央国企科技创新系列报告之四：人工智能与大模型专题

　　与互联网产业一样，人工智能行业也遵循“技术-硬件-终端-应用”的发展范式，只不过技术端由通信网络变为大模型理论研究，其发展高度取决于上游AI芯片与算力硬件水平。当前国产芯片厂商正加速技术突破，叠加应用生态持续完善，推动生成式AI 在多行业实现深度落地。大模型及其硬件基础架构构成产业核心价值，相关领域投资将同时获得技术突破红利与产业升级收益。

    　　全球大模型竞争格局：全球大模型技术进入深度竞争阶段，中美两国呈现差异化发展路径。OpenAI、谷歌、Anthropic 等海外巨头的产品注重多模态理解与复杂推理能力，且具备强大的基础研究支持。国内芯片厂商逐步推进国产替代进程，模型训练所用的数据库和开发平台逐渐完善，行业前景良好。

    　　国内 AI 龙头企业和大模型产品围绕核心技术攻坚和产业场景落地两条主线持续发力。互联网大厂以“多模态能力+跨行业应用”为发展目标，不断扩增大模型的产业落地场景，推动数字经济高质量发展。

    　　AI 芯片是大模型行业的算力基石：AI 算力芯片呈现研发周期长、技术壁垒极高、投入成本高的性质，系大模型行业的技术节点与投资切入点。中国已在GPU/ASIC/FPGA 三款常见AI 芯片中具备基本布局，性能与工艺水平达到云端服务器、低空经济、智能应用和物联网等应用场景的标准。未来，AI算力芯片及硬件端行业继续以技术增长为驱动力，通过不断增加芯片算力、模型的参数规模、数据量级、泛化能力来实现传统产品替代和资本红利。国内芯片供应商在大模型领域的影响力逐步提升，且部分还在端侧AI 领域具备跨行业的落地场景和市场空间。

    　　大模型上中下游产业链有显著投资潜力：除了算力芯片以外，AI 产业链中还包含了多种技术门槛、投资周期、布局策略各异的投资机遇：1）国内外算力链建设提速，数据中心架构高速迭代提升光互连需求，中国光通信企业竞争力突出，光模块与光器件是核心受益环节。2）供配电技术属于传统电力及基础设施领域，国内技术成熟，但是高端数据中心专用电源设备仍有提升空间；供配电技术投资门槛较低，回报稳健。3）液冷散热技术在国内起步较晚，高端服务器冷却仍依赖于海外进口；随着AI 算力需求增长，液冷市场空间大，但是投资周期长、见效慢，更适合长期布局。4）高速互联与存储的技术壁垒极高，国内厂商不论在芯片的设计、制造工艺、封装、协议方面仍落后于海外巨头；这个赛道的投资回报周期长、风险大，但也是国产替代的关键产业链节点。5）开发者场景和软件生态的投入研发周期较长，技术壁垒较高；且国外的开放源码的软件生态仍是主流，短期内难以完成国产替代。不过，华为、阿里、字节和百度等大厂与许多国内芯片厂商正在协同加速AI 生态布局，有望在近5~10 年内替代国外框架。

    　　央企重点布局:上游芯片制造，上市央企涉及布局半导体材料、设计等关键工艺节点；中游算力基建上，央企构建从液冷技术、服务器、操作系统到智能计算中心的全产业链，并通过自建/租赁算力中心拓展云服务；下游领域三大运营商担任通用大模型开发的主力军，多家央企也依托DeepSeek 的AI 开源生态和行业数据优势开发专属的行业模型。

    　　风险提示：技术迭代不及预期、行业增速不及预期、行业与政策风险 机构：招商证券股份有限公司 研究员：林喜鹏/梁程加/罗嘉成 日期：2025-07-10

*免责声明：文章内容仅供参考，不构成投资建议

*风险提示：股市有风险，入市需谨慎