jù)由“政務(wù)共享”升級為“財政級要素”的制度閉環(huán)正式跑通。標(biāo)志事件有三：一是2022-2023年財政部連續(xù)就《企業(yè)數(shù)據(jù)資源相關(guān)會計處理暫行規(guī)定》公開征求意見，并于2024年1月1日起在全國施行，數(shù)據(jù)首次在會計意義上被確認(rèn)為“可辨認(rèn)無形資產(chǎn)”或“存貨”,從而具備入賬、攤銷、減值、質(zhì)押的全部條件；二是2023年《中共中央國務(wù)院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)作用的意見》(“數(shù)據(jù)二十條”)提出“公共數(shù)據(jù)政府指導(dǎo)定價、二級市場協(xié)商定價”的兩級價格體系，明確把政府掌握的原始數(shù)據(jù)作為全社會數(shù)據(jù)定價之“錨”;三是2024年國家發(fā)展改革委、國家數(shù)99三條政策相互咬合，形成了“政府授權(quán)-企業(yè)開發(fā)-市場定價-財政分成”的完整價值鏈，使公共數(shù)據(jù)可以借助資產(chǎn)入表機(jī)制把未來現(xiàn)金流提前折現(xiàn)為政府和企業(yè)資產(chǎn)負(fù)債表上的“硬資產(chǎn)”。從財政視角觀察，這一制度變遷的直接影響是地方政府獲得了一條新的、可持續(xù)的非稅收入來源。資產(chǎn)入表機(jī)制則把數(shù)據(jù)進(jìn)一步轉(zhuǎn)化為“資產(chǎn)”,使政府與企業(yè)在不增加隱性債務(wù)的前提下獲得一次性融資空間。需要強(qiáng)調(diào)的是，公共數(shù)據(jù)“財政化”并不意味著政府可以隨意擴(kuò)大分成比例或無限質(zhì)押融資。國家發(fā)展改革委在2025年相關(guān)政策解讀中強(qiáng)調(diào)建立數(shù)據(jù)資產(chǎn)收益分配機(jī)制，提出“誰投入、誰貢獻(xiàn)、誰受益”的原則。此外，國家數(shù)據(jù)局正在建立公共數(shù)據(jù)資源登記制度、授權(quán)運營規(guī)范以及相應(yīng)的信息披露機(jī)制，明確合規(guī)政策和管理要求，配合有關(guān)部門加強(qiáng)對公共數(shù)據(jù)產(chǎn)品和服務(wù)價格的指導(dǎo)和管理。這些制度安排表明，公共數(shù)據(jù)“財政化”并非回到“土地財政”的老路，而是通過透明定價、限額分成、強(qiáng)制審計把數(shù)據(jù)收益鎖進(jìn)“預(yù)算籠子”,使其成為可審計、可追責(zé)、可預(yù)期的正規(guī)財政渠道。綜合來看，十四五期間公共數(shù)據(jù)完成了“政務(wù)共享→授權(quán)運營→資產(chǎn)入表→財政分成”的四級跳，其制度意義遠(yuǎn)高于短期收入規(guī)模，其意義有三個層面：首先使得政府擁有了新的與土地?zé)o關(guān)、卻可自我造血的資產(chǎn)負(fù)債表渠道；其次使企業(yè)擁有了不依賴抵押土地、卻可質(zhì)押融資的新型無形資產(chǎn)；第三，使AI產(chǎn)業(yè)擁有了由政府背書、價格可預(yù)期、供給可持續(xù)的“財政級”數(shù)據(jù)原料池。隨著數(shù)據(jù)治理成本持續(xù)攤薄、運營場景不斷豐富，公共數(shù)據(jù)分成收入與資產(chǎn)估值仍有提升空間，但制度框架已提前設(shè)置天花板和審計閥，避免重蹈“土地財政”式泡沫。對于人工智能產(chǎn)業(yè)而言，這意味著未來五年的大模型訓(xùn)練與Agent場景落地將獲得一條“預(yù)算內(nèi)”低成本、高確定性、安全合規(guī)的數(shù)據(jù)供給通道，從而顯著降低商業(yè)應(yīng)用中的數(shù)據(jù)獲取與合規(guī)風(fēng)險，為“數(shù)據(jù)要素×AI”真正進(jìn)入規(guī)模經(jīng)濟(jì)提供了制度底座。3.1數(shù)據(jù)要素發(fā)展中間層暫時面臨卡點，待政策出臺及地方政策完備從產(chǎn)業(yè)鏈角度來看，數(shù)據(jù)要素市場分為底層數(shù)據(jù)資源化(數(shù)據(jù)供給)、中間層(數(shù)據(jù)資產(chǎn)化)、上層數(shù)據(jù)資本化(數(shù)據(jù)應(yīng)用),以及貫穿全產(chǎn)業(yè)鏈的數(shù)據(jù)服務(wù)，主要包括數(shù)據(jù)的安全服務(wù)、數(shù)據(jù)的存儲與計算等服務(wù)。數(shù)據(jù)要素基礎(chǔ)設(shè)施主要涵蓋提供計算、存儲與網(wǎng)絡(luò)的物理數(shù)據(jù)中心，和用于數(shù)據(jù)采集的物理設(shè)備等；數(shù)據(jù)流通交易主要涵蓋數(shù)據(jù)交易(數(shù)據(jù)產(chǎn)品的交易、數(shù)據(jù)中間態(tài)交易、原始數(shù)據(jù)交易、共性服務(wù)交易)、數(shù)據(jù)開放(政府?dāng)?shù)據(jù)開放、公共數(shù)據(jù)開放、行業(yè)開放共享平臺)、數(shù)據(jù)共享(政府間與政府內(nèi)數(shù)據(jù)共享、企業(yè)內(nèi)部數(shù)據(jù)共享);數(shù)據(jù)要素的應(yīng)用主要體現(xiàn)在個人、政府與千行百業(yè)。我們認(rèn)為，當(dāng)前我國數(shù)據(jù)要素發(fā)展中間層暫時面臨卡點，數(shù)據(jù)確權(quán)、數(shù)據(jù)資產(chǎn)定價和流通交易仍處于起步階段，制約底層數(shù)據(jù)供給側(cè)市場空間突破，及上層應(yīng)用側(cè)推進(jìn)；伴隨中央政策出臺及地方政策完備，市場機(jī)制有望逐步完善，以及AI應(yīng)用的場景落地，將打開數(shù)據(jù)要素全市場新的增長行業(yè)深度報告·計算機(jī)行業(yè)數(shù)據(jù)資產(chǎn)化數(shù)據(jù)資產(chǎn)化數(shù)據(jù)證券化數(shù)據(jù)確權(quán)數(shù)據(jù)資產(chǎn)定價數(shù)據(jù)銀行數(shù)據(jù)流通與交易數(shù)據(jù)信托數(shù)據(jù)采集數(shù)據(jù)整理數(shù)據(jù)聚合數(shù)據(jù)分析數(shù)據(jù)資本化數(shù)據(jù)資源化數(shù)據(jù)質(zhì)押融資圖5:數(shù)據(jù)要素市場三種主要流通交易方式數(shù)據(jù)交易數(shù)據(jù)共享數(shù)據(jù)開放03.2數(shù)據(jù)流通帶來公共數(shù)據(jù)運營新機(jī)遇數(shù)據(jù)開放層面主體以公共數(shù)據(jù)為主，政策促使公共數(shù)據(jù)價值釋放，將為數(shù)據(jù)安全、數(shù)據(jù)服務(wù)及數(shù)據(jù)存儲與計算等板塊帶來新機(jī)遇。數(shù)據(jù)開放是指提供方無償提供數(shù)據(jù)，有貨幣媒介參與的數(shù)據(jù)單向流通形式由于缺少直接的經(jīng)濟(jì)收益，企業(yè)的參與數(shù)據(jù)主要為公共數(shù)據(jù)。