把握 “人工智能 +” 投資風口——哪六類企業值得關注？

全文摘要：

AI+的重點在 “+”，而非 AI本身。頂層設計強調 “AI+”的重點在於與具體場景相結合，體現行業屬性，而非技術本身，因此重點關注的投資方向應當聚焦 AI賦能具體場景。 關注產業與政策兩大催化：

1產業催化：關注大模型版本更迭帶來的投資邊際變化；

2政策催化：2025 年 7 月 31 日總理在國常會上通過《關於深入實施人工智能 + 行動的意見》，應當重視本輪政策的重要性。

關注 AI產業六大投資邏輯：

1、大模型版本更迭帶來的邊際變化：本輪 GPT5 發佈的核心在於更低的幻覺率、更低的價格、更強的編程能力等，側重應用落地。大模型邏輯已從此前的 “比誰更強” 向 “比誰更有用” 的範式轉變；

2、自上而下——直接政策相關：緊扣《關於深入實施 “人工智能 +” 行動的意見》全文以及近期的政策走向，按圖索驥，有的放矢；

3、自下而上——事件驅動或公司基本面質地優良：自下而上從事件驅動或公司 AI 基本面角度出發，選擇具備事件催化或 AI 業務落地進展較順利的相關企業；

4、有市值容量的機構品種：大市值（百億以上）的公司更適合機構投資風格；

5、映射美股：AI 熱點企業已經從上游（英偉達等）向下遊應用轉移。我們認為這些美股 AI 應用企業對應的 A 股公司同樣存在投資價值；

6、低估值：當前 AI 應用板塊整體估值水平較低，未來具有較大風險收益比。從低位企業入手，建議關注未來一年市盈率預期在 60X 以下的相關企業。

以下為 2025 年 8 月 16 日，東吳證券計算機首席王紫敬報告正文：

1. AI應用高地：當前已經發展到了什麼階段？

1.1. AI應用已來到加速上行前夕從企業的生命週期來看，AI 應用已來到加速上行前夕。從企業生命週期來看，一家公司/一個新生行業會經歷：種子期→初創期→快速成長期→成熟期→衰退期。對於 AI 企業而言，從創始到成熟期對應的企業特點主要包括：種子期（成本下降）、初創期（滲透率快速提升）、快速成長（ROI 兑現）、成熟期（平台統一、合規完備）。我們認為，當前AI應用已來到快速成長前夕。AI 應用當前已實現成本腰斬、滲透率快速提升、收入驗證帶動 ROI 落地，基本符合快速成長期的特徵。

1.2. 大模型性能出現跨越提升，成本已出現斷崖式下跌 2024年以來，AI大模型性能大幅提升。2023 年，研究人員引入了新的基準——MMMU、GPQA 和 SWE-bench，以測試先進人工智能系統的極限。僅僅一年後，性能大幅提升：在 MMMU、GPQA 和 SWE-bench 上，分數分別提高了 18.8、48.9 和 67.3 個百分點。在基準測試之外，人工智能系統在生成高質量視頻方面取得了重大進展，在某些設置中，語言模型代理甚至在某些時間預算有限的編程任務中超越了人類。

中國 AI實驗室正逐步縮小與美國同行的技術差距。隨着 DeepSeek-R1 模型的發佈與更新，中國 AI 實驗室的模型性能已達到 o1 基準智能水平，並逼近 o3 。2024 年末以來，中國頂尖 AI 實驗室密集發佈多款高性能模型，顯著縮小了中美模型間的智能水平差距。當前部分中國模型已具備與美國頂級實驗室模型抗衡的實力，以 DeepSeek、阿里巴巴為代表的開放權重模型，其智能水平已接近和達到 o1 基準。

