1. 核心發現：大模型從技術探索走向業務融合 報告清晰確切指出，大模型技術已然跨出實驗室範圍，進而步入與業務深度交融契合的“價值兌付時期”。有百分之六十四份額中國所屬企業打算把AI投資數額提升幅度設定在百分之十至百分之三十區間，並且企業對於大模型POC測試所抱持的滿意程度高達百分之七十。龐大模型不再單純只是一種技術方面的虛頭把戲，而是經過驗證能夠起到提升流程運轉效率、加快產品創新處理程序、重新塑造使用者體驗效果這樣作用的生產力實用型工具。 2. 落地挑戰：成本、選型與部署的三重困境 報告如實指出了企業落地存在的四大挑戰，其一為高昂的算力與機會成本，92%企業覺得算力是最大挑戰，其二是模型選型的精準匹配難題，62%企業認為選擇過多且匱乏標準，其三是部署過程裡的細節障礙，包括調優路徑繁雜、資料治理艱難，其四是潛在的安全風險，這些挑戰是企業要從“觀望”邁向“行動”所不得不跨越的現實隔閡。

無論市場泡沫如何，其應對的核心原則是堅守價值底線。大模型的語言世界已經走向真實的物理世界，AI正在開啟新一輪的產業革命，新概念也層出不窮，一級市場的熱錢蜂擁而至，即便團隊尚小、收入微薄，估值也能輕鬆衝至百億；但另一邊，從實驗室走向真實場景，AI與物理世界的融合仍面臨著感知、決策、執行的重重關卡，技術落地道阻且長。4月24日，在“第20屆中國投資年會・年度峰會”上，國科嘉和總經理、執行合夥人陳洪武，天創資本洪雷，聚合資本創始人李旺，中關村原生引擎總經理馬建平，九合創投創始人王嘯，遠毅資本楊瑞榮，這批國內一線硬科技投資機構“話事人”，圍繞“投資於‘AI走向物理世界’的處理程序”這一主題，展開了一場精彩的巔峰對話。陳洪武在風險投資行業深耕20餘年，長期聚焦科技領域投資，他認為，具身智能對物理環境的多維度感知與動作決策，複雜程度遠超自動駕駛，短期內行業難實現全場景突破，核心將聚焦特定場景的技術最佳化，具備真實落地能力、能解決真問題的企業具備長期投資價值。同時他也指出，當前具身智能賽道估值泡沫顯著，無團隊、無收入的項目估值高企，對創業者是福音，對投資則禍福相依。他認為泡沫是產業發展的必經階段，建議企業把握窗口期多融資、嚴控燒錢節奏，投資端則需理性看待估值快速上漲。天創資本先後佈局中科曙光、智譜、kimi等AI產業鏈核心項目，在智能類股形成了系統化佈局。洪雷表示，3年內大模型對物理世界的感知理解仍有較長路要走，AI走向物理世界將遵循從實驗場景到結構化、半開放場景，最終實現泛化的漸進路徑，核心硬體、VLA與世界模型領域具備長期投資價值。在洪雷看來，資本市場的熱度波動與泡沫是行業常態，當前AI具身賽道的火熱與此前科創板牛市的周期規律一致。應對泡沫的核心策略，是“往前多走半步”，平衡機會與估值，在市場形成共識前提前佈局，同時引導被投企業儲備充足現金、穩健發展。聚合資本由華為、中興、比亞迪核心成員發起成立，深耕科技產業生態投資，已佈局星動紀元、松延動力等具身智能明星項目。李旺認為，3年內AI走向物理世界難實現全場景泛化，將率先在物流等簡單標準化場景落地突破，家庭、複雜製造業場景成熟仍道阻且長，最具投資價值的是具備全端技術能力、能實現漸進式場景落地的企業。他明確表示，當前熱點賽道已形成高度共識，存在顯著的結構性泡沫，雖對產業長期發展有利，但對投資回報形成挑戰。其應對策略為上半年完成賽道核心佈局後，將轉向科技出海等價值窪地，整體保持謹慎樂觀，在市場高熱度階段逐步收緊投資節奏，規避估值泡沫風險。