为什么做这次梳理
人工智能是近三年政策密度最高、资本投入最集中的产业方向之一。也正因热度高、参与者多，公开数据呈现出明显的口径分散特征——同样叫“人工智能产业规模”，不同来源给出的答案可以相差数十倍。
这种分散不等于数据错误，多数情况下是统计边界不同造成的。但对做项目论证、编制可研报告的人来说，口径不清就直接意味着风险：引用了一个不该引用的数字，评审环节很容易被追问到底。
本文以截至 2026 年 10 月的公开权威信息为基础，从政策定位、产业规模、算力与芯片、模型层、应用层、资本市场六个维度做一次系统梳理，并把容易混淆的统计口径逐项摆开对比。
数据来源限于中国政府网、国家发展改革委、工业和信息化部、国家互联网信息办公室、中国信息通信研究院等机构公开发布的信息，以及上市公司定期报告。文中数据均标注来源与时点，未标注出处的推算不作为结论使用。本文不构成任何投资建议。
一、政策定位：三年三级跃升，落点从“融合”转向“赋能千行百业”
人工智能在国家政策中的位置，过去三年经历了清晰的三级跃升。
2024 年 3 月，政府工作报告首次提出开展“人工智能+”行动。这一提法的意义在于，把人工智能从一项需要攻关的技术，转为一项需要与产业结合的手段。当时的表述重点在“融合”。
2025 年 8 月，国务院印发《关于深入实施“人工智能+”行动的意见》，这是该领域第一份国务院层级的系统部署文件。文件提出 6 大重点行动与 8 项基础支撑能力，并给出三阶段目标：到 2027 年，新一代智能终端、智能体等应用普及率超过 70%；到 2030 年超过 90%，智能经济成为经济发展的重要增长极；到 2035 年，全面步入智能经济和智能社会发展新阶段。
2026 年则出现两次关键升级。3 月的政府工作报告提出“打造智能经济新形态”，并明确实施超大规模智算集群、算电协同等新基建工程；“十五五”规划纲要同步以专章部署“全方位推进数智技术赋能”，要求全面实施“人工智能+”行动，抢占人工智能产业应用制高点。10 月 9 日，中共中央、国务院印发《关于发展新质生产力的意见》，再次突出强调“全面实施‘人工智能+’行动”，把这一表述写入目前层级最高的文件之中。
政策语言的落点也在变。2024 年讲“融合”，2026 年讲“赋能千行百业”“抢占产业应用制高点”——重心已经从技术侧移到应用侧。这一变化对项目论证有直接影响：现在判断一个 AI 项目的价值，看的不再是模型参数，而是它有没有真实场景和可复制的效益。
治理侧同步补位，而且节奏比产业界预期的更快。2026 年 4 月，五部门联合公布《人工智能拟人化互动服务管理暂行办法》，7 月 15 日施行，这是我国首部人工智能拟人化互动服务的专门立法。5 月，三部门印发《智能体规范应用与创新发展实施意见》，成为首个专门针对自主智能体的顶层政策文件，划定了跨平台访问、自主工具调用等高风险行为的监管边界。同时，《人工智能法》已列入国务院 2026 年度立法工作计划。
产业侧的配套政策同样密集。年初八部门联合印发《“人工智能+制造”专项行动实施意见》，提出到 2027 年推动 3 至 5 个通用大模型在制造业深度应用、推出 1000 个高水平工业智能体。据工业和信息化部披露，已组织近 30 场人工智能赋能新型工业化“深度行”活动，促成 5000 余家企业供需对接，支持创建 18 个国家人工智能创新应用先导区，推动研制近 200 项关键技术标准，并设立 600 亿元国家人工智能产业投资基金。
二、产业规模：1.2 万亿元背后的三层结构
按中国信息通信研究院的测算体系，2025 年我国人工智能产业规模超过 1.2 万亿元，同比增长 40%。相比之下，2024 年这一规模刚刚突破 9000 亿元，增速为 24%——一年之间，增速提高了 16 个百分点。
值得关注的不是总量，而是内部结构。
