摘要：2025年5月13日格林尼治时间晚9:00，摩根士丹利研究发布长达97页的全球科技蓝皮书《中国 - 人工智能：沉睡的巨人觉醒》指出，中国正专注于人工智能如何大规模推动产业转型，并将制约转化为机遇。自上而下的策略 —— 将战略、生态系统、标准和行业特定创新与已有
编者按：
2025年5月13日格林尼治时间晚9:00，摩根士丹利研究发布长达97页的全球科技蓝皮书《中国 - 人工智能：沉睡的巨人觉醒》指出，中国正专注于人工智能如何大规模推动产业转型，并将制约转化为机遇。自上而下的策略 —— 将战略、生态系统、标准和行业特定创新与已有的强大基础设施相结合 —— 正在帮助释放中国人工智能的潜力。摩根士丹利推出中国人工智能 60 指数，并在报告中给出了估值情况、研究评级、目标价（见底部）。需要完整报告内容的读者请私信留言。
中国 —— 人工智能：沉睡的巨人觉醒
中国正为人工智能开辟一条不同的道路。中国在开发尖端人工智能能力时，对计算能力的硬件依赖程度要低得多，这超出了计算能力的预期。字节跳动、商汤科技以及许多新推出的开源模型为中国提供了一个不同的人工智能机会。中国的高效方法侧重于开发资本密集度较低 / 高性能的人工智能模型，并且更关注投资人工智能能力的回报路径。中国更专注于将人工智能推向市场，影响整个生态系统并影响人工智能标准。无论这是一次性成就还是未来趋势的标志，它都在重塑我们对中国人工智能发展的认知。
前进之路。受美国限制措施的影响，中国避免使用昂贵的计算资源，注重效率。美国的限制促使中国企业专注于开发更高效、成本更低的人工智能技术，认识到这将使中国在高性能人工智能计算方面与其他国家并驾齐驱。人工智能的价值将来自节省成本带来的收入，在其他情况下，将通过提高效率和生产力来创造价值。一个更具竞争力的人工智能生态系统很可能促使竞争对手（如字节跳动、商汤科技等）降低其模型的使用价格，并将人工智能融入其业务运营中。
坚实基础。中国一直在有条不紊地执行一项长期战略，以建立国内人工智能能力。其在人工智能领域的未来得到了强大生态系统的支持，该生态系统涵盖基础设施、数据、人才和创新。政府支持、对先进技术的投资、丰富的人才资源以及对人工智能应用的关注，为中国的人工智能奠定了坚实的基础。其对人工智能的监管方法是在促进创新与通过整个人工智能价值链分配责任来确保和控制风险之间取得平衡，并培育强大的开源社区。
投资启示。伟大的公司往往在这样的时期诞生，虽然现在全面评估还为时过早，但我们推出了摩根士丹利的中国人工智能 60 指数，以确定在人工智能采用方面处于领先地位的公司，并评估创新、投资、数据可用性及其在人工智能应用层的成功情况，从而观察中国能否继续努力将人工智能引入市场并实现行业转型。拥有专有数据的公司可以获得巨大回报，尤其是那些能够提供每秒交易服务的公司，回报会格外丰厚，而这些公司将成为未来的佼佼者。
中国 AI 60企业名单
中国AI故事数据图表：
用数字讲述中国人工智能故事6.7 万亿元人民币
：我们估计，假设通用人工智能渗透率与国际货币基金组织对新兴市场的预测一致，人工智能可创造 6.7 万亿元人民币的劳动力等效价值，相当于 2024 年中国名义 GDP 的 4.7%。
52%
：我们预计中国人工智能投资将在 2028 年达到收支平衡，到 2030 年左右实现 52% 的利润率。
60
：本报告确定了 60 个关键受益方（赋能者 / 平台 / 采用者）。
2.4 万亿美元
：60 个关键受益方的总市值。
1 万亿元人民币
：到 2030 年中国核心人工智能行业的市场规模。
10 万亿元人民币
：中国人工智能相关产业的规模。
20% 复合年增长率
：中国数据中心市场 2024 - 2027 年的复合年增长率。
2.9%
：数据中心耗电量将从 2024 年占总电量的 1.8% 迅速增加到 2027 年的 2.9%。
82%
