> **来源：[研报客](https://pc.yanbaoke.cn)** # 中国AI模型应用量首超美国，竞争进入新阶段 # ——数字经济双周报（2026年第4期） 2026年03月02日 # 核心观点 - 本期焦点：中国AI模型调用量首次超越美国，全球大模型竞争进入“规模渗透”新阶段。2月，中国AI模型周调用量连续攀升并首次超过美国，全球调用量前十中中国模型占据四席。16日至22日，中国模型周调用量进一步冲高至5.16万亿Token，三周大涨 $127\%$ ，而同期美国模型调用量跌至2.7万亿Token。本轮增长建立在成本下行、参数压缩与高频场景叠加基础上，形成“低成本—高频调用—规模扩张”的循环机制。同时，美国头部模型仍在高性能与多模态能力上保持优势，中美竞争格局呈现“高性能高定价”与“规模部署、低成本”路径分化。中国模型优势当前更多体现在生态与价格效率层面，若能在复杂推理能力上持续突破，有望在规模基础上缩小代际差距。 - 中国动态：应用深化与制度完善同步推进，AI进入规模化落地阶段。地方“人工智能+”行动密集出台，政务与产业场景加速铺开，数据要素登记与智能监管能力同步提升，企业AI收入增长与模型国际排名提升形成呼应。从政策、数据治理到企业收入结构，人工智能正由试点探索转向体系化部署。区域合作亦加快对外拓展路径，显示中国AI发展已进入“应用深化+制度完善”并行推进阶段，产业生态逐步成熟。 - 美国动态：算力、资本与能源协同扩张，AI基础设施竞争强度提升。美国AI产业在算力扩张、资本投入与能源协同上形成共振。OpenAI巨额融资与军方合作叠加，英伟达数据中心收入高速增长，科技巨头与能源公司合作建设清洁能源数据中心，显示AI基础设施已成为战略级投入领域。与此同时，硬件标准化与机器人平台整合加速推进，产业进入高强度竞争周期，算力与能源约束成为长期变量。 - 欧洲动态：治理先行与科研投入并举，塑造差异化AI发展路径。法国在全球峰会上强化未成年人保护立法，将内容安全与AI监管直接挂钩；英国研究与创新署发布16亿英镑AI战略，聚焦科研底座与超级计算能力升级。欧洲路径更加突出“规则确立+公共科研投入”的双轮驱动，通过制度确定性与长期科研能力弥补产业规模劣势，巩固其价值导向型治理优势。 - 技术前沿：AI智能体与开源模型工程化提速，产业落地能力显著增强。开源多模态模型性能与性价比同步提升，低功耗芯片突破强化硬件支撑，多智能体协作与专业领域智能体加速成熟，AI能力从对话辅助走向任务执行与决策支持。技术演进方向逐渐由参数规模竞争转向效率、能耗与系统集成能力竞争，工程化与场景嵌入成为价值释放核心。 - 智库观点：BIS指出AI供应链向“全栈巨头”集中，竞争与宏观稳定面临新考验。国际清算银行指出，全球AI产业正由少数覆盖算力、模型、工具与应用的“全栈型”巨头主导，规模与范围经济强化其整合能力，并在资本市场与投资并购中占据主导地位。产业可能经历由竞争走向集中化的演进过程，政策需在保障关键资源公平获取与维护创新活力之间取得平衡，构建兼具竞争性与韧性的AI生态体系。 # 分析师 # 彭雅哲 ：010-80927607 : pengyazhe_yj@chinastock.com.cn 分析师登记编码：S0130525020001 # 风险提示 1.对政策理解不到位的风险 2. 政策落实不及预期的风险 3. 技术发展不确定性风险 # 目录 # Catalog 一、本期焦点：中国AI模型应用量突破，首次超美国 3 二、中国动态：AI应用深化与制度完善并行推进 5 三、美国动态：算力、能源与监管共振 6 四、欧洲动态：能源重构、监管博弈与科研升级并行 6 五、其他国家：海湾与印度竞逐AI算力与数据主权 7 六、技术前沿：AI智能体与开源大模型加速应用落地 8 七、智库观点：AI供应链加速向“全栈巨头”集中 8 八、风险提示 10 # 一、本期焦点：中国AI模型应用量突破，首次超美国 2月，中国AI模型调用量爆发式增长，首次超过美国。OpenRouter数据显示，2月9日至15日这周，中国模型调用量达4.12万亿Token，首次超过同期美国模型的2.94万亿Token。