AI大模型是一种基于深度学习技术构建的大型神经网络模型，通常包含数十亿甚至数千亿个参数。它通过海量数据的训练，学习语言、图像、视频、音频或其他数据的复杂模式和规律，从而具备广泛的应用能力，形成普适性知识表征。其设计目标是模拟人类的认知和学习方式，能够处理多种任务而无需针对每个任务进行单独的定制化训练。
人工智能大模型的产业链可分为基础层、技术层和应用层三大核心层级。基础层提供算力、数据与基础设施支持，涵盖传感器、大数据平台、AI芯片以及云服务，这些资源为上层技术研发与模型训练提供硬件算力、数据存储和分布式计算能力。技术层聚焦算法与工具开发，以机器学习、深度学习为核心，结合计算机视觉、自然语言处理、语音识别等关键技术。应用层则推动技术成果向多场景渗透，覆盖智能驾驶、智能安防、金融、医疗、教育、零售、制造等垂直领域，并通过“AI+”模式拓展至更广泛行业。
当前国产大模型正加速普及，面临百花齐放且各具特色的市场格局。典型代表包括DeepSeek-R1（擅长强化逻辑推理与数学能力）、阿里通义千问（具备多模态应用与通用场景覆盖）、智谱AI的GLM系列（开源生态与长文本处理）以及月之暗面Kimi（超长上下文窗口技术）等。各类大模型正逐步在智能客服、教育、创作等领域形成差异化竞争。
此外，国产大模型通过联合开发、API接入、自研集成等模式，与手机厂商形成深度绑定，技术落地主要聚焦语音交互、影像处理、系统优化三大领域，同时向端侧轻量化推理和多模态交互扩展。目前手机厂商普遍采取“自研+合作”双路径，与百度、阿里、科大讯飞等企业合作，通过预装功能模块或云端API调用降低研发成本。
国产大模型市场当前正在经历快速的技术迭代和商业化落地，目前头部企业的大模型水平已经追平国际大模型均线。在历经了短期的加速发展后，2023年中国大模型市场规模达到了约132亿元人民币，预计在未来随着大模型技术不断提升，技术也将逐步向轻量化小模型、垂直化、以及多功能化方向发展，预计在2028年市场规模将突破800亿人民币。
在转债领域，本文梳理了21只国产大模型相关转债标的，其中主要涉及政务、医疗等领域为代表的应用层以及提供算力服务和基础设施的基础层。
风险提示：
行业竞争加剧风险、算力拥堵导致市场流失风险。
AI大模型是一种基于深度学习技术构建的大型神经网络模型，通常包含数十亿甚至数千亿个参数。它通过海量数据的训练，学习语言、图像、视频、音频或其他数据的复杂模式和规律，从而具备广泛的应用能力，形成普适性知识表征。其设计目标是模拟人类的认知和学习方式，能够处理多种任务而无需针对每个任务进行单独的定制化训练。
从应用场景角度可分为通用大模型和垂直大模型，其中通用大模型具备更强普适性，擅长处理多模态任务，如跨领域问答、文本创作、智能客服等，通过海量数据训练适应模糊需求。垂直大模型则深耕单一领域，聚焦专业场景如医疗影像诊断、金融风控建模或法律文书审核，依赖行业数据微调，输出高精度结果，比如医疗模型识别病理特征，需结合领域知识库提升准确性。前者强在广度覆盖，后者专攻深度应用，形成“通用工具+垂直专家”的互补格局。
人工智能大模型的产业链可分为基础层、技术层和应用层三大核心层级。基础层提供算力、数据与基础设施支持，涵盖传感器、大数据平台、AI芯片以及云服务，这些资源为上层技术研发与模型训练提供硬件算力、数据存储和分布式计算能力。技术层聚焦算法与工具开发，以机器学习、深度学习为核心，结合计算机视觉、自然语言处理、语音识别等关键技术。应用层则推动技术成果向多场景渗透，覆盖智能驾驶、智能安防、金融、医疗、教育、零售、制造等垂直领域，并通过“AI+”模式拓展至更广泛行业。
