人工智能软件
I6516投资概览
行业生命周期定位
人工智能软件在2016-2016年经历高速增长期，年均增速39.3%; 人工智能软件在2018-2018年经历高速增长期，年均增速43.5%; 人工智能软件在2020-2020年保持稳健增长，年均增速10.6%; 人工智能软件在2022-2022年经历高速增长期，年均增速26.4%; 人工智能软件在2025-2030年经历高速增长期，年均增速25.8%。市场规模从2320亿元扩张至6750亿元
子赛道矩阵
核心标的: 百度（9888.HK）、科大讯飞（002230.SZ）、第四范式（6682.HK）
核心标的: 金山办公（688111.SH）、钉钉（阿里体内，未独立上市）
核心标的: 海康威视（002415.SZ）、大华股份（002236.SZ）、萤石网络（688475.SH）
核心标的: 同花顺（300033.SZ）、恒生电子（600570.SH）
核心标的: 鹰瞳科技（2251.HK）、云从科技（688327.SH）
核心标的: 商汤科技（0020.HK）、德赛西威（002920.SZ）
核心标的: 中科创达（300496.SZ）、润和软件（300339.SZ）
核心标的: 万兴科技（300624.SZ）、拓尔思（300229.SZ）
核心标的: 太极股份（002368.SZ）、新点软件（688232.SH）
各模块关键洞察
中国"人工智能软件"市场在不同研究机构的统计口径中存在显著差异。本报告采用以下复合口径进行追踪：
中国AI软件市场正处于"大模型驱动的再集中"阶段。2024年CR5约36%、HHI约390，整体仍属低集中度市场，但集中趋势明显加速。竞争格局呈现"云厂商主导基础层、垂直厂商守住应用层、创业公司争夺模型层"的三层结构。未来2–3年，随着大模型商业化从"卖模型"转向"卖应用"，竞争焦点将从模型能力比拼转向行业场景落地效率，拥有数据+场景+渠道复合优势的企业将在下一阶段胜出。
- 计算公式：`年度内AI核心产品/模型的重大版本更新次数 + 新产品线发布数量`
┌──────────────────────────────────────────────────────────────────────────────┐
中期来看（2027年及以后），随着监管框架趋于稳定、合规工具与服务市场成熟、以及AI合规自动化工具（GRC SaaS）的普及，单位合规成本有望逐步下降。但合规覆盖范围的扩大（如更多AI应用场景纳入监管）将使总体合规支出维持在较高水平。
：I6516人工智能软件行业正处于大模型商业化驱动的扩张中期，核心增长逻辑（大模型落地、政策驱动、AI Agent演进）扎实但盈利兑现仍需时间。当前估值处于历史中高位，建议结构性配置——优选AI+安防、AI+金融、AI+政务等确定性较高且估值合理的细分赛道，对纯概念型、尚未盈利的标的保持审慎。最佳策略是等待估值回调或盈利拐点确认后加仓，而非在当前位置追高。
行业趋势
市场规模追踪
最新市场规模 (2024)
0.27亿元
5年CAGR
+35.3%
最新同比
+17.0%
当前阶段
增长期(2025-2030)
市场规模与增速趋势
核心产品
| 2024年市场规模(预测/亿元) | 主要企业 | 产品名称 | 占比区间 | 序号 | 数据来源 |
|---|---|---|---|---|---|
| 250 - 300 | 百度、阿里、OpenAI、智谱AI | 大语言模型(LLM)服务 | 8-10% | 1 | IDC/Gartner |
| 450 - 500 | 商汤、海康威视、旷视 | 计算机视觉软件(安防/监控) | 15-18% | 2 | iResearch/赛迪 |
| 180 - 200 | 科大讯飞、云知声、Google | 智能语音识别与合成软件 | 6-7% | 3 | CAICT(信通院) |
| 350 - 400 | 华为、百度Apollo、Momenta | 自动驾驶算法软件 | 12-14% | 4 | 罗兰贝格 |
| 100 - 120 | 百度(飞桨)、华为(MindSpore) | AI基础框架与平台 | 3-4% | 5 | 官方财报/IDC |
| 120 - 140 | 腾讯企点、追一科技 | NLP客服/聊天机器人 | 4-5% | 6 | Forrester |
| 80 - 100 | 创新奇智、海康机器人 | 工业质检AI软件 | 3% | 7 | 亿欧智库 |
