五万字解读数字经济：行业全景图谱、细分行业分析框架及优质企业筛选标准

作者：王彬

来源：负险不彬

声明：

本报告为负险不彬主理人王彬结合市场信息收集、整理、分析，仅结合个人投资尽调思路形成的行业及标的企业的筛选框架，内容若有不完善处请多海涵。

五万字是公众号发文约束上限，不是内容上限，数字经济项下各细分行业后续均将纳入本公众号“卍解系列”进行专项分析解读，本篇及以后陆续发表的各细分行业分析操作手册均不构成任何投资建议。

忠告：投资有风险，决策需谨慎。

欢迎转载，但请标明出处，并请将上述声明一并转载。

一、数字经济基础

（一）数字经济的范围

20国集团（G20）在2016年杭州峰会上通过的《二十国集团数字经济发展与合作倡议》中，将数字经济定义为“以使用数字化的指示和信息作为关键生产要素，以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。国务院在《“十四五”数字经济发展规划》中明确，数字经济是继农业经济、工业经济之后的主要经济形态。

数字经济主要包括“数字产业化”与“产业数字化”两大部分。具体来看，数字产业化侧重于“加法”，即集中于特定数字产业自身的发展，主要包括电子信息制造业、电信业、软件和信息技术服务业、互联网行业等；产业数字化则侧重于“乘法”，即通过数字技术赋能传统产业，从而实现生产力、生产效能的提升。据信通院数据显示，我国的数字经济规模保持在二八比例结构，即数字产业化部分占比为20%，而产业数字化规模约占数字经济规模的80%（具体的计算逻辑为，从数字产业化与产业数字化两部分分别核算，进行加总获得数字经济的规模：在数字产业化部分的数字经济规模测算上，信通院选定电子信息制造业、基础电信业、互联网行业、软件服务业等行业，按照对应的国民经济统计体系中各个行业的增加值直接加总得到数字产业化部分增加值；在产业数字化部分，采用投入产出分析法，将数字经济对其他行业贡献进行分离，得到产业数字化部分的数字经济规模）。

根据2021年5月27日，我国国家统计局发布的《数字经济及其核心产业统计分类（2021）》，对国民经济行业分类中符合数字经济特征的，以提供数字产品（货物或服务）为目的的相关行业类别进行了再分类。具体而言，分类如下：

从构成来看，我国数字经济以产业数字化为主，数字产业化占数字经济比重仅20%左右。但是数字产业化的部分，是数字技术自身形成的基础设施、技术、产品和服务的产业集合，能够为数字经济提供赋能基础和技术底座。产业数字化的部分是传统国民经济的垂直行业应用数字技术进行全方位、全链条升级迭代的过程，所以在未来将会呈现信息化、数字化、智能化以及在未来价值互联网与链上经济兴起带来的程序化。

（二）数字经济发展历程

（三）数字经济的发展趋势

1、智能化

智能化是在信息化和数字化之后更深层次的一次产业变革，当前已经进入到由算力和算法共同驱动的深水区，尽管智能化进程尚处于起步阶段，但是其对经济结构的重塑作用已经明显的体现出来。智能化的作用在很大程度上甚至在引发质变的产业变革，不再局限于对既有流程的数字化记录，而是直接参与到生产、决策和创造的核心环节，在多个行业中展现出降本增效和价值跃升的优势。

不仅如此，智能化进程也丰富了数字经济的产业构成：一是催生算力经济的新繁荣。生成式人工智能的快速应用，确立了算力作为核心竞争力的地位。为了支撑庞大的模型训练与推理需求，囊括高性能AI芯片、智算中心、云计算调度平台的庞大基础设施产业应运而生。推动了硬件制造的高端化，促进了云服务从传统的基础设施即服务向模型即服务演进。二是孵化数据要素的新价值链。在智能化阶段，数据是训练大模型所需基础，数据价值的提升催生了专业的数据标注、数据清晰、合成数据生成以及数据隐私计算等全新细分行业，生成式人工智能让数据要素的价值变现路径变得更加清晰，高质量的行业语料库成为企业的核心资产，数据的采集、加工、交易和确权形成了一条完成的产业链。三是构建繁荣的原生应用生态。生成式人工智能正在构建一个全新的应用层生态，一方面通用的基础大模型成为了新的操作系统；另一方面，基于特定垂直领域（如生物制药、新材料发现、教育辅导等）的垂直模型与原生应用纷纷涌现，垂直领域的新兴企业基于“模型调用+场景微调”的全新商业模式，填补了数字经济中大量长尾需求的空白。

2、程序化

程序化（programmable）是数字经济继智能化之后的下一阶段，以期完成从“决策”到“执行”的闭环，当智能化赋予了及其进行思考和决策的能力后，数字经济进一步发展的需求将转向自动完成价值交换与契约执行。以可编程货币（programmable money）和智能合约为核心的程序化阶段，正式数字经济从信息的互联网向价值的互联网在未来的终极跃迁。

（四）行业估值指标及选用标准

数字经济行业属于大类技术驱动型高成长行业，核心估值指标为PS、PEG，辅助指标为PE、PB。由于行业利润波动较大（研发投入高、季节性明显），PE在景气低点可能失真，PS更能反映成长价值，各指标公式及优劣势分析如下：

考虑到数字经济涉及具体细分行业众多，尤其是产业数字化部分几乎涵盖了当前所有业态形式，本文以数字产业化的核心行业为基本分类维度，在行业分类基础上进行细分行业梳理，考虑到划分维度问题，不排除某些细分领域被同时归口到不同业务大类中的情形。

二、计算机行业分析框架

（一）计算机行业范围的界定

计算机行业以计算机硬件（如CPU、内存、存储设备）和软件（操作系统、应用程序）为基础，通过技术融合推动各行业数字化升级。其核心目标是实现信息处理的高效化与智能化，服务于智能制造、智慧生活等场景。在数字经济的语境下，计算机行业呈现智能化（人工智能与计算机深度融合，实现感知、学习、推理等能力。应用场景包括自动驾驶、智能医疗、机器翻译等，显著提升人机交互效率和任务处理能力）、融合化（计算机与物联网、区块链、生物技术等交叉领域结合，推动智慧城市、智能制造、智慧医疗等新兴产业发展。如通过物联网实现设备互联，通过区块链保障数据安全）、泛在化（计算能力渗透到日常生活、工作和学习中，借助可穿戴设备、物联网技术实现无处不在的服务）的特征。

（二）产业链及价值链

计算机行业产业链可拆解为“基础层—技术层—应用层”三层架构，外加贯穿全链的”信息安全”保障层。

从利润池分布看，计算机行业呈现显著的“微笑曲线”特征：上游基础软件（数据库、操作系统）和下游应用软件（办公软件、工业软件）利润率最高，毛利率普遍在45%-85%区间；中游硬件制造（服务器、PC）利润率最薄，毛利率多在10%-15%区间。AI芯片作为新兴环节，毛利率可达50%以上，但研发投入巨大，净利率分化显著。

（三）行业供需分析及趋势变化

1、行业供需分析

供给端。算力供给上，中国智算算力规模仍处于快速上升通道，国产芯片的产能也逐步释放，供给瓶颈从“无芯可用”转向“有好芯可用”。信创供给上，信创产业链已形成“硬件—软件—平台—应用—安全”完整闭环。2026年信创产品认证体系迎来重大变革，取消产品清单制、建立动态能力评估模型，促使厂商从“拿证思维”转向“建生态思维”。

需求端：AI算力需求上，全球AI算力需求以每3-4个月翻番的速度突破临界点。2026年全球AI基础设施支出中，推理算力占比首次超过70%，算力缺口持续扩大。信创需求上，信创产业落地呈现“2+8+N”发展态势，党政信创向县乡级下沉，行业信创在金融、能源、电信、教育等领域加速渗透。

综上，供需平衡上，计算机行业供需格局呈“紧平衡偏短缺”状态。AI算力供给侧虽有国产芯片放量，但需求增速更快，推理算力需求呈指数级增长。信创供给侧产品成熟度提升，但2027年硬约束下需求集中释放，2026年供需缺口可能扩大。

2、核心竞争力及市场格局变化

在核心竞争力方面，计算机行业核心竞争维度依次为：技术壁垒>生态壁垒>客户黏性>规模效应>渠道覆盖。其中，AI芯片和基础软件的生态壁垒最强（客户迁移成本高），工业软件的技术壁垒最深（Know-how积累周期长），办公软件的规模效应最显著（用户网络效应）。在格局演变趋势上，计算机行业的集中化趋势将会更加强化，一是因为信创政策推动客户向头部厂商集中（采购资质门槛提高，小厂商退出 ）；二是因为 AI技术迭代淘汰落后产能（大模型研发门槛高，只有头部企业能持续投入）；三是客户集中采购（尤其是金融、电信等大客户倾向于减少供应商数量），预计未来3年，AI芯片、数据库、工业软件等赛道集中度将持续提升，头部企业份额有望从当前的20%-30%提升至40%-50%。办公软件、网络安全等领域格局已较稳定。

（四）优质企业筛选标准

1、三维筛选体系

2、细分赛道筛选标准

3、负面清单（一票否决制）

三、通讯及雷达设备制造行业分析框架

（一）通讯及雷达设备制造行业范围的界定

通讯及雷达设备制造行业隶属于《国民经济行业分类》中的电子信息制造业，包含通信设备制造、雷达及配套设备制造两大类，具体涵盖计算机制造、广播电视设备制造等多个子行业。具体细分领域为通信设备制造业；雷达及配套设备制造业。

（二）产业链基本情况

1、产业链全景图

通讯及雷达设备制造行业产业链可拆解为“上游核心器件—中游设备制造—下游应用集成”三层架构。

从利润池分布看，行业呈现显著的”技术溢价”特征：上游光芯片、射频器件等环节毛利率普遍在40%-50%区间，技术壁垒高、国产替代空间大；中游光模块毛利率约30%-35%，规模效应显著，龙头集中度高；通信系统设备毛利率约25%-30%，受运营商资本开支周期影响较大；军用雷达毛利率约35%-40%，但订单周期长、交付节奏受国防预算影响；PCB/覆铜板等基础材料毛利率约20%-25%，周期属性较强。

2、细分行业产业链

（1）通讯设备产业链

（2）雷达设备制造行业产业链

（三）行业供需分析

供给端，通信设备制造上，行业供给格局呈现“龙头集中、细分分化”特征。雷达设备制造上，军用雷达领域以国有背景企业为主，供给受国防采购计划和资质认证严格约束。民用雷达领域（车载激光雷达、毫米波雷达）参与者众多，新兴企业快速崛起。

需求端，通信设备方面，AI算力驱动，云厂商AI资本开支持续高增。数据中心互联（DCI）和AI集群内部互连成为光模块核心增量场景；深度覆盖上，2026年投资从“广覆盖”转向“深覆盖+优体验”，5G行业专网建设加速。卫星互联网上，低轨星座组网进入高密度发射期，预计2026年国内低轨通信卫星发射量有望实现爆发式增长。

雷达设备需求方面，军用需求上，国防信息化加速推进，战机、舰船、防空系统等平台雷达升级换代需求旺盛。有源相控阵雷达渗透率持续提升。民用需求上，智能驾驶L2+渗透率快速提升，带动车载激光雷达和毫米波雷达需求。气象雷达、空管雷达等特种应用稳步增长。

（四）优质企业筛选标准

1、核心关键指标

2、企业思维评分标准

（1）技术领先性

必备条件：研发费用率≥5%（设备制造业中位数约4-6%，领先企业应在8%以上）；拥有自主核心技术或专利壁垒，专利数量行业前列；核心技术指标达到国内领先或国际先进水平。

升级条件：参与国家/行业标准制定；承担国家级科研项目或“卡脖子”技术攻关；在GaN、相控阵、软件定义等前沿方向有布局；产品通过军品认证或进入核心客户供应链。

（2）市场卡位

必备条件：在细分领域市占率排名前三；拥有稳定的头部客户（运营商、军工集团、车企等）；具有持续获取大额订单的能力。

升级条件：客户集中度适中（第一大客户占比<30%）；客户复购率高、合作年限长；出口业务占比提升、国际化布局进展。

（3）盈利质量

必备条件：毛利率≥25%（反映产品差异化与定价权）；经营现金流/净利润≥0.8（验证盈利含金量）； ROE≥8%（长期股东回报能力）。

升级条件：毛利率呈提升趋势；期间费用率下降、规模效应显现；分红比例稳定（30%以上为佳）；资产负债率<50%、财务杠杆健康。

（4）成长弹性

必备条件：近3年收入复合增速≥10%；有明确的新品/新市场扩张计划；产能利用率处于较高水平（>80%）。

升级条件：新品收入占比快速提升；产能扩张计划明确且资金来源清晰；受益于明确的行业景气上行周期；并购整合能力或平台化布局。

四、数据存储行业分析框架

（一）数据存储行业范围的界定

数据存储是指在电磁、光学或硅基存储介质中保留数字信息的方法和技术的集合。通常采用专门的信息保留技术，保存数据并确保可在需要时对其进行访问。数据存储通过使用计算机或其他设备运用记录介质来保存数据。数据存储的工作方式是通过现代计算机（即终端）直接或通过网络连接存储设备，用户使用计算机终端访问存储设备中的数据，或将数据存储到设备中，根据数据存储方式的不同，数据存储可以分为直接存储（direct attached storage,DAS.DAS是最简单的存储类型，存储设备直接连接到主机设备，DAS的典型示例是连接到PC或服务器的外部存储设备，DAS设备可以是由多个硬盘驱动器组成，无需任何网络连接）；网络附加存储（network attached storage,NAS。NAS是一种文件级的数据存储解决方案，通过网络提供存储服务，NAS设备可以同时连接到多个用户或PC和服务器，而不会显著降低性能，是目前最受个人消费者和企业用户欢迎的存储解决方案之一）。存储区域区域网络（storage area network。简称SAN，作为一种面向企业和数据中心的高性能存储解决方案，可提供对主机设备的块级存储访问，SAN是从为企业和数据中心提供可靠且可扩展的块级存储的需求演变而来，兼具了DAS的性能和NAS的灵活性，同时也增加了配置和维护的复杂性）。

