洞察：未来五年最大的机会依然是AI，AI是跨时代级的产业革命，围绕AI的参与机会会非常多，是每个人，每个企业必须参与的机会。

洞察一、根据钱学森“四种革命理论”，现在进入智能产业阶段，进入应用发展阶段

钱学森在1984年提出“四种革命理论”，任何新科技都遵从“科学革命-技术革命-产业革命-社会革命”四个发展阶段，上游革命积累到一定数值便会促进下游革命的发生，下游革命为上游革命的发展扫除障碍、准备环境条件。

人工智能也不例外，按照“智能科学-智能技术-智能产业-智能社会”健康有序发展，20世纪中叶开始的神经网络、自动机、并行计算等科研成果，在2010年代孕育出深度神经网络，AlexNet、Transformer、世界模型、通用GPU芯片，进而推动智慧城市、视频互联网（直播&短视频）、Robotaxi车队、大语言模型个人助手、AIGC创作工具等商业模式与经济形态。

按照“科学革命-技术革命-产业革命-社会革命”四个发展阶段，现在人工智能发展进入产业革命阶段，未来五年人工智能开始赋能千行万业的智能化转型。

洞察二、国际投行分析，目前是上半场的最后五年，从目前到2030年

基于世界经济论坛、世界银行、高盛、普华永道等经济数据分析，我们认为人工智能分步推动智能经济可持续落地，分为上下两个半场：

1. 上半场：当前如火如荼的AIGC只是“开胃菜”，创造了全球1%左右的GDP，而3年后AI效率工具将带来2%~3.5%的GDP产值(5.2万亿美元），而AI变革的“中场”是2030年（十五五末）实现全球14%的GDP规模（15.7万亿美元），这才是“人工智能+新质生产力”的价值体现。

2. 下半场：伴随机器人大脑与产品的规模化推广，2035年智能体与机器人经济将创造出45%的全球GDP产值（80.4万亿美元），随后持续增长；2040年，全球经济GDP的80%都由ASI超级机器智能带来。

所以，世界上最大的两个经济体（美国和中国）都在不遗余力地兴建新型能源网络、AI基础设施，大规模投入AI理论、模型框架的基础研发，同时加速科研成果的产业转化，人类经济跃迁往往来自重大科技变革。

洞察三、AIGC应用快速发展普及

AI生成视频、AI编程工具已成规模化商业模式

AI视频生成、AI辅助编程已成为智能商业应用的两大“火车头”，前者代表人类的“情绪价值”需求，后者代表人类的“效率优先”需求。

全球2025年AIGV市场规模较2024年增长翻倍，全球TOP10文生视频模型中，除Google Veo、OpenAI Sora2外均由中国企业主导，快手可灵的2025年度营收已突破 1亿美元。

行业数据显示，AI驱动的视频营销项目平均投资回报率达到1:5.7，AI视频广告、AI漫剧、AI网剧成为传统视频平台（优爱腾）、网剧平台（红果等）的热门生产模式，高端制作团队采用“虚拟拍摄+AIGV”模式，小型制作团队采用纯AIGV方式生产短视频商业作品，预计2026年，AIGV网剧单集视频制作成本将逼近人工拍摄的1/10。

IDC数据显示，2025年中国AI编程工具市场规模达24.5亿元，年增速187.3%（比AIGV更快），字节跳动Trae以41.2%份额领跑。据QYResearch预测，到2028年，中国AI编程工具市场规模将达到98.3亿元人民币，年复合增长率41.3%。在940万中国程序员中，已有29.8%（280万人）成为善于使用AI开发工具的人机协作型开发者。

人类开发者承担软件架构设计等高阶思考工作，而AI代码工具负责繁重的编程任务，正在逐步变为行业趋势。

洞察四：AI智商将在更多领域超越99%的人类，对人机协同影响深远

全球人类智商的统计平均值是100，据TrackingAI分析，2024年所有AI模型都未达到智商100，处于人类平均水平以下，而2025年新发布的模型大部分处于人类智商100-140之间，2026年，领先企业的AI模型将会超过智商140，也就是超过了99.8%的人类。