中關村原生引擎是集孵化與投資於一體的平台，馬建平提出，AI走向物理世界可分為in AI、for AI、be AI三個層次，3年內前兩者將迎來大量落地機會，對於be AI的具身智能落地核心要打通資料閉環、多感測器融合、量產三大環節，均具備極高投資價值。對於市場泡沫，馬建平認為其是多方情緒共振的結果，只有價格嚴重偏離價值才是真正的泡沫，能解決真問題、可落地量產、有真實收入的企業，估值溢價並非泡沫。他表示，應對泡沫要做清醒的樂觀主義者、冷靜的長期主義者、堅定的價值主義者，堅守價值投資，鎖定技術源頭，深耕投前投後服務。九合創投專注早期科技投資16年，累計投資三百余家科技企業，在工業機器人、具身智能、端側晶片等領域早有佈局，投資了自變數機器人、地瓜機器人等明星項目。王嘯判斷，3年內AI走向物理世界將率先在工業場景實現規模化落地，家庭場景成熟至少需要3-5年，行業核心門檻集中在資料積累、世界模型迭代、端側算力升級、本體成熟四大方向，均存在優質早期投資機會。他分析，本輪泡沫由美股科技股估值抬升傳導而來，結構性泡沫客觀存在，如果泡沫持續時間長，更有可能誕生偉大企業，需警惕渾水摸魚、純炒估值的項目。他認為VC的本質就是投資預期與夢想，天然與泡沫相伴，應對核心是不被市場情緒裹挾，堅守商業本質與項目基本面，通過組合投資平衡風險。遠毅資本專注數字醫療領域投資，累計佈局七八十家AI與數字醫療相關企業，在醫療AI、手術機器人等賽道有著深厚的產業積累。楊瑞榮指出，醫療領域AI走向物理世界，3年內難實現通用具身智能落地，核心將聚焦單病種、單場景的小閉環應用突破，具備單病種資料閉環、能與醫療硬體深度融合的AI技術企業，具備核心投資價值。他表示，每一輪技術革命都會伴隨泡沫周期，本輪AI熱潮中，“這一次不一樣”的論調正是最需要警惕的泡沫訊號。無論市場泡沫如何，其應對的核心原則是堅守價值底線，聚焦醫療領域能真正創造臨床價值、為患者帶來實際獲益的項目，拒絕純概念炒作的標的。3年，AI走向物理世界怎麼落地？張楠：各位上午好！感謝大家來參加投中的年度峰會。我是投中網的副主編張楠。大家手裡都有一個牌子，後面有個環節，6位嘉賓要互評一下，覺得那位嘉賓說得最真實、最是心裡話，就給他投一票，我們最終會評出本場的MVP。今天我們的主題是“投資於‘AI走向物理世界’的處理程序”，不知道大家怎麼看這個話題，反正我乍一聽有點抽象。為什麼？因為從2015年開始，我就感覺AI已經在走向物理世界了，當然，2015年的AI和今天以AI大模型為基礎的AI，不是一回事。現在LLM已經解決了基本的理解問題，但是現實世界還有很多未解決的問題。我想問各位的第一個問題是，你們怎麼理解AI走向物理世界的具體過程？我們不聊10年、20年、30年之後的事，想5年的事都已經很難了，就聊3年。你們覺得3年之內，AI走向物理世界是怎麼個過程？能解決什麼問題？順帶說一下，你們認為那一個環節的投資價值是最高的？大家也可以先簡短介紹一下自己。先請洪武總。陳洪武：大家上午好！我是國科嘉和總經理陳洪武，在風險投資行業幹了20幾年，國科嘉和自成立以來一直專注於硬科技領域的投資。剛才主持人問的AI和物理世界的關係問題，是當下最受關注的行業風口。現在這個領域裡，各種新概念層出不窮，具身智能是當前市場的熱點。這個賽道的估值，在我的投資生涯裡還沒見到過——很多企業在還沒有多少團隊人員、也沒有實質性收入的時候，估值就能喊到100億，即便如此，依然有大量投資人趨之若鶩。