DeepSeek的“鲶鱼效应”带动AI大模型“普惠潮”，数字化程度高的产业有望快速应用相关技术。2025年初，DeepSeek凭借开源大模型DeepSeek-V3与R1系列，以低成本、高性能优势，在全球引发大模型平权浪潮。随后，OpenAI宣布GPT-5调整产品战略，免费版ChatGPT用户将获得“标准智能设置”下的“无限聊天权限”；百度也宣布其计划在未来几个月陆续推出文心大模型4.5系列，并于6月30日起正式开源。AI大模型作为人工智能的里程碑技术，能够理解、分析、生成各种类型的数据，其技术特性与高数字化环境的核心需求高度契合。我们认为AI大模型助力下的降本增效有望使其在数字化程度高的产业实现裂变式应用。

中国制造业具有体系全、品种多、规模大的突出优势，有望成为“AI+制造业”的全球领头羊。在工业品类方面，根据工信部，中国是唯一拥有联合国产业分类中全部工业门类的国家，在500种主要工业产品中，中国有220多种产品产量位居全球第一。在规模方面，根据国新办，2024年，中国工业增加值40.5万亿元，制造业总规模连续15年保持全球第一。中国工业增加值已超美国、日本、德国之和。根据联合国，中国制造业产值的全球占比有望由2000年的6%提升至2030年的45%，规模优势有望延续。此外，中国制造业高质量发展，积极探索数字化转型，其中汽车、家电制造、流程工业的数字化水平高，有望率先实现“AI+”应用。

机会初探：我们认为中美在以信息技术为关键支撑的行业（互联网、传媒、金融服务、教育、医药等）积累了丰富的经营数据，AI可以激发其效益潜能，新应用有望快速部署；另外，中国在制造业具有独特优势，其中汽车、家电、消费电子等离散制造业、石化、化工等流程工业的数字化程度较高，为AI快速应用奠定了基础。

AI大模型创新、AI大模型成本下降、AI大模型应用落地进展不及预期。

AI 大模型堪称 AI 发展历程中特定阶段的卓越结晶，它深度融合了过往多年间涌现的各类 AI 技术，并持续进行改进、扩展和创新。在海量优质数据以及充足算力的支持下，基于大模型的AI技术取得了令人瞩目的显著成果。AI大模型以大规模参数构建神经网络，具有强大的计算和学习能力，适应不同的业务场景和语言环境，并通过学习和推理来完成各种任务，实现高效、准确的语义理解和应用。随着算力增强及数据量快速增长，百亿级乃至千亿级参数的语言模型不断被推出。这些模型不仅在NLP领域成绩斐然，还逐步渗透至计算机视觉、多模态融合等更为广泛的领域。2023年，GPT-4发布，参数量高达1.8万亿，能够完成从文本生成到代码编写的多种任务，展现了强大的语言理解和生成能力，带来了跨模态能力的升级。2024年12月至2025年1月，DeepSeek相继开源旗下的V3和R1模型，凭借混合专家模型（MoE架构）等技术创新，带来了卓越的性能与成本优势，引发了全球对AI大模型发展的广泛关注。我们认为大模型作为人工智能技术的重要里程碑，其出现体现了AI在理论、工程和应用层面的综合积累与突破。随着大模型相关创新研究、产品不断涌现，各行各业对其关注度日渐提升，其应用前景广泛。

AI大模型应用场景丰富，行业大模型可以满足多样化专业需求，占比提升。据前瞻产业研究院、首钢基金CANPLUS、华为云等联合发布的《2024年中国AI大模型场景探索及产业应用调研报告》，截至2024年7月30日，中国已备案大模型197个，其中69%为行业大模型（教育、金融、办公、政务、医疗五个应用领域占比过半），31%为通用大模型；2024年新增备案大模型126个，其中行业大模型占比高达83%，且类型愈加丰富。我们认为行业大模型占比提升，主要由于基础技术的进步为行业大模型的训练和开发提供了坚实的技术基础，而终端应用多样化催生了个性化的需求。随着大模型技术持续突破，我们预计行业大模型的占比有望继续提升。

数据要素是数字经济时代下的新型生产要素，其创造的价值由企业内部延伸至企业外部，而AI大模型有望充分发挥数字要素的价值。在数据从企业内部流向外部的过程中，能够创造出三次关键价值：其一，数据作为有力支撑，助力业务实现全面贯通；其二，数据能够推动企业进行数智化决策，提升决策的科学性与精准性；其三，数据资源通过流通交易，为社会赋能，创造出额外的价值。我们认为依托于海量的高质量数据，企业可以通过“大数据+大算力+强算法”结合释放企业数据价值，提升企业运营效率，还可通过开放API或行业解决方案等方式将价值外溢至产业链上下游。

AI大模型有望赋能数字化行业程度较高的产业应用。数字化程度高的行业有望受益于AI大模型的发展，主要原因包括：1、部署效果来看，1）数据层面‌：高数字化场景积累的结构化数据（如生产日志、医疗影像）为模型训练提供高质量输入‌；2）技术层面：数字化程度高的企业具有更先进的IT系统、技术支持人员，算力基础设施成熟，AI大模型可以与其现有数字化系统兼容，无缝集成ERP、CRM等企业管理系统，通过API调用实现数据交互与流程联动；2、使用效益来看，1）提升沟通效率：AI大模型作为组织内部和外部的沟通工具，帮助员工、客户、合作伙伴等进行快速、准确、友好的交流；2）流程优化‌：AI大模型通过自动化流程（如代码生成、质检、合同审核、智能客服）显著降低人力成本并提升业务效率‌，为数字化程度高的行业带来更高效益；3）支持关键决策：AI大模型通过知识抽取与推理能力（如分析市场趋势、优化投资策略），帮助企业在数据驱动的竞争中快速响应，做出决策；4）增强组织的创新能力：AI大模型可以生成有价值、有启发性的建议，激发创新灵感。

