$蓝色光标(SZ300058)$  $易点天下(SZ301171)$  $昆仑万维(SZ300418)$  

9月3日，第二十一届中国国际中小企业博览会在广州开幕。本届中博会的主题非常直接——“人工智能赋能中小企业”。超过2000家境内外企业参展，专业展区覆盖中小企业数智化转型、具身智能、集成电路、工业设计等方向。开幕式上，一个比展会本身更值得关注的政策正式发布：工业和信息化部《人工智能中小企业创业支持计划（2026—2028年）》。

这份计划最醒目的目标，是未来三年在行业应用、数据服务、智能算力等领域新培育科技和创新型中小企业1万家以上，人工智能领域专精特新“小巨人”企业突破2000家，同时建设10个科技型企业孵化器、10个国家中小企业公共服务示范平台，并新培育10个国家级中小企业特色产业集群。

如果只看这些数字，很容易把它理解成新一轮AI产业扶持。但真正值得注意的不是“扶持多少家企业”，而是政策关注点正在发生变化。

过去三年，中国AI产业最核心的问题是有没有模型、有没有GPU、有没有足够算力。资本首先流向大模型公司、GPU、服务器、光模块、PCB、存储、液冷和数据中心。互联网巨头投入大量资本开支建设AI基础设施，因为整个产业首先要解决的是供给问题。

但当算力开始大规模建设、模型能力快速提高以后，下一个问题自然出现了：

这些算力究竟由谁来使用？

如果最终只有几十家互联网巨头、大模型公司和云厂商持续购买算力，那么AI基础设施投资能够形成的市场仍然有限。只有当数百万家制造业企业、零售企业、物流企业、传媒企业、设计公司、软件公司甚至小微企业开始真正购买Token、调用模型和部署智能体，前面巨额AI资本开支才可能形成完整的商业闭环。

所以这份政策真正值得关注的地方，是它开始把AI产业从“供给侧建设”推向“需求侧扩散”。

政策甚至已经把目前AI创业最现实的几个瓶颈拆开了。

第一个是算力。计划提出依托中国算力平台推动算力资源池化整合和弹性配置，为创业企业提供低成本算力，同时继续推进普惠算力赋能中小企业专项行动。此前工信部已经提出按“卡时”“核时”和Token进行灵活计费，并鼓励地方通过“算力券”“存力券”“运力券”等形式降低中小企业使用算力的成本。

这个变化非常重要。一家大型互联网公司一年可以投入数百亿元购买GPU，但一家几十人的AI创业公司不可能自己建设数据中心。如果创业者必须先融资几千万元才能获得基本算力，那么大量AI应用根本不会出现。

所以所谓“普惠算力”真正解决的是创业门槛。

未来AI基础设施越来越可能像云计算一样：企业不需要拥有服务器，只需要按需求购买算力和Token。如果使用成本足够低，一个三五人的团队就可以开发过去需要几十甚至几百人才能完成的软件产品。

第二个瓶颈是数据。

政策提出支持行业龙头、平台企业、行业协会与中小企业建立数据合作联合体，在智能制造、材料研发、生物医药等领域建设高质量行业数据集，并有序向AI创业企业开放。

这件事情甚至可能比算力更加重要。

基础模型越来越容易获得，但真正决定一个垂直AI应用是否有价值的，往往不是底层模型，而是行业数据。

一个通用模型可以理解“机床”，但未必知道某种机床出现0.1毫米误差意味着什么；它可以理解“药物”，但未必拥有某个研发环节多年积累的实验数据；它可以生成财务分析，却未必知道一家具体制造企业内部几十年的订单、供应商和生产记录。

所以未来很多真正有商业价值的AI公司，可能并不自己训练大模型。它们可能使用智谱、DeepSeek、阿里、腾讯或者其他基础模型，在上面叠加自己的行业数据、工作流和客户关系。

换句话说，模型逐渐成为基础设施，行业数据和场景开始成为新的竞争壁垒。

第三个瓶颈则是应用场景。这是这份政策里我认为最值得资本市场关注的内容。

计划明确提出，引导链主企业向AI创业企业开放试验验证、示范应用和规模化商用场景，同时建立“人工智能创业场景合伙人”，为创业企业提供需求分析、试点验证和推广应用。很多AI创业公司的最大问题其实不是技术不够强，而是没有第一个客户。一个创业团队可能已经开发出不错的工业质检模型，但真正进入汽车工厂以后，需要面对生产节拍、PLC通信、工控安全、误报率、设备兼容等大量问题。没有真实工厂愿意提供试验机会，产品永远只能停留在Demo阶段。

因此“开放场景”本质上是在解决AI创业最难的一公里。

这与过去扶持互联网创业的方式不同。互联网应用可以先获得用户，再寻找商业模式；工业AI往往必须先进入真实场景，经过半年甚至一年验证，才能形成产品。所以AI真正进入制造业以后，产业发展的速度并不只由模型能力决定，还取决于大企业愿不愿意把生产线、数据和采购订单开放给中小AI公司。

这也解释了为什么本届中博会专门设置中小企业数智化转型展，而且明确要求展示“小型化、轻量化、快速化、精准化”的AI解决方案，让企业“看得懂、聊得来、想试用”。

这几个词其实非常值得注意。

过去AI行业最喜欢谈的是大模型、万亿参数和通用智能，但真正适合几千万家中小企业的产品，往往恰恰不是最复杂的技术。一家工厂可能只需要AI自动检查产品缺陷。一家外贸公司可能只需要AI生成多语言产品资料。一家零售企业可能只需要自动客服和库存预测。一家设计公司可能只需要快速生成素材。一家小型制造企业甚至只需要一个能够读取订单、安排生产和生成采购计划的智能体。这些应用技术上未必性感，但却更容易产生真实收入。

