产业发展深度分析-农业产业发展

今天，我将与您分享产业发展的深度分析-农业产业的发展。以下是这个问题的总结。让我们来看看。

人工智能产业发展深度报告:格局、潜力与前景

人类

人工智能（AI）是通过机器学习和数据分析的方法来模拟和扩展机器。

近年来，在大数据、算法和计算机能力的推动下，人工智能进入快速发展阶段。

人工智能市场结构

人工智能赋能实体经济，给生产生活带来革命性变化。人工智能作为新一轮产业变革的核心力量，将重塑生产、分配、交换、消费等经济活动的各个环节，催生新业务、新模式、新产品。从衣食住行，人工智能技术深度融合应用于社会经济各领域。同时，人工智能具有强大的经济辐射效益，为经济发展提供了强劲引擎。根据埃森哲的预测，2035年，人工智能将推动中国劳动生产率提高27%，经济增加值总额将增加7.1万亿美元。

多角度人工智能产业比较

战略部署:大国竞争，布局各有侧重。

在全球范围内，中国和美国“并肩”构成人工智能第一梯队，日本、英国、以色列和法国追求胜利并形成第二梯队。同时，在顶层设计上，大多加强了人工智能的战略布局，将其升级为战略，并从政策、资金和需求三个方面对其进行保护。中国是冉冉的后起之秀，在一些领域取得了突破。中国人工智能起步较晚，经历了大起大落。自2015年以来，政府密集出台了一系列支持政策，人工智能发展迅速。早期中国的政策侧重于互联网领域，资金投入偏向于终端市场。因此，与美国的产业布局相比，中国的技术层（计算机视觉和语音识别）和应用层处于世界前列，但基础层的核心领域（算法和硬件算力）相对薄弱，呈现“头重脚轻”的趋势。目前，中国人工智能在战略层面强调系统的整体布局。

美国引领人工智能前沿研究，布局慢而强。美国政府有点慢，2019年的《人工智能国家战略》（“美国人工智能倡议”）姗姗来迟。但由于美国拥有地理位置（硅谷）和人力资源（人才）的天然优势，在人工智能的竞争中始终处于全方位领先地位。总体而言，美国在关键领域的布局是前沿和全面的，尤其是在算法、芯片脑科学等领域。美国关注人工智能对安全和社会稳定的影响和变化，高度重视数据、网络和系统安全。

在道德价值观的指引下，欧洲抢占了规范制定的制高点。2018年，28个欧洲成员国（包括英国）签署了《人工智能合作宣言》，形成了人工智能领域的合力。从视角来看，由于语言差异，欧洲国家在人工智能产业中并不具备先发优势，但欧洲在全球AI伦理体系建设和规范制定方面抢占了“先机”。欧盟重视人工智能的社会伦理和标准，在技术监管方面占据世界领先地位。

日本寻求人工智能解决社会问题。以人工智能建设“超智能社会”为导向，日本将2017年确定为人工智能元年。由于日本的数据、技术和业务需求分散，很难系统地发展人工智能技术和产业。因此，日本政府聚焦机器人、健康和自动驾驶三个具有比较优势的领域，重点解决养老和商业领域的问题。

基础层面:技术薄弱，芯片之路任重道远。

由于基础层面创新难度大、技术和资金壁垒高，底层基础技术和高端产品市场主要被欧美日韩等少数国际巨头垄断。受缺乏技术积累和R&D投资的限制，中国在基础领域相对薄弱。具体来看，在AI芯片领域，国际科技巨头芯片已基本构建起产业生态，而中国尚未掌握核心技术，芯片布局难以与巨头抗衡；在云计算领域，服务器虚拟化、网络技术（SDN）和语音开发等核心技术掌握在亚马逊和微软等少数几家国外科技巨头手中。尽管阿里和华为等国内科技公司也开始在R&D大举投资，但核心技术的积累不足以引领产业链的发展；在智能传感器领域，欧洲（博世、ABB）、美国（霍尼韦尔）等地区已全面部署多款传感器产品，而鼎汇的指纹传感器等产品在国内也已崭露头角，但整体产业布局单一，呈现出明显的短板。在数据领域，中国具有独特的数据量优势，有助于算法的算力升级和在行业中的落地。但是，我们也应该认识到，在数据公开、国际数据交换和构建统一的数据生态系统方面，中国还有很长的路要走。