公共數(shù)據(jù)是政府部門在履行公共管理職責(zé)或提供公共的各類數(shù)據(jù)，由政府或其他公共機(jī)構(gòu)代為行使管2024年10月9日，中共中央辦公廳、國務(wù)院辦公廳授權(quán)公開發(fā)布《關(guān)于加快公共數(shù)據(jù)資源開發(fā)利用的意見》。2024年10月12日，國家數(shù)據(jù)局關(guān)于向社會公開征求《公共數(shù)據(jù)資源授權(quán)運營實施規(guī)范(試行)》(公開征求意見稿)意見，明確公共數(shù)據(jù)可以授權(quán)經(jīng)營，建立健全價格形成機(jī)制、不得壟斷行為，引導(dǎo)社會資本有序參與公共數(shù)據(jù)資源開發(fā)利用活動等核心要點。我們認(rèn)為，《首次明確公共數(shù)據(jù)可以授權(quán)經(jīng)營，加快推進(jìn)公共數(shù)據(jù)資源開發(fā)利用，有值潛能，更好發(fā)揮公共數(shù)據(jù)價值作用，加速數(shù)據(jù)要素市場化進(jìn)程，繁榮數(shù)據(jù)產(chǎn)可以推動公共服務(wù)透明公開，增強(qiáng)數(shù)字政府效能算，我國公共數(shù)據(jù)開放的潛在價值高達(dá)10萬億至15萬億元，在公共數(shù)據(jù)全生命周期安全管理機(jī)制建立、分類分級管理等數(shù)據(jù)安全機(jī)制完善的過3.3數(shù)據(jù)資產(chǎn)化入表進(jìn)程中，2025年中報披露數(shù)據(jù)資產(chǎn)入表總金額已至26.52億元數(shù)據(jù)交易層面，于企業(yè)而言，資產(chǎn)化是數(shù)據(jù)交易的前提，而數(shù)據(jù)資產(chǎn)化入表是數(shù)據(jù)資產(chǎn)化的主要落地形式。企業(yè)對數(shù)據(jù)進(jìn)行收集、整理、分析和挖掘以形成有價值的數(shù)據(jù)資源，經(jīng)評估和確認(rèn)后作為數(shù)據(jù)資產(chǎn)納入財務(wù)報表。財政部于2023年8月正式發(fā)布《企業(yè)數(shù)據(jù)資源相關(guān)會計處理暫行規(guī)定》(以下簡稱《暫行規(guī)定》),并規(guī)定自2024年1月1日起施行，數(shù)據(jù)資產(chǎn)化時代正式開啟。主要入表項目為無形資產(chǎn)、存貨與開發(fā)支出，無形資產(chǎn)適用于絕大部分情況。主要變化體現(xiàn)在由原來的損益類可轉(zhuǎn)換為資產(chǎn)類。在具體操作層面，根據(jù)《暫行規(guī)定》,企業(yè)在編制資產(chǎn)負(fù)債表時，應(yīng)當(dāng)根據(jù)重要性原則并結(jié)合本企業(yè)的實際情況，在“設(shè)“數(shù)據(jù)資源”項目。其中，無形資產(chǎn)反映資產(chǎn)負(fù)債表日確認(rèn)為無形資行業(yè)深度報告·計算機(jī)行業(yè)值；存貨反映資產(chǎn)負(fù)債表日確認(rèn)為存貨的數(shù)據(jù)資源的期末賬面價值；開發(fā)支出數(shù)據(jù)資產(chǎn)化入表的具體影響包括財務(wù)報表改善，利潤釋放，降低資產(chǎn)負(fù)債率，提升企業(yè)價值。過去，一些數(shù)據(jù)相關(guān)支出往往被確認(rèn)為期間費用項目，對企業(yè)當(dāng)期業(yè)績造成數(shù)據(jù)確認(rèn)為無形資產(chǎn)還是確認(rèn)為存貨，均屬資產(chǎn)項，有助于企業(yè)改善利潤率的經(jīng)營層面，數(shù)據(jù)入表后，企業(yè)投入壓力減小，有助于增長企業(yè)的經(jīng)營與研發(fā)的動力，深入挖掘數(shù)據(jù)多重價值。暫行規(guī)定并未改變資產(chǎn)確認(rèn)條件和計量基礎(chǔ)，且數(shù)據(jù)的估值與確權(quán)據(jù)同花順統(tǒng)計2025年半年報結(jié)果顯示，截至2025年9月1日，2025年中報共有110家A股上市公司披露數(shù)據(jù)資源入表情況，涉及總金額26.52億元。計算機(jī)行業(yè)入表數(shù)量最多共22家，通信行業(yè)入表金額最大共16.05億元。資產(chǎn)規(guī)模方面，計入無形資產(chǎn)的高達(dá)17.18億元，其次是開發(fā)支出9.12億元、存貨2,151.19萬元，分別占比為64.78%、34.41%、0.81%。變動趨勢方面，2025年中報首次披露入表的共12家，入表公司數(shù)量持續(xù)增加，范圍不斷擴(kuò)大至傳統(tǒng)制造業(yè)，其中回顧十四五階段，2020-2025年被普遍視為中國計算機(jī)視覺智能產(chǎn)業(yè)的“轉(zhuǎn)折五年”。技術(shù)端：ImageNet-1k單標(biāo)簽分類精度逼近90%理論天花板，模型參數(shù)與算力再擴(kuò)大兩個數(shù)量級僅帶來0.2-0.3%的納米級增益，研發(fā)彈性跌破1,標(biāo)志著以“結(jié)構(gòu)創(chuàng)新+監(jiān)督微調(diào)”為核心的傳統(tǒng)技術(shù)棧進(jìn)入邊際收益遞減區(qū)間；需求端，地方政府土地出讓收入持續(xù)下滑，安防類專項債發(fā)行規(guī)模萎縮，導(dǎo)致智慧交通、城市大腦等視覺項目預(yù)算出現(xiàn)負(fù)增長，算法溢價被迅速攤平?！笆奈濉逼陂g，供給曲線與支付曲線同步下移，形成“雙殺”格局，視覺人工智能業(yè)化階段。年國有土地使用權(quán)出讓收入4.87萬億元，同比下降16%,自2021年全國土地出讓收入創(chuàng)歷史新高達(dá)到8.7萬億元以來，2022年、2023年、2024年較上年的增速分別為-23.3%、-13.2%、-16%。,城投平臺資金緊張直接拉長AI系統(tǒng)付款周期，A股代表性四家視覺智能安防企業(yè)(?？低暋⒋笕A股份、千方科技、蘇州科達(dá))2021年平均應(yīng)收賬款周轉(zhuǎn)天數(shù)138天，到2024年升為174天，又技術(shù)側(cè)：“精度一算力”彈性<1與需求側(cè)“土地財政乘數(shù)”<1同時出現(xiàn)，使視覺AI行業(yè)在十四五期間面對“雙殺”局面：繼續(xù)投入難以獲得差異化，不投入則立刻喪失項目投標(biāo)資格，行業(yè)經(jīng)4.1上一輪以視覺智能主導(dǎo)的傳統(tǒng)安防市場陷入紅海，以?？低暫痛笕A股份為例4.1.1海康威視近五年傳統(tǒng)安防業(yè)務(wù)增長放緩公司傳統(tǒng)安防業(yè)務(wù)收入增速較低，2021-2024年期間，其國內(nèi)三大事業(yè)群中的公共事業(yè)群收入下降幅度最大，中小企業(yè)事業(yè)群也出現(xiàn)了下降，反映出傳統(tǒng)安防市場在經(jīng)過前期的快速發(fā)展后，逐漸趨于飽和，增長動力不足，整個安防行業(yè)面臨從傳統(tǒng)模式向新模式轉(zhuǎn)型的挑戰(zhàn)。用戶對于安防產(chǎn)品和服務(wù)的需求發(fā)生了變化，不再僅僅滿足于基礎(chǔ)的視頻監(jiān)控等功能，而是要求更高的智能化、集行業(yè)深度報告·計算機(jī)行業(yè)成化和個性化的解決方案，這使得傳統(tǒng)安防業(yè)務(wù)的增長受到一定限制。智能行業(yè)發(fā)展方向，?？