该测算把产业链分为基础层、模型框架层、应用层三段。2025 年，基础层规模同比增长 59%，占比 38%；模型框架层同比增长 189%，占比 7%；应用层同比增长 22%，占比 55%。
三个数字放在一起，指向一个容易误读的事实：增速最快的环节体量最小，体量最大的环节增速最慢。模型框架层近两倍的增速听起来惊人，但它只占产业规模的 7%；应用层增速只有 22%，却撑起了超过一半的规模。如果把“人工智能产业增长快”简单理解为全产业链同步高速扩张，就会对项目所在环节的实际景气度产生误判。
企业数量方面，截至 2026 年 6 月，我国人工智能企业超过 6600 家，占全球比重约 15%。区域分布高度集中，北京、广东、上海、浙江、山东五省市合计占全国产业规模超过 80%。这一集中度意味着，在多数省份申报 AI 类项目时，本地产业配套的实际可用程度需要单独核实，不能直接套用全国数据。
需要说明的是，工业和信息化部在 2026 年 10 月的最新披露中，仍表述为核心产业规模“已突破 1.2 万亿元”。这与 2025 年的测算表述一致，说明该口径在近一年内保持稳定，可作为跨期比较的基础；同时也提示，1.2 万亿元是经过边界界定的测算值，而非企业营业收入加总，不宜与单个细分市场的规模数据直接相加。
从产业完整度看，我国已形成覆盖基础底座、模型框架、行业应用的完整体系。这一结构的意义在于，链条各环节之间能够形成内部循环——芯片与算力供给、模型能力迭代、行业应用落地相互牵引，不必依赖单一外部环节。对项目论证而言，判断项目处在链条中的哪个位置，比判断项目技术是否领先更为基础。
三、口径辨析：五个“规模”为什么相差 30 倍
这是本文最需要说清的一节。
在同一时间窗口内，公开渠道至少能看到五个都叫“规模”的数字：人工智能产业规模 1.2 万亿元（2025 年，全产业链）；AI 芯片市场规模 3039 亿元（2025 年）；一级市场年度融资额 2270 亿元（2025 年 7 月至 2026 年 6 月）；大模型市场规模约 700 亿元（2026 年预计）；AI 剧漫剧市场规模约 400 亿元（2026 年预计）。
最大值与最小值相差约 30 倍。
差异的来源有三层。第一层是统计边界：1.2 万亿元覆盖从基础层到应用层的全链条，包含大量传统企业的人工智能相关业务收入；400 亿元只统计 AI 剧漫剧这一内容细分品类。第二层是计量对象：融资额是资本投入流量，市场规模是营业收入，两者不可互相替代。第三层是时点：预计值与已实现值必须分开表述。
口径问题在算力指标上体现得更直接。智能算力规模目前有两组常见数据——2026 年 3 月底为 1882 EFLOPS，6 月底为 2185 EFLOPS（同比增长 177%），而工业和信息化部在 2026 年 10 月披露的最新数值为 2592 EFLOPS。同一指标，3 月披露值与 10 月最新值相差 37.7%。这不是统计口径冲突，而是披露时点不同。引用时若只写数字不写时点，几乎必然被质疑。
还有一类差异来自计量单位本身。生成式人工智能用户规模已达 5.15 亿人，这是人数口径；豆包大模型日均词元（Token）调用量突破 180 万亿，这是调用量口径。两者都无法换算成金额，也不能用来推断产业收入。把用户数乘以人均消费额来估算市场规模的算法，在这个领域尤其容易出错，因为当前主流产品仍以免费为主。
落到实操层面，可以形成一条判断规则：在项目文本中引用产业规模数据，必须同时给出“统计机构＋统计边界＋统计时点”三项信息。三项缺一，数据即视为待核实。
四、算力与芯片：国产替代从“备胎”走到“主力供应商”
算力是这一轮人工智能产业中最先出现真实收入和真实交付的环节。
截至 2026 年 6 月，全国在用标准机架 1556 万架，智能算力规模 2185 EFLOPS，存力规模突破 2000 EB，算力设施整体上架率 71.4%。八大国家算力枢纽贡献了全国 80% 以上的智能算力。“十五五”时期，算力网建设预计新增直接投资超过 4 万亿元。
