大模型发展趋势 - 大模型向更强大、更高效、更可靠方向发展，呈现推理模型深化和智能体模型爆发格局[1] - 模型规模和数据量持续突破，大模型展现出显著"涌现能力"，实现从量变积累到质变突破[1] - 更强大体现为Scaling Law跨域延伸、推理能力自主进化、多模态深度融合等六方面[1] - 更高效依托MOE架构优化、FP8低精度应用、Mamba新型架构探索及计算效率提升[1] - 更可靠通过Scaling Law降幻觉、实时事实验证、思维链等方法实现[1] 中美AI竞争格局 - 中美两国自研大模型数量占全球80%以上，中国大模型数量接近100款[2] - 中美顶级AI模型能力差距从20%缩小至0.3%，DeepSeek-R1迈出中国AI全面追赶关键一步[2] - 中国企业在算力受限情况下，在更高效方面做到全球领先[2] - 国产模型呈现百花齐放局面，包括豆包Seed1.6、阿里通义千问、KimiK2等[2] - 2025年是世界认知中国人工智能潜力第一年，未来有望走出国门[2] 商业化进展与收入 - OpenAI已实现百亿美金ARR，月度CAGR保持10%环比增速[2] - Claude4 ARR半年时间从10亿美金奔向30亿美金，月度CAGR超过20%环比增速[2] - 截至1Q25，34%美国成年人已采用ChatGPT，相当于PC互联网2003-04年渗透率水平[2] - AI应用下载量达14亿次，占据全球所有应用下载量约1.0%，付费比例超过下载比例[2] - AI应用内购收入占据整体应用(剔除游戏)比例约1.73%[2] 应用渗透趋势 - AI大模型对产业渗透速度超过此前互联网革命，商业化潜力和付费意愿超过传统应用[2] - 落地顺序由容错率与复杂度决定，从高容错、单一任务场景到低容错、高复杂度场景[1] - 本轮AI渗透较互联网时代大幅提速，B端落地进程或超预期[1] - 从行业限制角度看，生产环境与法规限制较少产业会快于限制较多产业[2] AI Agent发展 - AI Agent将成为2025年AI发展重要方向，正进入技术突破与商业化加速阶段[2] - Agent将大模型能力从"做题"延伸到"工作"中，执行任务准确率大幅提高[2][3] - 多智能体集群将带来AI群体智能涌现，进一步提升大模型性能[2] - Agent执行一次任务平均消耗token达到10万量级，大幅超过AI搜索单次问答消耗[3] - Agent发展依赖于数据和生态，具备数据优势、生态体系构建企业更具发展潜力[2] 多模态进展 - 多模态模型历经三阶段发展，当前以"语言为统一交互工具"实现跨模态对齐[3] - 25年上半年全球有超30款多模态模型更新或发布，其中超75%为国产模型[3] - 国产模型在时长上达2分钟，效果多次登顶全球榜单，多端可用且价格更低[3] - 多模态应用C端聚焦社交娱乐，B端侧重营销素材与商品图创作，专业领域降本增效显著[3] - 一分钟视频生成token消耗在10万token至百万token量级[3] 算力需求变化 - AI算力消耗从训练转向推理，带来显著增量需求[1][3] - 增量需求主要来自四方面：互联网大厂AI与业务结合、Agent推理、多模态商业化、主权AI[3] - 谷歌搜索AI模式将带来日均27万亿token消耗，超过其Gemini模型目前日均16万亿token消耗[3] - 超过50%广告主在生成创意内容时使用AIGC，AI营销内容占比超过10%[3] - 快手可灵四五月连续两月付费金额超过1亿，多模态加速渗透带来算力需求提升[3] 算力基础设施投资 - 推理占比提升带动云计算厂商投入产出比清晰化，超卖率有望继续提升[4] - 散热成为AI算力领域核心技术升级方向，单卡功耗从700瓦迭代至2000瓦+[4] - 铜连接在短距数据传输成熟度更高，448G等新技术路线逐步面世[4] - 电源领域高功率带动单W价值提升，5.5KW电源已进入量产阶段[4] - PCB持续升级带动产业链上游升级，覆铜板从M6/M7升级到M8/M9[4] 光模块与先进封装 - 800G光模块2023年开始放量，2024-2026年保持高速增长[4] - 1.6T光模块2025年开始出货，2026年有望放量，产业链迎来量价齐升[4] - Chiplet设计+异构先进封装成为性能与成本平衡最佳方案[4] - 台积电CoWoS封装技术实现计算核心与HBM通过2.5D封装互连[4] - 