（报告出品方/作者：方正证券，张初晨）

渗透率是衡量新技术发展阶段的重要指标。根据产业周期理论，产业从兴起到 衰退经历导入期、成长期、成熟期、衰退期四个阶段。对企业而言，越是在早 期进入，潜在的回报率越高，其背后的原因就在于渗透率。对应四个阶段，渗 透率提升节奏经历缓慢爬升、加速、速度放缓、以及不再提升或被取代。渗透 率拐点可能因行业而异，一般为 5-10%、40-50%、70% 。 渗透率拐点映射中期行业增速，对具体环节的估值具有重要的参考意义。1）在 导入期整体行业估值会随市场空间以及技术的颠覆性程度提升而提升。但由于 行业具体的发展模式及格局尚未定性，公司盈利模式还不清晰，偏主题投资， 市场会出现阶段性的分歧。2）成长期市场空间打开，竞争格局逐渐明朗。行业 订单及龙头企业业绩落地验证，估值消化，市场一致预期不断增强。如 TＲIZ ( Theory of Inventive Problem Solving)曲线所示，新技术所产生的利润在 这一时期快速释放，产品性能提升的斜率上升。3）成熟期行业扩容速度放缓， 企业规模效应、龙头效应更加重要。由于预期的增速放缓，市场对未来的估值 溢价被打薄。4）衰退期行业饱和，存量竞争，供给出清，估值长期低位。

1.1 人工智能软件应用总体渗透率的衡量难度较高

不同于智能手机、智能电动车等行业，智能应用行业渗透率的度量标准更多 元。智能手机、智能电动车行业由于产品化和标准化程度较高，渗透率可通过 出货量占比，或者行业协会统计的市场存量占比来较准确的刻画，但智能应用 较难找到统一的度量标准，主要由于智能软件数量繁多，定制化程度较高，下 游差异化程度大，因此较难直接计算渗透率。 当前衡量智能应用的推进情况主要依赖调查口径。由于应用具有多样性、非标 性、以及处在快速发展时期，较难从应用本身层面的数据入手，实现对总体或 某一领域渗透率的测算。当前主要依赖于市场调查机构的问卷调研来判断渗透 情况，由于主要采取“是&否”以及数字区间的形式，随着人工智能应用丰富， 通过调查口径来准确描述的难度越来越高。

调查口径的企业 AI 应用渗透率受样本容量及质量的影响。以麦肯锡 2022 年全 球 AI 发展报告为例，有效问卷数为 1492 家企业，相较于总体企业数来看，样 本容量仍较小。当前更多中小型企业参与到数智化转型的背景下，叠加幸存者 偏差等问题，调研样本的准确性可能降低。 国内企业尚有较大空间通过 AI 应用增收提效。根据麦肯锡报告，国内受访企业 AI 技术应用占比为 41%，低于全球平均的 50%，以及美国的 59%。参考欧美等经 济体，国内企业对智能化技术的应用仍有较大提升空间。同时，AI 对国内企业 降本增效的效果仍有提升空间。AI 对国内企业息税前利润（EBIT）贡献增长超 过 20%以上的比例为 7%，低于领先国家的 14%。

To C 端 AI 应用渗透率相较 To B 端衡量难度更大。To B 端 AI 应用渗透率或许 可以通过更大的样本调研来衡量，但是 To C 端，由于 C 端 AI 应用的种类更加 繁多，个性化程度大，下游使用群体数量繁多，因此，问卷调研的成本较高， 可操作性较低，样本对总体的反映可信度较弱。 因此，在跟踪人工智能产业发展阶段的过程中，需要更多维度的渗透率指标作 为依据，其中智能算力的渗透率在客观性和可追踪性上具有优势，值得重点关 注。

1.2 智算算力渗透率反映下游应用释放节奏，相较调查口径更为客观

智算算力与一般通用算力存在差别，且智算算力本身不断迭代。基础算力主要 基于 CPU 芯片提供基础通用计算。智算算力主要是指基于 GPU、FPGA、ASIC 等 AI 芯片的加速计算平台提供的算力，主要用于人工智能的训练和推理计算， FP32、FP16 和 INT8 是常用的数据格式。在对精度要求较高的模型训练中，通常 需要用到 FP32 或更高精度，在图形或者模型推理中对精度的要求相对较低，使 用 FP16 或 Int8 可以满足需求。超算算力在总体算力中占比较低，主要用于尖 端科学领域，计算主要由高性能 CPU 或协处理器提供，追求精确的数值计算。

智能算力增长与大模型的训练及应用推理需求的爆发节奏紧密相关。1）当前算 力需求主要集中在训练侧，预计至明年初，整体训练端的算力需求仍将有较好 的表现。由于国内外的通用大模型仍在不断迭代推出的过程中，在模型参数 量、智能化程度方面仍有较大的提升空间。2）随着训练侧算力增长逐渐平滑， 需要推理侧的算力需求接力。推理运算作为将人工智能模型落地终端的环节， 推理侧算力需求与下游应用需求的放量紧密相关。

人工智能行业监管法规落地，国产大模型向社会开放，爆款应用出现临近奇 点。由于对大模型伦理及安全性的评估，国产大模型较长时间处于内测阶段。 大模型采取备案制而非审核制，反映出监管对于发展国内 AI 应用的积极态度。 目前，国内有 11 家大模型陆续通过《生成式人工智能服务管理暂行办法》备 案，首批于 8 月 31 日起向全社会公众开放服务。国产大模型的全面放开，为国 内基于大模型的 To B 及 To C 端应用发展奠定基础。同时，国内 C 端消费者结 构多元，B 端落地场景丰富，数据要素价值进一步释放，且具备软件工程师红 利，因此在人工智能应用发展速度上预计不输海外。