斯坦福李飞飞教授研究团队也在《2025年人工智能指数报告》中获得相关结论，2025年，AI大模型在博士水平科学问题分析、竞赛级数学、多任务语言理解超越人类水平，而早在2024年大模型就已经在图像分类、中等阅读理解、英语语言理解、视觉推理领域超越人类。所以，我们与其焦虑为什么追赶不上AI智商发展，不如思考如何在工作、生活场景中用好比自己更聪明的AI好帮手。

———————————————————

从五到十年的视角来洞察AI有哪些趋势性机会。

从洞察到趋势判断，未来的十大趋势性机会：

趋势一：市场竞争从基础模型比拼，向模型开发平台演化

一、大模型创业机会发展建议：

1、基础大模型企业需要抱大腿

需“抱大厂大腿”（如 BAT、华为、字节、京东、美团、网易、滴滴、小鹏、理想、小米、OPPO、vivo、荣耀等有业务规模的企业），通过被投资、被控股或合作解决用户与规模问题；

2、做数据标注是个人力外包的生意，大模型多标注的要求有很大提高，这块只要能有低成本人力资源，好效率的管理能力，还是可以做的。

3、为大模型企业提供数据，这个属于稀缺资源企业可以做的，类似CSDN，知乎，百科等。

中国市场上人工智能研发型创企与互联网巨头的竞争，围绕“新PaaS-MaaS-基础模型-算力”四大战役展开：

大厂：腾讯，百度，阿里，字节，华为，科大讯飞

新势力：DeepSeek、智谱、Kimi、minmax、阶跃星辰

三大运营商：移动，电信，联通

云厂商：金山云、ucloud，青云，京东云

整机厂：超聚变，新华三，联想，浪潮

1、算力竞赛：

1）算力储备，特别是先进英伟达算力的储备情况。

2）算力够买能力，资金能力，尤其英伟达先进算力的购买通道通畅能力。

3）集群运维能力，模型训练推理需要大规模集群的运维管理能力

2、基础模型竞赛：

1）大厂坚持自研是个持久战

因业务需求（如腾讯多业务需 AI 支撑）与资金实力，五到十年年内不会放弃大模型自研，小厂则可能逐步退出，“千模大战”将转向“百模大战”。最后是“十模大战”。

2）拥抱开源“开源战略”浮出水面，以通义千问、DeepSeek为领军代表的基础模型迅速缩短与国际最高水平的差距，又向全产业链、全球开发者开源，逐步构建起人工智能时代的的智慧大脑。

3）垂类大模型发展建议，选择不被通用模型替代的领域

垂类大模型存在被通用大模型颠覆的风险，需谨慎选择领域，关键在于数据获取与业务壁垒构建，确保模型有竞争优势，避免被通用模型碾压。

3、开发平台竞赛：

工欲善其事，必先利其器，公有云厂商为千行百业开发者提供了模型即服务（Model as a Service，简称MaaS）平台，堪称“Agent孵化器”，让开发者更便捷地选择不同基础模型，缩短Agent开发周期。

MaaS平台孵化应用，“零边际成本”打造智能体互联网

而智能体应用生态爆发的“土壤”则是来自云端的Model as a Service模型即服务平台，MaaS通过API提供对基础模型或定制化AI模型的访问，使开发者和企业能够在无需管理底层基础设施或从头训练模型的情况下，构建、微调、部署和管理AI应用，把模型能力标准化，让企业不必再投入千万级成本去训练模型，也不需要团队去维护推理集群、处理加速卡调度、版本迭代、对齐、评估等复杂工程，一言以蔽之，AI创新应用开发门槛大幅降低。

MaaS，模型即服务，成为算力云，算力整机厂，大模型企业，都需要提供模型服务，尤其是开源模型，必须拥抱开源。

在平台上能快速调用字节系、阿里系、华为系、腾讯系、百度系的各种AI大小模型。

4、模型训练工具链，Agent应用开发工具链

打破曾经的APP壁垒，针对用户场景需求，形成更多AI生产力工具、组合式创新产品。

目前全球头部的MaaS平台包括Google Vertex AI、AWS Bedrock、微软Azure AI、字节火山引擎、阿里云百炼、腾讯云TI-Matrix、华为云ModelArts Studio等，为广大AI应用开发者提供丰富的对话助手、智能体调用、多模态、代码框架、基础模型、AI安全防护资源支持。

