S0980522090001 l GPU 是人工智能时代下满足深度学习大量计算需求的核心 AI 芯片。 过去五年，大型语言模型的参数规模以指数级增长；从 2018 年起， OpenAI 开始发布生成式预训练语言模型 GPT 以来， GPT 更新换代持续提升模型 及参数规 模； 2022 年 12 月， OpenAI 发布基于 GPT-3.5 的聊天机器人模型 发展需要 AI 芯 片作为算力支撑。据 Tractica 数据，全球 AI 芯片市场规模预计由 2018 年的 51 亿美元增长至 2025 年的 726 亿美元，对应 CAGR 达 46.14% ；据前瞻产业研究院 数据，中国 AI 芯片市场规模预计由 2019 年的 122 亿元增长至 2024 年的 785 亿元，对应 CAGR 达 45.11% 。 AI 芯片中 由于 GPU 通用型强，满足深度学习大量计算 公司。据 JPR 数据， 4Q22 英伟达独立 GPU 出货量占比 为 82% ， 位居市场第一。公司股价经历 2016-2018 年、 2020-2021 年、 2022 年 9 月以来三轮快速增长；其中 2022 年 9 月至今，受 AI 驱动下针对芯片算力需 求提升，公 司股价呈现大幅度反弹；截至 2023 年 4 月 30 日，公司市值为 6854.00 亿美元。回顾历史， 1999 年，公司发明了图形处理器，定义了

应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之相应的算力基础设施持续建设和升级，促使国内外云服务商 资本开支持续高速增长，带 来 AI 服务器市场规模大幅提升，预计到 Emergent Abilities of Large Language Models 》，随着模型规模的扩大，语言模型表现出的新的、不可预测的能力。这些新能力在中 小模 型上线性放大都得不到线性的增长，但在模型规模突破一定阈值时突然出现。“涌现”能力反映了系统行为 质 的变化，这种变化不能简单地通过观察或分析较小规模模型的性能来预测。 2000 150 0 100 0 500 0 Claude 36% ，代表 性模型包括阿里的通义千问、腾讯的混元大模型、百度 的文心一言、月之暗面的 Kimi 、字节 跳动的豆包等。 l 模型参数规模呈现指数级增长，模型性能持续提升。近年来新推出的大语言模型所使用 的数据量和参数规模呈现指数级增长，例如 GPT-3 模型参数约为 1750 亿，据 Semianalysis 推 测 GPT-4 参数量达 1.8 万亿；同时，国内目前公布的大模型参数规模也

2021)。美国航空航天局(NASA)推出的《从 月球到火星》计划，旨在提高机器人性能，以协 同支持深空人类探索及科学任务(IFR, 2023)。 人形机器人技术加速演进，正成为全球科技创新的制高 点和经济增长的新引擎。世界各国纷纷制定相关战略规 划抢占新高地。2023年1月12日，国际机器人联合会 (IFR)发布最新版《世界机器人研发计划》。日本、韩 国、欧 盟、德国和美国采取了各不相同的研发资助战 略。  人形机器人技术创新能力显著提升， 形成安全可靠的产业链供应体系，构 建具有国际竞争力的产业生态  产业加速实现规模化发展，应用场景 更加丰富，相关产品深度融入实体经 济，成为重要的经济增长新引擎 时间 政策 关键内容 2024.01 《关于推动未来产业创新发展的实施意见》 加快实施重大技术装备攻关工程，突破人形机器人 等高端装备产品。 2023.06 《北京市促进机器人产业创新发展的若干措施》 随着人口老龄化的加剧和社会对智能化生产、服务的需求增长，在养老陪护、医疗辅助、公共安全、智能制造等领域，人形机器人的市场需求迅速增长。 从下游应用看，人形机器人兼具消费品与资本品的属性。根据IFR的数据，2017-2021年，工业机器人市场规模从163亿美元增长至175亿美元，年均增速为 1.8%；服务机器人市场规模从66亿美元增长至172亿美元，年均增速为27.1%，特种机器人市场规模从38亿美元增长至82亿美元，年均增速为21