大模型正在變得更高效且更容易普及。得益於越來越強大的模型，一套性能達到 GPT-3.5 水平的系統，其推理成本在 2022 年 11 月至 2024 年 10 月期間下降了超過 280 倍。在硬件層面，成本每年降低約 30%，而能源效率則每年提升 40%。此外，開放權重模型與封閉模型之間的差距也在不斷縮小，在部分基準測試中，性能差異已從 8% 降至僅 1.7%（僅用了一年時間）。這些趨勢共同推動了先進 AI 應用門檻的迅速降低。

大模型的不斷成熟，用户數量與月活均呈加速上升趨勢。GPT 自 2022 年 11 月發佈後，5 日內用户數量突破 100 萬，至 2023 年 11 月 WAU 達 1 億，2024 年 8 月 WAU 達 2 億，2025 年 2 月 WAU 達 4 億，第二輪翻倍時間較第一輪縮短 3 個月；DeepSeek 上線 20 天即斬獲 1000 萬用户，上線 2 個月 MAU 達 2 億。以 GPT 與 DeepSeek 兩大最熱門大模型來看，用户數量與使用數量均呈現加速上升的態勢。

截止至 2025 年 8 月 1 日，標普 500 前五 AI 股中英偉達缺席（年內僅漲 29.2%），漲幅居前的 AI 公司絕大多數為 AI 應用公司，反映市場熱點嚮應用層擴散。

2. 中國在 AI產業博弈中需要充分發揮自身比較優勢

2.1. 中美 AI產業邏輯差異中美 AI產業發展邏輯存在顯著差異，導致路徑選擇上兩國有截然不同的戰略規劃。人工智能的技術路徑沒有收斂，因此我們需要發揮我們的比較優勢。

美國：站在全球的知識產權金字塔頂端，掘金全球；（1）雲服務：北美四大雲廠商（谷歌、亞馬遜、Microsoft、Meta）2025 年規劃投資超 3000 億美元用於 AI 數據中心建設，雲基礎設施服務市場前八名中美國公司累計市佔率超 70%；（2）AI芯片：截止至 2024 年底，英偉達數據中心 GPU 市佔率達 92%，形成技術壁壘與生態壟斷。以 NVIDIA 為例，2024 年報淨利潤超 300 億美元，淨利率超 53%，壁壘高、具備極強議價能力。2024 年中國 AI 服務器市場外購美國芯片佔比達 63%，無論產品端還是技術端都高度依賴美國芯片產業。

中國：下游應用是我國核心優勢與 AI產業的關鍵突破口中國 AI產業優勢體現在下游。中國 AI 產業上游雲服務與芯片被美國卡脖子，儘管中國本土廠商持續實現技術突圍，但由於行業網絡效應顯著，中國想在上游實現完全勝利難度極高。中國需要發揮自己的比較優勢。

（1）數據優勢：過去的十年裏數據開放情況依然沒有明顯進展，且數據總量持續累計；大量數據仍處於未被開發的狀態，僅市級融媒體中心每年就可以產生超 50TB 文化數據，且超 80% 未開發，反觀社會數據總量，具有極大經濟潛力。而美國大部分數據來自頭部大廠，在大模型訓練過程中已經被相當程度轉化為經濟效應。

全球最大的數據標註公司 Surge AI 創始人 Edwin Chen 提到：“在當前 AI 發展的瓶頸中，數據質量絕對排在第一位，其次是計算能力，然後才是算法。僅僅通過投入更多計算能力不可能解決問題，因為如果沒有高質量的數據來訓練，或者沒有正確的目標和評估指標，你就會陷入一種看到虛假進步的陷阱。”2025 年 6 月 12 日，數據標註獨角獸企業 Scale AI 正式宣佈一項來自 Meta 公司的 143 億美元戰略投資，Meta 將獲得該公司 49％的非投票權股份，此項投資使 Scale AI 的估值飆升至 290 億美元。Scale AI 在 2024 年收入達 8.7 億美元，6 月 12 日收購完成後，對應估值的 PS 倍數達到了 33 倍。一方面，這次戰略投資讓人們重新審視了數據作為基石對於AI行業的重要作用；另一方面，這一事件也為我們提供了觀察全球數據標註產業發展的窗口。國內高質量數據集的重要性被提高到新的維度。2025 年之前，中國的數據要素產業發展非常低於預期，主要問題在於從技術上很難低成本地實現 “數據不出域，可用不可見”，大大降低了各地方開放數據的意願。而伴隨着人工智能技術的發展，完美的解決了這個難題：只要把數據封裝進垂直模型，讓下游來蒸餾模型，下游可以獲得我的知識，但無法獲取數據，形成 “數據不動模型動” 的局面，真正實現了數據不出域、可用不可見。未來兩個新業態值得重視：數據標註和數據合成。