随后一周（2月16日至22日），中国模型周调用量进一步冲高至5.16万亿Token，三周大涨 $127\%$ 而同期美国模型调用量跌至2.7万亿Token。与此同时，本周（2月23日至3月1日）全球调用量排名前十的模型中，中国模型占据四席，展现了中国在AI领域快速崛起的强大势头。上述数据变化不仅反映出中国AI产业的迅猛发展，也意味着随着人工智能在各行各业的广泛应用，尤其是在公共治理、基础设施建设和安全领域的深度渗透，中国已成为全球AI竞争格局中的关键玩家。 这是近年来中美大模型竞争中，第一次在“真实使用量”维度出现明显反转。相较于参数规模、融资金额或论文数量，Token调用量可以直接反映模型的商业渗透度和开发者生态活跃度。因此，这一变化不仅是阶段性数据波动，也同样具有结构性意义。 表1：本周最受欢迎 AI 大模型排名情况 (2.23-3.1) <table><tr><td>排名</td><td>模型</td><td>Tokens</td><td>增幅</td><td>所属国家</td></tr><tr><td>1</td><td>MiniMax M2.5 by minimax</td><td>1.66T tokens</td><td>↓41%</td><td>中国</td></tr><tr><td>2</td><td>Gemini 3 Flash Preview by google</td><td>1.03T tokens</td><td>↑23%</td><td>美国</td></tr><tr><td>3</td><td>DeepSeek V3.2 by deepseek</td><td>799B tokens</td><td>↑8%</td><td>中国</td></tr><tr><td>4</td><td>Kimi K2.5 by moonshotai</td><td>646B tokens</td><td>↓41%</td><td>中国</td></tr><tr><td>5</td><td>Claude Opus 4.6 by anthropic</td><td>636B tokens</td><td>↑1%</td><td>美国</td></tr><tr><td>6</td><td>Grok 4.1 Fast by x-ai</td><td>628B tokens</td><td>↓2%</td><td>美国</td></tr><tr><td>7</td><td>Claude Sonnet 4.6 by anthropic</td><td>619B tokens</td><td>↑158%</td><td>美国</td></tr><tr><td>8</td><td>GLM 5 by z-ai</td><td>569B tokens</td><td>↓40%</td><td>中国</td></tr><tr><td>9</td><td>Trinity Large Preview (free) by arcee-ai</td><td>528B tokens</td><td>↑19%</td><td>美国</td></tr><tr><td>10</td><td>Claude Sonnet 4.5 by anthropic</td><td>522B tokens</td><td>↑5%</td><td>美国</td></tr></table> 资料来源：OpenRouter，中国银河证券研究院 中国AI模型爆发式增长背后的驱动力是什么？本轮增长首先源于成本结构的明显变化。2025年以来，国内多家模型厂商公开下调API价格，多数主流模型的推理调用成本已降至每百万Token0.2-0.5美元区间，而同期美国头部闭源模型价格普遍在2-6美元区间，部分高性能模型甚至更高。单位Token成本差距达到5-10倍。当模型调用成本接近传统云计算API价格时，中小企业与开发者开始将模型嵌入日常系统，而不再局限于测试场景。国际市场调研机构沙利文报告显示，2025年 下半年，中国企业级大模型日均调用量飙升至37.0万亿tokens，较上半年的10.2万亿增长 $263\%$ 其次是应用侧持续释放需求。2025年中国生成式AI企业数量已超过4500家，企业端部署规模持续扩大。