“无芯片不AI”，而基于AI芯片的算力是衡量人工智能发展水平的重要标准。我们将详细分析AI芯片，以便更仔细和准确地把握中国在人工智能基础层的竞争力。

根据部署位置，AI芯片可分为云芯片（如数据中心等服务器终端）和终端芯片（应用场景涵盖手机、汽车、安防摄像头等电子终端产品）；根据承担的功能，AI芯片可以分为训练芯片和推理芯片。训练参数的形成涉及海量数据和大规模计算，对算法、精度和处理能力要求非常高，只适合在云端部署。目前，GPU（通用）、FPGA（半定制）和ASIC（全定制）已成为AI芯片行业的主流技术路线。不同类型的芯片各有优势，呈现出不同领域多技术路径并行发展的趋势。我们将从三条技术路线分析中国AI芯片的全球竞争力。

GPU（图形处理单元）的设计和生产已经成熟，占据了AI芯片的主要市场份额。GPU擅长大规模并行运算，可以并行处理海量信息，因此仍然是AI芯片的首选。根据IDC的预测，2019年GPU将占云训练市场的75%。在全球范围内，NVIDIA和AMD形成双寡头垄断，尤其是NVIDIA占据了GPU市场70%-80%的份额。Nvidia的GPU特斯拉V100和特斯拉T4在云训练和云推理市场具有高性能和强竞争力，其垄断地位正在不断加强。目前，中国尚未进入云培训市场。由于国外GPU巨头拥有丰富的芯片设计经验和技术沉淀，以及雄厚的资金实力，中国无法在短时间内撼动GPU芯片的市场格局。

FPGA（现场可编程门阵列）芯片具有硬件编程、配置灵活性高、功耗低等优点。FPGA技术壁垒高，市场双寡头:Xilinx和Intel合计占据近90%的市场份额，其中Xilinx的市场份额超过50%，始终保持着FPGA在全球的主导地位。国内的百度、阿里、经纬黎齐也在布局FPGA领域，但仍处于起步阶段，技术差距较大。

ASIC（Application Specific Integrated Circuit）是为特定用户需求设计的定制芯片，可以满足各种终端应用。尽管ASIC需要大量的物理设计、时间、金钱和验证，但其量产后的性能、能耗、成本和可靠性都优于GPU和FPGA。与GPU和FPGA不同，ASIC只是一种技术路线或方案，专注于解决各种应用领域的突出问题和管理需求。目前，ASIC芯片市场的竞争格局稳定而分散。我国ASIC技术与世界领先水平差距较小，部分领域走在世界前列。在海外，谷歌TPU是主导者；国内初创芯片公司（如寒武纪、比特大陆和地平线）和互联网巨头（如百度、华为和阿里）也在细分领域取得了成就。

一般来说，欧美日韩基本垄断高端云芯片。国内布局主要集中在终端ASIC芯片，部分领域处于世界前列，但大多为初创企业，尚未形成有影响力的“芯片平台应用”生态，不具备与传统芯片巨头（如NVIDIA、Xilinx）竞争的实力。在GPU和FPGA领域，中国仍在追赶，高端芯片依赖海外进口。

技术层面:追求胜利，领先国内头部企业。

技术层以基础理论和数据为基础，面向细分应用的开发。中游科技企业拥有技术生态、资金和人才三重壁垒，是人工智能产业的核心。与大多数上下游企业相比，更容易专注于某个细分领域，并将技术层扩展到产业链的上下游。这个层次包括算法理论（机器学习）、开发平台（开源框架）和应用技术（计算机视觉、智能语音、生物识别、自然语言处理）。许多国际科技巨头和独角兽公司都在这一层面进行了广泛的布局。近年来，中国技术层专注于垂直研发，在计算机视觉和语音识别领域技术成熟。国内头部企业脱颖而出，竞争优势明显。然而，算法理论和开发平台的核心技术仍然缺乏。

具体而言，在算法理论和开发平台领域，中国仍缺乏经验，发展缓慢。机器学习算法是人工智能的重点，开源框架成为国际科技巨头和独角兽关注的焦点。开源深度学习平台是允许公众使用、复制和修改的源代码，是人工智能应用技术发展的核心驱动力。目前世界上广泛使用的开源框架包括谷歌的TensorFlow、脸书的Torchnet和微软的DMTK。美国在这一领域的发展水平仍然是最高的。中国的基础理论体系尚未成熟，百度的PaddlePaddle、腾讯的Angle等国内企业的算法框架无法与国际主流产品抗衡。