這種情況對創業者來講是福音；但從投資角度來講，是禍福相依的。畢竟創業的成功率就擺在那裡，不可能所有企業都能走到最後。回到物理世界的話題，我們投資的馭勢科技，剛剛順利過了港交所的聆訊。他們主攻自動駕駛領域，核心要解決的問題就是精準評測車輛周邊環境，確保車輛不發生碰撞。但即便只是這樣一個看似簡單的目標，落地起來依然很困難。在和創始人交流時他也坦誠表示，要實現真正意義上的完全解放雙手、不需要人類干預、完全自主可控、機器自主營運，未來至少還需要十到十幾年的時間。機器解決真實物理世界的複雜場景，難度遠比我們想像的要高。對機器來講，所有決策本質上都是基於統計分析得出的，而真實世界裡要解決的變數、應對的突發情況實在太多了。現在的具身智能，更是要對物體的材質、大小、形狀、軟硬程度、顏色等每一個維度都做出精準判斷，再決策自身的動作，其複雜程度比自動駕駛要高很多。當然，可以想像，一旦這項技術真正實現突破、成功攻克，它能創造的價值也將是不可估量的，當然難度也同樣巨大。這個領域不斷有新技術迭代，從原來的“VLA（Vision-Language-Action）”到現在的“世界統一模型”，幾乎每一個新概念出來，都會引發行業內的廣泛關注和熱烈討論。但客觀來講，一個技術從提出概唸到最終落地、形成真正可用的產品，還有很長的路要走。我很看好這個領域的技術發展，也知道未來機器能幫我們解決問題、帶來巨大價值，但到底什麼樣的技術算真正成熟、真正具備實用價值，還有待我們從業者一起探索和驗證。我先說這些，把時間留給其他嘉賓。張楠：謝謝洪武總，說得很謹慎很藝術。我們邀請洪雷總。洪雷：大家上午好！我是來自天創資本的洪雷。天創資本在投資圈做了超過20年，始終致力於硬科技方面的投資，智能類股是我們最重要的佈局方向。我們十多年前參與了中科曙光的投資，之後投了一系列晶片企業，過去兩三年，在人工智慧領域參與了kimi和智譜的投資，目前還在緊密觀察智能領域的進展和變化。今天的主題是個非常宏大的問題，AI如何走向物理世界，我們全行業都很關心。剛才陳總也說到了它的巨大意義，這一點已經取得了社會、國家和資本市場的共識。剛才嘉賓們也在聊，現在一級市場的火爆程度不亞於二級市場，我們的選擇也相對比較謹慎。主持人讓我們只聊近3年，那我就聚焦這個周期。近3年，我們能看到大模型真正理解我們的感官世界還有很長的路要走，現在它只是從字意上、機率上實現了人工智慧，對於物理世界的溫度、大小等屬性，它的感知還有很多功課要補。從感知-決策-執行，這是一個非常複雜的工程問題，需要大模型不斷演進，同時還要完成工程化落地，所以這個題目難度非常高。未來3年，我們更關注這樣的團隊：既能拿到足夠多的社會資源、做好募資，同時創業時還能保持長期主義心態，真正沉下心解決問題。因為這個問題不是一瞬間就能解決的，必然要從實驗場景，走向結構化場景、半開放場景，最終實現泛化，每一步都需要硬功夫。說到我們關注的方向，從核心零部件硬體，再到VLA、世界模型，長期來看都有很大潛力。在這一領域，我們今年有兩家企業上市，一家是杭州易思維，這是一家天津大學孵化出的科技型企業，做工業場景化視覺；另一家是智譜，其實這條路很長遠，也有大量機會，希望大家都能抓住。謝謝。張楠：謝謝。智譜、MiniMax在市場上的表現大家有目共睹，核心還是有底層token消耗量的確定性在裡面。有請李總。李旺：大家上午好，我是聚合資本的創始人李旺。