大量应用场景属于“高频小额调用”，累计形成可观Token消耗。这种增长方式不同于单一爆款应用，而是多场景叠加形成规模。因此综合来看，爆发式增长的基础是低成本、高频场景、用户规模扩张三者叠加的结果。 为何出现“中美分化”？中国Token又为何更便宜？中美分化背后，是两种不同的商业与技术路径。美国头部模型仍强调高性能、复杂推理能力与多模态领先能力。其研发投入和算力使用规模巨大。头部模型训练阶段的算力投入已达到数十亿美元级别，推理阶段亦采用高端GPU集群支撑，该模式也决定了其单位调用价格难以快速下调。 相比之下，中国厂商在2025年开始大规模推进参数压缩技术，并强化国产算力适配。部分模型在推理阶段采用混合架构部署，使单位算力利用率显著提升，直接压低调用成本。因此，“分化”也并没有意味着简单的领先与落后，而是高性能高定价路径与规模应用低成本路径的阶段性分层。美国模型仍在复杂推理和前沿能力上保持优势，而中国模型在规模部署与价格效率上形成竞争力。 “前十中国占四席”意味着什么？在本周全球调用量排名前十的模型中，中国模型占据四席，这一结构性变化比单周数据更值得关注。第一，在一定程度上说明中国模型已形成多点供给能力，而非依赖单一头部厂商。多个模型进入前列，意味着价格区间与性能区间更加完整，开发者可以在不同场景中进行灵活选择。第二，说明生态扩张带动模型调用量同步增长。但需要看到，全球头部模型仍在快速迭代。2025年下半年以来，多家国际厂商发布新一代多模态模型和自主代理系统，性能指标持续刷新。虽然排名结构具有阶段性特征，但是当前优势更多体现在规模与生态层面，而不意味着全面技术代际领先。 图1：排名前5大模型token调用成本对比 资料来源：OpenRouter，中国银河证券研究院 图2：2026年以来模型生产者市场份额 资料来源：OpenRouter，中国银河证券研究院 机遇与挑战并存：窗口期也是竞争加速期。低成本带来的规模扩张，为技术持续优化提供了真实数据反馈与收入支撑。如果能够在规模基础上进一步提升复杂推理与多模态能力，有望缩小关键技术差距。但风险同样存在，全球模型迭代周期正在缩短，主流模型更新频率已由半年缩短至数月。若核心能力提升速度放缓，成本优势可能在高端市场迅速失去吸引力。因此，本轮爆发式增长更像一次生态层面的跃迁，却不是竞争的终点。 # 二、中国动态：AI应用深化与制度完善并行推进 # 1.地方“人工智能+”行动密集推进，政务与产业场景加速落地 近日，黑龙江省人民政府办公厅正式印发《黑龙江省“人工智能+”政务深化应用工作方案》。该方案提出，到2026年将重点推动六大类共18个场景的深化应用，涵盖数据共享、政务服务、社会管理、民生保障等方面。此外，2月18日，海南省也发布了《推动“人工智能+”行动方案（2026—2028年）》，强调以“四大特色产业”场景应用为切入点，加速人工智能在海南的全面应用。与此同时，贵州省和广东省也在相继出台类似的人工智能 $^+$ 规划，推动本地政务、经济发展与AI技术的深度结合。 地方政府的“人工智能+”政策的出台，标志着从中央到地方，AI应用不再停留在理论阶段，而是开始大规模实施。从政务领域到产业应用，地方政府积极推动AI技术的集成与普及，为智慧城市、智能治理以及各行业的数字化转型奠定了基础，也为未来几年AI产业化提供了丰厚的政策土壤。可以预见，未来几年，地方政府将成为推动全国AI产业深入发展的关键力量，逐步缩小与国际领先水平的差距。 # 2.数据要素与智能监管加速落地，AI与监管融合步伐加快 2月19日，国家数据局公布了公共数据资源登记平台的最新运行数据，登记的公共数据资源总量已经超过了25万项，实现全国公共数据资源的全面覆盖，促进了数据资源的开放与共享。与此同时，2月26日，市场监管总局发布《检验检测智慧监管能力提升攻坚行动方案》，明确了利用AI、大数据等技术提升监管效率的具体措施。2月28日，浙江省新增两款生成式人工智能服务备案，总备案数达到70款，进一步推动了AI服务的合规性与透明度。从数据治理到智能监管，政策和技术的深度融合为中国数字经济发展提供了强有力的支撑。随着数据安全和智能监管的不断深化，数字经济的发展将更加依赖于健全的监管体系，确保各类新兴技术的合规应用。 # 3.