在数字化率较高的行业，AI技术应用呈加速之势。从AI的行业拥抱程度（入围全球3000强的公司中，行业内披露的Advanced AI应用案例的公司占所有公司比例）、AI应用场景的多样性（行业内应用Advanced AI的种类/总的类别的比例）两个维度去评估，我们发现数字基础较好、数字化程度较高的行业（图6中的先锋行业：软件与平台、高科技制造、通讯与媒体、新零售等）在AI大模型应用中呈现领先之势。

►以第二产业中的高科技制造行业为例，我们看到其数字化水平提升的成效斐然。根据中国信通院发布的《全球数字经济发展研究报告（2024）》，截至2023年12月底，我国制造业重点领域数字化水平快速提升，关键工序数控化率、数字化研发设计工具普及率分别达到62.2%和79.6%，分别是2013年的1.5和2.3倍。我们认为高端制造业数字化进程加速，这为AI大模型在该领域的应用筑牢根基，如图6所示，其Advanced AI的行业拥抱度在2024年达到约75%，且2023-2024年区间内提升较快。

此外，我们发现2023至2024年期间，AI的拥抱程度边际增幅较大的行业主要为数字化程度较高、或数字化渗透率提速较快的行业（见图6中的气泡较大的行业：高科技制造、汽车、资本市场、旅游、新零售、生命科学等）。

►以第二产业中的汽车行业为例，我们认为行业变革的上半场聚焦数字化，这为下半场的智能化升级做了铺垫。根据华为官网，其已与东风汽车、长安汽车、江汽集团等车企展开数字化、智能化合作。长安汽车通过打造数字底座，其成功实现了数智工厂的全联接，12000+台设备、200+座工厂的海量生产数据得以“流动”，制造效率也综合提升了20%。我们认为汽车行业搭建制造数字化开发平台是其构建智能化生产系统的基础，数字化程度快速提升的汽车行业有望加速落地AI应用。 

►第三产业中的金融/资本市场行业属于信息密集型行业，由于该行业风险规避及强监管的属性，其行业拥抱度在2023-2024年增幅较大，但仍然只有约50%。我们认为金融行业应用大模型有数据优势，随着AI大模型“智能化”水平提升，金融行业应用大模型的步伐有望大幅加快。金融行业日常运转中会产生海量数据，涵盖客户信息、交易记录、市场行情等各个维度，为AI大模型提供了丰富的“养料”。而AI大模型强大的数据分析、模式识别、预测评估能力有望助力于金融业务的风险评估、决策效率、精准营销等场景。根据IDC数据，2024年，中国金融行业AI与生成式AI的投资规模达到196.94亿元，预计到2027年有望达到415.48亿元，增幅达111%。此外，东方财富董事长其实近日表示，金融行业正系统性的拥抱AI。我们认为AI大模型的推理准确性提升后，或可以更充分的满足金融行业在管控、合规、安全层面的要求，AI应用空间可期。

过去，人工智能已经被广泛应用于软件与平台、通讯与媒体、高科技制造等行业。我们认为，未来随着AI大模型性能持续突破、价格不断下探，其应用场景有望愈发丰富，我们建议关注AI在数字化程度较高产业的应用机会。

DeepSeek模型创新带来成本大幅下探，倒逼AI大模型厂家纷纷调整技术与价格。构建人工智能大模型通常需要高昂的费用，比如要投入大量资金购买GPU等算力资源、需要海量数据，以及聘请专业领域人才。而DeepSeek通过模型层技术创新，如在MLP层引入稀疏化的MoE架构，引入FP8精度训练，采用MTP（多token生成）优化训练效率，独创GRPO算法等方式，大幅减少算力开销，在成本控制方面卓有成效。DeepSeek的V3版本模型单次训练成本557万美元，耗时低于两个月，以仅1/10训练成本消耗便获得了与海外领先模型GPT-4o对标的能力，此外，DeepSeek通过对V3同一基础模型的后训练，获得了能力对齐GPT-o1的R1模型。DeepSeek将推理成本推动到每百万tokens1元，推理成本大幅下探。DeepSeek采用MIT开源协议，允许企业免费商用和二次开发，同时，在最新“开源周”，DeepSeek陆续开源了FlashMLA、DeepEP、DeepGEMM、并行优化策略等项目，涉及大模型推理框架、MoE模型、FP8计算性能等方面提升，降低了前沿AI技术的获取门槛。在DeepSeek推出开源模型后，OpenAI宣布GPT-5调整产品战略，免费版ChatGPT用户将获得“标准智能设置”下的“无限聊天权限”，而付费用户将享受更高智能水平的服务；百度也宣布其计划在未来几个月陆续推出文心大模型4.5系列，并于6月30日起正式开源。我们看到DeepSeek开源的鲶鱼效应明显，有望带动AI大模型厂家降低大模型的接入成本，为大模型被广泛应用奠定基础。

技术平权与开源生态有望提高B端客户经济效益，AI大模型有望迎来应用场景的裂变式发展。相较于C端客户对价格敏感度较高，AI的B端应用更易变现。根据量子位智库2024年3月发布的《中国AIGC应用全景报告》，AI新应用产品中有约50%的产品面向B端，其中80%以上产品实现营收，而近50%的C端产品当前未有明确的收入模式。B端用户需求清晰，两大核心原因促使其有意愿为AI大模型付费：1）数据安全与隐私保护：AI大模型可以用于智能办公、团队协作、智能搜索和知识推荐等场景，B端企业客户对数据安全和合规性有严格的要求，因此偏好于私有化部署大模型；2）针对特定场景优化，大模型经济效益显著：B端客户希望大模型具备垂直领域专业知识，通过将大模型微调或领域知识增强，可以针对性的提高模型在特定应用场景中的性能，降本增效的经济效益使企业更愿意为AI大模型私有化部署付费。我们认为，DeepSeek等开源大模型可以有效降低下游企业部署大模型的成本，缩短产品迭代周期，高性价比优势有望进一步释放各行业B端用户的需求。下游需求的裂变式增长与开源模式的开发者社区建设有望促进跨领域协作与创新，推动全球开发者生态建设‌。