| 60 - 70 | 联影智能、推想医疗 | 医疗影像辅助诊断软件 | 2% | 8 | Frost&Sullivan |
| 150 - 170 | 蚂蚁集团、同盾科技 | 金融风控与反欺诈AI | 5-6% | 9 | 艾瑞咨询 |
| 40 - 50 | 合合信息、百度 | OCR文字识别软件 | 1-2% | 10 | 华经情报网 |
| 90 - 110 | Midjourney, 万兴科技, 字节跳动 | AIGC图像/视频生成工具 | 3-4% | 11 | Bloomberg Intelligence |
| 200 - 220 | 字节跳动、快手 | 智能推荐系统引擎 | 7-8% | 12 | 公司财报反推 |
| 50 - 60 | UiPath, 艺赛旗, 影刀 | RPA+AI (智能流程自动化) | 2% | 13 | Gartner |
| 180 - 200 | 阿里云、海信网络科技 | 智慧城市交通大脑 | 6-7% | 14 | 政府采购网数据整理 |
| 30 - 40 | 眼神科技(虹膜/指静脉) | 生物特征识别(非人脸) | 1% | 15 | 前瞻产业研究院 |
| 40 - 50 | 明略科技、星环科技 | 知识图谱构建平台 | 1-2% | 16 | Forrester |
| 50 - 60 | 猿力科技、科大讯飞 | AI教育/自适应学习软件 | 2% | 17 | 多鲸资本 |
| 20 - 30 | GitHub(Copilot), 通义灵码 | AI代码生成助手 | <1% | 18 | CSDN开发者调查 |
核心指标
| 等级 | 强度 | 数值范围 | 企业命运 |
|---|---|---|---|
| 致命 | <15% | 资金链断裂或被迫转型 | |
| 预警 | 15%-40% | 融资窗口快速收窄 | |
| 及格 | 40%-70% | 仍需外部持续输血 | |
| 良好 | 70%-120% | 进入研发收入正向循环 | |
| 卓越 | ≥120% | 形成技术定价权飞轮 |
| 等级 | 强度 | 数值范围 | 企业命运 |
|---|---|---|---|
| 致命 | <70% | 存量客户加速流失崩盘 | |
| 预警 | 70%-90% | 高CAC下入不敷出 | |
| 及格 | 90%-105% | 勉强维持规模不萎缩 | |
| 良好 | 105%-125% | 存量驱动健康增长 | |
| 卓越 | ≥125% | 客户自发扩张形成护城河 |
| 等级 | 强度 | 数值范围 | 企业命运 |
|---|---|---|---|
| 致命 | ≥80% | 毛利为负，越卖越亏 | |
| 预警 | 50%-80% | 毛利极薄无法支撑运营 | |
| 及格 | 30%-50% | 勉强覆盖运营但无扩张余力 | |
| 良好 | 15%-30% | 具备规模化盈利基础 | |
| 卓越 | <15% | 算力效率领先形成成本壁垒 |
| 等级 | 强度 | 数值范围 | 企业命运 |
|---|---|---|---|
| 致命 | ≥70% | 单客户流失即触发生存危机 | |
| 预警 | 50%-70% | 客户议价权倒置利润受压 | |
| 及格 | 35%-50% | 结构偏集中但尚可管控 | |
| 良好 | 20%-35% | 客户结构健康抗风险 | |
| 卓越 | <20% | 平台化分散收入高度稳健 |
| 等级 | 强度 | 数值范围 | 企业命运 |
|---|---|---|---|
| 致命 | <30 | 人力成本拖垮现金流 | |
| 预警 | 30-80 | 人效低下烧钱难以为继 | |
| 及格 | 80-150 | 基本覆盖人力成本 | |
| 良好 | 150-300 | 人效合理支撑规模扩张 | |
| 卓越 | ≥300 | 人效领先具备高杠杆增长力 |
产业链
产业链价值分布
价格传导链
⛏️ 上游
46%
平均毛利
🏭 中游
53%
平均毛利
🛒 下游
15%
平均毛利
各环节毛利率瀑布图
基础算力-AI芯片
英伟达(Nvidia)、寒武纪
云计算服务
阿里云、华为昇腾
数据资源-数据标注服务
海天瑞声、Appen
基础大模型
百度、阿里通义、文心一言
计算机视觉软件
商汤科技、云从科技
智能语音软件
科大讯飞
渠道集成商
神州数码、软通动力、中软国际
G端-智慧城市/政务
深圳市政府、多地政府
B端-汽车智能座舱
比亚迪、奇瑞、广汽
政策环境
政策法规监管