低暦e極布局智能物聯(lián)領(lǐng)域，持續(xù)加大研發(fā)投入，推動安防產(chǎn)品和解決方案的圖7:?？低暶?022年下降后企穩(wěn)圖7:?？低暶?022年下降后企穩(wěn)一毛利率(%)202420212022202320244.1.2大華股份傳統(tǒng)安防業(yè)務(wù)仍占主導(dǎo)，2022年后傳統(tǒng)業(yè)務(wù)增速低迷，尋求新增長點2021年安防行業(yè)需求旺盛，公司營收增速高達(dá)24.07%,受益于疫情后經(jīng)濟(jì)復(fù)蘇以及安防技術(shù)的數(shù)字化轉(zhuǎn)型帶來的市場機(jī)遇。隨后幾年增速明顯放緩，2022年觸底，營收同比下降6.91%;2025年上半年，公司營收同比增長2.12%,暫時止住下行趨勢。從2025年中報業(yè)務(wù)結(jié)構(gòu)來看，其傳統(tǒng)安防業(yè)務(wù)占比仍高達(dá)77.34%,創(chuàng)新業(yè)務(wù)包括機(jī)器視覺、熱成像、汽車電子等雖成為重要增長點，同比增長22.83%,但整體規(guī)模有限，無法完全彌補(bǔ)核心業(yè)務(wù)的放緩。安防行業(yè)正在向智能化、場圖8:大華股份2022年營收增速降至負(fù)值圖9:大華股份2023年毛利率反彈至高點2024行業(yè)深度報告行業(yè)深度報告·計算機(jī)行業(yè)2020至2024年，以大華股份、千方科技、?？低暋⑻K州科達(dá)為代表的四家安防企業(yè)，應(yīng)收賬款周轉(zhuǎn)天數(shù)呈增加趨勢，2024年四家公司應(yīng)收賬款周轉(zhuǎn)天數(shù)算數(shù)平均值從2020年148天升至173.64天；扣非后銷售凈利率呈下降趨勢，四家公司扣非后銷售凈利率算數(shù)平均值從2020年10.29%降至-2.80%。圖10:四家安防公司應(yīng)收賬款周轉(zhuǎn)天數(shù)算數(shù)平均值呈增加趨勢圖11:四家安防公司扣非后銷售凈利率算數(shù)平均值呈下降趨勢4.2云計算SaaS企業(yè)估值壓縮，PS從高雙位數(shù)回落2020-2023年，國內(nèi)SaaS板塊經(jīng)歷了產(chǎn)業(yè)內(nèi)生及流動性收縮雙重驅(qū)動下的“估值去泡沫”。首先，技術(shù)紅利率先退坡：2015-2019年移動化、云端化、API化三浪疊加，使CRM、OA、HR等通用模塊在中小企業(yè)快速滲透，但2020年后，最后一波“上云”需求釋放完畢，通用模塊滲透率越過50%臨界點，邊際客戶轉(zhuǎn)向“流程不規(guī)范、付費意愿低”的長尾群體，新增ARR增速自然下臺階。與此同時，技術(shù)側(cè)缺乏下一代平臺接棒：低代碼、RPA、超自動化雖被反復(fù)提及，卻仍停留在項目制交付，無法像當(dāng)年“云+移動”那樣提供指數(shù)級效率躍升，行業(yè)失去繼續(xù)給予高PS的技術(shù)故事。需求端則陷入預(yù)算收縮+定制化陷阱的雙重擠壓。2021年起，平臺經(jīng)濟(jì)監(jiān)管、教培、地產(chǎn)鏈條收縮，使SaaS公司此前深耕的高成長行業(yè)集體削減IT預(yù)算；中小企業(yè)面對原材料、人力成本上升，也將訂閱制軟件視為可砍支出。更關(guān)鍵的是，國內(nèi)98%企業(yè)為中小微企業(yè)，業(yè)務(wù)流程非標(biāo)準(zhǔn)化，迫使SaaS廠商以“標(biāo)準(zhǔn)產(chǎn)品+大量二次開發(fā)”方式交付，項目邊際成本居高不下，毛利率被拖至50-60%以下，遠(yuǎn)低于海外SaaS70%+水平。為留住客戶，廠商又不得不持續(xù)疊加免費模塊、延長賬期，導(dǎo)致銷售費用率長期高位，續(xù)費率卻持續(xù)下滑。“增速下滑+盈利無期”使國內(nèi)SaaS板塊失去高溢價理由。展望未來，若出現(xiàn)真正的平臺級技術(shù)(如生成式AI原生SaaS)并證明可將交付成本降低30%以上，或行業(yè)從“通用模塊”轉(zhuǎn)向“高價值深度場景”實現(xiàn)毛利率回升，SaaS(未來將升級為AaaS,AgentasaService)板塊估值將迎來真正意義上的反彈。以用友網(wǎng)絡(luò)和金蝶國際為例，估值下行趨勢已經(jīng)反映在PS指標(biāo)上。行業(yè)深度報告·計算機(jī)行業(yè)202411-般202411-般階段一：攻關(guān)(2017-2019)2017年國務(wù)院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》首次將人工智能上步走”目標(biāo)：2020年與世界同步，2025年部分領(lǐng)域領(lǐng)先，2030年總體領(lǐng)先。文件把“突破基礎(chǔ)理論與核心算法”列為首要任務(wù)，啟動首批國家重大科技專項，并在北京、上臺等“卡脖子”環(huán)節(jié)。這一階段的政策關(guān)鍵詞是“技術(shù)攻關(guān)”,治理目標(biāo)聚焦于“不被斷供”,尚階段二：筑基(2020-2021)隨著中美技術(shù)脫鉤加速，2020年《國家新一代人工礎(chǔ)共性、安全倫理”納入國家標(biāo)準(zhǔn)清單，標(biāo)志著政策重心從“單點技術(shù)”轉(zhuǎn)向“制度年《數(shù)據(jù)安全法》《個人信息保護(hù)法》相繼生效，為后續(xù)AI大規(guī)模應(yīng)用劃出“數(shù)據(jù)紅線”;2023年底，工信部等六部門發(fā)布《算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展行動計劃》,提出到2025年，計算力方面，算力規(guī)模超過300EFLOPS,智能算力占比達(dá)到35%,東西部算力平衡協(xié)調(diào)發(fā)展，并計算力、運載力、存儲力以及應(yīng)用賦能四個方面提出了到2025年發(fā)展量化指標(biāo)，引導(dǎo)算力基礎(chǔ)設(shè)施高質(zhì)量發(fā)展。制度層面，2020年3月18日，批準(zhǔn)成立全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會人工智能分技術(shù)委員會 (SAC/TC28/SC42),秘書處設(shè)在中國電子技術(shù)標(biāo)準(zhǔn)化研究院(以下簡稱“電子標(biāo)準(zhǔn)院”)。階段三：應(yīng)用(2022-2023)2022年科技部等六部門印發(fā)《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》,首次以國務(wù)院部門文件形式提出“場景創(chuàng)新”概念，提出制造、農(nóng)業(yè)、物流、金融、商務(wù)、家居等重點行業(yè)深入挖掘人工智能技術(shù)應(yīng)用場景，促進(jìn)智能經(jīng)濟(jì)高端高效發(fā)展。2023年7月由國家網(wǎng)信辦聯(lián)合國家發(fā)展改革委、教育部、科技部、工業(yè)和信息化部、門于聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》,在全球率先對AIGC實施“備案+安全評估”容可信”,為社會治理層面的規(guī)?；渴鹛峁┝撕弦?guī)模板。