数据存储行业正经历AI驱动的“超级周期”，中国存储芯片市场爆发式增长，核心驱动力来自AI服务器/数据中心对高带宽、大容量存储的爆发式需求，叠加信创政策推动的国产替代浪潮。供给端，全球存储巨头将产能向HBM等高毛利产品倾斜，导致通用型存储供需缺口持续扩大，2026年DRAM供需比已降至-12%，造就历史上罕见的“卖方市场”。

（二）产业链与价值链

1、产业链全景图谱

数据存储产业链涵盖从上游原材料与设备，到中游芯片设计/制造/封测，再到下游终端应用的完整链条。

2、利润池分布

存储产业链的利润分布呈现“两端高、中间低”的特征。存储芯片制造环节（NAND/DRAM晶圆）占据产业链最大利润池。全球存储芯片市场利润中DRAM占比过半，其中NAND Flash占比近四成，合计贡献行业九成的收入。存储芯片制造的毛利率通常在30%-60%区间，AI高端产品（如HBM）毛利率可达70%以上。

主控芯片环节附加值高，技术壁垒深。主控芯片是SSD等存储产品的“大脑”，负责管理数据读写、纠错、磨损均衡等关键操作。自研主控芯片的企业具备更强的产品定义能力和成本控制能力。存储模组环节毛利率相对较低（通常10%-20%），但受益于规模效应和产业链一体化布局，龙头企业盈利能力持续提升。企业级存储系统毛利率最高（通常40%-60%），但市场规模相对有限。

（三）技术趋势分析

1、技术路线图谱与成熟度评估

数据存储行业的技术演进呈现“高端突破、成熟追赶”的双轨特征。

DRAM技术路线：从DDR4向DDR5快速迁移。HBM（高带宽内存）是AI时代的核心赛道，当前已进入HBM3E阶段，HBM4标准已落地，单堆栈带宽达2TB/s、容量64GB。全球HBM产能高度集中。国产HBM方面，性能略逊国际巨头15%，但已能满足国产AI芯片需求。

NAND技术路线：3D堆叠技术已成为主流，层数竞赛持续加速。

新型存储技术：存算一体（Computing-in-Memory, CIM）技术正从技术验证走向规模化商用，2025年被定义为存算一体芯片商业化元年。当前已形成三大技术路径——近存计算（如AMD Zen系列CPU的HBM共封装）、存内处理和存内计算（基于忆阻器/RRAM/MRAM）。

2、技术经济性与学习曲线

存储行业遵循著名的摩尔定律和学习曲线，单位比特成本持续下降。3D NAND每增加一层，存储密度提升约10%-15%，单位成本下降约5%-8%。然而，随着层数增加，工艺复杂度和良率挑战也在加大。

从经济性角度，HBM虽然单颗价格高（HBM3E单颗价格数百美元），但单位带宽成本相比传统DDR已显著降低，AI训练场景下HBM的综合TCO（总拥有成本）更具优势。

3、国产替代技术差距评估

技术迭代对竞争格局的影响呈现“窗口期洗牌”特征：每一次存储技术代际切换（如DDR4→DDR5、PCIe 4.0→5.0）都会重塑竞争格局，具备技术前瞻布局的企业有望在新窗口期获取超额份额。HBM作为AI时代最核心的存储技术，其国产化进度直接决定国产AI芯片的竞争力，是投资的最高优先级方向之一。存算一体技术虽然短期难以大规模替代传统架构，但中长期有望从根本上解决“内存墙”瓶颈，值得持续跟踪。

（四）行业供需分析及趋势变化

供给端。因产能转向导致供给缺口，2025年以来，DRAM巨头将部分产能转向HBM等高毛利产品，NAND产能聚焦于高层数、高性能产品，导致中低层数NAND和通用型DRAM供给出现结构性缺口。在短期内，供应缺口贯穿始终。

需求端。AI服务器/数据中心是本轮需求爆发的核心引擎。AI对存储器的需求达到传统服务器的2-3倍，对NAND闪存的需求提升了12倍以上。数据中心存储容量需求从EB级别增至ZB级别。预计不久数据中心就会占全球DRAM位元需求的50%以上，成为最大单一市场；端侧AI是需求增长的新变量。2026年全球AI智能手机渗透率提升，增速领先所有下游应用领域。汽车电子提供稳定增量，尤其是智能驾驶对高可靠性车载存储的需求持续增长。

从未来趋势上分析，中长期来看，全球存储市场仍处于S型曲线的加速成长期。AI时代下，存储需求已从周期性波动转向结构性高增长。中国市场方面，存储芯片国产化率当前约15%-20%，政策目标2027年提升至30%-40%，长期目标50%以上。仅以”国产替代”单一逻辑，即意味着千亿级别的增量市场空间。

（五）优质企业筛选标准

1、竞争维度与竞争强度评估

存储行业的竞争围绕以下维度展开：

2、估值指标选择与当前水平

存储行业具备强周期属性，估值分析需区分不同环节适用不同指标：

五、电子元器件及设备制造行业分析框架

（一）电子元器件及设备制造行业的界定

电子元器件及设备制造行业是电子信息制造业的核心组成部分，也是国民经济战略性、基础性、先导性产业。该行业涵盖半导体芯片、被动元器件（MLCC、电感、电阻等）、PCB（印制电路板）、连接器、光电器件、显示器件以及半导体专用设备等多个细分领域，是支撑人工智能、新能源汽车、消费电子、通信等下游应用的基础性产业。近年来政策支持力度持续加码，已形成“顶层战略牵引+专项扶持落地+市场机制驱动”的全方位政策体系。

（二）产业链与价值链

1、产业链全景图谱

电子元器件及设备制造产业链涵盖从原材料到终端应用的完整链条，可划分为上游原材料与设备、中游元器件制造、下游应用三大层次。

2、利润池分布

电子元器件产业链的利润分布呈现“微笑曲线”特征——上游高端材料与下游品牌终端利润丰厚，中游制造环节利润相对较薄，但内部分化显著。

PCB环节凭借最大的市场规模和持续提升的盈利能力，占据产业链利润池的22%，是利润最丰厚的环节之一。被动元件环节虽然整体毛利率不高，但高端MLCC、车规级电阻等细分品类毛利率可达40%以上，且国产替代带来的份额提升正在重塑利润分布。

（三）技术路线图谱与成熟度评估

电子元器件行业技术路线呈现“多点突破、分层演进”的特征，不同细分领域的技术成熟度差异显著。

通过技术趋势显示，市场上受益标的类型为技术路线领先者（高频高速PCB技术领先企业）、成本下降受益者（MLCC自动化产线改造领先企业）、国产替代受益者（车规级MLCC突破企业、高速连接器技术领先企业）；存在风险标的的类型为技术路线错判者（仍聚焦传统FR-4 PCB且未布局高频高速材料的企业）、被替代者（传统电磁继电器占比过高且未布局固态继电器的企业）。

（四）行业供需分析

供给端：电子元器件行业供给侧呈现“总量扩张、结构分化”的特征。全球半导体产能持续回升，以中国为代表的市场设备和材料需求强劲，制造和封测环节产能上升。但结构性供需失衡加剧具体表现在高端产品产能不足，中低端产品产能过剩。一方面，产能扩张的核心驱动力，AI算力需求是本轮产能扩张的最大推手。另一方面，供给侧也存在风险点，原材料价格全面上涨对成本端形成压力。2025-2026年，银价、锡价、铜价均大幅上涨，系统性推高全产业链成本。覆铜板树脂、玻纤布等材料价格也因供需紧张持续上涨。成本压力下，不具备规模优势和成本转嫁能力的中小企业面临盈利恶化甚至退出风险。

需求端：电子元器件需求呈现”三驾马车”驱动格局——AI算力、新能源汽车、工业自动化成为核心增长引擎，消费电子温和复苏。AI算力需求上，AI服务器市场对电子元器件的需求呈指数级增长。单台AI服务器MLCC用量达数万颗（传统服务器约2,000颗），PCB价值量5-6倍于传统服务器，高速连接器、高端覆铜板用量同步激增。新能源汽车需求上，新能源汽车已成为MLCC最大的应用市场。由于三电系统和智能驾驶系统电子单元数量大幅增加，单车MLCC用量从传统汽车的3,000-5,000颗提升至8,000-15,000颗，高端车型甚至超过20,000颗。PCB用量同样大幅提升——新能源汽车PCB使用量是传统汽车的5-6倍，且向高多层、高频高速方向升级。工业自动化需求上，工业4.0和智能制造推进带动PLC、变频器、伺服系统等工业控制设备需求，进而拉动工业级电子元器件需求。消费电子需求上，智能手机、PC等传统消费电子2025-2026年呈现温和复苏态势，但增速有限。5G手机渗透率已超70%，换机周期拉长，消费电子对电子元器件的需求增量贡献逐步减弱。

景气周期判断上，当前电子元器件行业处于扩张期向过热期过渡阶段。高端产品（AI服务器用PCB、高容MLCC、高速连接器）供不应求，交期大幅拉长（高端PCB排期12-20周，先进存储IC交期延长），价格持续上涨。中低端产品（消费电子用普通PCB、通用MLCC）供需相对宽松，价格承压。整体而言，行业景气度处于2021年以来的高位，但内部分化显著。

（五）优质企业筛选标准

1、行业估值指标

电子元器件及设备制造行业属于技术驱动型制造业，兼具成长性和周期性特征。核心估值指标选择PE（反映盈利成长性）和PB（反映资产价值），辅助指标为PS（适用于高成长子领域）。

2、六维筛选框架

基于本报告对电子元器件及设备制造行业的深度分析，我们构建了”六维筛选框架”用于识别和评估优质企业。各维度权重根据行业特征设定：

各维度详细指标如下所示：

六、数字媒体制造行业分析框架

（一）数字媒体制造行业的界定

数字媒体设备制造是指生产用于制作、传输、接收、呈现和存储数字音视频内容的各类硬件设备的经济活动。根据国家统计局发布的《数字经济及其核心产业统计分类（2021）》，它是“数字产品制造业”大类下的一个重要中类。该行业具体涵盖显示面板（LCD/OLED/MiniLED/

MicroLED）、智能电视/显示器、VR/AR/XR头戴设备、AI眼镜、数字媒体终端、专业音视频设备等以数字技术为核心、承载音视频内容呈现与交互功能的硬件制造领域。当前数字媒体设备制造行业正处于“技术迭代加速+应用场景爆发+国产替代深化”的三重变革期。行业已从单纯的硬件制造向“硬件+软件+服务”生态全面转型。

（二）产业链与价值链

1、产业链全景图

2、利润池分布

利润池核心结论：产业链利润呈现“微笑曲线”特征——上游核心材料（玻璃基板、OLED材料）和下游品牌终端（具备渠道和品牌溢价）占据主要利润份额；中游面板制造环节因资本密集、周期性强，利润率波动大。

（三）技术趋势分析

显示技术正处于“LCD存量优化、OLED加速渗透、MiniLED/MicroLED导入商用”的多路线并行阶段。

技术路线收敛判断：短期（3年内）LCD仍为电视/显示器主流，OLED在中小尺寸（手机/平板/车载）加速渗透，MiniLED背光在大尺寸高端TV快速放量。MicroLED处于商用化早期，真正大规模普及仍需5年以上。

技术趋势上会对如下标的类型产生利好，即多技术路线布局的平台型面板企业、AI眼镜光学/芯片核心供应商、MicroLED巨量转移设备商，，与之相对应的是，单一LCD产能占比过高且缺乏OLED/MiniLED布局的面板厂，技术路线错判者会产生风险。

（四）行业供需分析及趋势变化

供给端，面板产能格局上，全球大尺寸LCD面板产能已高度集中于中国大陆，行业供给端呈现“头部控盘”特征，头部面板厂通过灵活调节稼动率实现对价格的主动调控。新兴设备供给上AI眼镜赛道进入”百镜大战”竞争阶段。