：我们估计中国 GPU 自给率 2024 年为 34%，预计 2027 年达到 82%。
47%
：世界顶尖人工智能研究人员中有 47% 现在在中国。
50% 以上
：超过 50% 的人工智能专利由中国持有。
50 套
：到 2026 年中国将制定 50 套人工智能标准。
20 项
：我们预计中国可能参与制定 20 项国际人工智能标准。
4300 家
：截至 2024 年，共有 4300 家公司在中国建立了动态的人工智能生态系统。
2030 年
：中国目标是到 2030 年实现人工智能完全自主。
2017 年
：中国的人工智能战略始于 2017 年，旨在巩固其在全球竞争中的领导地位，同时在严格的监管监督下平衡创新。
中国的人工智能 —— 巨龙觉醒
中国的长期战略是成为全球人工智能技术领导者之一。DeepSeek-Ri 开源大语言模型提供了强大且经济高效的人工智能解决方案，它是近期的关键催化剂。但中国是自上而下驱动的生态系统，在人才、创新、数据和基础设施方面培育了有利于人工智能发展的环境。在本报告中，我们审视了中国当前的人工智能发展状况，并展望 2030 年及以后的情况。我们将探讨为什么中国在人工智能领域的发展路径与美国不同。我们还会研究中国如何以比预期快得多的速度将投资转化为实际生活应用。我们深入探究哪些行业领域和企业将最快看到人工智能带来的益处和实现盈利。中国超算公司加速投资，加上数据中心增长和基础设施建设，也将助力国内生产总值提升。我们还会考虑美国关税的影响，以及中国在无法获取最先进技术的情况下如何继续发展。
用人工智能重塑中国格局
中国正从传统制造业领域向数字领域拓展，关键的人工智能基础设施占据核心地位。尽管存在美国的限制，中国仍展现出了出色的人工智能能力，硬件供应不足的情况也超出了对计算能力需求的预期。政府支持、平衡的监管方法、对先进技术的投资以及国有能源公司的作用，让我们相信人工智能将推动中国的发展。
通过人工智能产品产生的收入，而在其他情况下，它将通过提高效率和生产力来节省成本。字节跳动已经与 DeepSeek 合作，促使公司降低其模型和相关人工智能业务的使用价格。
经济影响 —— 这对中国的发展意味着什么？
我们认为，人工智能革命将通过解决关键结构性障碍，推动中国的长期潜在经济增长，释放经济增长动力，刺激经济增长。短期驱动因素可能来自人工智能应用的热潮，尽管其对国内生产总值增长的推动作用可能较为温和（每年 0.2 - 0.3 个百分点 ），考虑到其初期规模相对较小。从长期来看，它将通过提高效率、优化生产流程、释放新产能、创造就业机会等方式转化为生产力提升。我们估计，到 2024 年，人工智能每年可创造相当于 6.7 万亿元人民币的劳动力价值，渗透率与国际货币基金组织对新兴市场的估计相符。
我们注意到，人工智能革命可能会产生比以往技术革命更强烈的劳动力替代效应（在技能转型期间，由于技能水平广泛、技能提升呈指数级增长、技术迭代迅速以及认知劳动深度增加）。我们认为，北京将需要加强社会保障网络，加大对人工智能相关教育和职业培训的支持力度，并加快在不易受人工智能替代影响的行业创造就业机会，如人机交互相关服务。
工智能应用的影响 —— 企业对企业（B2B）和企业对消费者（B2C）
中国的首要任务是在 “实体经济” 中应用人工智能，运用市场规则实现产品商业化，并提升制造业等传统行业的生产力。硬件限制促使中国注重工程效率、软件 / 算法优化，尤其通过大语言模型（LLMs）的商品化来开发人工智能应用。这意味着推理成本大幅降低（即使用经过训练的人工智能得出结果的成本），从而加速了人工智能在中国大众市场的应用。
具体而言，超级应用程序（在单一平台上具备高频次、多功能特性）的普及，以及新推出的原生人工智能应用程序，可能会在未来 2 - 3 年更快推动中国企业对消费者（B2C）领域对人工智能的采用。在 1 月 “DeepSeek时刻” 之后，用户对人工智能的认知度有所提高。通过将人工智能功能集成到现有的超级应用程序中，企业能够利用大量专有数据和用户参与度，同时，开源大语言模型的广泛传播将降低人工智能应用者的进入门槛。