在一些应用技术领域，中国的实力与欧美相当。计算机视觉、智能语音和自然语言处理是中国市场的三大主要技术方向和三大商业化技术领域。得益于互联网行业的发展，积累了大量的用户数据，国内的计算机视觉和语音识别在全球处于领先地位。当前自然语言处理的市场竞争尚未形成，但国内技术积累与国外技术积累存在一定差距。

作为最成熟的技术之一，计算机视觉有着广泛的应用。计算机视觉是用计算机模拟人眼的识别、跟踪和测量功能。其应用场景广泛，涵盖安防（人脸识别）、（图像诊断）、移动互联网（视频监控）等。计算机视觉是中国人工智能市场的最大组成部分。根据艾瑞数据，2017年，计算机视觉行业市场规模为80亿元，占国内AI市场的37%。由于政府市场干预、算法模型成熟度、数据可用性等因素，计算机视觉技术的落地情况一直存在分化。中国的计算机视觉技术主要在安全、金融和移动互联网领域出口。美国计算机视觉的下游主要集中在消费、机器人和智能驾驶领域。

计算机视觉技术竞争格局稳定，国内头部企业脱颖而出。随着工业测试在终端市场的逐渐饱和，新的应用场景仍在探索中。当前，全球技术市场进入平稳增长期，市场竞争格局逐步稳定，头部企业技术差距逐步缩小。中国在该领域技术积累丰富，技术应用与产品的结合走在世界前列。2018年，在全球最权威的人脸识别算法测试（FRVT）中，国内企业和研究所包揽前五名，中国在技术上处于世界领先地位。国内计算机视觉行业集中度高，头部企业脱颖而出。据IDC统计，2017年商汤科技、易图科技、旷视科技和从云科技占据了国内69.4%的市场份额，其中商汤以20.6%的市场份额排名第一。

应用层面:相互竞争，格局不定。

应用场景市场空广阔，全球市场格局不确定。受益于全球开源社区，应用层的入门门槛相对较低。目前，应用层是人工智能产业链中最大的层级。据中国电子学会统计，2019年全球应用层产业规模将达到360.5亿元，约为技术层的1.67倍、基础层的2.53倍。在全球范围内，人工智能仍处于产业化和市场化的探索阶段，解决方案的落地场景丰富度、用户需求和市场渗透率都有待提高。目前，世界上没有一家垄断企业具有绝对优势地位，许多细分领域的市场竞争格局尚未定型。

中国注重应用层的产业布局，市场发展潜力巨大。欧美等发达国家和地区的人工智能产业落地较早。以谷歌、亚马逊等公司为首的科技巨头专注于构建从芯片、操作系统到应用技术研发再到细分场景的垂直生态，整体市场发展较为成熟；应用层是中国人工智能市场最活跃的领域，其市场规模和企业数量也在国内AI分布中占比最大。根据艾瑞的统计，2019年国内77%的人工智能企业分布在应用层。得益于广阔的市场空和大规模的用户基础，中国市场发展潜力巨大，一些企业的工业应用已位居世界前列。例如，中国AI+安防技术、产品和解决方案引领全球产业发展，海康威视和大华股份分别占据全球智能安防企业第一位和第四位。

整体来看，国内人工智能完整产业链已初具规模，但仍存在结构性问题。从产业生态来看，中国聚焦技术层和应用层，特别是终端产品应用丰富，技术商业化程度与欧美相当。但与美国等发达国家相比，我国在基础层面缺乏突破性、标志性的研究成果，底层技术和基础理论仍较薄弱。早期国内政策聚焦互联网领域，行业追求速度，资金投入到容易变现的终端应用。人工智能产业发展相对浮躁，导致研发周期长、资金投入大、见效慢的基础创新被市场忽视。“头重脚轻”的发展趋势导致我国开发工具和基础器件依赖国外，不利于我国人工智能生态布局和产业长远发展。短期来看，应用终端领域的投入产出明显，但难以成为引导未来经济变革的核心驱动力。中长期来看，人工智能的发展根植于基础层（算法、芯片等）的突破。).）研究。

人工智能发展潜力分析

我们将基于人工智能产业发展现状，从智能产业基础、学术生态和创新环境三个维度对中美欧28个国家的人工智能发展潜力进行评估，并采用熵值法确定各指标对应的权重，再采用TOPSIS法构建代表人工智能整体发展潜力的综合指数。

