AI 应用渗透提速！中信建投：AIPC具备爆款应用诞生的可能性

近日，中信建投发布500多页深度研报，称自ChatGPT 发布后，大模型向更强､更高效､更可靠方向发展，呈现推理模型深化、智能体模型爆发的格局｡

2025 年是应用加速落地之年，OpenAI 已达百亿美金ARR， Claude 月收入环比增速超20%｡受互联网大厂推动AI 与业务结 合､Agent 推出､主权AI 需求及多模态渗透等因素影响，AI 算力消耗从训练转向推理,带来显著增量，国内算力自主可控趋势 凸显。B端应用渗透率慢于C端，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、高复杂度场景尚需时间｡ 但本轮AI渗透较互联网时代大幅提速，B端落地进程或超预期｡

中信建投观点认为，大模型继续向更强大、更高效及更可靠的方向发展。回顾人工智能发展的三个阶段，从符号智能、专用智能迈向通用智 能，2017年之后正处于通用智能阶段。在这个阶段中，以Transfo r mer架构为基础，训练数据从有标注变为通用无标注数据，学 习方法从过去的有监督学习变成无监督学习，能力从专用任务扩 展到通用任务，并在算力的加持下，参数量和数据量都急剧变 大，因而有了今天的大模型。值得关注的是，随着模型规模、数据 量的持续突破与学习范式的迭代，大模型逐渐展现出显著的“涌现 能力”——即当模型达到一定复杂度后，自发产生超越其 设计 目标或训练数据覆盖范围的新能力。这种来源于模型对海量数 据中潜在规律的深度捕捉与跨领域关联能力，正是通用智能阶段 大模型从“量变积累”迈向“质变突破”的核心标志，也为其在更复杂 、更开放的现实场景中实现自主决策与创新应用奠定了基础。2025年模型继续向着更强大、更高效、更可靠的方向去发展，其 中，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、Agent 与群体智能、实时数据验证以及合成数据助力，尤其是强化学习在其中起到了至关重要的作用；更高效依托MOE架构优化、FP8等低精度应用、Mamba 等新型架构探索及计算效率提升；更可靠则通过Scaling Law 降幻觉、实时事实验证 、思维链等实现，部分方法兼具多重作用。

中国企业在算力受限的情况下,在更高效上做到了全球领先｡从地理分布上看,全球已经形成人工智能的“两极格局”，且未来这一格局仍将长期保持｡至2024 年，中美两国自研大模型数量占全球80%以上，中国大模型数量已经接近100 款｡根据斯坦福以人为本人工智能研究所发布《2025 年人工智能指数报告》,2024 年结束后,中美顶级AI 模型的能力差距已由前一年的20%缩小至0.3%｡中国视角来看,DeepSeek-R1 迈出了中国AI 全面追赶美 国的关键一步｡DeepSeek-R1 通过架构创新､软件优化及前沿方法,在推理能力上逼近国际顶尖水平,且训练成 本大幅降低｡其开源策略为本土AI 发展提供了技术参考,缩小了与美国的技术差距,如今豆包Seed1.6､阿里 通义千问､KimiK2 等国产模型呈现百花齐放局面,并且开源的KimiK2 再次体现国产模型更高效的特点｡从大 模型的技术本质与人才储备来看,中国的大模型企业的能力并不落后，2025 年是世界认知中国人工智能潜力的第一年，未来有望走出国门､走向世界｡