中、美两国数字经济发展成果显著。根据中国信通院《全球数字经济发展研究报告（2024）》，美国、中国、德国、英国、法国与日本是世界数字经济占比较高的国家；在这些国家中，又数中、美两国的数字经济发展的成果更为突出。从数字经济规模绝对值来看，根据中国信通院发布的《全球数字经济白皮书（2024年）》，在2022年美国/中国分别实现17.2/7.5万亿美元，为世界第一/二。从数字经济占GDP的比重来看，2023年美国数字经济占GDP的比重达65%，仅逊于英、德两国位列全球第三，而中国数字经济占GDP比重为42.8%。从数字化综合程度来看，根据华为与IDC共同编撰的《全球数字化指数2024》报告，美国的全球数字化指数（GDI）达78.8，位居全球首位；中国则位居全球第八，GDI得分为69.2。我们认为，中国与美国作为全球数字经济发展的重要引擎，有望率先实现AI的产业应用，其中下列场景值得关注。

中、美第三产业GDP占比高且数字化水平领先。美国方面，根据美国Bureau of Economic Analysis公布的统计数据，3Q24美国GDP中第一/二/三产业占比分别为2.5%/18.1%/79.4%，三产GDP占比较高。根据李三希教授等在2024年6月发布的《全球数字经济三极格局》，美国第三产业的数字经济渗透率超过60%，处于全球领先水平。美国凭借其在科技研发、金融创新、文化传播等领域的持续投入，不断推动服务业发展，因此三产的GDP占比高且数字经济发展效果突出。中国方面，根据中国国家统计局数据，2024年中国GDP中第一/二/三产业占比分别为6.8%/36.5%/56.7%；根据中国信通院发布的《中国数字经济发展研究报告（2024）》，2023年，中国第一/二/三产业的数字经济渗透率分别为10.78%、25.03%和45.63%。我们看到，中国第三产业的GDP占比与其数字经济渗透率同样不低。我们认为中、美第三产业的数字经济取得显著的发展成果，这离不开以信息技术为关键支撑的行业在数字化领域取得的重要进展。

在以信息技术为关键支撑的行业（互联网服务、传媒、金融服务、教育、医药等），美国的创新战略支持数字经济快速发展，而中国应用市场庞大，数字化建设成效同样显著。从信息技术相关行业的数字化建设成果来看，美国凭借其在AI底层架构、算法研究、硬件等关键领域的基础研究与创新，率先开拓网络教育、在线医疗、远程办公等数字经济应用场景，凭借数字技术提升相关领域效率，扩大数字经济影响力。而中国拥有庞大的互联网用户群体和丰富的数据资源，数据中心、5G通信等领域的快速发展也为数字化建设提供了强大的基础设施支持，使得中国在互联网服务、移动应用、金融、教育等领域取得显著的数字经济发展成果。

中美信息技术相关产业数字化基础完善，训练数据丰富，有望支撑AI大模型实现快速部署。从数据供给来看，信息技术相关产业业务流程（如金融交易、客户服务、零售推荐等）通常依赖结构化数据（如用户行为、交易记录等），因此运营过程中可以产生大量的数据供AI大模型进行学习。从技术基础来看，信息技术相关产业在硬件基础设施、网络连接、软件开发等方面有着深厚的技术积累，为AI模型的开发和部署提供了便捷的工具和平台，AI大模型可以以API接口等方式接入其产品中，降低了部署门槛。从人才储备来看，信息技术相关产业储备了大量的专业人才，包括计算机科学家、软件工程师、数据分析师等，能够快速掌握和应用AI技术。从业务需求来看，信息技术相关产业的业务场景复杂多样，AI技术可以通过分析、处理大量数据满足不同业务的多样化需求。例如，金融服务行业可以利用AI优化风险评估、欺诈检测等功能；教育行业可以通过大模型实现个性化学习支持、优化教育评估与反馈等功能。我们认为中美在信息技术相关行业均具备数据资源丰富、业务场景适配、技术与人才储备完善等优势，AI技术有望加速应用。

全球布局AI+制造业热情高涨。从需求端看，根据贝恩针对众多先进制造业高管的访谈，75%的被访谈者认为布局AI等新兴技术是其工程和研发方面的首要任务。走在前列的企业已经开始将AI技术嵌入采购、组装、维护、质控和仓储物流等环节。从政策端看，中美两国作为世界经济与科技的重要力量，纷纷出台系列政策引导AI在制造业领域的应用。美国政府通过税收优惠、技术研发补贴等政策希望支持制造业回流、发展AI技术。而中国工信部等3部门也在2024年12月17日发布了《制造业企业数字化转型实施指南》，鼓励企业探索智能研发新应用，开发“人工智能+”研发设计软件，构建数据集，开展模型训练，发展创成式设计、实时仿真等创新应用，加速新产品研发。

中国制造业凭借体系完备、产品类别丰富、产业体量庞大的独特优势，有望在AI与制造业融合的领域成为引领者。在工业品类方面，根据工信部，中国是唯一拥有联合国产业分类中全部工业门类的国家，在500种主要工业产品中，中国有220多种产品产量位居全球第一。在规模方面，根据国新办，2024年，中国工业增加值40.5万亿元，制造业总规模连续15年保持全球第一。而2023年美国工业增加值为4.2万亿美元，作为世界第二大工业国家，在规模上已经明显落后于中国。此外，根据联合国，中国制造业产值的全球占比有望由2000年的6%提升至2030年的45%，中国的制造业规模有望继续快速增长。在产品质量方面，中国制造业不断提质，根据市场监督总局，产品质量合格率达到93.93%，同比提高0.28个百分点，合格率稳中有升。在创新方面，中国制造业积极布局高端制造技术，根据国新办，中国在新型储能、微纳制造、分子药物、人形机器人、具身智能机器人等领域新布局5家国家级制造业创新中心，累计达到33家，突破关键共性技术672项，实现技术成果转化690项。此外，截至2024年11月，中国已经累计培育专精特新中小企业超过14万家、专精特新小巨人企业1.46万家、制造业单项冠军企业1557家。我们认为中国制造业在规模、品类、产业链完善度、成本等方面具有全球领先优势，为AI落地开辟出广阔且多元的应用场景。

