科技行业年度策略：2026年展望AI能力跃迁驱动商业化全面提速

正文目录中美两国持续引领大模型迭代 5Transformer架构依然主流，Diffusion值得关注 8ScalingLaw2.0下，中美模型迭代的差异化路径 10ScalingLaw2.0含义更加丰富，数据、算力持续攀升 10大模型训练数据量持续提升 10训练算力与训练成本保持快速增长 海外押注预后训练，国内注重效率提升 12海外：xAI持续践行“大力出奇迹”，紧抓后训练和强化学习 12国内：阿里、DeepSeek创新性架构优化，抓住Attention本质 13算力：推理范式跃迁驱动全球算力建设进入新加速点 16从推理范式看算力需求扩张节奏 16用户×时长×深度：全球算力需求的三角模型 16新应用范式下消耗量的展望 18合作模式创新：数据中心建设节奏进入新加速点 20OpenAI多项合作为未来算力建设提供指引 20新型融资模式为算力建设提供资金支撑 21北美CSP厂商Capex持续上修 22三大互联协同演进：高带宽、低延迟、跨区域 22Scaleup协议走向开放，市场规模快速扩大 23单一数据中心限制驱动Scaleacross（DCI）扩展迅速 24应用：“突破”加速，“蝶变”在即 252025年中国AI应用复盘：“刚需”和“重构” 27中国AI应用两大发展路径：巨头生态融合&垂类场景深耕 27中国AI应用落地节奏：高容错率、高ROI、数字化基础好的场景行业落地更快 28商业模式：私有化部署先行，订阅模式主要集中在轻量化场景 302026年AI应用投资策略：拥抱“确定性”，配置“真成长” 32趋势一：企业数据成为2BAI应用关键，看好长流程应用机遇 32趋势二：2CAI应用强调“入口”优势，头部厂商加快端侧布局 36趋势三：AI加速“云化”转型，云厂商受益趋势明显 39按梯队看AI应用标的的选择标准 40计算机2026展望：从“控费”转向“内生增长” 432025三季报综述：营收温和复苏，强控费驱动利润高增长 432026年展望：AI有望驱动营收增长和毛利率修复，费用率预计保持平稳 452026年需求端展望：AI有望成为计算机行业需求增长的重要驱动力 462026利润展望：毛利率有望修复，费用率预计保持平稳 46总结与相关标的 47重点公司推荐 47风险提示 49图表目录图表1：全球主流大模型智能性概览：中美大模型之争 5图表2：全球大模型主要玩家的能力矩阵 6图表3：Google2025年以来的模型更新情况 7图表4：当前全球大模型仍以Transformer的decoder-only架构为核心主流 8图表5：GoogleGeminiDiffusion 9图表6：字节SeedDiffusionPreview 9图表7：OpenAIo系列模型带来ScalingLaw2.0 10图表8：ScalingLaw的三层递进 10图表9：大模型训练数据量从15Ttokens提升到30T以上 图表10：前沿人工智能模型的训练计算量大约每六个月翻一番 图表Grok模型的演进对应了ScalingLaw的1.0到2.0阶段 12图表12：xAI训练团队在X平台指出Grok-4.1后训练算力有数量级的提升 13图表13：Qwen3-Next通过Attention优化提升长文本与大参数效率 14图表14：DeepSeek-V3.2-Exp相比V3.1-Terminus在不同长度位置的推理成本显著降低 14图表15：DeepSeek-V3.2-ExpNSA注意力架构 15图表16：推理需求的三个变量 16图表17：OpenAIWAU（周活跃用户）持续增长 16图表18：GoogleAIMode通过更多推理提供更详细的搜索结果 17图表19：OpenAIPulse可实现闲时推理思考，主动推送 18图表20：海外云厂商token消耗情况 18图表21：GoogleAIMode对话式购物功能 19图表22：OpenAI合作示意 20图表23：OpenAI产业链 20图表24：CSP举债融资规模 21图表25：北美四大CSPequity/debt比率 21图表26：北美云厂商Capex情况 22图表27：AI算力需求扩张催生三大互联需求 22图表28：目前主流的Scaleup协议 23图表29：ScaleUp交换机规模有望快速增长 23图表30：DCI市场规模有望实现快速增长 24图表31：2023-2025年AI应用演进历程复盘 25图表32：AI应用面临工程化、商业化双重挑战 26图表33：科技巨头AI布局 28图表34：AI应用落地节奏：场景 29图表35：AI应用落地节奏：垂直行业 30图表36：中国AI应用商业模式以项目制为主的主要原因 31图表37：部分AI解决方案类公司AI业务进展 31图表38：部分AI+SaaS公司AI业务进展 32图表39：2BAI应用向复杂场景不断拓展 33图表40：AI变革倒逼企业深化数据资产治理 33图表41：公有云厂商、数据工具商、应用厂商发力数据中台产品 34图表42：海外SaaS厂商加快数据技术的并购整合 34图表43：长流程应用有望凭借数据+流程优势构建企业级Agent平台 35图表44：海内外长流程应用厂商业务布局概览 35图表45：2CAI应用逐步向入口级应用收敛 36图表46：25年10月ChatGPT的周活用户数（WAU）达到8亿 36图表47：MetaAI月活用户数突破10亿 37图表48：25Q2金山办公WPSAI月活数达到2,951万 37图表49：海外大厂AI终端布局概览 38图表50：新AI终端有望成为AI互联网发展提速的关键 38图表51：海外公有云厂商收入持续兑现（截至25Q3） 39图表52：国内公有云厂商25年云业务收入显著改善（截至25Q2） 39图表53：计算机行业整体营收情况（全口径） 43图表54：计算机行业整体营收情况（小口径） 43图表55：计算机行业整体归母净利情况（全口径） 43图表56：计算机行业整体归母净利情况（小口径） 43图表57：计算机行业整体扣非净利情况（全口径） 44图表58：计算机行业整体扣非净利情况（小口径） 44图表59：计算机行业毛利率情况（全口径） 44图表60：计算机行业毛利率情况（小口径） 44图表61：计算机行业期间费用率情况（全口径） 45图表62：计算机行业期间费用率情况（小口径） 45图表63：计算机行业经营性现金流情况（全口径） 45图表64：计算机行业经营性现金流情况（小口径） 45图表65：重点公司推荐一览表 47图表66：重点推荐公司最新观点 47中美两国持续引领大模型迭代全球主流大模型集中于中美，两国头部厂商或长期占据主导优势。基于ArtificialAnalysis的数据与模型智能指标观察，当前头部模型整体由美国阵营领跑，海外最具代表性者为OpenAI、xAI、AnthropicGoogleMetaLlama4系列推进不顺等因素影响，模型性能阶段性落后。国内方面，从模型性能维度评估，DeepSeek、Qwen（阿里系KimiMiniMax讯、百度的模型没有被纳入排行榜单，但其模型依然各有特色。我们认为，上述格局反映了中美在基础模型与工程化推进上的综合优势。图表1：全球主流大模型智能性概览：中美大模型之争AnalysisIntelligenceIndexv3.010GPQADiamondHumanity'sLastExamLiveCodeBenchSciCodeAIME2025IFBenchAA-MCR、Terminal-BenchHard、τ2-BenchTelecom2511月ArtificialAnalysis、Google当前拥有较为全面的全栈模型软硬件能力，其他玩家强化补短。据ArtificialAnalysis数据，以四维能力矩阵系统评估全球大模型主要竞争者的能力与定位现状，框架涵盖最底层的硬件支撑、其上的云服务能力、进一步的技术模型能力以及面向终端的顶层应用四个维度。