投资热度在招投标数据上有直接反映。2026 年前 7 个月，国内单个中标金额亿元以上的智算中心、数据中心相关项目至少 158 个，合计中标金额超过 1130 亿元，项目数与金额均较上年同期增长超过 18%。
芯片环节的变化更值得注意。IDC 数据显示，2026 年上半年中国 AI 加速器出货量约 200.8 万颗。其中英伟达 67.8 万颗、份额 34%，华为 57.2 万颗、份额 28%，两者差距已缩小到 10.6 万颗；阿里平头哥 14.1 万颗（7%）、寒武纪 10.0 万颗（5%）、百度昆仑芯 8.0 万颗（4%）、海光信息 6.0 万颗（3%）分列其后。国产厂商合计份额已接近英伟达的两倍。
更具结构意义的是产品形态的逆转：上半年 GPU 出货 99.1 万颗，同比下降 26%；包括推理芯片在内的其他 AI 加速器出货 101.6 万颗，同比增长近 80%，首次在出货量上超过 GPU。这说明市场需求结构正从“训练主导”向“训练与推理并重”迁移。推理任务对芯片通用性要求较低，但对成本和功耗更敏感，恰好是国产专用芯片的切入口。
业绩层面已经开始兑现。2026 年上半年，海光信息实现营业收入 90.99 亿元，同比增长 66.52%；寒武纪营业收入 59.96 亿元，同比增长 108.13%，归母净利润 23.11 亿元，同比增长 122.61%；摩尔线程营业收入 17.36 亿元，同比增长 147.42%，半年收入已超过 2025 年全年；沐曦股份 13.24 亿元，同比增长 44.67%。
同时也要看到备货风险。截至 2026 年上半年末，寒武纪存货账面价值 82.48 亿元，较上年末增长 66.83%；海光信息存货 75.18 亿元；摩尔线程存货 35.50 亿元，较上年末增长 166.48%。在外部管制与需求波动并存的环境下，高存货既是产能保障，也是减值压力。
从市场规模看，中国 AI 芯片市场已由 2021 年的 303 亿元增长至 2025 年的 3039 亿元，年复合增长率 77.9%，预计到 2030 年接近 1.6 万亿元。中游的 AI 服务器同样扩张，机构预计 2026 年全球出货量约 370 万台，同比增长 51.3%。
五、模型层：三强格局定型，开源侧实现反超
模型层最直观的变化是从“百模大战”收敛为清晰的头部格局。
截至 2026 年 6 月 30 日，我国累计有 988 款生成式人工智能服务完成备案，598 款生成式人工智能应用或功能完成登记。备案是合规门槛，也是可查证的供给规模指标。
用户侧，按 2026 年 6 至 8 月的月活跃用户规模排序，豆包 3.82 亿、通义千问 1.67 亿、DeepSeek 1.30 亿位居前三，腾讯元宝 0.89 亿、Kimi 0.50 亿随后。三款产品月活破亿，头部集中度较高，但付费转化仍处于培育阶段。
开源生态是这一轮国产模型最有说服力的进展。据 Hugging Face 2026 年春季报告，中国自研开源模型的下载占比达 41%，首次超过美国（36.5%），成为该平台规模第一的开源模型供给方；中国开源模型累计下载量突破 100 亿次。海外平台上，中国模型的 API 调用占比同样领先，价格约为海外同级模型的 10% 至 20%。
但需要保持清醒的是，调用量的领先并不等于技术评分领先。主要评估机构的智能指数前五名仍为美国模型，中国模型最高排名在第七至第九位之间。成本优势与生态活跃度是当前的主要竞争力来源。
估值与收入的落差，是模型层最需要辨析的问题。以正在筹备科创板上市的 DeepSeek 为例，其两轮融资累计超过 1000 亿元，投资后估值达 5000 亿元量级；而据公开披露，2026 年前 7 个月其营业收入约 4.75 亿元，虽已达到 2025 年全年的十倍，综合毛利率 44.6%、API 业务毛利率 82.9%，但亏损仍在持续。