《巴伦周刊》甚至将目前的MaaS类比为“2012年的云计算时刻”，即当下MaaS垂类市场正站在爆发前夜，下一代智能体互联网巨头将是最懂智能体软硬件开发的平台服务商，能够将模型、系统、工程融为一体，竭尽全力帮助开发者以最快速度、最低门槛、最丰富资源把“算力换智能”。

而MaaS商业模式，天然具有云服务“零边际成本”特征，用固定成本取代边际成本，支持的AI应用开发者越多分摊成本越低、价值越大，规模化增长的智能体网络同样具有十分可观的梅特卡夫定律价值，AI时代的万亿美元俱乐部成员就“隐藏”在其中。

5、MCP服务库

聚集各种互联网服务，企业生态服务，方便开发者调用。

以前开发网站或APP若想缩短研发周期，就复用开源程序、企业内部共享模块，现在要想敏捷开发智能体、优化垂类模型，则采用模型插件与数据资产库、应用开发工具集，事半功倍。

趋势二：应用的百花齐放，赋能千行万业

2025年是AI应用开始落地尝试年，2026年～2030年AI应用会快速普及，到2030年末，未来的新应用80%将是AI应用。

2025年AI应用元年

1）AI端边智能硬件发展，端侧模型，垂直整合。

2）AI应用软件发展，智能体应用成为软件转型的最大变数，模型训练能力成本软件企业基本功。

1、toB应用

应用的机会五花八门，应用企业百花齐放，遍地开花。

比拼的是，应用的定制能力：

基于客户的数据，构建客户的知识库；

基于客户的流程，重构客户的工作流；

基于客户的know-how来通过AI实现自动化工作流体，数字人员工智能体；

也需要基于特殊需求的模型训练，尤其小模型训练；

大模型选择能力，基于开源模型的增训能力，智能体开发平台的构建，智能体开发能力作为基本的能力栈。

1）应用案例打磨出来，开始推广

AI应用由号称我能做，到有实际案例，经过2025年一年的打磨，到了推广的前夜，2026年是AI应用推广年。

2）私有化部署需要盘活应用

客户，经过一体机私有化部署，AI CHAT的应用，既尝到了只有大模型本地部署不够，必须得有应用的教训，也看到了AI的厉害，开始思考真正的应用。

3）联合创新是落地的最佳方式

业务专家+技术专家，联创模式是落地的最优模式，想买标准化应用的念头要改一改了。

基于大模型，RAG、MCP、Agent开发框架做应用。

需先进行“新 PaaS 平台”选型，含大模型底座、训练工具链、应用开发工具链。

商业模式可采用“平台+应用定制”，适合软件/解决方案集成企业转型。

2. 应用开发要点：

需懂行业（选准行业、掌握行业数据与行业know-how），AI 能力可跨领域迁移（如识别、工作流处理能力，类似场景可快速复用）；

2、toC应用

垂直领域的AIGC创新，还有一些陪伴类，角色扮演类，各种玩法的创新。

1）工具类

toC还是围绕贪懒色走，效率工具，情绪价值工具，颜值工具，悦己工具可以广泛尝试。AI翻译，AI算命，AI购物，AI养老，AI陪伴，AI购物，AI养老。

2）AI系统软件和基础软件的升级

AI OS，AI 浏览器，AI搜索

趋势三：AI硬件快速发展，从互联网/物联网智能硬件到AI智能硬件快速迭代

1、AI 硬件百花齐放

新一代智能硬件需具备联网与 AI 能力（感知、交互），如 AI 玩具、AI 陪伴、AI 宠物、AI 眼镜、AI 戒指、AI 手环、AI 手表、AI头显，AI头盔等。

区别于传统智能硬件（仅联网+云端控制+APP），新增 AI 感知与交互，提升体验或实现原不可行功能，是可行的创业方向。

眼镜、车、手表，手环，戒指，耳机，AI手串，AI保温杯，具身智能机器人，伴生机器人。

2、AI硬件核心变革发生在“交互”与“控制”

从2025年~2030年，伴随DeepSeek、通义千问等开源模型、多模态模型能力不断进步，大多数消费者硬件的AI含量持续提升，直到达到100%（ARK Invest报告）。

