以下文章起源于北大纵横 ,作者宏观钻研院——刘钊

https://mp.weixin.qq.com/s/YGFSPQ3pWwJrYqzdO-JY4g


主题提要(Executive Summary)

赛路性命周期与宏观占位

通用人为智能(AGI)赛路当前正处于从“技术驱动的底层基础设施建设”向“以智能体(Agent)为主题的贸易化利用变现”逾越的非陆续性汗青拐点  。在国度宏观经济政策与新质出产力布局的战术视野中 ,AGI不再仅仅是信息技术的延长 ,而是以算力和算法为主题新动能 ,实现对传统脑力劳动进行创造性代替的全新出产身分  。作为“三新”经济(新产业、新业态、新贸易模式)的主题引擎 ,通用人为智能正沉构全球数字经济与实体产业的底层逻辑 ,其战术职位等同于工业革命时期的电力网络与内燃机系统 ,是决定国度产业持久全球竞争力的定海神针  。

主题贸易论点

通用人为智能领域当前蕴含的最大市场机遇 ,在于软件可触达市�  。�TAM)与传统劳动力预算市场的深度融合与沉构  。AGI的贸易性质在发生结构性跃迁 ,从“提供提升效能的软件工具(SaaS)”彻底转向“直接交付最终业务了局的软件即服务(SaS ,Service-as-Software)”  。通过多智能体协同(Agent Swarms)技术直接管受复杂的企业级工作流 ,客单价有望从传统SaaS的按席位计费模式实现指数级跃升 ,从而开释出极为重大的增量利润池  。然而 ,该赛路同样埋伏着最为致命的系统性风险 ,即能源与算力基础设施的物理天花板 ,以及由于盲目扩张导致的单元经济模型(Unit Economics)的规模不经济  。随着大模型参数量和高频推理需要的爆炸式增长 ,高昂的改观推算成本正导致传统软件行业高达百分之八十的毛利率系统面对崩溃  。若是企业无法在业务扩大中跑通基于“贡献边际(Contribution Margin)”的健康盈利模型 ,必将陷入营收规模越大、现金流吃亏越严沉的结构性陷阱  。

决策者建议

第一 ,沉构定价战术与贸易交付模式 ,实现与客户业务的深度解绑与再链接  。企业必须摒弃单纯的“按软件座席(Per-seat)”或单纯的“按底层API挪用量”收费模式 ,全面转向“按业务了局(Outcome-based)”或混合价值定价  。通过深刻垂直行业的业务流 ,与客户共担执行风险并按业务增量抽成 ,逾越纯工具属性带来的低溢价陷阱  。

第二 ,卡位“专有暗数据获取权+系统物理行动权”的双沉主题护城河  。在基础大模型通用能力日趋同质化、甚至开源模型逼近关源前沿模型能力的宏观布景下 ,利用层玩家切忌在通用大模型层面进行无效的技术内卷  。企业的主题战术资源应集中于获取特定行业的独家关环数据 ,并深刻企业客户内部的“纪录系统(Systems of Record)” ,融入客户的主题业务流 ,从而成立起竞争敌手难以逾越的客户转换成本  。

第一部门:宏观环境与产业链全景图

PESTLE宏观环境深度推演

对通用人为智能这一赛路的宏观环境推演 ,必须超过通例的产业周期颠簸 ,深刻探索底层出产身分在分歧维度上的结构性变迁  。以下宏观变量的交错作用 ,正深刻决定着该赛路的发作节点与潜在阻滞  。

政治成分(Political) 大国博弈布景下的“主权AI(Sovereign AI)」亟略 ,是推动全球通用人为智能赛路加快割裂与独立发展的主题政治驱动力  。列国当局已深刻意识到 ,底层大模型不仅是贸易工具 ,更是国度信息安全与意识状态的底层基础设施  。中国正通过壮大的新型基础设施建设政策 ,加快自主可控的AI生态布局  。出格是中国企业主导的开源战术 ,已经成为突破技术关闭、实现得救的关键反馈循环  。通过盛开模型权沉和宽泛的学术及贸易尝试 ,开源生态突破了单一科技巨头的数据孤岛 ,促使技术创新形成共享的公共底座  。这种政策导向与技术演进的共振 ,不仅加快了本土基础模型的迭代速度 ,也使得国内AI生态逐步脱离对西方底层架构的绝对依赖 ,成为推动赛路本土化发作的最强政治催化剂  。