进入2025 年,大模型的应用落地进程呈现显著加速态势｡中信建投总结了目前海外典型大模型ARR(年化收 入,亿美元)情况,OpenAI 已实现百亿美金ARR,月度CAGR 仍然保持10% 的环比增速,Claude4 凭借代码优势,ARR 半年时间从10 亿美金奔向30 亿美金,月度CAGR 超过20%的环比增速,海外大模型开始加速实现 商业化落地｡然而,这只是刚开始,结合Pew Research 的样本调查,截至1Q25,34%的美国成年人已经采用 ChatGPT,大约相当于美国PC 互联网2003-04 年的渗透率水平｡考虑到ChatGPT 是22 年底推出,意味着Chat GPT 用两年零一个季度的渗透率大致对应PC 互联网10 年的渗透进度｡AI 大模型对产业的渗透速度超过此前互联网 革命,并且其展现出来的商业化潜力和付费意愿也超过传统应用｡从Sensor Tower 统计的应用内购收入来看, AI 应用占据整体应用(剔除游戏)比例约1.73%｡而如果从AI 应用的下载量来看,2024 年AI 应用下载量达14 亿 次,占据全球所有应用下载量约1.0%,付费比例超过了下载比例｡从24 年中预训练进度放缓,到25 年初大模 型与实际业务第一阶段协同落地,这一阶段的进展体现了大模型技术在原有业务上实现了效率层面的大幅度跃 升,从而形成了商业逻辑的闭环,之后大模型将快速的向其他行业渗透,其渗透节奏有快有慢,总体体现从易 到难,从虚拟到现实,从科技到传统,从研发到生产的主要渗透趋势,从行业特有的限制角度看,生产环境与 法规限制较少的产业会快于限制较多的产业｡

作为AI 应用的重要载体和下一代人工智能的具体形态，AI Agent 将成为2025 年AI发展的重要方向｡年 初国内Manus 发布引起广泛关注,国内大厂纷纷打出各有特色的Agent 战略｡北美市场各类Agent 同样层出不 穷：OpenAI 连发两款研究型Agent､Claude 4 代码能力突出､Google Deep Research 深度嵌套Google Scholar 生 态,AI Agent 正进入技术突破与商业化加速阶段｡Agent 的出现将快速把大模型能力从“做题”延伸到“工作” 中,简而言之,大模型开始从“小镇做题家”变成“都市白领多面手”｡生物群落带来生物群体智能涌现,多智 能体集群也将带来AI 群体智能涌现,进一步提升大模型性能,目前GitHub 上已有不少明星项目,预计未来两 到三年内该技术将逐步成熟｡目前看,Agent 的发展比较依赖于数据和生态,具备数据优势､生态体系构建的企 业未来将更具发展潜力｡

多模态商业化进展快,国产 AI 视频与海外模型各有千秋｡多模态模型历经任务导向､视觉 - 语言预训练､ 多模态大模型三阶段,当前以 “语言为统一交互工具” 实现跨模态对齐与零样本应用｡原生多模态模型(如 GPT4o､Gemini)解决输入延迟问题,基于 Transformer 的扩散模型提升文生视频质量｡应用上,C 端聚焦社交娱 乐(如快手可灵的视频特效),B 端侧重营销素材与商品图创作(如美图设计室),专业领域(如影视制作) 通过 AI 降本增效显著｡据不完全统计,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｡国产模型尺寸上均支持多种规格;时长上国产可灵达 2 分钟,部分推理更快;效果上国产多次登顶全 球榜单;使用门槛上,国产多端可用､价格更低｡中国的互联网企业在多媒体领域具有全球影响力,游戏､电 影､短剧､短视频等领域将是目前多模态落地的第一阶段,随后在自动化装备､机器人､自动驾驶等产业也将快速渗透｡