从智能产业的基础来看

工业化程度:增长强劲，工业规模仅次于美国。

我国人工智能尚处于产业化初期，但市场发展潜力巨大。产业化程度是判断人工智能发展活力的综合指标。从市场规模来看，根据IDC数据，2019年美国、西欧和中国的人工智能市场规模分别为213亿美元、71.25亿美元和45亿美元，分别占全球市场份额的57%、19%和12%。中国和美国的市场规模差异较大，但近年来国内AI技术的快速发展带动了市场规模的快速增长，2019年增长率达到64%，远高于美国（26%）和西欧（41%）。从企业数量来看，根据清华大学科技政策研究中心的统计，截至2018年6月，中国（1011家）和美国（2028家）的人工智能企业数量在全球遥遥领先，排名第三的英国（392家）的数量还不到中国企业数量的40%。根据腾讯研究院的数据，中国46%和22%的人工智能企业位于语音识别和计算机视觉领域。横向来看，美国在基础和技术层面的企业数量领先中国，尤其是在自然语言处理、机器学习和技术平台领域。在应用层面（智能机器人、智能无人机），中美差距略小。展望未来，在政策的支持、资本的热情以及数据规模的先天优势下，中国人工智能产业将保持强劲增长态势，发展潜力巨大。

技术创新能力:很多专利并不优秀，海外布局仍有欠缺。

专利申请数量是衡量人工智能技术创新能力和发展潜力的核心因素。在全球范围内，人工智能专利申请主要来自中国、美国和日本。从2000年到2018年，来自中国、美国和日本的AI专利申请数量占全球申请总量的73.95%。虽然中国在人工智能领域起步较晚，但自2010年以来，其专利产出首次超过美国，在申请数量上长期排名第一。

从专利申请领域来看，深度学习、语音识别、人脸识别、机器人等热门领域成为各国布局的重点领域。其中，美国几乎在所有领域都处于领先地位，而中国在语音识别（中文语音识别正确率全球第一）、文本挖掘和云计算领域优势明显。具体而言，国内大部分专利是在AI技术热潮后申请的，且集中在应用端（如智能搜索和智能推荐），而AI芯片和基础算法等关键领域和前沿领域仍主要由美国控制。这反映出中国人工智能发展基础薄弱，存在表面繁荣的结构性失衡。

国内AI专利质量参差不齐，海外市场布局仍有欠缺。虽然中国专利申请数量远超美国，但“多而不强、专而不优”的问题亟待调整。首先，中国的AI专利主要是国内的，高质量的pct数量很少。PCT（专利合作条约）是由WIPO管理的在全球范围内保护专利发明人的条约。PCT通常被认为具有很高的技术价值。根据中国专利保护协会的统计，美国的PCT申请数量占全球的41%，并在国际上得到广泛应用。然而，中国的PCT数量（2568件）相对较少，仅为美国PCT申请数量的1/4。目前，中国AI技术尚未形成大规模技术输出，国际市场缺乏；中国实用新型专利比例高，专利放弃比例大。我国专利类别包括发明、实用新型专利和外观设计，技术难度依次降低。在中国，大多数AI专利都是实用的新专利，而且门槛很低。例如，2017年，发明专利仅占申请总量的23%。根据剑桥大学的报告，由于高昂的专利维护成本，中国61%的人工智能实用新型和95%的外观设计将在5年内无效，而美国85.6%的专利仍能有效保留。

人才储备:供需不平衡，顶尖人才缺口大。

人才的数量和质量直接决定了人工智能的发展水平和潜力。目前全球人工智能人才分布不均，供不应求。根据清华大学的统计，到2017年，前10名的人才储备占全球总量的61.8%。欧洲28个国家共有43064名人工智能人才，居世界第一，占全球总数的21.1%。美国和中国分别以28536件和18232件排名第二和第三。其中，我国的基础人才储备尤为薄弱。腾讯研究院数据显示，美国AI技术人才数量是中国的2.26倍，基础人才数量是中国的13.8倍。