（2）產業鏈優勢：中國具有全世界最完整的產業鏈。2024 年我國製造業增加值為 3.6 萬億美元，佔全球製造業比重 28.9%

製造業 +人工智能=機器人，為市場指明未來具身智能的演進方向：機器人的核心在於智力而非四肢和軀幹，因此未來具身的演進方向首先是大腦，政策和產業發展都會圍繞機器人大腦展開。

（3）市場優勢：我國具有超大規模市場的需求優勢，有 14 億多人口和 4 億多中等收入羣體的超大規模內需市場，擁有豐富的應用場景。我國具有產業體系配套完整的供給優勢，是世界唯一擁有聯合國產業分類中全部工業門類的國家，還有 6000 多萬家各類企業優勢互補、競相發展。我國具有大量高素質勞動者的人才優勢，有 7 億多勞動力、2.4 億多技能人才和每年 1000 多萬高校畢業生的豐富人力資源。這些優勢的背後是巨大的市場潛力，將成為 AI 應用發展的強大後備力量

（4）應用場景優勢：當前，“人工智能 +”正深度融入人們生產生活等具體環境，在推動製造業、辦公、家庭、消費等場景的智能化升級方面表現尤為突出。①在製造業領域，傳統的流水線模式正逐漸被柔性化和定製化的智能生產所取代；在辦公場景中，人工智能技術推動着知識工作者效率的提升和能力邊界的拓展；在家庭生活場景中，各類智能化產品讓科技真正服務於人的需求；在娛樂消費場景中，人工智能助力體驗經濟等新型消費模式的發展。

人工智能 +應用場景的核心在於 AI Agent，AI Agent是一種廣義上的 AI應用，最終都要落地到實際生產場景。我國長期面臨效率瓶頸、服務業人力密集、人力成本持續加壓的現狀：（1）效率瓶頸：中國製造業長期面臨人工操作效率低、系統之間高度孤立（ERP/MES/WMS 數據孤島）等痛點，Agent 能夠有效提升人工操作效率、串聯利用系統數據，突破效率天花板；（2）人力密集現狀：在客服、銷售等領域，重複性任務佔比高。以阿里瓴羊客服 Agent 為例，能夠減少 80% 的人工操作量、縮短 60% 的退換貨時長，而人工客服可以向高價值事務轉移；（3）人口結構與成本壓力：宏觀上看，我國人力成本持續提升。2011 年到 2021 年之間，我國城鎮單位就業人員的平均工資年均增長率 9.8%，而名義 GDP 年平均年增速 8.9%，勞動力成本上升速度快於經濟增速，呈現補償性增長態勢。Agent 將有效緩解成本壓力。

智能經濟的核心在於生產效率，而數字員工的演進是企業數字化轉型的核心體現，是生產力與生產效率迭代的核心環節之一。其發展歷程可分為三代：流程自動化→有限場景自主決策→決策邏輯鏈路複雜化。數字員工 1.0——RPA：依賴人工配置的流程自動化，解決重複勞動但缺乏智能。數字員工 2.0——智能自動化：融合 OCR、NLP 等 AI 技術，實現有限場景的自主決策。數字員工 3.0——Agent：大模型驅動下的全鏈路閉環，能處理複雜業務邏輯並持續進化。

