人工智能市场规模增长的驱动力，核心在于大模型的涌现能力所引发的连锁反应：模型规模跃升带来算力投入激增，进而推动应用落地与产业升级，形成正向循环。算力需求、应用场景扩展和企业智能化转型，是驱动市场增长的三驾马车。

从涌现能力到增长飞轮

大模型的涌现能力是理解市场增长的关键。当模型规模达到某个阈值时，模型对某些问题的处理性能会突然呈现快速增长，这正是 ChatGPT 等现象级应用得以诞生的技术基础。这种能力跃升直接带来了两大效应：

  • 算力需求爆发：模型规模的扩大意味着训练和推理所需的算力投入持续增加，推动 AI 芯片、光模块等基础层产业链快速增长。
  • 应用门槛降低：相比小模型需要针对特定场景重新训练，大模型泛化能力强，通过微调甚至不微调即可完成多场景任务，有效降低 AI 应用研发门槛。

市场增长的三重驱动

算力：基础设施的刚性扩张

AI 应用的大规模落地离不开庞大算力支撑。随着越来越多 AI 应用的涌现，对光通信的带宽容量和传输速率也提出了更高要求，这直接带动了算力相关产业链的持续增长。

应用落地：降本增效的“蒸汽机”

人工智能正被定位为数字经济时代的“蒸汽机”，将极大地替代人类重复的脑力劳动，为各行各业带来降本增效。从市场预测来看，中国人工智能市场规模的复合增速将持续高于全球，总规模占全球市场的比重预计将从 2021 年的 13.8% 提升到 2025 年的 20.9%，其中计算机视觉、AI 软件等细分赛道均保持快速增长。

产业升级：差距缩小带来的追赶空间

在这一轮技术革命中，国内人工智能大模型与海外的差距已缩小到 1-3 年。在全球超千亿参数大模型中，中国企业或机构贡献了 1/3，美国贡献了 1/2。随着国内公司在 AI 算法上持续投入、巨头积极布局，部分算力约束也将通过国产 GPU 或 ASIC 替代，未来有望依托大模型的应用落地与产业升级，爆发出巨大增长潜力。

常见问题

大模型涌现能力对市场增长有多重要？

涌现能力是市场增长的技术起点。 当模型规模达到阈值后性能跃升，才催生了 ChatGPT 这类现象级应用，进而引爆了全社会的关注与资本投入，带动整个产业链的扩张。

算力需求在增长驱动中扮演什么角色？

算力是基础层的刚性支撑。 AI 芯片和光模块为人工智能提供算力支持，未来越来越多 AI 应用的落地都离不开庞大算力的支撑，因此也将推动算力产业链快速增长。

哪些环节最值得关注？

综合来看，最值得关注的四个环节是上游的 AI 芯片和光模块、中游的大模型，以及下游的落地场景。其中，有优质应用场景的 C 端企业，以及有数据积累的 B 端企业，有望率先受益于 AI 赋能带来的降本增效。