行業(yè)深度報告·計算機(jī)行業(yè)階段四：躍遷(2024-2025)2024年《政府工作報告》首次在“社會治理”段落而非“產(chǎn)業(yè)升級”“深化人工智能研發(fā)應(yīng)用，開展‘人工智能+’行動”;2024年6月，工信部等四部門聯(lián)合印發(fā)《國家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)化體系建設(shè)指南(2024版)》;2025年8月國務(wù)院印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》,給出2027/2030/2035三階段量化目標(biāo)：2027年形成3-5個全球領(lǐng)先的通用大模型、100個以上高質(zhì)量行業(yè)大模型、1000個規(guī)?；涞貓鼍埃?030年：人工智能核心產(chǎn)業(yè)規(guī)模超1萬億元，帶動相關(guān)產(chǎn)業(yè)突破10萬億元；2035年成為全球AI創(chuàng)新高地，全面支撐新進(jìn)技術(shù)迭代升級；二是強(qiáng)調(diào)規(guī)范性，明確技術(shù)應(yīng)用的規(guī)則和邊界，確保技術(shù)政策旨在一方面，推動技術(shù)更好地服務(wù)社會，提升經(jīng)濟(jì)和社會發(fā)展的質(zhì)量和效益；另一方面，確保技術(shù)應(yīng)用的安全、可靠和可持續(xù)，防范技術(shù)風(fēng)險，保障社會公共利益和公術(shù)與社會的和諧共生，通過強(qiáng)調(diào)場景落地、產(chǎn)業(yè)規(guī)模、安全治理三位一體，惠、政府采購、標(biāo)準(zhǔn)認(rèn)證多管齊下，對AI產(chǎn)業(yè)的支持力度不斷加強(qiáng)，奠定了未來五年中國人工智內(nèi)容中共中央國技術(shù)創(chuàng)新體系和數(shù)字安全屏障“兩大能力”,優(yōu)化數(shù)字化發(fā)展國內(nèi)國際“兩個環(huán)境國務(wù)院以上企業(yè)軟件業(yè)務(wù)收入突破14萬億元，年均增長12%以上。工業(yè)APP突破100萬個。建設(shè)2-3個有國際影響力的開源社區(qū)。高水平建成20家中國軟件名園。制造業(yè)數(shù)字化轉(zhuǎn)型步伐明顯加快，全國兩化普及。2)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型成效顯著。3)融合支撐體系持續(xù)完善。4)企業(yè)面激發(fā)。5)融合生態(tài)體系繁榮發(fā)展。中華人民共民代表大會生活方式和治理方式變革。明確到2025年，我國數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值要由2020年的7.8%提升至10%。中華人民共民法院意見》,提出到2025年初步建成智能輔助體系，到2030年形成規(guī)范、高效的司法人工智中共中央辦院辦公廳的意見》實主體責(zé)任、加強(qiáng)審查監(jiān)管、開展教育培訓(xùn)等舉措，以促進(jìn)科技與倫理工業(yè)和信息互聯(lián)網(wǎng)信息部門理暫行辦法》續(xù)等方面進(jìn)行支持和補(bǔ)充，使生成式人工智能服務(wù)得到更加全面和部門濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》拓展，為開展人工智能場景創(chuàng)新奠定了堅實基礎(chǔ)。范》國家標(biāo)準(zhǔn)化等五部門與服務(wù)、行業(yè)應(yīng)用、安全/倫理八部分組成的國家新一代人工智能標(biāo)準(zhǔn)體系框架。部門并重的培養(yǎng)體系。林草局發(fā)展的指導(dǎo)意見》行業(yè)深度報告·計算機(jī)行業(yè)造的增量收益”抽成，把AI收入曲線從線性推向指數(shù)，從而由“成本中心”轉(zhuǎn)到“利潤中心”。8月26日，國務(wù)院正式印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》,其意義超出了一般的政策指導(dǎo)，標(biāo)志著“人工智能+”概念正式升級為國家戰(zhàn)略行動，我國人工智能發(fā)展實現(xiàn)從技術(shù)突破向2025年8月26日，國務(wù)院印發(fā)《關(guān)于深入實施“人工智能+”行動的意見》(以下簡稱《意見》),首次以國家級文件明確AI與六大領(lǐng)域(科技、產(chǎn)業(yè)、消費、民生、治理、全球合作)的融合時間表，提出“實現(xiàn)人工智能與6大重點領(lǐng)域廣泛深度融合”,"到2027年新一代智能終端、智能體等應(yīng)用普及率超70%,2030年超90%、2035年全面步入智能社會”的三階段目標(biāo)，并配套八大基礎(chǔ)支撐能力(算力、數(shù)據(jù)、模型、開源、人才、法規(guī)、安全、國際合作),為中國發(fā)展AI“單純技術(shù)革命”向“國家經(jīng)濟(jì)范式重構(gòu)”的躍遷，文件以普及率、規(guī)模、治理能力三大硬性指標(biāo)替代過去模糊的“鼓勵發(fā)展”表述，實質(zhì)是把AI競爭定義為國家“底層操作系統(tǒng)”級別的戰(zhàn)略定2025-2035年人工智能對我國TFP平均增速拉動1.3%左右。進(jìn)一步外推出AI對GDP的拉動效應(yīng)，測算得到到2035年，人工智能將對GDP額外拉動14.8%左右，真正成為中國發(fā)展新質(zhì)生產(chǎn)力的核第三產(chǎn)業(yè)，實現(xiàn)工業(yè)全要素智能化(AI+工業(yè)互聯(lián)網(wǎng))、農(nóng)業(yè)數(shù)智化(精準(zhǔn)種植/智能農(nóng)機(jī))、服務(wù)業(yè)無人化(服務(wù)智能終端/智能體),我們預(yù)計，到2035年AI賦能傳統(tǒng)產(chǎn)業(yè)增量有望達(dá)7.3萬億元(中性情景);3、消費場景：智能終端“萬物智聯(lián)”(AR眼鏡/智能網(wǎng)聯(lián)汽車)、AI+元宇宙沉浸式消費，根據(jù)我們此前測算，2035年AIoT終端市場規(guī)模預(yù)計5.37萬億元；4、民生場景：教育、醫(yī)療、養(yǎng)老三大領(lǐng)域，直接對應(yīng)2G市場，對應(yīng)領(lǐng)域財政支出有望向AI支出傾斜；5、治理場景：按照《意見》社會治理人機(jī)共生新圖景下，預(yù)計數(shù)字孿生、車路云、低空經(jīng)同一數(shù)據(jù)底座，為地方政府基建投資提供新抓手同時，也為數(shù)據(jù)要素市作場景：提出“幫助全球南方國家加強(qiáng)人工智能能力建設(shè)”,我們認(rèn)為，這實際上是以開源模型+算力云服務(wù)+人才培訓(xùn)為組合，推動“數(shù)字絲綢之路2.0”拓展，打造AI能力出海標(biāo)準(zhǔn)并開拓增量集群+全國一體化算力網(wǎng)”,加大數(shù)、算、電、網(wǎng)等資源協(xié)同，我們預(yù)計2025-2030年國產(chǎn)AI芯片出貨量將高速增長，液冷、綠電直供、儲能配套將同步放量；2、數(shù)據(jù)側(cè)：公共數(shù)據(jù)開分置，將有力催生數(shù)據(jù)標(biāo)注、合成、交易全產(chǎn)業(yè)鏈?zhǔn)袌鰯U(kuò)容；開源生態(tài)”,意味著高校、央企、民企可共用一套開源底座，降低重復(fù)投入，提升迭代速度，發(fā)揮舉國體制保障模型保持國際領(lǐng)先；4、生態(tài)側(cè)：以頂尖人才梯隊、精準(zhǔn)政策法規(guī)、體系化安全能力、深度國際合作為四大支柱，構(gòu)建可持續(xù)的“護(hù)城河”。