经济成分(Economic) 全球人丁结构的不成逆老龄化与结构性劳动力欠缺 ,组成了通用人为智能发作的最强劲经济催化剂  。随着五代人同堂的职场结构演变、诞生率的持续降落以及各行业对专业技术需要的急剧上升 ,系统性的劳动力欠缺已成为常态  。以医疗行业为例 ,预计到2030年 ,全球将面对高达一千一百万的医疗工作者缺口 ,很多高精尖医疗设备因不足操作人员而闲置  。在此宏观经济布景下 ,通用人为智能的贸易定位发生了底子性转移 ,它不再仅仅是企业在“IT基础设施预算”中的备选项 ,而是直接切入了体量重大得多的“企业薪酬与人力资源预算”  。这种经济身分钟装脑力劳动”初次被机械规�;娴南质� ,彻底颠覆了企业本钱开支的投资回报率(ROI)测算范式 ,使得AI投资成为维持经济增长和企业运行的刚性需要  。

社会成分(Social) 劳动力技术的断层与人机合作模式的沉构 ,既是赛路全面遍及的社会性故障 ,同时也是细分领域(如教育培训与智能辅助)的巨大机缘  。世界经济论坛的宏观预测批注 ,到2030年 ,雇主预计百分之三十九的主题技术将发生底子性扭转 ,结构性劳动力市场转型将导致相当于当前总量百分之二十二的工作岗位被沉构 ,同时创造出大量对矫捷性、分析能力和系统架构能力要求极高的新兴岗位  。这种急剧的社会变迁不成预防线引发了宽泛的抵触感情与对AI代替白领阶级的集体焦虑  。因而 ,企业在造订市场进入(GTM)战术时 ,必须在社会语境下强调“人机协同(Human-AI Collaboration)”而非冷酷的“直接代替”  �;庾橹诓康哪Σ脸杀� ,疏导社会安稳过渡 ,将是决定AI贸易化落地深度的沉要社会变量  。

技术成分(Technological) 底层算法架构的非陆续性创新与算力效能的持续优化 ,是引爆通用人为智能贸易潜能的主题技术催化剂  。Transformer架构的持续演进、混合专家模型(MoE)的大规模遍及 ,以及多智能体协同(Agent Swarms)技术的成熟 ,正以摩尔定律级此外速度提升模型的智商(IQ)与执行力  。出格是开源权沉模型在复杂数学推理和全栈软件工程能力上 ,已经逼近甚至在部门特定工作中超过了关源前沿模型 ,这极大降低了利用层的创新门槛与开发成本  。然而 ,技术演进的潜在故障同样严格 ,首当其冲的就是模型训练面对的“数据墙”困境 ,即高质量人类标注语料的即将枯竭  。此表 ,大模型在极端长尾场景中的幻觉(Hallucination)问题 ,在对容错率要求极低的高价值贸易场景(如金融买卖、自动驾驶、医疗诊断)中 ,依然是故障技术全面收受业务的致命软肋  。

司法成分(Legal) 合规监管颗粒度的急剧收紧与全球化治理规定的碎片化 ,在沉塑行业洗牌的主题准入门槛  。2025年以来 ,中国在AI全球治理与国内监管方面接连出台了多项沉量级政策 ,蕴含《全球AI治理行动打算》、《人为智能技术伦理治理行政法子(草案)》以及《AI天生合成内容标识法子》  。这些详尽的律例对AI训练数据的合法溯源、天生内容的显性标识(水印技术)以及算法底层的价值观对齐 ,提出了拥有强造性的量化尺度  。司法环境的日趋严格 ,使得合规资质成为大型B端客户、央国企选择供给商的“一票否决”关键项  。这种极高的司法合规成本 ,客观上抬高了新玩家的准入壁垒 ,促使市场份额进一步向具备完善治理系统和当局信赖背书的头部企业集中  。

