国常会部署AI落地应用 强化算力数据支撑实体经济 事件正面
- 会议听取“人工智能+”行动进展汇报,要求以落地应用牵引技术创新,持续深化拓展该行动
- 提出夯实发展底座,加强技术攻关与算法创新,促进算电协同,增加高质量数据供给
- 强调以实体经济为重点强化供需衔接,鼓励联合研发、推进中试验证、加大场景培育力度
- 要求统筹发展和安全,因业分级分类施策,加强风险研判评估
- 会议讨论并原则通过价格法修正草案,提出依法治理低价无序竞争、规范平台经济领域价格竞争行为
- 产业赛道事件对应的产业方向与逻辑梳理
- 关联公司各赛道业务关联公司及其方向
- 风险提示事件相关的风险与不确定性
AI算力基础设施与算电协同
积极方向“人工智能+”行动进入深化拓展阶段,落地应用的前提是算力供给能力。会议将技术攻关、算法创新与算电协同并列提出,意味着算力建设不再单纯追求规模,而是与电力供给、能耗调度、能效管理协同推进。这一表述对服务器整机、高性能计算、智算中心运营以及数据中心温控与液冷等环节形成方向性指引,同时能效与绿电约束也对数据中心的选址、供电方案和运维能力提出更高要求,行业内部将呈现“算力扩容”与“能效合规”并行的格局。
AI服务器与智算集群整机是其核心产品线,政策提出的“夯实发展底座”“加强技术攻关”直接对应算力硬件供给能力的提升方向;会议鼓励联合研发与中试验证,与其参与算力方案适配、软硬协同优化的业务模式相关。
高性能计算与智算中心建设是其主营业务方向,与政策强调的算力底座建设、技术攻关相衔接;算电协同要求提升后,其液冷及高密度计算方案的适配需求随之增加,业务关联度较高。
智算中心是其主要的算力承载业务,政策推动下算力需求侧扩容有利于其机房资源的利用率提升;同时“算电协同”对供电方案、绿电比例与PUE管理提出更高要求,其项目布局与能耗获取能力成为业务开展的关键变量。
政策提出“促进算电协同”,指向算力与电力的协同调度与能效优化,高功率密度机柜的散热需求推动液冷等温控方案应用;其机房温控与液冷产品线属于算力底座建设的配套环节,与政策方向相关。
大模型与AI软件应用
积极方向会议强调“以落地应用牵引技术创新”,把应用侧放在牵引位置,并提出鼓励联合研发、推进中试验证、加大场景培育力度。这一取向对具备行业知识积累和场景入口的软件企业形成方向性支持,尤其是政务、办公、企业管理、教育等高频场景。同时“因业分级分类施策”意味着不同行业的模型应用在合规、安全评估上的要求不同,能否完成场景验证与合规适配,将影响各公司应用推进的先后节奏,行业内推进进度存在差异。
其行业大模型与教育、医疗、办公等场景应用直接对应政策“加大场景培育力度”“以实体经济为重点强化供需衔接”的方向;公司在联合研发与行业应用落地上的业务布局与会议提出的应用牵引思路一致。
办公文档是高频率、广覆盖的AI应用入口,其AI辅助写作、文档处理等功能属于政策鼓励的“场景培育”范畴;组织级客户的联合研发与试点验证需求,与其产品交付模式相关。
企业经营管理软件是AI落地实体经济的重要载体,政策强调以实体经济为重点强化供需衔接,其企业管理云与行业解决方案具备与AI能力结合的切入点;联合研发与中试验证的推进方式与其面向大型客户的实施模式相关。
其端侧智能与操作系统软件业务属于AI应用落地的技术支撑环节之一,与政策鼓励的算法创新、场景培育存在关联;但会议重点更偏向实体经济场景与算力底座,端侧软件与其直接对应关系相对间接,方向性影响不显著。
工业AI与智能制造
积极方向会议把“以实体经济为重点”作为赋能应用的核心表述,并提出鼓励联合研发、推进中试验证、加大场景培育力度。制造业是AI与工艺知识结合难度较高、验证周期较长的领域,中试验证被单独提出,说明政策关注从技术到生产线的转化环节。这对工业软件、工业控制系统、工业自动化部件以及钢铁等流程行业的智能制造方案供应商形成方向性指引,但实际推进依赖企业技改意愿与验证成效,行业内部节奏不一。
其工业互联网平台与流程行业智能制造解决方案,与政策强调的“以实体经济为重点”“推进中试验证”方向一致;工业现场数据积累与工艺模型是其业务基础,同时其数据中心业务也涉及算力承载,与算力底座建设存在交叉关联。
流程工业的自动化控制与工业软件是AI进入生产环节的关键接口,政策提出加大场景培育与中试验证,与其在化工、石化等场景推进智能运行、优化控制的业务方向相关。
工业自动化部件是智能制造的执行层基础,制造业智能化改造推进将带动设备端的数据采集与联网需求;其通用自动化产品线与设备侧智能化升级方向相关,但政策更侧重软件与场景验证,其直接关联度中等。
制造业ERP与生产执行系统是工业数据汇聚与AI应用的基础载体,政策鼓励的中试验证与场景培育需要此类系统承载;其客户以制造企业为主,与“赋能实体经济”的方向存在业务关联。
数据要素与高质量数据供给
积极方向会议在“夯实发展底座”部分将增加高质量数据供给与算法创新、算电协同并列,表明数据被视为AI发展的基础要素之一。高质量数据涉及公共数据开放、行业数据治理、数据标注与流通交易等环节,相关信息化服务商与数据服务企业的业务空间受到方向性关注。同时“统筹发展和安全”要求下,数据分类分级、安全评估与合规使用的要求同步提高,数据流通的实际开放程度和合规成本将影响各环节推进节奏。
政务与公共数据治理是其业务组成部分,政策提出增加高质量数据供给,公共数据的归集、治理与开放与其政务信息化业务方向相关;数据安全与分级分类要求提升,也与其合规化数据服务能力相关。
其智慧城市与政务数据服务业务涉及数据采集、汇聚与平台建设,与高质量数据供给的政策方向存在关联;同时其数据中心业务属于算力承载环节,与算力底座建设方向有交叉。
其大宗商品行业数据采集、指数编制与数据产品服务属于典型的行业数据供给环节,政策强调增加高质量数据供给,与其数据生产与服务的业务模式方向一致;行业数据的标准化与可用性是其业务基础。
数据湖与数据授权运营业务与数据要素供给方向相关,但该类业务对地方财政投入与数据授权机制依赖较强,政策表述侧重方向性引导,具体落地节奏与项目推进存在不确定性,方向性影响暂不显著。
- “人工智能+”行动以方向性部署为主,地方配套细则、场景清单与推进机制尚待明确,从政策引导到企业实际业务落地存在时滞。
- 算电协同涉及能耗指标、绿电供应与数据中心布局审批等跨部门协调事项,相关项目的推进节奏存在不确定性。
- 高质量数据供给依赖公共数据开放程度、数据确权与流通规则、安全合规要求,数据共享机制仍在探索,实际可用数据规模存在不确定性。
- 价格法修正草案提出治理低价无序竞争、健全成本调查与低价倾销认定规则,配套规则尚待细化,对部分以低价投标获取项目的业务模式形成调整压力,执行尺度存在不确定性。
- 大模型、算力硬件与工业软件的技术路线与标准尚未统一,中试验证与场景培育的实际成效需要时间检验,行业内不同公司的推进进度可能分化。