AI大模型的Scaling Law（规模定律）是否已走到尽头？这是2025年AI产业最核心的待解难题之一。长城证券报告指出，大模型参数规模跨越特定阈值后，模型会涌现出小模型不具备的复杂推理能力——这一现象已被广泛验证。但模型效果提升速度已出现边际放缓，新的Scaling Law正在向推理端倾斜。2024年11月微软全面推出商用AI Agents生态系统，标志着AI从“训练竞赛”进入“推理应用”新阶段。Gartner预测到2028年至少15%的日常工作决策将由AI Agent自主做出，推理算力需求有望接替训练成为AI服务器下一阶段的核心驱动。
Scaling Law的边际变化——从预训练到推理
大模型的发展遵循Scaling Law——模型参数规模、数据量、算力三者同步增长驱动模型能力提升。但当参数规模跨越特定阈值后，模型会涌现出小模型不具备的能力（如复杂推理、代码生成、多模态理解）。然而，模型效果提升速度已出现边际放缓，单纯堆参数的模式正面临收益递减的挑战。
新的Scaling Law正在向推理端倾斜。OpenAI o1等模型展示出“推理时Scaling”的潜力——通过增加推理阶段的计算量，让模型在回答前进行更长的“思考”，可以在不显著增加模型参数的情况下提升回答质量。这一范式转变意味着AI服务器的需求驱动因素正从“训练算力”向“推理算力”切换，AI推理的规模化部署将打开更广阔的需求空间。
AI Agent——推理需求的新载体
2024年11月20日，微软在Microsoft Ignite 2024上全面推出商用AI Agents生态系统，企业用户可通过Azure AI目录访问超过1800个AI模型，用于支持各类AI Agent的部署和运行。AI Agent由大脑（大语言模型存储知识与决策）、感知（多模态信息获取）、行动（环境交互）三部分构成，像人类一样行动、作出决策并参与社会活动。
据Gartner预测，到2028年至少15%的日常工作决策将通过AI Agent自主做出。据marketsandmarkets预测，到2028年全球自主人工智能和自主智能体市场规模将达285亿美元，2023-2028年CAGR约43%。AI Agent的规模化部署将驱动AI服务器从集中式训练集群向分布式推理节点延伸，算力需求的行业覆盖面进一步扩大。
投资逻辑——AI服务器产业链的长期确定性
Scaling Law的边际变化并不意味着AI算力需求见顶，而是需求结构的切换。训练端仍将保持增长（模型参数持续扩大、多模态模型训练），推理端将迎来指数级放量（AI Agent、端侧AI应用）。AI服务器产业链的长期确定性体现在三个层面：算力芯片（GPU/AI加速器）、存储（HBM/DRAM）、互联（光模块/铜连接）。建议关注澜起科技（内存接口芯片）、江波龙（存储模组）、立讯精密（苹果AI产业链）。
AI Agent与端侧AI市场预测| 品类 | 2024年 | 2028年 | CAGR | 数据来源 |
|---|
| AI Agent市场 | - | 285亿美元 | 43% | marketsandmarkets |
| AI手机 | 2.34亿部 | 9.12亿部 | 78.4% | IDC |
| AI PC | 0.48亿台 | 2.05亿台 | 44% | Canalys |