环境成分(Environmental) 能源亏损(出格是电力与水资源)已成为通用人为智能赛路在物理世界中最难以逾越的“阿喀琉斯之踵” ,是造约产业无序扩张的主题物理故障  。通用大模型的训练和高频推理拥有极高的能量密集度 ,典型的AI数据中心耗电量甚至等同于十万户家庭的总和  。凭据国际能源署(IEA)的数据 ,2024年全球数据中心耗电量已达到四百一十五太瓦时(TWh) ,占全球电力亏损的百分之一点五 ,预计到2030年将翻倍至九百四十五太瓦时 ,其中中国和美国是能耗增长的绝对主力  。更为严格的是 ,全球约百分之二十的规划数据中心项目正面对电网衔接延长的巨大风险 ,部门地域的电网基础设施已无法承载如此集中的负荷抽拉  。因而 ,在未来的竞争格局中 ,谁能把握绿色可再生能源的持久调度权(如核能、光伏并网)、把握先进的液冷散热技术 ,以及研发出极低功耗的推理端芯片 ,谁就真正掌控了通用人为智能规�;桃路┤莸男悦�  。

产业链图谱解构与利润池迁徙逻辑

通用人为智能产业链在经历一场深刻的价值沉构 ,其整体状态已从传统的金字塔结构演变为极其清澈的“沙漏型(Hourglass)”价值散布 ,即价值向基础设施底座和顶层利用场景两端高度集中 ,而中央层的基础模型与节造网络则面对巨大的成本挤压与商品化挑战  。

1. 上游:基础设施与主题出产身分(算力芯片、能源基建、高质量数据) 该环节出现出极端的沉资产、高技术壁垒与强寡头垄断特点  。上游的主题由GPU/NPU先进算力芯片造作、超大规模智算集群建设 ,以及支持这些设施的高压电网和液冷系统组成  。2026年 ,全球头部十四家数据中心运营商的本钱开支(Capex)逼近七千五百亿美元 ,全球在建数据中心IT容量超过二十三吉瓦(GW)  。 价值散布与卡脖子环节:上游毫无疑难夺取了当前产业链中最确定、最丰富的硬件级利润池  。当前的“绝对卡脖子”环节齐全锁定于此:第一是绕过地缘政治关闭获取前沿算力芯片或高端国产代替芯片的能力;第二是获取超大功率算力集群所需的新能源配给额杜纂并网许可  。此表 ,独家、干净、未受传染的行业专罕见据集(Domain-specific Data) ,正成为隐性但同样致命的新型卡脖子身分  。

2. 中游:基础大模型研发与模型即服务(MaaS) 中游由投入巨资研发千亿甚至万亿参数规模大模型的科技巨头和顶尖草创尝试室组成  。该环节出现出技术极端密集、同质化内卷严沉、且稳重盈利模式尚未齐全确立的焦灼状态  。价值散布特点:中游目前是整个赛路最大的“资金亏损池” ,而非“利润池”  。随着开源大模型技术(如中国大模型生态)的强势崛起 ,基础底层模型的推理能力在急剧被商品化(Commoditization)  �;〈笏祷澳P偷目⒛芰Σ辉儆涤芯韵∪毙� ,导致API挪用用度的价值战愈演愈烈  。除了少数几家可能凭借极致的高低文长度、复杂的工程化调优维持关源溢价的寡头表 ,大无数中游玩家正面对重大的研发算力折旧成本无法通过微薄的API挪用费摊销的财政困境  。其战术价值正被迫从“直接夺取利润”向“抢夺底层生态界说权与尺度造订权”疾苦转移  。

3. 下游:利用场景、AI智能体(Agent)与垂直贸易关环 下游生态百花齐放 ,涵盖了从面向C端的智能副手、幼我数字分身 ,到面向B端深度嵌入企业ERP/CRM系统的全自动化业务执行智能体  。 利润池地点:未来五年 ,产业链内最为丰富且具备可持续复利的“最大利润池”将无可争议地向下游深刻业务流的利用层转移  。当下游利用从仅仅提供文本天生的“副驾驶(Copilot)”跃升为可能独立实现端到端工作的“自动驾驶(Autopilot/Agent)”时 ,它们将内容性地代替企业中极为昂贵的人力劳动(如低级法式员、法务审核员、客户成功专员)  。谁能节造客户最主题的工作流(Workflow)、把握终端用户的交互界面(UI)与行为习惯 ,并提供清澈可怀抱的业务增量(如转化率提升、响应功夫缩短) ,谁就能捕获产业链条中最具弹性的贸易渣滓价值  。