鉴于目前已有大量企业对企业（B2B）应用产品，且企业有降低成本的需求，中国今年企业对企业领域对人工智能的大规模应用周期可能会比 2013 年公共云的应用周期更快。然而，企业的 IT 支出减少、对私有云部署的偏好，以及不成熟的软件行业，都表明 B2B 领域对人工智能的应用速度会慢于 B2C 领域。中国 B2B 人工智能应用的格局也可能比以超级应用为主导的 B2C 领域更为分散，尽管拥有专有数据的 B2B 软件公司能够为企业创造有价值的人工智能应用。
量化人工智能的影响 —— 投入资本回报率（ROIC）计算
我们预计，到 2030 年左右，中国人工智能产业的总回报将达到 8060 亿元人民币，投入资本回报率（ROIC）为 52%，投资在 2028 年左右实现收支平衡。这主要得益于来自电商消费的人工智能应用贡献 5560 亿元人民币，其次是广告领域贡献 3050 亿元人民币，本地服务领域贡献 990 亿元人民币。我们估计，到 2030 年，折旧、电力和服务器租赁等总运营成本将达到 3890 亿元人民币。
物理人工智能 —— 未来已至
当自动驾驶汽车或机器人得到部署时，大多数公司将从中获利。硬件在投资阶段主导利润，而如果成本曲线持续下降，物理人工智能的应用将层出不穷。我们预计，全球人形机器人市场规模将达到 2.55 万亿美元，年营收 1000 亿美元，到 2050 年，中国市场占比将超过 30%。在汽车领域，我们部分预计自动驾驶和自动辅助驾驶功能将得到普及。如今，主要处理器和组件制造商似乎已致力于长期投资趋势。我们预计，到 2025 年，渗透率将达到 25%，这意味着今年将有 556 万辆汽车采用先进的智能驾驶功能，车型数量也将超出预期。
数据中心的影响 —— 人工智能的不断普及需要更多电力
中国拥有世界上最大的 5G 网络和规模位居第二的数据中心产业，其背后是高效且丰富的电网，为未来部署高算力计算能力以支持大规模人工智能模型的训练提供了坚实基础。自从字节跳动去年开始在数据中心进行大量投资以来，其他互联网公司也纷纷加入，中国的超算公司现在似乎已致力于长期投资趋势。我们估计，排名前五的互联网和云服务提供商（字节跳动、阿里巴巴、腾讯、百度和快手）将在 2024 年支出约 4000 亿元人民币（约合 560 亿美元）用于云计算和人工智能相关建设。与美国前四大超算公司约 20% 的支出相比，中国资本支出同比增长 60%，而美国为 42% 。
硬件 —— 限制推动创新
美国的限制措施使得中国科技企业难以获取先进的图形处理器（GPUs）。不过，中国的大语言模型（LLM）开发企业认为，尽管无法使用先进的美国 GPU，但通过整合旧版 GPU 和国产 GPU，仍能够继续推进发展。此外，由于无法获取英伟达的高端 GPU，中国半导体企业正加快步伐，研发性能可与美国同类产品媲美的芯片，以寻找替代方案，减少对高性能 GPU 的依赖。其中一个例子是华为的 Ascend 910 芯片，该芯片无需英伟达 GPU，就能运行字节跳动的豆包模型。我们估计，到 2025 年，中国的 GPU 自给率将从 2024 年的 3% 提升至 2027 年的 8%。
多重世界影响 —— 限制和关税会产生什么影响？
2025 年 1 月，美国政府宣布了一项新的人工智能框架，旨在无差别地从规模上限制中国人工智能的发展。对此，中国在无法获取美国计算硬件的情况下，已打造出具有竞争力的基础模型。字节跳动的豆包模型表明，相关限制可能促使中国企业实现新的突破。这些限制有望加快中国企业采用更节能的 GPU，还可能让中国在廉价内存方面获得竞争优势。我们也认为，中国拥有庞大的人才库（530 万理工科毕业生）以及国内芯片和相关行业的强大生态系统，能够有效应对这些限制。与其他国家相比，中国将在科技和经济领域更具竞争力。