从现阶段表现看，Google在上述各维度的能力布局相对均衡且覆盖面广，体现为底层自研硬件（TPU系列）到应用的端到端一体化优势。相对而言，其他玩家也在逐步补齐短板，如OpenAI在底层定制化硬件方面暂处于落后位置，但是据路透社信息，OpenAI已宣布与博通合作开发新一代ASIC芯片，以期强化算力与成本控制的基础能力；国内DeepSeekV3.1及之后系列、智谱GLM4.6在Day0即适配了国产芯片。我们认为，当前大模型玩家格局呈现Google更全面、其他厂商强化补短的阶段性特征。图表2：全球大模型主要玩家的能力矩阵ArtificialAnalysis、Google在多模态模型领域的综合实力突出，技术积累构筑长期竞争壁垒，实现多点开花。对比海外主要厂商，OpenAI以文本生成和图片生成为核心，并拓展至实时语音及视频生成（ora系列，但产品迭代节奏相对分散，如ora于4年2月发布，直到2月才上线，2510SoraGoogle依托多模态融合及（GeminiImage系列、视频系列、机器人（PaLM-E、GeminiRobotics系列）多点开花。我们认为，Google的多模态布局覆盖面广，技术底座稳健，为后续模型代际跃迁奠定基础。Gemini3作为Google1Gemini2Agent能力框架，带来更高质量的推理与任务分解。3AgentCodingGoogle官网信息，Gemini团队在预训练阶段取得模型能力的阶段性跃升，未呈现外界担忧的规模化受限迹象。与此同时，包括强化学习在内的后训练仍具进步Gemini3Gemini3Pro在多模态理解Vending-Bench2基准显示，其在长时序运营模拟中能够保持稳定的工具调用与决策节奏，实现更高回报且未偏离任务目标。）模型发布日期模型路线特点是否开源Gemini2.0FlashThinking）模型发布日期模型路线特点是否开源Gemini2.0FlashThinking2025.02强化学习CoT模型，当时的性能强于o1否Gemini2.0Flash-Lite2025.02否Gemma32025.03与Gemini相同开源小模型，支持端侧是GeminiRobotics2025.03VLA（Vision-Language-Action面向多步任务；“边思考边行动”与自然语言解释；从ALOHA-2到Franka再到ApptronikApollo的跨机体迁移否Gemini2.5Pro2025.03与Gemini相同在LMArena排行榜（衡量人类偏好）上遥遥领先，表明该模型具有出色的性能和高品质的风格。2.5Pro还表现出强大的推理和编码能力，在常见的编码、数学和科学基准测试中处于领先地位。否Gemini2.5Flash预览版2025.04Gemini型Google“思考”型还允许开发者设定“思考预算”。521I/O2.5Flash更新版否Gemini2.5Pro2025.05Gemini型DeepThink功能否GeminiDiffusion2025.05DiffusionDiffusionTransformer架构。值得持续关注。否Veo32025.05内置音效/4K物理、更强提示对齐否GeminiRoboticsOn-Device2025.06本地部署优化的VLA（臂平台起步否Gemini2.5Pro/Flash稳定版2025.06MoE，原生多模态Gemini2.5设计成一个混合推理模型系列。将2.5Pro和Flash模型发布为稳定版和正式版否Gemini2.5Flash-Lite预览版2025.06MoE，原生多模态Gemini2.5设计成一个混合推理模型系列，2.5Flash-Lite预览版——这是我们迄今为止最具成本效益和速度最快的2.5模型。否Gemma3n2025.06MatFormer（Transformer）套娃式设备端人工智能的重大进步，将强大的多模态能力带到边缘设备是Genie32025.08自回归视频世界模型等智能体验证；强调物理与环境一致性否Gemma3270M2025.08Transformer紧凑模型，从零开始设计用于任务特定的微调，且已在训练中具备了强是大的遵循指令和文本结构化能力。关键优势是其低功耗Gemini(banana)2.5FlashImage2025.08NA先进的图像生成和编辑模型 否GeminiRobotics1.52025.09升级版VLA更强多步任务与跨机体学习，可与工具调用（如Search或自定义函数）否联动完成复杂链路。GeminiRobotics-ER1.52025.09EmbodiedReasoning解/规划/决策与工具调用，向VLA下达高层指令理解环境-制定计划-估计进度与成功率；可原生调用工具，支撑长链路否任务；与VLA协同提升泛化Gemini2.5Flash/Lite2025.09NA更新版本，有更好的指令遵循能力，更简洁的输出和更强大的多模态和否翻译能力，更好的智能体工具使用。Gemini3ProLLMGemini生产力落地能否力（Agent能力）。Gemini3Pro在整个模拟的一年运营中保持了一致的工具使用和决策制定，推动了更高的回报而不偏离任务。Gemini3Pro2025.11NAGoogle官网、华泰研究7Transformer架构依然主流，Diffusion值得关注Transformerdecoder-only架构为核心主流。尽管近年来陆续出MambaKANTransformer体Transformer仍将是大模型研发与优化的基础框架，其生态与工具链优势将继续巩固主导地位。图表4：当前全球大模型仍以Transformer的decoder-only架构为核心主流HarnessingthePowerofLLMsinPractice:ASurveyonChatGPTandBeyond》，Yang（2023）、Transformer的新型架构。Transformer2017年2023ChatGPT问世之后。回顾这一历程可以发现，技术范式的更替往往具有滞后性，新的架构或已在研究阶段出现，只是尚未进入广泛应用周期。我们认为，随着模型规模、算力利用和推理方式的进Transformer的新一代主流架构。DiffusionDiffusion2024年初SoraDiffusionTransformer结合的潜力，显著提升了视频生成的一致性、分辨率及时长表现。255DiffusionGeminiDiffusionSeedDiffusion以跟进相关方向。Diffusion生成速度快（字SeedDiffusion2,146token/s，比同等规模的自回5.4倍TransformerNextPredictionDiffusionTransformer成为主流尚待验证，但其在头部厂商中的探索已具前瞻意义，值得持续关注。图表5：GoogleGeminiDiffusion 图表6：字节SeedDiffusionPreviewGoogle官网、 字节官网、ScalingLaw2.0下，中美模型迭代的差异化路径ScalingLaw2.0含义更加丰富，数据、算力持续攀升ScalingLaw作为Transformer体系的核心逻辑，正从单一阶段演进至多阶段范式。早期的ScalingLaw主要聚焦于预训练阶段，通过扩大模型参数、数据规模、算力规模实现性能提升，可称为1.0阶段；而自2024年9月OpenAI发布o系列模型以来，强化学习被系统性引入后训练流程，标志着ScalingLaw进入2.0阶段，即在后训练环节继续扩大算力与数据投入，使模型在强化学习中形成可扩展的能力增益。进一步地，在推理阶段，模型通过思维链（ChainofThought）方式开展推理，用户可在实际使用中使用更多算力以延长思考时间、生成更多token，在推理中充分释放已习得的强化学习能力。我们认为，这种从预训练到后训练再到推理端的全链路扩展逻辑，构成了当前大模型性能演进的主线框架，也是2025年黄仁勋在GTC大会上所强调的关键趋势。