热门资讯> 正文
AI人工智能产业下游深度分析
2025-08-29 14:40
（来源：神仙妹妹说理财）
一、行情复盘：从互联网+到人工智能+
2013-2015年移动互联网和互联网+驱动 A股TMT行情：硬件到软件。2013年行情首先由智能终端（手机）的渗透率提升所驱动，表现为SW电子板块率先领涨，2014-2015年随着硬件渗透率提升，市场焦点转向软件和互联网，SW计算机和SW传媒（手游、视频、数字营销）涨幅巨大。
互联网+政策引领：2012年、2015年政策支持力度加大。“互联网+”本质是构建了万物互联的数字底座，通过平台实现去中介，以提升信息和资金流动效率。
互联网渗透率约50%：根据CNNIC，2015年12月,我国网民规模达6.88亿，互联网普及率为50.3%，我国手机网民规模达6.20亿，移动互联网渗透率约45%。
2023-2025年从海外映射逐步走向看国内兑现；从基础设施到AI应用。25.2之前，海外Chatgpt为代表的模型突破带动海外算力产业链标的（预期业绩兑现），应用则呈现为海外映射。25.2以来随着Deepseek的突破，国产AI从基础设施到大模型到应用（AI硬件和软件、互联网传媒），实现预期转变，但由于应用仍在早期阶段，传媒、计算机行情波动较大（部分公司业绩兑现是因为传统业务）。
人工智能+政策引领：7月31日发布“人工智能+”行动政策，有望加速技术价值转化。“人工智能+”则是计算增强，实现生产效率和商业模式的系统性升级。
AI渗透率仍在早期：从ChatGPT的用户渗透率水平来看，当前AI+类似2005年的互联网+的阶段。2025年8月，ChatGPT周活跃用户约7亿，全球网民渗透率约13%，2005年全球接入互联网人口数量约10.2亿，渗透率约15.6%。
二、AI应用之AI Agent重塑软件
Agent让AI与人类协同从“副驾”到“主驾”。Agent是LLM的进阶。大语言模型适用于完成相对孤立、直接的任务，而AI Agents更适合完成连续的、复杂的场景和任务。未来有望过渡到Agent模式，由人类设定目标并提供资源，AI完成绝大部分工作。AI agent可以分为两类一是旨在自主完成复杂多步任务的通用型Agent；二是深度融合行业知识和工作流的垂直型Agent，在软件开发、法律、金融和医疗等领域展现出巨大的商业价值和变革潜力。
的未来协作方式》
Agent简化软件企业“定制化”难题，重构“人日”模式。从软件企业客户角度：通过AI Agent实现自动创建工作流并执行，打通复杂多系统壁垒，提升系统效率，同时通过自然语言自动创建等方式，降低系统的使用壁垒。
对于客服、招聘等传统人工为主的场景，可以大幅降低成本。此类场景成本效益计算相对清晰，未来有望实现按次收费，甚至收益分成的模式，完成软件企业收费模式的革新。
企业自身角度：客户的定制化需求是导致软件企业难以实现人均创收/创利明显提升的关键，软件企业在2018年通过中台化尝试解决定制化难题，但中台的高昂开发成本及后续交付时的调试等导致收效甚微。此轮agent变化，实际是通过标准化的系统，以自动创建流程及寻求解决方案的方式，既解决了客户的实际个性化需求，又不需要为客户构建新的纯定制化系统，有望解决“定制化”难题，带来软件企业盈利能力大幅提升。
三、AI应用之AI硬件产业链
大模型轻量化与开源趋势降低对部署算力需求，预计AI终端交互可用性进入提升拐点。DeepSeek-R1凭借其创新的MoE架构（混合专家模型）、MLA算法（多头部潜在注意力）和后训练RL技术，实现大模型推理效能的跨越式提升。模型蒸馏、架构优化、量化、减枝等算法优化技术能够在不影响模型准确性的前提下，显著缩减模型参数规模。降低的计算负载为大规模边缘部署提供了可能性。开发者和商业主体因此能够在边缘侧打造更丰富的应用形态，让AI能够支持跨边缘侧规模化部署的商用应用。