随着各方面应用的加速,AI 算力消耗开始从训练走向推理,同时主权AI 加大投入,带来显著的算力增量｡ 探究背后增量需求主要来自四方面:一是各家互联网大厂纷纷加速AI与原有业务结合,如谷歌搜索在今年5 月 21 日正式迎来 AI 模式,并逐步在美国市场推出,考虑到谷歌搜索全球范围内年搜索量为5 万亿次+,假设单 次回答平均为2000token,则该功能都将带来日均27 万亿token 消耗(超过其Gemini 模型目前日均16 万亿token 消耗),类似案例如抖音搜索､微博AI 智搜,搜索功能开始从普通服务器迁移到AI 服务器并重塑所有搜索体 验,类似的视频编辑､剪辑功能也被AI 重塑;二是Agent 和深度思考推理的结合,通过两者结合,Agent 执行 任务准确率大幅提高,Agent 执行一次任务平均消耗token 达到10 万的量级,大幅超过AI 搜索单次问答token 消耗,并且能延伸到更多开放式场景,同时多Agent 协作的群体智能也已开始逐步商用化,过去复杂､多步骤 的任务可通过Agent 实现,Agent 的普及将带来推理算力需求的大幅增长;三是多模态,随着多模态生成的图片 及视频质量今年均显著提升,今年AI 营销内容占比提升十分明显,根据《2025 中国广告主营销趋势调查报告》 显示“超过50%的广告主,已经在生成创意内容时使用AIGC,并且AI 营销内容占比超过10%”,而一分钟视 频的生成token 消耗基本在10 万token 至百万token 量级,目前多模态模型开始步入快速商业化阶段,如快手 可灵四五月连续两月付费金额超过1 亿,多模态的加速渗透带来明显的算力需求提升｡四是主权AI,科研和军 事领域是关键,随之扩展到其他各行业的效率提升。

算力方面从投资角度来看,一是随着推理占比的提升,云计算厂商投入产出比逐渐清晰,并且超卖率有望 继续提升,从而带动利润率提升;二是围绕机柜增量变化及新技术投资,25 年下半年核心是英伟达NVL72 机 柜上量,其中液冷散热､铜连接､电源变化最大;三是围绕估值性价比､景气度投资,重视PCB､光模块等供应链｡

1) 散热方面:散热方面将是AI 算力领域未来几年核心技术升级方向之一,英伟达单卡功耗从700 瓦 到1200､1400 瓦,未来有望迭代至2000 瓦+,并且大机柜､超节点的出现,热源的叠加使得散热 难度进一步提升,因此散热成为了接下来持续迭代升级的方向｡其次,目前供应商以台系､美系厂 为主,如Coolermaster､AVC､BOYD 及台达等,中国大陆供应商比例较低,随着液冷散热从研发走 向大规模量产,中国大陆公司扩产能力更具优势，液冷散热领域一系列部件会有更多中 国大陆供应商进入到全球供应体系｡

2) 铜链接:铜线在短距数据传输的成熟度更高且448G 等新技术路线逐步面世,今年扩产最快的公司将充 分享受从Blackwell 到Rubin 所带来的高速连接需求增长｡

3) 电源领域:高功率带动单W 价值提升｡PSU 是服务器电源进行AC-DC 转换的核心,随着单体功率密 度的提升,单W 价格也在提升,呈现量价齐升局面｡新一代GB300 等GPU 方案中,BBU､CBU 逐步 成为标配,能够解决负载波动率大的供电稳定､电压稳定问题｡目前5.5 KW 电源已进入量产阶段,后 续伴随2026 下半年800 V HVDC 数据中心电力基础设施及 1 MW IT 机架逐步落地,电源将持续升 级｡随着功率密度要求的提升,UPS 目前正在由600kW 级向MW 级迈进,以应对越来越大的功率密度 需求,未来AIDC 有望全面切换到HVDC 为代表的全直流供电方案,电压等级也提升至800V｡巴拿马 电源等集成化､模块化产品逐步成为大厂青睐的主流,更先进的固态变压器(SST)也已开始研发和测 试｡

4) PCB:亚马逊､META､谷歌等自研芯片设计能力弱于英伟达,因此对PCB 等材料要求更高,价值量 更有弹性｡随着短距离数据传输要求不断提高,PCB 持续升级,并带动产业链上游升级,覆铜板从M 6/M7 升级到M8/M9｡伴随国内PCB 公司在全球份额持续提升,并带动上游产业链国产化,从覆铜板出发, 并带动上游高端树脂､玻纤布､铜箔等国内份额进一步提升｡