政策环境偏利好
共39项政策: 21项利好 / 6项利空 / 12项中性
21
利好
6
利空
12
中性
政策出台密度
核心政策速览（39项）
| 年份 | 政策名称 | 核心要点 | 影响 | 级别 |
|---|---|---|---|---|
| 2025 | 人工智能法 | 中立 | 行业级 | |
| 2025 | 对AI算力中心的能耗、安全、数据管理等出台专项管理办法；公共数据开放与AI训... | 中立 | 行业级 | |
| 2025 | 中国积极参与全球AI治理框架建设，可能与主要经济体建立AI监管互认或协调机制... | 利好 | 行业级 | |
| 2025 | 针对AI训练数据的合理使用、AI生成内容的著作权归属等问题出台专项规定或司法解释 | 中立 | 行业级 | |
| 2025 | 医疗AI、金融AI、自动驾驶AI等垂直领域出台更细化的监管规则，明确AI辅助... | 中立 | 行业级 | |
| 2025 | 国家层面出台AI安全评测标准与基准，涵盖内容安全、数据安全、系统安全、伦理安... | 利好 | 行业级 | |
| 2025 | 针对基础模型与应用模型实施差异化监管，基础模型可能面临更严格的安全评估与能力... | 中立 | 行业级 | |
| 2025 | 明确只有在具有特定目的和充分必要性的情形下方可使用人脸识别技术 | 利空 | 行业级 | |
| 2025 | 在2025年政府工作报告中明确提出"开展'人工智能+'行动"，将AI上升为国... | 利好 | 国家级 | |
| 2025 | AI赋能实体经济上升为国家级行动，与"互联网+"同等战略地位 | 利好 | 行业级 | |
| 2025 | 细化网络数据处理者的安全保护义务，明确重要数据目录编制要求，完善个人信息保护... | 中立 | 行业级 | |
| 2024 | 备案范围持续扩大，覆盖推荐算法、深度合成算法、生成式AI算法等多类型 | 利好 | 行业级 | |
| 2024 | 明确数据出境安全评估、个人信息出境标准合同、个人信息保护认证等数据出境路径的... | 利好 | 行业级 | |
| 2024 | 放宽部分数据出境限制，明确豁免情形，自贸区享有更灵活政策 | 利好 | 行业级 | |
| 2023 | 地方层面给予算力补贴、数据开放、场景开放、人才引进等支持 | 利好 | 行业级 | |
| 2023 | 对涉及AI等新兴技术领域的科技活动实施伦理审查 | 利空 | 部委级 | |
| 2023 | 提出通过算力赋能AI发展，降低中小企业使用AI算力的成本，降低AI软件企业特... | 利好 | 部委级 | |
| 2023 | 对大模型服务实行分类分级监管 | 利好 | 行业级 | |
| 2023 | 允许数据资产入表，AI软件企业拥有的高质量语料库可计入资产，优化财报，利于融... | 利好 | 部委级 | |
| 2023 | 对提供生成式AI服务实行包容审慎和分类分级监管 | 中立 | 部委级 | |
| 2023 | 将数字技术创新体系作为关键能力，畅通数据资源大循环，推动公共数据开放，为AI... | 利好 | 国家级 | |
| 2023 | 将AIGC（深度合成）纳入监管，要求内容标识、训练数据管理、安全评估 | 中立 | 行业级 | |
| 2022 | 对利用深度学习、虚拟现实等生成合成类算法制作文本、图像、音频、视频、虚拟场景... | 利空 | 部委级 | |
| 2022 | 鼓励在制造、农业、城市管理、交通、医疗、教育等重大场景中开放AI应用 | 利好 | 部委级 | |
| 2022 | 系统推动AI场景开放与应用落地，鼓励行业用户与AI企业联合创新 | 利好 | 行业级 | |
| 2022 | 要求算法推荐服务提供者进行算法备案，建立算法审核、用户权益保护等制度 | 中立 | 行业级 | |
| 2022 | 明确科技伦理审查机制，强调算法公平、透明、可解释，防范算法偏见，推动行业良性... | 利好 | 国家级 | |
| 2022 | 要求算法推荐服务提供者落实算法安全主体责任，建立健全算法机制机理审核、科技伦... | 利空 | 部委级 | |
| 2021 | 规范自动化决策，要求算法透明度与公平性 | 中立 | 行业级 | |
| 2021 | 建立数据分类分级制度、数据安全审查制度 | 中立 | 行业级 | |
| 2021 | 提出增进人类福祉、公平公正、保护隐私等6项伦理要求，具体指导特定场景应用，软... | 利好 | 部委级 | |
