(一)

Transformer架构与大语言模型

2017年，Google发布论文《Attention-is-all-you-need》，提出Attention机制和基于此机制的Transformer架构。

Transformer架构是一种完全基于注意力机制的序列转换模型，而不依赖此前研究较多的三类架构：循环神经网络RNN（Recurrent-Neural-Network）、卷积神经网络CNN（Convolutional-Neural-Network）、长短期记忆LSTM（Long-Short-Term-Memory）。

2018-2023年期间，Transformer架构下的人工智能发展迅速，站在2024年回顾和展望，本轮人工智能AI浪潮预计还将会是Transformer架构下的大语言LLM模型主宰天下。

大语言模型，简称LLM，英文Large-Language-Model，是指使用大量文本数据训练的深度学习模型，使得该模型可以生成自然语言文本或理解语言文本的含义，进而进行类人脑判断甚至简单思考。

通过在庞大数据集上进行训练，来提供有关各种主题的深入知识和语言生产。其核心思想是：通过大规模的无监督训练学习自然语言的模式和结构，在一定程度上模拟人类的语言认知和生成过程。

从实际表现来看，大语言模型在拼写检查、语法修正、文本摘要等简单运算已进入大众日常生活；情感分析、对话生成、内容推荐等进阶应用也表现出色；由此发展的图、视频、声感知、光感知多模态应用更是打开想象空间。

(二)

Bert、T5、GPT三派别

根据目前论文整理，可将Transformer架构发展五年多历史分为三派。

GPT派模型适合做确定性判断，类似进行单项选择：

通过天量算力处理文本和小说信息，充分获得概率和学习积累，最终大模型可以选择到A选项，热属于对气温38度的一种路径解释，这种解释是指向性的。

例如AI人工智能围棋，可训练大量棋谱数据，对应找出最优路径，最终击败了李世石等人的人脑围棋。

Bert派该模型适合一种模糊推理，类似进行完形填空：

大模型做完形填空问题也需要庞大算力，但通过推理前后关系，大模型会将结果确定在B、C两项上。气温很低和气温很高没有指向特定的15度还是38度，穿厚点穿薄点也没有指向穿1件衣服还是2件衣服或是3、4、5件衣服，重在解释逻辑关系。

此种逻辑在文字输入形成图片过程中广泛涉及，例如要求AI画一个有角的动物，Bert派逻辑会推理为一只牛或羊，而不是一只大象和狗。

这个分支暂时没有出现很多爆款应用，暂无过多讨论。

(三)

大语言模型树状图

三派的发展路径中各自有重磅模型，形成树状图：

图1：三派别发展中的重要模型

可以看到，早期发展bert派较优，中期三派互有胜负。但2023年以来AI大爆发，主要是基于OPENAI公司的重磅ChatGPT大语言模型推出，仅解码器模型GPT派经历了显著繁荣。

2023年早期，仅从文字角度解释为大语言AI模型，后续添加图像、视频、音频、光感等多模态信息，联合起来进行训练称为多模态AI模型，但底层架构均隶属于Transformer架构-LLM大语言模型-GPT派。

(四)

Deepseek横空出示

国内量化巨头幻方梁文峰，主导的DEEPSEEK大模型横空出世，以较低的算力显卡和较少的训练时间，实现了综合能力上不输ChatGPT大模型。从社会各界的使用感受看，deepseek的逻辑思考链路能力明显比其他模型具有优势。

由于deepseek模型为纯国产且并且开源，使得无论是云端部署还是本地化部署，费用得以大幅下降，一些高校已经陆续接入实验室，互联网巨头、运营商、银行政务等行业也进行端口接入，后续AI应用可能将快速演进至大众生活，由此引出的资本市场行业性机会值得充分挖掘。

(一)

代替简单劳动

智能手机时代以来，通信网络经历了以文字-图片-视频为代表的2G-3G-4G时代，充分替代了一些简单人工智力和简单机械劳动，AI大模型基本也遵循这一规律。

以画图为例，相较于设计师和画图员，AI进步已经将绘画这一能力进行平权：每一个普通人都有了绘画能力，通过文字描述就可以AI画出一个不错的作品，例如海报、logo、漫画、表情包等。