需求端，传统显示需求上，大尺寸化是核心增量驱动力。新兴需求爆发，AI眼镜成为最具爆发潜力的新品类，智能眼镜正从“看见”向“思考”跨越，进入AI生态圈；商用音视频需求上，远程办公、视频会议常态化推动智能会议室系统需求持续增长。

（五）优质企业筛选标准

1、行业估值指标

数字媒体设备制造行业兼具“传统制造业”与“科技成长”双重属性，适用PE+PB双指标估值。

2、六维筛选框架

基于数字媒体设备制造行业的产业特征与竞争规律，我们构建”六维评分框架”用于优质企业筛选。

3、行业特有的筛选要点

数字媒体设备制造行业的特殊性在于“周期+成长”双属性交织，筛选时需额外关注：一是技术路线兼容性：优先选择多技术平台布局企业，降低单一技术路线被颠覆的风险。二是产能弹性与稼动率：面板行业产能利用率是盈利的核心变量，关注企业的产能调节能力与成本曲线位置。三是下游场景多元化：单一依赖TV市场的企业抗周期能力弱，具备IT（显示器/笔电）+车载+商显多场景覆盖的企业更稳健。四是新兴业务期权价值：AI眼镜等新兴业务当前贡献收入有限，但需评估企业在光学、算法、生态方面的储备是否扎实。

七、算力行业分析框架

（一）行业的界定

算力（Computational Power）是数字经济时代的关键生产力，是计算机系统处理信息、输出结果的能力。狭义上，算力是设备通过处理数据，实现特定结果输出的计算能力。其最严谨的度量单位是FLOPS（每秒浮点运算次数）。数值越大，代表综合计算能力越强。广义上，算力集信息计算力、网络运载力、数据存储力于一体的新型生产力。它通过数据中心等算力基础设施向社会提供服务。

（二）产业链与价值链

1、产业链全景图

算力产业链可划分为上游（基础软硬件）、中游（算力网络与平台）和下游（应用层）三大环节，形成复杂而精密的产业生态。

2、利润池分布

算力产业链的利润分布高度集中于上游核心器件环节，呈现明显的”微笑曲线”特征。

上游核心器件利润占比约65%，毛利率40%-80%。其中算力芯片（GPU/NPU）：利润占比约35%-40%，毛利率60%-80%，是整个产业链利润最丰厚的环节；光模块/光引擎利润占比约15%，毛利率25%-55%，毛利率高于中低端产品。HBM/存储利润占比约8%-12%，毛利率55%-75%。HBM是AI芯片的”紧箍咒”。电源/液冷利润占比约2%-5%，毛利率30%-45%。随着机柜功率密度从传统10-15kW跃升至30kW以上，液冷从”可选配置”变为”刚性需求”；中游整机与系统集成：利润占比约20%，毛利率15%-25%。AI服务器/超节点整机的毛利率约10%-20%。下游软件与算力服务：利润占比约15%，毛利率30%-50%，集群调度软件毛利率可达40%-60%，算力租赁/运营毛利率25%-40%。该环节的价值在于将裸算力转化为可按需调度的服务，技术门槛相对较低但运营能力要求高。

（三）技术趋势分析

算力行业的技术演进呈现“芯片-互联-散热”三维并进的格局，各维度的技术迭代速度均显著加快。

一是算力芯片：从GPU单一路线到GPU+ASIC+CPU多元架构，GPU凭借并行计算优势仍是AI训练的主流选择：当前GPU通用架构主要适用于训练+通用推理；CPU+x86生态主要适用于通用计算、调度；ASIC定制架构主要适用于特定模型推理；FPGA可编程主要适用于原型验证、边缘计算，目前均已实现量产。

二是光互联：从可插拔到CPO/OIO。当前光模块速率正快速迭代，技术架构上，“光进铜退”是长期核心逻辑，CPO（共封装光学）将光引擎与交换芯片封装在一起，可缩短信号转换的物理距离、降低功耗；硅光技术（SiPh）在光模块中的渗透率持续提升，成为1.6T及以上高端市场的主流选择。

三是散热，从风冷到液冷的必然演进，目前全液冷（全冷板、全浸没、冷板+浸没）成为AIDC标配。

技术迭代的加速对投资有三重含义：一是龙头集中度将进一步提升，高速率产品研发投入门槛极高，中小厂商难以跟进；二是国产替代窗口期正在收窄，随着国际巨头持续迭代，国产芯片需要更快缩小代际差距；三是配套环节（液冷、电源、高速互联）的价值量将显著提升，高功率密度部署对基础设施的要求呈非线性上升。

（四）行业供需分析及趋势变化

供给端，算力芯片供给结构性改善但高端仍紧缺，光模块供给产能快速扩张，IDC/AIDC供给从“量的扩张”到“质的提升”；需求端，AI大模型训练需求持续高增，AI推理需求呈指数级爆发，政策驱动的信创与普惠算力。

当前算力行业处于“供需两旺、结构性紧平衡”的状态。从总量看，全球AI服务器出货增长持续增长，供给端响应足够快速；但从结构看，高端GPU（如英伟达H200/B200）、高端光芯片（25G以上）、HBM存储仍存在供应瓶颈。

长期看，算力行业的天花板取决于三个因素，即AI应用的渗透深度，单应用场景的算力消耗密度，算力成本下降速度带来的需求弹性。

（五）优质企业筛选标准

1、行业估值指标

算力行业具有“高成长+高研发投入+技术密集型”特征，传统PE估值存在局限。应采用多维度估值框架：

2、筛选框架设计

基于算力行业的产业特征和投资逻辑，构建“六维筛选模型”，从六个核心维度对企业进行系统评估。各维度权重根据当前行业阶段特征进行差异化设定：技术壁垒（25%）、产业链卡位（20%）、财务质量（20%）、客户结构（15%）、成长确定性（15%）、估值合理性（5%）。 

具体评价维度

3、风险信号

八、智能设备制造行业分析框架

（一）智能设备制造行业的界定

智能设备制造行业根据不同的分类标准（如国民经济行业分类、战略性新兴产业分类），其内涵和范围有所不同。狭义的智能设备制造行业仅指生产“智能装备”的行业。这类装备的核心特征是集成了感知、分析、推理、决策和控制等智能功能。它是先进制造技术、信息技术和智能技术（如人工智能、物联网、大数据等）在装备产品上的高度集成与融合。广义智能设备制造行业是一个庞大的产业集合，它既是实现“智能制造”的关键工具，也是数字经济的重要组成部分，范围覆盖从工业机器人、数控机床到智能穿戴设备、无人机等多种产品。智能设备制造行业是典型的政策驱动型产业，自上而下的政策体系构成了行业发展的核心支撑。

（二）产业链与价值链

1、产业链全景图谱

智能设备制造产业链可分解为上游核心零部件、中游装备本体与系统集成、下游应用场景三大环节。

2、各环节盈利能力与利润池分布

从价值链利润分配看，产业链呈现“微笑曲线”特征：

上游是产业链利润高地，也是技术壁垒最集中的环节。日本、德国企业仍在高精度减速器、高性能伺服系统等领域占据主导地位，议价能力强。国产替代是上游环节的核心叙事，政策推动下国产伺服系统和控制器已取得显著进展，但高端芯片和精密减速器仍是被“卡脖子”的关键节点。上游精密减速器毛利率可达40-50%，高端伺服系统毛利率35-45%。

中游竞争最为激烈，行业定制化属性强，企业通常深耕细分领域后向其他领域拓展。头部企业正向“装备+软件+服务”的一体化解决方案提供商转型。中游标准工业机器人毛利率20-30%，定制化智能产线毛利率25-35%。

下游应用端利润取决于行业自动化率提升空间。下游系统集成服务毛利率15-25%，但项目规模大、客户粘性强。

值得关注的价值迁移趋势：一是利润从硬件向软件和服务迁移，“装备即服务”（EaaS）商业模式逐步被市场接受；二是利润从标准品向定制化解决方案迁移，具备行业Know-How的系统集成商议价能力增强；三是AI赋能带来的增值空间，嵌入AI能力的智能装备可实现显著溢价。

（三）技术趋势分析

智能设备制造行业正处于技术融合的关键期，四大技术方向形成协同创新矩阵：

技术趋势对投资的影响可从三个维度理解：一是增量市场创造，人形机器人、具身智能等新技术方向正在打开万亿级增量市场。二是存量市场重构，AI赋能传统装备升级，智能检测、预测性维护、自适应加工等功能成为标配，产品附加值显著提升；三是产业链价值重分配，技术变革重塑价值链，掌握AI算法、具身智能”大脑”的企业正在获取更高的价值分配份额，纯硬件制造企业面临利润率压缩压力。

（四）行业供需分析

供给端：一是产能扩张：智能装备制造行业产能扩张呈现“总量充裕、结构性短缺”特征。标准工业机器人、中低端数控机床产能过剩迹象显现，但高端定制化装备、微米级精度设备供给仍不能满足市场需求。供给结构当前的变化趋势是，从“单机销售”向”解决方案交付”转型，项目制收入占比提升；从”标准化产品”向”定制化+模块化”演进，柔性制造能力成为核心竞争力；国产设备市场份额持续提升，进口替代加速

需求端：驱动力可归纳为”三驾马车”：一是制造业升级需求：中国制造业增加值居全球首位，但面临大而不强、人口红利消退、劳动力成本持续上涨的问题。传统制造企业加速从”自动化”向“智能化”转型，“机器换人”从可选变为刚需。二是政策驱动需求：大规模设备更新政策是最直接的需求拉动，带动配套智能装备需求。三是新兴应用场景：AI手机、AI电脑、人形机器人等新兴智能终端创造增量需求。人形机器人从工业场景向服务、康养、物流等领域拓展，打开需求天花板。

供需端需关注结构性风险：部分标准品领域产能过剩压力显现，价格竞争加剧；高端装备供给瓶颈制约行业整体升级速度。

（五）优质企业筛选标准

1、三维九因子维度

从基本面质地、成长能力、估值安全边际三个维度系统评估企业投资价值。

2、估值标准选择

智能设备制造行业因细分赛道差异大，需采用分环节差异化估值框架：

3、细分赛道优选

4、风险排查清单（一票否决）

九、芯片产业分析框架

（一）芯片行业界定

芯片行业主要指集成电路产业，涵盖芯片设计（Fabless/IDM）、晶圆制造（Foundry）、封装测试（OSAT）、半导体设备、半导体材料、EDA/IP六大环节，下游延伸至智能手机、PC/服务器、汽车电子、工业控制、AI算力基础设施等终端应用的产业集成。

芯片行业隶属于半导体（Semiconductor）行业，即以硅、锗、碳化硅、氮化镓等半导体材料为基体，通过设计、制造、封装、测试等环节生产集成电路（IC）、分立器件、光电器件与传感器的产业体系。作为半导体产业的重要组成部分，其产业链存在模式与半导体行业整体保持一致，目前四种主流商业模式，各自的价值创造逻辑与投资分析框架差异显著：

（二）产业链及利润池分布

1、产业链图谱

半导体产业链按技术密度与资本密度可分为三个层级：顶层是EDA工具与IP核（软件属性，全球高度寡占）；中上层是设备与材料（资本品+消耗品，技术门槛分化大，国产化率是核心追踪变量）；中游是晶圆制造（重资产、高壁垒，制程决定竞争地位）；中下游是封装测试（传统封装低壁垒、先进封装高壁垒）；下游是各类终端应用。

2、各环节盈利能力与利润池分布

各环节的毛利率与净利率是利润池分布最直观的刻画：

模式占据毛利率榜首，目前数字芯片设计板块毛利率超45%，是AI算力需求爆发下弹性最大的环节。设备环节毛利率超40%，受益于晶圆厂扩产与国产化双重拉动。处于价值链中游的制造与材料环节，受重资产折旧与竞争加剧影响，毛利率约19%-20%；封测环节毛利率仅15%左右，但先进封装业务正在重塑其价值分配。这一利润分布印证了半导体行业的”微笑曲线”特征：设计与设备两端享受技术与壁垒溢价，制造与封测中游以规模与良率取胜。

过去三年利润池呈现显著的”周期高点向AI链集中”迁移：传统消费电子芯片（MCU、射频、部分模拟）利润承压，而AI算力链（先进制程代工、HBM存储、AI GPU设计、CoWoS先进封装、配套设备）利润占比快速抬升。向前看，利润池迁移的三大方向：一是先进封装价值重估（“封装即系统”，CoWoS/Chiplet提升封测环节附加值）；二是设备/材料国产替代利润留存（进口替代逻辑下，本土设备厂商收入与利润持续增长）；三是存储”类成长”化（HBM与DDR5结构性紧缺使存储厂商利润率中枢系统性上移）。