依托中試基地和共性平臺加速應(yīng)用落地，通過開源社區(qū)匯聚全球模型、工具與數(shù)據(jù)，形成開放共贏的繁榮生態(tài)。2.1人機(jī)交互范式演進(jìn)到CUI是重大突破，智能體從“被動執(zhí)行”到“自主協(xié)作”人機(jī)交互范式的演進(jìn)不斷深化，從最初的GUI(圖形界面),到LUI(自然語言界面),再到如今的CUI(對話式界面),反映了AI從“能用”到“好用”,再到“智能協(xié)作”的轉(zhuǎn)變?；ヂ?lián)網(wǎng)時代以GUI(圖形用戶界面)作為人機(jī)交互的核心范式，通過視覺隱喻和WIMP(窗口、圖標(biāo)、菜單、指針)架構(gòu)將計算機(jī)操作轉(zhuǎn)化為直觀的可視化交互，顯著降低了用戶使用門檻，推動了信息技術(shù)的普及化進(jìn)程。AI發(fā)展初期，LUI以自然語言(文本/語音)作為主要輸入，典型形態(tài)是“查詢式搜索+語音助手執(zhí)行”,代表性應(yīng)用包括Google搜索與Siri。LUI在“降門檻、提效率”的單步交互上邊際收益顯著,而在復(fù)雜業(yè)務(wù)流程與自主協(xié)作方面則需要借助對話式與多模態(tài)能力完成范式升級。CUI(ConversationalUserInterface,對話式界面)是交互范式的第三次飛躍，它幫助Agent的ClaudeOpus4成為代表性模型，它們具備長期任務(wù)規(guī)劃、復(fù)雜推理與跨模態(tài)處理能力，被視為Agent進(jìn)入“自主協(xié)作體”階段的標(biāo)志。CUI的落地遵循“感知-規(guī)劃-執(zhí)行-記憶”的完整閉環(huán)：一、輸入層通過ASR或文本解析將語音、自然語言轉(zhuǎn)化為tokens,構(gòu)建人機(jī)交互入口；二、理解層借助大模型生成對話狀態(tài)，并結(jié)合歷史上下文實現(xiàn)語義追蹤；三、規(guī)劃層依托自主任務(wù)拆解與路徑搜索，判斷是否需要調(diào)用外部工具或進(jìn)行本地生成；四、執(zhí)行層通過FunctionCalling或MCP標(biāo)準(zhǔn)接口對接ERP、CRM等業(yè)務(wù)系統(tǒng)，完成真實業(yè)務(wù)操作；五、記憶層將交互信息進(jìn)行摘要與向量化存儲，實現(xiàn)跨任務(wù)的持續(xù)記憶與個性化推薦；六、安全層則在全鏈路引入合規(guī)審查、輸出約束與人工兜底機(jī)制，確保系統(tǒng)在企業(yè)級應(yīng)用中具備穩(wěn)定性與可控性。&問答代碼編寫硬件通信在應(yīng)用層面，CUI的演進(jìn)直接衍生出多類工具矩陣：1、工具調(diào)用與編排類產(chǎn)品快速興起，以O(shè)penAIAgentSDK、AnthropicBrowserUse、谷歌A2A協(xié)議為代表，幫助開發(fā)者在統(tǒng)一接口下實現(xiàn)跨系統(tǒng)自動化與多Agent協(xié)作；2、在協(xié)議與接口層面，MCP(ModelContextProtocol)成為解決模型與API碎片化的關(guān)鍵標(biāo)準(zhǔn)，讓一次開發(fā)即可適配多模型調(diào)用；3、在記憶與知識管理層，行業(yè)深度報告·計算機(jī)行業(yè) 53●CUI的發(fā)展促使Agent應(yīng)用從功能導(dǎo)向轉(zhuǎn)向任務(wù)導(dǎo)向，未來五年Agent有望從“成本中心”轉(zhuǎn)成“利潤中心”。伴隨著AIAgent從“被動工具”邁向“自主決策體”,并且從個體走向協(xié)作，AIAgent的商業(yè)模式也將發(fā)生變革，AIAgent應(yīng)用的競爭點正從“提供工具”向“交付價值”轉(zhuǎn)變。能真正提升下游企業(yè)利潤的AIAgent應(yīng)用將會勝出，從“成本中心”轉(zhuǎn)成“利潤中心”。從付費獲取產(chǎn)品使用權(quán)，與實際使用次數(shù)和效果無強(qiáng)相關(guān)。該模式下，收入來源靠用戶規(guī)模擴(kuò)張。對服務(wù)商而言，收入和算力成本之間存在明顯的線性關(guān)系用戶每次調(diào)用接口按token或次數(shù)收費。調(diào)用制初期的進(jìn)入門檻。但其收入邏輯仍然是“調(diào)用量×單價”,呈現(xiàn)近似線性的增長。邊際算力成本幾再僅僅是被動調(diào)用工具，而是能自主規(guī)劃、執(zhí)行復(fù)雜任務(wù)，甚至直接產(chǎn)生業(yè)式也向“按結(jié)果付費”轉(zhuǎn)變。具體而言，Agent可根據(jù)為客戶節(jié)省的人力成本或成，形成效果驅(qū)動的分成機(jī)制。這一模式下，客戶的付費意愿更強(qiáng)，單客收按月/年固定收費收入可預(yù)期，客戶進(jìn)入門檻低收費長OpenAIAPI、火山引擎的成本分成收入=基礎(chǔ)調(diào)用費+結(jié)果分成×任務(wù)價值×節(jié)點資料來源：中國銀河證券研究院請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。行業(yè)深度報告·計算機(jī)行業(yè)Agent結(jié)果分成制把AI收入曲線從線性推向指數(shù)。收入公式演變?yōu)椋喝朐诟鼜?fù)雜的業(yè)務(wù)流程中，例如財務(wù)審計、智能化營銷、供應(yīng)鏈優(yōu)化等，這些場可能達(dá)到數(shù)十萬甚至上百萬元級別。任務(wù)復(fù)雜度的提升，使得單任務(wù)的變現(xiàn)能力遠(yuǎn)超API層面，顯著抬高了收入的價值基數(shù)。其次，結(jié)果分成機(jī)制突破了線性疊加的天花板，使得收入與客戶價值深度綁定。傳統(tǒng)模式中，服務(wù)商賣的是調(diào)用次數(shù)，用戶體驗的好壞與收入并無直接省的人力成本抽取5%,營銷Agent可以按照新增GMV抽取10%。這種“效果付費”模式不僅讓被使用得越多，沉淀的場景經(jīng)驗、插件生態(tài)和知識記憶就越豐富，新用戶無需用”的飛輪循環(huán)，使得每一個新增用戶帶來的邊際價值并非線性疊加，而是圖17:AIAgent結(jié)果分成制把AI收入曲線從線性推向指數(shù)結(jié)果分成制調(diào)用制訂閱制資料來源：中國銀河證券研究院圖18:AIAgent收入曲線的“乘法效應(yīng)”資料來源：中國銀河證券研究院綜合來看，任務(wù)價值、結(jié)果分成和網(wǎng)絡(luò)節(jié)點三者相互疊加，構(gòu)成了AIAgent商業(yè)模式的“乘法效應(yīng)”:單點價值提升、收益模式創(chuàng)新與規(guī)模外溢循環(huán)共同作用，使得收入邏輯從“加法”演進(jìn)為“乘法”,從而實現(xiàn)了真正意義上的由線性增長向指數(shù)增長的躍遷。