文：澤平宏觀團(tuán)隊(duì)

導(dǎo)讀

人工智能引領(lǐng)第四次科技革命，是當(dāng)前最火的、最具前景、最具爆發(fā)力的科技賽道。進(jìn)入到2025年，發(fā)生了什么新的變化？中國人工智能正告別“百模大戰(zhàn)”的規(guī)模競賽，向以DeepSeek等六小虎為代表的頭部大模型集中。AI發(fā)展的核心，從追求模型“可用”轉(zhuǎn)向?qū)崿F(xiàn)場景的“好用”。

2025年，AI發(fā)展有四大核心：

趨勢一是應(yīng)用革命，未來是執(zhí)行任務(wù)的行動(dòng)式AI，AI能幫你接近真實(shí)的問題，而不僅僅是知識生成的生成式AI。執(zhí)行任務(wù)，在數(shù)字世界就是代理AI，AI Agent，在物理世界就是具身智能AI。

趨勢二是代理AI正在重塑交互范式，以后能顛覆當(dāng)前的軟件APP。 AI正從“對話AI”變成“干活A(yù)I”。AI能自主規(guī)劃、調(diào)用工具、完成復(fù)雜任務(wù)，成為未來新的流量分配中心。字節(jié)、百度等大廠已入局，搶占生態(tài)位。

趨勢三是硬件+AI，具身智能AI多點(diǎn)開花，商業(yè)化進(jìn)程加速。智能駕駛是最先落地的成熟場景，正迎來市場滲透率拐點(diǎn)。隨著將高階智駕下放至入門車型，預(yù)計(jì)2025年高速與城市NOA滲透率有望實(shí)現(xiàn)翻倍增長，突破20%大關(guān)。人形機(jī)器人則處于商業(yè)化黎明期，正以汽車和物流工廠為首個(gè)試驗(yàn)場，探索B端應(yīng)用場景。AI眼鏡賽道被大模型重新激活，未來中國企業(yè)有望憑借市場消費(fèi)者興趣度高漲、供應(yīng)鏈完備和研發(fā)速度三大獨(dú)特優(yōu)勢實(shí)現(xiàn)跨越式發(fā)展。

趨勢四是基礎(chǔ)設(shè)施層，算力與數(shù)據(jù)是支撐產(chǎn)業(yè)發(fā)展的兩大基石，未來算力國產(chǎn)化加速、打破數(shù)據(jù)枯竭。中國的AI算力正在圍堵中尋求突圍。在英偉達(dá)占據(jù)全球數(shù)據(jù)中心GPU市場98%份額的背景下，美國的三輪精準(zhǔn)封鎖使國產(chǎn)算力替代迫在眉睫。國產(chǎn)芯片性能已快速追趕（如華為昇騰910C在性能方面已開始追平先進(jìn)水平），未來先進(jìn)制程工藝與核心生態(tài)上，依然需要面臨加速國產(chǎn)化替代的挑戰(zhàn)。全球AI界正面臨高質(zhì)量訓(xùn)練數(shù)據(jù)將在2028年枯竭的危機(jī)，在數(shù)據(jù)枯竭預(yù)期下，未來需要重構(gòu)AI數(shù)據(jù)筑護(hù)城河。

目錄

1 大模型層：迭代永不停歇

1.1 頭部大模型格局更加穩(wěn)定

1.2 后訓(xùn)練是破局關(guān)鍵

1.3 推理需求顯著增長

2 應(yīng)用層：AI應(yīng)用革命

2.1 軟件應(yīng)用：通用Agent出圈

2.2 硬件應(yīng)用：具身智能爆發(fā)

2.3 人形機(jī)器人：從B端開始商業(yè)化

2.4 AI眼鏡：具備三大產(chǎn)業(yè)優(yōu)勢

2.5 智能駕駛：滲透率快速提升

3 基礎(chǔ)設(shè)施層：算力與數(shù)據(jù)仍是兩大發(fā)展基石

3.1 算力：GPU自主化迫在眉睫

3.2 數(shù)據(jù)：巨大資源潛力待挖掘

正文

1 大模型層：迭代永不停歇

1.1 頭部大模型格局更加穩(wěn)定

大模型領(lǐng)域的發(fā)展正經(jīng)歷著從無序競爭到頭部集中的演變。早期“百模大戰(zhàn)”時(shí)期，市場充斥著大量技術(shù)水平參差不齊的模型，企業(yè)間以快速推出產(chǎn)品搶占市場為首要目標(biāo)。但隨著應(yīng)用場景不斷深化，用戶對模型的性能、穩(wěn)定性和安全性要求大幅提升，單純追求數(shù)量的競爭模式難以為繼。在此背景下，阿里巴巴、DeepSeek、字節(jié)跳動(dòng)、騰訊、階躍星辰、智譜AI六家廠商憑借強(qiáng)大的研發(fā)能力、數(shù)據(jù)資源和資金投入，率先突破技術(shù)瓶頸，將大模型從“可用”階段推向“好用”階段。