对这一类企业的估值，传统市盈率方法并不适用。科创板第五套上市标准在 2026 年 6 月扩展至人工智能领域，允许未盈利企业上市，本身也说明监管层认可这类企业的价值不能按当期利润衡量。但从项目论证角度看，评估 AI 模型类项目时，应把毛利率结构（尤其是 API 业务毛利率）、收入增速和现金消耗速度作为核心指标，而不是简单沿用市场规模或用户数。
六、应用层：从“会聊天”到“真干活”
应用层的判断，要看渗透率而不是看热度。
中国信息通信研究院副院长公开表示，统计数据显示有近一半的“人工智能+”应用场景停留在试点阶段，没有实现放量推广。工业和信息化部 2026 年 10 月发布的“人工智能赋能新型工业化高价值场景”覆盖 20 个细分领域、1000 余个场景，并按成熟度分为推广级、验证级、攻关级三类，目的正是为各行业提供统一参照、减少重复投入。
已落地的部分也有清晰数据。2026 年上半年，规模以上制造业企业人工智能技术应用普及率超过 30%。工业企业应用大模型及智能体的比例从 2024 年的 9.6% 提升到 2025 年的 47.5%。在具体场景中，AI 视觉质检已能实现微米级缺陷自动识别，检测效率较人工提升 5 倍以上。
内容生成是最先跑出规模的应用之一，也最需要看清结构。据行业研究机构测算，2026 年中国微短剧、AI 剧及漫剧市场规模合计预计突破 1210 亿元，其中 AI 仿真人剧与漫剧约 400 亿元，同比增长 138%；海外 AI 剧漫剧市场规模预计突破 40 亿美元，同比增长 390%。
但产能与收益严重不匹配。2026 年第一季度，全行业上线微短剧约 12.8 万部，其中 AI 微短剧约 12.2 万部，占比超过 95%。抖音平台上半年新上线 AI 剧、漫剧共 22.19 万部，播放量破亿的仅 1055 部，破亿率 0.48%；以 5000 万播放作为盈亏平衡线，达标剧集仅 2886 部，占比 1.3%——超过九成作品流量不佳。这一结构提示，AI 内容赛道的机会更可能在工具、平台与 IP 运营环节，而非单纯的产能扩张。
消费端与公共服务端的渗透同步推进。AI 手机、AI 电脑、AI 眼镜等终端产品加快进入市场，教育、医疗、养老等场景开始出现规模化应用。据企业公开披露，其智慧教育产品与解决方案已覆盖全国 5 万余所学校、服务 1.3 亿师生。这类项目的共同特征是需求稳定、付费主体明确，与内容生成类项目的波动特征形成明显对比。
B 端采购的结构同样值得关注。对 2026 年公开披露的 19 个千万级大模型项目统计显示，政府与政务类约占 83.5%，车企与制造类约 7.5%，能源类约 4.3%。政府端在短期内仍是需求主力，这也意味着该赛道的收入节奏与地方财政状况、项目审批进度相关性较高。项目收益测算若假设纯市场化需求快速放量，需要格外谨慎。
七、资本市场：从“烧钱”到“赚钱”的分界线
2026 年上半年是人工智能板块首次出现成规模盈利面的时间点。
商汤科技实现营业收入 29.11 亿元，同比增长 23.4%，其中生成式人工智能业务收入 23.27 亿元、占比 79.9%；公司录得上市以来首次国际财务报告准则口径盈利 6.17 亿元，经调整净亏损同比收窄 67.3%。金山办公归母净利润 25.18 亿元，同比增长 236.94%；昆仑万维归母净利润 10.88 亿元，同比增长 227.17%；深信服归母净利润 2.31 亿元，同比增长 201.58%；三六零归母净利润 2.16 亿元，上年同期为亏损 2.82 亿元，实现扭亏。
但盈利面并非全行业图景。科大讯飞上半年营业收入 116.23 亿元，同比增长 6.52%，其中大模型 API 及 MaaS 平台服务收入同比增长约 70%，但归母净利润为 -2.04 亿元，主要原因是研发投入超过 30 亿元、较上年同期增加超过 6 亿元。整个 A 股软件服务类 AI 概念上市公司中，超过四成实现盈利，另有相当一部分仍处于投入期。