先进封装市场快速增长，成为国内晶圆代工厂商与封测厂商新成长驱动力[4] 国内算力链发展 - 美国BIS政策持续收紧，国产芯片占比提升是必然趋势[4] - 国内算力消耗快速增长，字节跳动每三个月token消耗接近翻一倍[4] - 5月底字节跳动token消耗为16.4万亿token，预计30万亿token时出现算力紧张[4] - 国内增速斜率更陡峭，国产芯片今年将迎来发展大年[4] C端应用发展 - AI应用普及程度相当于美国PC互联网2003-04年水平，且增速迅猛[5] - AI原生应用以AI为架构核心，软件开发范式从代码、权重到提示词转变[5] - 海外AI应用数量自2023年1月起每月新增超1000款，2024年超4000款[5] - 内容创作工具商业化进度领先，通用助手、垂直领域智能体等多类应用并存[5] B端应用渗透 - 美国企业采用AI技术比例为9.2%，低于C端，大型企业采用率最高[5] - 容错率与复杂度决定B端各场景AI应用落地顺序[5] - 模型推理能力决定复杂任务场景突破速度，模型幻觉率决定容错率场景突破进度[5] - 从AI+搜索/AI+编程场景到具身智能/AI+制药场景尚需一定时间周期[5] 教育领域应用 - 教育因场景清晰性、数据丰富性和需求刚性，成为AI技术落地黄金赛道[5] - AI+教育软件通过算法分析学情数据、动态定制学习路径，实现教学流程智能化重构[5] 医疗制药领域应用 - AI算法在临床前药物发现阶段有深入应用，完全由AI研发新药有望在1-2年内上市[5] - 海外头部临床CRO公司在临床试验中已布局AI多年[5] - AI有望重塑药物发现模式，为制药行业带来降本增效[5] - AI医疗在医疗器械功能、检查检验结果解读、辅助临床决策等多个领域应用价值较大[5] 工业领域应用 - AI+工业沿两条主线突进：增量市场构建AI原生工厂，存量改造解决关键瓶颈[5] - 新能源汽车、光伏等新兴制造领域从零构建AI原生工厂[5] - 传统重工业通过渐进式部署解决关键瓶颈，如钢铁企业用参数优化模型降低能耗[5] - 当AI将分散专家经验凝练为可复用工业智能，传统制造效率边界被重新定义[5] 军事领域应用 - AI正加速落地，广泛用于无人作战系统与战场决策支持[5] - 美军构建三层级作战架构，实现从感知到打击的闭环式智能决策[5] - 系统性赋能无人系统、网络攻防、战场感知、战争推演与后勤保障等五大领域[5] - 未来军事竞争重点关注低轨卫星、AI平台与边缘智能、智能无人系统三大方向[5] 机器人发展 - 机器人大模型训练方式向端到端大模型+世界模型发展[6] - Gemini Robotics已实现视觉-语言-动作三模态深度融合[6] - 具身智能大模型存在数据集不够、思考跟不上运动、缺乏生态等痛点[6] - 多家人形机器人产品已在下游工业客户展开实训[6] - 预计人形机器人市场规模将远超汽车、3C行业，带动相关产业链旺盛需求[6] 智能驾驶进展 - 特斯拉FSD Beta V12.3为第一个使用端到端神经网络版本[6] - 端到端大模型具有数据驱动、上限高、计算效率提升、驾驶体验逼近人类四大优势[6] - VLA通过融合视觉、语言等多模态数据构建"多模态世界模型"[6] - 2025年成上车元年，元戎启行、理想等车企加速布局低速场景试点[6] - 比亚迪将高阶智驾下沉至10万级，带动城市NOA渗透率提升[6] 端侧AI发展 - 端侧硬件多元化高度契合人工智能技术交互需求[6] - 模型分级分工是当前端侧AI阶段性特色，无法承载千亿参数规模大模型[6] - 不同场景下端侧硬件展现不同技术需求：AI眼镜追求轻薄高续航，AI手机追求隐私高效[6] - 技术路线呈现容量更大、电量更足、模型更强、声光屏交互更便捷发展趋势[6] AI PC发展 - AI PC是AI终端重要落地应用场景，产业龙头已明晰新一代AI PC标准[6] - 处理器包含NPU模块的电脑即为AI PC，多数任务能够在PC本地运行[6] - 联想推出ThinkPad X1 Carbon Aura AI元启版，AI算力高达120TOPS[7] - 联想推出全球首款部署Deepseek端侧大模型AI PC，实现70亿参数端侧模型流畅运行[7] - 边缘AI应用示例已从去年1-2个增长至数百个，预计2024年将达到上千个[7]