| 2021 | 首次系统提出算法治理框架，明确算法安全风险防范、算法生态规范等方向，属纲领性文件 | 利好 | 行业级 | |
| 2021 | 确立个人信息处理的告知-同意规则 | 利空 | 国家级 | |
| 2021 | 建立数据分类分级保护制度 | 利空 | 国家级 | |
| 2020 | 构建AI标准体系框架，涵盖基础共性、支撑技术与产品、基础软硬件平台、关键通用... | 利好 | 国家级 | |
| 2019 | 依托头部企业建设AI开放创新平台（如百度自动驾驶、阿里城市大脑、腾讯医疗影像... | 利好 | 行业级 | |
| 2017 | 确立AI"三步走"战略目标：2020年技术与应用总体达到世界先进水平，202... | 利好 | 国家级 | |
| 2017 | 首次将AI上升为国家战略，设定2020/2025/2030三阶段目标 | 利好 | 行业级 | |
| 2017 | 确立网络安全等级保护制度，明确网络运营者的数据保护义务，为后续数据立法奠定基础 | 中立 | 行业级 |
政策详情
明确只有在具有特定目的和充分必要性的情形下方可使用人脸识别技术；在公共场所使用人脸识别技术应为维护公共安全所必需；任何组织和个人不得强制个人接受人脸识别技术验证身份
在2025年政府工作报告中明确提出"开展'人工智能+'行动"，将AI上升为国家级产业赋能战略，推动AI与制造业、农业、服务业等深度融合
AI赋能实体经济上升为国家级行动，与"互联网+"同等战略地位
细化网络数据处理者的安全保护义务，明确重要数据目录编制要求，完善个人信息保护操作规范
备案范围持续扩大，覆盖推荐算法、深度合成算法、生成式AI算法等多类型
明确数据出境安全评估、个人信息出境标准合同、个人信息保护认证等数据出境路径的适用场景和豁免情形；对自由贸易试验区给予更灵活的数据跨境政策
放宽部分数据出境限制，明确豁免情形，自贸区享有更灵活政策
地方层面给予算力补贴、数据开放、场景开放、人才引进等支持
对涉及AI等新兴技术领域的科技活动实施伦理审查；高等学校、科研机构、医疗卫生机构、企业等应设立科技伦理（审查）委员会；具有较大社会风险的AI研究须进行专家复核
提出通过算力赋能AI发展，降低中小企业使用AI算力的成本，降低AI软件企业特别是大模型厂商的算力获取成本。
对大模型服务实行分类分级监管；面向公众提供服务须完成安全评估与算法备案；鼓励创新，采用包容审慎原则
允许数据资产入表，AI软件企业拥有的高质量语料库可计入资产，优化财报，利于融资估值提升10%-15%。
对提供生成式AI服务实行包容审慎和分类分级监管；训练数据应合法来源，尊重知识产权；生成内容应真实准确，不得生成违法内容；向公众提供服务前应按规定开展安全评估和算法备案
将数字技术创新体系作为关键能力，畅通数据资源大循环，推动公共数据开放，为AI软件提供更丰富的训练数据源（政务/公共数据）。
将AIGC（深度合成）纳入监管，要求内容标识、训练数据管理、安全评估
对利用深度学习、虚拟现实等生成合成类算法制作文本、图像、音频、视频、虚拟场景等信息的技术进行规范；要求深度合成服务提供者对生成内容进行标识，不得利用深度合成服务制作、复制、发布、传播法律法规禁止的信息
鼓励在制造、农业、城市管理、交通、医疗、教育等重大场景中开放AI应用；推动建设AI示范应用场景；支持AI企业与行业用户联合开展场景创新
系统推动AI场景开放与应用落地，鼓励行业用户与AI企业联合创新
要求算法推荐服务提供者进行算法备案，建立算法审核、用户权益保护等制度；用户有权关闭算法推荐
明确科技伦理审查机制，强调算法公平、透明、可解释，防范算法偏见，推动行业良性发展，减少社会抵触，增加伦理审查环节。
要求算法推荐服务提供者落实算法安全主体责任，建立健全算法机制机理审核、科技伦理审查、用户注册、信息发布审核、数据安全和个人信息保护、反电信网络诈骗、安全评估监测、安全事件应急处置等管理制度和技术措施；用户有权关闭算法推荐服务
规范自动化决策，要求算法透明度与公平性；个人信息跨境传输须满足安全评估等条件
建立数据分类分级制度、数据安全审查制度；重要数据处理者须进行风险评估
提出增进人类福祉、公平公正、保护隐私等6项伦理要求，具体指导特定场景应用，软件开发需遵循伦理设计先行原则。
首次系统提出算法治理框架，明确算法安全风险防范、算法生态规范等方向，属纲领性文件