图表7：OpenAIo系列模型带来ScalingLaw2.0 图表8：ScalingLaw的三层递进OpenAI官网、 GTC2025、大模型训练数据量持续提升训练数据Token规模持续走高。据ArtificialAnalysis统计，典型开源模型的训练数据常见在10-15万亿tokens，被视为可免费获取并高质量清洗后的网络数据量级。头部厂商通过新增标注与合成数据等方法持续扩容训练数据tokens，新近模型的训练tokens继续上行：例如阿里Qwen系列由18万亿（24年9月Qwen2.5）提升至36万亿（25年4月Qwen3），Meta在训练Llama4Scout时引入部分社交数据，使总体训练数据约达40万亿。我们认为，随垂类数据与新标注数据的不断累积，训练tokens仍将增加，且从模型泛化性和性能表现来看，OpenAI、Google等头部模型的训练规模或高于公开口径。图表9：大模型训练数据量从15Ttokens提升到30T以上ArtificialAnalysis、训练算力与训练成本保持快速增长从全球前沿模型的训练趋势来看，算力投入的增长仍是推动大模型性能演进的核心动力。EpochAI在《TrainingComputeofFrontierAIModelsGrowsby4-5xper》中的测算，201020244-52017620245月期间，92025年发布的新前沿模型来看，仍然没有放缓。总体判断，在当前阶段，算力仍是大模型能力演进的底层约束与增长引擎，其年均4-5倍的扩张速度构成了行业发展的核心节奏。图表10：前沿人工智能模型的训练计算量大约每六个月翻一番EpochAI、海外押注预/后训练，国内注重效率提升海外：xAI持续践行大力出奇迹，紧抓后训练和强化学习ScalingLaw2.0以后训练+强化学习为核心路径，Grok迭代验证该方向。围绕xAI的发布节奏可见ScalingLaw侧重的迁移：ScalingLaw1.0阶段，对应xAI自Grok2到Grok3的迭代，主要通过将预训练算力扩大约10倍带来性能跃升；Grok3的推理模型标志着Grok模型进入后训练阶段；至Grok4发布，其后训练（Reasoning）相较Grok3再度将算力放大约10倍，使得后训练算力需求接近预训练。从目前头部模型迭代进度看，后训练的算力需求还有可能继续增加。据xAI官网，Grok4依托20万卡级别的Colossus大规模集群进行训练，因此，持续扩大后训练的模式与海外更高密度算力核集群禀赋相匹配。我们认为，ScalingLaw2.0体现出算力重心由预训练向后训练与推理环节迁移，并对高密度集群供给提出更高要求。Grok4.1在强化学习奖励范式上引入Agent模型奖励，并继续在后训练算力上有数量级提升。Grok4.1延续预训练+强化学习的总体路径，但在后训练环节进行了关键范式调整。据xAI官网，本次迭代沿用了Grok4的大规模强化学习基础设施，并针对强化学习中不可直接验证的奖励信号进行了优化，采用具备Agent推理能力的模型作为奖励模型，使系统能够实现自动化评估与响应迭代。Grok4.1在偏好度测试中达到64.78%，呈现出更符合用户交互偏好的输出特征。xAI训练团队在X平台亦指出，其后训练强化学习规模相较Grok4扩大了一个数量级，结合更强推理能力的奖励模型，使模型在真实对话偏好学习、自主评分与反馈循环中持续改进。图表11：Grok模型的演进对应了ScalingLaw的1.0到2.0阶段xAI官网、图表12：xAI训练团队在X平台指出Grok-4.1后训练算力有数量级的提升X平台官网、国内：阿里、DeepSeek创新性架构优化，抓住Attention本质NVIDIAGPU构1020万卡级超大集群的条件，国内在算力基础设施上仍存在差距。在此约束下，架构在中短ttntion（通过计算kes间相关性以预测最优输出，AttentionQwenDeepSeek的模型为典型代表。我们认为，在算力约束难以短期突破的情况下，架构创新与算法精炼将成为国内基础模型竞争的主要方向。Qwen3-Next延续Scaling大方向，通过Attention优化提升长文本与大参数效率。阿里为进一步增强模型在长上下文与大规模参数条件下的训练及推理效率，其Qwen3-Next在保持Transformer与MoE总体框架不变的前提下，主要改进了：1）引入75%线性注意力+25%传统注意力的混合机制，在兼顾长文本效率与记忆精度间取得平衡；2）显著提升稀疏化程度，80B总参数仅激活约3B，激活率约3.7%，推理效率明显改善；3）扩大MoE专家数量至512个，为前代的两倍；4）采用多Token预测机制，提高训练与推理并行度。我们认为，Qwen3-Next的创新体现出在Scaling框架下通过细粒度结构优化实现性能与成本的再平衡，这类细节创新或将成为后续国内大模型迭代的主要演进路径。图表13：Qwen3-Next通过Attention优化提升长文本与大参数效率Qwen官网、DeepSeekV3.2引入DynamicSparseAttention，训推效率再次有了大幅提升。DeepSeekV3.2-Exp在性能上与上一版V3.1-Terminus差距不大，并将V3.2定位为迈向新一代架构的中间步骤。V3.2最大的进步体现在DSA（DynamicSparseAttention）的引入，模型训练与推理效率显著提升，相比上一代模型API输入与输出成本分别下降约50%与75%以上（推理成本）。DSA的核心优化集中在Attention机制层，通过算子级与内核级的工程化重构，在长上下文任务中显著压缩训练与推理开销，同时尽量保持模型性能稳定，延续了以架构精修换取综合效率提升的技术路线。我们认为，该版本体现出在算力约束下的务实取舍，既为后续架构演进奠定技术基础，也展示出国产模型在底层优化方面的持续积累。图表14：DeepSeek-V3.2-Exp相比V3.1-Terminus在不同长度位置Token的推理成本显著降低DeepSeek官网、DSA实现长上下文推理的高效稀疏化。V3.2-Exp在原V3.1架构基础上新增的结构改动为DSA，旨在显著提升长上下文的训练与推理效率。其基本思路是采用先粗筛、后精算的双阶段注意力机制：通过一个轻量索引器（Indexer）先对历史tokens进行快速筛选，选出最可能相关的Top-k候选，再由主注意力模块进行精细计算，从而将复杂度由O(L²)降至O(Lk)（k≪L），文本越长节省越显著。索引器虽维持O(L²)复杂度，但因采用更少注意力头、轻量化FP8计算及优化实现，使端到端推理显著加速。我们认为，DSA标志着国内Attention机制从全密集计算向动态稀疏推理的转折，是长上下文方向的重要突破。图表15：DeepSeek-V3.2-ExpNSA注意力架构DeepSeek官网、AI算力：推理范式跃迁驱动全球算力建设进入新加速点从推理范式看算力需求扩张节奏用户×时长×深度：全球算力需求的三角模型xx推理正从用户端、模型端、任务形态全面拓展，新型的推理范式不断出现，全方位驱动算力需求的扩张。图表16：推理需求的三个变量1、首先从用户数量的角度，AI应用使用人数进入快速渗透阶段，Chatbot逐步成为新型的基础应用。1）OpenAI开发者大会，OpenAI周活跃用户数量（WAU）延续高速增长态势，10月份WAU8Semrush数据，OpenAI已经GoogleFY26Q2Overview的月活20亿人，Gemini106.5C端AIChatbot产品；3）BMicrosoft业绩会最新数据，FY26Q1Copilot总用户1.5150%。由此可以看出，AIChatgptAIChatbot类产品已逐步成为新型的基础应用。图表17：OpenAIWAU（周活跃用户）持续增长(mn)9008007006005004003002001000