对一些设计公司、游戏公司、漫画公司大量进行替代，相关对绘图师劳动力的裁员负担加重。

(二)

创意与辅助决策

但当所有人都能用AI进行画图的时候，想法和创意显得更加重要，因为他们不仅能用AI辅助，依靠自身审美底蕴，可以描述出更优秀的视觉构图。这是AI无法替代的部分：“这个世界永远不缺画图的工具，更需要的是用思考者、创造者、解决者去提供思路创意”。

例如，大模型解决视觉问题过程中，将图像分割成多个小块（Patches），可以将图像数据转换为序列数据，然后利用Transformer架构进行处理。在一个包含10个类别（如猫、狗、汽车等）的图像分类任务中，Transformer架构的模型可以根据图像小块序列来判断图像属于哪个类别。也就是说，AI可以很好的代替人做简单判断。

图片选择式验证码代替了人类脑力劳动，但AI大模型很难去创造一种新的验证码确认方式。因此，该逻辑下，AI和人脑劳动是共存的，更多偏向帮助人脑进行辅助决策。

(三)

Open-AI公司的盈利预期

ChatGPT无疑是全球大模型龙头，无论是下载量、使用量、付费量方面，但母公司OPEN-AI至今也很难找到很好的商业化应用，收入来源仍以C端订阅用户为主。

图2：OPEN-AI的付费预期

2024年，按照C端基础版ChatGPT的每月订阅费用为20美元计算，订阅数在2024年9月突破1100万，月收入贡献为2.2亿美金，则未来一年理论贡献额在26.4亿美金。

图：ChatGPT的订阅收费等级

机构预计OPEN-AI公司2024全年收入为37亿-41亿美元，亏损在50亿美元以上。根据分析师测算，若订阅量增长至1500万，价格需要上升至40-44美元，即月收入6亿美金，方可实现收入平衡，但预计研发支出还会不断增加，显然只是刻舟求剑。

考虑到订阅人数增速已经乏力，未来必须找到新的B端收入来源。因此，北美科技巨头2025-2026年的资本支出持续性存疑，上游算力产业链的业绩成长性压力，已经部分反映到了英伟达的股价表现上。

图3：英伟达收入增速预期

(四)

国内大模型盈利预期

2023年，全球一级市场在AI领域的投资金额达到了224亿美元，超过了过去十年加起来的总和。224亿美元中有超过66%的钱又投向算力基础设施，约20%投向生成式AI模型企业，AI应用投资占比不到15%。

国际上的众多科技企业纷纷追随OPEN-AI脚步，纷纷构建LLM大语言模型。尽管在文本处理和生成上表现优异，但大模型的产品形态同质化严重，难以发掘用户潜在需求，无法足够的用户粘性，且用户付费意愿不足。

图4-5：下载和访问排名前列的大模型

国内情况与国际类似，腾讯等互联网龙头纷纷入局，各大企业均有大模型，但在访问量、使用量、算法、硬件供给等均不达标的背景下，很难与OPEN-AI公司龙头应用ChatGPT进行竞争，何况OPEN-AI公司本身还未盈利。

内部竞争更是残酷，例如福昕软件一直从事于PDF的研究，但自从有了大模型，多数企业已经对其形成替代，且国内已经习惯了免费模式，福昕软件的付费模式前景十分堪忧。

同时，先进AI芯片封锁对我国将持续，无论是基础设施算力极限，还是从架构算法方面的科技前沿，中美差距只会越拉越大。国内与ChatGPT为竞争关系的大模型品类，除过新发布的Deepseek，很难找到盈利扭转点。

因此，依靠大模型本身收费的路径是很难行通的，必须要在下游细分行业上寻求行业高增速突破，即寄希望于某个企业下属团队在推理、架构方面进行创新，寻求AI应用上的出路。

图6：Deepseek快速上榜

(一)

广告软件赋能

2024年Q3以来，美股软件行业率先有变化，多家公司在AI应用类收入呈现较快增长，取代了硬件一家独大的局面。

图7：美股AI优势涨幅公司（截止202411）

从涨幅来看，广告精准营销方面的AppLovin-$APP公司，年涨幅在7-8倍左右。2023Q3，软件平台部门的收入达到了8.35亿美元，同比增长66%，主要是AI提升效率驱动广告主增加投放。