确立个人信息处理的告知-同意规则；规范自动化决策，要求保证透明度和结果公平公正，提供不针对个人特征的选项或便捷的拒绝方式；个人信息跨境传输须满足安全评估等条件；违规最高处5000万元或上一年度营业额5%罚款
建立数据分类分级保护制度；明确数据安全审查制度和出口管制制度；关键数据处理者应进行风险评估；违规处理数据最高可处1000万元罚款
构建AI标准体系框架，涵盖基础共性、支撑技术与产品、基础软硬件平台、关键通用技术、关键领域技术、产品与服务、行业应用、安全/伦理八大部分；到2023年初步建立AI标准体系
依托头部企业建设AI开放创新平台（如百度自动驾驶、阿里城市大脑、腾讯医疗影像等），推动AI技术开源开放
确立AI"三步走"战略目标：2020年技术与应用总体达到世界先进水平，2025年基础理论实现重大突破，2030年成为世界主要AI创新中心。明确构建开放协同的AI科技创新体系，培育高端高效的智能经济
首次将AI上升为国家战略，设定2020/2025/2030三阶段目标
确立网络安全等级保护制度，明确网络运营者的数据保护义务，为后续数据立法奠定基础
来源: V3行业研报 Part 6 政策法规监管
风险分析
9
高风险
7
中风险
0
低风险
16
风险总数
风险类别分布
字节、阿里等大厂大幅降价导致API调用成本下降，软件厂商终端定价权丧失，行业平均毛利率可能在12个月内下降5-10个百分点
大模型在医疗、金融等关键业务场景产生错误输出，可能引发法律责任，单一客户赔偿额超过合同金额200%且损害商誉
《生成式人工智能服务管理暂行办法》及数据版权、算法备案等监管趋严，合规成本上升占研发费用5-8%，产品上市周期延长1-2个月
国产异构芯片生态碎片化严重，软件需适配华为昇腾、海光等多种芯片，适配成本过高拖累毛利率
AI监管趋严（如《生成式AI服务管理暂行办法》后续细则），可能增加合规成本、延长产品上市周期；算法备案、安全评估等行政流程拉长收入确认节奏
大模型"百模大战"导致AI软件层同质化严重，价格战压缩毛利；互联网巨头（字节、阿里、腾讯、百度）以亏损换市场份额，挤压独立AI软件厂商生存空间
大模型技术迭代速度极快（6-12个月一代），AI软件厂商面临持续高研发投入压力；技术路线分歧（开源vs闭源、端侧vs云侧）可能导致押错方向的厂商被淘汰
美国对华AI芯片出口管制（2022年10月至今持续升级），导致高端GPU（A100/H100/H200）获取受限，训练和推理成本上升，间接推高AI软件的交付...
企业AI投资ROI验证周期长，宏观经济下行期企业IT预算收缩可能优先砍掉"锦上添花"的AI项目；中小企业AI付费意愿和能力不足，市场渗透率提升慢于预期
数据安全法、个人信息保护法的执行力度加强，AI训练数据合规要求提高；跨境数据流动限制影响全球化布局；AI生成内容的版权归属和责任认定尚不明确
中美科技脱钩持续深化，不仅影响芯片供应，还可能扩展至AI模型、算法框架层面的技术封锁（如限制PyTorch/TensorFlow对华服务）；中国AI软件出海...
AI大模型训练和推理的高能耗引发碳排放争议；AI算法偏见和歧视问题可能引发社会舆论和监管反应；AI替代就业的社会影响可能导致政策限制
风险矩阵
模型幻觉导致业务出错
高风险大模型在医疗、金融等关键业务场景产生错误输出，可能引发法律责任，单一客户赔偿额超过合同金额200%且损害商誉
采用人机回环机制进行人工审核；部署RAG检索增强生成技术降低幻觉率
模型推理价格战
高风险字节、阿里等大厂大幅降价导致API调用成本下降，软件厂商终端定价权丧失，行业平均毛利率可能在12个月内下降5-10个百分点
转向应用层和解决方案避免纯API转售模式；将AI功能绑定核心业务流程
生成式AI监管收紧
中风险《生成式人工智能服务管理暂行办法》及数据版权、算法备案等监管趋严，合规成本上升占研发费用5-8%，产品上市周期延长1-2个月
建立专门的合规伦理审查团队；优先使用确权数据进行模型训练
高端GPU芯片禁运
高风险美国对高端GPU芯片禁运升级导致模型训练和推理算力成本激增，算力租赁成本波动幅度可能超过30%，直接侵蚀SaaS订阅利润
优化模型蒸馏技术实现小模型化降低算力需求；适配国产算力生态如昇腾、寒武纪等芯片
企业数字化预算缩减
中风险B端企业对AI实际ROI存疑导致POC难转大单，营收增速可能低于预期25%，回款周期延长30天
提供按效果付费的Outcome-based模式；聚焦高痛点场景提升转化率
AI功能付费转化不及预期
高风险用户对AI生成内容准确性容忍度降低，AI功能付费渗透率未达预期，敏感性分析显示渗透率下降10%将导致利润下降15%