终端形态迎来“百花齐放”的高频变化：AI耳机、AI手机、AI眼镜、AI玩具机器人等。AI应用及AI推理算力的富裕供给将驱动端侧AI生态加速演化。这一突破就像寒武纪的“氧气革命”，为长期受限于云端的AI手机、AI眼镜、AI耳机、AI玩具等AI终端的需求增长和可用性提高创造先决条件。
端侧AI硬件的受益功能环节包括边缘计算、存储、通信、传感部件。端侧AI相对云端AI的优势包括低延迟、高安全性和高灵活性。以NPU为核心的异构计算（CPU+GPU+DSA等）性能对于边缘或近边缘推理效率的提升至关重要，与之匹配，存储、通信、传感、电源、散热也有望提升单位价值密度。
图 30：云-边-端应用场景及特征
申万宏源研究
四．AI硬件之智能驾驶与汽车电子
供给与需求端共振，2025年智驾平权带动产业链弹性。供给侧方面，智驾软硬件技术日趋成熟，质价比提升。以地平线、黑芝麻、华为的高阶智驾芯片国产化；以Momenta（预计美股上市）、大疆卓驭（原车载部门独立）、华为Hi/鸿蒙智行（智驾方案Tier0.5）为代表的领先算法方案逐渐量产。需求侧方面，智驾平权策略下，传统主机厂带动智驾配置价格带下沉。乘用车 10-20万 以下价位智驾渗透率仍然较低，NOA 功能有望成为标配。
NOA标配化带动增量部件产业弹性，投资机会集中于智驾域控、国产芯片、算法/软件，传感器等环节。
五、AI应用之机器人
两大因素加速以人形机器人为代表的具身智能商业化落地：
1大模型迭代：机器人产业正经历从“机械自动化”向“具身智能化”的质变。过去机器人主要基于确定性控制逻辑运行，尚不具备真正的智能交互与通用任务执行潜力。而具身智能时代，机器人以“通用智能体”为目标，强调感知—推理—执行的完整链路。具体而言，人工智能大模型、多模态理解与泛化能力的融合突破，使机器人得以从单一功能执行者升级为复杂场景的自主决策者。
具身智能在工业制造、仓储物流、医疗康复、教育娱乐、航空航天等领域的多元化应用场景均有广泛应用。虽然具身智能的智能体形态可以丰富多彩，但是预计人形机器人可以更好地在人类生活的环境中为人类服务，将成为具身智能重要的载体。
机器人的量产将带动全产业链的旺盛需求，包括芯片、传感器、电机、大模型算法等环节。随着量产推进以及产业链分工成熟，各零部件按照规模生产行业合理利润率进行报价，推动成本快速下降。
六、垂类行业+AI
目前AI深度到文化传媒、医疗、机器人、制造、汽车、教育等行业。
行业微调+垂类大模型推动AI+落地：（1）行业微调为主流趋势，通用大模型在面对特定行业的专业问题和复杂任务时，往往难以给出精准、贴合行业需求的答案，微调、Prompt工程实践、RAG等是更为高效实用的方式。（2）垂类大模型研发提速：将行业的专业知识、特定规则和业务逻辑等融入模型进行二次训练，推动行业应用加快落地。
展望各类AI应用是否爆发的重要维度：模型能力、容错率、数据丰富度：
模型能力：降低幻觉影响，才能满足实际应用场景中对准确性、可靠性的要求。
场景容错率：影响商业化化落地的速度：高容错领域如创意生成、代码编写和营销文案已快速兴起，用户更重视效率提升而非绝对正确；而低容错场景如自动驾驶、医学诊断和金融交易则需较长时间的技术迭代与规则保障。
数据丰富度：数据决定了模型性能的上限。精准和合规性的数据来源也是垂类AI应用构建壁垒的关键。
（以上信息仅供参考，不构成投资建议）