中国制造业积极探索数字化转型，其中汽车/家电制造等离散制造业、石化/钢铁/有色等流程工业的数字化水平高，有望率先应用AI。根据国新办，中国已建成万余家省级数字化车间和智能工厂，中国重点工业企业数字化研发设计工具普及率达80.1%，关键工序数控化率达62.9%。制造业中，数字化水平较高的行业包括：1）汽车行业，根据数智范式会展发布的《2024年中国汽车制造业数字化市场研究报告》，汽车制造业数字化的市场规模已突破1300亿元，并在未来五年有望以年均12.8%的速度持续增长，到2030年市场规模有望超3000亿元。其中大型汽车制造企业数字化程度高，有效助推了汽车产业集群及供应链上下游的数字化转型；2）家电行业，美的集团通过搭建家电产业链协同平台已接入工业设备400万台，打造工业App超1200个、服务近60万家企业，帮助供应链相关企业的研发设计效率提升40%，生产效率提升38%，库存积压降低5%；3）石化、钢铁、有色等流程工业，具有数据基础好、业务流程清晰的优势。我们认为中国制造业优势突出，数字化程度高的细分行业有望积极拥抱AI，带领中国制造业开拓智能化升级新局面。

AI大模型在离散制造业（汽车、家电、消费电子等）中可以解决物流追踪、排产优化、生产效率提升的问题。离散制造业是指产品由多个零部件经过一系列并不连续的工序加工装配而成的制造行业，零部件的生产和最终产品的组装相对独立，AI大模型可以助力离散制造业解决以下问题：1）物流追踪：离散制造业的各个生产部门在空间上散布于不同地区，AI大模型可以实现更好地物料运输、追踪和预测物流进度；2）生产计划优化：离散制造业中，制定生产计划的过程多个部门配合，过程复杂，涉及多个变量，AI大模型快速地在不断变化的情形中制定出最有利于生产效率提高的计划；3）提高生产效率：离散制造业涉及的生产过程众多，需要同步进行大量的不同零部件的生产，因此单位产品在整个生产过程中所产生的生产数据量较大、种类较多，AI大模型可以将这些数据利用起来，通过分析找到制约生产效率的瓶颈，提效降费。我们认为，AI大模型在数字化程度高的离散制造业应用效果明显，建议关注汽车、家电、消费电子等行业的应用机会。 

AI大模型在流程工业（石化、化工、有色、制药）中可以实现实时数据分析、过程优化、市场预测等功能。流程工业是指对原材料进行连续的物理或化学加工，使其发生状态变化，最终转化为产品的工业类型，常见的如石油化工、钢铁冶炼、造纸、食品加工等行业。该领域的生产过程具有连续性，产品通常是大批量、同质化的，生产工艺相对稳定，且生产活动一般按照固定的流程在较长的时间内持续运行。与离散制造业相比，AI大模型在流程工业的应用中侧重于以下几个方面：1）实时数据分析，过程优化：流程工业的整个生产过程已经较高程度实现了基于传送带、机械臂等装置的自动化，因此AI大模型易于接入生产过程中所使用的各种自动化装置以及传感器，从而完成实时数据分析、工艺优化与安全风险预警等功能；2）AI预测市场从而优化生产决策：由于生产过程相对简单可控，流程工业的生产计划制定主要依据下游客户对产品的需求，而AI模型可以基于行业数据对未来需求进行预测，这对于流程工业的生产计划制定具有重要指导意义。

AI大模型的规模化应用有望带动算力需求增加，我国IDC市场有望迎来需求的快速提升。根据火山引擎与IDC联合发布的《大模型应用落地白皮书——企业AI转型行动指南》，92%的受访企业认为在大模型工程化落地阶段，缺少算力资源是最大的挑战。我们认为北京、长三角、粤港澳大湾区的IDC需求有望提升。上述区域发展IDC业务的优势主要体现在：1）头部企业聚集：这些地区有科技巨头与大量人工智能创新企业，这些企业大力投入 AI大模型研发与应用，对IDC需求大；2）网络设施发达：上述地区是国内网络通信枢纽，拥有高速宽带网络、低延迟的网络传输环境，能满足AI大模型应用中数据的快速传输和实时交互需求，保障模型训练和推理效率。

►AI大模型创新不及预期。本次DeepSeek模型备受业内关注，关键在于其在算法与硬件工程方面进行了大量创新。生成式AI模型技术创新若停滞，技术迭代会受阻，产业升级与下游应用进程也将随之放缓。

►AI大模型成本下降不及预期。对于中小企业而言，购置和使用大模型服务需要考虑成本问题，开源推理模型的出现可以降低大模型的使用成本，但如果大模型成本下降不及预期，可能会限制企业级客户对新技术、新算法的探索和应用。

