自 2022 年年底 ChatGPT 3.5 发布以来，AI 大模型行业取得了快速的发展。以 OpenAI 或者 DeepSeek 为代表的 AI 基座大模型厂商快速积累了用户，并获得膨胀的估值，同时以英伟达、博通为代表的 AI 算力芯片厂商实现收入的大幅成长。AI 的快速发展不仅给 AI 相关企业带来潜在的基本面增量，同时也给二级市场上市公司的市值带来较高的回报收益。

　　一是人工智能是国家层面重要的战略要点。今年 1 月初，美国拜登政府出台《人工智能扩散出口管制框架》（图表 14），曾限制英伟达 H20 等芯片进入中国。而从 2017 年以来，中国政府的多个部门在多份文件中都提及并强调人工智能的战略地位（图表 15）。

　　二是人工智能行业目前估值并不高，仍有上行的空间。虽然目前中美人工智能指数市盈率处于均值以上一个标准差的位置，美股 M7 中大部分公司的市盈率高于各自的历史均值（图表 12）。但是，当前 AI 行业和公司的估值均低于 2023 年以及 2024 年的高点，而中证人工智能指数甚至低于今年高点。而且，在 AI 行业中，头部初创企业的估值几乎以季度为单位，它们不断引入新的融资，提升自身价值（图表 13）。这也为二级市场的 AI 标的提供了重要的估值支撑。

　　我们认为，AI 技术正在快速迭代，随着成本的下行，将会创造巨大行业增量，带动 AI 应用的快速普及。行业中的 AI 标的将会持续享受 AI 带来的基本面爆发式增长的红利，2026 年相关标的的 AI 收入和盈利都有较大增长空间。

　　AI 行业处于发展的初期阶段，尤其是 AI 大模型行业，行业发展的初期特征较为明显。AI 行业技术创新和发展速度较快，特别是具备大规模使用的低成本技术发展较为迅速。

　　生成式 AI 的技术发展速度快于此前判别式 AI。生成式 AI 大体符合 Scaling Law 所描述的趋势。AI 大模型的性能与数据量、参数量、计算量都有正向关系。因此，伴随着 AI 模型规模的提升，其模型的参数量也呈现大幅提升的趋势。而且，这种数据量的增长斜率比判别式 AI 的斜率更陡峭，这一点在图像处理模型和生成式 AI Transformer 模型的比较中较为显著（图表 16）。2025 年年初，中国的深度求索公司发布 DeepSeek-R1 模型，给全球 AI 大模型行业带来巨大扰动。DeeSeek-R1 模型具备 6,710 亿参数，在当时其数学、编程、自然语言推理等能力比肩 Open AI o1 模型，优于较多开源和闭源模型（图表 19）。这主要得益于 GRPO 算法、MoE 架构、MLA 机制等技术上的创新。

　　在 AI 大模型算法技术不断创新、飞轮迭代的同时，提供基础算力的 AI 芯片的技术也在同频快速发展，共同推动 AI 行业的技术前行。

　　根据 AMD 今年 11 月的投资者日的分享，GPU 的性能在 2025 年开始加速提升，其速度远快于 2025 年之前的速度。根据 AMD 的内部测算，用于 AI 算力的 GPU 性能在 2025 年开始呈现每年翻倍的性能膨胀趋势，而对比 2025年之前的性能提升速度大约是每两年翻倍（图表 18），而用于低精度计算（如FP8 和 FP4）的 GPU 带来的性能提升速度则更快。

　　当前，AI 算力芯片龙头英伟达的 GPU 芯片也具备技术提升带来性能快速膨胀的特征。根据英伟达kaiyun网页版 kaiyun入口在今年 3 月 GTC 上的分享，其 Blackwell 平台的 GPU性能是上一代 Hopper 平台性能的 68 倍，预计下一代 Rubin 平台的 GPU 性能将可能是 Hopper 平台的约 900 倍（图表 23）。

　　不仅 AI 芯片算力本身性能在大幅提升，配套 AI 算力的多个环节的性能也在加速提升。例如，英伟达的配套 Blackwell 平台的 NVLink 5 的带宽达到 1.8TB/s，较上一代有翻倍的提升（图表 21）。而对于全球 AI 算力芯片最大的晶圆代工平台台积电，随着制程节点的持续推进，单位性能也带来快速增长（图表 22）。

　　人工智能行业仍处于发展初期，高增速与红利溢出效应明显，长期产业规模有巨大提升空间

　　目前，AI 行业正处于发展的初期阶段。这一阶段的一个明显特征是供应端技术的突破强有力地推动 AI 大模型企业的发展。2023 年kaiyun网页版 kaiyun入口和 2024 年中美两国的科技巨头都在大力推动其 AI 技术向多个应用领域发展正体现了这点。

　　中美 AI 大模型厂商通过资本支出大力布局 AI 基建，形成初步商业闭环。对于 AI 这个新兴产业而言，当前供应端的能量显著大于需求端的能量。微软、谷歌、亚马逊、Meta 这四家美股头部科技企业的资本支出仍然处于较高的位置。在今年的三季度，四家企业单季度的资本开支分别达到 194 亿、240 亿、351 亿和 188 亿美元，均创历史新高。这四家厂商三季度合计资本开支为 973 亿美元，同比增长 65%，同比增速高于去年三季度和今年一季度（图表 25）。

　　这四家美国云服务厂商在 2023 年和 2024 年快速增长的资本开支的高基数上，仍然保持加大投资的战略方向，甚至在今年三季度，部分企业的资本开支同比增速还在上扬。短期展望，根据彭博一致预期，今年四季度和明年一季度，这四家企业合计资本开支的同比增速将达到 48%和 54%，继续维持高位。这显示出头部 AI 厂商对于短期内的 AI 发展前景充满信心。

　　从AI 行业中科技龙头或者云服务厂商的资本开支角度分析，下游的多个产业链环节都将充分受益。根据 Marvell 的分享，他们预期 2028 年数据中心基建市场规模有望超过万亿美元，从而带动服务器等设备的资本开支超过8,000 亿美元，其中半导体市场规模接近 5,000 亿美元，而 AI 芯片，即加速计算芯片市场规模将接近 3,500 亿美元（图表 31）。整个产业链条的潜在增长空间巨大。

　　受 AI 服务器需求的爆发式增长推动，全球服务器市场规模从 2023 年至今都处于加速增长的态势中。服务器市场处于量价齐升的高红利增长阶段（图表32）。根据 IDC，今年一、二季度，全球服务器收入规模分别同比增长 134%、97%，同比增速自 2023 年四季度开始呈现加速上扬态势，目前仍然保持接近三位数的增长。其中，全球服务器平均单价在今年一、二季度分别同比增长 92%、70%，高于同期出货量增速的 22%、16%，是全球服务器收入规模增长更加强劲的推动力。这一趋势有望延续至 2026 年。

　　AI 大模型应用在 C 端和 B 端快速普及，长期有望催生新的应用场景，打开增量成长天花板

　　在上文的几个章节，我们对于 AI 大模型行业有以下四个趋势判断。其中，部分趋势已经在今年有所体现，并有望在 2026 年延续。

　　（1）AI 技术，包括基座模型和算力芯片，都在快速迭代，可以实现性能的大幅提升。

　　（2）AI 的大模型技术以及算力芯片技术带来 AI 大模型使用成本的显著下降。

　　（3）全球科技巨头均在提高资本支出，加大 AI 的基础建设，下游产业链需求旺盛。

　　（4）AI 大模型正在走向开源，并且后训练和推理需求正在以超越预训练的速度成长，更加贴近 AI 应用端需求，加速应用落地。