以上四大優勢，分別對應四個投資方向。我們認為未來政策走向、產業發展都會圍繞這四個優勢展開。

（1）數據優勢：高質量數據集，數據標註、數據合成；

（2）製造業優勢：具身智能，大腦；

（3）市場優勢：國產算力，芯片；

（4）場景優勢：AI+，行業屬性；AI agent。

人工智能最終將賦能千行百業：（1）第一產業，使用大模型進行 AI 育種、產量預測和作物生長過程的監控等；（2）工業：使用人工智能去重塑工業軟件 CAD/CAE/EDA/PLC 等；（3）新能源：使用大模型進行功率預測、電站選址、新能源的消納等；（4）智慧文旅：酒店行業與大模型融合；（5）其他：包括AI+政務、AI+醫療、AI+電商等。

3. 產業催化與政策走向 AI+的重點在 “+”，而非 AI本身。

頂層設計強調 “AI+” 的重點在於與具體場景相結合，體現行業屬性，而非技術本身，因此重點關注的投資方向應當聚焦 AI 賦能具體場景。關注產業與政策兩大催化：（1）產業催化：關注大模型版本更迭（GPT5 與 DeepSeek V4）帶來的投資邊際變化；（2）政策催化：2025 年 7 月 31 日總理在國常會上通過《關於深入實施人工智能 + 行動的意見》，應當重視本輪政策的重要性。

3.1 產業催化：大模型版本更迭

北京時間 2025 年 8 月 8 日凌晨，OpenAI 發佈 GPT5。本輪更新的最大亮點在於落地障礙的突破性進展：幻覺率降至<1%，解決 AI 應用最大痛點，為實際落地掃清核心障礙；另一方面，體現了技術質變的長期性與應用轉向：大模型能力的躍升需長期投入，GPT-5 未實現功能上的質變，倒逼產業將重心轉向應用場景探索。成本下降加速商業化：API價格持續走低，推動企業從技術競賽轉向務實應用開發。釋放國產機遇：OpenAI 技術迭代放緩，提升了國產 V4 等模型的想象空間和發佈預期。國內應用的敍事與 DeepSeek 強綁定，與 GPT 的關係很小，因此 GPT 本輪發布整體低於預期反而利好當前 DeepSeek V4 的敍事預期

3.2 政策走向解讀：

頂層設計加碼人工智能 +2025年 7月 31日，國務院總理李強主持召開國務院常務會議，會議審議通過《關於深入實施 “人工智能 +”行動的意見》。會議指出，當前人工智能技術加速迭代演進，要深入實施“人工智能 +”行動（既定戰略），大力推進人工智能規模化商業化應用，充分發揮我國產業體系完備、市場規模大、應用場景豐富等優勢（圍繞優勢展開），推動人工智能在經濟社會發展各領域加快普及、深度融合（目的是改造傳統行業），形成以創新帶應用、以應用促創新的良性循環。政府部門和國有企業要強化示範引領（國資雲、數據治理、數據流通），通過開放場景等支持技術落地。要着力優化人工智能創新生態，強化算力、算法和數據供給，加大政策支持力度，加強人才隊伍建設，構建開源開放生態體系（煥新平台），為產業發展壯大提供有力支撐。要提升安全能力水平，加快形成動態敏捷、多元協同的人工智能治理格局

3.2.1 政策高度對標互聯網 +本輪人工智能 +政策高度對標、甚至超過 10年前《國務院關於積極推進 “互聯網 +”行動的指導意見》。互聯網 + 的政策是在 2015 年 07 月 01 日成文，發佈於 2015 年 07 月 04 日，中間隔了三天。我們預期，很快會有人工智能 + 政策全文的發佈，從而重新引導資本市場的方向。全文的內容會成為一個重要的信息節點。

