GIL 2026 | Frost & Sullivan and LeadLeo Research Institute Release ‘2026 AI Advancement and Leap White Paper’

全球人工智能产业正处于市场规模快速扩张与竞争要素持续重构的阶段。2025年全球人工智能市场规模约为1.1万亿美元，预计2030年将增至6.9万亿美元。美国与中国在模型发布、企业集聚和产业投入等方面保持第一梯队，欧洲及其他地区则更多围绕细分技术和区域应用形成突破。随着人工智能进入重资本发展阶段，行业竞争已由单一模型性能比拼，逐步转向资本、算力、数据、人才和工程化能力的综合竞争，算力供应链、人才流动与主权AI建设也在持续重塑全球产业分工。

在政策、技术和场景需求共同推动下，中国已形成覆盖算力基础设施、基础模型、开发平台、智能终端和行业应用的较完整产业体系。2025年，中国人工智能核心产业规模突破1.2万亿元，相关专利申请量达到2.9万项，产业规模与技术创新同步增长。政策重点也由基础技术研发延伸至智能终端、智能体、超大规模智算集群、高质量数据集和行业商业化应用，推动人工智能由单点验证和场景示范迈向基础能力、产品供给与应用生态协同发展。

中国人工智能产业已形成由基础层、技术层和应用层共同构成的完整生态。基础层覆盖算力、数据资源、算法框架及基础软件，为模型训练和推理提供底层支撑；技术层围绕大模型、开发平台、机器学习、知识增强、语音与视觉AI等能力持续演进；应用层则加快向金融、医疗、教育、制造、能源、智能汽车、机器人及消费电子等场景延伸。随着各环节分工持续深化，产业上下游协同能力不断增强，人工智能技术也正加快从底层能力建设走向多行业、多场景应用落地。

随着大模型训练、推理服务、多模态应用和智能体任务持续增长，AI基础设施建设重点正由扩大算力规模转向提升推理承载、异构调度、存算协同和低时延服务能力。AI芯片、服务器、智算集群和云算力构成模型运行底座，高质量数据集、数据治理与安全合规则决定模型训练质量和行业适配效果。未来，基础设施竞争将更加关注资源统一管理、负载弹性调度和单位推理成本，能够提升算力利用率、降低模型开发与部署复杂度的平台将获得更大发展空间。

随着大模型推理、知识增强及工具连接能力持续成熟，智能体正从问答辅助进入任务规划、工具调用和跨系统执行，并由单体应用向智能体工作流与多智能体协同演进。在“人工智能+”行动推动下，智能体加快进入金融、政务、制造、医疗、能源、通信、电商零售等领域，成为连接模型能力与行业场景的重要载体。

从行业应用看，互联网、金融、工业制造、消费零售和教育五类场景合计占中国大模型应用案例的73.3%。其中互联网依托高频交互、内容分发和搜索推荐保持领先；金融重点应用于风险控制、智能投研、客户服务和合规审查；工业制造加快向研发设计、智能排产、质量检测和设备运维渗透；消费零售与教育则分别围绕智能导购和精准营销、个性化学习和教学辅助深化应用。与此同时，政务、医疗、能源、通信、汽车出行及泛娱乐等行业也在城市治理、辅助诊疗、能源调度、网络运维、智能驾驶和内容生产等场景加快探索，AI应用正由通用能力验证转向行业重点流程落地。

随着人工智能由模型突破走向规模化应用，算力基础设施与行业解决方案成为技术价值落地的重要支撑。围绕模型训练、推理服务、智能体开发和行业流程融合，一批兼具技术积累与工程化交付能力的厂商加快形成差异化发展路径。

以九章云极为例，公司聚焦人工智能基础设施与AI工业化生产，形成以训练工厂和Token工厂为核心的产品体系，并通过DCU算力计量、异构资源统一管理和全栈智算平台，贯通算力调度、模型训练、推理部署及Token交付。针对模型研发过程中算力需求波动、任务排队和资源闲置等问题，其通过本地固定算力与云端弹性算力协同，根据任务优先级和资源状态进行统一调度，在保障模型持续训练与快速迭代的同时，提升算力利用率并减少峰值资源冗余，为企业开展规模化训练和推理提供更具弹性的基础设施支撑。