因此我认为，中国AI产业接下来很可能出现一次估值逻辑迁移。

第一阶段，市场为模型能力定价。

第二阶段，市场为算力基础设施定价。

第三阶段，资金最终会开始为应用效率定价。

真正值得长期关注的指标将不再只是参数、GPU数量或者Token调用量，而是更加传统的商业数据：客户愿不愿意持续付费，AI究竟帮助企业减少多少人工成本，一个客户一年能贡献多少收入，续费率是多少，毛利率是多少，以及随着客户数量增加，服务成本能不能下降。

这也是为什么最近芒果超媒这样的公司开始重新受到资金关注。

市场开始尝试寻找“AI进入现有业务以后究竟产生什么经济价值”的案例。

芒果的问题是AI能不能降低影视内容生产成本；制造业的问题是AI能不能降低质检、研发和生产成本；软件公司的问题是Agent能不能替代一部分传统人工操作；客服行业的问题则是一个AI Agent到底能够减少多少客服坐席。

这些问题比“模型又提高了多少Benchmark”更加接近利润表。

政策甚至对创业主体本身也出现了一个很有意思的变化。

《计划》明确提出，对依托智能工具开展敏捷创业的“一人公司”“超级个体”等微型主体给予包容支持，并支持开源社区核心贡献者、智能体开发者探索商业化路径。

这可能是整份文件里最容易被忽略、但长期影响很大的一句话。

过去成立一家软件公司，需要程序员、产品经理、设计、客服、运营和销售。如果代码由AI辅助完成，网页由AI生成，营销材料由AI制作，客服由Agent承担，一个人能够管理的业务规模可能明显扩大。AI真正改变中小企业的方式，不一定只是让现有公司效率提高20%。它甚至可能改变“公司最小规模”本身。未来可能出现大量只有几个人、收入却达到过去几十人公司的“AI原生企业”。这些公司不需要训练自己的基础模型，而是把不同模型、数据和工具组合起来，解决非常具体的问题。这也是AI产业真正有可能出现巨大长尾市场的地方。

英伟达只有一家，OpenAI也只有少数几家公司能够竞争，但全球存在几千万个细分业务问题。

谁来解决这些问题？

很可能不是大模型公司自己。

是数以万计甚至数十万计的应用创业企业。

这也是为什么这次计划的目标不是再培养一家“大模型国家队”，而是直接提出培育1万家以上科技和创新型中小企业。

政策实际上是在构建AI产业的中间层。

上游是算力和模型。

下游是制造、医疗、传媒、金融、零售、物流等真实行业。

中间需要大量懂行业、懂客户、能够把大模型变成具体产品的中小企业。

如果这一层不出现，中国可以拥有很多GPU，也可以拥有很强的大模型，但最终仍然可能缺少足够多的AI商业收入。

从资金角度看，这意味着未来AI行情也可能越来越难通过一个简单的“AI概念”覆盖。

早期AI行情是高度集中式的。只要资本开支增加，服务器、光模块、PCB和液冷都可以看到比较直接的订单增长。

应用层则完全不同。AI进入几千个行业以后，赢家会高度分散。真正有价值的公司未必是最纯的AI公司，而可能是那些原本就拥有客户、数据和行业渠道，又能够利用AI重新提高效率的企业。一家拥有几千个工业客户的软件公司，如果把AI加入现有产品，可能比一家技术更先进但没有客户的创业公司更容易变现。一家拥有大量内容IP和用户的平台，如果AI把内容成本降低30%，也可能比单纯的视频生成模型公司更接近利润。因此下一阶段选择AI应用资产，真正应该关注的不是公司有没有“大模型”“智能体”这些标签，而是四件事情：有没有真实客户，有没有独有数据，有没有进入核心工作流，以及AI能不能最终提高利润。

政策能够降低算力成本、开放数据和场景，也可以提供融资、孵化和人才支持。

但政策无法替企业创造需求。

这也是这轮AI应用政策与资本市场最需要保持克制的地方。1万家企业的目标并不意味着1万家公司都会成为赢家。算力券可以降低创业成本，却无法保证产品有人买；场景开放可以提供试验机会，却无法保证客户续费；AI应用数量可以快速增加，但最终仍然会出现激烈淘汰。真正长期有价值的企业，一定是最终能够证明一件事情：

客户使用AI以后，经济账比不用AI更划算。

所以广州这届中博会最值得关注的，可能不是现场出现了多少机器人，也不是又发布了多少AI产品。

真正重要的是政策方向已经越来越清楚：

过去中国AI首先解决“有没有模型”。

随后解决“有没有算力”。

现在开始解决“谁来使用这些模型和算力”。

只有最后这个问题被解决，资本、GPU、模型、Token、应用、收入和利润才能真正形成闭环。

未来AI产业最大的市场，可能并不是再诞生十家大模型公司。

而是让几千万家普通企业开始把AI当作一种生产工具。如果这个过程真正发生，那么今天提出的1万家AI中小企业只是起点。

真正值得资本市场寻找的，也不再只是下一家OpenAI。

而是下一批能够用AI真正赚钱的普通公司！