這不僅意味著單個企業(yè)的商體，應(yīng)用于內(nèi)容創(chuàng)作、教育輔導(dǎo)等場景，提升營銷效率，也可輔助教學(xué)；阿里推出“百煉平臺”,支持從模型調(diào)用到插件集成的全流程智能體開發(fā)，應(yīng)用于電商服務(wù)助手、日訊的“元器”,結(jié)合混元大模型與微信生態(tài)，實現(xiàn)一站式創(chuàng)建和分發(fā)，應(yīng)用于客服助手、內(nèi)容創(chuàng)作中國銀河證券|CGS行業(yè)深度報告·計算機(jī)行業(yè)等場景，可以提升服務(wù)效率，輔助創(chuàng)作。群體使用的海外MaaS平臺的調(diào)用量),按照大模型調(diào)用量的市場份額來看，字節(jié)火山引擎占據(jù)了46.4%的市場份額，位列第一，其次為百度智能云(19.3%)和阿里云(19.3%)。此外，騰訊云、中國移動、天翼云等其他廠商整體占據(jù)15%的市場份額。2024年模型調(diào)用量仍然以文本類的能力為主，2024Q4語音類模型調(diào)用量也開始增長。預(yù)計2025年圖像、視頻類大模型的調(diào)用量也將開始起量，成為驅(qū)動未來2年大模型tokens增長的重要力量。圖19:中國圖19:中國AIAgent行業(yè)圖譜智能體開發(fā)平臺生產(chǎn)力智能體騰訊元器KUNLUN文心智能體平臺阿里云百煉文心快碼企業(yè)級智能體企業(yè)級智能體眾數(shù)信科DEEPINSIGHT83KinesysAlZelinlVanus聯(lián)想百應(yīng)猴子無限焦點科技卓世科技Agent應(yīng)用層由生產(chǎn)力智能體和企業(yè)級智能體組成。生產(chǎn)力智能體目標(biāo)以提升效率為核心，大模型廠的通用型智能體占據(jù)重要比例，提供“智能體即服務(wù)”(AaaS),此外編程、教育、創(chuàng)作等領(lǐng)域的應(yīng)用增長最快，呈現(xiàn)百花齊放的格局。根據(jù)火山引擎數(shù)據(jù)，其AI工具類場景tokens消耗5個月增長4.4倍，其中AI搜索增長10倍，AI編程增長8.4倍，K12在線教育增長12倍。智能巡檢、視頻檢索等新場景突破日均百億tokens。同時，根據(jù)Anthropic發(fā)布的《AI經(jīng)濟(jì)指數(shù)》報告，Claude模型的使用量里計算機(jī)和數(shù)學(xué)占比37.2%(編程、開發(fā))、藝術(shù)和創(chuàng)作10.3%、教育/檔案不同于生產(chǎn)力智能體，企業(yè)級智能體的參與者更大比例是原有深耕垂直領(lǐng)域的SaaS服務(wù)商，SaaS服務(wù)商迎來彎道超車的機(jī)遇。由于MCP、A2A協(xié)議出現(xiàn)以及Agent生態(tài)的日漸豐富，當(dāng)企業(yè)級智能體共享數(shù)據(jù)并協(xié)作時，故障模式會呈指數(shù)級增長，而這些故障對基礎(chǔ)設(shè)施的影響是巨大的，對于企業(yè)來說，無論是為智能體重新構(gòu)建架構(gòu)還是事后補(bǔ)救基礎(chǔ)設(shè)施，成本都很高，與企業(yè)降本增效的初衷背道而馳。而SAAS服務(wù)商能很好地幫企業(yè)解決這種復(fù)雜性部署，因此在Agent技術(shù)布局具有先發(fā)優(yōu)勢的SAAS企業(yè)有望迎來彎道超車的機(jī)遇。我們認(rèn)為，當(dāng)前企業(yè)在應(yīng)用AIAgent時會重點考慮投資回報率(ROI),結(jié)合各行業(yè)的場景標(biāo)準(zhǔn)化程度、數(shù)據(jù)基礎(chǔ)與商業(yè)價值，綜合來看企業(yè)級智能體有望最快落地的領(lǐng)域按優(yōu)先級排序為：教育。企業(yè)服務(wù)(OA/ERP/CRM等)營銷/電商醫(yī)療/教育政策為Agent應(yīng)用發(fā)展提供優(yōu)質(zhì)環(huán)境。《關(guān)于深入實施“人工智能+”行動的意見》以硬基礎(chǔ)和軟建設(shè)為保障，統(tǒng)籌發(fā)展和安全，圍繞模型、數(shù)據(jù)、算力、應(yīng)用、開源、人才、政策法規(guī)、安全8個方面，系統(tǒng)構(gòu)建人工智能基礎(chǔ)支撐體系，為Agent應(yīng)用發(fā)展構(gòu)建一個全鏈條、全要素、全周期的優(yōu)質(zhì)發(fā)展環(huán)境。在制造、醫(yī)療、交通、金融、能源等關(guān)鍵領(lǐng)域，布局建設(shè)一批人工智能應(yīng)用中試基地。這些基地作為集共性技術(shù)研發(fā)、標(biāo)準(zhǔn)驗證、人才實訓(xùn)、生態(tài)孵化于一體的戰(zhàn)略性平臺，能將通用大模型轉(zhuǎn)化為解決行業(yè)痛點的專用方案，大幅降低AI技術(shù)的產(chǎn)業(yè)化門檻。其次，通過培育一批專業(yè)的人工智能應(yīng)用服務(wù)商，發(fā)展“模型即服務(wù)”(MaaS)“智能體即服務(wù)”(AaaS)等新模式新業(yè)態(tài)，構(gòu)建一個專業(yè)化、精細(xì)化、平臺化的人工智能應(yīng)用服務(wù)鏈。這將使AI能力像積木一樣可被靈活調(diào)用，加速其在千行百業(yè)的滲透。最后，建立容錯試錯與激勵機(jī)制，破解AI創(chuàng)新面臨的“高風(fēng)險、長周期”的難題。對于大模型廠來說，通過構(gòu)建Agent生態(tài)平臺以及提供通用型智能體，未來有望從“賣算力”轉(zhuǎn)變?yōu)椤百uMaaS及AaaS服務(wù)”,價值量得到提升；對于SaaS服務(wù)商來說，通過提供企業(yè)級智能體，未來有望從“賣license”轉(zhuǎn)變?yōu)椤百u勞動力”,基于利潤分成的商業(yè)模式一旦形成，市場空間巨大。3.1芯片層正從GPU到ASIC演繹，國產(chǎn)算力芯片迎來新格局算力芯片主流架構(gòu)當(dāng)前以GPU和ASIC為主。芯片架構(gòu)有CPU、GPU、ASIC、FPGA等，其中DPU(DataProcessingUnit,數(shù)據(jù)處理單元)、NPU(NeuralProcessingUnit,神經(jīng)網(wǎng)絡(luò)處理單元)以及TPU(TensorProcessingUnit,張量處理單元)也屬于ASIC芯片。峰值算力(TFLOPS)帶寬高低資料來源：DeepHubIMBA,中國銀河證券研究院國產(chǎn)AI算力芯片仍然以GPU為主，市場份額為89%左右。根據(jù)融中咨詢數(shù)據(jù)，2024年國內(nèi)AI算力芯片仍然以GPU為主，國內(nèi)GPU市場規(guī)模大約占AI算力芯片總市場規(guī)模的89%,包括華為910系列NPU在內(nèi)的ASIC芯片占10.6%,此外FPGA大約占總規(guī)模的0.4%。行業(yè)深度報告·計算機(jī)行業(yè)資料來源：融中咨詢，中國銀河證券研究院GPU(GraphicsProcessingUnit,圖形處理器)是專為高速處理圖形和圖像數(shù)據(jù)而設(shè)計的渲染計算機(jī)游戲、影視動畫等內(nèi)容，由于其高并行處理架構(gòu)，數(shù)千個計算核任務(wù)，加速矩陣運算和向量處理，通過CUDA、OGPU目前廣泛被應(yīng)用于AI模型訓(xùn)練與推理、HPC(高性能計算)、區(qū)塊鏈與加密計算等領(lǐng)域。