智能化

模型层：竞争格局收敛，o1引领大模型发展新范式。海外头部大厂模型能力差距在2024年缩小，各巨头及其深度合作的厂商通过上游资本开支和技术人才优势已和其他玩家拉开身位差距，目前海外形成了五强格局，分别是以OpenAI、Anthropic以及谷歌为代表的第一梯队，以及x AI和Meta。国内大模型目前竞争格局相对分散，涵盖互联网和科技大厂、创业公司、传统技术类厂商这三类力量，其中互联网和科技大厂和云业务结合，综合布局。创业类厂商则依托不同资源禀赋进行差异化赛道聚焦。受到训练数据逐渐枯竭以及堆GPU卡模式所面临算力利用率降低的问题，传统Scaling Law即LLM性能与计算量、参数量和数据量三者呈现幂律关系受到挑战，OpenAI o系列提出推理侧的Scaling Law有望成为大模型发展的新驱动力，同时对于技术创新、工程能力和算力提出更高要求。

2028 年 AI 基础设施市场支出超 1000 亿美元。根据 IDC 的数据，2024 H1，全球用于计算和存储硬件的 AI 基础设施支出同比增长 37%，达到 318 亿美元；2028 年，AI 基础设施支出预计超过 1000 亿美元，其中服务器占总支出的 75% ，加速服务器占总支出的 56%。 中国 AI 芯片市场规模快速增加，国产 GPU 竞争力不断提升。根据中商产业研究院数据，2022 年中国 AI 芯片市场规模达到 850 亿元，同比增长 94.6%；2024 年将增长至 2302 亿元。目前 AI 算力芯片市场以 GPU 为主。国内华为、寒武纪、海光信息等厂商在 GPU 领域进行了布局，通过技术创新和产品升级，不断提升竞争力。

消费者对于 AI 大模型和算法的认知水平是影响人工智能行业发展的重要因素，认知程度和使用态度的变化在一定程度影响着人工智能技术的商业化应用速度，从而对我国数字经济发展、数字中国建设产生影响。2024 年 8 月，我们在全国范围内发放了面向消费者的调查问卷，试图了解目前我国消费者关于 AI 大模型以及算法的认知情况。课题组通过支付宝渠道向用户发放调查问卷，一共回收了 8030 份有效问卷。基于这些数据，我们得到了如下的结论。

DeepSeek-V3 上线，模型性能提升较快。2024 年 12 月，幻方旗下深度求索公司上线 DeepSeek-V3 系列模型首个版本，较前代模型DeepSeek-V2.5 有显著提升。为了深入探索该模型的能力，我们采用了覆盖逻辑、数学、代码、文本等领域的多个问题对模型进行测试，将其生成结果与豆包、Kimi 以及通义千问大模型生成的结果进行比较。

高阶智驾从 1-N，Robotaxi 从 0-1。1、高阶智驾渗透率预计 25 年达到 15%。在政策松绑、成本下探、大算力芯片上车、软件进阶端到端趋势下，24 年高阶智驾渗透率达到 5%，随着 20 万附近车型集中装车，25 年有望达到 15%。2、Robotaxi 方案有望迎来商业拐点。Robotaxi 行业加速变化，在政策+技术+运营多重发力下，Robotaxi 每公里成本有望快速与网约车成本持平，规模化运营有望引来拐点。 激光雷达成为主流方案，目前绝大部分国内高阶智驾车型配有激光雷达，robotaxi 普遍标配多颗激光雷达。激光雷达对环境感知精度高、可直接获取目标的距离、角度、反射强度、速度等信息且抗干扰能力较强。国内多数主机厂采用多传感器融合的技术路线，尤其面向高阶 NOA 功能的车型普遍有搭载激光雷达。仅个别车企在效仿特斯拉探索去掉激光雷达的视觉方案，依靠毫米波雷达和摄像头等传感器实现感知：随着激光雷达的成本不断降低、技术成熟度提升以及自动驾驶功能的提升，未来几年车辆搭载激光雷达的数量有望增加，进一步推升激光雷达放量空间。

Scaling Law 2.0，CSP 的私域数据成为关键。过去大模型的发展符合Scaling Law，然而当下公有数据逐步达到瓶颈，私域高精度数据或成为 Scaling Law 2.0 的核心要素。Open AI 前首席科学家 Ilya 在公开演讲中提到，由于“我们已经达到了数据的峰值”，当前 AI 模型的预训练方式可能走向终结。想要在特定领域训练出垂直化的“专家大模型”，数据的精度、准确度等指标更为重要，私域数据、人工标注的数据可能成为下一阶段大模型发展过程中的核心竞争力，掌握私域数据的 CSP 厂商将在大模型厂商的下一轮竞赛中更具优势。

电子行业年度策略报告：科技自立，AI具能

AI算力：AI应用爆发在即，算力需求持续攀升，关注ASIC及服务器产业链。Scaling Law与“涌现”能力是大模型训练遵循的重要法则，随着ChatGPT引领全球AI浪潮，国内外科技公司纷纷发布AI大模型，截至24年7月，全球AI大模型数量约1328个(其中美国位居第一位，占比44%；中国位居第二位，占比36%)，模型的迭代加速、竞争加剧。同时，AI模型向多模态全方位转变，AI应用百花齐放，企业主动拥抱AI应用市场。因此，模型数量、模型参数、数据总量的持续增长及AI应用需求推动全球算力爆发式增长。在英伟达GPU随着架构的不断演进及算力的成倍增长，于AI大模型训练中得到广泛运用的同时，为了满足CSP客户更高性能和更好功能的需求，定制化芯片ASIC的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之相应的算力基础设施持续建设和升级，促使国内外云服务商资本开支持续高速增长，带来AI服务器市场规模大幅提升，预计到26年全球AI服务器出货量将达到237万台，对应2023-2026年CAGR为26%。

AI 赛道长坡厚雪，2025 年机遇众多。软硬件较大级别更新，2025 年或形成更完备的闭环。OpenAI o1 的发布意味着技术路线的更新，强化学习进入到大模型的工具库中。在这种方法的引领下，o1 的逻辑推理能力成长迅速，在绝大多数推理能力较强的任务中，o1 的表现明显优于 GPT-4o。o3 的性能相对 o1 更是有明显的提升，数学竞赛 AIEM 2024 和博士级科学考试 GPQA Diamond 中，o3 均接近满分。Epoch AI 开发的 FrontierMath 数学基准测试中，o3 则达到了 25.2%，此前GPT-4 和 Gemini 1.5 Pro 等模型评估的成功率不足 2%，硬件端英伟达发布 NVIDIA GB200 Grace Blackwell 超级芯片，进一步组成机柜，性能改善幅度较大，这为基础模型和各类软件的进步奠定了算力基础。展望 2025 年，基础模型和硬件或相互激励，形成良好闭环，服务器、交换机等算力产业链赛道机会良多。

AI大模型赋能垂直行业标杆案例集：运营商实践

2025年计算机行业年度策略报告：AI Agent繁荣时代开启，科技内需迎新篇章

self-play RL范式开启，大模型技术军备赛进入复杂推理阶段 多模态模型能力持续升级，朝向多模态理解和生成的统一发展 Agent向超级智能体进化，具备更强的学习和推理能力，处理更复杂的任务