智能算力渗透率是判断产业所处阶段的重要前导性指标。由于智算算力与传统 通用算力存在差别，AI 应用发展，智能算力建设先行。对于智算渗透率的衡量 可以基于智算服务器市场规模占比，或智能算力规模占比两个维度。存量角度 看，服务器平均使用寿命为 3-5 年，每年根据算力使用需求变化产生较明显的 更新需求。增量来看，人工智能及企业数智化转型的算力需求主要集中在智算 算力，智算算力增长速度预计将快于算力总体增速，智能算力占比将逐步提 升。

当前国内智算算力在总体算力占比约 22.8%，至 26 年复合增速 50%。根据中国 信通院报告，2022 年中国总体算力规模约为 180 EFLOPS（EFLOPS =10^18 次浮 点运算/秒），智能算力规模约为 41 EFLOPS，智能算力占比约 22.8%。2022 年全 球算力总规模达到 650 EFLOPS，其中，通用算力规模为 498EFLOPS，智能算力 规模为 142EFLOPS，智算算力占比为 21.8%。根据 IDC 的报告，2021-2026 年中 国智能算力规模年复合增长率约为 50%，通用算力年复合增长率约为 18%。因此 预计至 2026 年，智能算力规模约达 208 EFLOPS，占比约为 44%。

复盘移动互联网时代，随着 iPhone 推出，智能手机时代加速来临，国内智能手 机随后大规模增长，渗透率快速超过全球水平，至 2014 年中，国内智能手机渗 透率已达 88%。随着国内智能手机渗透率的快速爬升，应用端随后也迎来爆发增 长，国内手游渗透率从 2012Q4 的 22%快速增长至 2014Q2 的 81%。本次人工智能 浪潮中，智算渗透率与 AI 应用渗透率预计也将呈现类似的相关性。

人工智能及数字化转型支出预计保持较高增速，驱动各行业智算需求增长。社 会经济发生快速变革，数据要素化，新技术发展使得各行各业提升业务及流程 自动化，运营智能化成为可能，各行业在 AI 及数字化转型的投入预计保持较高 增速。根据世界银行 2022 年的预测，全球人工智能支出增幅约为 27%，数字化 转型支出增幅约为 18%，至 2024 年预计增速稳定。中国企业数字化转型支出预 计保持较高增长，2022 至 2026 年 CAGR 为 18.89%。

不同行业企业信息化、数字化、智能化基础及落地节奏存在差异。由于各个行 业资本结构、劳动主体、运作流程天然不同，当前各行业的信息化程度存在差 异。信息化、数字化、智能化三者不是严格线性递进发展。随着智能传感和人 工智能技术进步，企业过去想做却较难实现的，现在成为了可能。产业成网调 度、社会成网调度，这样的现实业务需求驱动新技术的更广泛应用。

对模型精度的要求，容错情况因行业而异。对模型算法的容错程度亦会导致不 同行业在智能化推动节奏上存在差异。如医疗行业，由于涉及到生命安全，各 个医疗机构在推进人工智能落地方面相对需要更长时间的观察，且主要为辅助 决策。 更多涉及供应链管理及运营策略，营销及服务研发的行业有更强的动力推动人 工智能的应用。从降本的维度看，人工智能在供应链管理方面的降本效果最明 显，有 41%的企业成本降低超过 20%，其次，AI 在企业策略或运营环节的降本效 果同样显著。从增收的角度看，AI 应用使 24%的企业在产品服务研发环节的收 入增长达到 6-10%，14%的企业在人力和供应链管理环节的收入增长超过 10%。 综合以上：1）制造、服务、零售行业预计有更强的内生诉求来采用 AI 实现降 本增效，提升的空间更大；2）金融、政府、教育行业由于总体信息化建设程度 较高，因此在智能化的推进上也具有天然的优势。

互联网、制造、金融为当前算力水平较高的行业。根据清华产研院的报告，统 计范围内的行业在 2022-2023 年相较前一年有较明显的计算力水平提升。制造 行业算力水平由原来的第三位上升至第二位，政府、教育、医疗行业的算力水 平增长较明显。

2.1 互联网：数智化水平领先，头部厂商提供算力及模型底座

互联网具有天然的用户连接优势，数字化程度亦较为领先。互联网作为连接经 济社会和人、物、信息等资源的重要载体，天然具有较广的用户基础，互联网 用户行为高度数字化，强调迅速的迭代与升级的特点。互联网作为云原生先导 行业，对利用云计算、容器化、自动化等技术来快速搭建、部署和扩展系统的能力要求高，因此，互联网企业在算力储备以及企业数智化能力方面相较其他 行业更为领先。

除满足自身算力需求外，亦为其他行业提供算力支持。互联网行业的算力需求 主要来自于：1）云计算：即为客户提供计算资源，包括数据中心、服务器、存 储等。根据 Canalys ，2022 年中国云服务投入，阿里、腾讯、百度合计占据约 61%。阿里云当前占据国内公有云市场份额约 25%，腾讯云占据约 10%。2）人工 智能：应用较多领域包括推荐系统、语音识别、自然语言处理、图像识别等， 大模型的训练及推理带来算力需求的最大增量。3）视频及游戏：包括视频编 码、解码、图形渲染、物理模拟等。4）数据处理及隐私保护：互联网行业积累 了大量的用户数据和行为数据，需要通过强大的算力来进行处理和分析，同时 需要算力对数据进行加密、解密、隐私保护等工作。