企业AI业务驱动收入增长，全球竞争格局持续变化 2月26日，百度发布了2025年第四季度财报，数据显示，AI云收入达300亿元人民币，其中AI云基础设施部分同比增长 $34\%$ 。同日，LMArena发布了最新的全球大模型排行榜，字节跳动的Seed2.0大模型位列全球前十，成为唯一跻身前十的国产大模型。 企业层面的AI收入增长标志着人工智能技术已成为数字化转型的核心驱动力，而从百度到字节跳动等头部企业的表现，则清晰地展示了中国企业在全球AI大模型竞争中的强劲崛起。随着AI应用和大模型技术的不断突破，国内AI产业不仅在国内市场上占据优势，正在逐步走向国际市场，成为全球技术竞争的重要力量。 # 4.区域合作加速，AI走向国际市场 2月26日，香港特别行政区政府数字政策办公室与广西壮族自治区大数据发展局签署了《桂港人工智能合作备忘录》，旨在促进两地人工智能产业的协同发展与国际市场的拓展。根据备忘录，香港和广西将在人工智能应用、技术标准、数据产品与服务等多个领域展开合作。双方的合作将重点聚焦于东盟及国际市场的开拓，尤其是利用广西在绿色能源、数据跨境流通方面的优势，以及香港作为国际金融和科技枢纽的独特定位，共同推动两地在人工智能领域的国际影响力提升。随着全球数字经济的不断发展，跨境合作成为推动人工智能走向国际市场的关键因素。香港与广西的合作不仅加深了区域合作，也为中国AI产业走向全球市场提供了新的路径。 # 三、美国动态：算力、能源与监管共振 # 1.AI算力与硬件基础设施加速扩张，资本与合作齐头并进 2月25日至2月27日，美国AI算力与硬件基础设施迎来加速扩张。2月25日，Anthropic宣布收购Vercept，进一步增强Claude模型在计算机操作与数字工作流的能力；同日，英伟达发布2026财年第四季度财报，数据中心业务营收达620亿美元，同比增长 $75\%$ ，展示出强劲的算力需求增长。2月27日，OpenAI与英伟达、亚马逊签署长期战略合作协议，共同推动AI算力基础设施建设。AI算力的快速扩展不仅体现在资金与技术的投资上，还通过收购与战略合作加强了硬件设施的布局。随着技术的不断进步与资金的涌入，AI产业正迈向全球算力基础设施的高速发展期，将为AI应用的规模化落地提供强大支撑，但同时也意味着算力与资源分配的竞争将变得愈加激烈。 # 2.智能机器人与AI平台深度融合，跨行业应用加速落地 2月25日，Intrinsic宣布正式并入谷歌，成为其内部独立业务部门；同日，SK海力士与闪迪联合宣布，正式启动下一代高带宽闪存的全球标准化工作。两家公司将共同推动这一新型内存技术的行业规范化，并加速其商业化落地进程。Intrinsic并入谷歌后，将与Google DeepMind展开紧密合作，利用谷歌的算力与Gemini大语言模型，推动智能机器人平台的升级与创新，助力跨行业的数字化转型。同时，SK海力士与闪迪的合作则着眼于下一代高带宽闪存技术的标准化，这一技术将填补当前AI推理阶段内存架构的空白，提升人工智能硬件的扩展性与数据处理能力。随着智能机器人与AI大模型的深度融合，AI技术正在跨行业落地，推动生产与服务领域的自动化升级。AI硬件的技术创新同样进入关键期，下一代内存架构的标准化将为人工智能产业提供必要的硬件支撑。 # 3.AI基础设施扩张催生能源与数据中心巨头合作 2月24日至2月27日，美国科技巨头与能源公司加强合作，以应对AI算力需求带来的能源压力。2月24日，谷歌与Xcel Energy宣布在明尼苏达州建设大型数据中心，该协议在合同条款上保障了当地居民免受电费上涨的影响，同时采用先进的空气冷却技术，减少传统数据中心的水冷需求。2月17日，Ormat与内华达州能源公司达成协议，为谷歌数据中心提供清洁能源支持。AI算力的迅猛增长要求科技公司与能源领域的深度协作，尤其是在清洁能源的支持下，才能持续推进AI基础设施的扩张。数据中心与能源的合作日益紧密，未来清洁能源将成为推动AI产业发展的核心支柱。 # 4.AI市场估值激增，OpenAI再获超千亿美元投资 2月27日，OpenAI宣布完成1100亿美元的融资，投资方包括软银、英伟达及亚马逊，此轮融资后，OpenAI的估值达到7300亿美元；同日，OpenAI与美国军方签署协议，将其AI模型部署至机密网络系统中，进一步拓展其在军事领域的应用。