（三）技术代差壁垒

技术代差造成的竞争壁垒可划分为三级：

绝对壁垒（技术代差3代以上，短期无法突破），如EUV光刻机、5nm以下先进制程、全流程EDA、高端HBM等；

高壁垒（代差1-2代，正在追赶），如高端DUV、先进制程刻蚀/沉积、大硅片、先进光刻胶等；

中低壁垒（差距较小，国产替代加速），成熟制程设备部分品类、传统封测、功率半导体、中低端模拟与MCU等。

（四）行业供需分析

1、硅周期框架与当前周期定位

半导体供需分析的核心是理解“硅周期”——典型周期长度3-5年，供给刚性（新Fab建设周期2-3年）与需求多元叠加形成周期波动，库存的牛鞭效应放大波动幅度。截至2026年年，全球及中国半导体正处于“库存周期早期补库+产能/资本开支上行周期+AI创新周期中段”三周期叠加的阶段。

2、供需结构分析

需求方面，结构性增量主导，主要体现在三个方面，一是AI算力是本轮需求的绝对主导力量。二是存储需求从周期走向“类成长”。三是消费电子（如智能手机等）与汽车构成稳健的周期底盘。供给方面，产能利用率与扩产节奏，呈现“先进制程满载、成熟制程分化”的结构性特征。

（五）优质企业筛选标准

1、分环节适用估值指标体系

半导体各子环节商业模式差异大（轻资产设计vs重资产制造）、盈利阶段分化（成熟盈利vs未盈利），行业层面估值需分环节选用适配指标：

分环节差异化的本质是周期估值与成长估值的区分：制造类环节（重资产、盈利随周期波动）应以PB为锚、用EV/EBITDA消除折旧政策差异，避免在景气高点用“峰值利润×高PE”双重计价景气；设计与设备/材料类环节（成长逻辑主导）PE/PS更具参考意义，但需区分“周期复苏”与“结构性成长”对应的不同估值中枢。

2、估值驱动因素

3、六维筛选框架

结合前述产业链、供需与估值分析，建议以“赛道α×技术卡位×成长兑现×盈利质量×格局壁垒×估值匹配”六维框架筛选优质标的，各维度给予量化锚点：

十、GPU行业分析框架

（一）GPU行业的界定

GPU全称是图形处理器（Graphics Processing Unit），是专门为“大规模并行计算”而生的处理器。GPU行业正经历从”图形渲染核心”向”AI算力底座”的历史性跃迁。2024年全球GPU市场规模达773.9亿美元，2025年飙升至约1046亿美元。

（二）产业链和价值链

1、产业链全景图谱

GPU产业链可分为“IP授权→芯片设计→晶圆制造→封装测试→系统出货→软件生态”六大环节，技术壁垒和利润高度集中于上游设计端。

2、各环节盈利能力与利润池分布

GPU产业链利润呈“微笑曲线”极端形态——设计和生态两端攫取绝大部分利润：

芯片设计端，全球头部机构毛利率可达70%以上，净利率超50%；晶圆制造端，毛利率50-60%，但产能向头部高度集中，议价能力受客户结构制约；封装测试端，先进封装（CoWoS）因产能紧缺毛利率提升至40-50%，但资本开支巨大；系统出货端，服务器厂商毛利率仅10-15%，利润空间稀薄；软件生态端，CUDA生态虽免费开源，但通过硬件绑定实现隐性变现，生态锁定效应构成最深护城河。

（三）技术趋势分析

1、技术路线图谱与成熟度评估

GPU技术发展围绕“算力提升、能效优化、生态扩展”三条主线展开：

2、技术经济性与学习曲线

GPU算力成本遵循显著的“学习曲线”效应——随着制程迭代和架构优化，单位算力成本年均下降20-30%。关键降本路径包括：制程升级（从7nm→5nm→3nm，晶体管密度提升带动单位算力功耗下降）；Chiplet架构（通过模块化设计降低大面积芯片的良率损失和制造成本）；精度优化（FP16→BF16→FP8→FP4，低精度计算在推理场景acceptable前提下大幅提升能效比）；系统级优化（从单卡→单机→集群，网络互联NVLink/InfiniBand和软件调度成为新瓶颈）。

（四）行业供需分析

1、供给侧分析

全球供给格局：龙头企业一家独大，其他机构奋力追赶，Intel边缘化。国产供给进展差异化特点明显，第一梯队处于量产放量期，第二梯队处于量产爬坡期；第三梯队处于验证测试期。

2、需求侧分析

GPU需求由三大引擎驱动，分别为大模型训练与推理（其中，训练侧GPT-5、Gemini 2等下一代大模型参数规模向万亿级演进，训练集群规模从千卡向万卡升级；推理侧日均Token调用量突破140万亿）；智算中心建设加速（国内算力租赁市场规模不断扩大，各地政府、运营商加速建设智算中心，国产GPU成为首选）；垂直行业渗透（自动驾驶、医疗影像、金融风控、工业仿真等传统行业AI转型，具身智能、AIGC等新兴场景创造增量需求）。

3、供需平衡与景气周期判断

当前GPU行业处于“需求旺盛、供给紧缺”的高景气状态：从全球视野，头部机构产品供不应求，交货周期3-6个月；国内视角：国产GPU供给快速放量但高端训练芯片仍存缺口，推理芯片供给趋于平衡。在价格走势上，高端GPU价格维持高位，国产GPU因竞争加剧呈降价趋势以抢占份额。

（五）优质企业筛选标准

1、估值指标选择与当前水平

GPU行业因发展阶段差异大，需采用分层次差异化估值框架：

2、三维九因子维度

GPU行业优质企业筛选遵循”技术领先×生态完善×商业落地”三维框架，重点评估企业能否在有限窗口期内完成”技术验证→规模出货→生态构建”的关键跨越。

维度一：技术实力（权重35%）

维度二：生态与商业化（权重35%）

3、各类细分筛选标准

4、排除清单（一票否决项）

十一、软件开发行业分析框架

（一）软件开发行业的界定

软件开发行业是一个以软件开发为核心，遵循软件工程方法，交付多样化产品与服务的知识密集型产业。它的内涵在于其系统化的开发活动和工程化的管理思想；它的外延则覆盖了从基础软件到应用软件、从传统许可到云服务的广阔领域，并与整个信息技术服务业深度融合，成为驱动数字经济发展的核心引擎。

（二）产业链与价值链

1、产业链全景图

2、价值链分析

上游（硬件与基础设施），主要包括硬件设备、操作系统、开发工具、中间件及云计算IaaS层。上游格局呈“国际寡头+国产追赶”特征。上游国产替代加速意味着软件开发企业面临更开放的生态合作机会，同时信创适配成本将成为软件企业的必要投入。

中游（软件开发与服务），是产业链核心价值创造环节，基础软件（操作系统、数据库）占据产业链最高价值区，毛利率可达80%以上；工业软件次之，高端产品毛利率60%-85%；通用应用软件毛利率40%-70%；SaaS服务因规模化效应，头部企业毛利率可达70%+。按产品形态可分为五大类：

下游（应用场景持续拓宽）：下游需求从传统的政务、金融向制造业、医疗、能源、交通等全行业渗透。核心驱动力主要包括数字化转型（企业从“数字化工具使用者”向“数字化运营者”升级）；AI赋能（大模型+Agent推动软件从“工具”进化为“智能协作者”）；信创替代（党政+八大行业+全行业渗透，创造刚性替换需求）；出海拓展（中企全球化布局带动国产软件出海）。

（三）技术趋势分析

一是AI Agent：从“辅助工具”到“智能协作者”。2026年被业界定义为AI Agent规模化落地元年，当前AI Agent不是简单替代软件，而是重构软件交付范式。短期看，AI能力嵌入将提升软件产品溢价；中期看，Agent将重塑企业IT支出结构——从购买软件工具转向购买AI服务；长期看，低代码+AI可能让”非技术人员开发应用”成为常态。

二是低代码/无代码：democratizing软件开发。低代码平台正在从“效率工具”进化为“企业级研发基础设施”。核心趋势包括AI增强（自然语言描述→自动生成应用逻辑）；信创适配（国产芯片+国产操作系统+国产数据库的全栈适配成为刚需）；垂直渗透（从通用平台向金融、政务、制造等垂直行业深度渗透）。

三是云原生与多云架构。主要体现在云原生技术在企业级软件中的渗透率持续突破。

四是工业软件方面，正经历“AI+工业”的智能化跃迁，具体表现在渗透率爆发，高成长细分以及产品创新三个方面。

（四）行业供需分析

需求端，结构性增长动能充沛呈现“总量稳健+结构分化”特征，目前国内已形成三大核心需求引擎：信创国产替代（2027年“2+8”领域100%替代目标驱动确定性需求，仅工业软件2027年前就需完成200万套更新换代）；AI应用落地（企业级AI需求从“尝鲜”进入”刚需”阶段）；工业数字化转型（主要体现在制造业智能化升级催生工业软件、MES、PLC、工业机器人控制软件等需求）；供给端，行业整体分散，同质化竞争显著，但头部集中趋势加速。

（五）优质企业筛选标准

1、估值指标选择

软件行业因盈利模式差异大，需分层采用不同估值方法：

2、三维九因子维度

基于软件开发行业特征，构建“产品力×商业化×财务健康度”三维评估体系：

维度一：产品力（35%）

维度二：商业化（35%）

维度三：财务健康度（30%）

3、负面清单（一票否决制）

十二、信息传输行业分析框架

（一）信息传输行业界定

信息传输行业在官方统计口径中，并非一个独立的行业，具体可归口到“信息传输、软件和信息技术服务业”门类，是其核心组成部分之一。“信息传输”的核心活动，是指利用有线、无线的电磁系统或光电系统，传送、发射或接收语音、文字、数据、图像、视频等任何形式信息的活动。信息传输行业作为数字中国、网络强国战略的核心基础设施，当前正处于“5G-A深化+6G预研+光通信爆发+卫星互联网崛起”的多技术浪潮叠加期。

（二）产业链及价值链

1、产业链全景图

2、价值链分析

上游：产业链中技术壁垒最高、国产化率最低的环节，光芯片是光模块成本结构中占比最高的环节（约30%-50%），高端芯片供应受限将直接制约国内高速光模块产能释放，国产替代空间巨大。

中游：产业链价值创造的核心环节，光模块是价值链最高弹性环节，800G光模块单价约800-1200美元，毛利率可达40%-55%；光纤光缆单价虽低但量大，2025年价格暴涨后毛利率改善至25%-35%；通信主设备毛利率30%-40%，但规模效应显著；卫星制造毛利率30%-50%，但交付周期长。

下游：需求正经历结构性转型，其中电信运营商从“连接提供商”转型为“算网服务商”，新兴业务（云/AI/数据中心）收入占比持续提升；云计算厂商中，AI大模型训练/推理催生海量算力互联需求，800G/1.6T光模块需求爆发；AI数据中心方面，高速互联是核心瓶颈；卫星互联网方面，低轨星座建设正创造增量市场；工业互联网/车联网方面，5G-A uRLLC场景落地，边缘计算节点互联需求增长。

（三）技术趋势分析

一是光通信，从400G向1.6T/3.2T跃迁，光模块升级周期从过去的3-4年压缩至1-2年，技术迭代加速意味着研发领先的企业将享受更长的红利窗口，而技术跟进慢的企业面临被快速淘汰的风险。

二是光纤光缆：AI数据中心驱动超级周期。价格方面，AI数据中心互联需求（DCI）爆发，带动高端光纤需求，结构性方面，需求从“FTTH家庭宽带”转向“数据中心内部+数据中心互联”，单数据中心光纤用量可达数十万芯公里；海缆新机遇方面，跨洋数据中心互联需求增长。

三是5G-Advanced与6G预研。5G-A商用提速，通感一体、无源物联等新特性赋能车联网、工业互联网；6G全球竞速：2026年4月全球6G大会召开，预计2030年左右商用。6G将融合通信与感知、支持空天地一体化、峰值速率达1Tbps。现在关键突破点在于太赫兹通信、智能超表面（RIS）、通感算一体化是6G三大核心技术方向。

四是卫星互联网，构建空天地一体化网络。目前中国星网“GW星座”计划发射约1.3万颗低轨卫星，已启动批量组网发射；“千帆星座”（G60）计划发射超1.5万颗卫星，由此带来卫星制造（平台+载荷）、地面设备（终端/网关）、运营服务三大环节的产业链机会，其中卫星制造和火箭发射最先受益。

（四）行业供需关系

需求端上，AI算力+数字基建双轮驱动，中国信息传输行业需求“总量平稳+结构剧变”，传统移动通信基建（4G/5G基站）需求已过高峰，运营商CAPEX从2020年的约4000亿元回落至2025年的约3500亿元。增量需求主要来自：AI数据中心互联（光模块/光纤）、算力网络（交换机/路由器）、卫星互联网。供给端上，光通信全球主导，但在高端芯片仍存瓶颈。具体供需匹配度如下：

（五）优质企业筛选标准

1、估值指标选择

信息传输行业因细分领域差异大，需分层采用不同估值方法：

2、三维九因子维度

基于信息传输行业特征，构建“技术竞争力×市场地位×财务健康度”三维评估体系：

维度一：技术竞争力（35%）

维度二：市场地位（35%）

维度三：财务健康度（30%）

3、负面清单（一票否决制）

十三、互联网技术行业分析框架

（一）互联网技术行业的界定

互联网技术行业是一个在日常交流中含义宽泛的词汇，通常指以互联网技术为核心，通过构建网络平台、提供信息服务、开展商业活动的企业与组织的集合。在官方统计中，它并非一个独立的门类，而是归属于信息传输、软件和信息技术服务业。

