人工智能與大語言模型發展狀況如何？

當前全球大模型技術已進入深度競爭階段，中美兩國呈現出差異化發展路徑。

中國互聯網產業的發展范式遵循“技術-硬件-終端-應用”的次序，在 21 世紀初 憑借政策支持、市場開放和技術引進，中國互聯網行業飛速擴張，使得以移動 設備為先、智能手機為后的互聯網終端時代為企業和個人帶來前所未有的產業 迭代和資本機遇。智能設備端，中國替代化效率顯著，加上低廉的網絡費用和 消費電子價格，國內網民數量由 2007 年末的 5,000 萬人迅速提升至 2020 年末 的 10 億人。如果說游戲、視頻和電商等移動終端軟件應用是互聯網行業的爆發 支點，那么如今人工智能時代中的大語言模型及基于 Agents 的應用就是當今與 未來的行業爆發點。 互聯網時代爆發的各類手機品牌、電商公司、以軟件和應用為主的 IT 企業，對 應了人工智能時代下 AI 芯片廠商、負責研發大模型的互聯網大廠、服務器與數 據中心設備供應商的明星地位。Agents 技術、AI 端側應用及邊緣計算等領域高 度依賴人工智能在技術與硬件端的發展趨勢及算力上限，終端與應用端相對更 低的技術壁壘與投入成本使其不會成為人工智能行業的約束變量。 與互聯網產業一樣，我國的人工智能行業也遵循“技術-硬件-終端-應用”的發 展范式，只不過技術端由通信網絡變為大模型理論研究，例如深度學習框架、 Transformer 架構和各種開閉源大模型；硬件端由服務器、路由器和 PC 等電子 設備變為技術門檻更高的 GPU、高速互聯網絡（如 InfiniBand）和服務器集群； 終端在互聯網時代的手機和 PC 之外，加入了例如智能機器人、智能家居和自 動駕駛 EV 等邊緣計算設備；應用端則從傳統的搜索引擎和日常軟件過渡為高 開發成本、技術門檻高的生成式 AI 產品。

大模型在人工智能時代中的地位就如同互聯網時代中的瀏覽器應用。瀏覽器是 用戶設備通過互聯網技術，與所有應用互動的橋梁；而大模型及 Agents 技術則 是用戶與任務、端側 AI 以及邊緣計算設備互動的橋梁。不同之處在于，互聯網 時代的關鍵議題是讓每位用戶都能高效、低成本地使用互聯網應用，因此更加 注重硬件（移動設備、PC）和應用端。人工智能時代則更強調技術與硬件，因 為以算力和算法為基礎的人工智能行業需依賴堅實的理論基礎，以保障算力增 長不受限于硬件演進速度。 根據《全球人工智能創新指數報告》，美國已連續四年位居第一，中國則保持全 球第二。人工智能的本質是提升計算效率、降低單位勞動成本，而近年興起的 大模型是實現這一目標的關鍵技術變量。大模型通過融合文本、圖像和音頻等多模態信息，推理出最適合提示指令（prompt）的輸出結果，這一過程正是生 成式 AI 的核心能力，也是其提升企業勞動效率的直接路徑。最新大模型依托多 模態能力、端側部署和邊緣計算，逐步滲透至制造、商業、教育、金融等行業 場景，在為企業帶來利潤與效率增長的同時，也顯著提升了上游 AI 硬件廠商的 投資價值。 從數據發展情況來看，國內在模型訓練中的數據標注、數據清洗、高質量數據 供給上仍存在數據積累少、標準不統一、數據共享機制不完善等問題。國內在 人工智能基礎研究上的差距使得高校和研究院更側重于模型開發與訓練，而在 人工智能行業基石的算力、算法和數據這些硬件和基礎設施上投入不足，缺乏 高質量成果。因此，為鞏固我國人工智能行業根基，必須加大大模型硬件端 （如 AI 算力芯片）投資，以促進行業更新與產品迭代。