Applovin原本为一家云服务公司，后从事移动游戏端开发，也在流媒体时代进行广告推广，曾有7个业务分部，但目前影响AI收入的有3个。

从业务流程看，Axon2.0条件下的微秒级人工智能广告技术软件是核心因素。以游戏推广业务为例：

A、一款射击类CS枪战游戏需要宣传，计划出资向游戏平台投放广告，目标群体假设为在各大社交游戏平台（微信抖音微博等）实时搜索“枪械”、“战争”等词汇的用户；

B、各大社交游戏平台存在软件广告空位，具备广告推送条件，则Axon2.0能够在几微秒内完成大规模的广告的分析、撮合、最终投放；

C、衡量广告投放精准度的最终路径是有多少用户通过广告进而下载游戏游玩，数据分析显然比人的感觉更客观；

Applovin增加了广告投放的精准度，对于射击类CS枪战游戏开发商来说，搜索“枪械”、“战争”等词汇的用户，显然比家庭主妇搜索“柴米油盐”更适合作为目标群体；

Applovin能以最快速度将广告投放商带到广告位上，对于微信和抖音等平台方来说实现广告位收入最大化；

AppLovin公司本身，实现收入增加，鉴于互联网时代极大的用户粘性，以Applovin自身全球14亿用户体量，自然形成良性循环。随着公司构建全面的产品生态系统、形成完整的商业闭环(用户获取→广告变现→效果衡量)，大量App数据用于训练和优化广告AI算法，使广告匹配效率高于竞争对手。

(二)

AppLovin观感

AppLovin商业模式的成功，依赖于平台开发者和广告主的双向选择，形成早期规模效应，从观感上来说，没有形成对人的彻底性取代，而是属于中介角色的AI精细化赋能，便利双方决策层的理性客观决策。

从Applovin的成功探究，其AI-Axon2.0平台本质上是对数据精准化的快速处理，游戏广告投放能够快速响应，那么电影院AI是否能够精准推送喜欢的电影类型、影视类AI能否精准推送电视剧，做到推而广之。

进而分析美股Palantir-$PLTR和Innodata-$INOD公司，两家公司在2024年涨幅位列软件类行业的第二和第三，其业务领域均为数据分析领域相关。

则是否可说明：通过AI进行数据分析-做出客观匹配-提供解决方案的数据分析类公司能否最先收益，实现AI应用端的利润先导？

(三)

统计类软件

Palantir公司，成立于2003年，旨在帮助组织有效地整合其数据、决策和运营。最初为911事件后美国情报界软件开发公司，用以协助反恐调查和行动。后来该公司开始与商业企业合作，发现这些企业在处理数据时面临着类似的挑战。

Innodata公司则是一家领先的数据工程公司，成立于1993年，其使命是帮助世界上最负盛名的公司实现初期数据准备。2018年，公司推出了一套针对特定数据的微服务，用于为AI应用程序开发的前期准备数据，后来美股科技七巨头中的五家采用了这项服务。

一般经验而言，在开发新的人工智能应用程序时，大公司通常将80%的时间花在准备数据上，而只有20%的时间花在实际训练人工智能算法上。Innodata公司为80%将时间缩短，提高效率。

以上，软件类涨幅排名第二和第三的美股上市公司，大方向上进一步证实AI数据统计分析行业的重要性，暗示商业活动中用户对于分析海量数据进行实时决策的需求，已成功转化为利润和订单。

(四)

B端C端应用的未来趋势

目前来看，北美AI应用软件正朝着两个主要方向发展：一是生成式AI应用，如ChatGPT、Sora、Claude等；二是AI代理，它们能自主执行复杂任务，如赛富时的Agent-force和微软Dynamics365中的AI-Agent。