（二）产业链与价值链

1、产业链全景图

2、价值链分析

上游是互联网平台运行的底层支撑，格局呈“头部集中+国产替代”特征。上游对互联网行业的影响： 云服务和AI基础设施成本下降将提升互联网平台利润率；大模型能力开放使中小平台也能获得AI赋能，可能弱化巨头技术优势。

中游是产业链核心价值创造环节，按商业模式可分为五大类：

价值链上，广告（信息流/搜索）占据最高毛利区，毛利率可达60%-80%；电商交易佣金次之，平台型毛利率40%-60%；游戏内购毛利率50%-70%；云服务毛利率逐步提升。

下游从流量红利到用户价值深耕，呈现“总量见顶+分层深化”特征。

（三）技术趋势分析

一是AI大模型与Agent：从“工具”到“智能体”。AI不是简单替代互联网产品，而是重构人机交互范式。短期看，AI能力嵌入提升现有产品溢价；中期看，Agent将重塑流量入口，从“人找信息”转向“智能体主动服务”，搜索引擎、APP分发模式面临重构；长期看，AI原生应用可能诞生新一代平台级企业。

二是短视频电商，正从“增量补充”进化为“核心增长极”。

三是跨境电商与出海：从“产品出海”到”生态出海”。中国互联网出海进入新阶段，即从“卖货出海”到“平台+内容+供应链”生态出海，产业互联网平台出海进入收获期。

四是云与企业数字化，AI驱动成为第二增长曲线。

（四）行业供需分析

需求端，总量见顶，结构分化。中国互联网行业需求呈现“总量平稳+结构剧变”特征，在结构上，已经形成AI应用需求爆发、短视频/直播电商、企业数字化与云服务三大核心需求引擎。供给端，头部集中，AI重塑竞争。中国规模以上互联网和相关服务企业超数千家，但头部聚集效应显著，机构间AI能力分化，拥有自研大模型/Agent能力的平台（腾讯、阿里、字节、百度）与纯应用平台形成能力鸿沟。细分领域供需匹配度情况如下：

（五）优质企业筛选标准

1、估值指标选择

互联网行业因盈利模式差异大，需分层采用不同估值方法：

2、三维九因子维度

基于互联网行业特征，构建“平台力×AI进化力×财务健康度”三维评估体系：

维度一：平台力（35%）

维度二：AI进化力（35%）

维度三：财务健康度（30%）

3、负面清单（一票否决制）

出现以下任一情形，直接排除：

十四、信息技术服务行业分析框架

（一）信息技术服务行业的界定

根据国家统计局的《现代服务业统计分类》，“信息技术服务”是“信息传输、软件和信息技术服务业”这个大类下的一个重要中类。在更基础的《国民经济行业分类》（GB/T 4754-2017）中，该门类下辖电信、广播电视和卫星传输服务、互联网和相关服务和软件和信息技术服务业三个大类。信息技术服务行业是数字经济的核心支撑产业，连接上游技术与下游应用，是产业数字化转型的“催化剂”。

（二）产业链与价值链

1、产业链全景图

2、利润池分布

上游：技术底座与基础设施。上游主要包括硬件设备、基础软件、云计算IaaS层及AI大模型底座。上游格局呈“国产替代加速+生态开放”特征。上游国产替代加速意味着IT服务商面临更复杂的异构环境适配需求，需同时支持国产芯片、国产操作系统、国产数据库及原有国外系统的混合架构，技术复杂度提升，但也意味着客单价和粘性同步提升。

中游：是产业链核心价值创造环节，按服务形态可分为五大类：

价值链上，传统IT外包和系统集成位于价值链中低端，毛利率15%-35%，依赖人力规模；云服务和数据AI服务位于价值链中高端，毛利率30%-55%，依赖技术平台和数据资产；行业IT解决方案因垂直壁垒和客户粘性，头部企业可获得稳定溢价。

下游：全行业数字化转型的服务需求。当前下游需求从传统的政务、金融向全行业渗透，核心驱动力：信创国产化（党政+八大行业+央企国企的IT系统国产化替换，创造系统集成、数据迁移、适配测试等刚性需求）；AI落地服务（大模型和AI Agent的企业级部署需要大量咨询、集成、调优、运维服务）；云化转型（企业从本地IT架构向混合云/多云架构迁移，催生云咨询、云迁移、云运维服务）；数据资产化（数据资产入表政策推动企业数据治理和数据运营服务需求）；出海服务（中企全球化布局带动跨境IT基础设施部署和运维需求）。

（三）技术趋势分析

1、AI Agent重塑IT服务交付范式

对IT服务行业的核心影响主要包括服务形态变革（从“人提供服务”向“AI辅助人提供服务”再到“AI自主提供服务”演进）；商业模式创新（“模型即服务MaaS”和“智能体即服务AaaS”成为新增长点）；效率提升（AI编程助手使开发效率提升30%-50%，AI运维使故障响应时间缩短60%以上）；价值迁移（IT服务商从“按人天计费”向“按效果/价值计费”转型）。对IT服务行业的影响来看，短期内，AI能力嵌入提升IT服务溢价（如智能客服、AI测试、智能运维等AI增强型服务报价高于传统服务30%-50%）；中期上，AI Agent将替代部分标准化IT服务岗位，但同时创造AI训练、调优、运维等新岗位需求；长期看，IT服务商将从”人力外包商”进化为”智能运营平台商”。

2、云原生与多云管理

云原生技术在企业IT架构中的渗透率持续突破，容器化、微服务、DevOps等云原生实践推动IT服务从“瀑布式交付”向“敏捷持续交付”转型。

3、信创全栈适配技术

信创工程推动IT服务技术栈的全面重构，其中，芯片层，需同时支持x86、ARM、LoongArch等多架构；操作系统层，麒麟、统信UOS、欧拉等国产OS的适配与调优；数据库层，达梦、人大金仓、OceanBase等国产数据库的迁移与运维；中间件层，东方通、宝兰德等国产中间件的集成与优化；全栈适配技术复杂度极高，具备全栈信创服务能力的IT服务商形成显著竞争壁垒。

4、低代码+AI加速应用交付

低代码平台与AI结合，正在重塑IT服务交付效率，AI增强型低代码可实现“自然语言描述→自动生成应用逻辑”，开发周期缩短60%以上；IT服务商通过低代码平台提升交付效率、降低人力成本，毛利率有望改善。

（四）行业供需分析及趋势变化

需求端：结构性增长动能充沛，中国IT服务行业需求呈现“总量稳健+结构升级”特征，并形成五大核心需求引擎，一是信创国产替代服务，2027年“2+8”领域100%替代目标驱动确定性需求，仅工业软件2027年前就需完成200万套更新换代，对应系统集成、数据迁移、运维服务需求超千亿；二是AI落地服务，企业级AI进入刚需阶段，AI模型部署、Agent开发、智能运维等服务需求爆发；三是云化转型服务，企业上云率持续提升，云迁移、云管理、云安全服务需求旺盛；四是数据治理与运营，数据资产入表政策推动企业数据治理需求，数据清洗、标注、分析等服务增长迅速；离岸服务外包也在保持稳健增长。供给端：格局分散，头部集中与分化并行。具体供需匹配度如下：

（五）优质企业筛选标准

1、估值指标选择

IT服务行业因企业类型差异大，需分层采用不同估值方法：

2、三维九因子维度

基于“生产力×商业化×财务健康”三大维度，构建IT服务行业优质企业九因子评估体系，并设置一票否决项。

维度一：生产力（权重40%）——技术能力与服务效率

维度二：商业化（权重35%）—— 市场拓展与客户价值

维度三：财务健康（权重25%）—— 盈利质量与可持续性

3、负面清单（一票否决制）

十五、算法行业分析框架

（一）算法行业的界定

算法是为解决特定问题而设计的一套清晰、可执行的计算步骤与逻辑。一个合格的算法，能在有限时间内，将给定的输入转化为符合要求的输出。而算法行业是一个以算法技术为核心驱动力，横跨多个传统产业的新型技术生态。它没有单一的行业代码，但影响力已无处不在，根据解决的问题类型，算法可分化出计算机视觉、自然语言处理、推荐系统等多个专业赛道。大模型技术范式变革推动算法从“单点工具”进化为“通用底座”，AIGC、自动驾驶、工业AI等垂直场景加速落地。

（二）产业链与价值链

1、产业链全景图

各环节基本情况分析如下：

①上游分析：算力、数据与开发框架

算力层：国产替代加速但仍有差距——高端AI训练芯片仍依赖进口，国产芯片（华为昇腾、寒武纪、海光等）在推理场景替代率快速提升，训练场景仍存差距。

数据层：质量与合规成为核心壁垒。算法性能高度依赖训练数据质量，中文高质量语料库建设加速。

②中游分析：算法核心价值创造层

中游是产业链的核心价值区，按技术层次可分为三层：

一是基础算法层。包括机器学习、深度学习、强化学习等基础算法研究。这一层技术壁垒最高，但直接商业化能力较弱，主要由高校、科研院所和头部企业研究院承担。

二是通用大模型层。大模型已成为算法行业的基础设施，呈现“头部集中+垂直分化”格局：

三是垂直算法层。垂直算法面向特定场景优化，商业化路径更清晰：

②下游分析：应用场景纵深拓展

下游应用正从“单点突破”向“全面渗透”演进，具体包括智慧城市（AI+安防仍是最大单一市场，但增速放缓；城市治理、应急管理、环保监测等新场景打开增量）；金融科技（智能风控、智能投顾、反欺诈等算法应用成熟，AIGC+金融知识服务成新增长点）；智能制造（工业视觉检测、预测性维护、工艺优化等算法渗透率快速提升）；智慧医疗（AI医学影像辅助诊断已获NMPA三类证超百张，AI药物研发缩短周期30%-50%）；自动驾驶（L2级ADAS渗透率超50%，城市NOA成为算法竞争焦点）；AIGC内容（文生图、文生视频引爆内容创作革命）。

2、利润池分布

算法行业价值链呈“微笑曲线”特征：

高价值区：基础大模型（技术壁垒最高，但投入巨大）、垂直领域核心算法（know-how壁垒）、算法芯片协同优化（软硬一体）；

中价值区：算法平台/中间件（规模化复制）、行业解决方案（项目制，依赖交付能力）；

低价值区：基础数据标注（人力密集）、通用算法API（同质化竞争）。

（三）技术趋势分析

1、大模型：正在经历从“规模竞赛”到“效率优化”的关键转折

趋势一：模型压缩与边缘部署。大模型参数从千亿级向百亿级甚至十亿级“瘦身”，通过知识蒸馏、量化剪枝等技术，在保持性能的同时大幅降低推理成本。

趋势二：多模态融合。从单一文本/图像模态向文本+图像+音频+视频的统一多模态模型演进。

趋势三：Agent化（智能体）。大模型从“聊天机器人”进化为可自主规划、调用工具、执行任务的AI Agent。

2、计算机视觉：从“识别”到“理解”再到“生成”

CV技术经历了三代演进：1.0时代（2012-2018），基于CNN的图像分类、目标检测；2.0时代（2019-2023）：Transformer架构引入视觉领域（ViT、Swin Transformer），视觉理解能力大幅提升；3.0时代（2024-）：视觉-语言多模态大模型实现“看图说话”，视频生成模型实现“文生视频”。

3、AIGC算法：内容生产革命的核心引擎

AIGC（AI生成内容）算法是近年算法行业最火爆的赛道。类型主要包括文本生成、图像生成、视频生成、音乐生成和代码生成。

4、自动驾驶算法：从“感知”到“端到端”

自动驾驶算法技术路线正发生根本性变革：

模块化方案（传统）：感知→预测→规划→控制，各环节独立优化。

端到端方案（新趋势）：传感器数据直接输出控制信号，由神经网络统一学习。端到端方案大幅简化系统架构，但对数据量和算法鲁棒性要求极高。

（四）行业供需分析及趋势变化

需求端：算法需求成为刚需，三大需求引擎强劲，一是数字化转型深化，中国企业数字化转型从“信息化”向“智能化”升级，算法从辅助工具升级为核心生产力。二是大模型降低算法应用门槛，预训练大模型通过“预训练+微调”范式，大幅降低垂直场景算法开发门槛。企业无需从零训练模型，只需基于开源或商用大模型进行领域适配，算法应用成本下降50%-80%；三是AIGC创造全新需求，尤其是在内容创作、营销设计、教育培训等领域创造大量增量需求。供给端：仍面临结构性短缺。训练算力上，高端GPU受限，国产芯片在训练场景性能差距明显；推理算力上，需求爆发式增长，边缘推理芯片（NPU）成为新战场；算力成本上，大模型训练成本动辄千万美元级，中小算法企业面临“算力门槛”。

