智能化

OpenAI 问世后，各路大模型如雨后春笋般涌现，它们基于互联网上爬到的数据进行训练，要花费成千上万张 GPU 资源才能训练出来，这些大模型可以陪人闲聊、回答问题甚至求解方程，但是它无法知道的企业流水线的工艺制造方式、学校对学生的个性培养计划、医院为老人的病症诊疗方案。这些大模型我们称其为“通用大模型”，它知道的很多很杂、但不深不准。如果要让 AI 真正服务于千行百业，需要的是把“通用大模型”与行业数据充分结合，再通过算力加工成“行业大模型”。“行业大模型”的发展，需要迈过三座大山，一是模型部署太贵，企业要部署一套聪明的大模型动辄要大几百万上千万，二是数据流通不畅，企业的生产数据通过互联网传输既不安全也不高效，三是算力使用不便，国家建设了大量的公共算力却未充分被企业所知所用。

AI 大模型的跨域训练是全球范围关注的前沿技术方向，它是指将多个不同的智算中心组合在一起训练同一个 AI 大模型。为什么需要跨域训练？业界通常的认知在于，当大模型未来发展到万亿、十万亿参数规模时，根据 Scaling Law 需要用到万卡甚至十万卡才能完成其预训练过程，这样的体量规模如果集中到一个集群内部，在技术、能源、配套等方面都存在着严峻的挑战，因此需要通过网络连接多个集群并加以组合，以共同训练同一个万亿/十万亿的大模型。

海外 AI 模型迭代、云服务与硬件需求、上层应用共振式爆发。国内受限于市场环境展现出不同特征，B 端企业数据治理基础相对薄弱，商业化聚焦于 Pre-AI 阶段与垂直场景降本增效；C 端市场在互联网巨头主导下目前仍以免费为主，但以图片编辑、视频生成为代表的内容创作产品通过出海已实现了一定商业化价值，建议关注 1）Pre-AI 的收入率先落地，推荐 OA+ERP 环节的泛微网络、金蝶国际、用友网络、鼎捷数智；Pre-AI 方面的汉得信息。2）部分细分垂直场景 AI 收入更快。创收关注拓尔思、税友股份、视源股份、京北方、国能日新等；降本关注 AI-coding 和多模态，如万兴科技等。3）本地推理逐步起量，推荐浪潮信息、深信服、神州数码、海光信息等。

随着人工智能技术的飞速发展，多智能体系统在各个领域得到了广泛应用，例如智能交通系统中的车辆协同调度、工业自动化中的机器人协作、复杂商业流程中的智能决策支持等。多智能体系统通过多个智能体之间的协作，能够高效地解决复杂的任务，展现出巨大的潜力。

2025创业报告_人工智能时代的创业之道

无人驾驶清扫车是融合了自动驾驶技术与清扫功能的车辆，能够依靠各类传感器感知周边环境信息，通过复杂的算法进行分析决策，进而按照预设的路线或自主规划合理的路径，自动对道路、广场、园区等公共场所进行清扫作业。据《2024-2025年中国低速无人驾驶产业发展研究报告》数据，2024年我国低速无人驾驶行业销售规模约123亿元，各类低速无人车销售数量约3.3万台；其中无人清洁环卫市场规模占比最高，全年出货约1.3万台，而其中用于市政道路、园区、景区、广场等户外场所的无人清扫车出货占比26%，出货量为3420台。

复盘今年美股AI Agent标的市场表现，以1月至2月中旬模型平权以及4月初的关税波动为节点划分为三段式波动，前两个阶段跟随行业β同涨同跌偏多，第三阶段随AI货币化进程走出个股差异行情。

我们认为，生成式 AI 正迈入以 AI 智能体为主导的新发展阶段。宏观角度，AI 智能体引发了“无就业增长”与“超级个体”并存现象，“硅基生物”对人力的结构性替代已经开始；微观角度，软件的价值创造与 Token 消耗挂钩，Token 的生产与半导体、数据中心和能源等物理基础设施产能深度绑定，“边际成本为零”的软件商业模式逐渐告结。我们认为，智能体的发展将沿着“先 2B 再 2C，最后终端”的产业发展轨迹；看好中国在机器人等终端上显著比较优势。基于此，我们给出未来一年美股投资的八大预测，看好 1）科技板块有望跑赢美股大盘；2）硬件有望跑赢软件；3）ASIC 有望跑赢 GPU；4）台积电在先进工艺领域领先优势或持续；5）苹果股价有望实现反转；6）美国或将比特币纳入战略储备；7）设备板块或跑输费城半导体指数；8）模拟板块或跑输费城半导体指数。

AI智能体与大模型解决方案

AI 液冷：预计 2025 年是渗透率加速的元年。随着生成式 AI 横空出世，传统的通算中心已无法满足日益增长的 AI 算力需求，智算中心（AIDC）成为算力设施发展的必然趋势，配套的散热需求也将随之增长，风冷技术已难以满足当前高功耗芯片及机组的散热需求。除英伟达外，谷歌、微软、Meta、华为、阿里等国内外云厂商均引入液冷技术方案。随着液冷技术从可选变为刚需，渗透率有望快速提升，预计2026 年全球数据中心液冷渗透率将提升至 30%左右。

我们认为Scale Up网络存在Scaling Law，Scale Up柜间第二层网络会逐渐出现，光+AEC连接多出与芯片1:9的配比需求，交换机多出与芯片4:1的配比需求，相较Scale Out网络均倍增：

汽车产业链与人形机器人产业具备硬件、软件、场景多方面协同优势，汽车产业链上下游企业从本体、传感器、执行器、材料多个环节赋能人形机器人，助力人形机器人迎来量产落地。