隨著“六小虎”的崛起，大模型領(lǐng)域的馬太效應(yīng)開始顯現(xiàn)。強(qiáng)者利用先發(fā)優(yōu)勢不斷擴(kuò)大領(lǐng)先幅度。阿里巴巴依托電商場景積累的海量數(shù)據(jù)，持續(xù)優(yōu)化通義千問的商業(yè)應(yīng)用能力；Deepseek憑借在算法創(chuàng)新上的突破，在科研輔助領(lǐng)域獨(dú)樹一幟；字節(jié)跳動(dòng)憑借火山引擎的算力支持和全球化生態(tài)，讓豆包大模型在多語言交互上表現(xiàn)突出。這些企業(yè)通過持續(xù)迭代模型、拓展應(yīng)用場景，吸引更多開發(fā)者和用戶，進(jìn)而獲取更豐富的反饋數(shù)據(jù)用于優(yōu)化模型，形成技術(shù)提升-用戶增長-數(shù)據(jù)反哺的良性循環(huán)，使得頭部與其他企業(yè)的差距不斷拉大，行業(yè)集中度持續(xù)提高。

1.2 后訓(xùn)練是破局關(guān)鍵

預(yù)訓(xùn)練的Scaling Law曾是推動(dòng)大模型發(fā)展的重要法則，它表明模型性能與模型規(guī)模、數(shù)據(jù)集大小和計(jì)算資源之間存在冪律關(guān)系，即隨著這三者的增加，模型性能會(huì)相應(yīng)提升。通俗講就如學(xué)英語，背100個(gè)單詞只能蹦單詞，背1000個(gè)單詞能組句子，背1萬個(gè)單詞可能就懂語法和隱喻了，這就是 “學(xué)得多 = 能力強(qiáng)” 的樸素 Scaling Law。

然而如今，大模型預(yù)訓(xùn)練Scaling Law的發(fā)展趨勢有所放緩。數(shù)據(jù)面臨挑戰(zhàn)，像是可用的高質(zhì)量數(shù)據(jù)增長速度受限，公共互聯(lián)網(wǎng)數(shù)據(jù)預(yù)計(jì)在不久后被耗盡，且數(shù)據(jù)標(biāo)注成本高昂；另一方面，算力提升遭遇瓶頸，構(gòu)建和維護(hù)大規(guī)模算力基礎(chǔ)設(shè)施的成本極高，技術(shù)上也趨近現(xiàn)有硬件的極限，導(dǎo)致通過傳統(tǒng)Scaling Law來提升模型性能的難度增大。

盡管Scaling Law放緩，但探索基礎(chǔ)大模型能力上限仍極具必要性。基礎(chǔ)大模型作為AI發(fā)展的基石，其能力的提升能帶動(dòng)眾多領(lǐng)域的變革。如馬斯克的xAI用全球規(guī)模最大的20萬張H100算力集群訓(xùn)練出的Grok3，后續(xù)預(yù)計(jì)今年推動(dòng)的GPT-5、Llama 4等基礎(chǔ)大模型也值得期待。

在AI的持續(xù)發(fā)展進(jìn)程中，后訓(xùn)練（Post-training）正逐漸成為推動(dòng)其進(jìn)化的關(guān)鍵所在。傳統(tǒng)大模型完成預(yù)訓(xùn)練后，雖掌握了基礎(chǔ)能力，但面對復(fù)雜場景仍有不足。后訓(xùn)練的出現(xiàn)，為突破這一困境提供了有效途徑。GPT-o1借助強(qiáng)化學(xué)習(xí)和測試時(shí)間搜索等后訓(xùn)練技術(shù)，在數(shù)學(xué)、代碼等復(fù)雜推理任務(wù)上成績斐然，有力證實(shí)了后訓(xùn)練擴(kuò)展律的正確性，彰顯出后訓(xùn)練挖掘模型潛力、拓展能力邊界的強(qiáng)大功效。

與預(yù)訓(xùn)練的“廣撒網(wǎng)”不同，后訓(xùn)練聚焦特定任務(wù)與場景，精準(zhǔn)優(yōu)化模型。醫(yī)療領(lǐng)域中，通過病例數(shù)據(jù)和醫(yī)學(xué)知識圖譜進(jìn)行后訓(xùn)練的大模型，疾病診斷準(zhǔn)確率顯著提升；金融投資場景里，利用市場數(shù)據(jù)后訓(xùn)練的模型，對風(fēng)險(xiǎn)評估等任務(wù)的處理能力也大幅增強(qiáng)，使模型從通用智能邁向 “專家型”智能。