我国人工智能人才供需严重失衡，优秀人才缺口较大。据BOSS直聘统计，2017年国内人工智能人才仅能满足企业60%的需求，保守估计人才缺口已超过100万。在一些核心领域（语音识别、图像识别等。），AI人才的供给甚至不到市场需求的40%，而且随着AI企业的增加，这种趋势越来越严重。在人工智能技术与应用的探索阶段，优秀的人才对产业发展起着至关重要的作用，甚至影响技术路线的发展。美国（5158人）和欧盟（5787人）基于其科研创新能力和发展机遇聚集了大量精英，优秀人才数量在世界上遥遥领先，而中国（977人）的优秀人才比例仍然明显偏低，不到欧美的1/5。

人才的流入率和流出率可以衡量一个国家的生态系统吸引和留住外国人才的能力。根据要素型AI企业的分类标准，中国和美国等流入流出率较低的锚定国，尤其是美国的AI人才总量保持相对稳定。具体而言，中国人工智能的培育仍以本土为主，海外人才回国数量仅占国内人才总量的9%。其中，美国是国内AI人才的最大来源国，占所有归国人才的43.9%。可见，国内政策、技术和环境对海外人才的吸引力仍有待加强。

从学术生态的角度看

科技创新能力:科研产出强劲，产学融合有待加强。

科研能力是人工智能产业发展的动力。从论文发表数量来看，1998年至2018年，欧盟、中国和美国排名前三，占全球论文发表总量的69.64%。近年来，中国积极部署前瞻性技术，人工智能发展势头强劲，从1998年的8.9%增长到2018年的28.2%，CAGR为17.94%。2018年，中国以24929篇人工智能论文排名世界第一。中国积极的研究活动体现在人工智能的巨大发展潜力上。

中国论文的影响力仍有待提高，但与欧美的差距正在逐年缩小。FWCI指数是定量评价科研论文质量的最佳方法。我们用FWCI来表示标准化后论文的影响力1。当FWCI≥1时，表明被测论文的质量已达到或超过世界平均水平。在过去的20年里，美国人工智能论文的加权引用影响力一直处于“主导地位”。2018年，FWCI高于全球平均水平36.78%；欧洲保持相对稳定，与全球平均水平相当；AI论文在中国的影响力大幅提升。2018年中国FWCI为0.80，较2010年增长44.23%，但论文影响力仍低于20%的世界平均水平。从前1%被引论文的数量来看，美国和中国的高质量论文产量位居世界第一和第二，比第三名英国高出近4倍。总体而言，中国顶级质量论文的产量与美国相当，但总体而言，AI论文的影响力仍落后于美国、欧洲和美国。

从作者的角度来看，科研机构和高校是目前中国人工智能知识生产的绝对力量，反映了科研成果转化中的短板。然而，美国、欧盟和日本呈现出企业、政府机构和大学共同参与的趋势。Scopus数据显示，2018年，美国公司签署的AI论文比例是中国的7.36倍，是欧盟的1.92倍。从2012年到2018年，美国企业签署的AI论文比例增长了43pct，而中国企业签署的AI论文数量仅增长了18pct。人工智能与市场应用密切相关，校企合作论文广泛存在。而我国校企合作论文比例仅为2.45%，与以色列（10.06%）、美国（9.53%）和日本（6.47%）差距较大。从产学结合的角度来看，我国人工智能的研究是由学术界推动的，企业对科研的参与度较低，或难以实现市场化导向。

中国的人工智能大学数量实际上处于第二梯队，实力与美国相当。高校是人工智能人才供给和论文产出的核心载体。据腾讯研究院统计，全球共有367所大学开设人工智能相关学科，其中美国（168所大学）独占鳌头，占全球的45.7%。中国有20所高校与英国并列第三，数量略少。我国高校实力普遍增强，表现强劲。根据麻省理工学院2019年公布的人工智能20强大学名单，清华大学和北京大学占据前两名，比2018年分别上升1位和3位。

从创新环境的角度看

《R&D投资》:中美之间的差距已经缩小。

中国拥有较高的R&D投资和强度，在全球R&D表现中占据重要地位。从R&D投资来看，美、中、日、德一直是全球R&D投资的主力军。据IDC统计，2018年，四国对R&D投资总额占全球总额的60.77%。其中，凭借其强大的R&D实力，美国已连续多年在全球R&D投资中排名第一。近年来，中国对R&D的投资呈现强劲势头。根据Statista的数据，2019年R&D国内投资为5192亿美元，仅次于美国。与美国的差距正在缩小。从2000年到2019年，CAGR高达14.43%，而美国仅为2.99%。由于经济疲软等诸多原因，欧盟和日本呈现出相对缓慢的上升趋势。根据R&D投资的增长趋势和强度，中国可能在1-2年内取代美国成为全球R&D的领导者。从R&D强度来看，中国的R&D强度正在逐渐增加，且增加幅度较大。然而，与美国和日本相比，对创新活动投资强度的重视程度仍有差距。2018年，中国R&D强度为1.97%，分别低于日本和美国1.53和0.87个百分点。