持续优化模型准确性和用户体验；采用分层定价策略降低付费门槛
行业数据隐私监管
中风险医疗、金融等垂直领域数据隐私监管趋严，数据孤岛难以打通，影响垂类模型的数据壁垒构建和深度渗透
采用联邦学习等隐私计算技术；建立合规的数据使用和共享机制
国产硬件生态碎片化
中风险国产异构芯片生态碎片化严重，软件需适配华为昇腾、海光等多种芯片，适配成本过高拖累毛利率
开发统一的跨芯片算力调度中间件；优先适配市场份额较大的国产芯片平台
政策风险
中风险AI监管趋严（如《生成式AI服务管理暂行办法》后续细则），可能增加合规成本、延长产品上市周期；算法备案、安全评估等行政流程拉长收入确认节奏
提前布局合规团队，参与行业标准制定；选择已完成算法备案的头部厂商
竞争风险
高风险大模型"百模大战"导致AI软件层同质化严重，价格战压缩毛利；互联网巨头（字节、阿里、腾讯、百度）以亏损换市场份额，挤压独立AI软件厂商生存空间
关注具备垂直行业壁垒和数据飞轮效应的厂商；回避纯通用层、无差异化的AI中间件企业
技术风险
高风险大模型技术迭代速度极快（6-12个月一代），AI软件厂商面临持续高研发投入压力；技术路线分歧（开源vs闭源、端侧vs云侧）可能导致押错方向的厂商被淘汰
优选研发投入绝对值大且技术路线多元化布局的平台型企业；关注开源生态参与度作为技术前瞻性指标
算力/原材料风险
高风险美国对华AI芯片出口管制（2022年10月至今持续升级），导致高端GPU（A100/H100/H200）获取受限，训练和推理成本上升，间接推高AI软件的交付成本和定价
关注已完成国产算力适配的厂商（如华为昇腾生态伙伴）；算力成本下降趋势（国产芯片迭代+推理优化）是中期利好
需求风险
中风险企业AI投资ROI验证周期长，宏观经济下行期企业IT预算收缩可能优先砍掉"锦上添花"的AI项目；中小企业AI付费意愿和能力不足，市场渗透率提升慢于预期
关注已在头部客户中验证ROI的厂商；优选"刚需场景"（如合规、风控、质检）而非"锦上添花场景"（如营销创意）
监管风险
高风险数据安全法、个人信息保护法的执行力度加强，AI训练数据合规要求提高；跨境数据流动限制影响全球化布局；AI生成内容的版权归属和责任认定尚不明确
优选私有化部署能力强的厂商；关注数据资产合规管理赛道的投资机会
国际贸易风险
高风险中美科技脱钩持续深化，不仅影响芯片供应，还可能扩展至AI模型、算法框架层面的技术封锁（如限制PyTorch/TensorFlow对华服务）；中国AI软件出海面临地缘政治阻力
关注已布局国产深度学习框架（PaddlePaddle、MindSpore）的厂商；出海标的优选东南亚、中东等地缘风险较低的市场
ESG风险
中风险AI大模型训练和推理的高能耗引发碳排放争议；AI算法偏见和歧视问题可能引发社会舆论和监管反应；AI替代就业的社会影响可能导致政策限制
关注绿色AI（模型压缩、高效推理）技术布局的厂商；ESG评级较高的企业在机构投资者配置中更具优势
上市公司
核心标的分布 气泡大小=市值
核心标的 (14)
文心大模型4.0/文心一言、飞桨PaddlePaddle、百度智能云AI解决方案
通义千问（Qwen系列开源大模型）、阿里云百炼平台、PAI机器学习平台
混元大模型、腾讯云TI平台、企业微信AI助手
讯飞星火大模型、讯飞开放平台、智慧教育/医疗/城市AI解决方案
豆包大模型日均Token调用量超4万亿次（2024年12月），以极致低价策略（模型推理价格降至行业1/10）快速抢占开发者市场；短视频/内容推荐AI技术外溢
从CV转型生成式AI，"日日新"大模型+SenseCore AI大装置；AI算力基础设施（GPU云）收入增长迅猛，2024年生成式AI收入同比增长约100%
安全+AI双轮驱动，360智脑大模型聚焦企业安全场景；中小企业AI SaaS市场差异化切入
AI+办公场景标杆，WPS AI月活用户快速增长；国产办公软件龙头，信创+AI双重受益
企业级AI决策平台"先知"，聚焦金融、零售、能源等行业的AI中台与MLOps；"式说"大模型面向企业知识管理
人机协同操作系统，聚焦智慧治理与金融AI；国资背景，政府项目获取能力强
对话式AI与智能物联网（AIoT）细分龙头，DFM大模型面向智能汽车/家居/企业服务
涵盖软件开发、信息技术咨询、数据处理等
指对各类系统软件、应用软件、中间件等的开发活动
指利用计算机模拟人类智能的理论、方法、技术及应用系统的软件开发活动，包括但不限于：智能语音、计算机视觉、自然语言处理、机器学习平台、知识图谱、智能决策等AI核心算法与应用软件的研发