GPU為TsensorFlow、PyTorc憑借強(qiáng)大的浮點運算能力，大量應(yīng)用于物理、化學(xué)、氣候模擬等精密計算與科學(xué)研究方向，同時也2024年中國加速卡出貨量英偉達(dá)占據(jù)70%市場份額，以華為為代表的ASIC芯片加速滲透。根據(jù)IDC數(shù)據(jù)，2024年中國本土加速卡出貨量仍然以英偉達(dá)占據(jù)70%市場份額，出貨量達(dá)到1904742張，其在性能上做了大幅削減。華為昇騰ASIC系列芯片以644102張占據(jù)23%的市場份額.此外在第三梯隊中，百度以69279張出貨量占據(jù)大部分市場份額，國產(chǎn)算力芯片當(dāng)前正加速滲圖21:2024中國加速卡出貨量，英偉達(dá)占主導(dǎo)地位(單位：張)Nvidia資料來源：IDC,中國銀河證券研究院圖22:2024中國加速卡其他廠商出貨情況林曦家武紀(jì)資料來源：IDC,中國銀河證券研究院請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。行業(yè)深度報告·計算機(jī)行業(yè)系統(tǒng)增強(qiáng)了GPU的可編程性和應(yīng)用擴(kuò)展性，占據(jù)全球領(lǐng)先地位；其最新架預(yù)計今年9月開始出貨，其次AMD的InstinctMI350于2025年6月13日在AdvancingAI2025集成1850億晶體管，支持FP8、FP6、FP4等多種浮點精度格式；Intel近幾年通過Gaudi、Arc和DataCenterGPUMax拓展GPU市場，專注AI加速計算和高性能計算領(lǐng)域。架構(gòu)GPU顯存帶寬最大熱設(shè)計功耗(TDP)互聯(lián)技術(shù)128GB/s256GB/s257GB/s資料來源：半導(dǎo)體綜研，中國銀河證券研究院GPU在處理并行計算能力優(yōu)與CPU,國產(chǎn)GPU芯片以壁仞科技BR100GPU芯片是景嘉微的JM5400于2015年研制成功，2022年8月壁仞科技發(fā)布首款通用GPUBR100系列，采用7nm工藝，集成770億晶體管并應(yīng)用Chiplet與2.5DCoWoS先進(jìn)封裝技術(shù)，其峰值算力達(dá)每年千萬億次，16位浮點算力超1000T,8位定點算力超2000T,搭載原創(chuàng)“壁立仞”架構(gòu)，兼容主流深度學(xué)習(xí)框架，配套推出OAM服務(wù)器、PCIe板卡及BIRENSUPA軟件平臺。(FP16),采用華為全棧生態(tài)CANN6.0+MindSpore,可以支持動態(tài)任務(wù)調(diào)度及Agent任務(wù)分解等，目前應(yīng)用于運營商智算中心、政府云以及一部分互聯(lián)網(wǎng)企業(yè)等；寒武紀(jì)億思元370/590為代表，采用7nm工藝制造，思元370單卡算力可以達(dá)到256TOPS(INT8)/96TFLOPS(FP16),集成MLU-Link多芯互聯(lián)替代NVLink,兼容PyTorch/TensorFlow降低遷移成本。廠商產(chǎn)品芯片類型顯存類型顯存帶寬昇騰910b行業(yè)深度報告行業(yè)深度報告·計算機(jī)行業(yè)寒武紀(jì)云燧T21天數(shù)智芯天垓150昆侖芯-阿里平頭哥--GPU具備極強(qiáng)處理并行能力，但仍有一定局限性。GPU可以通過強(qiáng)大的并行計算處理龐大的計算量，但仍然存在一定局限性如，1)算力浪費：英偉達(dá)為代表的傳統(tǒng)GPU通用計算架構(gòu)冗余度較高，通常在Agent或者推理任務(wù)中僅有20-30%的CUDA核心被有效利用；2)能效比較低：在大模型推理場景下，GPU的算力/TDP僅為專用芯片的1/5-1/3;3)成本過高并依賴高端制程：英偉達(dá)H100為例，依賴高端制程，以英偉達(dá)H100芯片為例，價格為2-3.5萬美元，谷歌TPU成本僅為其五分之一。AI訓(xùn)練開始采用FP8兼顧效率與性能，首次由國產(chǎn)大模型DeepSeek-V3驗證有效性。通常AI訓(xùn)練與推理中采用二進(jìn)制數(shù)據(jù)進(jìn)行存儲和運算，即對于有小數(shù)點和小數(shù)位的小數(shù)采用符號位+指數(shù)位+尾數(shù)位組成的二進(jìn)制序列來表示，通常的浮點類型有FP32(32位單精度浮點數(shù))、FP16(16位半精度浮點數(shù))、BF16(GoogleBrain設(shè)計的另一種半精度浮點數(shù))等。隨著大模型參數(shù)快速提升，顯存、帶寬以及算力瓶頸開始加劇，為了進(jìn)一步減少訓(xùn)練開銷并提升訓(xùn)練效率，F(xiàn)P8(8位浮點數(shù))這種精度更低、存儲更少的數(shù)據(jù)類型逐漸被廣泛采納與應(yīng)用，英偉達(dá)Hopper架構(gòu)GPU原生支持FP8,將BF16進(jìn)一步壓縮到FP8進(jìn)行訓(xùn)練成為可能，并第一次由DeepSeek-V3驗證其訓(xùn)練的有效性。圖23:浮點數(shù)據(jù)類型的結(jié)構(gòu)001101100101001100111110110010100010110100110110資料來源：英偉達(dá)技術(shù)博客，中國銀河證券研究院常用有E4M3與E5M2兩種。FP8是一種8位浮點數(shù)表示法，采取E4M3(4位指數(shù)位+3位行業(yè)深度報告·計算機(jī)行業(yè)尾數(shù)位)和E5M2(5位指數(shù)位+2位尾數(shù)位)兩種表示方式，其中E代表指數(shù)位，M代表尾數(shù)位。在表示范圍內(nèi)，相對來說E4M3更精準(zhǔn)，而E5M2有更寬的動態(tài)范圍，比傳統(tǒng)的FP16和FP32優(yōu)2023年《MicroscalingFormats(MX)規(guī)范》里定義的一種縮放因子格式，由AMD、Arm、Intel、8-bit(8位指數(shù)格式);M0:Mantissa-0(0位尾數(shù)),將數(shù)值空間從連續(xù)的譜系壓縮到一個離散數(shù)值分布對比(含符號位) DeepSeek-V3采用FP8通過降低算力精確度，使國產(chǎn)ASIC芯片能在成熟制程(12-28nm)上接近高端制程英偉達(dá)GPU的算力精度。國產(chǎn)ASIC芯片主要受制于7nm先進(jìn)制程工藝產(chǎn)能及良度降低對先進(jìn)制程(7nm以下)和HBM內(nèi)存的依賴，大幅提供國產(chǎn)算力芯片的性價比和可用性。國產(chǎn)算力芯片迎來新機(jī)遇，DeepSeek-V3.1使用UE8M0FP8Scale參數(shù)精度，“軟硬協(xié)同”可以在部署階段更好地兼容不同硬件(包括國產(chǎn)芯片),意味著未來向低精度將是發(fā)展趨勢，未來不在是讓硬件去適應(yīng)算法，而是讓算法主動擁抱硬件“喜歡”的數(shù)據(jù)格式，通過軟硬件的深度協(xié)同任務(wù)色劑的專用集成電路，某種程度上來說也是ASIC的一種，通過硬件端優(yōu)化來實現(xiàn)Agent的工專用Agent任務(wù)優(yōu)化(工具調(diào)用、自主決策、多任務(wù)協(xié)同與處理能力)核心能力高吞吐矩陣計算(如Transformer)能效比低(依賴高算力堆疊)高(硬件級任務(wù)調(diào)度優(yōu)化)資料來源：中國銀河證券研究院行業(yè)深度報告·計算機(jī)行業(yè)傳統(tǒng)AI芯片以算力密度為核心，Agent專用芯片以“任務(wù)流優(yōu)化”為核心，支持動環(huán)境實時交互。