真正区分企业的不是“是否盈利”，而是收入结构。细读财报可以看到一个共同特征：率先实现盈利突破的公司，收入已不再依赖一次性交付。商汤首次披露的经常性收入为 11.45 亿元，同比增长 124.4%，占总收入 39.3%；金山办公 WPS 365 订阅业务收入 4.97 亿元，同比增长 60.84%，并开始探索“订阅＋AI 用量”的混合计费；范式智能 API 收入 4.64 亿元，同比增长 860.8%。从卖项目、卖授权转向按用量持续计费，是本轮 AI 企业商业模式成立的关键财务标志。
一级市场的热度同样在延续。2025 年 7 月至 2026 年 6 月，AI 领域披露融资总额 2270 亿元，其中具身智能与机器人赛道以 609 起、597.4 亿元位居首位；早期轮次（种子至 A 轮）占比达 62%，说明创业生态仍处于活跃扩张阶段。
资本化通道已经打通。2026 年 6 月，上交所将科创板第五套上市标准适用范围扩大至人工智能领域。目前排队推进的包括智谱（拟募资不超过 150 亿元）、长鑫科技（约 295 亿元）、燧原科技（约 60 亿元）、宇树科技（约 42.02 亿元）、云深处（约 25.03 亿元），已披露拟募资合计约 572 亿元。这一轮硬科技 IPO 的集中度，在 A 股历史上并不多见。
八、对项目投资决策的几项参考
把上述数据放回实际业务场景，可以形成几点操作提示。
其一，做人工智能类项目的可行性研究，口径选择要先定。项目属于算力基础设施、芯片、模型还是应用，对应的规模口径完全不同。选错口径，规模论证部分会整体失去支撑。建议在报告中单列一节说明数据口径与来源，而不是把几个数字并排罗列。
其二，应用类项目的论证重点应放在场景成熟度，而非技术先进性。近一半场景仍停留在试点阶段这一事实，意味着“技术可行”与“商业可闭环”之间存在明显落差。可对照工业和信息化部发布的高价值场景分类，确认项目所处场景属于推广级、验证级还是攻关级，并据此调整收益测算的保守程度。
其三，算力与芯片类项目的市场空间测算，应把存货与产能节奏纳入敏感性分析。芯片企业当前普遍高存货，行业需求结构又在从训练向推理迁移，产能规划若仍按训练需求高峰设定，可能面临利用率不足。
其四，涉及国资国企投资论证的项目，应关注政策性资金的引导方向。600 亿元国家人工智能产业投资基金、18 个国家人工智能应用先导区、近 200 项关键技术标准，构成了政策资源的分配框架，项目定位与这些框架的契合度，会直接影响资金申请与审批的顺畅程度。
其五，涉及上市规划的企业，科创板第五套标准的适用范围已扩大至人工智能领域，未盈利不再是障碍，但对收入结构、毛利率与研发投入强度的要求更为实质。准备材料时，经常性收入占比、API 等按量计费业务的增长情况，比用户规模更有说明力。
其六，专项申报类项目应留意时间窗口。人工智能领域政策文件出台密集，专项资金的申报方向每年调整，建议在编制申报材料前，先核对当年最新发布的专项行动方案与资金指南。
其七，涉及内容生成、智能体、拟人化交互等方向的项目，合规成本需要单独列支。《人工智能生成合成内容标识办法》对生成合成内容的标识提出强制要求，《人工智能拟人化互动服务管理暂行办法》《智能体规范应用与创新发展实施意见》还分别就情感交互类产品与自主智能体的行为边界作出规定。这些要求会转化为算法备案、安全评估、内容审核等具体支出，在投资收益测算中不宜忽略。
九、数据来源说明
本文数据来源于中国政府网、新华社、国家发展改革委、工业和信息化部、国家互联网信息办公室、中国信息通信研究院、国家统计局等机构公开发布的信息，以及相关上市公司的定期报告和公开披露文件。
文中涉及的产业规模、算力规模、出货量、用户规模等指标，因统计机构不同可能存在口径差异，均已标注来源与统计时点。预计值均已标明“预计”字样，不作为已实现数据使用。引用请以原始出处为准。
本文仅供研究参考，不构成任何投资建议。