今年5月，Deepseek發(fā)布了Deepseek-R1-0528版本。根據(jù)官網(wǎng)，0528版本在后訓(xùn)練階段，團(tuán)隊(duì)投入了更多算力，使得模型在數(shù)學(xué)、編程及通用邏輯等方面的表現(xiàn)得到大幅優(yōu)化。更新后的R1模型的整體表現(xiàn)已接近其他國際頂尖模型，如o3與Gemini-2.5-Pro。后訓(xùn)練同樣遵循Scaling Law，Scaling Laws已從預(yù)訓(xùn)練維度擴(kuò)展至后訓(xùn)練+實(shí)時(shí)推理三個(gè)維度。

1.3 推理需求顯著增長

隨著AI應(yīng)用場景不斷拓展，推理端需求呈爆發(fā)式增長態(tài)勢。微軟、谷歌等頭部客戶的日均token調(diào)用量已突破數(shù)萬億級別，較傳統(tǒng)chatbot時(shí)代的處理規(guī)模實(shí)現(xiàn)指數(shù)級躍升。多模態(tài)模型、Agentic AI等創(chuàng)新形態(tài)的加速落地，正催生實(shí)時(shí)推理需求與大規(guī)模低延遲計(jì)算的新一輪結(jié)構(gòu)性增長，推動(dòng)AI算力需求從“模型訓(xùn)練為主”向“推理落地優(yōu)先”的產(chǎn)業(yè)范式遷移。

我們認(rèn)為推理需求規(guī)模有望達(dá)到訓(xùn)練階段的5-10倍。若殺手級應(yīng)用如AI Agent廣泛落地，推理算力需求將進(jìn)一步攀升。預(yù)計(jì)到2026年，消費(fèi)級AI日活躍用戶（DAUs）將突破10億。到2026年，推理計(jì)算的需求可能占GenAI總計(jì)算需求的70%以上，推理計(jì)算需求將超過訓(xùn)練計(jì)算需求，并達(dá)到后者的4.5倍。

“慢思考”能力（如深度邏輯推理、多步規(guī)劃）和多模態(tài)理解（文本、圖像、語音等跨模態(tài)交互）正成為AI應(yīng)用的標(biāo)配。"慢思考"借鑒了人類認(rèn)知的雙系統(tǒng)理論，強(qiáng)調(diào)AI在復(fù)雜任務(wù)中需進(jìn)行深度推理與迭代計(jì)算，而非僅依賴直覺式響應(yīng)。這種模式通過引入反思機(jī)制、蒙特卡洛樹搜索等技術(shù)，顯著提升了AI在數(shù)學(xué)推理、策略規(guī)劃等領(lǐng)域的表現(xiàn)。

多模態(tài)則是人類世界的本來樣貌，大模型的發(fā)展趨勢一定是走向多模態(tài)。人類通過視覺、聽覺、觸覺等多種感官接收信息，多模態(tài)技術(shù)就是模擬這一過程，讓機(jī)器能夠同時(shí)處理文本、圖像、音頻等多種類型的數(shù)據(jù)。以自動(dòng)駕駛為例，車輛不僅依靠攝像頭的視覺圖像識別道路狀況，還借助雷達(dá)的距離探測數(shù)據(jù)、傳感器的震動(dòng)反饋等，全方位感知周圍環(huán)境，做出更安全、準(zhǔn)確的駕駛決策。多模態(tài)大模型打破了單一模態(tài)的局限，極大豐富了信息輸入，使模型對世界的理解更加全面、深入。

2 應(yīng)用層：AI應(yīng)用革命

技術(shù)實(shí)現(xiàn)閉環(huán)需要應(yīng)用的落地，軟件領(lǐng)域的代理式AI（Agent）、硬件領(lǐng)域的具身AI，正成為備受矚目的大模型應(yīng)用方向。

2025年GTC大會(huì)上，黃仁勛提出自2012年深度學(xué)習(xí)革命開始以來AI發(fā)展的四個(gè)階段：感知AI、生成式AI、代理式AI、具身AI。

一是感知AI，這是人工智能的初始階段，讓機(jī)器能“看見”和“聽見”，即具備計(jì)算機(jī)視覺和語音識別能力，如人臉識別、語音助手等應(yīng)用。

二是生成式AI，在過去3年里發(fā)展迅速，主要以內(nèi)容生成為核心，能夠創(chuàng)造文本、圖像、視頻等等。文本生成的普及度和使用率最高，以Deepseek、ChatGPT等大模型為代表,大大沖擊了傳統(tǒng)的檢索式搜索引擎，讓人們逐漸習(xí)慣了與大模型交互來獲取知識。