深度分析
行业定义与分类
Part 1: 行业定义与边界
================================================================================
需要特别说明的是，在标准的《GB/T 4754-2017 国民经济行业分类》原文中，I651大类下通常划分至6510（软件开发）或细分为6511-6513（基础、支撑、应用软件）。I6516 这一代码通常出现在**国家统计局关于数字经济核心产业分类（2021）**的延伸应用，或最新的2024年统计制度细化分类中，专门用于剥离和统计人工智能相关软件业务。
以下是针对该细分领域的完整分析报告。
PART 1: 行业定义与边界分析报告 —— I6516 人工智能软件
1.1 GB/T 4754-2017 标准定义与层级结构
根据国民经济行业分类与数字经济统计分类的逻辑映射，该行业的层级结构如下：
| 层级 | 代码 | 名称 | 说明 |
|---|---|---|---|
| 门类 | I | 信息传输、软件和信息技术服务业 | 行业顶层归属，属于第三产业中的高技术服务业。 |
| 大类 | 65 | 软件和信息技术服务业 | 包含软件开发、集成电路设计、信息系统集成等。 |
| 中类 | 651 | 软件开发 | 针对具体软件产品的研发、制作与维护。 |
| 小类 | I6516 | 人工智能软件 | 详细定义：指基于人工智能技术（如深度学习、机器学习、知识图谱、自然语言处理、计算机视觉等）开发的，具备感知、认知、决策或执行能力的软件产品。包括人工智能基础软件（框架/平台）、算法模型软件及嵌入式AI软件。 |
1.2 与相邻行业的边界划分
人工智能软件（I6516）最容易与 I6513 应用软件开发（传统业务软件）及 I6420 互联网数据服务 混淆。以下重点对比其与 I6513 的边界。
对比对象： I6513 应用软件开发（传统型）
| 维度 | 本行业 (I6516 人工智能软件) | 相邻行业 (I6513 传统应用软件) | 核心区别 |
|---|---|---|---|
| 产品特征 | 概率性与自适应性。<br>基于模型训练，输出结果往往是概率分布（如识别率99%），具备自我学习和迭代能力。 | 确定性与逻辑性。<br>基于预设的逻辑规则（If-Then），输入确定则输出必然确定，不具备自主学习能力。 | 是否具备**“学习与推断”**能力是核心分界线。 |
| 生产工艺 | 数据驱动。<br>核心流程为：数据清洗→模型构建→训练→调优→部署。严重依赖算力和数据要素。 | 逻辑驱动。<br>核心流程为：需求分析→架构设计→代码编写→测试→部署。依赖程序员对业务逻辑的翻译。 | 数据标注与模型训练是AI软件特有的生产环节。 |
| 销售渠道 | API调用/模型授权/一体机。<br>常以MaaS（模型即服务）或软硬一体（如AI摄像头固件）形式交付。 | License授权/SaaS订阅/项目交付。<br>通常交付可执行程序或Web服务访问权。 | AI软件常按调用次数或算力消耗计费，传统软件按功能模块计费。 |
| 客户群体 | 智能化转型需求方。<br>主要解决非结构化数据处理（图像、语音）或复杂决策问题。 | 信息化建设需求方。<br>主要解决流程自动化、信息记录与管理问题。 | 解决的是**“认知/预测”问题还是“记录/流程”**问题。 |
1.3 核心产品/服务清单
基于2024年市场前沿动态及各大咨询机构数据，以下列出该行业前18种核心产品/服务。 (注：2024年市场规模为基于2023年实际数据结合2024年Q1-Q3增速的预测值)
| 序号 | 产品名称 | 2024年市场规模(预测/亿元) | 占比区间 | 主要企业 | 数据来源 |
|---|---|---|---|---|---|
| 1 | 大语言模型(LLM)服务 | 250 - 300 | 8-10% | 百度、阿里、OpenAI、智谱AI | IDC/Gartner |
| 2 | 计算机视觉软件(安防/监控) | 450 - 500 | 15-18% | 商汤、海康威视、旷视 | iResearch/赛迪 |
| 3 | 智能语音识别与合成软件 | 180 - 200 | 6-7% | 科大讯飞、云知声、Google | CAICT(信通院) |
| 4 | 自动驾驶算法软件 | 350 - 400 | 12-14% | 华为、百度Apollo、Momenta | 罗兰贝格 |