►AI应用落地进展不及预期。互联网大厂将大量资源投入到AI领域，如果迟迟没有现象级AI应用出现，互联网大厂可能无法获得预期回报，影响其进一步投入的意愿。

本文摘自：2025年3月14日已经发布的《AI进化论（6）：DeepSeek横空出世，各行业智能化发展展望》

陈昊 分析员 SAC 执证编号：S0080520120009 SFC CE Ref：BQS925

于新彦  分析员 SAC 执证编号：S0080524080007

彭虎 分析员 SAC 执证编号：S0080521020001 SFC CE Ref：BRE806

贾顺鹤 分析员 SAC 执证编号：S0080522060002

DeepSeek的“鲶鱼效应”带动AI大模型“普惠潮”，数字化程度高的产业有望快速应用相关技术。2025年初，DeepSeek凭借开源大模型DeepSeek-V3与R1系列，以低成本、高性能优势，在全球引发大模型平权浪潮。随后，OpenAI宣布GPT-5调整产品战略，免费版ChatGPT用户将获得“标准智能设置”下的“无限聊天权限”；百度也宣布其计划在未来几个月陆续推出文心大模型4.5系列，并于6月30日起正式开源。AI大模型作为人工智能的里程碑技术，能够理解、分析、生成各种类型的数据，其技术特性与高数字化环境的核心需求高度契合。我们认为AI大模型助力下的降本增效有望使其在数字化程度高的产业实现裂变式应用。

中国制造业具有体系全、品种多、规模大的突出优势，有望成为“AI+制造业”的全球领头羊。在工业品类方面，根据工信部，中国是唯一拥有联合国产业分类中全部工业门类的国家，在500种主要工业产品中，中国有220多种产品产量位居全球第一。在规模方面，根据国新办，2024年，中国工业增加值40.5万亿元，制造业总规模连续15年保持全球第一。中国工业增加值已超美国、日本、德国之和。根据联合国，中国制造业产值的全球占比有望由2000年的6%提升至2030年的45%，规模优势有望延续。此外，中国制造业高质量发展，积极探索数字化转型，其中汽车、家电制造、流程工业的数字化水平高，有望率先实现“AI+”应用。

机会初探：我们认为中美在以信息技术为关键支撑的行业（互联网、传媒、金融服务、教育、医药等）积累了丰富的经营数据，AI可以激发其效益潜能，新应用有望快速部署；另外，中国在制造业具有独特优势，其中汽车、家电、消费电子等离散制造业、石化、化工等流程工业的数字化程度较高，为AI快速应用奠定了基础。

AI大模型创新、AI大模型成本下降、AI大模型应用落地进展不及预期。

AI 大模型堪称 AI 发展历程中特定阶段的卓越结晶，它深度融合了过往多年间涌现的各类 AI 技术，并持续进行改进、扩展和创新。在海量优质数据以及充足算力的支持下，基于大模型的AI技术取得了令人瞩目的显著成果。AI大模型以大规模参数构建神经网络，具有强大的计算和学习能力，适应不同的业务场景和语言环境，并通过学习和推理来完成各种任务，实现高效、准确的语义理解和应用。随着算力增强及数据量快速增长，百亿级乃至千亿级参数的语言模型不断被推出。这些模型不仅在NLP领域成绩斐然，还逐步渗透至计算机视觉、多模态融合等更为广泛的领域。2023年，GPT-4发布，参数量高达1.8万亿，能够完成从文本生成到代码编写的多种任务，展现了强大的语言理解和生成能力，带来了跨模态能力的升级。2024年12月至2025年1月，DeepSeek相继开源旗下的V3和R1模型，凭借混合专家模型（MoE架构）等技术创新，带来了卓越的性能与成本优势，引发了全球对AI大模型发展的广泛关注。我们认为大模型作为人工智能技术的重要里程碑，其出现体现了AI在理论、工程和应用层面的综合积累与突破。随着大模型相关创新研究、产品不断涌现，各行各业对其关注度日渐提升，其应用前景广泛。

AI大模型应用场景丰富，行业大模型可以满足多样化专业需求，占比提升。据前瞻产业研究院、首钢基金CANPLUS、华为云等联合发布的《2024年中国AI大模型场景探索及产业应用调研报告》，截至2024年7月30日，中国已备案大模型197个，其中69%为行业大模型（教育、金融、办公、政务、医疗五个应用领域占比过半），31%为通用大模型；2024年新增备案大模型126个，其中行业大模型占比高达83%，且类型愈加丰富。我们认为行业大模型占比提升，主要由于基础技术的进步为行业大模型的训练和开发提供了坚实的技术基础，而终端应用多样化催生了个性化的需求。随着大模型技术持续突破，我们预计行业大模型的占比有望继续提升。

数据要素是数字经济时代下的新型生产要素，其创造的价值由企业内部延伸至企业外部，而AI大模型有望充分发挥数字要素的价值。在数据从企业内部流向外部的过程中，能够创造出三次关键价值：其一，数据作为有力支撑，助力业务实现全面贯通；其二，数据能够推动企业进行数智化决策，提升决策的科学性与精准性；其三，数据资源通过流通交易，为社会赋能，创造出额外的价值。我们认为依托于海量的高质量数据，企业可以通过“大数据+大算力+强算法”结合释放企业数据价值，提升企业运营效率，还可通过开放API或行业解决方案等方式将价值外溢至产业链上下游。

AI大模型有望赋能数字化行业程度较高的产业应用。数字化程度高的行业有望受益于AI大模型的发展，主要原因包括：1、部署效果来看，1）数据层面‌：高数字化场景积累的结构化数据（如生产日志、医疗影像）为模型训练提供高质量输入‌；2）技术层面：数字化程度高的企业具有更先进的IT系统、技术支持人员，算力基础设施成熟，AI大模型可以与其现有数字化系统兼容，无缝集成ERP、CRM等企业管理系统，通过API调用实现数据交互与流程联动；2、使用效益来看，1）提升沟通效率：AI大模型作为组织内部和外部的沟通工具，帮助员工、客户、合作伙伴等进行快速、准确、友好的交流；2）流程优化‌：AI大模型通过自动化流程（如代码生成、质检、合同审核、智能客服）显著降低人力成本并提升业务效率‌，为数字化程度高的行业带来更高效益；3）支持关键决策：AI大模型通过知识抽取与推理能力（如分析市场趋势、优化投资策略），帮助企业在数据驱动的竞争中快速响应，做出决策；4）增强组织的创新能力：AI大模型可以生成有价值、有启发性的建议，激发创新灵感。