Agent和具身AI則被認(rèn)為是接下來的發(fā)展方向。人工智能發(fā)展必然要從“智慧”到“智能”，也就是讓AI具備行動(dòng)能力，這是發(fā)展Agent和具身AI的共同意義。Agent聚焦于計(jì)算機(jī)世界，給予AI調(diào)用軟件工具的能力，讓AI在計(jì)算機(jī)世界中執(zhí)行工作任務(wù)。而具身AI則聚焦于物理世界，把AI裝在新能源汽車、人形機(jī)器人這樣的物理實(shí)體上，讓AI在物理世界中感知、理解和行動(dòng)。

2.1 軟件應(yīng)用：通用Agent出圈

軟件領(lǐng)域，大模型正從單純的“對話AI”向“干活A(yù)I”轉(zhuǎn)變。2025年，通用Agent迎來爆發(fā)元年。

大模型是知識庫，而Agent是行動(dòng)者。Agent直譯為代理，本質(zhì)就是由大模型驅(qū)動(dòng)的一套自動(dòng)化軟件系統(tǒng)，代表使用者完成任務(wù)；其在工作中展現(xiàn)出極高的自主性，無需或極少需要使用者介入。如果說大模型如同一個(gè)龐大的知識庫，在推理后生成用戶需要的答案；那Agent則如同一個(gè)行動(dòng)者，它能夠拆解任務(wù)、調(diào)用工具、最終交付給用戶成果。

Agent是大模型向前發(fā)展的重要一環(huán)，是大模型發(fā)展的L3階段。Agent可以簡單理解成是讓大模型調(diào)用各種工具；工具種類豐富，包括信息檢索類工具、 代碼與計(jì)算類工具、軟件與系統(tǒng)操作類工具等。對外部工具的調(diào)用能極大拓展大模型的能力范疇，拔高大模型的生產(chǎn)力，是從知識庫向行動(dòng)者躍升的一大顯著標(biāo)志。

Manus的空降發(fā)布，推動(dòng)通用Agent爆火出圈；“干活A(yù)I“成為人工智能行業(yè)新浪潮，并迅速引起了大廠和創(chuàng)企的生態(tài)卡位戰(zhàn)。

從應(yīng)用范疇看，Agent有專用和通用之分。專用Agent即專用于某一特定領(lǐng)域，最成熟的是編程Agent。與之相比，通用Agent則不受限于特定任務(wù)類型，能執(zhí)行各種復(fù)雜任務(wù)。

Manus是最先出圈的通用Agent產(chǎn)品，由中國人工智能公司Monica于3月發(fā)布，并引起巨大熱度。在官方展示的幾十個(gè)案例中，Manus可以完成的任務(wù)包括但不限于旅行規(guī)劃、股票分析、PPT制作、網(wǎng)頁制作等等，展現(xiàn)出非常高的通用性。Manus空降后，大廠和AI創(chuàng)企迅速拉開了針對通用Agent的生態(tài)卡位戰(zhàn)，競相發(fā)布通用Agent產(chǎn)品，大廠如字節(jié)跳動(dòng)和百度、創(chuàng)企如Flowith和天工AI。

通用Agent本質(zhì)是一場范式革命，未來可能成為最大的流量分配中心，重構(gòu)當(dāng)前軟件生態(tài)。因此Agent未來的發(fā)展不僅是一個(gè)技術(shù)問題，比如大模型本身的推理決策能力要再一步提升、降低幻覺問題；更是一個(gè)生態(tài)問題，即有多少應(yīng)用愿意加入通用Agent的生態(tài)。值得注意的是，去年11月以來，表示支持Anthropic提出的MCP協(xié)議的大模型和應(yīng)用越來越多，通用Agent的生態(tài)建設(shè)未來有望逐步強(qiáng)大。

2.2 硬件應(yīng)用：具身智能爆發(fā)