5) 光模块:除了GPU 等算力硬件需求强劲,也催生了网络端更大带宽需求｡优秀的网络性能可以提升计 算效率,显著提升算力水平｡相较于传统的云计算网络,AI 训练组网由叶脊架构向胖树架构转变,交 换机和光模块数量大幅提升,且随着通信数据量的增加,对光模块的速率要求也更高｡800G 光模块2023 年开始放量,2024-2026 年都保持高速增长;1.6T 光模块2025 年开始出货,2026 年有望放量,整个光 模块产业链迎来量价齐升的景气周期｡从竞争格局看,国内光模块巨头经历了一轮又一轮的竞争,与北 美的云厂商深度绑定,占据了全球光模块市场的主要份额｡从未来技术趋势演进看，建议关注硅光 与CPO(共封装光学)｡

6) 先进封装､HBM:为了解决先进制程成本快速提升和“内存墙”等问题,Chiplet 设计+异构先进封装 成为性能与成本平衡的最佳方案,台积电开发的CoWoS 封装技术可以实现计算核心与HBM 通过2.5D 封装互连,因此英伟达A100､H100 等AI 芯片纷纷采用台积电CoWos 封装,并分别配备40GB HBM2E､ 80GB 的HBM3 内存｡全球晶圆代工龙头台积电打造全球2.5D/3D 先进封装工艺标杆,未来几年封装 市场增长主要受益于先进封装的扩产｡先进封装市场的快速增长,有望成为国内晶圆代工厂商与封测 厂商的新一轮成长驱动力｡

7) 国内算力链:一方面来自于美国BIS 政策的持续收紧,中期维度看,国产芯片占比提升是必然趋势｡ 考虑到国产芯片逐渐进入量产交付阶段,预期市场集中度将看到显著提升｡另一方面随着国内算力消 耗快速增长(典型如字节跳动,每三个月token 消耗接近翻一倍,5 月底为16.4 万亿token),预计 国内各家大型云厂商在日均token 消耗达到30 万亿token 时会感受到算力紧张,在达到60 万亿token 时会开始出现一定算力缺口｡我们认为国内增速斜率更陡峭,国产芯片今年将迎来发展大年｡

C 端应用:从移动互联网迈向 AI 定义的新时代,AI 原生应用成为主角｡其与传统应用大不相同,以 AI 为架构核心,软件开发范式历经从代码､权重到提示词的转变｡在应用层,它降低构建应用门槛,改变交互形 式,能完成复杂任务决策执行,还简化了 UI,让 LUI 走向前台｡从渗透率看,当前 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;从类型看,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｡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,AI 应用开始迅速普及｡

B 端应用:企业端 AI 应用渗透率方面,美国企业采用 AI 技术比例为 9.2%,低于 C 端,其中大型企业 采用率最高｡容错率与复杂度决定B 端各场景AI 应用落地顺序｡其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｡从高容错､单一任务的AI+搜索/AI+编程场景到低容错､高复杂度的具身 智能/AI+制药场景,AI 应用尚需一定时间周期｡但道阻且长,行则将至,本轮AI 渗透相较于互联网时代的大幅 提速预示着B 端应用落地进程或将远超预期｡分场景来看:

1) 教育领域:因其场景清晰性､数据丰富性和需求刚性,成为AI 技术落地的黄金赛道｡AI+教育软件以 人工智能技术为驱动,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｡

2) 医疗/制药领域:AI 制药领域正经历着快速的迭代和变革,算法的更新迭代和算力的支持为AI 在制药领域的应用打下了良好的基础｡目前AI 算法在临床前药物发现阶段已经有着深入且深刻的应用,海外 头部临床CRO 公司在临床试验中已经布局AI 多年,完全由AI 研发的新药有望在1-2 年内成功上市｡ AI 有望重塑药物发现的模式,并且为制药行业带来潜移默化且持续地降本增效,驱动AI 制药管线和市 场的快速增长｡同时AI 医疗在提升医疗器械功能､检查检验结果解读､辅助临床医生决策､健康管理 等多个领域的应用价值较大,是医疗企业和医院必须重视的创新方向和竞争趋势｡企业有望借助A I 进 一步提高产品竞争力和客户粘性,巩固行业地位和竞争优势｡