而消费级AI硬件的核心变革按重要性依次是“交互体验”、“芯片性能”、“应用丰富性”、“隐私保护”。

另外，多模态主动感知、空间决策智能体、个人AI家庭助手、听觉智能、意图计算、AI预干预服务、蜂群智能设备网、隐私安全可信终端、环境自适应AI设备，将可能成为该领域在2026年创新研发方向。

针对中国国内统一大市场，国务院《关于深入实施“人工智能+”行动的意见》中设定清晰目标，从2027年到2030年，新一代智能终端应用普及率从70%提升到90%以上，智能网联汽车、人工智能手机和电脑、智能机器人、智能家居、智能穿戴等新一代智能终端将实现“万物智联”，在软件、信息、金融、商务、法律、交通、物流、商贸等城乡全场景领域加速落地普惠智能。

2026年，我国产业场景中将涌现出L3智能驾驶汽车、跨应用手机智能体、无屏可穿戴终端、智能环境自动控制助手、初代工业智能机器人、机器狗/无人机多用途“蜂群”等新物种，令人眼前一亮。正如钱学森所说，控制决定价值，而非计算。

人工智能硬件将以手机和车为中心，建立起人，车，家生态。

趋势四：AI入口之争激烈争夺，争夺AI应用入口

互联网巨头的万亿美元平台市值来自于梅特卡夫定律——“网络的价值随其用户数量的平方增长。”过去十年是连接智能手机的APP移动互联网，未来十年是连接具身智能终端的智能体互联网。

得入口者得天下，又到了争夺入口的十字路口。

从桌面互联网时代的，三大门户网站，搜索，社交，聊天，导航，安全桌面，桌面输入法，电商入口。

到移动互联网时代的，团购，打车，共享，社交。

入口竞赛：互联网时代流量就是生命线，人工智能时代巨头们都在焦虑“入口切变”，从爆款APP转移到跨应用的个人智能体助手，“新入口”不仅能查询信息、梳理知识、推理结论，还能自动化执行复杂任务，比如出行差旅安排、比价交易等，综合服务型智能体从“只动脑子”向“动脑又动手”升级，阿里“千问”、字节“豆包”、DeepSeek成为头部玩家，甚至出现软硬一体字节AI手机的交互入口尝试。

“创新就像在黑暗中摸索，你不知道哪一步会踩空，可要是不敢迈脚，那就永远找不到新的路。”（《创新者的窘境》）

有时候，成功恰恰是失败之母，“明日之星”往往在巨头忽视的赛道上狂奔，大公司并没有无限的生命力，却有成功路径的依赖与上一代爆款产品的思维惯性。

可能是AI OS，也可能是AI APP，也可能你是AI Agent，会激励争夺，AI OS我更看好，手机+AI OS，+AI Agent。

趋势五：具身智能走向商用，人工智能产业变革提速，“机器人大脑”5年内迎来“DeepSeek时刻”

如果将具身智能机器人放入该变革路径，我们会发现核心技术“机器人大脑”的变革时刻还未到来，而在未来3年将有较大概率研发出适配各种本体的通用机器人操作系统，具有操作复杂任务的灵巧手智能、完成新任务的任务规划智能、长推理与泛化智能、群体协同工作的群体智能框架，从而开启大规模走上工厂岗位，通过大批量生产快速降低成本，提升性价比、自组织性与复杂环境适配性，当触及消费电子与生活服务价格区间时，步入千家万户。

趋势六：数据决定模型能力边界，AI从“参数竞争”到“数据竞争”

马克思在《资本论》中认为：“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。智能产业中，算法与算力组成的高并发“超级智能”大幅度代替人类昂贵低速的脑力耗费，AI通过吞噬人类数千年和今天每分每秒的多模态知识，以数据化融合的人类集体经验（大模型）取代个人经验。

按照马克思理论，谁占有生产资料，谁支配生产过程，谁赢得生产成果。

数据成为人工智能的重要生产资料，卷数据的时代已经到来，数据将成为大家争夺的稀缺资源。

2026年，数据决定模型的能力边界。如采用相同的基础数据集，全球各大AI实验室训练出来的SOTA模型能力没有本质区别。而特色数据往往能大显神通，例如Anthropic的Claude模型，在AI Coding上优势较大，而谷歌的Gemini和OpenAI GPT系列模型则在钻研数学，从而让AI赢得IMO奥林匹克数据竞赛和博士级科学题目。