供需平衡情况如下表所示：

（五）优质企业筛选标准

1、估值指标选择

算法企业估值需根据商业模式选择不同方法：

2、三维九因子维度

采用“技术生产力×商业变现力×财务健康度”三维评估模型，每个维度下设3个核心因子：

维度一：技术生产力（权重35%）

维度二：商业变现力（权重35%，满分35分）

维度三：财务健康度（权重30%，满分30分）

3、负面清单（一票否决制）

十六、物联网行业分析框架

（一）物联网行业的界定

物联网是基于感知控制设备，通过通信网络，使物理实体、人、系统和信息资源相连接，响应和处理物理和虚拟世界信息的基础设施。在技术层面，物联网是通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定协议将物品与互联网连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理。网络层面，物联网是一种架构在现有公网或专网基础上的联网（Networking）应用和通信能力。它可理解为现有网络向泛在边缘的拓展，即“公网/专网+传感网”。

物联网的核心框架为三层体系结构：包括感知层（Perception Layer，负责识别物体、采集信息。包含各类传感器、RFID标签、二维码、摄像头等设备）；网络层（Network Layer ，负责将感知层采集的数据安全、可靠地传输。依托互联网、移动通信网等现有网络设施）；应用层（Application Layer，对数据进行分析处理，实现智能控制。涵盖智能家居、智慧城市、智能电网等各种具体应用）。

（二）产业链与价值链

1、产业链全景图

2、利润池分布

物联网价值链呈“微笑曲线”特征：

核心判断：平台层和应用解决方案是价值链最高区，但感知层高端芯片的技术壁垒最高。模组层规模效应显著，头部集中趋势明显。

（三）技术趋势分析（Gartner曲线定位）

（四）行业供需分析及趋势变化

（五）优质企业筛选标准

1、估值指标选择

物联网企业估值需根据商业模式选择不同方法：

2、三维九因子维度

采用“技术竞争力×商业变现力×财务健康度”三维评估模型，每个维度下设3个核心因子。

维度一：技术竞争力（权重35%）

维度二：商业变现力（权重35%，满分35分）

维度三：财务健康度（权重30%，满分30分）

3、负面清单（一票否决制）

存在以下任一情况的企业，直接排除出优质标的池：

十七、加密算法行业分析框架

（一）加密算法行业的界定

加密算法（Cryptographic Algorithm）是指用于数据加密、解密、签名、认证等密码学运算的数学算法，是密码产品与密码服务的技术内核。按照行业通行的商用密码分类体系，加密算法可分为四大类：一是对称加密算法。加密与解密使用同一密钥，速度快、吞吐量高，适用于大数据量加密场景。国内标准算法包括SM1（分组密码）、SM4（分组密码，已公开）、SM7（非接触式IC卡专用）以及ZUC（祖冲之算法，用于移动通信）。国际常用算法包括AES、DES、3DES等。其中SM4是我国商用密码体系中应用最广的分组密码算法。二是非对称加密算法：使用公钥/私钥密钥对，一方加密另一方解密，适用于密钥分发、数字签名、身份认证等场景。国内标准算法包括SM2（椭圆曲线公钥密码）、SM9（标识密码）；国际主流算法包括RSA、ECC（椭圆曲线）、DSA等。SM2采用256位椭圆曲线，安全强度对标RSA-3072，是国密体系的核心公钥算法。三是哈希（摘要）算法：将任意长度数据映射为固定长度摘要，具有单向性、抗碰撞性，用于完整性校验、口令存储、数字签名配套。国内标准算法为SM3（256位输出），国际常用SHA-2/SHA-256、SHA-3。SM3安全强度对标SHA-256，是我国电子认证、密码机、区块链系统中的基础算法。四是后量子密码算法（PQC）：设计目标为抵抗量子计算机攻击的新一代公钥算法。NIST于2024年8月正式发布三项标准：FIPS 203（ML-KEM，密钥封装）、FIPS 204（ML-DSA，数字签名）、FIPS 205（SLH-DSA，哈希签名）。

“加密算法行业”是一个以商用密码为核心的产业。它不仅是提供加密算法、产品与服务的市场集合体，更是一个受国家法律严格监管、覆盖完整产业链、支撑数字经济发展的战略性基础设施。目前正处在一个由量子计算威胁和数据安全需求双重驱动下的关键转型期，它不仅是一个快速增长的巨大市场，更正在成为数字时代的核心战略产业。

（二）产业链与价值链

1、产业链全景图

商用密码产业链可划分为上游（基础软硬件）、中游（密码产品与系统）、下游（密码应用与服务）三个层次：

上游环节以密码芯片为核心。密码芯片将算法以硬件逻辑固化，提供高性能、高安全的运算能力，是产业链的技术制高点。目前国产密码芯片在SM2/SM3/SM4算法支持上已成熟，但高性能、高安全等级的芯片仍部分依赖进口或处于追赶阶段。这一环节的技术壁垒体现在：算法硬件实现的安全性（侧信道防护）、工艺节点、运算性能与功耗平衡。

中游环节是产业主体最密集的环节。密码整机与系统厂商将芯片、板卡集成封装为标准化产品，再叠加密钥管理、证书管理等系统软件，形成可交付的密码基础设施。

下游环节包括行业解决方案与密码服务。密码服务（尤其是云密码服务、密评检测）是产业链中增长最快的部分，毛利率高、客户黏性强，代表了产业从“卖产品”向”卖服务”的升级方向。

2、利润池分布

商用密码产业链的利润主要沉淀在上游芯片与下游服务两端，中游整机与系统环节尽管收入规模占比最大，但利润贡献被激烈竞争稀释。

（三）技术趋势分析

价值链正沿三条路径迁移：

迁移方向一：从产品向服务迁移。密码服务化（密码即服务PaaS）是确定趋势。随着云计算的普及，传统的“买密码机”模式正在被“订阅云密码服务”模式替代。这一迁移使产业链利润从一次性产品销售向持续性服务收入转移，服务型企业的收入质量（经常性收入占比）和估值中枢都将系统性提升。

迁移方向二：从通用产品向场景化方案迁移。车联网、卫星互联网、低空经济、AI大模型等新场景对密码提出差异化需求（低时延、轻量化、抗量子），具备场景化方案能力的企业将获得超越行业平均的增长。

迁移方向三：向抗量子密码升级。这是未来5-10年最大的结构性变量。

（四）优质企业筛选标准

1、估值指标选择

在此背景下，市场主要采用以下估值方法：

PS（市销率）估值：对亏损或微利的高成长企业，PS是主要参照指标。安信证券对三未信安的估值采用PS方法，给予2026年8倍动态市销率；

EV/Revenue：考虑净现金后更审慎的销售收入倍数；

事件驱动估值：针对PQC迁移、关基改造等政策事件，对具备卡位优势的企业给予主题溢价。

2、四维筛选维度

基于行业特征分析，我们从财务质量、技术与资质、业务结构、成长性四个维度构建优质企业筛选框架。

十八、区块链行业分析框架

（一）区块链行业的界定

区块链行业目前仍处于快速发展演变中，尚未形成一个统一、公认的官方界定，其内涵正从单一的技术概念，逐步演变为一个由技术、产业、监管三大维度共同定义的综合性概念。

在法律层面，区块链信息服务是基于区块链技术或者系统，通过互联网站、应用程序等形式，向社会公众提供信息服务，只要服务对象是境内主体，无论服务提供者或其服务器在何处，都需遵守规定；在技术和产业发展层面，区块链是分布式网络、加密技术、智能合约等多种技术集成的新型数据库软件；在产业层面，区块链产业是围绕区块链技术及衍生出的产品、应用和服务形成的具有一定规模、商业模式较为清晰可行的行业集合。

1、产业链全景图

2、利润池分布

区块链行业价值链呈“微笑曲线”特征——底层协议和应用端附加值最高，中间层标准化程度提升、利润空间压缩。

（三）技术趋势分析

1、技术演进路线图：从区块链1.0到3.0

2、技术成熟度评估

（四）行业供需分析及趋势变化

1、供需评估

需求端，从“链上信仰”到“链下价值”，供给端，国产替代与生态竞争加剧。但当前区块链行业供需关系呈现”结构性错配”：具体表现在供不应求（数字人民币生态建设、国家级数字基础设施对自主可控联盟链的需求旺盛；DeFi/机构投资对高性能公链的需求持续增长）； 供过于求（同质化联盟链平台过多，部分低性能公链用户流失；加密货币交易所数量过剩）。 匹配改善方向上，主要集中在三个方向，即技术标准统一（跨链互通）、应用场景深化（从POC到规模化）、成本持续下降。

2、增长驱动力拆解

一是数字人民币生态扩容（权重30%）。数字人民币从1.0（M0替代）迈入2.0（数字存款货币），引入计息功能，从支付工具升级为“支付+储蓄”一体化金融产品。预计带动区块链底层平台、支付终端、安全芯片等产业链需求。

二是产业区块链规模化应用（权重35%）。政务区块链、供应链金融、能源交易、医疗数据共享等场景从试点走向规模化。

三是DeFi/RWA金融创新（权重25%）。去中心化金融与传统金融的边界持续模糊。RWA将传统资产上链，稳定币跨境支付规模及全球基于区块链的金融交易量将会持续提升。

四是Web3/元宇宙基础设施（权重10%）。数字身份、分布式存储、去中心化社交等应用构建下一代互联网基础设施。

（五）优质企业筛选标准

1、三维九因子维度

”三维九因子”评估模型，结合区块链行业特性进行指标定制：

维度一：技术竞争力（权重35%）

维度二：商业变现力（权重35%）

维度三：财务健康度（权重30%）

2、负面清单（一票否决制）

存在以下任一情况的企业，直接排除：

十九、互联网平台行业分析框架

（一）互联网平台行业的界定

互联网平台是利用网络技术，连接双边或多边主体（如消费者与商家）以创造价值的商业组织形态。它的核心在于通过技术来匹配供需、撮合交易，而非直接拥有产品。根据服务对象和功能，主要可分为数字化平台（面向消费者，如电商、社交、内容、出行平台）；工业平台（面向产业，旨在提升B2B和工业领域的效率）；智能化平台（以AI为核心驱动，提供模型即服务MaaS等）。

（二）产业链与价值链

1、产业链全景图

2、利润池分布

互联网平台行业价值链呈“微笑曲线”——两端（流量获取与数据变现）附加值最高，中间（基础技术服务）利润趋薄。

（三）技术趋势分析

1、技术演进路线：从“流量驱动”到“AI驱动”

2、六大关键技术趋势

一是AI大模型重构平台运营全链路。当前大模型从辅助工具进化为核心引擎：内容生产方面，AIGC降低内容创作门槛，抖音/快手AI辅助中小商家内容生成；推荐算法方面，从用户画像匹配升级为意图理解+场景预测；客服/运营方面，AI Agent自主处理售前咨询、售后投诉；广告投放方面，智能素材生成、动态出价优化。

二是短视频/直播成为基础设施。直播电商从红利期进入常态化，内容生态从娱乐向知识传播、情感共鸣、生活记录多维拓展。

三是本地生活线上化加速渗透，即时零售重塑电商格局。

四是出海从可选变为必选。

五是产业互联网与消费互联网深度融合。

3、技术成熟度评估

（四）行业供需分析及趋势变化

当前供需关系呈“结构性错配”：一是供不应求，优质内容/精准服务/AI应用能力，用户愿意为高质量付费（会员ARPU持续提升），但却供不应求；二是供过于求，同质化电商平台、低质直播带货、重复性本地生活补贴竞争加剧；三是未来匹配改善方向，将主要集中于AI精准匹配、供给侧差异化、从价格战转向价值战。

（五）优质企业筛选标准

1、估值指标选择

互联网平台企业适用“多元估值法”，根据业务成熟度和盈利模式选择不同指标：

2、三维九因子维度

结合互联网平台行业特性定制指标：

维度一：生态壁垒力（权重35%）

维度二：变现效率力（权重35%）

维度三：财务健康度（权重30%）

3、负面清单（一票否决制）

二十、互联网批发零售行业分析框架

（一）互联网批发零售行业的界定

互联网批发零售行业，是通过互联网平台和数字化手段，从事商品批发和零售活动的产业形态。作为融合了信息流、资金流、物流，连接生产端与消费端的完整商业生态。在国民经济行业分类中，通常对应互联网批发（侧重商家之间的交易，即B2B）与互联网零售（面向最终消费者的销售，即B2C/C2C）。行业正从“流量驱动”向“效率驱动+技术驱动+全球化驱动”转型，即时零售、直播电商、AI赋能成为三大核心增长极。

（二）产业链与价值链

1、产业链全景图

互联网批发零售行业的价值链可拆解为“流量获取→交易撮合→履约交付→售后服务”四大核心环节：

2、利润池分布

从利润率维度看，产业链呈现”两头高、中间低”的U型分布：

（三）技术趋势分析

2025-2026年，AI大模型技术正在从“营销辅助工具”升级为”电商运营操作系统”，覆盖选品、定价、营销、客服、供应链全链路：

AI技术对行业的重塑呈现“马太效应”：头部平台因数据规模、算力投入、人才储备优势，AI应用效果远超中小平台，进一步拉大竞争差距。可点关注AI投入与商业回报形成正向循环的平台——即AI技术不仅能降本增效，还能创造增量收入（如云业务、广告效率提升）。对仅将AI作为成本中心、尚未看到收入转化的企业，需警惕高额资本开支对短期利润的侵蚀。