3.2.2 確定戰略綱領性地位實施 “人工智能 +”行動被置於戰略首位，凸顯其綱領性地位。我國將充分發揮產業體系、市場規模及場景應用優勢，推動 AI 與傳統行業深度融合，核心訴求在於產業升級。政府及國有企業需發揮示範作用，兼顧需求與供給雙重角色；在基礎設施領域，國資雲及私有化垂直模型部署需求將顯著增長。深桑達 A 作為全國性國資雲服務商及體制內數據加工企業，有望充分受益於 AI 產業的政策驅動。其次，構建開源開放生態體系被重點強調，其意義超越字面表述。開源開放是打破技術壁壘、促進普惠發展的關鍵路徑，能夠降低中小企業技術門檻，推動 AI 技術廣泛普及。這一導向與破除閉源生態圍欄、實現技術公平獲取的目標高度契合，彰顯了政策對開放協同發展的戰略重視。

3.2.3 後續政策催化未來各部委、各地方的細則陸續出台，形成密集、持續的催化。從已經發布的文件來看，補貼、算力券之類的可落地措施，都會有所體現，加碼人工智能 + 行情。海內外眾多 AI 應用加速起量，帶動 token 調用量爆發增長，核心產品 ARR 斜率走陡，AI 正逐漸進入到下半場的應用爆發階段。

四：六大選股邏輯六大選股邏輯：

1、大模型版本更迭帶來的邊際變化；2、自上而下——直接政策相關；3、自下而上——事件驅動或公司基本面質地優良；4、有市值容量的機構品種；5、映射美股；6、低估值

1. 關注 GPT5與 DeepSeek帶來的變化：多模態與 AI編程相關標的 GPT5已經發布，DeepSeek V4落地在即。本輪 GPT5發佈的核心在於更低的幻覺率、更低的價格、更強的編程能力等。大模型邏輯已從此前的 “比誰更強” 向 “比誰更有用” 的範式轉變：性能邊際提升不明顯，實現 tob 端賦能才能同時利好大模型與下游應用廠商。GPT5 發佈後，美股 AI 應用相關標的開盤應聲齊漲，反映市場對 AI 應用邏輯的初步認可。

2. 自上而下：政策直接利好第二個選股思路，就是緊扣《關於深入實施 “人工智能 +”行動的意見》全文以及近期的政策走向，按圖索驥，有的放矢。認準政策驅動的高質量數據集、具身智能大腦和人工智能 + 具體行業進行投資，包括人工智能 + 農業/工業/新能源/文旅/教育等。

3. 自下而上：事件驅動或公司 AI基本面質地優良自下而上從事件驅動或公司 AI基本面角度出發，選擇具備事件催化或 AI業務落地進展較順利的相關標的。目前 AI 應用相關標的中已有多家企業初步實現業績落地。

4. 機構品種：考慮市值容量的選股策略從市值容量角度考慮，大市值（百億以上）的公司更適合機構投資風格。

5. 美股映射：參考美股市場表現對應的 A股標的我們梳理了美股市場表現相對優秀的 AI相關品種。正如前文所述，AI 熱點標的已經從上游（英偉達等）向下遊應用轉移。我們認為這些美股 AI 應用標的對應的 A 股公司同樣存在投資價值。

6. 低估值標的當前 AI應用板塊整體估值水平較低，未來具有較大風險收益比。從低位標的入手，建議關注未來一年市盈率預期在 60X 以下的相關標的。

關於更多 AI 行業的投資機會，請關注 20259 月 6 日，華爾街見聞與王紫敬共同推出的大師課《中美 AI 投資範式：價值鏈差異與戰略選擇》，本場課程包含互動問答，學員可以就自己最關心的問題與王紫敬老師展開討論，面對面答疑解惑。

目前購買可享受早鳥優惠價，點擊上方圖片即可解鎖福利。

更多課程信息，可關注下方長海報內容：

風險提示：大師課為甄選第三方合規機構人士，講授投研理論課程之平台，所授內容不構成對任何具體產品的買賣或投資建議。平台課程所表述的意見僅供學習與參考，不代表華爾街見聞意見或觀點，也不解決用户特殊的投資目標、財務狀況或需要。市場具有波動性和不確定性，平台不對任何與您依賴課程觀點或信息而遭受的損失承擔責任。投資有風險，請謹慎決策。