资金投入:资金多项目少，资金投入集中于终端市场。

中美是全球人工智能“融资高地”。人工智能的开发成本高昂，资本投入成为推动技术发展的主要力量。在全球范围内，美国是新型人工智能企业投融资的领导者。根据CAPIQ数据，2010年至2019年10月，美国人工智能公司共融资773亿美元，领先中国320亿美元，占全球融资总额的50.7%。特别是自特朗普政府以来，对人工智能的投资逐渐增加。作为全球第二大融资国，中国融资总额占全球的35.5%。考虑到现有的格局和最近的变化，其他地区和地区很难在规模上撼动中国和美国。从人工智能领域的新企业数量来看，美国在全球仍处于领先地位。2010年至2018年，美国新增企业7022家，约为中国（870家）的8倍。中国新增人工智能企业数量在2016年达到179家的高点后逐渐下降，最近两年分别为179家（2017年）和151家（2018年），这表明中国资本市场对人工智能的投资越来越成熟和理性。整体而言，中国人工智能新企业增长缓慢，但融资总额增长迅速。这种“资金多项目少”的情况是行业泡沫即将到来的预警。

与美国相比，中国的资本投资集中在易于登陆的终端市场。从融资情况来看，中国各领域发展相对均衡，应用层是突出领域，如自动驾驶、计算机学习与成像、语音识别、无人机技术等。，都超过了美国。美国市场注重底层技术的发展。根据腾讯研究院的数据，芯片和处理器是美国融资最多的领域，占总融资额的31%。目前，我国高度重视人工智能芯片市场，但由于技术壁垒和投资门槛较高，国内芯片融资处于弱势地位。

基于信息熵的TOPSIS方法:综合指数评价

数据显示，美国在综合指标和三大项目指标上绝对领先，中国位居第二，欧洲28国暂时落后。具体来看，美国在人工智能人才储备、创新产出和融资规模方面优势明显。作为后起之秀，尽管中国已经赶上了美国，但其整体水平仍然落后，尤其是在优秀的人力资源和高质量的专利申请方面。然而，就论文数量和影响力、R&D投资等指标而言，中国发展迅速，与美国的差距正在缩小。从各项指标的具体分析来看，我国人工智能的研究主要分布在高校和科研机构，企业参与度低、产出碎片化、缺乏与市场的系统性融合，这将不利于我国人工智能技术的发展和产业优势的发挥。我国科研产出、企业数量和融资领域集中在产业链中下游，上游核心技术仍受制于国外企业。未来，如果国内底层技术领域仍未能实现突破，必然导致人工智能产业发展的瓶颈。

前景

转自信息化协同创新专委会。

特钢行业深度分析报告

产业升级潜力巨大:与发达国家相比，集中度低、合金化程度低、高附加值产品占比低是国内特钢产业的现状，但也意味着未来国内钢铁产业由弱变强过程中潜力巨大。以史为鉴看特殊钢:纵观世界钢铁工业发展史，发达国家钢铁发展的共同点是钢产量达到一定规模后，优良特殊钢比例逐步提高，达到20%左右。目前，国内特殊钢的比例仅为9%。虽然未来国内粗钢产量增速将逐步放缓，但特殊钢占比的提升将是趋势。

盈利能力有所提升空。国内特钢的利润水平明显低于国外。国内特钢企业毛利率10%左右，国际特钢企业20%左右，专业化特钢企业可达35%以上。随着国内特钢行业的发展和技术进步，未来利润将大幅提升空。

特钢支撑起中国的脊梁。汽车、机械等行业中的中国制造，特殊钢的主要消费市场，离不开中国镍资源产业。中国制造业前景光明。中国制造的本土化和国际化将大大增加国内特殊钢行业的需求。特殊钢行业将与中国制造一起走向世界。

风险因素:汽车、机械、军工行业的增速将直接影响特钢行业的需求。废钢、铁合金、镍、钒、铝等原材料的价格波动都会影响行业的盈利能力。

以上就是由优质生活领域创作者 嘉文社百科网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~