OpenAIChatGPTWAUs1001002003004005006007008002023/1 2024/8 2024/12 2025/2 2025/3 2025/6 2025/8 2025/10OpenAI2、从用户使用深度的角度，AI产品正从通用问答工具向具有推理、记忆与决策能力的复合型智能体演进。ReasoningModel、DeepResearch、Agent等产品在快速渗透，例如，OpenAICEOSamAlterman公开表述，GPT-5ReasoningModel的渗透率显著提升，复杂任务的推理调用频次显著上升。同时，GoogleAIMode推理功能，系统会将其拆分为多个子问题、多个查询，分别检索，然后整合成答案，输出AIMode已面向更多国家和地区推广/DeepReseach/AIModeChatbot对于算力的需求带来几十倍的拉动。图表18：GoogleAIMode通过更多推理提供更详细的搜索结果Google官网3、从使用时长的角度看，AI正在从被动响应向主动运行转变，推理时间被大幅延展。OpenAI新推出的Pulse产品允许模型在用户闲置期间自动搜集资料、整理知识与进行离线学习，实现了计算时长的持续积累。这意味着AI不再只在用户输入时触发计算，而是进入常开推理状态，大幅拉升算力利用率。同时SamAlterman的在BG2的访谈中提到，今年Agent的迭代目标是实现智能体可离开去做事，再回来接受用户的引导，今年有望发布可跑数天的编码智能体。我们认为，随着更多实时生成、连续学习及多模态交互类应用（如视频生成、虚拟助理）的普及，未来AI推理将从短时任务型向长时运行型转变，计算需求有望迎来数量级增长。图表19：OpenAIPulse可实现闲时推理思考，主动推送OpenAI官网新应用范式下，Token消耗量的展望Google消耗量持续增长。GoogleFY26Q3业绩会表述，google101300I（IOeriewAIModeGmnI（eoNanobaanaWorkspaceC5GoogleIOGoge4月份token消耗量达0Q2业绩会声称7月份这一数字为T，token1）token消耗AIoverviewAIoverview的触发比例达到较高水平，边际拉动有所减弱；2）对于云厂商而言，tokentoken消耗主要由免费应用所推动，经历前期快速拓展用户后，云厂越来越考虑其投入产出比，寻找高价值的商业化token消耗的性价比；3）从供给端来看，Google业绩会提到目前云计算仍处TPUv6v7token的增速。图表20：海外云厂商token消耗情况google业绩会、微软业绩会展望未来，模型与云大厂的重心越来越多的放在对于高价值商业化场景的优化与探索上。AIROItoken消耗量的提升。以Google为例，展望未来Token增速仍将保持较高水平，我们认为以下为关注的重点：AImode成为AI搜索的下一阶段的新范式，带动用户使用深度的提升：AImode的提出使得AI搜索从过去的单纯完成用户问题的搜集转变向多任务拆分、信息深度推理的新范式。同时，AIMode将依托GoogleSeach的流量入口实现Gemini驱动的AI应用向更多用户的渗透，AIMode将成为GoogleGeneralAgent的载体，接入众多MCP，实现Agent生态的打通，为用户的日常生活提供智能服务，例如Google在AIMode中加入智能购物的功能，用户可以通过描述需求实现商品推荐、智能比价，同时Google正在测试代理结账（agenticcheckout）功能，允许用户设定价格阈值，AI监控商品波动，一旦符合预算，便自动在商家网站下单，使用GooglePay完成支付。图表21：GoogleAIMode对话式购物功能Google官网token多模态已被证明是商业化较快的领域，Google视频生成模型、NanoBananaGoogle未tokens的调用量将远大于纯文本的交互，未来多模态的拓展也将成tokens增长的重要驱动。合作模式创新：数据中心建设节奏进入新加速点OpenAI多项合作为未来算力建设提供指引OpenAI36GW，为未来算力建设规模提供指引。9月底以来，OpenAIAMD10GW（Rubin1GW2026年下半年开始交付10GWAsic（2026OpenAIAsic开始交付，与MD合作的6W的合作项目（基于Helos机柜产品，预计6年下半年开始交付Oracle10GWStargate项目（阿比林项目预计明年投入运营，其他集群正在交付过程中。除此之外，OpenAI已GoogleAWS图表22：OpenAI合作示意OpenAI官网、图表23：OpenAI产业链OpenAI官网、新型融资模式为算力建设提供资金支撑云厂商开始利用杠杆进行数据中心建设。过去北美超大规模云厂商多采用自由现金流自建为主的模式，目前为加速算力供应上线，正逐步以算力租赁、算力债等多元化融资结构作ReutersBlueOwlPIMCO270AI175亿欧元的公司债用于数据中心的建设；OracleAI数Reuters380180亿美元的大型银团贷款，用于美国多地的项目开发。新型融资手段缓解巨额前期投入与长期收益周期之间的错配问题，也促使算力建设进入新的加速周期。债务融资并非现金流充沛的云厂商的常规融资模式，今年以来的多笔举债投资数据中心也在一定程度上引发对于AI泡沫的担忧，我们认为目前杠杆占整个数据中心投资比例处于较为合理的范围，应当理性看待。图表24：CSP举债融资规模Bloomberg图表25：北美四大CSPequity/debt比率GOOGL GOOGL MSFTMETA AMZN2.52.01.51.00.50.02022/12/1 2023/4/1 2023/8/1 2023/12/1 2024/4/1 2024/8/1 2024/12/1 2025/4/1 2025/8/1北美CSP厂商Capex持续上修Capex持续扩张，25Q3CY2025Q3资本开支合计+78.42%，环比+19.31%CY2025Q3Microsoft/Google/Meta/Amazon349、240、194、351亿美元，同比+75%/+84%/+111%/+65%，环比+44%/+7%/+14%/+12%。从各厂商表述来看，呈现出几个共同特点，1）指引持续上修，20262025亚马逊均表示2026年云业务将持续处于供不应求的状态；3）数据中心建设加速，微软与亚马逊表示未来两年内将数据中心规模扩大一倍。图表26：北美云厂商Capex情况MicrosoftGoogleMicrosoftGoogleMetaAmazon1134950778765635571435463353372383 3893403423711,2001,000800600400200022Q122Q222Q322Q423Q123Q223Q323Q424Q124Q224Q324Q425Q125Q225Q3各公司公告三大互联协同演进：高带宽、低延迟、跨区域I2）AIup网络可以实现高带宽低延迟的数据传输与内存池化，成为推理放量后的必由于单个数据中心电力/across互联可以使得多个数据中心跨越几十公里连接成一个统一的集群，打破单一数据中心在电力、功率与物理中心的限制。图表27：AI算力需求扩张催生三大互联需求Scaleup协议走向开放，市场规模快速扩大Scaleup协议逐步走向开放化与多样化。NVLink、传统PCIeScaleupESUN（基于以太网、OCP大会提出、博通主导等主导ICI（Google主导UB（华为主导、中国信通院等主导Scaleup互联定义了可行路径。图表28：目前主流的Scaleup协议单通道带宽最大支持线缆长度GPU互联技术厂商（双向）通道数GPU带宽限制客户采用情况概述PCIe6.01/2/4/8/1PCI-SIG（Intel）16GB/s6256GB/s-英伟达B系列（2025量产）预计亚马逊Trainium3(2025年末量产)（GPU互联）PCIe6.0x16接256 GB/s吞吐量NVLink5.0NVIDIA100GB/s（单链路双向）181.8TB/s英伟达GB20019cm-92.5(2Q25量产)cm GB300(2H25量产)NVIDIA私有协议，2025年ComputeX大会提出NVLinkFusion将NVLinkC2C推广。预计AMDMI400系列UALink1.0开放组织（AMD 主导）128GB/s、200GB/s1/2/4800GB/s4m(2H26量产)预计AMDMI500系列(2027年量产)预计亚马逊2410月，AMD、Intel、Meta、MicrosoftGoogleAWS在内的九家顶尖科技公司正式成立 UALink 联盟（2027年）SUE博通200GB/s1/2/4/81.6TB/s10m预计MetaMTIA(2026年量产)20254OCP大会上发布ScaleUpEthernet（SUE）框架各公司官网、ScaleUpScaleOutInfiniBand130随着模型并行计算带来的带宽需求持续攀Icaleup（英伟达N4等caeUP网络LightcountingScaleUp市场规模已超过ScaleOutInfiniBand130FeynmanNVLinkSUEUltraAccelerator200G/Lightcounting预测，到2028年，UALinkScaleup20%。图表29：ScaleUp交换机规模有望快速增长EthernetSwitchesInfiniBandSwitchesOpticalCircuitEthernetSwitchesInfiniBandSwitchesOpticalCircuitSwitches Scale-upSwitches18,00016,00014,00012,00010,0008,0006,0004,0002,00002021 2022 2023 2024 2025 2026 2027 2028 2029 2030Lightcounting单一数据中心限制驱动Scaleacross（DCI）扩展迅速ScaleAcross（DCI、数据中心互联）市场规模增长迅速，跨DC训练与推理将具备可行性。ScaleAcross通过高速光网络连接分散的数据中心形成一个统一的计算集群，打破单一数据中心电力、散热与物理空间的限制，实现算力资源的跨区域协同，是Scaleup/Scaleout外更广的互联。英伟达也在今年8月份推出Spectrum-XGS交换机，通过优化以太网算法，实现跨几十公里、甚至跨城市的稳定互联，把多个数据中心拼接成一个统一的超级计算单元，一个整体的AI工厂。根据Marvell预测，DCI市场规模有望从2023年的10亿美元增长至2028年的30亿美元，24-28ECAGR达到25%。图表30：DCI市场规模有望实现快速增长数据中心内部光连接市场规模数据中心间互联（DCI）市场规模30数据中心内部光连接市场规模数据中心间互联（DCI）市场规模30711023100806040200MarvellAIDay