当前AI应用主要集中于B端和G端领域，其中广告、AI代理和数据分析方向发展领先。

短期来看，B端AI应用更容易在短期兑现业绩，对于企业而言采用AI产品本质是一道计算题，AI带来的长期回报大于购买成本，则购买意愿就大；

长期而言，C端弹性更大，一旦爆发则长期空间和弹性都更大，因此，可能需要继续埋伏AI视频、陪伴、游戏、搜索等方向的发展；

针对AI应用，华尔街投资机构多看好软件股，AI受益的三大发展阶段大致可为：

算力GPU是生产工具，数据是原材料，既然AI模型需要数据基础进行训练，则云服务厂商存储的大量数据权利将率先收益。后续从B端G端向C端普及，则关注焦点可能转向那些从AI发展中受益的第二梯队企业，集中于工业领域，最后集中于个人消费领域。

图8：美股泛软件涨幅情况

从美股泛软件板块看，剩余细分多与云服务、网络安全关系密切，掌握有大量的原始数据、实时数据、初级加工数据，客户购买AI服务用于指导、辅助、替代人的决策。

原本在2023年AI爆发早期，市场更多认为一定要以某种硬件产品，例如AI手机、AI个人计算机进行人工智能程序承载，带给硬件端翻天覆地的变化，后续走向与此前预计相对而言是错位较大的。

(一)

AI电脑手机等折戟

智能手机市场已经进入存量规模运行，2024年全球年销量基本固定在5亿部左右，国际上苹果公司对AI手机暂未做出较大定义，仅透露将LLM大语言模型植入下一代IPhone，同时研发来看密集曝光适配于AI技术的M4芯片，市场预计下一代苹果销量较高，偏向消费电子果链订单增加。

国内手机市场，行业前六集中度超九成，行业呈现强者恒强格局，华为公司目前定价权过于强势，甚至有一些“吃爱国饭赚爱国钱”的评价。从各大手机厂商的表述来看，首要任务是自研手机端大模型，适配AI助手，并在拍摄、图像美化、文本创作、教育等应用场景实现较大突破。

考虑到生成式AI和图、文、视频的多模态AI需求，需要在单个SoC芯片中集成CPU、GPU、NPU等多个处理器以实现异构计算，为NPU芯片带来市场增量，同时从存储考虑，手机端的存储容量需求可能将大幅度攀升。

NPU，Neuralnetwork-Processing-Unit，中文翻译为“嵌入式神经网络处理器”，采用数据驱动并行计算的架构，特别擅长处理视频、图像类的海量多媒体数据。NPU具有两大技术特点：第一个是模拟人类神经网络的运作方式，同样擅长平行运算处理，并适当地分配芯片内的任务流，减少闲置的运算资源。相较于CPU及GPU，低功耗、高效能的NPU格外适合处理AI推论任务，包括影像辨识、自然语言处理、物件侦测等应用。

NPU国内领先的是在华为合作下取得一定进展海光信息和瑞芯微，瑞芯微在物联网方面进展最快，已经能够设计8nm芯片，过去几年已经迭代了4代NPU的IP，在国内神经网络模型方面占有重要地位。

总的而言，AI手机的概念仅是将大模型置入新一代产品，没有实现从诺基亚到苹果的智能式革新，在硬件端更多是增量。

(二)

早教和陪伴

字节跳动目前是国内互联网最头部公司，2024年资本开支达到了800亿元人民币，上一个时代传统互联网巨头BAT(百度、阿里巴巴、腾讯)支出合计约970亿元人民币。

2024年年底，字节跳动宣布2025年资本开支预计将翻倍至1600亿人民币，其中900亿元将用于AI算力卡的采购，500亿元将用于数据中心基础设施建设及配套硬件，全面加大对AI资本化开支预期，近期小米集团也跟进。

字节跳动的豆包大模型是国内的领跑者，日均达到4万亿点击量，一半C端一半B端，人均单次使用时间是唯一达到10分钟的国产大模型。（在deepseek爆发之前）

字节C端用户中，发现有相当有趣的现象：搭载豆包模型的陪伴玩具显眼包，人均使用时长3-4小时，其收入量也占到C端的50-60%。根据客户访问情况，这部分用户群体认为豆包带来的“AI低成本陪伴”和“AI低成本且健康早教”是核心因素。

图9：泛AI陪伴宠物

国外AI数据统计分析下能够做出最理性的判断，而国内AI陪伴和AI早教则是很感性的情感事务，理性需要数据，感性需要陪伴，这与上述APPlovin等公司的数据分析“理性”角色业务呈现不同方向。若美国在科技硬件上难以超越，则国内AI的最佳应用可能又会集中于“衣食住行娱乐通信”方面，即进一步拉近人的距离。