OpenAI的融资与技术应用双重扩张，展示了AI产业从技术验证向全球规模化应用的转型。这一估值激增与资本注入为OpenAI的技术迭代与市场扩展提供了有力支持，同时也揭示了AI在全球安全与战略竞争中的潜力。未来，随着更多行业的接入与应用，OpenAI将在全球AI竞赛中扮演越来越重要的角色。 # 四、欧洲动态：能源重构、监管博弈与科研升级并行 # 1.法国在全球AI峰会上回应监管争议，未成年人保护进入立法阶段 2月19日，法国总统马克龙在印度新德里举行的人工智能影响峰会上回应关于欧洲AI监管过严的批评，强调欧洲致力于构建安全且有利于投资的创新环境。同日，马克龙宣布法国已启动立法 程序，拟禁止15岁以下未成年人使用社交网络。峰会期间引用的研究数据显示，过去一年在多个国家中至少有120万名儿童报告其图像被篡改为深度伪造内容。围绕生成式AI与内容安全议题，联合国秘书长与多国领导人呼吁加强全球协调，防止技术垄断与滥用。法国将未成年人保护与AI监管直接关联，推动社交平台责任与内容治理进入更严格的政策框架。在全球AI治理分歧持续存在的背景下，法国选择以未成年人保护为切入点强化监管合法性，既回应社会风险关切，也巩固欧洲“价值观导向型治理”的立场。 # 2.英国研究与创新署发布AI战略，16亿英镑构建科研驱动型AI体系 2月19日，英国研究与创新署（UKRI）发布首份人工智能战略，宣布至2030年将直接投入16亿英镑用于人工智能研究与创新，确立AI为未来阶段最大单一科研投资方向。战略框架涵盖六大重点领域，包括技术开发、科研转型、人才培养与负责任AI建设。其中，最高1.37亿英镑将支持AI驱动科学发现，3600万英镑用于升级剑桥大学超级计算机项目，以强化医疗与环境建模能力。战略同时强调博士培养路径、区域集群建设及科研软件工程师体系建设，推动基础科研能力向产业竞争力转化。相较以市场驱动为主的AI路径，英国此番布局更强调“科研底座+制度保障”的长期投入逻辑。通过大规模公共资金支持与算力基础设施升级，英国正试图将其数学与计算机科学优势转化为国家级创新动能，在全球AI竞逐中形成差异化发展路径。 # 五、其他国家：海湾与印度竞逐AI算力与数据主权 # 1.印度构建“主权AI+绿色能源”超大规模算力体系 2月17日至20日，印度围绕人工智能与绿色能源并行布局，宣布多个超大规模数据中心投资计划。2月17日，AdaniGroup宣布计划在2035年前投资高达1000亿美元，用于打造可再生能源驱动的超大规模AI数据中心平台，预计此举将催生2500亿美元的基础设施生态系统。该计划将在阿达尼旗下的2吉瓦国家数据中心平台基础上扩展至5吉瓦，目标支持未来AI计算需求。 2月19日至20日，在印度新德里举行的2026印度人工智能影响力峰会上，谷歌宣布将在未来五年投资150亿美元，在安得拉邦建设千兆瓦级AI数据中心，进一步提升印度的算力能力。OpenAI与塔塔集团签署战略合作协议，总投资超过50亿美元，将共同建设100兆瓦级AI数据中心。信实工业也宣布将在未来七年内投资1100亿美元建设绿色能源驱动的数据中心。此外，印度正式加入“硅之和约（Pax Silica）”半导体与AI基础设施联盟，进一步巩固其在全球数据基础设施领域的战略地位。印度通过大规模的民间资本与跨国合作，正在加速实现“绿色能源驱动+主权AI”双轮驱动目标。这一转型不仅是推动国内经济高质量发展的关键，更为印度在全球数字化与AI竞争中占据领先位置提供了有力支撑。 # 2.海湾国家主权资本加码AI股权与金融云基础设施 2月18日至25日，海湾国家继续加强对人工智能领域的投资，并在主权云平台、AI股权等领域取得突破性进展。沙特与阿联酋分别通过战略投资与合作，进一步推动地区AI产业发展，特别是在AI基础设施与数字金融领域。2月18日，沙特公共投资基金（PIF）旗下的AI公司HUMAN宣布对AI初创公司xAI投资30亿美元。此次投资是双方在2025年达成战略合作的进一步深化，标志着沙特在AI基础设施领域的战略布局正不断加码。2月25日，阿联酋中央银行与G42旗下核心技术公司Core42签署合作协议，共同建设主权金融云服务基础设施，目标为所有持有牌照的金融机构提供安全、隔离的专属平台，并加强金融系统的韧性与智能化水平。