深度报告-20260618-东吴证券-计算机行业深度报告_解析大模型行业_从发展历程到投资视角_47页_2mb

计算机行业深度报告总结

核心内容

本报告聚焦大模型行业的发展历程、当前阶段、产业链价值分配及投资逻辑，旨在为投资者提供全面的行业洞察与投资建议。

主要观点

• 大模型发展阶段：当前正处于第五阶段，即推理模型与 Agent 能力为核心，竞争焦点从“回答问题”转向“完成任务”，评价标准升级为复杂目标规划、工具调用、动作执行与结果验证能力。
• 产业链价值分配：利润池优先流向基础设施（GPU/ASIC、HBM、先进封装、网络、电力）、高切换成本能力（CUDA生态、云平台、企业数据）以及可量化 ROI 应用入口（代码助手、客服、办公等）。
• 竞争格局：全球大模型竞争从单点能力比拼转向模型能力、算力供给、产品入口、企业客户、监管安全和资本效率的综合竞争。主要分为闭源与开源两大阵营，其中闭源模型厂商（如 OpenAI、Anthropic、Google、xAI）聚焦前沿能力，开源模型厂商（如 DeepSeek、Qwen、Kimi、MiniMax）则通过性价比和本土化实现市场扩展。
• 投资建议：建议关注大模型及产业链相关企业，包括智谱、MiniMax、科大讯飞、阿里巴巴等，以及 AI 芯片、数据中心、AI 应用、物理/端侧 AI 等相关板块。

关键信息

大模型技术演进史

1. 第一阶段（2017-2019）：Transformer 架构确立，解决序列模型难以并行训练与长距离依赖捕捉不足的问题，奠定大规模预训练基础。
2. 第二阶段（2020-2021）：GPT-3 的出现证明了少样本学习能力，推动“通用模型 + Prompt + API + 微调/RAG”成为主流范式。
3. 第三阶段（2022-2023）：指令对齐与产品化，如 InstructGPT、ChatGPT，提升交互体验与安全边界，使模型走向大众产品。
4. 第四阶段（2023-2024）：多模态、开源、长上下文与企业化并行推进，企业开始重视成本、部署方式与数据安全。
5. 第五阶段（2025-2026）：推理模型与 Agent 能力成为主线，模型从“回答问题”转向“完成任务”，具备复杂目标规划、工具调用与结果验证能力。

大模型发展阶段映射

• 互联网（1995-2000）：用户增长快、创业公司密集、资本市场重估新入口与新应用，但泡沫破裂后，留下的为搜索、电商、广告、云和平台公司。
• 云计算（2008-2015）：基础设施先行、平台能力扩张、应用生态释放价值，与 AI 发展路径相似，但 AI 需求与成本波动更大。
• 移动互联网（2009-2014）：入口相对统一，AI 入口则高度分散，可能形成多入口、多平台、多场景并存格局。
• 大模型当前阶段：基础设施高强度扩张、模型能力快速扩散、Agent 初步产品化、企业逐渐实现 ROI 验证，成为产业关键发展阶段。

大模型产业链拆分与价值分配

1. 第一利润池：基础设施

   • 关键环节：GPU/ASIC、HBM、先进封装、高速网络、低 PUE 数据中心和可用电力。
   • 供给瓶颈：HBM、先进封装。
   • 跟踪指标：GPU 交付周期、HBM 合约价、CoWoS 产能、光模块订单等。

2. 第二利润池：云与 AI 平台

   • 优势：云厂商提供模型、算力、数据、权限、审计、安全与部署能力。
   • 现状：收入增长快，但资本消耗也快，面临现金流压力。

3. 第三利润池：应用层

   • 短期分化显著：代码、客服、办公、营销、搜索、数据分析等场景落地最快。
   • 长期空间大：医疗、金融、法律、工业和机器人等场景虽价值高，但落地较慢。
   • 护城河：用户入口、企业数据、流程嵌入、行业 know-how 和留存率。

开源模型的影响

• 压缩利润：开源模型压缩了模型能力的超额利润，推动多模型路由成为常态。
• 放大需求：推动模型能力商品化，形成多模型分层路由格局，模型层 API 毛利承压，但应用层与基础设施受益。
• 生态优势：开源模型在入口、数据、成本控制、工具生态和实际场景下的工作流方面具备天然优势，可能实现生态换道超车。

关键标的分析

• 智谱：从项目型 AI 公司向 MaaS 平台转型，正在寻找中国版 Anthropic 路径，押注 Agentic Engineering+长程任务。
• MiniMax：通过架构优化实现成本与能力平衡，走全球化与全模态平台化路线，Token Plan 构建多模态智能额度池的商业模式。
• 科大讯飞：唯一实现全国产算力上全栈模型训练的厂商，在政企自主可控采购中具备稀缺性，2025 年大模型相关项目中标金额 23.16 亿元，超过第二名至第六名总和。

未来大模型格局推演

1. 情景 A：闭源模型持续领先，放大代际差距，利润集中在 AI 硬件与头部模型厂。
2. 情景 B：开源模型持续追赶，推动模型能力商品化，形成多模型分层路由格局。
3. 情景 C：出现新的模型架构突破，可能催生全新企业，Transformer 优势被削弱。

风险提示

• 技术迭代不及预期
• 行业竞争加剧
• 算力供应链风险
• 监管政策不确定性
• 商业化落地慢于预期

图表概览

• 图1：大模型演进示意图，展示从 Transformer 到 Agent 的五阶段。
• 图2：大厂 CapEx 呈加速上升趋势。
• 图3：英伟达数据中心收入持续高增。
• 图4：微软 AI 业务收入快速增长。
• 图5：开源模型持续追赶。
• 图6：GitHub Copilot 与人力成本对比。
• 图7：AI 用户渗透率尚处早期。
• 图8：AI 时代与互联网时代的纳指走势相似。

总结

大模型行业正处于从“回答问题”向“完成任务”的转型阶段，利润池沿产业链持续迁移。投资重点从追逐模型能力转向更低成本、更高可靠性完成真实任务。当前主要受益于基础设施、云平台和可量化 ROI 的应用入口。开源模型推动多模型路由，压缩模型能力超额利润，但放大应用与基础设施需求。大模型本身作为未来智能时代的底座，具备投资价值，但其商业模式仍处于探索阶段。