AI玩具的成功，使得字节跳动确信应进一步加大端侧AI硬件投入，近期据彭博社报道，字节收购耳机制造商Oladance，计划在端侧AI持续拓展产品门类。眼镜概念在二级市场属于老概念，继元宇宙、VR眼镜后摇身一变AI眼镜，二级市场呈现又一次热炒。

综上，AI的载体可能并不是手机、电脑、电动车智能驾驶，简单产品可能更容易触及。

图10：国内AI起步于摄像头视觉与安防

国内在AI神经网络架构下的视觉识别细分起步较早，2016年，商汤、云从、旷视、依图四家公司曾在AI视觉领域的领先地位，被誉为AI四小龙。而在摄像头安防领域海康威视体量巨大，是否可以在AI安防领域实现对破案、交通规划方面的AI性突破。

国内AI视觉四小龙后续发展一般，从目前情形看，深圳市的云天励飞公司是唯一一家拿到10亿元人民币以上合同的企业，其主要在推理芯片方面有所耕耘。

（三）

博通在ASIC方面的突破

基于Transformer架构-LLM大语言模型-GPT派的需求，美股算力军火商英伟达过去两年勇冠全球，近期博通公司在推理芯片方面可能也将有所建树，具体聚焦于ASIC。

ASIC，全称为Application-Specific-Integrated-Circuit，中文名为专用集成电路芯片，顾名思义是一种为特定目的或者算法而设计的芯片。ASIC芯片的架构并不固定，根据运算类型分为了TPU、DPU和NPU芯片，分别对应了不同的基础计算功能。

TPU即为谷歌发明的AI处理器，主要支持张量计算；

DPU则是用于数据中心内部的加速计算；

NPU则是对应了上一轮AI热潮中的CNN神经卷积算法，后来被大量SoC芯片整合进边缘设备的处理芯片中。在SOC芯片领域，国内企业众多，此前提到的瑞芯微原本从事与AI视觉四小龙相似的视觉判断领域，明显领先于其他公司。

能够用于AI算力的芯片有CPU、GPU、FPGA、ASIC四种。CPU和GPU不再介绍，FPGA、ASIC两类均属于专门设计芯片。

FPGA，英文Field-Programmable-Gate-Array，翻译为现场可编程逻辑门阵列。结构上类似积木块搭建，零部件具有一定范围内的可替代性。

而ASIC属于一体化成型，ASIC相比FPGA连接口和连接线更少，电源散热分配更加合理，因此在能耗需求上更低。随着AI大模型从单项选择阶段转向逻辑推理完形填空阶段，以ASIC为代表的推理性质专用芯片可能将弥补以GPU为代表的通用芯片缺陷。

图11：谷歌自研动机

前文提到transform架构是谷歌2017年的论文提出，而谷歌一直致力于独立开发TPU专用深度学习芯片，在英伟达GPU一统天下前，性能也远超传统CPU芯片。

理论而言，ASIC芯片门槛相对较低，考虑到推理芯片需求已经在博通的财务报告中得到验证，相关美股科技公司大模型和业务流一旦固定，则订单合作将呈现天量。根据介绍，ASIC芯片的前序设计成本较高，但伴随着后续产品的量产，单位芯片成本因规模效应会出现显著降低。

若推理ASIC芯片转为现实，博通未来会成为端侧推理芯片市场的领军者，AI手机、AI电脑、AI家电、AI工控等产品都可能需要ASIC推理芯片。博通CEO在2024年Q3的业绩发布会上，预期ASIC市场2027年达到600-900亿美金，机构预计2025年将达到300亿美金体量。（博通AI业务2024三季度营收达37亿美元，增速150%）

图12：ASIC方面的优势

ASIC的研发周期较长，特定行业各不相同，根据ASIC领域的第二梯队竞争者迈威尔科技MARVELL透露：迈威尔2000年成立以来，25年间一共设计约2100款ASIC芯片，年均一年不到100个客户。理论上，博通公司占据以往60%的市场份额，后续将强者恒强。