在数字化率较高的行业，AI技术应用呈加速之势。从AI的行业拥抱程度（入围全球3000强的公司中，行业内披露的Advanced AI应用案例的公司占所有公司比例）、AI应用场景的多样性（行业内应用Advanced AI的种类/总的类别的比例）两个维度去评估，我们发现数字基础较好、数字化程度较高的行业（图6中的先锋行业：软件与平台、高科技制造、通讯与媒体、新零售等）在AI大模型应用中呈现领先之势。

►以第二产业中的高科技制造行业为例，我们看到其数字化水平提升的成效斐然。根据中国信通院发布的《全球数字经济发展研究报告（2024）》，截至2023年12月底，我国制造业重点领域数字化水平快速提升，关键工序数控化率、数字化研发设计工具普及率分别达到62.2%和79.6%，分别是2013年的1.5和2.3倍。我们认为高端制造业数字化进程加速，这为AI大模型在该领域的应用筑牢根基，如图6所示，其Advanced AI的行业拥抱度在2024年达到约75%，且2023-2024年区间内提升较快。

此外，我们发现2023至2024年期间，AI的拥抱程度边际增幅较大的行业主要为数字化程度较高、或数字化渗透率提速较快的行业（见图6中的气泡较大的行业：高科技制造、汽车、资本市场、旅游、新零售、生命科学等）。

►以第二产业中的汽车行业为例，我们认为行业变革的上半场聚焦数字化，这为下半场的智能化升级做了铺垫。根据华为官网，其已与东风汽车、长安汽车、江汽集团等车企展开数字化、智能化合作。长安汽车通过打造数字底座，其成功实现了数智工厂的全联接，12000+台设备、200+座工厂的海量生产数据得以“流动”，制造效率也综合提升了20%。我们认为汽车行业搭建制造数字化开发平台是其构建智能化生产系统的基础，数字化程度快速提升的汽车行业有望加速落地AI应用。 

►第三产业中的金融/资本市场行业属于信息密集型行业，由于该行业风险规避及强监管的属性，其行业拥抱度在2023-2024年增幅较大，但仍然只有约50%。我们认为金融行业应用大模型有数据优势，随着AI大模型“智能化”水平提升，金融行业应用大模型的步伐有望大幅加快。金融行业日常运转中会产生海量数据，涵盖客户信息、交易记录、市场行情等各个维度，为AI大模型提供了丰富的“养料”。而AI大模型强大的数据分析、模式识别、预测评估能力有望助力于金融业务的风险评估、决策效率、精准营销等场景。根据IDC数据，2024年，中国金融行业AI与生成式AI的投资规模达到196.94亿元，预计到2027年有望达到415.48亿元，增幅达111%。此外，东方财富董事长其实近日表示，金融行业正系统性的拥抱AI。我们认为AI大模型的推理准确性提升后，或可以更充分的满足金融行业在管控、合规、安全层面的要求，AI应用空间可期。

过去，人工智能已经被广泛应用于软件与平台、通讯与媒体、高科技制造等行业。我们认为，未来随着AI大模型性能持续突破、价格不断下探，其应用场景有望愈发丰富，我们建议关注AI在数字化程度较高产业的应用机会。

DeepSeek模型创新带来成本大幅下探，倒逼AI大模型厂家纷纷调整技术与价格。构建人工智能大模型通常需要高昂的费用，比如要投入大量资金购买GPU等算力资源、需要海量数据，以及聘请专业领域人才。而DeepSeek通过模型层技术创新，如在MLP层引入稀疏化的MoE架构，引入FP8精度训练，采用MTP（多token生成）优化训练效率，独创GRPO算法等方式，大幅减少算力开销，在成本控制方面卓有成效。DeepSeek的V3版本模型单次训练成本557万美元，耗时低于两个月，以仅1/10训练成本消耗便获得了与海外领先模型GPT-4o对标的能力，此外，DeepSeek通过对V3同一基础模型的后训练，获得了能力对齐GPT-o1的R1模型。DeepSeek将推理成本推动到每百万tokens1元，推理成本大幅下探。DeepSeek采用MIT开源协议，允许企业免费商用和二次开发，同时，在最新“开源周”，DeepSeek陆续开源了FlashMLA、DeepEP、DeepGEMM、并行优化策略等项目，涉及大模型推理框架、MoE模型、FP8计算性能等方面提升，降低了前沿AI技术的获取门槛。在DeepSeek推出开源模型后，OpenAI宣布GPT-5调整产品战略，免费版ChatGPT用户将获得“标准智能设置”下的“无限聊天权限”，而付费用户将享受更高智能水平的服务；百度也宣布其计划在未来几个月陆续推出文心大模型4.5系列，并于6月30日起正式开源。我们看到DeepSeek开源的鲶鱼效应明显，有望带动AI大模型厂家降低大模型的接入成本，为大模型被广泛应用奠定基础。

技术平权与开源生态有望提高B端客户经济效益，AI大模型有望迎来应用场景的裂变式发展。相较于C端客户对价格敏感度较高，AI的B端应用更易变现。根据量子位智库2024年3月发布的《中国AIGC应用全景报告》，AI新应用产品中有约50%的产品面向B端，其中80%以上产品实现营收，而近50%的C端产品当前未有明确的收入模式。B端用户需求清晰，两大核心原因促使其有意愿为AI大模型付费：1）数据安全与隐私保护：AI大模型可以用于智能办公、团队协作、智能搜索和知识推荐等场景，B端企业客户对数据安全和合规性有严格的要求，因此偏好于私有化部署大模型；2）针对特定场景优化，大模型经济效益显著：B端客户希望大模型具备垂直领域专业知识，通过将大模型微调或领域知识增强，可以针对性的提高模型在特定应用场景中的性能，降本增效的经济效益使企业更愿意为AI大模型私有化部署付费。我们认为，DeepSeek等开源大模型可以有效降低下游企业部署大模型的成本，缩短产品迭代周期，高性价比优势有望进一步释放各行业B端用户的需求。下游需求的裂变式增长与开源模式的开发者社区建设有望促进跨领域协作与创新，推动全球开发者生态建设‌。