Friend智能耳机，通过蓝牙与手机 端的豆包APP连接，用户通过语音指令或耳机触控即可调用豆包，实现 智能问答、英语陪练、播放音乐等操作。洛图科技预测，2024我国在线 电商平台的AI耳机销量有望突破20万副，同比增长488.7%。AI眼镜： Ray-Ban Meta引起市场广泛关注，接入Llama3大模型后，能够实现智能 问答、通话及发送信息、实时翻译等一系列操作，并且能够通过摄像头 对现实场景进行分析并回答用户提出的问题，出货量已超过200万副， 500万副，渗透率约3.48%。 若按照一副1,500元进行测算，2029年AI眼镜市场规模约为825亿元。  算力需求仍将加大。近期微软、亚马逊、谷歌、Meta披露最新业绩，四 大科技巨头Q4资本开支合计同比大幅增长77%，主要支持云计算、AI等 基础设施建设。同时后续资本开支指引积极，海外CSP并未因DeepSeek V3 及R1模型推出而放缓资本开支投入的步伐，反而加大相关投入，而国内 CSP为了保持竞争优 ..... 4 图 3 ：DeepSeek R1 调用成本 ........................................................... 5 图 4 ：产品增长 1 亿用户所需时间 ....................................................... 5 图 5 ：主要模型评测 ..................

我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是 AI Agent，具有自主记忆、推理、规划和执行的全自动能力。 观点#1：Apple Intelligence 推动苹果用户换机，利好产业链业绩增长 6/11, 苹果 WWDC 2024 大会推出由苹果自研的端侧大模型、云端大模型、 以及 OpenAI 的 ChatGPT 组成的全新智能系统 Apple Intelligence。从功能 上来讲，和 智能手机系统架构变化 资料来源：OPPO《AI 手机白皮书》（2024.2），华泰研究 据 IDC，全球 AI 手机 2024 年出货量有望同比增长 233%至 1.7 亿台。中国 AI 手机所占份 额自 2024 年以后会迅速增长，预计 2024 年中国市场 AI 手机出货量为 0.4 亿台，2027 年 将达到 1.5 亿台，且 AI 手机渗透率有望在 2027 年超过 50%。我们认为，AI 年苹果手机活跃用户 14.6 亿人，对应目前换机周期 6.23 年，如果 Apple Intelligence 能够缩短换机周期 3 个月，可以带动约 1000 万台新机销 售。利好苹果产业链公司业绩增长（立讯、鹏鼎、环旭、水晶光电、蓝思、东山精密、比 电、鸿腾、瑞声、长电等）。 图表12： 全球及中国大陆智能手机出货量预测——分品牌 注：2024E 预测值变动幅度是较 2023

再是遥远的愿景。这项技术正在迅速重塑人们的生 活、工作和交互方式，推动全球产业、经济和社会 转型。人工智能的影响力有望超越前面几次技术革 命，促进生产力提升，重新定义竞争力，开启全新 的经济与社会价值增长路径。IDC 预测到 2030 年， 人工智能将累积为全球带来近 22.3 万亿美元的经 济收入，占全球 GDP 的 3.7%。 为帮助政策制定者、商业领袖和社会各界有效应 对这场重大变革，IDC 全球联接指数（GCI）以及近几年的全球数字化指 数（GDI）。这些指数反映了从联接到数字化再到 数智化的演进过程，并且 GDII 指明了下一个前沿 领域 ：人工智能驱动的智能经济即将崛起。 在人工智能时代，数智化不仅将推动经济增长，还 将促进社会进步与环境可持续发展。因此，GDII 提供了一个全面框架，用于评估全球 90 多个国家 （合计占全球 GDP 的 94% 和世界人口的 83%）如 何做好准备，在人工智能时代赢得竞争并实现繁荣 » 政策 ：支撑数智经济增长的国家监管、法律、 投资和可持续发展框架 » 人才与生态 ：涵盖 ICT 人才、STEM 毕业生、 初创企业、开源贡献者以及在线社区参与度的 人才与创新生态 我们希望向政策制定者传递以下明确信息 ：数据和 智能正在成为决定国家竞争力的关键因素。在基础 设施、人才和数字化技术应用领域，敢于投资的国 家将有能力挖掘新的增长机会，在全球智能经济中 赢得

早已不是企业的选择题，而是一道必答题。不过， 到目前为止，虽然很多企业投资了大量的数字 化项目来开展数字化转型，但是多数企业并未 如期实现数字化转型的战略收益，尚没摸清如 何真正释放数字化的潜力，为企业拓展营收来 源，实现业务增长。根据麦肯锡全球调研数据， 企业数字化转型的成功率仅为 16%，失败率高 达 84%。 从基建到运营， 做数字化转型 的终极赢家 回 顾过去十年，规模最为浩大的商业浪潮 非数字化莫属。云计算、大数据、物联 网、人工智能等先进技术嵌入各个行业， 推动跨界协同与边界重塑，在不断对传统的行 业与企业形成冲击的同时，也在开拓新的商业 模式与产业机遇，这个过程就是数字化转型。 数据显示，过去十年间，我国数字经济规 模从 11 万亿元增长到 45.5 万亿元，占国内生 产总值比重由 21.6% 提升至 39.8%。从城市 到农村，从社会到个人，从线上到线下，数字 数字化运营——新思路应对新周期 ｜ 3 数字化为何难以创造价值？因为企业掉入 5 瞭望塔 │ Lookout Tower 进 入数字经济时代，颠覆式创新屡见不鲜， 商业竞争格局不断被打破，这驱动着企 业纷纷加强自身的数字化转型以适应新 的发展潮流，并期望以此开启新的增长。 但认知上的共识并不意味着实践中的成 功。在投入大量人力、物力、财力进行数字化 相关的平台与系统建设后，越来越多来到数字 化中局的企业才发现，光靠大规模的数字化建 设而没有精细化的内部运营管理做支撑，无法