当今大模型研发正在从“卷参数”迁移到“卷数据”。

第一，GenAI阶段，来自互联网的语料数据从0.1亿Token飙升到100万亿token，训练数据规模超过了100PB；

第二，智能体阶段，企业产出的场景知识数据成为核心，企业级数据管线驱动模型自我更新进化，跨任务、跨工作流、跨智能体的共享技能、共享经验成为优势，个性化终身记忆数据从10GB/s提速到1TB/s，企业为智能体提供数百PB级的持久记忆能力，且智能体需要每月有能力上的明显提升；

第三，具身智能阶段，数据成为物理世界语数字世界的生存纽带，具身机器人必须通过实时数据流能够分钟级自适应、自学习、自优化，实时感知、反馈纠错、循环往复。华为预测，到2035年，全球存储容量需求将比2025 年增长 500 倍，AI 数据占比超过 70%，数据成为每个企业乃至整个社会的“智能发动机”。

趋势七：AI快速发展，导致电力缺口巨大，电力焦虑推动电力发展机会

每一次科技革命，在创造巨大新需求的同时，都会将旧的能源体系推向极限，从而引发能源危机。而这种危机，又反过来催生新的能源革命，推动文明向前。

蒸汽革命 → 狂烧煤 → 引发煤炭需求和污染危机。

电气革命 → 需要巨量电和石油 → 引发石油危机和电力短缺。

信息革命 → 数据中心、AI耗电惊人 → 引发电网压力和清洁能源转型危机。

算力无限带来电力需求爆炸增长，带来的机会。

1）SMR机会

数据中心的电的需求，促使SMR加速验证，这个创业机会的风口已到来。

什么是SMR，SMR（小型模块化反应堆）是一种基于三代和四代核电技术的小型化核反应堆，单机组功率通常在300兆瓦以下，具备模块化设计、建造周期短（2-3年）和高安全性等优势。

其技术路径包括水冷堆、高温气冷堆等，适用于发电、供热、数据中心供电及边远地区能源供应。

SMR通过标准化生产和批量化部署，可降低核电成本，成为应对气候变化的关键清洁能源技术之一。

2）可控核聚变机会

可控核聚变被誉为“终极能源”，其目标是模仿太阳发光发热的原理，实现对核聚变反应的安全、持续控制，从而获得几乎取之不尽且清洁的能源。

目前是投入期，看到前景，看不到未来，预期实现时间2050年前后。

3）光储充的机会，水电/风电的机会巨大

当前可批量商用的清洁电就是光电和水电，水电/风电与自然环境强相关，光伏发电对自然环境要求低一些，所以当前光储充机会巨大。

4）固态电池应用元年，随着端侧算力要求变大，对电力的要求变高，能力密度制约电池的电量，半固态，固态电池未来五年会逐渐发展成主力电池。

趋势八：算力机会，后摩尔定律时代的中国AI算力变革

在工业时代，机器是人类体力与操作技能的物化生产力工具；在AI时代，模型是人类集体认知、语言与部分思维过程的超级工具，依赖充沛的能源、算力运转的机器智力数十万倍规模化放大人类智力。

1、算力需求无限，算力机会无限

1）训练算力，诸侯圈地阶段

群雄割据，后面进入寡头垄断竞争，算力市场特点是寡头垄断格局，不可能有几十上百个算力巨头公司，3年后进入淘汰赛，谁还能活得好就进入寡头竞争阶段。进入淘汰赛的选手可能包括下面这些。