中、美两国数字经济发展成果显著。根据中国信通院《全球数字经济发展研究报告（2024）》，美国、中国、德国、英国、法国与日本是世界数字经济占比较高的国家；在这些国家中，又数中、美两国的数字经济发展的成果更为突出。从数字经济规模绝对值来看，根据中国信通院发布的《全球数字经济白皮书（2024年）》，在2022年美国/中国分别实现17.2/7.5万亿美元，为世界第一/二。从数字经济占GDP的比重来看，2023年美国数字经济占GDP的比重达65%，仅逊于英、德两国位列全球第三，而中国数字经济占GDP比重为42.8%。从数字化综合程度来看，根据华为与IDC共同编撰的《全球数字化指数2024》报告，美国的全球数字化指数（GDI）达78.8，位居全球首位；中国则位居全球第八，GDI得分为69.2。我们认为，中国与美国作为全球数字经济发展的重要引擎，有望率先实现AI的产业应用，其中下列场景值得关注。

中、美第三产业GDP占比高且数字化水平领先。美国方面，根据美国Bureau of Economic Analysis公布的统计数据，3Q24美国GDP中第一/二/三产业占比分别为2.5%/18.1%/79.4%，三产GDP占比较高。根据李三希教授等在2024年6月发布的《全球数字经济三极格局》，美国第三产业的数字经济渗透率超过60%，处于全球领先水平。美国凭借其在科技研发、金融创新、文化传播等领域的持续投入，不断推动服务业发展，因此三产的GDP占比高且数字经济发展效果突出。中国方面，根据中国国家统计局数据，2024年中国GDP中第一/二/三产业占比分别为6.8%/36.5%/56.7%；根据中国信通院发布的《中国数字经济发展研究报告（2024）》，2023年，中国第一/二/三产业的数字经济渗透率分别为10.78%、25.03%和45.63%。我们看到，中国第三产业的GDP占比与其数字经济渗透率同样不低。我们认为中、美第三产业的数字经济取得显著的发展成果，这离不开以信息技术为关键支撑的行业在数字化领域取得的重要进展。

在以信息技术为关键支撑的行业（互联网服务、传媒、金融服务、教育、医药等），美国的创新战略支持数字经济快速发展，而中国应用市场庞大，数字化建设成效同样显著。从信息技术相关行业的数字化建设成果来看，美国凭借其在AI底层架构、算法研究、硬件等关键领域的基础研究与创新，率先开拓网络教育、在线医疗、远程办公等数字经济应用场景，凭借数字技术提升相关领域效率，扩大数字经济影响力。而中国拥有庞大的互联网用户群体和丰富的数据资源，数据中心、5G通信等领域的快速发展也为数字化建设提供了强大的基础设施支持，使得中国在互联网服务、移动应用、金融、教育等领域取得显著的数字经济发展成果。

中美信息技术相关产业数字化基础完善，训练数据丰富，有望支撑AI大模型实现快速部署。从数据供给来看，信息技术相关产业业务流程（如金融交易、客户服务、零售推荐等）通常依赖结构化数据（如用户行为、交易记录等），因此运营过程中可以产生大量的数据供AI大模型进行学习。从技术基础来看，信息技术相关产业在硬件基础设施、网络连接、软件开发等方面有着深厚的技术积累，为AI模型的开发和部署提供了便捷的工具和平台，AI大模型可以以API接口等方式接入其产品中，降低了部署门槛。从人才储备来看，信息技术相关产业储备了大量的专业人才，包括计算机科学家、软件工程师、数据分析师等，能够快速掌握和应用AI技术。从业务需求来看，信息技术相关产业的业务场景复杂多样，AI技术可以通过分析、处理大量数据满足不同业务的多样化需求。例如，金融服务行业可以利用AI优化风险评估、欺诈检测等功能；教育行业可以通过大模型实现个性化学习支持、优化教育评估与反馈等功能。我们认为中美在信息技术相关行业均具备数据资源丰富、业务场景适配、技术与人才储备完善等优势，AI技术有望加速应用。

全球布局AI+制造业热情高涨。从需求端看，根据贝恩针对众多先进制造业高管的访谈，75%的被访谈者认为布局AI等新兴技术是其工程和研发方面的首要任务。走在前列的企业已经开始将AI技术嵌入采购、组装、维护、质控和仓储物流等环节。从政策端看，中美两国作为世界经济与科技的重要力量，纷纷出台系列政策引导AI在制造业领域的应用。美国政府通过税收优惠、技术研发补贴等政策希望支持制造业回流、发展AI技术。而中国工信部等3部门也在2024年12月17日发布了《制造业企业数字化转型实施指南》，鼓励企业探索智能研发新应用，开发“人工智能+”研发设计软件，构建数据集，开展模型训练，发展创成式设计、实时仿真等创新应用，加速新产品研发。

中国制造业凭借体系完备、产品类别丰富、产业体量庞大的独特优势，有望在AI与制造业融合的领域成为引领者。在工业品类方面，根据工信部，中国是唯一拥有联合国产业分类中全部工业门类的国家，在500种主要工业产品中，中国有220多种产品产量位居全球第一。在规模方面，根据国新办，2024年，中国工业增加值40.5万亿元，制造业总规模连续15年保持全球第一。而2023年美国工业增加值为4.2万亿美元，作为世界第二大工业国家，在规模上已经明显落后于中国。此外，根据联合国，中国制造业产值的全球占比有望由2000年的6%提升至2030年的45%，中国的制造业规模有望继续快速增长。在产品质量方面，中国制造业不断提质，根据市场监督总局，产品质量合格率达到93.93%，同比提高0.28个百分点，合格率稳中有升。在创新方面，中国制造业积极布局高端制造技术，根据国新办，中国在新型储能、微纳制造、分子药物、人形机器人、具身智能机器人等领域新布局5家国家级制造业创新中心，累计达到33家，突破关键共性技术672项，实现技术成果转化690项。此外，截至2024年11月，中国已经累计培育专精特新中小企业超过14万家、专精特新小巨人企业1.46万家、制造业单项冠军企业1557家。我们认为中国制造业在规模、品类、产业链完善度、成本等方面具有全球领先优势，为AI落地开辟出广阔且多元的应用场景。