（四）行业供需分析及趋势变化

供给端，平台供给上，格局趋稳，增量来自新业态；商品供给上，品类线上化加速，服务消费崛起；物流供给上，即时配送能力快速扩张。需求端，用户规模见顶，增量来自下沉与老年群体。消费行为变迁，直播电商重构了消费者决策链路，实现”货找人”的主动触达。即时需求崛起，该类用户规模持续扩大。

从周期位置看，行业处于“存量博弈+结构升级”的成熟期早期：总量增速放缓但高于社零整体，直播电商、即时零售、跨境电商等新赛道维持两位数增长，对冲传统货架电商增速放缓。

（五）优质企业筛选标准

1、估值指标选择

互联网批发零售行业因商业模式差异大，需分板块采用差异化估值方法： 

2、三维九因子维度

互联网批发零售行业优质企业筛选采用“生态壁垒力 × 变现效率力 × 财务健康度”三维度九因子模型。

维度一：生态壁垒力（权重35%）

维度二：变现效率力（权重35%）

维度三：财务健康度（权重30%）

3、负面清单（一票否决制）

鉴于行业平台属性强、竞争激烈，增设一票否决项，凡触发任一否决项的企业直接排除。

二十一、数据资源与产权交易行业分析框架

（一）数据资源与产权交易行业的界定

数据资源与产权交易行业是围绕数据要素确权、定价、流通、交易形成的功能型产业簇。其业务边界包括五个核心环节：

数据交易存在场内与场外两种形态。场内交易指通过经批准设立的数据交易所/交易中心进行的规范化交易，规模可统计、监管可穿透；场外交易则是企业间点对点的数据流通，规模远超场内但难以统计。

2026年7月正式印发的《数据产权登记工作指引（试行）》中，产权类型上明确登记三类产权——数据资源持有权、数据加工使用权、数据产品经营权，使得企业持有数据资源的权益有了全国统一的登记凭证；登记类型上设置初次登记、转让登记、变更登记、续期登记、注销登记五类登记业务，覆盖了数据产权从设立到流转再到灭失的全生命周期；体系构建上确立全国统一的数据产权登记体系，依托各级登记机构分级实施，改变了过去各地登记规则不一、跨区域效力存疑的碎片化状态。

自2024年1月《企业数据资源相关会计处理暂行规定》施行以来，数据资源可作为无形资产或存货入表确认。与之配套的评估标准体系也在同步完善。2026年5月1日实施的国家标准GB/T 46353-2025《数据资产价值评估指南》，与2023年10月施行的《数据资产评估指导意见》共同构成数据资产评估的”国家标准+行业规范”双层架构。评估方法上确立成本法、收益法、市场法三种基本路径，并针对数据资产的动态性、复用性特征设置了调整因子。评估标准的统一，为数据资产在交易定价、质押融资、出资入股等场景中的公允价值计量提供了技术前提。

（二）产业链与价值链

1、产业链全景图

数据资源与产权交易行业可划分为上、中、下游三个层次。

2、利润池分布

从盈利质量看，产业链各环节呈现显著的“微笑曲线”特征——两端（上游资源持有与下游应用）利润中枢较高，中游纯服务环节利润率偏低。

定价权的财务信号亦呈现明显分层。向上游看，数据商对公共数据授权运营机构缺乏议价能力，分成比例由政府规则决定；对个人数据持有者则需承担合规采集成本。向下游看，具备数据产品化能力的厂商议价权较强，能够以标准化产品形态获取持续性订阅收入；而停留在项目定制层面的厂商则深陷“人天计价”的低毛利竞争。

从利润池迁移趋势上看，数据要素行业的利润池正沿“数据资源持有→数据加工→数据应用”的链条发生显著迁移。第一阶段（2022-2023），利润集中于上游数据资源富集企业，彼时政策以数据安全治理为主，拥有数据的行业龙头通过内部数据变现获取超额收益。第二阶段（2024-2025），随着入表制度落地与交易所建设加速，利润向中游的登记确权、评估入表等制度性服务环节扩散，带动一批数据服务商收入增长。第三阶段（2026年起），随着AI大模型对高质量数据集需求的爆发，利润池正在向”高质量数据供给+数据治理加工”环节迁移——具备规模化、标准化数据生产能力的厂商开始享受AI需求外溢红利。

（三）技术趋势分析

数据要素流通面临的核心技术矛盾是“数据可用与数据可控”的平衡——既需要数据被充分计算利用，又需要防止数据被泄露、滥用和越权使用。围绕这一矛盾，行业已形成以隐私计算、区块链、可信数据空间、数据安全与合规技术为核心的技术栈。其中，隐私计算解决“计算过程”中的安全，区块链解决“权属状态”的不可篡改，可信数据空间解决“流通规则”的信任建立，三者相互配合构成数据要素流通的技术底座。

（四）优质企业筛选标准

1、估值指标选择

结合行业生命周期（早期成长阶段）与盈利状态（大面积亏损），可构建“PS为主、PB为辅”的行业估值框架。其中，PS适用于收入高速增长、利润尚未释放的早期行业。 在PE失效的背景下，PS以收入为估值锚，能够反映市场对行业成长性的定价。PB作为辅助校验指标。随着数据资产入表规模扩大，PB的参考意义将逐步增强——入表后净资产增厚会自然压低PB，除非市值同步上涨。

2、三维筛选维度

在行业整体盈利缺位的背景下，优质企业的筛选不能依赖单一财务指标，而应从“资源、资质、技术、财务”四个维度构建多层级筛选框架：

第一维度：数据资源禀赋。评估企业是否拥有规模化、高质量、可持续更新的数据资源。优质企业应至少满足以下条件之一：拥有天然数据场景（如大宗商品交易、移动终端行为数据、行业供应链数据），或具备整合区域公共数据的能力。数据资源的独家性与场景粘性是决定商业模式护城河的根本。

第二维度：资质与卡位。评估企业是否占据制度性卡位：是否获得公共数据授权运营资质、是否深度参与数据交易所生态（会员、数据商、做市商）、是否具备数据资产评估/登记等专业资质。在牌照与资质主导的制度化行业中，卡位优势往往比短期收入更具价值。

第三维度：技术产品化能力。评估企业是否具备将数据转化为标准化产品的能力：隐私计算技术储备、数据治理与标注的规模化交付能力、行业数据产品的可复制性。技术能力应通过专利数量、产品收入占比、标杆客户案例等可验证指标衡量，警惕纯概念性技术包装。

第四维度：财务健康度。评估盈利质量与现金流安全边际：收入增速与结构（产品化收入占比）、毛利率水平、应收账款周转天数、经营性现金流、研发投入强度。在行业普遍亏损期，现金流管理能力与减亏路径的清晰度是区分优质与平庸企业的重要标尺。

综合四维框架，当前阶段最具投资确定性的企业画像为：具备独家数据资源或公共数据授权卡位、隐私计算/数据治理技术产品化能力经过客户验证、收入保持20%以上增长且现金流为正或减亏路径清晰的数据商。这类企业兼具“政策受益确定性”与”商业模式兑现能力”，是数据要素价值释放期最值得配置的标的。反之，对于仅以“数据要素”概念包装、缺乏实质资源与技术能力、依赖项目制低毛利交付的公司，应给予估值折价。

二十二、互联网金融行业分析框架

（一）互联网金融行业的界定

互联网金融行业是一个用互联网思维、技术和数据重构金融服务的完整业态。其核心逻辑是以用户为中心、以数据为驱动、以场景为入口，提供更高效、普惠、触手可及的金融服务。

根据央行等十部委在2015年《关于促进互联网金融健康发展的指导意见》中规定，传统金融机构与互联网企业利用互联网技术和信息通信技术，实现资金融通、支付、投资和信息中介服务的新型金融业务模式。

（二）产业链与价值链

1、产业链全景图

互联网金融产业链可划分为“基础设施层—平台服务层—应用场景层”三大层级：

2、利润池分布

从利润池分布看，互联网金融产业链呈现“微笑曲线”特征——两端（场景流量方和持牌金融机构）占据主要价值，中间纯技术服务商利润空间相对有限。

场景流量方（利润率20%-40%）：掌握用户入口和交易场景，通过金融服务变现实现高利润率。

持牌金融机构（利润率10%-25%）：拥有金融牌照和资金成本优势。

金融科技服务商（利润率8%-15%）：为金融机构提供技术解决方案，该环节竞争激烈，项目制交付模式导致盈利稳定性偏弱。

助贷/导流平台（利润率5%-15%）：受助贷新规和利率压降影响，助贷费率空间被压缩。不具备核心风控能力的平台面临转型压力。

（三）技术趋势分析

互联网金融技术体系可划分为基础支撑层、核心应用层、前沿探索层三个层次：

基础支撑层（成熟度高）：云计算、大数据、移动互联网技术已全面渗透互联网金融各环节。金融机构上云率超过80%，分布式架构成为主流。

核心应用层（快速成熟中）：人工智能是本轮技术变革的核心驱动力。智能客服替代率已达70%以上；AI风控模型审批时效缩短至分钟级；OCR、人脸识别等生物识别技术在开户、核身环节广泛应用。大模型技术正在重塑金融交互方式——智能投顾、AI理财顾问、金融内容生成等场景快速落地。

前沿探索层（试点验证中）：区块链技术在供应链金融、跨境支付、数字资产确权等领域探索应用；隐私计算技术在联合风控、数据共享场景试点；数字人民币在消费信贷、供应链金融等场景逐步推广。

技术演进将重塑行业竞争格局：AI大模型+金融将成为下一阶段核心赛道，具备金融大模型训练和落地能力的机构将获得竞争优势；隐私计算技术成熟后将催生跨机构数据协作新模式；数字人民币的规模化推广将重塑支付清算格局，具备数字人民币应用先发优势的机构值得关注。

（四）行业供需分析及趋势变化

当前互联网金融行业处于“供给规范化、需求多元化”的供需再平衡期。供给侧，持牌机构份额逐年提升，不合规机构加速出清；需求侧，消费信贷、小微金融、汽车金融、绿色金融等多元需求同步增长。供需格局改善叠加监管出清，行业景气度从底部回升。

（五）优质企业筛选标准

1、估值指标选择

互联网金融行业不同细分领域适用差异化估值方法：对持牌消费金融机构/数字银行适用PB-ROE框架；对金融科技服务商适用PE/PS框架；对互联网信贷科技平台适用PE/PB框架；对综合金融科技巨头适用分部估值法（SOTP）。

2、三维九因子维度

采用“牌照合规力×场景护城河×科技风控力”三维九因子评分模型。

维度一：牌照合规力（权重35%）

维度二：场景护城河（权重30%）

维度三：科技风控力（权重35%）

3、负面清单（一票否决制）

二十三、信息基础设施建设行业分析框架

（一）信息基础设施建设行业的界定

新型基础设施包括信息基础设施、融合基础设施和创新基础设施。网络基础设施（信息高速公路），是连接一切的基础，确保数据的高速、泛在、安全传输。具体包括5G与未来网络，千兆光网，卫星互联网，关键网络技术包括IPv6的全面普及、软件定义网络、网络切片等，让网络更灵活、更智能。算力基础设施（数字时代的引擎）是生产和处理数据的核心，具体包括数据中心，人工智能计算中心，云计算与边缘计算；应用基础设施（能力中台与工具箱）

将通用的技术能力封装起来，直接赋能各行各业的数字化转型。具体包括人工智能大模型，区块链，数据要素与流通设施，通用技术平台等。

信息基础设施作为“数字经济发动机”，正经历从传统IDC向AIDC（AI数据中心）的历史性跃迁，AI算力需求爆发叠加“东数西算”纵深推进，行业迎来供需双侧共振的高景气周期。

（二）产业链与价值链分析

1、产业链全景图

信息基础设施建设产业链覆盖“芯-端-网-云-用”全栈，可分为上游核心元器件、中游设备与平台、下游应用服务三大层级。

2、利润池分布

产业链利润池呈现“微笑曲线”特征：上游核心元器件和下游云服务端利润率高，中游设备制造和IDC运营利润率相对较低但规模效应显著。

（三）技术趋势分析

信息基础设施领域五大核心技术方向及其成熟度：

技术迭代正从三个维度重塑行业竞争格局：一是液冷渗透率提升改变温控设备竞争格局；二是AIDC架构升级使具备高密度交付能力的运营商获得溢价能力；三是国产算力芯片成熟降低对海外供应链依赖，但先进制程受限仍是瓶颈。

（四）行业供需分析及趋势变化

供给端关键变化：一是低效供给出清，北京、上海等地推进低效存量数据中心腾退疏解，PUE>1.5的存量项目面临淘汰；二是新增供给结构性变化，增量集中于八大枢纽节点，且以智算中心为主；三是电力约束凸显，核心城市电力接入成为稀缺资源，决定项目可落地性。