哪些行业将受到人工智能的重大影响？
在本报告中，我们明确了将因中国人工智能崛起而受到重大影响的行业。我们预计，到 2035 年，数据中心的用电量将占中国总发电量的近 10%，且全部使用 100% 绿色电力。随着大语言模型的普及，如豆包模型在 2024 年实现 12% 的渗透率，到 2025 年汽车行业将采用先进的自动驾驶功能，达到 556 万辆汽车，我们也将见证人形机器人元年的到来。就市场规模而言，我们预计到 2025 年中国大规模生产的人形机器人市场规模将达到 2560 亿 - 3020 亿美元，到 2050 年达到 2.084 万亿 - 9.45 万亿美元，分别实现 38% 和 37% 的年增长率。
根据我们的 “人工智能冲击” 调查，中国企业的首要目标是加速人工智能在其 77% 的首席数据官（CDO）业务中的应用，并制定在未来 12 个月内推出或计划推出首个 AI 项目的计划。（注：我们的《中国 AI 60 强》确定了各行业的主要受益方。）
我们可能在哪里出错？
美国新出台的旨在全球范围内控制人工智能发展、最终遏制中国人工智能进步的出口限制措施，可能会给人工智能发展带来阻碍。尽管中国能够在不依赖先进硬件的情况下继续开发基础模型，但这些措施会增加成本、导致计算资源受限，还可能在长期的通用人工智能发展计划中引入不确定性。
成为人工智能领导者的实力
衡量人工智能实力的常见变量包括数据可用性、算力、人才以及算法优势。虽然数据、算力和人才在全球范围内分布广泛，但算力（尤其是高端芯片）的发展因中美紧张局势而受阻，且美国在算法方面似乎拥有优势。不过，从长远来看，通过采用更高效的算法、在训练中使用开源数据、效仿 R&D 模式进行投资，以及利用云计算等替代方案，有望缩小这一差距。我们认为人工智能领域的竞争远未尘埃落定，但这需要更广泛的生态系统，包括能够在市场中开发和部署新型人工智能工具的初创企业，而这正是中国的机遇所在。
产出、规模和成果
中国正在利用其在规模、数据积累方面的既有优势，以及通过战略决心所获得的优势，来缩小与人工智能行业领导者的差距。中国在人工智能领域的顶尖科学家数量众多，国内市场庞大，计算机科学领域的论文发表数量也相当可观。中国通过结合国家规划、稳健的学术成果以及私营企业的投入，实现了快速发展。DeepSeek不太可能是国家层面的项目，它是深度求索创新战略的产物，该公司于 2023 年发布了 100 个大语言模型，2024 年更是超过 400 个。DeepSeek最初可能与许多开源大语言模型类似，但重要的是其性能与一些商业模型相当，且还有很大的提升空间。
挑战传统智慧
中国正在优化其模式，以应对数据规模较小、算力较弱等问题。依赖大量高质量数据的公司正面临挑战，而中国的低功耗芯片以及高效的算法创新也在发挥作用。中国在人工智能领域的实力不仅体现在具有竞争力的模型上，还在于其在基准测试方面的领先地位，这是对中国积极追求的国家数据战略的补充，该战略旨在创建统一且高质量的数据集，用于训练和产业战略制定。人工智能已成为中国未来增长的关键组成部分，2017 年，中国将人工智能纳入《新一代人工智能发展规划》，将其融入智能制造和其他行业，并与 “主要驱动力” 产业转型相结合。通过利用当地竞争推动技术研究，中国已确立到 2030 年成为全球人工智能领导者的目标，以释放其资源和能力，促进技术和经济进步。
全球影响
人工智能也将成为全球数字权力结构的一个考量因素。随着中国在人工智能领域不断取得进步，许多国家和企业越来越依赖中国的技术和设备，从芯片到软件皆是如此。在一些竞争激烈的领域，可能会出现国家之间的紧张关系，例如苹果和三星等全球智能手机巨头，同时也看到中国在构建多边努力以影响全球治理框架方面发挥着越来越大的作用。
摩根士丹利的中国 AI 60 强