硬件領(lǐng)域，具身智能在2025年熱度高漲，人形機(jī)器人、AI眼鏡和智能駕駛?cè)筚惖烙瓉泶呋?/b>。

2025年政府工作報(bào)告提出要“建立未來產(chǎn)業(yè)投入增長機(jī)制，培育生物制造、量子科技、具身智能、6G等未來產(chǎn)業(yè)”。作為人工智能的重要分支，具身智能浪潮將至。人工智能有兩條發(fā)展路徑：一條是非具身智能，即聚焦于抽象計(jì)算所需的智能；非具身智能不具備物理身體，在數(shù)字世界運(yùn)行，通常表現(xiàn)為程序、算法等；典型案例如Deepseek、ChatGPT等大語言模型。另一條則是具身智能，核心在于“具身”二字，即用物理實(shí)體來承載AI，從而構(gòu)成一個(gè)可感知真實(shí)世界、可理解問題并制定規(guī)劃、可在真實(shí)世界中行動(dòng)的智能系統(tǒng)，特點(diǎn)是形成“感知——行動(dòng)”閉環(huán)；人形機(jī)器人、AI眼鏡、智能駕駛是典型案例，依次是“AI+類人機(jī)器”、“AI+新能源汽車”、“AI+XR眼鏡”。

2.3 人形機(jī)器人：從B端開始商業(yè)化

人形機(jī)器人承載著人類對“通用性”具身AI的終極愿景。傳統(tǒng)的工業(yè)機(jī)器人和服務(wù)機(jī)器人通常專用于單一任務(wù)，如工業(yè)機(jī)械臂用于流水線的某一環(huán)節(jié)、掃地機(jī)器人用于家居環(huán)境清理等等。然而人形機(jī)器人從構(gòu)型設(shè)計(jì)開始便承載了人類對于“通用性”具身AI的美好愿景，即未來要能像人一樣使用各種各樣的工具、執(zhí)行各種各樣的任務(wù)。人類社會(huì)中的許多工具與空間都是圍繞著人類設(shè)計(jì)的，理論上講完全擬人形態(tài)的人形機(jī)器人其適用場景會(huì)更為廣泛，因此雙足、全尺寸的構(gòu)型成為目前最受關(guān)注的人形機(jī)器人形態(tài)。

人形機(jī)器人要經(jīng)歷從實(shí)驗(yàn)環(huán)境到工廠環(huán)境再到家庭環(huán)境的跨越，其商業(yè)化可分為三個(gè)階段：第一個(gè)階段是將人形機(jī)器人用于科研教育、娛樂表演等。第二個(gè)階段面向B端，人形機(jī)器人替代人從事重復(fù)枯燥性、高危險(xiǎn)性的工作。第三個(gè)階段面向C端，人形機(jī)器人成為智能家居的一環(huán)，提升居住生活體驗(yàn)，甚至滿足人的養(yǎng)老陪護(hù)需求。

當(dāng)前產(chǎn)業(yè)發(fā)展重心仍在研發(fā)制造環(huán)節(jié)，但已有部分人形機(jī)器人進(jìn)入B端試水，“進(jìn)廠”成了人形機(jī)器人沖鋒商業(yè)化的首個(gè)試驗(yàn)場。汽車工廠和物流工廠是人形機(jī)器人試點(diǎn)部署最主要的兩大結(jié)構(gòu)化工業(yè)場景，人形機(jī)器人在其中執(zhí)行簡易裝配、搬運(yùn)碼垛、分揀等工作，任務(wù)相對重復(fù)且單一。也有一些其他場景，比如有部分人形機(jī)器人企業(yè)和電子制造企業(yè)建立了合作，優(yōu)必選和富士康、Apptronik和Jabil（捷普）等等。此外，部分企業(yè)在2024年也透露了其人形機(jī)器人的銷售情況或量產(chǎn)計(jì)劃，基本在數(shù)百或者數(shù)千臺。

伴隨宇樹科技等企業(yè)的出圈，2025年人形機(jī)器人賽道迎來浪潮，未來產(chǎn)業(yè)發(fā)展將圍繞兩大方向展開：一是利用大模型使人形機(jī)器人有更強(qiáng)的“大腦”、使用機(jī)器學(xué)習(xí)技術(shù)讓其有更強(qiáng)的“小腦”功能。二是諧波減速器、行星滾柱絲杠、六維力傳感器等核心上游零部件突破技術(shù)壁壘，推動(dòng)人形機(jī)器人做優(yōu)整機(jī)以及降低造價(jià)。而諸如人形機(jī)器人馬拉松賽、拳擊賽等活動(dòng)也會(huì)越來越多，都是人形機(jī)器人走出實(shí)驗(yàn)室要完成的錘煉。

2.4 AI眼鏡：具備三大產(chǎn)業(yè)優(yōu)勢

大模型的廣泛應(yīng)用，為AI眼鏡帶來了質(zhì)的飛躍。多模態(tài)大模型賦予AI眼鏡強(qiáng)大的功能，使之具備物體識別、實(shí)時(shí)翻譯、導(dǎo)航等實(shí)用功能，顯著提升用戶體驗(yàn)。