需求端分层结构：一是训练算力，大模型训练需求，偏好西部低成本绿电枢纽；二是推理算力，AI应用实时响应，集中于东部低时延核心城市圈；三是边缘算力，5G/工业互联网驱动，需求快速增长。

（五）优质企业筛选标准

1、估值指标选择

信息基础设施建设行业适用分环节差异化估值：

2、三维九因子维度

信息基础设施建设行业优质企业筛选采用“资源卡位力×技术迭代力×运营变现力”三维九因子框架分析：

维度一：资源卡位力（权重40%）

资源卡位力是信息基础设施企业的核心竞争壁垒，决定其能否获取稀缺资源并转化为可持续收益。

维度二：技术迭代力（权重30%）

技术迭代力决定企业在AIDC时代的交付能力与服务溢价。

维度三：运营变现力（权重30%）

运营变现力决定企业能否将资源和技术转化为可持续的现金流与利润。

3、负面清单（一票否决制）

二十四、数据标注行业分析框架

（一）数据标注行业的界定

数据标注行业是对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的新兴产业，数据标注行业正处于AI大模型浪潮驱动下的黄金成长期，作为人工智能产业链中承上启下的关键环节，其战略地位正从“幕后支撑”跃升为“核心基础设施”。技术层面，行业正经历从“劳动密集型”向“技术密集型”的根本性转型。AI预标注、人机协同、多模态标注等技术的成熟使行业自动化率和标注效率不断提升，标注效率提升，数据标注的范式从简单的“打标签”向高质量SFT微调、RLHF偏好对齐、思维链标注等高附加值服务升级。

（二）产业链与价值链

1、产业链全景图

数据标注产业链可分为上中下游三个层次，其核心逻辑是“数据资源——加工处理——价值释放”的闭环：

2、利润池分布

利润池分布上，中游平台型服务商是当前产业链中利润最丰厚的环节，其核心利润来源包括：一是标准化数据集产品的重复销售（边际成本趋近于零）；二是AI辅助标注工具带来的效率提升和成本优化；三是高附加值标注服务（如RLHF偏好对齐、SFT微调数据）的溢价能力。

从利润迁移趋势看，行业利润正从下游人力密集型环节向中游技术驱动型环节快速集中。随着AI预标注技术的成熟，传统“人海战术”的标注工厂利润率被压缩至8%以下，而掌握核心技术平台的企业毛利率持续走高。未来3-5年，这一利润迁移趋势将加速，技术平台型企业的利润池占比有望从55%提升至70%以上。

（三）技术趋势分析

当前数据标注技术呈现“人工主导向人机协同演进、单模态向多模态扩展”的两大主线：

技术路线收敛判断：行业正处于从“纯人工标注”向“AI辅助标注”切换的关键拐点。AI预标注+人工质检的人机协同模式已成为主流，行业自动化率已过半。但全自动标注在复杂场景（如长尾物体识别、医疗影像精细分割等）下准确率仍难以满足要求，预计3-5年内人机协同仍将是主导模式。RLHF、SFT等高级标注服务正处于快速成长期，随着大模型训练需求的爆发，该细分领域增速预计将超过行业平均水平。

（四）行业供需分析及趋势变化

供给端，头部平台型企业具备自研平台、标准化产品和高端客户服务能力，占行业产值的约45%；垂直领域专家型企业深耕自动驾驶、医疗、金融等特定领域，占行业产值的约25%；中小标注工厂/众包平台：以人力密集型模式为主，占行业产值的约20%。部分大型客户自建团队，不对外产生产值但消化了大量内部需求。在供给结构上，行业供给呈现“金字塔”结构——少数头部平台型企业和垂直专家占据高价值市场，大量中小工厂在低毛利区间竞争激烈。行业整体正经历从劳动密集型向技术密集型的结构性转型。目前的供给瓶颈在于，高端标注人才（尤其是具备领域知识的专家级标注员）是当前供给端的主要瓶颈。RLHF、医疗影像标注、法律文本标注等高端任务需要标注员具备专业知识背景，这类人才的供给弹性远低于普通标注员。

需求端，主要来自以下领域：

需求驱动因素主要包括，AI大模型训练需求（GPT类大模型的预训练、SFT微调和RLHF对齐均需要海量高质量标注数据，是当前需求爆发的核心驱动力）；自动驾驶渗透率提升；行业AI应用深化（医疗、金融、制造等传统行业的AI应用从试点走向规模化，对垂直领域标注数据的需求快速增长）；政策驱动（公共数据标注目录编制、政务大模型建设、国企数据效能提升等政策性需求）。

（五）优质企业筛选标准

1、估值指标选择

数据标注行业属于AI基础设施/科技服务型行业，核心技术驱动、高研发投入、盈利模式以”标准化产品+定制化服务”为主。适用的核心估值指标为PS（市销率）和PEG，辅助指标为PE。

选择理由PS，是因为行业处于高速成长期，哪怕头部企业短期利润受研发投入波动较大，营收是更稳定的估值锚；选择PEG是因为行业处于高速成长期（20-50%增速区间），PEG能有效衡量估值与增速的匹配度；选择PE主要是对于已稳定盈利的企业，PE仍具参考价值。

2、五维筛选框架

构建数据标注行业优质企业“五维筛选模型”：

维度一：技术平台能力（25%）

技术平台是数据标注企业最核心的竞争优势来源，直接决定了标注效率、质量和成本结构。评估要点包括：自研平台成熟度（是否拥有自主可控的标注平台，而非依赖第三方开源工具）；AI预标注准确率（预标注准确率每提升5个百分点，人工成本可下降10-15%）；多模态支持能力（能够同时处理图像、语音、文本、视频、3D点云、4D-BEV等多类型数据的能力，是满足复杂AI应用需求的基础）。

维度二：数据资产壁垒（20%）

标准化数据集是平台型企业的“护城河”，具有“一次生产、多次销售”的特性：数据集规模与覆盖度（高覆盖度可构成显著的数据资产壁垒）；知识产权储备（自有知识产权的数据集产品越多，边际成本越低，毛利率越高）；稀缺性数据资源（小语种、专业领域（数据集的稀缺性决定了其溢价能力）。

维度三：行业落地能力（20%）

数据标注是强B2B行业，客户导入周期长、切换成本高，主要关注如下指标：头部客户覆盖（在自动驾驶、科技巨头、运营商等头部客户中拥有稳定合作关系的企业，具备更强的订单可见性）；行业资质（测绘资质、医疗数据合规认证、数据安全等级保护等资质是获取高端订单的硬性门槛）；客户续约率（数据标注具有强连续性，高续约率反映客户满意度和绑定深度）。

维度四：财务健康度（20%）

财务指标是技术壁垒和市场地位的最终体现，主要关注如下指标：营收增速（持续高于行业均值20%以上的增速表明企业在获取市场份额）；毛利率（技术驱动型企业毛利率通常在50-70%，纯人力型企业毛利率通常低于20%）；研发投入强度（数据标注行业技术迭代快，研发费用率应保持在15%以上）；现金流（正向经营现金流是健康商业模式的重要标志）。

维度五：前瞻布局（15%）

在RLHF、多模态标注、全球化等高增长方向的前瞻性布局，决定了企业的长期竞争力，主要关注如下指标：人类反馈强化学习和有监督微调能力（大模型训练需求中，人类反馈强化学习RLHF和有监督微调SFT是数据标注的最高附加值环节，具备该交付能力的企业将享受显著溢价）；多模态标注占比（多模态标注订单占比越高，企业在AI2.0时代的竞争力越强）；全球化布局（海外AI市场的数据标注需求正在快速增长，具备全球化交付能力的企业拥有额外增量空间）。

二十五、数字资产行业分析框架

（一）数字资产行业的界定

数字资产（Digital Asset）是以电子数据形式存在，具有一定价值，并可被拥有、交易或使用的资产。而数字资产行业是以区块链技术为核心基础设施，涵盖数字资产确权、流通、交易及管理的战略性新兴产业。

（二）产业链与价值链

1、产业链全景图

2、利润池分布

利润池分布呈现“微笑曲线”特征：中游平台层和数字资产管理层利润最丰厚，下游应用集成层因项目制竞争激烈、毛利率偏低。上游芯片层受周期波动影响较大。

（三）技术趋势分析

数字资产行业技术栈可分为四层：

Layer 0（网络层）：跨链互操作协议（Cosmos IBC、Polkadot XCMP）、分片技术。

Layer 1（共识层）：公链（PoW→PoS转型完成）、联盟链（PBFT、Raft等）。

Layer 2（扩展层）：状态通道、侧链、Rollup（Optimistic/ZK-Rollup）。

Layer 3（应用层）：智能合约、DApp、数字钱包、预言机（Oracle）。

技术融合趋势主要包括如下几个方面：一是AI与区块链融合并正在催生新场景。区块链为AI训练数据提供可信溯源和确权机制，而AI Agent之间的交互与支付需求，可能催生基于区块链的新型数字资产形态。二是隐私计算+区块链：联邦学习、多方安全计算（MPC）与区块链的结合，解决了数据共享与隐私保护的矛盾，在金融、医疗等强合规场景具有广阔应用前景。三是技术路线风险，公链与联盟链的路线之争仍在持续。国内监管环境下联盟链占主导，但公链的技术迭代（如以太坊分片、Solana高性能链）可能对联盟链形成技术代差压力。平台型企业需在联盟链合规性与公链技术先进性之间寻找平衡。

（四）行业供需分析及趋势变化

供给端呈现“两极分化”特征，头部平台凭借云生态优势，占据BaaS市场主要份额；而长尾市场上大量中小区块链企业在细分场景（溯源、存证、供应链金融）提供定制化解决方案，但缺乏规模效应。技术供给能力上，索然中国在区块链专利申请量上全球领先，但核心底层技术（高性能共识算法、零知识证明芯片化）仍与海外存在差距。

需求端按应用场景拆解为四大板块：其中金融科技上，数字人民币应用场景不断扩充，跨境支付（mBridge项目）、供应链金融、数字票据是主要需求来源；政务服务上，电子证照、政务数据共享、公共资源交易、司法存证等场景持续渗透。数据要素上，公共数据授权运营、数据资产入表、数据交易撮合需求快速释放；企业服务上，电子合同、供应链溯源、版权保护等B2B服务稳步增长。

（五）优质企业筛选标准

1、估值指标选择

数字资产行业属于技术驱动型新兴行业，多数企业仍处于成长期，盈利波动大。估值指标选择：

2、三维九因子维度

基于数字资产行业的技术密集型、政策敏感型、成长驱动型特征，构建“五维筛选模型”：

维度一：技术平台能力（25%）

维度二：数据资产布局（20%）

维度三：行业落地能力（20%）

维度四：财务健康度（20%）

维度五：前瞻布局（15%）

二十六、代币化行业分析框架

（一）代币化行业的界定

代币行业并非单一赛道，而是以“数字资产代币化”为核心逻辑，涵盖资产发行、流通、交易、结算全链条的泛金融领域。其底层驱动力是区块链技术对传统资产确权、流转、结算效率的颠覆性提升。当前行业可划分为三大核心赛道：

三大赛道并非孤立，而是形成了“基础设施—流动性载体—资产端”的三角协同。加密交易所提供交易场所与流动性；稳定币作为结算媒介降低摩擦成本；RWA代币化则持续扩容可交易资产品类。

（二）产业链全景图

（三）企业筛选TOKEN五维框架

TOKEN五维框架（Trust-Operations-Knowledge-Earnings-Network）可作为筛选优质企业提供了系统化的方法论。其核心原则是：在合规赛道中选择具备牌照壁垒的龙头，在RWA赛道中选择底层资产优质、架构合规的项目，在交易所赛道中选择收入多元化、用户资产沉淀深厚的平台。同时，必须清醒认识到行业仍处于早期阶段，流动性不足、估值困难、监管不确定性是持续存在的系统性风险，分散配置、控制仓位、聚焦头部是参与该领域的基本原则。

1、加密交易所赛道

核心筛选指标：

负面清单包括三项：与制裁名单国家存在持续资金往来；单一收入占比超过80%且呈上升趋势；储备透明度不足，缺乏独立审计。

2、稳定币赛道

核心筛选指标：

长期看，“合规+透明”的稳定币发行方将系统性受益于机构资金的流入。

3、RWA代币化赛道

核心筛选指标：

二十七、产业数字化概况

根据《十四五规划》中所明确的，在重点行业和区域建设若干国际水平的工业互联网平台和数字化转型促进中心，深化研发设计、生产制造、经营管理、市场服务等环节的数字化运用。2024年1月，国家数据局等17个部门联合印发《“数据要素×”三年行动计划（2024-2026）》在12个数据要素聚焦的重点领域，进行深化和管理：

注：文章为作者独立观点，不代表资产界立场。

题图来自 Pexels，基于 CC0 协议

本文由“负险不彬”投稿资产界，并经资产界编辑发布。版权归原作者所有，未经授权，请勿转载，谢谢！

原标题： 五万字解读数字经济：行业全景图谱、细分行业分析框架及优质企业筛选标准