300% 400% 500% 600% 700% HIMS & HERS HEALTH 海外代表公司案例——Hims & Hers Health 业务亮点 ◥ GLP-1药物布局带来快速增长：公司通过个性化口服化合物、品牌药和非专利GLP-1组合切入减肥市场，计划2025年推出首款通用型 GLP-1药物利拉鲁肽。其减肥解决方案定价（如口服方案每月79美元、GLP-1注射剂每月199美元）具备大众市场吸引力。 疗机构的42%和15%。平台通过频繁医患互动、AI支 持的个性化剂量调整和副作用管理提升了治疗效果。 资料来源：Hims官网，Bloomberg，国联民生证券研究所 HIMS用户数量和客单快速增长 HIMS季度销售收入情况 0% 20% 40% 60% 80% 100% 120% 0 50 100 150 200 250 300 350 400 450 线上销售（百万美元） 4亿美元（yoy>79%），调整后的EBITDA为500万美 元 ◥总结： Tempus AI通过“数据+AI”双轮驱动，在精准医疗领域构建了独特生态。其基因 组学业务为现金流支柱，数据服务展现高增长潜力，而AI应用仍需验证规模化 变现能力。尽管尚未盈利，但收入增速和行业卡位具有一定优势 Tempus NGS + Clinical Data 与靶向治疗和临床试验匹配率更高 资料来源：Tempus

中关村超互联新基建产业创新联盟：袁博。 算力城域网白皮书（2025 版） I 前 言 2025 年初 DeepSeek 的爆火掀起了生成式人工智能的浪潮，带动 大模型训练成本和推理成本的快速下降，驱动算力需求爆炸式增长。 城域网络作为用户与算力资源间的关键桥梁，各类新兴算力业务对城 域网的网络架构、网络能力及服务模式等方面提出了新的要求。中国 电信在 2024 年发布了《算力城域网白皮书》，首次提出算力城域网 世界各国都在积极 推进数字化经济新质生产力的建设。算力作为数字经济时代的核心生 产力，正在加速数字经济和实体经济的深度融合。以 AIGC 为代表的 人工智能大模型快速崛起，推动了算力需求的快速增长。 AI/HPC 等高阶算力对于提升国家、区域经济核心竞争力的重要 作用已经成为业界共识。2025 年 3 月，《政府工作报告》提出将持 续推进“人工智能+”行动，打造具有国际竞争力的数字产业集群。 这意味国家将加强顶层设计，加快形成以人工智能为引擎的新质生产 力。随着这一行动的深入推进，人工智能将在推动产业升级、促进新 质生产力快速发展等方面发挥重要作用。 随着人工智能技术的快速发展，大模型训练对算力的需求呈指数 级增长，促进了运营商、政府、行业和企业进行算力中心的建设。各 类算力资源如何实现高效整合，服务于千行百业，进而实现算力的商 业闭环是业界普遍关心的话题。本白皮书针对算力发展新态势和算力 业务新需求，在

大语言模型参数均在十亿量级以上。同时，Deepmind 研究表明，模型参数的 上涨需要配合等比例上升的优质数据集来达到最佳训练效果。因此，大模型 参数在十亿级以上发展并受限于优质数据集的增速是 AI 发展的必然趋势。 大模型增长挑战芯片算力和内存，无法实现完整端侧部署。大模型训练和推 理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 证券研究报告 2 内容目录 百亿参数大模型具备涌现能力，训练数据需等比例提升 .............................. 5 大模型的参数下限：AI2.0 时代，基础大模型参数指数级增长 ................................ 5 大模型的参数上限：参数的增加需要同等量级的训练集增加 .................................. 6 证券研究报告 3 图表目录 图1： AI2.0 时代的特征是通过超级海量数据无需标注训练一个大模型 .............................5 图2： 过去五年 LLM 模型参数快速增长 ........................................................ 6 图3： 参数量的指数提升线性提高模型性能 .................