眼鏡是AI落地的良好載體，具備相當(dāng)?shù)南胂罂臻g。表層上，AI眼鏡是對傳統(tǒng)眼鏡的智能升級，融入多模態(tài)傳感，內(nèi)置大模型軟件，且仍然可具備MR/AR的現(xiàn)實(shí)融合能力。深層上，其核心優(yōu)勢在于便攜、交互平滑、功能豐富——AI眼鏡既可以兼容智能手機(jī)內(nèi)容生態(tài)，也能此基礎(chǔ)上開發(fā)更豐富的智能應(yīng)用。

2025年，AI 眼鏡成為消費(fèi)電子領(lǐng)域的熱門話題之一，科技巨頭紛紛布局這一賽道，蘋果、Meta、小米、百度、華為等公司都在積極研發(fā)或推出AI眼鏡產(chǎn)品。Well-sennXR的數(shù)據(jù)顯示，預(yù)計(jì)2029年，AI眼鏡的年銷量將達(dá)到5500萬副，到2035年有望突破14億副。未來AI眼鏡對傳統(tǒng)眼鏡的滲透率空間極大，部分中國品牌在此領(lǐng)域有可能實(shí)現(xiàn)跨越式發(fā)展。有三大原因：

一是國內(nèi)消費(fèi)電子市場的優(yōu)勢，不僅用戶基數(shù)大，而且創(chuàng)新技術(shù)接受度高。根據(jù)德勤調(diào)研，2024年中國消費(fèi)者對AI、AR/VR產(chǎn)品的興趣度高達(dá)73%，超過美國的58%。

二是供應(yīng)鏈和產(chǎn)業(yè)優(yōu)勢，中國集合了全球消費(fèi)電子產(chǎn)品供應(yīng)鏈的中上游，珠三角和長三角地區(qū)產(chǎn)能占全球70%。品牌實(shí)力也不遜色，2025年Q1，中國智能手機(jī)品牌在全球市場份額超過1/3。

三是技術(shù)迭代快，得益于市場擁抱新興技術(shù)疊加產(chǎn)業(yè)鏈完整，中國廠商的新品研發(fā)和改進(jìn)升級周期短。根據(jù)波士頓咨詢，中國廠商的綜合研發(fā)周期在6-8個(gè)月，而美國品牌在12-18個(gè)月。

AI眼鏡賽道方興未艾，技術(shù)路線（如Micro LED、光波導(dǎo)）、應(yīng)用場景（消費(fèi)級vs工業(yè)級）和區(qū)域市場（北美、亞洲、歐洲需求差異）的多元化，使得任何具備核心技術(shù)突破或生態(tài)整合能力的企業(yè)都可能塑造未來的行業(yè)格局，值得期待。

2.5 智能駕駛：滲透率快速提升

具身AI率先在智能駕駛領(lǐng)域爆發(fā)。2025年，高速NOA和城市NOA滲透率或?qū)⒂瓉沓A(yù)期增長。2025年2月10日，比亞迪高階智駕系統(tǒng)“天神之眼”正式發(fā)布，比亞迪全系車型將搭載該系統(tǒng)，首批有21款車型上市。天神之眼”分為三個(gè)版本：“天神之眼A”（DiPilot 600）配備三個(gè)激光雷達(dá)，支持全國無圖領(lǐng)航，主要搭載于仰望品牌上；“天神之眼B”（DiPilot 300）配備單激光雷達(dá)，支持全國無圖領(lǐng)航，主要搭載于騰勢、比亞迪等品牌上；“天神之眼 C”（DiPilot 100）為高階智駕三目版，支持高速領(lǐng)航和代客泊車，主要搭載在比亞迪秦PLUS DM-i等入門款車型。天神之眼C最低可搭載于海鷗車型，是行業(yè)內(nèi)首次將高階智駕下放到7萬元級市場的A00級車。

回顧智能手機(jī)及新能源汽車的發(fā)展路徑，科技產(chǎn)品在市場滲透率突破5%之后，通常會(huì)迎來加速普及的階段。比亞迪的入局是智駕行業(yè)最大預(yù)期差，有望推動(dòng)L2+級別銷量基本盤從100萬輛快速提升至1000萬輛級別，預(yù)計(jì)2025年高速NOA+城市NOA有望實(shí)現(xiàn)翻倍增長，滲透率超20%。

3 基礎(chǔ)設(shè)施層：算力與數(shù)據(jù)仍是兩大發(fā)展基石

3.1 算力：GPU自主化迫在眉睫

算力是AI的基石，GPU是算力最具象的代名詞。GPU（圖形處理器），最初是為了圖形渲染任務(wù)而設(shè)計(jì)的，它擁有數(shù)千甚至數(shù)萬個(gè)計(jì)算核心。與CPU（中央處理器）相比，CPU通常只有幾個(gè)到幾十個(gè)核心，更擅長邏輯控制和串行處理任務(wù)。而大模型訓(xùn)練和推理過程涉及到大量的矩陣運(yùn)算，對并行計(jì)算有著很高的要求，GPU憑借其多核架構(gòu)展現(xiàn)出無可比擬的優(yōu)勢，因此成為AI領(lǐng)域關(guān)鍵的支撐硬件。

