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

本报告围绕大模型行业的发展历程、技术演进、产业链价值分配以及未来投资建议展开，指出当前大模型产业正处于关键发展阶段，从基础设施扩张、模型能力扩散、Agent初步产品化，到企业逐步实现ROI验证。报告认为，大模型的发展趋势将从“回答问题”转向“完成任务”，其评价标准也升级为复杂目标规划、工具调用、动作执行与结果验证能力。

主要观点

• 技术演进：大模型能力栈经历了五轮重构，从Transformer架构奠定基础，到预训练规模化、指令对齐与产品化、多模态与开源并行，最终进入以推理模型和Agent为核心的第五阶段。
• 投资逻辑：随着大模型的演进，利润池沿产业链持续迁移，投资重点从追逐模型能力转向以更低成本、更高可靠性完成真实任务。
• 产业链价值分配：
  • 第一利润池：GPU/ASIC、HBM、先进封装、高速网络、低PUE数据中心和可用电力。
  • 第二利润池：云与AI平台，提供模型、算力、数据、权限、安全和部署能力。
  • 第三利润池：应用层，长期空间最大，但短期分化显著，代码、客服、办公等高频场景落地最快。
• 竞争格局：竞争从“单模型能力排名”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，主要分为三类厂商：前沿闭源模型、中国开源模型、平台型公司。

关键信息

• 大模型发展阶段：2025-2026年进入第五阶段，竞争焦点转向完成任务能力，包括复杂目标规划、工具调用、动作执行与结果验证。
• 开源模型的影响：开源模型压缩了闭源模型的超额利润，推动多模型路由成为常态，同时放大了对低代码、低数据成本和工作流嵌入的需求。
• 大模型投资建议：
  • 大模型厂商：智谱、Minimax、科大讯飞、阿里巴巴。
  • 产业链相关板块：AI芯片（国产算力、半导体设备）、数据中心（AI服务器、光模块、PCB/交换设备、液冷/电源/电网电力设备）、AI应用、物理/端侧AI。

投资建议

• 大模型：建议关注智谱（港股）、Minimax（港股）、科大讯飞、阿里巴巴（港股）。
• 其他相关板块：AI芯片、数据中心、AI应用、物理/端侧AI。

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

未来格局推演

• 情景A：闭源模型持续领先，放大代际差距，利润集中在AI硬件和头部模型厂。
• 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。
• 情景C：出现新的模型架构突破，可能催生一批全新企业。

产业链拆分与价值分配

• 硬件与底层资源：包括GPU/ASIC、HBM、先进封装、光模块、交换机、服务器、电源等，当前利润池主要集中在这些环节。
• 系统软件：CUDA生态、推理框架、训练框架、调度系统、数据库、向量库等，战略价值高但商业捕获分散。
• 云与AI平台：企业AI的主要入口，但面临资本消耗快的问题。
• 应用层：长期空间最大，但短期分化显著，代码、客服、办公等场景落地最快。

开源模型对利润池的影响

• 压缩利润：开源模型压缩了闭源模型的超额利润，推动多模型路由成为常态。
• 放大需求：开源模型推动了对低代码、低数据成本和工作流嵌入的需求，形成生态闭环。

大模型与历史技术周期的比较

• 互联网1995-2000年：用户增长快、创业公司密集出现、资本市场重估新入口和新应用。
• 云计算2008-2015年：基础设施先行、平台能力扩张、应用生态释放价值。
• 移动互联网2009-2014年：新入口和新应用生态形成，但入口更分散。

产业链价值分配图谱

• 硬件：当前最确定、最先兑现收入的利润池。
• 底层资源：电力、土地、水资源、数据中心、液冷等，利润池正在从芯片扩散到电力和数据中心。
• 系统软件：CUDA、推理框架、训练框架等，战略价值高但商业捕获分散。
• 云与AI平台：收入增长快但资本消耗也快。
• 应用层：长期空间最大，但短期分化显著。
• 终端与具身智能：当前处于导入和产品验证阶段，重视长期投资价值。

结论

大模型作为未来智能时代的智能底座，具有极强的投资价值。尽管当前商业模式仍处于探索阶段，但其已形成相对清晰的收入入口。随着开源模型的崛起，竞争焦点将转向入口、数据、成本控制与工作流嵌入。未来大模型的发展可能呈现三种趋势：闭源模型持续领先、开源模型持续追赶、新模型架构突破。