ASIC芯片在部署上属于端侧部署，端侧需要高速交换机和高速通信芯片。博通公司的供货产业链上，美股稳定数据传输（PCIE-Retimer）领域中的龙头公司ALAB，网络交换机领域中的Arista，近期均有领涨。

国内高速交换机华为-中兴-紫光-普联技术-锐捷网络行业格局稳定，中兴通讯和锐捷网络近期成交量激增。国内端侧芯片寒武纪争议颇多。

图13：云天励飞的ASI-P芯片

国内ASIC芯片几乎没有查询到几家公司，仅有云天励飞所谓ASIP芯片，解释为ASIC和FPGA的优点集合吸收。谷歌自研的TPU芯片从2015年以来有六代，基本为18个月更新一代，具有一定门槛，新玩家不容易进入。国外机构对2027的竞争格局预测如下：

图14：摩根士丹利预计2027年全球ASIC竞争格局

(四)

英伟达的现金创投

英伟达作为全球过去一段时间收入最高的科技企业，也是未来一段时间全球最有钱的科技企业，其在AI方面的投资影响美股行业走向。

2023年，英伟达在AI领域的投资额超越传统巨头，成为全球最大的AI风投机构，而截止2024年10月，英伟达风投所投资企业数量已是2023全年的6倍。

从2024年年中英伟达公开会议看，黄仁勋亲口说明英伟达计划90%的投资都指向医疗行业，其中在运用海量医学数据进行AI靶点化学式分解、医学影像早期AI诊断等都具有战略性意义。

图15-16：黄仁勋描述在医学方面的AI前途

美股AI医疗二级市场已有所表现，Tempus-AI公司在2024年相当抢眼。Tempus公司是一家专注于生物技术和医疗健康领域的科技公司，致力于通过在医疗保健领域实际应用人工智能(AI)来创建智能诊断，以释放精准医疗的真正力量。

Tempus平台由一个技术平台和一个操作系统组成，前者用于将医疗数据从孤岛中解放出来，后者用于将生成数据转化为有用数据，其专有技术使公司积累了被认为是全球最大的临床和分子肿瘤学数据库之一。

图17：Tempus公司今年美股IPO

自2016年推出以来，Tempus平台已积累了超过9亿份文档，涵盖超过560万份匿名患者记录，其中包括约13亿页丰富的临床文本，公司用它们来训练其大型语言模型。该数据库还包括超过100万条带有图像数据的记录、超90万条带有与基因组信息相关的匹配临床记录，以及超过22万条带有完整转录组谱的记录。

从美股Tempus公司的情况看，AI似乎在医学影像分析领域存在巨大潜力，假若能通过AI算法学习到某种疾病在图形、症状等方面的规律性，则可对患者在病情早期尽早进行确定性治疗。

本质上来说，Tempus公司图像和病历分析工作，与此前提及APPlovin等三家数据分析公司的境况相似，只不过是从二进制0-1字节转移到二进制0-1像素堆砌。

(一)

基础算力硬件

GPU英伟达统治，国内仅有部分供货零部件，如光模块、高速多层PCB等，标的已经充分挖掘，无过多可研究。

ASIC博通预计将成为2025年美股核心，国内目前仅有云天励飞688343和瑞芯微603893可参考跟踪。端侧高速交换机预期较大，考虑到中兴通讯和紫光国微市值过大，锐捷网络301165可高看一线。

SOC芯片行业集成化明显，在ASIC大浪潮中预期收益有一定预期，但国内二级市场很乱很杂。机构对恒玄科技在消费电子端的能力较为看好（主要是AI耳机、眼镜等）。

AI手机和AI个人电脑，一些机构始终认为价值量很大，预期博弈2025年消费国补20%扩大到手机领域，大股东淘宝系的翱捷科技688220，曾在小灵通时代的2G基带通信芯片大获丰收，此前已攻克4G基带芯片，同理物联网方面价值量最大的AIOT模组移远通信、广和通等也有资金关注其发展。

(二)

大厂模型与IDC行业

所有的大模型公司都属于Transformer架构，全球所有的公司都力求超过OPENAI公司的ChatGPT，但ChatGPT作为龙头尚未盈利，且未来很长时间也很难看到盈利平衡点。则很难想象国内大模型红海市场的盈利可能性。