縱觀全球GPU版圖，美國的控制力是絕對的，達(dá)到壟斷級別。英偉達(dá)作為全球 GPU 市場的龍頭企業(yè)，其市場份額和技術(shù)實(shí)力遙遙領(lǐng)先。隨著生成式AI大爆發(fā)，2023年全球數(shù)據(jù)中心GPU總出貨量達(dá)385萬顆，同比增長44.2%；其中英偉達(dá)出貨了約376萬個(gè)數(shù)據(jù)中心GPU，市場份額高達(dá)98%。英偉達(dá)憑借其先進(jìn)的GPU技術(shù)和完善的生態(tài)體系（CUDA生態(tài)），在AI 算力領(lǐng)域占據(jù)著難以撼動(dòng)的主導(dǎo)地位。

美國GPU霸權(quán)下，中國的AI發(fā)展事實(shí)上處于受制于人的狀態(tài)，隨著全球政治、經(jīng)濟(jì)、科技對峙的加劇，針對中國的GPU封鎖事件也時(shí)有發(fā)生。自2022年，標(biāo)志性的限制事件已經(jīng)經(jīng)歷了三輪。

第一輪封鎖（2022年10月）：美國首次將AI芯片納入出口管制，直接禁止英偉達(dá)向中國出售旗艦級AI計(jì)算芯片A100和H100。這兩款芯片是訓(xùn)練大模型的核心硬件，性能屬行業(yè)頂尖。面對管制，英偉達(dá)迅速推出“合規(guī)版”A800/H800芯片，通過性能閹割來規(guī)避出口限制，勉強(qiáng)維持對華供應(yīng)。

第二輪封鎖（2023年10月）：為封堵“中國特供版”漏洞，美國調(diào)整管制標(biāo)準(zhǔn)，將A800/H800納入禁售范圍，同時(shí)擴(kuò)大管制國家至40余國，嚴(yán)防轉(zhuǎn)口貿(mào)易。此次封鎖后，英偉達(dá)又推出中國特供版H20芯片，相當(dāng)于二次閹割版的H100，性能僅為15%。

第三輪封鎖（2025年1月）：構(gòu)建三極世界體系,將全球劃分為三個(gè)等級—— 17個(gè)盟友圈可自由獲取GPU；對100多個(gè)中間國實(shí)施配額制，約能獲得5萬塊GPU；對中國、俄羅斯等敵對國家則全面禁售。

短期看，企業(yè)往往通過囤貨實(shí)現(xiàn)對GPU出口管制的緩沖，然而非長久之計(jì)；中長期看，全力加速國產(chǎn)化替代十分必要。一些國產(chǎn)力量正在站出來，例如華為的昇騰910C性能達(dá)英偉達(dá)H100的60-80%。但是差距仍難以忽視，一方面英偉達(dá)最新一代GB200算力再次躍升3倍；另一方面在制程工藝上，英偉達(dá)采用5nm/4nm先進(jìn)制程，而國產(chǎn)主流仍為14nm級別。未來在設(shè)計(jì)、制程和生態(tài)建設(shè)方面都需要持續(xù)發(fā)力，加速自主化腳步。

3.2 數(shù)據(jù)：巨大資源潛力待挖掘

數(shù)據(jù)是Gen-AI時(shí)代的燃料；基于神經(jīng)網(wǎng)絡(luò)的大模型具備典型的“垃圾進(jìn)、垃圾出”的特征，訓(xùn)練數(shù)據(jù)的數(shù)量和質(zhì)量直接決定了大模型的性能上限。以O(shè)penAI為例，從GPT-1迭代到GPT-4，隨著模型性能的躍升，訓(xùn)練數(shù)據(jù)量也經(jīng)歷了跨越式增長：2018年GPT-1數(shù)據(jù)集僅4.6GB，而2023年GPT-4訓(xùn)練數(shù)據(jù)量達(dá)到驚人的百TB級別，翻了數(shù)萬倍。