2023

2028E总体而言，AI推理需求的持续放大叠加算力集群的加速扩建，使得全球算力建设进入新一轮扩张周期。需求侧的多维增长与供给侧的资本创新正形成良性循环，持续看好全球算力建设产业景气度持续向上。AI应用：突破加速，蝶变在即经历2023-2025年的逐步迭代，AI应用2026年有望加速实现规模化放量。得益于模型、数据、工具的同步升级，全球AI应用经历产品打磨（2023年）、商业试点（2024年），正式进入规模化放量前期（2025年），并有望于2026年正式进入规模化阶段。1）产品化：2023年ChatGPT作为现象级应用，成功带动软件AI升级热潮，但此阶段受制于模型能力有限，AI应用多数仍为问答式应用，成熟度较低；2）商业化：2024年得益于基础模型能力升级（OpenAI发布推理能力较强的o系列模型），AI应用从问答式Chatbot向Agent升级，同时开启商业化试点推进；3）规模化：2025年AI应用进入规模化放量前期，2B应用加速实现存量客户覆盖，2C应用用户数及用户使用时长持续增长。我们认为，2026年全球AI应用有望加速规模化放量，全球AI产业商业化闭环的最后一公里有望构建完成。图表31：2023-2025年AI应用演进历程复盘Palantir官网、OpenAI官网、ServiceNow官网、Bloomberg、AI收入Salesforce25Q3AIARR14亿美元（公司电话会表述，约占公司总收入（公司5年总收入指引42亿美元）比重为%。AI化、商业化两大挑战。工程化：从工程化角度看，AI应用厂商面临数据治理与Agent可观测两大挑战。数据治理旨在提升AI应用的成熟度与复杂度，单环节看，可通过数据治理提升数据质量，改善AI应用的准确度；多环节看，可通过数据治理清洗数据结构、统一数据标准，满足复杂场景下AI应用的数据需求；Agent可观测旨在解决AI应用的安全、合规、可溯源等企业级特性，此特性进一步激发了企业级Agent管控平台的搭建需求。商业化：从商业化角度看，AI应用厂商面临完善商业模式与拓展端侧载体两大挑战。伴随AI应用的产品定位从辅助人工向接替人工转变，带动商业模式同步升级，海外Agent服务从订阅付费转向用量/效果付费，但新商业模式仍未成熟，标准化、透明化均有待提升；同时C端AI应用的载体拓展也是后续商业化空间打开的重点，当前C端应用仍以手机/电脑为终端载体，难以突破用户主动使用时长有限的限制。图表32：AI应用面临工程化、商业化双重挑战OpenAI官网、ServiceNow官网、Palantir官网、a16z、全球AI应用厂商加速阻力突破，2026年AI应用蝶变在即。AI应用持续升级，全球厂商加速阻力突破。数据治理方面：应用厂商加快数据治理人才、产品布局，海外SaaS加快数据业务收购；Agent可观测性方面：应用厂商加快企业级AI中台布局，提供企业级Agent的部署、监控、管理全链路工具；Agent商业模式方面：用量付费模式持续推进，ROI进一步明确趋势下标准化定价有望形成；AI新终端方面：头部应用厂商看好AI终端入口，探索AI眼镜、AI穿戴设备等新端侧场景。我们认为，2026年AI应用的产业趋势逐步明朗，看好2B长流程应用、2C入口优势应用以及公有云服务商三类厂商的业务机遇。2025年中国AI应用复盘：刚需和重构2025年：AI大模型从概念验证走向规模化商用。2025年年初DeepSeekR1大模型的横空出世，成为了中国AI应用落地的里程碑事件，其最重要的意义在于完成了全民的AI教育。以生成式AI和AIAgent为代表的新兴技术，正从概念验证阶段迈向规模化商业应用。下半年在人工智能+国家战略的顶层指引下，中国AI应用进入了产业化加速发展的快车道。AIGCC应用指数级提升。（领CAI应用的直接动力。在短视频、游戏、设计等领域，AIGCCAI面临着用户付费意愿较低、竞争激烈、变现难度大的困境，因此更多是互联网巨头之间的用户争夺战。得益于技术及政策驱动，2025Agent应用的元年。政企客户能够低AIITAI应用商业化变现最快的领域。技术层面：1）以DeepSeekR1、阿里通义千问为代表的国产大模型不断提升性能并开源；2）RAG（检索增强生成）技术的广泛应用。RAG结合向量数据库或知识图谱，已成为缓解大模型幻觉、提升信息准确性与可靠性的主流解决方案，也是大模型能够在对可靠性要求更高的企业级市场落地的关键进步。3）MoE架构成为构建超大模型的主流技术路径，大幅降低了超大模型在推理时的总拥有成本，成为大模型在企业端落地的关键一环；而模型轻量化技术（量化、蒸馏、剪枝）则推动AI能力向端侧迁移。政策成为央国企和政府客户AI需求释放的关键催化剂。25年2月，国资委召开中央企业AI+专项行动深化部署会，启动了战略性高价值场景建设专项工作，并要求在编制企业十五五规划中将发展人工智能作为重点。8月，国务院发布《关于深入实施人工智能+行动的意见》，人工智能正式上升为国家战略高度，并重点强调了央国企和政府在AI应用领域的引领作用。中国AI应用两大发展路径：巨头生态融合&垂类场景深耕AI商业化路径。253月-4月份期间，国内政企客户蜂拥DeepSeekDeepSeekDeepSeek并不能真正解决实际问题，企业开始重新思考AI应用落地行之有效的路径。应用的发展路径已分为两条：其一，科技巨头的生态融合。中国的B端AIAgent发展，并非由小而美的SaaS工具驱动，而是由阿里、字节跳动、腾讯、百度、华为等科技巨头依托其强大的云平台和产业生态，自上而下地向垂直行业渗透。互联网大厂/大型云服务商的核心优势在于：雄厚的算力基础设施、海量的多维数据和庞大的用户生态。互联网大厂在三大AI应用领域优势显著：IaaSPaaSMaaSAI（AI推荐（AI导购AI赋能构筑坚固的护城河。度整合到诸如操作系统、浏览器以及钉钉、企业微信等核心生产力工具里。在企业通用的AI助理、文档总结、代码生成、多语言翻译、会议纪要等场景中具备生态集成优势，能保障应用的集成体验、可扩展性与服务稳定性。图表33：科技巨头AI布局厂商 AI战略 核心产品/平台 典型应用场景阿里巴巴（9988HK）字节跳动（未上市）腾讯控股（0700HK）云+AI双轮驱动，开源生态领跑者战略重心在于模型开源+云端算力。通过通义全系列（Qwen2.5/Max）的开源策略抢占开发者心智，旨在以模型带动阿里云算力消耗，构建中国最广泛的模型服务生态。应用优先，数据飞轮驱动利用推荐算法和内容生态优势，推出C端超级APP豆包，通过高DAU反哺模型迭代。混元底座，全生态业务AI化采取实用主义策略，将混元大模型能力