| 5 | AI基础框架与平台 | 100 - 120 | 3-4% | 百度(飞桨)、华为(MindSpore) | 官方财报/IDC |
| 6 | NLP客服/聊天机器人 | 120 - 140 | 4-5% | 腾讯企点、追一科技 | Forrester |
| 7 | 工业质检AI软件 | 80 - 100 | 3% | 创新奇智、海康机器人 | 亿欧智库 |
| 8 | 医疗影像辅助诊断软件 | 60 - 70 | 2% | 联影智能、推想医疗 | Frost&Sullivan |
| 9 | 金融风控与反欺诈AI | 150 - 170 | 5-6% | 蚂蚁集团、同盾科技 | 艾瑞咨询 |
| 10 | OCR文字识别软件 | 40 - 50 | 1-2% | 合合信息、百度 | 华经情报网 |
| 11 | AIGC图像/视频生成工具 | 90 - 110 | 3-4% | Midjourney, 万兴科技, 字节跳动 | Bloomberg Intelligence |
| 12 | 智能推荐系统引擎 | 200 - 220 | 7-8% | 字节跳动、快手 | 公司财报反推 |
| 13 | RPA+AI (智能流程自动化) | 50 - 60 | 2% | UiPath, 艺赛旗, 影刀 | Gartner |
| 14 | 智慧城市交通大脑 | 180 - 200 | 6-7% | 阿里云、海信网络科技 | 政府采购网数据整理 |
| 15 | 生物特征识别(非人脸) | 30 - 40 | 1% | 眼神科技(虹膜/指静脉) | 前瞻产业研究院 |
| 16 | 知识图谱构建平台 | 40 - 50 | 1-2% | 明略科技、星环科技 | Forrester |
| 17 | AI教育/自适应学习软件 | 50 - 60 | 2% | 猿力科技、科大讯飞 | 多鲸资本 |
| 18 | AI代码生成助手 | 20 - 30 | <1% | GitHub(Copilot), 通义灵码 | CSDN开发者调查 |
1.4 统计口径差异说明
在进行行业数据分析时，必须注意以下三个层面的统计口径差异，这是造成不同研报数据打架的核心原因。
1. 国家统计局(NBS) vs 行业协会(如CAICT/IDC) 口径
-
国家统计局口径（严谨/滞后）：
- 判定依据：主要依据企业注册时的主营业务代码和年报中的财务归类。
- 问题：许多AI业务被包含在“系统集成”或“软硬件一体化”销售中，难以单独拆分出软件部分的产值。例如，安防摄像头中的AI算法价值往往被计入硬件产值。
- 归类：大部分AI软件企业在统计局报表中仍被归类为“6510 软件开发”或“6531 信息系统集成服务”，导致单纯针对 I6516 的官方统计数据偏小。
-
行业协会/咨询机构口径（宽泛/前瞻）：
- 判定依据：基于产品功能和技术栈。只要产品核心使用了AI技术，其产生的收入即计入AI软件市场。
- 泛化处理：常将“AI赋能的解决方案”总包合同额按一定比例折算，或者直接将全额计入（如AI服务器中的软件溢价），因此市场规模通常远大于统计局数据。
2. 进出口统计的边界问题
- 无形资产难题：AI软件的出口往往通过 I6591 知识产权服务（专利授权）或 License 跨境支付 进行，海关HS编码主要针对实体货物。
- SaaS/API 形式：通过云端API向海外提供服务（如OpenAI对中国用户的服务，或百度对海外用户的服务），这部分属于跨境数字服务贸易，在传统海关进出口统计中几乎是盲区，通常体现在外汇管理局的服务贸易收支表中，而非货物贸易表。
3. 相关行业数据重叠处理
- 与 I64 (互联网) 的重叠：互联网大厂（BAT字节）内部自用的AI算法（如推荐算法）产生的巨大的间接经济价值，统计局通常计入互联网广告或增值服务收入，而不计入软件行业收入。但行业研报有时会根据“如果单独采购需花费的成本”进行估算。
- 与 C39 (计算机制造) 的重叠：嵌入式AI软件（如手机里的AI拍照算法、汽车里的自动驾驶系统）。
- 原则：若软件随硬件一同定价销售，统计上优先归入制造业（C类）；
- 剥离：若软件单独标价、单独升级收费（如特斯拉FSD），则归入软件业（I6516）。目前这部分界限非常模糊，是数据清洗的难点。
探索价小前投研的更多功能
除了行业深度研报，价小前投研还为你提供：
本内容仅供参考，不构成投资建议。投资有风险，入市需谨慎。