中国制造业积极探索数字化转型，其中汽车/家电制造等离散制造业、石化/钢铁/有色等流程工业的数字化水平高，有望率先应用AI。根据国新办，中国已建成万余家省级数字化车间和智能工厂，中国重点工业企业数字化研发设计工具普及率达80.1%，关键工序数控化率达62.9%。制造业中，数字化水平较高的行业包括：1）汽车行业，根据数智范式会展发布的《2024年中国汽车制造业数字化市场研究报告》，汽车制造业数字化的市场规模已突破1300亿元，并在未来五年有望以年均12.8%的速度持续增长，到2030年市场规模有望超3000亿元。其中大型汽车制造企业数字化程度高，有效助推了汽车产业集群及供应链上下游的数字化转型；2）家电行业，美的集团通过搭建家电产业链协同平台已接入工业设备400万台，打造工业App超1200个、服务近60万家企业，帮助供应链相关企业的研发设计效率提升40%，生产效率提升38%，库存积压降低5%；3）石化、钢铁、有色等流程工业，具有数据基础好、业务流程清晰的优势。我们认为中国制造业优势突出，数字化程度高的细分行业有望积极拥抱AI，带领中国制造业开拓智能化升级新局面。

AI大模型在离散制造业（汽车、家电、消费电子等）中可以解决物流追踪、排产优化、生产效率提升的问题。离散制造业是指产品由多个零部件经过一系列并不连续的工序加工装配而成的制造行业，零部件的生产和最终产品的组装相对独立，AI大模型可以助力离散制造业解决以下问题：1）物流追踪：离散制造业的各个生产部门在空间上散布于不同地区，AI大模型可以实现更好地物料运输、追踪和预测物流进度；2）生产计划优化：离散制造业中，制定生产计划的过程多个部门配合，过程复杂，涉及多个变量，AI大模型快速地在不断变化的情形中制定出最有利于生产效率提高的计划；3）提高生产效率：离散制造业涉及的生产过程众多，需要同步进行大量的不同零部件的生产，因此单位产品在整个生产过程中所产生的生产数据量较大、种类较多，AI大模型可以将这些数据利用起来，通过分析找到制约生产效率的瓶颈，提效降费。我们认为，AI大模型在数字化程度高的离散制造业应用效果明显，建议关注汽车、家电、消费电子等行业的应用机会。 

AI大模型在流程工业（石化、化工、有色、制药）中可以实现实时数据分析、过程优化、市场预测等功能。流程工业是指对原材料进行连续的物理或化学加工，使其发生状态变化，最终转化为产品的工业类型，常见的如石油化工、钢铁冶炼、造纸、食品加工等行业。该领域的生产过程具有连续性，产品通常是大批量、同质化的，生产工艺相对稳定，且生产活动一般按照固定的流程在较长的时间内持续运行。与离散制造业相比，AI大模型在流程工业的应用中侧重于以下几个方面：1）实时数据分析，过程优化：流程工业的整个生产过程已经较高程度实现了基于传送带、机械臂等装置的自动化，因此AI大模型易于接入生产过程中所使用的各种自动化装置以及传感器，从而完成实时数据分析、工艺优化与安全风险预警等功能；2）AI预测市场从而优化生产决策：由于生产过程相对简单可控，流程工业的生产计划制定主要依据下游客户对产品的需求，而AI模型可以基于行业数据对未来需求进行预测，这对于流程工业的生产计划制定具有重要指导意义。

AI大模型的规模化应用有望带动算力需求增加，我国IDC市场有望迎来需求的快速提升。根据火山引擎与IDC联合发布的《大模型应用落地白皮书——企业AI转型行动指南》，92%的受访企业认为在大模型工程化落地阶段，缺少算力资源是最大的挑战。我们认为北京、长三角、粤港澳大湾区的IDC需求有望提升。上述区域发展IDC业务的优势主要体现在：1）头部企业聚集：这些地区有科技巨头与大量人工智能创新企业，这些企业大力投入 AI大模型研发与应用，对IDC需求大；2）网络设施发达：上述地区是国内网络通信枢纽，拥有高速宽带网络、低延迟的网络传输环境，能满足AI大模型应用中数据的快速传输和实时交互需求，保障模型训练和推理效率。

►AI大模型创新不及预期。本次DeepSeek模型备受业内关注，关键在于其在算法与硬件工程方面进行了大量创新。生成式AI模型技术创新若停滞，技术迭代会受阻，产业升级与下游应用进程也将随之放缓。

►AI大模型成本下降不及预期。对于中小企业而言，购置和使用大模型服务需要考虑成本问题，开源推理模型的出现可以降低大模型的使用成本，但如果大模型成本下降不及预期，可能会限制企业级客户对新技术、新算法的探索和应用。

►AI应用落地进展不及预期。互联网大厂将大量资源投入到AI领域，如果迟迟没有现象级AI应用出现，互联网大厂可能无法获得预期回报，影响其进一步投入的意愿。

本文摘自：2025年3月14日已经发布的《AI进化论（6）：DeepSeek横空出世，各行业智能化发展展望》

陈昊 分析员 SAC 执证编号：S0080520120009 SFC CE Ref：BQS925

于新彦  分析员 SAC 执证编号：S0080524080007

彭虎 分析员 SAC 执证编号：S0080521020001 SFC CE Ref：BRE806

贾顺鹤 分析员 SAC 执证编号：S0080522060002