(Qwen)(者)MaaS平台：阿里云百炼(模型服务平台)应用入口：钉钉AI助理、淘宝问问、夸克基础模型/C(Doubao)大模型及APP(CozeBot开发平台AI-视频/图像生成基础模型：混元大模型AI、企业微信接口

电商营销：万相台无界版Wan2.5视觉生成自动化投放)AI（低代码开发等）/TikTok效生成情感陪伴：豆包虚拟人对话、角色扮演视频剪辑：剪映/CapCut智能成片3DNPC反外挂C（深度集成微信生态信输入法AI版

/AIAI精准投放AISaaSAI实时翻译/纪要)档百度集团（9888HK）科大讯飞（002230

全栈自研，应用全面重构坚持芯片-框架-模型-应用四层架构的自主可控。战略核心是将搜索、地图、文库等数亿级用户产品用AI原生思维重构，并全力押注自动驾驶的商业化变现。平台+赛道，软硬一体化落地避开通用大模型的烧钱混战，专注于大模型在教

(ERNIE4.0)开发框架：飞桨平台MaaS平台：百度智能云·千帆大模型平台自动驾驶：ApolloGo(萝卜快跑)基础模型：讯飞星火认知大模型垂直应用：iFlyCode(智能编程助手)

智能搜索：对话式搜索、生成式结果页自动驾驶：Robotaxi在武汉/化运营PPT生成、智能研报分析数字人：百度灵曦数字人直播、营销服务K12(C端营收核心)CH）

育、医疗等优势垂直领域的深度变现，AI学习机、•核心硬件：AI学习机、智能办公本、智能录音

AI(辅助全科医生诊断)华为(未上市)

翻译机等智能硬件表现亮眼。算力底座，赋能千行百业避开C端混战，专注于G端（政府）和B端（大型国企）的算力+行业模型服务。通过昇腾+鲲鹏构建国产算力底座，解决核心领域的卡脖子问题。公告

笔5.0算力底座：昇腾(AscendAI处理器、CANN框架：MindSpore昇思)OS：HarmonyOSNext系统级原生智能

企业代码：企业内部代码补全与系统重构语音交互：汽车智能座舱语音助手政务/城市：城市治理大模型、气象精准预报(无人采矿)铁路故障检测(小艺助手)其二，垂类的场景深耕。即在办公、营销/销售及教育、法律、金融、医疗等专业领域，凭借对用户需求的深刻洞察，打造出体验卓越的AI原生工具/产品，占据细分市场的龙头位置。与美国相比，中国AI应用发展呈现出鲜明的"场景驱动"特征：技术为场景服务，产品迭代速度优先于底层创新。2025年中国AI应用落地路径更为务实，更多集中在刚需（安全合规、降本增效）和流量变现（如广告、电商）这两个确定性较高的领域，安全可控和ROI成为企业客户落地AI应用的核心考量因素。ROI、数字化基础好的场景行业落地更快AI+场景：高容错率、效果可量化、数据闭环短的场景落地节奏更快高容错率：由于大模型无法保证输出结果100%准确，因此高容错场景是企业部署AI应用优选的切入点，因为AI产生的错误不会导致灾难性后果（如生命安全、巨额资金损失），如AI+Coding、智能客服、CRM、营销/销售、HR、办公等领域。而对于准确性要求高的场景，如医疗诊断、自动驾驶等领域，容错率极低，落地周期长。人机协同则是更优选择，AI作为辅助角色完成大多数重复、繁重的基础工作，最终决策由人来完成。效果可量化：AI带来的价值能够清晰量化的场景AI落地更快，如将客服人力成本降低50%、将代码编写效率提升30%、将电商素材生成速度提升10倍，这些ROI清晰可见，客户才愿意买单。数据闭环短：场景本身能快速产生反馈数据，反哺模型，形成数据飞轮。如电商推荐、工业制造的数据反馈周期长（产品要卖出去才知道好坏，落地相对较慢。图表34：AI应用落地节奏：场景序号核心场景 AI应用环节 2025年进展 代表公司(A/H股)AI+Coding •编码：代码自动补全、自然语言生成代码测试：单元测试用例生成、Bug自动检测与修复维护：老旧代码解释、技术文档自动生成AI+客服 •接待：多轮语音/文本对话、意图识别、情绪安抚辅助：坐席实时话术推荐、工单自动分类与摘要质检：全量录音自动质检、违规检测AI+营销/销售•/短视频脚本/种草文案生成获客：销售线索清洗、潜客意向评分、SEO优化SOP自动跟进AI+办公 •文档：会议纪要生成文档润色/扩写/摘要跨格式转换(Word转PPT)(RAG)、政策检索AI+HR •招聘：JDAI视频面试初筛服务：7x24h员工政策问答(社保/休假)相关公司公告从"Coplite到独立开发者：Agent自主编程：对于简单的模块，AI能独立完成需求分析-编码-测试闭环。/AI的老旧系统代码，效率提升数倍。多模态交互：语音延迟改善明显，AI绪，音色更加拟人化。80%/缝转接人工，并自动带入上下文。零，实现全渠道铺量。销售Agent：B2B场景中，AI不仅写邮件，还能主动根据客户回复调整跟进策略，充当SDR（销售开发代表）。从文档工具到个人助理：RAG搜索框，而是用对话框查找一切资料。行动力增强：AI会议室、填报销单。从匹配到替代初面：Agent化：针对蓝领和校招，AI90%的初筛工作，并自动生成评估报告。员工服务自动化：SSC（共享服务中心）减，AI接管绝大多数内部咨询。