当然，字节跳动作为互联网公司，在资金投入上最大，在实际发展上豆包模型也居于国内领先，则A股可参考IDC行业。IDC行业单个公司对大客户绑定较多，例如数据港603881的49%营收绑定阿里巴巴，同理润泽科技300442的50%以上收入绑定字节跳动。

图18：IDC行业绑定大客户较多

参考美股，APPlovin等公司本身具有天量数据流，只要LLM大模型能够提取其中规律性特点，很容易形成辅助决策的订单。国内泛云服务存储商如北京地区铜牛信息300895、深圳地区深信服300454等，地方性服务商掌握有大量数据，考虑到客户端的互联网大厂一旦模型成熟，其化学反应可能会很快。

业绩层面，从IDC到AIDC，也属于数据中心运营行业的一次变革，市场对财务指标的容忍度更高，且目前均没有超过2019年牛市高点，可以逢低进行关注。

(三)

英伟达多次提及的AI医疗

医疗板块目前已有4年熊市，且集采强度仍然未降低。AI医疗需要与国内龙头深度绑定，且业绩难以保证，更偏向炒作。润达医疗603108与华为达成合作，已推出有良医小慧AI大模型，与卫宁健康300253等诊疗机构形成三方合作，具有一定辨识度。

影像方面大厂迈瑞医疗和联影医疗，其中迈瑞与腾讯合作，但受制于传统业务体量太大暂不考虑。

(四)

机器视觉

国内AI最早源头起步于AI视觉，早有四小龙名声，这些企业的早期订单20%以上是安防领域。同时由于字节跳动C端用户，其客户需求出人意料集中于早教和陪伴领域，“显眼包“在AI眼镜、AI照相机、AI玩具等硬件与视觉识别密切合作，也应关注多模态AI视觉和图片领域。

海康威视002415作为安防领域霸主，能否更进一步开发AI图像大模型，进行司法和刑侦方面的辅助，其潜在市场体量较大。同理虹软科技688080在摄像优化软件方面也可能得到新业务订单。

图19：安防领域的潜在可能

(五)

传统数据分析行业危机

从美股的共性看，数据分析和统计类软件占据前三，其利用AI分析出的数据相比人脑商业替代性效果不升反降。在传统数据可视化分析领域，例如零点有数301169、慧辰股份688500等遭受很大冲击。危机中需要尽早学习AI转型，若不作为，很可能面临经营压力过大甚至退市窘境，是理想的空头标的。

理清数据价值化的过程是实现数据变现的基础。数据价值化包括数据资源化、数据资产化和数据资本化三个过程，APPlovin的成功在于将数据资源化的工作成果交给AI。

数据资源化是指通过对数据进行采集、整理、加工和分析等步骤，将无序、混乱的原始数据转换成有序、规范且具有使用价值的数据，形成标准规范、可信互通的高质量数据资源，其本质是激发数据的基础价值并提升数据的使用质量。

图20：APPlovin等公司的模型替代领域

(六)

已经产生AI收入的公司

截止到2025年2月中旬披露的业绩预告，国内取得收入最大的为汉得信息300170在2024年产生有7000万人民币的实际AI收入，汉得信息在泛ERP行业深耕多年，也是国内头部产业数字化公司，后续AI应用收入或业绩持续环比走强，可能存在戴维斯双击机遇。

图21：汉得信息披露AI应用收入

(一)

广告行业总体情况

根据申万二级行业，传媒广告二级行业目前在A股有29家上市公司，如果加上数字新媒体二级行业13家，一共有39家上市公司。

宏观来看，该行业营收体量普遍较大平均可达42亿元，毛利率尚可平均达16.49%，但利润水平极低。2024年前三季度，除过电梯类广告巨头分众传媒和以综艺娱乐见长的芒果超媒，其余37家企业归母净利润均不足2亿元，15家录得亏损。（也存在如值得买的电商，第二第四季度业绩较高，但近年来业绩走差，618和双11购物节营业额下滑已成社会共识，不做过多拆分）

