深度报告-2025-12-16-华泰证券-科技2026年展望_AI能力跃迁驱动商业化全面提速_52页_4mb

2026年展望：AI能力跃迁驱动商业化全面提速

核心内容

2026年是AI商业化的重要转折点，模型、算力与应用三方面均进入成熟阶段，推动AI应用从“工具可用”向“价值可兑付”演进。中美两国作为全球AI发展的主要推动者，分别在技术路径和商业化策略上形成差异化发展，同时全球算力需求因推理范式升级而加速增长，数据中心建设进入新阶段。AI应用将加速突破，规模化放量成为趋势。

主要观点

大模型发展

• 中美主导：全球主流大模型集中于中美，美国头部厂商如OpenAI、Google、Anthropic和xAI保持领先，而国内DeepSeek、Qwen、智谱等也表现出强劲实力。
• 技术路径分化：
  • 海外：侧重于预训练与后训练，强化学习成为重要方向，算力投入持续增加。
  • 国内：受限于算力，更注重架构优化和Attention机制的提升，以提高效率和性价比。
• Scaling Law 2.0：强调从预训练到后训练再到推理的全链路扩展，推动模型性能与能力的提升。

AI算力

• 推理范式升级：用户×时长×深度三角模型驱动算力需求扩张，Token消耗量显著增长。
• 算力需求结构变化：高价值场景如连续推理、多模态生成成为增量核心，算力建设节奏加快。
• 合作模式创新：云厂商与硬件厂商合作项目增多，如OpenAI与英伟达、博通、AMD等达成36GW级算力合作，推动算力建设进入新阶段。
• 互联技术演进：Scale-up协议走向开放化，如SUE、UALink、ICI等，提升带宽与低延迟能力。Scale-across（DCI）因数据中心限制而加速扩展，实现跨区域协同。

AI应用商业化

• 商业化临界点：2026年成为AI商业化关键拐点，模型能力、工程体系与商业模式同步成熟。
• 驱动因素：
  1. 模型能力：推理能力、Agent执行能力、可控性持续增强。
  2. 数据与工具：企业级AI中台、数据治理、可观测性工具逐步成熟，降低交付成本。
  3. 商业模式：从订阅式转向用量/效果付费，扩大商业化场景。
• 应用方向：
  • 2B应用：长流程应用、企业级Agent平台、数字化基础好的行业落地更快。
  • 2C应用：强调入口优势，如AI终端、智能助手等，提升用户使用时长。
  • 云化转型：云厂商受益于AI转型，推动行业整体增长。

关键信息

2026年AI商业化趋势

• AI应用将从“单点突破”转向“结构性扩散”。
• 企业数据成为2BAI应用关键，推动长流程应用。
• 2C AI应用强调“入口”优势，头部厂商加快端侧布局。
• AI加速“云化”转型，云厂商受益明显。

算力建设加速

• 全球算力需求：用户数、使用时长与深度持续增长，Token消耗量快速上升。
• 数据中心投资：北美CSP厂商Capex上修，云厂商通过融资手段加快算力建设。
• 互联技术：Scale-up协议多样化，如SUE、UALink等，提升带宽与低延迟能力。DCI市场规模快速增长。

大模型迭代路径

• 美国：注重后训练与强化学习，如OpenAI的o系列、xAI的Grok系列。
• 中国：注重架构与算法优化，如阿里Qwen3-Next、DeepSeek V3.2-Exp等。

重点推荐公司

风险提示

• 宏观经济波动：可能影响AI产业投资与增长。
• 技术进步不及预期：模型能力与算力需求之间的匹配可能受限。
• 中美竞争加剧：可能对全球AI格局产生影响。

图表与数据

• 图表1：全球主流大模型智能性概览：中美大模型之争。
• 图表2：全球大模型主要玩家的能力矩阵。
• 图表3：Google 2025年以来的模型更新情况。
• 图表4：当前全球大模型仍以Transformer的decoder-only架构为核心主流。
• 图表5：Google Gemini Diffusion。
• 图表6：字节Seed Diffusion Preview。
• 图表7：OpenAI o系列模型带来Scaling Law 2.0。
• 图表8：Scaling Law的三层递进。
• 图表9：大模型训练数据量从15T tokens提升到30T以上。
• 图表10：前沿人工智能模型的训练计算量大约每六个月翻一番。
• 图表11：Grok模型的演进对应了Scaling Law的1.0到2.0阶段。
• 图表12：xAI训练团队在X平台指出Grok-4.1后训练算力有数量级的提升。
• 图表13：Qwen3-Next通过Attention优化提升长文本与大参数效率。
• 图表14：DeepSeek-V3.2-Exp相比V3.1-Terminus在不同长度位置Token的推理成本显著降低。
• 图表15：DeepSeek-V3.2-Exp NSA注意力架构。
• 图表16：推理需求的三个变量。
• 图表17：OpenAI WAU（周活跃用户）持续增长。
• 图表18：Google AI Mode通过更多推理提供更详细的搜索结果。
• 图表19：OpenAI Pulse可实现闲时推理思考，主动推送。
• 图表20：海外云厂商token消耗情况。
• 图表21：Google AI Mode对话式购物功能。
• 图表22：OpenAI合作示意。
• 图表23：OpenAI产业链。
• 图表24：CSP举债融资规模。
• 图表25：北美四大CSP equity/debt比率。
• 图表26：北美云厂商Capex情况。
• 图表27：AI算力需求扩张催生三大互联需求。
• 图表28：目前主流的Scale up协议。
• 图表29：Scale Up交换机规模有望快速增长。
• 图表30：DCI市场规模有望实现快速增长。
• 图表31：2023-2025年AI应用演进历程复盘。
• 图表32：AI应用面临工程化、商业化双重挑战。
• 图表33：科技巨头AI布局。

总结

2026年，AI将从“工具可用”迈向“价值可兑付”，模型、算力与应用同步成熟。中美两国在大模型发展上形成差异化路径，美国依托算力与后训练优势，中国则通过架构优化提升效率。AI算力需求因推理范式升级而加速，数据中心建设进入新阶段，互联技术如Scale-up与DCI成为关键支撑。AI应用将加速规模化放量，2B与2C领域均迎来发展机遇，云厂商与AI终端厂商将受益于商业化趋势。重点推荐的公司涵盖AI应用、算力与生态布局，未来成长空间广阔。