2024年全球AI市場規(guī)模有望達到6.16萬億美元，同比增長30.1%，2027年有望擴張至11.64萬億美元，CAGR為23.65%。AI概念于1956年達特茅斯會議首次提出，是一種模擬人類智能的技術(shù)，按照智能程度劃分，主要分為狹義人工智能、通用人工智能和超級人工智能，目前通用人工智能還處于理論階段。AI具有算力、算法、數(shù)據(jù)三大要素，算法決定了AI如何處理數(shù)據(jù)和解決問題，數(shù)據(jù)決定了算法是否能得到有效的訓練和優(yōu)化，算力提供了執(zhí)行算法和處理數(shù)據(jù)所需的計算資源。從AI產(chǎn)業(yè)鏈看，整體涵蓋基礎設施層、模型層、平臺層應用層及服務層多個環(huán)節(jié)，基礎設施層主要包括與芯片、計算、存儲、網(wǎng)絡、軟件、連接與通信等多個上游領域，模型層可分為通用大模型、行業(yè)大模型等。根據(jù)Frost&Sullivan自2020年起，全球AI市場規(guī)模以高于20%的同比增速呈現(xiàn)迅猛增長的態(tài)勢，從2019年的1.91萬億美元有望擴張至2024年的6.16萬億美元，同比增速逐年上升，整體市場有望在2027年擴張至11.64萬億美元，體現(xiàn)出全球AI行業(yè)井噴式的發(fā)展速度。

未來五年全球大模型行業(yè)市場規(guī)模的CAGR有望達到36.23%，AI Agent或?qū)⒊蔀槔^API調(diào)動和模型推理部署后新的商業(yè)化形式，大模型行業(yè)競爭格局也將逐步收斂至頭部廠商。AI大模型作為AI產(chǎn)業(yè)鏈中的核心環(huán)節(jié)，經(jīng)過大規(guī)模數(shù)據(jù)和強大的計算能力訓練，通常具有高度的通用性和泛化能力，可以應用于自然語言處理、圖像識別、語音識別等領域。深度學習是機器學習的重要分支，主要涵蓋預訓練、后訓練、推理等階段，Scaling Law是預訓練階段驅(qū)動模型進步的第一性原理，“涌現(xiàn)”現(xiàn)象進一步證明了模型參數(shù)量、數(shù)據(jù)、計算量大小對于模型性能提高的重要性。大模型的商業(yè)化落地形式主要包括通過API調(diào)用收費以及定制化的模型推理部署，前者市場價格競爭較為激烈，后者是國內(nèi)的核心業(yè)務模式，尤其是云端部署，從金額來看，在政務、教科領域落地的大模型項目較多。隨著AI Agent發(fā)展未來基于結(jié)果和價值創(chuàng)造的商業(yè)模式有望逐步落地。從行業(yè)供給格局看，大模型競爭日趨白熱，模型之間差距逐步縮小，護城河不清晰，廠商需要持續(xù)大量投入，海內(nèi)外競爭格局都將逐步收斂至頭部廠商，部分規(guī)模較小的模型廠商或聚焦于垂直化的細分場景。

GPT與OpenAI o1系列模型分別驗證了算力投入在訓練側(cè)和推理側(cè)的重要性，而DeepSeek通過創(chuàng)新性的訓練方法和架構(gòu)實現(xiàn)了較低的模型訓練成本，在未來大模型不斷創(chuàng)新迭代的背景下，性能提升與成本下行或成為兩條重要主線。基于GPT-3.5的ChatGPT的發(fā)布推動了AI技術(shù)的普及和AI產(chǎn)業(yè)的變革，是人工智能的重要里程碑之一。ChatGPT的創(chuàng)始人OpenAI自成立起先后發(fā)布了GPT系列模型和以OpenAI o1、o3為代表的深度推理模型，GPT系列模型注重預訓練階段的Scaling Law，整體來說更適合解決通識類知識，目前已經(jīng)迭代至GPT-4系列，從最初單一的文本模態(tài)迭代成為多模態(tài)大模型，參數(shù)規(guī)模、訓練數(shù)據(jù)、上下文窗口大小相比前代呈指數(shù)級增長，模型性能相應也有顯著提升。OpenAI o1模型引入了思維鏈，證明了推理側(cè)的算力資源投入同樣重要，Scaling Law在推理階段或同樣適用，未來，GPT系列與o1為代表的深度推理系列模型或?qū)⒒ハ嘌a充。近期，DeepSeek大模型的發(fā)布進一步拉動了AI熱潮，DeepSeek-R1發(fā)布后僅用七天用戶增長一億，海內(nèi)外頭部廠商紛紛入場布局。DeepSeek-V3性能對齊海外領軍閉源模型，但依靠引入MLA機制和創(chuàng)新性的DeepSeekMoE架構(gòu)實現(xiàn)了遠低于行業(yè)平均的訓練成本和定價。DeepSeek-R1在后訓練階段大規(guī)模使用了強化學習技術(shù)而不依賴監(jiān)督微調(diào)，性能對齊OpenAI-o1正式版，同時證明了蒸餾技術(shù)能夠?qū)⒋竽Ｐ偷耐评砟芰D(zhuǎn)移到更小的模型上，提升它們的表現(xiàn)。

投資建議：AI大模型時代下，AI算力需求高速擴張，從而驅(qū)動AI芯片、存儲、服務器、光模塊、PCB等上游產(chǎn)業(yè)鏈半導體板塊的需求快速增長，相關(guān)標的有望長期受益。（1）云端AI芯片板塊關(guān)注寒武紀、海光信息、龍芯中科等；（2）端側(cè)AI芯片板塊關(guān)注恒玄科技、樂鑫科技、中科藍訊、晶晨股份、瑞芯微、全志科技、炬芯科技、國科微等；（3）存儲板塊關(guān)注兆易創(chuàng)新、佰維存儲、德明利、江波龍、瀾起科技、東芯股份、聚辰股份、普冉股份、北京君正等；（4）光模塊、光器件、光芯片板塊關(guān)注中際旭創(chuàng)、天孚通信、新易盛、光迅科技、源杰科技等；（5）PCB板塊關(guān)注鵬鼎控股、勝宏科技、深南電路、滬電股份、東山精密、景旺電子等；（6）服務器（含液冷）板塊關(guān)注浪潮信息、工業(yè)富聯(lián)、紫光股份、中石科技、光迅科技、川環(huán)科技、國芯科技等；（7）電源板塊關(guān)注麥格米特、光寶科技、中國長城、新雷能、歐陸通等。

風險提示：（1）AI需求不及預期風險；（2）行業(yè)競爭過度風險；（3）國際貿(mào)易政策的變化風險。