然而隨著大模型的快速更迭，對于數(shù)據(jù)枯竭的擔(dān)憂也越發(fā)明顯。OpenAI原科學(xué)家蘇茨克維爾曾表示，“我們只有一個(gè)互聯(lián)網(wǎng)”，雖然計(jì)算在增長，但數(shù)據(jù)卻沒有增長，預(yù)訓(xùn)練毫無疑問會(huì)結(jié)束。無獨(dú)有偶，2024年研究機(jī)構(gòu)Epoch AI發(fā)布的一份報(bào)告預(yù)測：人類生成的公開文本數(shù)據(jù)總有效存量僅約300萬億tokens，總量年增速不足10%，而AI訓(xùn)練數(shù)據(jù)集規(guī)模以每年翻倍的速度擴(kuò)張，這種剪刀差導(dǎo)致互聯(lián)網(wǎng)所有高質(zhì)量文本數(shù)據(jù)將在2028年枯竭。

內(nèi)容屏障日益高筑等因素則進(jìn)一步加劇了數(shù)據(jù)短缺危機(jī)。數(shù)據(jù)擁有方正通過技術(shù)和法律手段限制訪問。技術(shù)手段比如通過爬蟲反制來限制內(nèi)容調(diào)用；而法律手段則更激進(jìn)，表現(xiàn)為直接的版權(quán)訴訟。例如海外《紐約時(shí)報(bào)》對OpenAI的版權(quán)訴訟、雜志巨頭康泰納仕集團(tuán)曾向Perplexity發(fā)出的侵權(quán)通知；國內(nèi)也有類似案例，比如知網(wǎng)對秘塔AI的侵權(quán)警告。

數(shù)據(jù)短缺或成為制約大模型技術(shù)發(fā)展的關(guān)鍵瓶頸，應(yīng)對這一危機(jī)，有兩大思路：一是合成數(shù)據(jù)，即讓大模型生成用于自身訓(xùn)練的新數(shù)據(jù)；二則是深入挖掘現(xiàn)有的數(shù)據(jù)資源。

馬斯克曾在公開演講中表示：“現(xiàn)實(shí)世界中用于訓(xùn)練AI模型的數(shù)據(jù)幾乎已經(jīng)耗盡”，并指出合成數(shù)據(jù)將成為未來唯一的替代路徑。然而，合成數(shù)據(jù)卻存在著一些難以規(guī)避的問題，例如質(zhì)量參差不齊、偏離真實(shí)分布、并且可能產(chǎn)生模型自噬現(xiàn)象，即模型因反復(fù)學(xué)習(xí)自身生成的數(shù)據(jù)而導(dǎo)致性能退化的問題。

相比之下，盤活現(xiàn)有數(shù)據(jù)資源的巨大潛能，則是一種更務(wù)實(shí)、更富戰(zhàn)略價(jià)值的解法。我國在此方面展現(xiàn)出獨(dú)特優(yōu)勢，不僅具備深厚的數(shù)據(jù)資源積累，同時(shí)正在加速完善國家級的數(shù)據(jù)要素市場。

一方面，我國的數(shù)據(jù)資源體量和增量都十分強(qiáng)大。中國擁有全球最龐大的網(wǎng)民群體與最活躍的數(shù)字化應(yīng)用生態(tài)，有機(jī)構(gòu)預(yù)測到2025年數(shù)據(jù)總量將占全球的近30%。當(dāng)前，我國數(shù)據(jù)生產(chǎn)總量呈高速增長態(tài)勢，2024年同比增長25%。AI相關(guān)的數(shù)據(jù)資源增長尤其快：用于開發(fā)、訓(xùn)練和推理的數(shù)據(jù)量同比增長超40%。智能家居、智能網(wǎng)聯(lián)汽車等智能設(shè)備數(shù)據(jù)增速位居前列，分別為50%和30%左右。

另一方面，國家級數(shù)據(jù)標(biāo)記體系正加速成型，以充分挖掘各行業(yè)數(shù)據(jù)潛力。所謂數(shù)據(jù)標(biāo)注，是對數(shù)據(jù)進(jìn)行添加標(biāo)記、說明、解釋、分類和編碼的過程，是提升人工智能算法、模型核心能力的關(guān)鍵環(huán)節(jié)。我國數(shù)據(jù)標(biāo)注產(chǎn)能全球領(lǐng)先并持續(xù)建設(shè)：2024年起國家數(shù)據(jù)局統(tǒng)籌的全國七大標(biāo)注基地快速推進(jìn)中，分別位于四川成都、遼寧沈陽、安徽合肥、湖南長沙、海南海口、河北保定和山西大同。2025年3月，七大基地的數(shù)據(jù)標(biāo)注總規(guī)模達(dá)到17282TB，相當(dāng)于中國國家圖書館數(shù)字資源總量的6倍左右。目前已形成醫(yī)療、工業(yè)、教育等行業(yè)的高質(zhì)量數(shù)據(jù)集超300個(gè)，標(biāo)注從業(yè)人員近6萬人。