持續提高 AI 硬件端的技術上限是我國人工智能行業的首要命題，其相關產業在 近期將成為高回報潛力明顯的資本投入方向之一。美國壟斷地位體現在技術層 的英偉達與模型層的 OpenAI，具備堅實的基礎層體系，中國近期注重打造從基 礎層至應用層的全棧自主能力建設，整體產業呈現出“硬件決定上限，軟件與 應用緊隨其后，宏觀環境決定生態效率”的獨特特點。 中國互聯網大廠如阿里云、百川智能、面壁智能、零一萬物、昆侖萬維等，自 2023 年 7 月起已進入開源模型密集建設期，模型參數規模持續上升，商業化案 例不斷涌現。開源大模型是全球人工智能行業的主流方向，其基礎框架便于企 業通過調參和定制化方式實現商業化落地，顯著降低試錯成本。另一方面，以 寒武紀、地平線、中興微電子、壁仞科技、摩爾線程、后摩智能等為代表的國 內芯片技術直接決定國內大模型的性能上限。建議關注國內領先的 AI 芯片公司 和數據中心設備供應商；同時，為 AI 提供底層支撐的供配電系統、液冷散熱、 高速互聯與存儲、以及 AI 軟件生態領域亦值得重點關注。

當前全球大模型技術已進入深度競爭階段，中美兩國呈現出差異化發展路徑。 海外企業如 OpenAI、Google、Anthropic 等在通用大模型領域持續領跑，代表 產品如 GPT-4、Claude 3 等展現出強大的多模態理解與復雜推理能力，整體技 術領先周期約為 12–18 個月。這些頭部廠商正加速構建“模型即服務”（MaaS） 生態閉環，通過 API 平臺和插件系統形成牢固的商業護城河。相比之下，中國 企業則更注重實際場景導向的發展模式，依托產業生態和政策支持，在中文處 理、行業適配、本地部署等方向實現差異化突破。百度文心、阿里通義、訊飛星火等國產模型，已在金融、政務、教育等重點領域展現出明顯的競爭力。 從產業鏈視角看，中國人工智能正在經歷從“軟硬件解耦”到“全棧協同”的 戰略轉型。在算力層面，面對高端 GPU 進口受限等外部壓力，國產芯片企業如 華為昇騰、寒武紀持續推進產品迭代，并通過昇思、CANN 等軟件棧優化，實 現對超過 70% 主流 AI 任務的國產化適配。在數據資源方面，中文高質量語料 庫建設顯著提速，多個行業知識庫已突破千億 token 級別，強化了大模型的本 土語義理解能力。同時，ModelArts、BML 等平臺推動 MLOps 工具鏈國產化， 從訓練到部署的完整流程逐步打通，提升了國產模型的工程化效率與落地能力。 未來，國內 AI 龍頭企業和大模型產品將圍繞核心技術攻堅和產業場景落地兩條 主線持續發力。一方面，模型壓縮、低算力適配、多模態融合等方向將成為重 點，支撐政務、金融、醫療等高安全、高可信行業的大規模應用。以阿里通義、 百度文心、訊飛星火為代表的頭部模型，正分別在智能客服、電商推薦、搜索 引擎增強、教育評測等場景中不斷深化服務能力。在信創政策推動下，金融、 電信等行業的大模型國產化采購率已超過 45%，為產業生態建設提供了寶貴的 迭代反饋和真實場景驗證。 另一方面，制造、交通、能源等傳統行業將成為大模型賦能的新高地，尤其是 通過“AI+工業互聯網”的結合，推動從預測性維護、質檢優化到智能排產等生 產環節的智能化升級。同時，隨著端側設備算力提升，端側大模型（如語音助 手、車載系統、AI OS）也將加速普及，賦能消費電子、智能家居等場景，打造 “端云協同”的新型技術生態。

在這一輪技術升級中，中國大模型產業將繼續踐行“重點行業優先突破 + 底層 技術自主演進”的發展策略，推動形成技術自立、生態完善、上下游聯動的產 業體系，進一步帶動云計算、數據服務、邊緣算力等關鍵環節協同發展，成為 推動數字經濟高質量增長的核心動能。同時，也需積極應對生態壁壘、數據合 規、芯片封鎖等外部挑戰，把握住垂直行業深度賦能、端側 AI 爆發、新型人機 交互等結構性機遇。 展望未來，中國大模型產業將面臨三重關鍵躍遷：1）從技術追趕向局部領跑轉 變，在細分賽道形成全球對標優勢；2）從單點突破走向生態協同，實現模型、 平臺與行業應用的系統整合；3）從試點驗證邁向規模商用，推動 AI 能力融入 千行百業。這一趨勢將進一步重塑全球人工智能競爭格局，為中國科技產業帶 來長期結構性增量，也為投資者提供新一輪具備產業縱深與成長性的布局窗口。