报告概述
该报告紧扣十五五规划纲要首次独立成篇的“数智化”章节，从算力设施支撑、模型算法创新、数据资源开发利用、数智技术赋能等维度系统解读政策要点。报告明确了数智化的内涵与战略地位，分析算力、数据、算法、应用四大方向的投资机遇，并给出相关标的建议，有助于投资者理解政策红利与产业趋势。
报告的核心结论
数智化首次上升为独立战略章节
十五五规划纲要将“数智化”单独成篇且排序提前，取代了十四五的“数字化”，表明人工智能与数据要素成为国家战略核心。数智化以“两数一智”（数字技术、数据要素、人工智能）为框架，强调数据驱动和智能运营。
算力基础设施增速有望维持30%左右
报告预计2026年中国算力基础设施规模将继续保持约30%增速，其中智算中心占比40%、东数西算枢纽扩容占比40%、算力互联互通和调度平台占比约15%。超大规模智算集群（十万卡）有望在2026年突破，绿电协同和国产算力占比也将提升。
2026年被定为数据要素价值释放年
国家数据局明确2026年为数据要素价值释放年，将围绕基础制度完善、基础设施建设、产业应用、跨境流通等开展工作。公共数据运营服务费试点、数据产权登记、资产化资本化试点持续推进，高质量数据集建设成为AI发展的重要基础。
国家人工智能中试基地加速应用落地
人工智能应用中试基地作为规模化、标准化、体系化的共性能力平台，已在制造、医疗、交通、金融、能源、消费等领域启动。中试基地将整合资源打造标杆应用，推动数智技术赋能各行各业。
国产算力与开源生态迎来发展机遇
政策要求加快培育自主可控软硬件生态，国产算力占比有望进一步提升。推动开源体系建设有助于国产大模型出海，中国已与东盟合作建立AI应用合作中心，国内AI应用市场空间广阔。
报告回答的关键问题
十五五规划中数智化与十四五数字化有何不同？
数智化强调数字技术与智能技术的融合，以数据要素和人工智能为核心，是新质生产力的典型代表。相比十四五的“数字化”，十五五将“数智化”独立成篇且位置提前，政策部署更全面，涵盖算力、算法、数据、应用、市场和监管。
算力基建有哪些重点方向值得关注？
报告指出算力基建重点包括：国家枢纽算力设施集群（东数西算）、低时延场景的适度发展、超大规模智算集群（十万卡级）、算力设施市场化运营（算力券等）、绿电协同（算电协同）、以及国产算力软硬件生态培育。
数据要素价值释放年有哪些具体举措？
2026年国家数据局将围绕完善数据产权、流通交易、收益分配等基础制度，推进公共数据授权运营，发放数据产权登记证书，推动数据资产化资本化试点，并建设高质量数据集和人工智能语料库，同时开展可信数据空间试点。
人工智能中试基地是什么？有哪些领域已启动？
人工智能中试基地是加速AI应用规模化、标准化发展的共性平台。已启动的领域包括制造（汽车方向）、医疗（智能专科医生、临床科研等）、交通（智慧港口、物流）、金融（普惠支付）、能源（电力）、消费（移动终端）和农业（育种）等，由各地龙头企业或机构承建运营。
投资数智化应关注哪些行业标的？
报告建议关注四大方向：算力（算电协同、智算云、国产算力）、数据（数据要素、高质量数据集建设）、算法（大模型公司、非transformer架构路线）、应用（制造、医疗、能源、金融、消费、农业等AI中试基地重点布局的垂直领域）。
报告中的代表性数据
2025年中国算力市场规模
2025年，根据经济参考报，同比增长超30%；头部科技企业AI算力投入预计达4500亿元，其中30%用于国产芯片验证适配。
国家枢纽节点新建数据中心绿电占比目标
2025年底，根据《数据中心绿色低碳发展专项行动计划》，到2025年底算力电力双向协同初步形成。
十万卡超大规模智算集群预计突破时间
2026年，浙江省已明确提出到2027年建设十万卡集群，报告预计2026年国内十万卡集群有望突破。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 十五五规划纲要数智化章节的逐条政策原文与解读，帮助读者全面理解政策方向。
- 算力设施支撑的详细分析，包括东数西算工程布局图、超大规模智算集群进展、算力市场化运营模式（如算力券）等。
- 模型算法迭代创新的政策要求与技术路线探讨，包括Transformer以外的新架构（如类脑脉冲世界模型）。
- 数据资源开发利用的深度剖析，涵盖数据产权登记、公共数据运营服务费收费标准示例、高质量数据集建设案例。
- 数智技术赋能各领域的完整表格，列出已启动的国家人工智能中试基地项目，包括领域、地区、承建单位等详细信息。
- 投资建议与相关标的的完整列表，按算力、数据、算法、应用四个方向分类，并附有公司名称。
- 风险提示：政策推进不及预期、行业竞争加剧、技术发展不及预期三大风险及其影响分析。
- 图表目录与内容目录，便于快速定位具体章节和数据。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