该项目标志着阿联酋在金融科技领域迈出重要一步，为全球创新金融服务枢纽的定位奠定了基础。海湾国家的主权资本正在深度植入全球AI与金融科技产业，特别是在AI股权与金融云基础设施方面的布局，进一步展示了该地区在新兴技术领域的投资决心和战略眼光。 # 六、技术前沿：AI智能体与开源大模型加速应用落地 # 1. 阿里巴巴发布Qwen3.5-Plus，推动开源大模型多模态应用与落地 2月16日，阿里巴巴发布全新一代开源大模型Qwen3.5-Plus，进一步推动AI技术的落地与应用。Qwen3.5-Plus总参数达到3970亿，激活参数170亿，通过视觉与文本混合token预训练，实现了从纯文本到多模态的重大转变，支持视觉理解、推理、代码生成等任务。该模型部署显存占用降低 $60\%$ ，推理吞吐量提升19倍，在32K上下文场景中的推理吞吐量提升8.6倍。此外，Qwen3.5-Plus的API价格降至每百万Token0.8元，极大降低了开发门槛。Qwen3.5-Plus不仅在性能上达到了新的高度，更通过开源与低成本策略加速了大模型的应用落地，尤其在电商与本地生活业务中取得显著成效，推动AI技术的普及和产业应用的加速。 # 2.国内低功耗铁电晶体管取得突破，推动AI芯片能效提升 近日，北京大学电子学院邱晨光研究员与彭练矛院士团队在《科学进展》期刊上发表研究成果，宣布成功研制出全球最小、最低功耗的铁电晶体管。通过引入“纳米栅极电场增强机理”，该团队将铁电晶体管的工作电压降低至 $0.6\mathrm{V}$ ，能耗降至 $0.45\mathrm{fJ} / \mu \mathrm{m}$ ，显著提高了AI芯片的能效和数据存算效率。该技术为未来AI芯片设计提供了新的思路，特别是满足低功耗、超小型化的AI应用需求。该项技术突破为AI硬件的发展带来了新的希望，尤其是在大规模部署与小型化AI芯片的应用中，能效和算力的提升将助力AI芯片更广泛的落地应用，推动人工智能进一步发展。 # 3.AI智能体领域实现多步协作与领域专精，推动行业智能升级 2月17日至2月22日，AI智能体在推理、任务协作与跨领域应用上取得重要进展。2月17日，Anthropic发布Claude Sonnet4.6，支持百万Token上下文并引入计算机操作能力，在处理长文本推理和智能体规划上实现大幅提升；2月18日，xAI推出Grok4.20Beta，实现四智能体并行协作，专注于多个专业领域的任务协同；2月22日，上海交通大学团队发布全球首个智能体式罕见病诊断系统DeepRare，通过深度推理和假设验证，实现精准诊断。AI智能体的能力正从“对话型”向“任务型”转变，Claude Sonnet4.6和Grok4.20的发布展示了多智能体协作的新路径，而DeepRare则代表了AI在专业领域的深入应用，推动AI从辅助工具走向智能决策和执行的核心角色。 # 4.AI模型与医疗健康融合，智能化诊断助力医疗突破 2月22日至2月26日，AI技术在医疗健康领域的应用取得了多项突破，助力提高诊断准确性与效率。2月22日，上海交通大学推出全球首个罕见病诊断系统DeepRare，通过深度推理和多领域知识整合，解决了罕见病诊断的难题；2月26日，华为云发布代码智能体，提升了AI在软件开发与医疗应用中的协作效率。AI在医疗健康领域的应用已从数据处理扩展到实际诊断决策，DeepRare的发布标志着AI在医学专业应用中的能力跃升，未来将为全球医疗系统带来更多智能化的解决方案，推动精准医疗与个性化治疗的发展。 # 七、智库观点：AI供应链加速向“全栈巨头”集中 # 1.国际清算银行（BIS）：《Global giants in the AI supply chain》 BIS指出，全球人工智能产业正呈现出由少数“全栈型”巨头主导的结构特征，这些企业在算力、基础设施、数据工具、模型与应用五大供应链环节中实现纵向扩展，并对宏观经济产生显著影响。目前，全球前20家AI企业主要分布在美国、中国大陆、中国台湾、韩国和荷兰，其中美国企 业在市值和供应链覆盖广度上占据主导地位，多数头部企业已从早期平均覆盖2个环节扩展至3-4个，部分实现全链条布局。 