科技行业年度策略：2026年展望AI能力跃迁驱动商业化全面提速-251215（52页）.pdf

1、2026年展望：AI能力跃迁驱动商业化全面提速华泰研究2026年展望：AI能力跃迁驱动商业化全面提速大模型：中美两国或将长期主导全球大模型的发展pmbmathsfAl算力：推理范式跃迁驱动算力建设加速在推理范式全面升级的大背景下，全球算力需求正沿着“用户时长深度”的三角模型快速扩张，算力增长进入新一轮结构性上升周期。基于OpenAI、Google、Microsoft等厂商近期数据观察，AI应用用户数与使用时长持续提升，推理深度由通用对话向复杂任务、连续推理与长期运行加速演进，新形态应用显著拉动推理侧算力消耗。在供给与商业化侧，Google等云厂商的Token消耗量保持高位，未来将更多由高价值应

2、用驱动；合作模式与融资结构亦在重塑算力供给节奏，OpenAI牵头的36GW合作项目以及北美CSPCapex上修均指向算力建设节奏的进一步提速。总体来看，推理范式的跃迁正与数据中心投资加速形成共振。pmbmathsfAl应用：商业化临界点将至，2026年有望迎来规模化跃迁AI应用正站在大规模商业化临界点前夕。经历2023-2025年的连续三年迭代，AI应用的演进路径已逐步清晰：全球AI应用正在跨过由“工具可用”迈向“价值可兑付”的关键阶段。展望2026年，我们认为AI应用的放量节奏将由“单点突破”加速切换至“结构性扩散”。驱动力主要来自三方面：1）模型能力持续迭代，推理能力、Agent执行能力、

3、可控性持续增强，为AI应用提供更强的工程化底座；2）数据体系、企业级AI中台及可观测性工具逐步成熟，应用的交付成本与部署难度持续下降；3）商业模式从订阅式向用量/效果付费演进，为AI应用的规模化提供更广阔的场景承载空间。重点公司推荐：第四范式、鼎捷数智、虹软科技、嘉和美康、网宿科技、浪潮信息、福昕软件、深信服、能科科技、金山办公。风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。当前全球大模型仍以Transformer的decoder-only架构为核心主流。尽管近年来陆续

4、出现如Mamba、KAN等新型网络结构，但尚未在工程实践中形成主导地位，Transformer体系依旧占据核心位置。我们认为，在可预见阶段内，Transformer仍将是大模型研发与优化的基础框架，其生态与工具链优势将继续巩固主导地位。(divcenter)图表4：当前全球大模型仍以Transformer的decoder-only架构为核心主流(/divcenter)Diffusion架构正被重新审视，其在生成领域的应用边界正逐步扩展到文本领域。Diffusion架构本身并非全新技术,主要用于图像与视频生成。2024年初Sora的发布,展现了Diffusion与Transformer结合的潜力

5、，显著提升了视频生成的一致性、分辨率及时长表现。25年5月，Google首次尝试将Difusion算法用于文本生成，发布GeminiDiffusion预览版，字节随后也推出SeedDiffusion以跟进相关方向。Diffusion的优势在于Token生成速度快（字节SeedDiffusion专门用于代码生成，其推理速度达到2,146token/s，比同等规模的自回归模型快5.4倍),且生成后可进行精细化修改，而Transformer基于NextTokenPrediction的生成方式则缺乏这种可回溯调整能力。我们认为，尽管Diffusion能否取代Transformer成为主流尚待验证，但其

6、在头部厂商中的探索已具前瞻意义，值得持续关注。ScalingLaw2.0下，中美模型迭代的差异化路径ScalingLaw2.0含义更加丰富，数据、算力持续攀升“ScalingLaw”作为Transformer体系的核心逻辑，正从单一阶段演进至多阶段范式。早期的ScalingLaW主要聚焦于预训练阶段，通过扩大模型参数、数据规模、算力规模实现性能提升，可称为1.0阶段；而自2024年9月OpenAI发布o系列模型以来，强化学习被系统性引入后训练流程，标志着ScalingLaw进入2.0阶段，即在后训练环节继续扩大算力与数据投入，使模型在强化学习中形成可扩展的能力增益。进一步地，在推理阶段，模型通