卓易信息、深信服、科大讯飞等科大讯飞、天润云等迈富时、易点天下、焦点科技等金山办公、福昕软件、泛微网络、致远互联等北森控股、同道猎聘等AI+垂直行业：数字化基础好、高且清晰的ROI、高付费意愿的行业落地节奏更快I（Corps且业务流转本身即为数据流转，如法律、电商、游戏等行业。AIAI项目的落地周期。高且清晰的ROI：B端企业只会为高价值、ROI清晰的技术买单，AI的投入是否能直接折算为人力成本的节省或销售额的提升是AI能否快速落地的核心因素。如跨境电商中AI客服可以减少N名外语坐席成本；财税行业中AI会计Agent可以节约N名会计人员等。3）高付费意愿：AI落地快的行业往往面临激烈的内卷竞争或存在非常强的外部合规压力。如教育行业，中国家长对提分产品的价格敏感度较低，付费意愿非常高；医药研发领域，研发周期缩短一个月意味着数亿美元的专利价值，药企面临不投AI则掉队的生存焦虑；金融领域存在强合规压力，金融机构必须投入大量预算以满足合规要求。图表35：AI应用落地节奏：垂直行业序号垂直行业AI应用领域 2025年AI应用进展 代表公司(A/H股)AI+电商 •直播：AI数字人24h带货、即时互动 从虚拟人到全自动店铺：1）以假乱真：数字人主播在神态、遥望科技、吉宏股份、护选品：爆款趋势预测、竞品分析AI+教育•辅导：启发式讲题(苏格拉底式引导而非直接给答案)、个性化弱项诊断与学习路径规划•陪练：中英文口语对话实战、AI辩论/演讲训练•/课件(PPT)/能批改与点评AI+法律 •审查：合同风险自动比对、条款缺失预警检索：类案检索与分析、法律法规库问答(起诉书/律师函)自动生成AI+零售 •供应链销量预测与智能补货动态定价(基于库存和竞争手实时调价)(识别缺货/摆放错误)析导购：会员精准画像与个性化优惠券生成

/AIAgentSKU店铺。从搜题到因材施教：1）硬件为王(AIPad)：大模型全面植入学习机/词典笔，利用端侧算力(NPU)实现离线辅导，响应快且保护隐私。2）情感与素质：除了学科辅导，AI开始承担心理咨询师角色，关注青少年心理健康；并支持编程、美术等素质教育陪练。从检索到推理：1）专业级精准度：经过垂直训练的模型在合同审查上的准确率已超过初级律师。2）案头工作自动化：律师将更多时间用于庭辩和策略，繁琐的文书工作大量交给AI。从经验订货到算法决策：1）即时零售优化：针对30分钟达场景，AI能精准预测社区级微小需求波动，降低生鲜损耗率。2）无人/少人店升级：基于视觉大模型的行为识别技术成本大幅下降，支持更低成本的拿了就走购物体验。

值得买、光云科技、聚水潭等科大讯飞、视源股份、佳发教育金桥信息、通达海、华宇软件石基信息、多点数智、汇纳科技AI+税务 •申报：智能纳税申报、税收优惠政策自动匹配 合规刚需随着金税四期全电发票推广企业必须通过AI税友股份、航天信息、票据：OCR智能识票、发票验真与自动入账风控：异常财务指标预警、合规审计AI+制造 •质检：AI视觉检测识别微小瑕疵(划痕/异色)、声纹检测(PdM)、工业参数自动寻优设计：工业零部件生成式设计、代码自动生成AI+金融 •风控：信贷反欺诈(基于关系图谱)、交易异常监测、反洗钱/•财：智能投顾(WealthCopilot)、资产配置建议生成AI+医疗 •药物研发：药物靶点发现、分子结构生成与筛选临床：病历自动结构化、临床试验受试者匹配影像：AI(CT/MRI)输出初诊报告相关公司官微/公司公告自动化处理海量票据，减少人工失误。2）智能审计：AI能即时发现报销舞弊和税务风险，审计从事后变为事中。从机器换人到工业大脑：1）工业大模型下厂：专用的工业大模型部署在边缘侧，工人可以用自然语言查询设备维修手册或调试机器。2）视觉检测标准化：AI视觉检测不再需要针对每个零件重新训练大量样本，小样本学习能力让产线切换更灵活。从黑盒到可解释AI：1）金融大模型(FinLLM)：银行和券商已大规模私有化部署千亿参数模型，辅助分析师处理非结构化数据。2）虚拟理财经理：AI能基于客户复杂的财务状况，生成长篇的、合规的资产配置报告，服务长尾客户。从辅助诊断到源头创新：1）药物研发成果兑现：首批由AI设计的药物分子进入临床II期/III期，研发周期缩短30%以上。2）电子病历解放医生：AI通过录音和OCR自动生成标准电子病历，极大减轻医生文书负担。