报告显示，AI巨头在本国资本市场、资本开支和收入中的占比持续上升，在美国、中国台湾、韩国等地占据 $30\% -40\%$ 的市场市值份额，并在AI模型与应用投资并购中占据主导地位。规模与范围经济强化了其整合能力，使其能够通过内部化关键投入、跨层布局与交易并购塑造技术演进路径。BIS同时提示，行业可能经历由竞争走向集中化的生命周期演变，过度控制关键投入或削弱创新活力。政策重点应在保障算力与数据等关键资源的公平获取、强化竞争与宏观审慎监管之间取得平衡，构建兼具创新性、可竞争性与韧性的AI生态体系。 # 2.布鲁金斯学会（Brookings）：《Building pro-worker artificial intelligence》 布鲁金斯学会系统分析了人工智能对劳动力市场的结构性影响，指出当前企业部署AI多以自动化和成本压缩为导向，可能削弱劳动者议价能力并扩大收入差距。报告通过对企业应用场景与历史技术变革经验的梳理，强调AI既可能替代任务，也可以重构岗位结构，其最终效果取决于组织设计与制度安排。 研究提出，应将AI应用重点转向“增强劳动者能力”的路径，通过岗位再设计、技能提升和协作机制，使AI承担重复性与数据密集型任务，由人类负责判断、沟通与复杂决策。同时，报告讨论了算法管理对工作强度、绩效评估和隐私保护的影响，呼吁建立透明规则与劳动者参与机制。因此，人工智能的劳动力效应是一个政策与企业选择塑造的结果，构建亲工人型AI需要在技术部署、劳动制度与培训体系之间形成系统性协同。 # 3.兰德公司（RAND）：《Decisive Economic Advantage--Modeling the Transition from Temporary First-Mover Leads to Economic Dominance in Artificial General Intelligence》 RAND系统分析了先进人工智能对高性能计算资源的依赖及其对国家安全格局的影响，指出算力已成为决定AI能力与战略优势的核心投入要素。报告梳理了当前大模型训练所需的GPU集群规模、能源与数据中心配套条件，认为算力获取能力正逐步成为衡量国家AI竞争力的重要指标。研究强调，先进AI系统的研发门槛快速上升，训练成本与算力需求呈指数级增长，推动产业向少数具备资本与基础设施优势的主体集中。算力供应链涉及芯片设计、制造、封装测试及云基础设施多个环节，任何环节受限都可能影响国家技术进程。报告同时评估了出口管制、算力追踪与国际合作等政策工具，指出在限制先进芯片流动的同时，也需关注全球供应链韧性与技术外溢效应。 # 4.Citrini Research: 《The 2028 Global Intelligence Crisis: A Thought Exercise in Financial History, from the Future》 Citrini Research 在《2028 全球智能危机》中以“未来回顾”方式构建情景分析，提出当机器智能大规模替代白领劳动后，经济与金融体系可能陷入“智能替代螺旋”。报告假设 AI 能力指数级提升，企业以 AI 替代高薪岗位并将节省成本再投入算力，形成“能力提升—裁员—消费收缩—再投资 AI”的负反馈循环，最终冲击以消费为主导的经济结构。 同时，报告进一步分析私募信贷、SaaS估值与抵押贷款假设对“人类收入持续增长”的依赖，认为一旦收入预期被结构性削弱，金融资产将面临系统性重估风险。而在政策层面，报告则讨论了转移支付、算力税与“共享AI收益”机制等应对思路，强调当前制度框架基于“人类智能稀缺”的前提构建，而当机器智能趋于充裕时，经济分配与财政体系需要重新设计。整体而言，报告并非预测必然危机，而是警示若制度调整滞后于技术进步，智能红利可能转化为宏观失衡风险。 # 八、风险提示 对政策理解不到位的风险；政策落实不及预期的风险；技术发展不确定性风险。 # 分析师承诺及简介 本人承诺以勤勉的执业态度，独立、客观地出具本报告，本报告清晰准确地反映本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与、未来也将不会与本报告的具体推荐或观点直接或间接相关。 