（1）批量商用的企业，华为昇腾，寒武纪，海光

（2）GPU四小龙，沐曦，壁仞，燧原，摩尔线程

（3）互联网大厂自研昆仑芯，平头哥，燧原（腾讯控股）

（4）其他天数智芯，算能，励算等。

2、算力的创业机会

算力创业门槛高，可行机会：

1）推理芯片机会刚刚开始

（基于开源生态，如 DirectX、OpenGL、OpenCV，vLLM，Pytorch，生态较简单；市场细分，如玩具等场景小芯片，可从细分市场起步）；

2）训练芯片企业需“抱业务大腿”（如抱 BAT、华为、字节等有业务规模的大厂），解决规模与订单问题。

3）算力异构运营运维平台

多算力中心，多种算力卡，的统一运营和统一运维需要平台。

4）算力租赁服务撮合平台

投资算力租赁已算不过来账，帮算力企业做代运营，代运维服务是确定的机会。

5）定制芯时代，推理芯片时代到来

大量终端和边缘推理需求芯片机会到来，进而代理定制化主机机会到来。

3、下一代芯片

1）存储和存算一体

算力正在探索近存和存算一体芯片，存储芯片探索MRAM等新的存储方式。

2）华为在《智能世界2035》报告中预测——2035 年全社会的算力需求将达到惊人的 1027FLOPS，跟 2025 年相比，增长10 万倍。面对如此挑战性的算力增长目标，指引通信产业技术发展的香农定律（1948年克劳德·香农提出）在逐步放缓，牵引芯片指数级发展的摩尔定律（1965年戈登·摩尔提出）的年增速也从50%降低到5%以下，同时产业界发现冯 • 诺依曼经典架构带来的存算分离“能效瓶颈”成为阻碍，我们又站到了人类科技创新的新起点上。我国基础研发必须在材料器件、工程工艺、计算架构、计算范式4类核心领域取得颠覆性技术突破，才能换道赛车，引领“后摩尔时代”的算力革命。

3）高效处理连续变量的模拟计算、高并行性能的光计算、低功耗高质量思考的类脑计算、擅长超复杂问题的量子计算等新型范式，都将在 AI 训练、科学计算、密码破解等专用场景中实现计算能效的指数级突破，国产计算架构与国产芯片将重新定义AI算力的新边界。

趋势九：AI发展驱动算力发展，算力发展需要数据中心基础设施建设，数据中心基础设施领域发展机会

算力发展带来供电的大电压，大电流，直流电的发展。

带来能源供应的发展，也就是数据中心光储充的发展；

带来数据中心建设的增长和改造的增长；还有边缘数据中心的发展；

带来的热管理的发展，液冷发展机会爆发，

1、数据中心供电机会有如下这些：

1）光储充解决方案

2）数据中心大功率供电系统

2、热管理机会

液冷发展机会，AI驱动大电压，大电流的设备发展，进而推动热管理技术发展，算力密度大设备，能量密度大的硬件设备都需要液冷，液冷成刚需。

1）冷板式机柜

2）浸没式机柜

3）液冷液材料

3、数据中心节能

1）AI节能

2）节能改造

4、数据中心运维系统机会

1）监控管理新的上述系统能力，范围比原因运维系统范围扩大，带来很多机会。

2）走向AI自动化运维，和无人化运维的发展机会

3）数据中心AI节能，能效管理，能碳平台都需要软件系统建设。

趋势十：Scaling Law驱动AI“从猿到人”进化，AI大模型参数逼近人脑参数

生物界不同物种的智力与大脑突触数量呈正相关性，2010-2030年人工智能模型参数量的发展也出现了指数级增长的“Scaling Law”，展现出惊人的智能提升速度。

• 2012年，AlexNet神经网络具有千万参数量，相当于果蝇的107脑突触数量级；
• 2018年，OpenAI研发的GPT初代模型拥有亿级参数量，与蜜蜂的108脑突触数量级接近；
• 2019年，GPT-2模型拥有十亿级参数量，与麻雀的109脑突触数量级一致；
• 2020年，GPT-3模型具有千亿级参数量，相当于小老鼠的1011脑突触数量级；
• 2023年，GPT-4模型横空出世，拥有万亿级参数量，与猫咪、猴子的1012脑突触数量级类似；
• 2025年，GPT-5模型逼近十万亿参数量
• 2026年的GPT-6及后续模型也在朝着百万亿参数量探索，犹如“从猿到人”的智力进化之路。

人类拥有1014-15脑突触数量，AI模型在复杂规模上逼近人类，而且从“网络拓扑效率”和“动态可塑性”都在持续提升，人脑神经元连接的丰富性、高效性都在指引模型的发展方向。