3) 工业领域:现代工业作为规模化制造体系,其标准化流程与确定性物理规则恰是AI模型的最佳训练场｡ AI+工业正沿两条主线突进:在增量市场,新能源汽车､光伏等新兴制造领域从零构建AI 原生工厂, 将视觉质检､预测性维护等模块嵌入产线设计底层,如智能制造服务商为车厂搭建的全链条数字孪生 系统;在存量改造中,传统重工业通过渐进式部署解决关键瓶颈,例如钢铁企业用参数优化模型降低能 耗,化工企业利用DCS 等智能控制提高流程工业生产效率｡当AI 将分散的专家经验凝练为可复用的 工业智能,传统制造的效率边界正被重新定义｡

4) 军事领域:AI 正加速落地,广泛用于无人作战系统与战场决策支持｡AI 正在重塑现代战争体系,从辅 助工具跃升为智能战场的核心中枢｡美军通过构建以“数据获取—智能平台—作战应用”为主干的三层 级作战架构,实现从感知到打击的闭环式智能决策; 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作战核心领域｡ SpaceX､ Palantir､Anduril 等新型防务企业成为关键推动力 量,形成“算法主导”的新军工联盟｡在此背景下,未来军事竞争重点关注低轨卫星(通导遥一体化)､ AI 平台与边缘智能､智能无人系统三大方向的融合突破,构建体系化､可实战部署的智能作战能力｡

机器人:目前机器人大模型训练方式已经开始向端到端大模型+世界模型(物理规则建模)发展,同时模态 能力也越来越丰富,从VLM 过渡到VLA,典型的是Gemini Robotics(2025.3)已实现视觉-语言-动作(VLA) 三模态深度融合,推动机器人从感知理解走向高频执行｡目前具身智能大模型仍有数据集不够､思考跟不上运 动､缺乏生态等主要痛点,但随着合成数据使用､模型持续迭代,未来将有效解决上述问题｡随着大模型快速 迭代,供应链快速降本,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｡自Tesla 于2021 年宣布推 出人形机器人“擎天柱”,到现在Tesla 即将推出第三代人形机器人､Figure 推出搭载了Helix 模型的新款､1X 推出人工智能算法优化的NEO GAMMA 等,国内的宇树､智元､优必选等步态､动作优化,可以看到模型迭 代､训练算法优化､供应链快速降本,正在加速以人形机器人为代表的具身智能商业化落地,目前多家人形机 器人产品已经在下游工业客户展开实训,预计未来人形机器人市场规模将远超汽车､3C 行业,带动包括丝杠､ 减速器､传感器､电机等相关产业链的旺盛需求｡

智驾:特斯拉FSD Beta V12.3 为第一个使用端到端神经网络的FSD 版本,端到端大模型相比过去的算法有 四个重要特点及优势:1)数据驱动:过去是靠写规则去定义自动驾驶,现在是由数据驱动,每看100-150 万个 视频片段,效果会有明显提升;2)上限高:大模型的涌现能力目前看在自动驾驶中也有体现,意味着把参数量 做大,能解决过去自动驾驶过程中一些难解决的驾驶行为;3)计算效率提升:端到端模型将传统数十个独立模 块集成至单一网络,消除信息传递延迟,因此推理时延缩短至毫秒级,进一步推动城市NOA 等高阶功能落地提 供技术基础;4)驾驶体验逼近人类:过去规则定义下的自动驾驶很生硬,目前体验更加类似于人类驾驶的感受, 从而降低了接管次数｡目前,VLA(视觉 - 语言 - 动作模型)作为端到端架构的重要发展方向,通过融合视觉､ 语言等多模态数据构建 “多模态世界模型”,已经开始加速在车厂应用｡除了模型变化,2025 年成上车元年, 元戎启行､理想等国内外车企加速布局低速场景试点｡车企推动 “智驾平权”,比亚迪等将高阶智驾下沉至 10 万级,带动城市 NOA 渗透率提升｡

