文章核心观点 - AI产业链的芯片层和基础模型层呈现出创新活动集中度高、新企业进入少的“熊彼特II型”创新模式，马太效应显著，领先企业更易维持优势 [3] - AI垂直应用层则呈现出创新活动集中度低、新企业进入多的“熊彼特I型”创新模式，马太效应较弱，竞争格局更为分散和不稳定 [3][6] - 产业的四个特征——主导设计收敛程度、创新知识来源、产品通用性、客户转移成本——共同决定了马太效应的强弱，AI芯片和基础模型在多个维度上具备强化马太效应的特征 [4][31] - 基于上述分析，在芯片和基础模型这两个马太效应强的领域，后发国家（如中国）的产业政策应聚焦于“投大投强”，集中资源支持国内第一梯队企业，并通过需求侧政策（如公共采购、示范应用）为本土产品创造市场环境 [5][40][41] AI产业各环节竞争格局现状 - 垂直应用层：呈现“百花齐放”态势，竞争格局分散 - 2025年8月，中国有30个AI产品的月活跃用户数超过100万，全球有40个AI产品的MAU超过1000万 [6] - 美国至少有40个通用类和垂直类AI产品 [6] - 基础模型层：市场格局经过三年竞争后显著收敛 - 国外主要公司包括OpenAI、Google、Antropic、Meta、xAI [6] - 国内市场形成“基模五强”格局 [6] - AI芯片层：市场集中度极高 - 英伟达的GPU产品在市场上占据绝对主导地位 [6] 熊彼特创新模式的理论框架与定量判别 - 引入“熊彼特创新模式”理论，将产业创新分为两种类型 [3][8] - 熊彼特I型：创新活动集中度低，大量新企业进入，竞争格局不稳定，马太效应弱 - 熊彼特II型：创新活动集中度高，主要由先发企业创新，竞争格局稳定，马太效应强 - 采用三个定量指标判别产业创新模式：创新活动集中度（CR10）、新兴企业创新活跃度、先发企业稳定度（Spearman等级相关系数） [8] - 基于美国专利局和Orbis数据库2000-2023年的专利数据分析，结合Epoch AI的模型产品数据交叉验证 [3][12] - AI基础模型：主成分载荷系数为0.81（专利分析）和2.36（模型产品分析），属于熊彼特II型 [13] - 半导体（AI芯片）：主成分载荷系数为2.35，属于熊彼特II型 [13] 影响产业马太效应的四个经济逻辑维度 - 主导设计收敛程度：主导设计越收敛、存续越久，马太效应越强 [14] - 案例对比：生物技术（主导设计发散，熊彼特I型） vs 有机精细化学（主导设计收敛，熊彼特II型） [14] - 创新知识主要来源：知识来源越偏向于通过实践积累（“干中学”、“用中学”、“互动中学”的DUI模式），马太效应越强；越依赖于科学技术突破（STI模式），马太效应越弱 [15] - 案例对比：制药（知识来源主要为科技突破，熊彼特I型） vs 有机精细化学（知识来源主要为工程实践积累，熊彼特II型） [15][16] - 新产品通用性：产品标准化、通用性程度越高，马太效应越强；定制化程度越高，马太效应越弱 [17] - 案例对比：工业软件中的研发设计类软件（功能通用性强，属于计算机技术产业，熊彼特II型） vs 业务管理类软件（需深度定制，属于管理信息系统产业，熊彼特I型） [18][19] - 2023年数据显示，中国CAD市场国外巨头占主导，而ERP市场国产厂商（如用友、金蝶）份额已超越外资 [19] - 客户转移成本：客户更换供应商的成本越高，马太效应越强 [24] - 案例对比：汽车发动机（转移成本高，属于“泵、涡轮和引擎”产业，熊彼特II型） vs 其他机械零部件（转移成本较低，熊彼特I型） [25] AI产业链各环节特征与马太效应分析 - AI芯片领域：马太效应强（熊彼特II型） [31] - 主导设计收敛：GPU是云端芯片主导设计，制造架构主流是FinFET [26] - 创新知识来源：实践积累（DUI）与科技突破（STI）并重 [27] - 产品通用性：高（云端训练/推理芯片为标准通用产品） [27] - 客户转移成本：高（基础模型厂商优选英伟达GPU，迁移意愿低） [28] - 基础模型领域：马太效应较强（熊彼特II型） [31] - 主导设计收敛：当前收敛于Transformer架构和缩放定律 [26] - 创新知识来源：当前主要是实践积累（DUI模式） [27] - 产品通用性：高（国内外基础模型功能相近） [27] - 客户转移成本：一般 [29] - 垂直应用领域：马太效应较弱（偏向熊彼特I型） [31] - 主导设计：发散（与具体行业和功能需求相关） [26] - 创新知识来源：实践积累（DUI模式，有极强的“用户-开发者”反馈效应） [27] - 产品通用性：一般（ToC应用通用性较强，嵌入企业软件的应用有定制化成分） [27] - 客户转移成本：一般（ToC应用转移成本较低，企业级应用转移成本较高） [28] 对后发国家（中国）AI产业发展的政策启示 - 投资策略应聚焦头部，支持第一梯队企业 - AI芯片和基础模型属于马太效应强的熊彼特II型产业，先发企业胜出概率更高 [40] - 过去投资较为分散：2015-2024年，中国芯片半导体领域有融资企业1015家，其中国家级基金投资了111家；ChatGPT问世后，中央及地方政府引导基金投资了大模型企业26家 [38] - 建议政府引导基金集中资源“投大、投强”，支持经过市场初步筛选的国内第一梯队企业，以更雄厚实力追赶海外领先者 [40] - 强化需求侧政策，为本土产品创造市场 - 针对芯片领域客户转移成本高、基础模型领域知识进步依赖实践积累的特点，需求面政策至关重要 [41] - 建议政府通过公共采购、购买补贴、示范应用等工具，创造有利于本土芯片和模型厂商的需求环境，鼓励优先使用本国产品 [5][42] - 可参考美日经验，考虑以第一梯队企业领衔组建联合研发体，优先采购本国设备和芯片，形成“制造装备-芯片算力-模型训练”的“用中学”环境 [42]