广告行业和网络新媒体的进入门槛极低，几乎不可避免的打价格战，多数公司上市即巅峰，后续发展增速必然趋缓，且根据网络时代的互联网发展路径，大客户的变迁往往意味着龙头公司更迭。市值来看，即便过去一年传媒行业相对强势，但达到100亿元市值的仅有3+3家。

若再深究其他数据，广告行业是典型的客户订单导向周期性行业，很大程度取决于商业活动的活跃程度，或者说互联网巨头等民营经济的活跃程度。

则从基本面出发选股，一是寻求规模最大的服务商，若广告行业真能被AI赋能，渠道越多赋能越多，业绩流水速度越快，预期越一致；二是从供给商和客户两端寻求绑定优势企业，例如供给商或客户大头是字节跳动、腾讯、阿里、石油电信垄断商这类巨无霸，维持长期优势。

(二)

营收龙头公司情况

Applovin的在广告行业的成功是美股的重大突破。国内而言，仅从广告代理或互联网营销角度，国内具有像蓝色光标、视觉中国一类的传统以量取胜的广告轰炸，但鲜有致力于理解开发新技术的公司。从2024年前三季度归母净利润超过1000万的公司看，研发投入强度一般。

以营收最大的蓝色光标为例，看到APPlovin公司的成功。公司立刻于11月12日，在公司官微启动“海外平台业务”：战略推出AI范式下的海外程序化平台BlueX和AIDSP。

BlueX的商业模式近似于AppLovin旗下广告投放系统Axon2.0，包含ADX、SDK和投放平台；

AI-DSP以公司自研BlueAI为底座，重塑全球化流量竞价引擎，并将与出海代理业务深度协同，用AI重构用户增长、创意和流量模型。

从互联网平台-5G-VR/AR-虚拟现实元宇宙-AI，蓝色光标针对科技热点概念不断，但从无利润表达，目前其他互联网营销诸如省广集团、因赛集团、天地在线、天龙集团、智度股份等，多有被游资爆炒，历史业绩兑现能力堪忧，谨慎看待。

(三)

上下游绑定巨头的西安本土企业

广告行业国内以量取胜，以低价竞争取胜，不可避免的陷入价格战，几十几百亿营收的公司，利润情况不会高于2亿，但将国内内容输出到海外需要一定门槛。

美股meta和google公司，作为全球广告龙头，是高价值广告业务的最大支付方和投放平台，可梳理在大陆的一级供应商，有一些港股标的。

近两年IPO公司中，易点天下较为引人注目，其本身不以数量取胜，自始至终开展海外业务，从其招股说明书看，是性质较纯的出海服务营销商。

易点天下位于西安，主营业务为效果广告服务和头部媒体账户管理服务。在2021年时，其干的主要事情是充当阿里巴巴的信息营销渠道，收阿里巴巴海外版APP的推广广告费，将广告投向谷歌平台或字节跳动海外平台。

图22：将阿里巴巴推广内容投放至谷歌、字节等平台

2025年1月，公司Cyberklick平台正式接入APPlovin，为大中华区首家，机构密集调研。

图23：国内首家与applovin一级代理合作

Cyberklick平台是易点天下旗下商业智能化数字营销平台，以“营销技术+创意服务”助力企业实现商业增长，服务于电商、游戏、工具应用、金融、新能源等行业，提供包括效果广告、品牌全案、独立站建站、创意设计、直播电商、营销咨询等定制化出海营销方案。

图24：减持计划

后续，随着2025年一季度易点天下减持结束，预计可以从一季报中观测合作情况。同时比对国内蓝色光标、利欧股份、智度股份等公司的营销增长情况，和目前已经披露有7000万AI收入的ERP巨头汉得信息业绩情况，可以取得更加确定的结论。

从最朴素的会计学来看，管理费用、销售费用、科研费用三大费用中，企业决策层往往趋于保守，容易从不引发企业整体变化角度寻求突破口，引入AI模型对已有任务流程的“销售营销环节”进行改造。

随着国产deepseek等优质大模型引发热潮，投资者应积极关注AI大模型对行业应用带来的边际改善和市场投资机会，从收入业绩询证角度跟踪优势个股，寻求牛市第二阶段的资产净值跃升。