中科江南海康威视、中控技术信科技、长亮科技等晶泰控股、润达医疗、讯飞医疗科技、一脉阳光商业模式：私有化部署先行，订阅模式主要集中在轻量化场景相比美国AI应用以SaaS订阅和API调用模式为主，2025年中国2B领域AI应用商业化最快的不是SaaS订阅模式，而是私有化部署和行业项目制，而订阅模式的AIAgent产品主要集中在轻量化场景中。中美AI应用商业模式差异较大，根本原因在于中国市场的核心客户结构、数据安全考量以及AI应用的集成复杂度与美国均有不同。图表36：中国AI应用商业模式以项目制为主的主要原因中国国信网图表37：部分AI解决方案类公司AI业务进展公司名称 AI业务进展第四范式 AI布局：AIagent+垂类世界模型进展：AI驱动整体收入提速，24/25Q1/Q2/Q3整体营收增速为25.1%/30.1%/49.2%/31.4%；其中，核心先知AI平台25Q1/Q2/Q3收入同比增速分别为60.5%/79.5%/67.6%。能科科技 AI布局：AI+具身产品智能化、AI+工业研制智能化及工业软件+AI助手进展：25H1AI2.11145.6%28%（18%）；AI202439%25H147%。25AI3.3530.79%。AI25Q3单季归母净利润同比+122.49%。汉得信息 AI布局：灵猿大圣AI中台、灵手业务智能体系列（已推出近百个成熟智能体，覆盖制造、营销、财务等多个业务领域）、灵睿垂直模型系列（物流、矿山、锂电等多个行业垂类模型）、ChatBI3.0、AI代码大模型进展：AI业务25Q3单季收入约1亿元，前三季度约2.1亿元。鼎捷数智 AI产品：雅典娜数智原生底座、InDepthAI智能体平台；智能数据套件、企业智能体生成套件、四大工业软件（ERP、PLM、MES、WMS）AI智能套件、AIoT指挥中心&工业机理AI套件；推出数十款AIAgent应用，全面覆盖企业研发设计、生产制造、质量管控、经营管理、服务售后五大领域。进展：25H1AI业务收入同比增长125.91%。公告通用SaaS+AI：2025年仍处于产品发布和商业化变现初期。2025年，几乎所有的通用SaaS厂商（如ERP、CRM、OA、HR）都发布了AI解决方案和产品，如金蝶苍穹GPT、用友YonGPT、北森AI面试官等，但大多数AI产品和方案处于客户点状场景试用阶段，产品应用广度和深度仍有非常大的提升空间。对于通用SaaS厂商而言，2025年AI暂时还没有成为带动公司整体收入增长的引擎，而更多是SaaS厂商为应对AI大趋势而做的前瞻性战略布局，仍以投入为主。图表38：部分AI+SaaS公司AI业务进展所处领域公司名称AI业务进展AI+办公金山办公AI产品：AI改文档、AIPPT、灵犀语音助手、WPS知识库；25年7月发布WPSAI3.0及办公智能体WPS灵犀，产品从辅助工具向AIAgent演进。进展：WPSAI月活用户数快速增长，24年底1968万，25H1末2951万，25Q3加速增长。AI+办公福昕软件AIAI-PoweredResearchAgent（25H1发布AI自动化处理与内容分析；IDP（智能文档处理智能文档处理中台。进展：AI作为辅助功能嵌入现有产品提升用户粘性；分类IDP已在政法系统、教育出版、审计等垂直行业落地。25年前三季度公司ARR5.5亿，同比+50.6%；Editor产品订阅续费率达到93%。Q3核心业务营收同比+35.7%，加速增长。AI+营销/销售迈富时AI产品：AI-AgentForce智能体中台2.0，AI销售助手、智能客服、外贸拓客专家、智能建站、跨境视频生成助理、销售陪练、智能招聘、经营分析智能体、经营决策智能体等AIAgent产品。进展：25上半年，AI及AIAgent相关收入达到1.1亿元；AI+SaaS订单逐月加速。AI+HR北森控股AI产品：AI面试官、AI领导力教练、AI陪练单独售卖；AI招聘助手、学习助手等嵌入传统SaaS平台进展：AI248HRAI商业化落地最快的厂商；FY25H1AI2300万（4-6729万，7-9月接近1500万）。AI+ERP金蝶国际AI产品：苍穹Agent平台2.0，AI星空套件（AI能力嵌入原有SaaS产品中），金钥财报（财报分析智能体）、ChatBI（企业问数智能体）、招聘智能体、差旅智能体、企业知识智能体。进展：25H1，AI1.5亿元（AI中台项目为主）Q3ARR38.6亿元，同比+18%。AI+ERP用友网络AI布局：企业服务大模型YongGPT、数智员工2.0、智友（智能交互）与友智库（企业知识库）、YonSuite（搭载企业AI四维模型）；公司在财务、供应链、营销等多领域嵌入AI解决方案。进展：前三季度AI相关合同签约金额超过7.3亿元，其中25H1签约3.2亿，Q3单季度签约超4.1亿元。公告2026年AI应用投资策略：拥抱确定性，配置真成长2025AIBetaAlphaAI应用的三大趋势：趋势一：企业数据成为2BAI应用关键，看好长流程应用机遇2BAI应用向复杂场景不断拓展，高质量企业数据成为AI应用的核心驱动。经历2023-2025年的逐步迭代，2BAI应用已经逐步从企业知识库、合同审查、文稿生成等简单场景，向供应链、财务、生产等复杂场景拓展，应用复杂性对应数据复杂性，2BAI应用场景复杂度提升，对于企业数据的质量、结构化程度、实时性、可追溯性提出更高要求，倒逼企业全面升级数据治理体系。AI变革下，企业若希望获得模型效果、业务效率与风险可控性的综合优势，必须将数据治理视为AI应用落地的前置工程与长期工程。图表39：2BAI应用向复杂场景不断拓展OpenAI官网、ServiceNow官网、Palantir官网、Bloomberg、图表40：AI变革倒逼企业深化数据资产治理Palantir官网、企业数据成为2BAI应用的制胜关键，多类型厂商竞相发力，看好应用厂商的综合优势。AI变革下，企业数据已经从支撑业务系统的生产要素，演变为驱动模型表现和智能决策的核心资产。23年开始，海内外的公有云厂商、数据工具厂商、软件应用厂商均加紧企业级数据中台业务布局，旨在通过关键的数据卡位，拓展AI场景下的业务边界。公有云厂商：20235月推MicrosoftFabric功能，打造全新的、综合性的统一数据分析平台；数据工具厂商：AI级；Snowflake246SnowflakeCortexAI25AIReadyPlatformAI大模型提供高质量多模态数据底座；应用厂商：应用厂商具备数据+业务流程的双重理解，有望成为软件从流程驱动向数据驱动转型下的核心受益者；Palantir的Ontology、Salesforce的Datacloud、ServiceNow的RaptorDB、鼎捷数智的雅典娜中台、汉得信息的H-ONE中台、金蝶国际的金蝶云·苍穹的功能定位均为企业级数据中台，旨在构建AI应用的底层数据基础。图表41：公有云厂商、数据工具商、应用厂商发力数据中台产品各公司官网、图表42：海外SaaS厂商加快数据技术的并购整合Salesforce官网、SAP官网、ServiceNow官网、Workday官网、Snowflake官网、企业级长流程应用具备数据、流程、平台三大壁垒，看好AI转型下的受益趋势。1）数据与权限壁垒：海外平台级应用（SAP、ServiceNow等）多打通ERP、CRM、ITSM等环节，国内泛ERP厂商（用友网络等）同样贯通企业管理多业务流程，因此其业务系统深度接入企业内网、业务系统与数据仓库，具有天然的数据壁垒；2）流程经验壁垒：B端长流程应用针对企业个性化流程完成定制化改造，逐步形成了对于客户流程的Know-how，此壁垒在国内2B应用场景尤为突出；3）模型与工具协同壁垒：长流程应用多具备企业中台基础，AI变革下正加速构建统一业务+数据+AI的企业级Agent平台。相关厂商梳理：Palantir、SAP、ServiceNow、Salesforce图表43：长流程应用有望凭借数据+流程优势构建企业级Agent平台IDC、图表44：海内外长流程应用厂商业务布局概览Salesforce官网、SAP官网、ServiceNow官网、Palantir官网、金蝶国际官网、用友网络官网、趋势二：2CAI应用强调入口优势，头部厂商加快端侧布局2CAI应用的竞争从技术差异转向入口差异，入口决定用户触达效率与渗透深度。早期2CAI应用包括AI搜索、AI图像、AI问答等众多分散式场景，各类应用的差异点多集中在底层模型的工程优化；伴随基础模型能力提升与头部厂商的一站式布局加速，能否打造入口级AI应用，成为2C应用的成功关键。通过入口级卡位，2CAI应用可以尽可能接近用户的自然使用场景，优先占领高频入口，解决用户日活时间极其分散的问题，降低获客成本和切换成本。同时，入口级卡位有望快速掌握用户行为数据（搜索、社交、创作、工作流），构建数据→模型→产品→数据的可持续飞轮。我们认为，大模型厂商及头部科技公司有望成为本轮入口级AI应用竞争的核心受益者，头部企业的2C布局持续提速。图表45：2CAI应用逐步向入口级应用收敛各公司官网、2C入口级应用竞争加剧，大模型厂商/头部互联网企业/优势卡位厂商竞相发力。1）大模型厂商：OpenAI将ChatGPT打造为AIOperatingLayer级入口，功能定位实现从文本对话→多模态交互→Agent系统→操作系统级AI的拓展。目前ChatGPT已实现文本、图像、语音等多模态对话的有机整合，同时通过GPTStore、跨App调用（MCP协议）等能力搭建新一代应用层入