当前国产大模型正加速普及，面临百花齐放且各具特色的市场格局。典型代表包括DeepSeek-R1（擅长强化逻辑推理与数学能力）、阿里通义千问（具备多模态应用与通用场景覆盖）、智谱AI的GLM系列（开源生态与长文本处理）以及月之暗面Kimi（超长上下文窗口技术）等。各类大模型正逐步在智能客服、教育、创作等领域形成差异化竞争。
此外，国产大模型通过联合开发、API接入、自研集成等模式，与手机厂商形成深度绑定，技术落地主要聚焦语音交互、影像处理、系统优化三大领域，同时向端侧轻量化推理和多模态交互扩展。目前手机厂商普遍采取“自研+合作”双路径，与百度、阿里、科大讯飞等企业合作，通过预装功能模块或云端API调用降低研发成本。华为、Vivo、OPPO、小米等厂商部分机型则以自研大模型为核心，直接嵌入操作系统，实现影像算法增强、语音助手升级、智能资源调度等功能。
国产大模型市场当前正在经历快速的技术迭代和商业化落地，目前头部企业的大模型水平已经追平国际大模型均线。在历经了短期的加速发展后，2023年中国大模型市场规模达到了约132亿元人民币，预计在未来随着大模型技术不断提升，技术也将逐步向轻量化小模型、垂直化、以及多功能化方向发展，预计在2028年市场规模将突破800亿人民币。
在大模型取得突破、应用场景广泛开拓与深入发展的背景下，算力需求高速增长、数据要素化进程持续推进、同时算力模型复杂度日益提升，智能算力作为释放数据价值的必要工具，其需求与规模也将迎来快速增长。根据IDC数据显示，2024年，中国智能算力规模达725.3EFLOPS（10^18浮点运算次数/秒），同比增长74.1%，增幅是同期通用算力增幅的3倍以上。预计2025年中国智能算力规模将达到1037.3EFLOPS，较2024年增长43%，市场规模将达到259亿美元。
在转债领域，本文梳理了21只国产大模型相关转债标的，其中主要涉及政务、医疗等领域为代表的应用层以及提供算力服务和基础设施的基础层。
风险提示：
行业竞争加剧风险、算力拥堵导致市场流失风险。
本周转债市场持续上行，通信、汽车、纺织服饰行业转债涨幅靠前，涨幅分别为8.77%、4.59%、3.94%；银行、煤炭、交通运输行业跌幅靠前，跌幅分别为-0.87%、-0.73%、-0.35%。本周转债绝对价格中位数为123.4。股票市场方面，通信、机械设备、电子行业涨幅靠前，涨幅分别为8.09%、7.77%、6.96%；煤炭、传媒、房地产行业跌幅靠前，跌幅分别为-4.31%、-1.80%、-1.58%。
本周百元修正转债转股溢价率走扩。分平价区间转股溢价率方面，平价在70-80、90-100、100-110、110-120、130以上的转债转股溢价率平均值变动不显著，平价在40以下、40-50、50-60、60-70、80-90、120-130的转债转股溢价率平均值扩大。
分平价区间占比方面，平价在40以下、40-50、50-60、70-80、100-110、120-130的转债占比变动不显著，平价在90-100、130以上的转债占比提高，平价在60-70、80-90、110-120的转债占比减少。
本周各经典策略收益率均为正，其中偏股型策略收益率为7.70%，偏债型策略收益率为0.70%，平衡型策略收益率为2.22%，低价策略收益率为1.06%，双低策略收益率为0.98%。
本周共1只转债公告赎回债券。
本周共2只转债公告不赎回债券。
本周共8只转债公告董事会提议下修。
本周共有3家上市公司公告转债发行进度，拟发行规模17.85亿元。上市公司发行方式为优先配售、网上定价和网下配售的组合发行方式，发行期限为6年。其中1家获得交易所受理，1家同意注册，1家通过董事会预案。