端侧:端侧硬件的多元化高度契合人工智能技术的交互需求,其声学､视觉､执行单元､光学､显示屏幕 等组件,可以组合出丰富多彩的硬件产品｡当前端侧的能力足以支撑不同场景下交互与传输工作,对模型的承 载上还无法承载千亿参数规模的大模型,因此模型分级分工是当前端侧AI 的阶段性特色｡不同场景下的端侧硬 件展现出不同的技术需求,如AI 眼镜追求轻薄且高续航,AI 手机追求隐私与高效,AI 电脑追求效率与便携, 等等｡未来端侧仍然是各场景下大模型渗透的核心载体,其技术路线呈现容量更大､电量更足､模型更强､声 光屏交互更便捷的发展趋势,对高端cis 摄像头与显示技术､消费电子级固态电池技术､高端存储封装技术､端 侧高算力技术､超低功耗芯片设计技术､超低功耗声学技术等提出了多样的技术需求｡

中信建投指出，AI PC 将是 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。AI 大模型已能够有效地处理文档撰写和演示文稿制作等任务，完美符合 PC 作为生产力工具的定位。此外，在以终端为中心的混合 AI 架构中，多数任务能够在 PC 本地运行，既保护隐私，又能及时响应。新兴的发展趋势有望带动新一轮的产品创新周期，自 2023 年下半年开始，英特尔、高通、微软及一众 OEM 厂商都在积极推动 AI PC 的发展。初期，处理器包含 NPU 模块的电脑即为 AI PC。

AI PC 端侧应用处于起步阶段，但其迅速发展的势头和大模型的潜力开启了爆款应用诞生的可能性。目前主流的边缘 AI 示例主要涵盖：（1）人机交互：如 AI 虚拟助手的语音或文字交流；（2）文本创作：撰写演讲稿、文章等；（3）多媒体创作：涉及音频、图像、视频素材的编辑与创新；（4）跨模态生成：文生图、语音转文字等；（5）增强应用软件：例如会议视频人像背景分离，游戏体验个性化等。随着开发者队伍的壮大，边缘 A I 应用的数量预计将快速增长，高通指出 AI 在终端的应用示例已从去年的 1-2 个增长至数百个，预计 2024 年将达到上千个。在此发展势头下，鉴于边缘端 AI 应用除了其本质的延迟性和隐私保护优势外，也展现出了更广泛的能力，例如在生产力方面，具有大幅提升效率的潜力；在娱乐、私人助手的角度，具有深度个性化的特点。这种全面的能力为未来爆款应用的诞生提供了坚实基础。

当前各大品牌厂商均积极拥抱 AIPC，推出多款产品。以联想为例，2024 年 11 月联想正式推出新一代商务 AI PC——ThinkPad X1 Carbon Aura AI 元启版，该款产品搭载第二代英特尔酷睿 Ultra7 258V 系列处理器，最高睿频可达 4.8GHz，CPU+GPU+NPU 异构 AI 算力高达 120TOPS，最高可选 32GB LPDDR5X 和 2T BPCIe Gen5 硬盘，为本地部署 AI 功能提供坚实后盾。该款产品还内嵌了个人智能体“小天”，具备意图理解和主动感知、自我能力认知、短期长期记忆、任务规划与分解等功能，可以帮助用户创建个人专属的知识库，实现查找总结文档、外文智能翻译、记录会议摘要，大幅提升了用户 AI 办公体验。2025 年 2 月，联想推出全球首款部署 Deepseek 端侧大模型的 AI PC——搭载英特尔酷睿 Ultra 7 处理器的联想 YOGA AIPC 元启新品，通过端侧部署与蒸馏技术创新，能够在消费级设备上实现 70 亿参数端侧模型的流畅运行，这一技术突破使得用户文档的总结、翻译、撰写等操作无需调用云端大模型即可完成，充分保障数据隐私与离线可用性。