我们列出了一份广泛的名单，涵盖了众多全球投资者关注的中国 A 股和中概股公司。我们的团队与 60 位投资组合经理合作，这些经理并非专注于特定行业的股票，而是关注人工智能，希望寻找尚未被充分发掘的投资机会，且并不局限于我们名单中的公司，他们也有自己的见解。我们会在公司变得更熟悉人工智能主题及其相关内容时，对名单进行调整或更新。
大摩中国AI60企业评级、目标价及潜在涨幅
附录：专家访谈
大摩采访了三位人工智能行业专家(如下所列)，以了解他们对 DeepSeek 对人工智能的影响、近期人工智能发展突破的看法，以及对短期和长期前景的预期。以下是我们的主要收获：
Tej Desai——Intuition Labs 创始人兼人工智能研究员
Sami Torbey——Palette Ventures LLC 创始人兼首席执行官
Adam Beberg——Mithral 创始人兼首席技术官
DeepSeek 模型最显著的突破是什么？你认为 DeepSeek 将如何影响未来的人工智能发展？
DeepSeek 论文中提到的大多数技术并非由 DeepSeek 原创，但其团队将所有好的想法汇集在一起，并实际有效地实施了它们，如检索增强生成和强化学习，这显著提高了训练和推理的成本效率(详见：《DeepSeek 如何运作?》中的技术细节)。
DeepSeek 最大的价值在于实现了人工智能的民主化，使其甚至对个人和中小企业来说都触手可及。
中国在人工智能竞争中正在缩小与美国的差距吗？未来最具挑战性的问题是什么？
我们认为，如果 DeepSeek 不是由一家中国公司发布，在当前中美地缘政治紧张的背景下，其影响力可能不如 2025 年 1 月所见，因为行业发展每天都在加速。
追赶性能总是比领先容易，因为复制意味着风险更低。
出口管制仍然是一个主要障碍，尽管中国公司可以制造足够商业化的模型，但较少的先进 GPU 和计算能力仍将限制其在基础层面的竞争力。
人工智能资本支出的下一步是什么？你认为竞争动态将在哪里发生变化？
行业专家认为，鉴于向通用人工智能(AGI)的竞赛，超算公司的短期人工智能资本支出没有风险，它们总能租用芯片。
然而，随着 DeepSeek / 其他高效开源模型为企业或个人提供更有效的利用人工智能的方式，每美元代币效率面临大幅下降。
受益者将是能够更便宜地制造代币的公司，一些行业专家认为专用集成电路(ASIC)制造商有很好的机会。
大型语言模型(LLM)应迅速商品化。由于效率提升和人工智能业务向个人转移，每天都有初创企业涌现，更多个性化数据在本地运行。
为什么我们需要这么多大语言模型？你认为我们何时能达到通用人工智能（AGI）状态？
在当前阶段，很难说一个模型能满足所有需求，但我们认为大语言模型最终将成为公用事业，就像互联网一样。
AGI 是一个模糊的术语，其定义本身存在争议。但实现 AGI 的途径可能有两种：通过数百个更小、更专业的模型，或通过一个能够处理所有任务的非常强大的基础模型。
DeepSeek 对边缘人工智能（Edge AI）意味着什么？
本质上，你需要使用在高质量数据上训练的更小模型，才能在边缘设备上有效运行。然而，另一种方法是使用数千个更小的专用模型，而不是一个单一的通用模型，类似于苹果智能正在做的事情。
智能体向边缘设备的迁移应该很快发生，因为所有硬件已经就绪，但更复杂的任务仍需要云服务。未来的部署可能是云和边缘的混合，根据任务分配路由模型。
对内存的影响是什么？
内存内容的增长与模型规模不成线性关系。推理速度不会仅仅通过增加内存而加快。
尽管如此，更快的内存仍然是必要的，因为模型内存越快，它可以并行处理的任务就越多。
哪些风险可能挑战当前的人工智能超级周期趋势？
从供应角度看，如果台积电的供应赶上，高端 GPU 成为大宗商品。
算法开发的巨大进步，不需要扩展但可以显著提高效率和节省成本。
人工智能的有效性 —— 对人工智能最大的威胁可能是它 “足够好”，你认为这已经足够，然后就不会有额外的需求了。
本文源自智通财经APP
来源：金融界一点号