Agent專用芯片總結(jié)應(yīng)該具備以下四大核心能力：1)任務(wù)動態(tài)調(diào)度引擎：可以講具調(diào)度加速：通過MCP快速連接外部API,與內(nèi)存共享數(shù)據(jù)；3)記憶與上下文管理：可以實現(xiàn)長期用戶偏好記憶與短期用戶輸入記憶；4)多模態(tài)交互接口：可融合視覺、語音、傳感器輸入等，比我們認(rèn)為，國產(chǎn)算力芯片正經(jīng)歷從通用GPU到專用ASIC,再到面向AIAgent定制化芯片的據(jù)主要市場份額，國產(chǎn)ASIC將逐漸主導(dǎo)AI訓(xùn)練與邊緣計算產(chǎn)業(yè)從“替代跟隨”到“定義創(chuàng)新”的戰(zhàn)略轉(zhuǎn)型。2)長期來看：國產(chǎn)算力有望定義自主Agent專用芯片，并構(gòu)建完整的Agent芯片生態(tài)系統(tǒng)，國產(chǎn)Agent芯片生態(tài)構(gòu)建需要全棧協(xié)同，從底層硬件到上層應(yīng)用形成正向循環(huán)。其中DeepSeek-V3以及V3.1已經(jīng)邁出重要一步，深度綁定國產(chǎn)芯片生態(tài)，打造“模型—芯片—系統(tǒng)”的自主閉環(huán)，深度協(xié)同芯片指令集針對模型特性優(yōu)化，國產(chǎn)算力3.2框架層：PyTorch/TF→國產(chǎn)AgentoS深度學(xué)習(xí)框架(DeepLearningFramework)用于簡化神經(jīng)網(wǎng)絡(luò)部署、訓(xùn)練，是一整套工具和庫的合集。提供預(yù)構(gòu)建的算法模塊、自動微分、硬件加速支持，可以讓開運算，能高效構(gòu)建AI模型，其中目前主流的深度學(xué)習(xí)框架有TensorFlow與PyTorch。TensorFlow是GoogleBrain團(tuán)隊在2015年開發(fā)的開源深度學(xué)習(xí)框架，為了讓深度學(xué)習(xí)模型究實驗室在2016年發(fā)布的深度學(xué)習(xí)框架，在動態(tài)計算圖方面優(yōu)勢明顯，具有更好的靈活性。這兩和跨平臺部署；PyTorch更加適合在科研所屬特點核心編程語言優(yōu)缺點可通過流程圖創(chuàng)建神經(jīng)網(wǎng)絡(luò)和計算模型；支持C++和Python;能利用TensorBoard可視化；架構(gòu)靈活便于多設(shè)備部署；但無符號循環(huán)，不支持分布式學(xué)習(xí)和Python、的開源庫之一，部署方便，與PyTorch對標(biāo)，學(xué)術(shù)界應(yīng)用減少前身是Torch,支持動態(tài)圖和Pytho強(qiáng)大、入門容易、代碼量少國產(chǎn)AI芯片生態(tài)、企業(yè)級部署行、國產(chǎn)硬件適配(昇騰NPU)百度國內(nèi)較火的深度學(xué)習(xí)框架，更新2.0后有高級API和動detection、cv、nlp、GANPython、門平臺行業(yè)深度報告·計算機(jī)行業(yè)員可作為高級API,后端可是Theano和TensorFlow;少Matlab腳本、境配置較難，偏底層；Caffe2關(guān)注)有類似Theano和TensorFlow的態(tài)圖，有高級接口方便調(diào)用；底層用C構(gòu)建，優(yōu)化好，用相對少)蒙特利爾大學(xué)資料來源：GitCode開源社區(qū)，中國銀河證券研究院等框架。資料來源：GitCode開源社區(qū)，中國銀河證券研究院也提供了Python接口，在最新的更新Caffe2中已經(jīng)被整合進(jìn)了PyTorch里面，所以直接用MindSpore是華為全場景開發(fā)框架，適配昇騰910系列NPU,支持云邊端協(xié)同；PaddlePaddle(百度飛槳)是百度開發(fā)的產(chǎn)業(yè)級深度學(xué)習(xí)平臺，兼容海光DCU、寒武紀(jì)MLU等國產(chǎn)芯片，提供請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。請務(wù)必閱讀正文最后的中國銀河證券股份有限公司免責(zé)聲明。行業(yè)深度報告·計算機(jī)行業(yè)零代碼開發(fā)工具PaddleX,降低企業(yè)使用門檻。當(dāng)前PyTorch與TensorFlow場份額，國產(chǎn)架構(gòu)當(dāng)前需要通過兼容性(MindSpore支持PyTorch模型轉(zhuǎn)換)和差異化場景突破，閉環(huán)，百度目前與寒武紀(jì)、海光等主流AI芯片兼容，國產(chǎn)AI算力及生態(tài)有望加速發(fā)展并形成自己(四)數(shù)據(jù)躍遷：從“資產(chǎn)入表”到“可信數(shù)據(jù)飛輪”十五五期間，數(shù)據(jù)要素不再只是“入表”停格，而是被重新編碼為可流發(fā)商業(yè)動作的“行動單元”。這一躍遷的核心在于把原先沉睡在政企數(shù)邦訓(xùn)練、可信執(zhí)行環(huán)境(TEE)、鏈上確權(quán)與Agent國家數(shù)據(jù)局2024年底印發(fā)的《可信數(shù)據(jù)空間發(fā)展行動計劃(2024-2028年)》首次將“數(shù)據(jù)空間”定義為新型基礎(chǔ)設(shè)施，《行動計劃》將數(shù)據(jù)空間從“項目級共享平臺”提升為“全國一體化數(shù)據(jù)市場的新型基礎(chǔ)設(shè)施”,通過可信管控解除流通顧慮、資源交互降低流通成本、價值共創(chuàng)提供收益激勵、制度互認(rèn)拓展流通半徑，首次為數(shù)據(jù)要素“供得出、流得動、賣得好、管得住”提供了系統(tǒng)性工程方案，是十五五期間釋放數(shù)據(jù)價值的核心抓手和新增市場空間的決定性政策支點，為“行動單元”提供了標(biāo)準(zhǔn)化流水線。與十四五時期強(qiáng)調(diào)的“資產(chǎn)入表”相比，十?dāng)?shù)據(jù)從靜態(tài)財務(wù)報表，流向追溯與合規(guī)審計，全程記錄數(shù)據(jù)調(diào)用日志、計算持監(jiān)管部門實時審計，為數(shù)據(jù)資產(chǎn)入表、稅收、爭議處置提供憑證，把“沉睡數(shù)據(jù)”轉(zhuǎn)化為可放心拿出來交易的生產(chǎn)要素，解決數(shù)據(jù)流通的第一公里問題，誰的數(shù)據(jù)、被誰調(diào)用技術(shù)實現(xiàn)上，聯(lián)邦訓(xùn)練解決“數(shù)據(jù)不出域”的合規(guī)痛點，TEE保證“可用不可見”,鏈上確權(quán)完成“三權(quán)分置”的自動登記，Agent封裝則把計算結(jié)果變成可插拔的API動作包。以民航為例，機(jī)場、航空公司、空管、氣象四方數(shù)據(jù)在可信數(shù)據(jù)空間內(nèi)聯(lián)合動調(diào)度。數(shù)據(jù)提供方可按調(diào)用次數(shù)實時獲得分潤，機(jī)場數(shù)據(jù)持有權(quán)、航空公營權(quán)通過智能合約自動拆分，這一案例率先跑通了“數(shù)據(jù)要素收益分配”閉環(huán)