彭雅哲：中国银河证券新发展研究院数字经济研究员。 # 免责声明 本报告由中国银河证券股份有限公司（以下简称银河证券）向其客户提供。银河证券无需因接收人收到本报告而视其为客户。若您并非银河证券客户中的专业投资者，为保证服务质量、控制投资风险、应首先联系银河证券机构销售部门或客户经理，完成投资者适当性匹配，并充分了解该项服务的性质、特点、使用的注意事项以及若不当使用可能带来的风险或损失。 本报告所载的全部内容只提供给客户做参考之用，并不构成对客户的投资咨询建议，并非作为买卖、认购证券或其它金融工具的邀请或保证。客户不应单纯依靠本报告而取代自我独立判断。银河证券认为本报告资料来源是可靠的，所载内容及观点客观公正，但不担保其准确性或完整性。本报告所载内容反映的是银河证券在最初发表本报告日期当日的判断，银河证券可发出其它与本报告所载内容不一致或有不同结论的报告，但银河证券没有义务和责任去及时更新本报告涉及的内容并通知客户。银河证券不对因客户使用本报告而导致的损失负任何责任。 本报告可能附带其它网站的地址或超级链接，对于可能涉及的银河证券网站以外的地址或超级链接，银河证券不对其内容负责。链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。 银河证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。银河证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。 银河证券已具备中国证监会批复的证券投资咨询业务资格。除非另有说明，所有本报告的版权属于银河证券。未经银河证券书面授权许可，任何机构或个人不得以任何形式转发、转载、翻版或传播本报告。特提醒公众投资者慎重使用未经授权刊载或者转发的本公司证券研究报告。 本报告版权归银河证券所有并保留最终解释权。 评级标准 <table><tr><td>评级标准</td><td>评级</td><td>说明</td></tr><tr><td rowspan="7">评级标准为报告发布日后的6到12个月行业指数（或公司股价）相对市场表现，其中：A股市场以沪深300指数为基准，新三板市场以三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的）为基准，北交所市场以北证50指数为基准，香港市场以恒生指数为基准。</td><td rowspan="3">行业评级</td><td>推荐：相对基准指数涨幅10%以上</td></tr><tr><td>中性：相对基准指数涨幅在-5%~10%之间</td></tr><tr><td>回避：相对基准指数跌幅5%以上</td></tr><tr><td rowspan="4">公司评级</td><td>推荐：相对基准指数涨幅20%以上</td></tr><tr><td>谨慎推荐：相对基准指数涨幅在5%~20%之间</td></tr><tr><td>中性：相对基准指数涨幅在-5%~5%之间</td></tr><tr><td>回避：相对基准指数跌幅5%以上</td></tr></table> # 联系 中国银河证券股份有限公司研究院 深圳市福田区金田路3088号中洲大厦20层 上海浦东新区富城路99号震旦大厦31层 北京市丰台区西营街8号院1号楼青海金融大厦 公司网址：www.chinastock.com.cn 机构请致电： 深广地区： 苏一耘 0755-83479312 suyiyun_yj@chinastock.com.cn 程曦 0755-83471683 chengxi_yj@chinastock.com.cn 上海地区： 林程021-60387901 lincheng_yj@chinastock.com.cn 李洋洋 021-20252671 liyangyang_yj@chinastock.com.cn 北京地区： 田薇 010-80927721 tianwei@chinastock.com.cn 褚颖 010-80927755 chuying_yj@chinastock.com.cn