我們來自深圳，聚合資本是強產業背景的投資團隊發起成立的，核心成員來自華為、中興、比亞迪，所以我們的投資風格也是沿著科技產業生態做佈局。基金創立快6年，在市場站穩了腳跟，做了比較系統的科技生態佈局。今天的主題是AI走向物理世界，剛才幾位嘉賓也聊了，這確實是當下行業最熱的話題，也是資本市場的共識，過去半年相關標的估值漲幅非常大。在這個問題上，行業似乎有很大共識，但我們團隊雖然看好長遠方向、看到行業趨勢在加速，可對落地這件事還是偏保守的。去年上半年我就在看這個領域的項目，帶著團隊去了比亞迪、小米的智能製造工廠，當比亞迪和小米給這些項目一些場景任務時，它們基本都接不住。但今年再看，行業已經有一些場景逐漸落地了。比如星動紀元，我們也參與了投資，看到它最近在物流場景實現了落地，效率能達到人的80%，這種長時間枯燥的工作，能做到80%的人效，同時精準率達到90%以上，這比我們預期的速度要快。我們認為這是個好現象，說明行業在加速，具備全端能力的企業，一旦在相對簡單的場景落地，會給行業打開新的天窗。但同時我們也看到，很多做具身大腦的項目，想進入家庭、酒店、製造業場景，我們覺得這條路還很遠。智駕走了20多年，現在基本剛做完L3，當然美國Robotics已經能做全端了。今天的具身智能，要實現泛化場景，難度是數量級增加的，不只是一個數量級的提升，我們認為路徑會非常難。它的落地路徑，一定是先在相對簡單的場景實現突破，能在簡單場景落地的企業，才會逐漸成為行業的勝出者。聚合資本也投了幾個項目，比如北京的松延動力，我們對它的定義很簡單，就是一個大玩具，但它把成本做得更低，比早些年的具身智能有更強的科技屬性；還有就是星動紀元。最近我們在看深圳一個華為出來的早期團隊，他們做家電場景，沒有提終極解決方案，而是走漸進式路線，認為要把全球創客集中在一起共創場景，我們反而覺得這種漸進式的模式更符合行業發展規律。一上來就想解決某個具體場景的全能力問題，還是太遙遠了。理想是遠大的，但路徑是曲折的，不可能一帆風順。所以今天，對創業者和投資人都是考驗，這是我的理解。張楠：聚合有很深厚的硬科技產業背景。下面有請馬總。馬建平：各位好，我是中關村原生引擎的總經理馬建平，可能大家對我的身份好奇，其他都是投資機構，怎麼來了個企業。因為我4月份從啟航投資調到了集團的原生引擎，原來只干投資，現在不僅要干投資，還要干孵化，所以中關村原生引擎是既要干孵化、也要干投資的平台。聽前面幾位嘉賓分享，我感觸很深，我們從2010年前後開始做投資，投了350多個項目，跟具身、AI相關的差不多有100個。今天這個話題很有意思，我拿到的時候就在想，AI走進物理世界，要分開三個層面看。第一個，是in AI的機會。現在AI已經成了共識、成了底座，未來三年，傳統企業怎麼擁抱AI、轉型AI化，是很重要的機會。第二個層面，是for AI的機會。你能為AI做什麼？有人說做資料採集不行嗎？這個事當然香。特種場景的資料能賣到八九千塊錢一條，北京的某個資料採集廠，一條資料也得十幾塊錢。所以for AI的過程中，未來3年有非常多能落地的機會，像松應這些做素材的企業，增長和估值都非常快。我認為最難的是第三個層次，be AI，你能不能做成一家真正的AI公司。是做垂類模型、基礎大模型，還是真的做一家具身企業，現在有很多技術變種，包括超級OPC、OPU、OPD等等。未來，inAI是普適性的，只要擁抱AI，都有被投資的機會；forAI是做細分賽道，要想清楚你的客戶是誰、產品賣給誰；最難的還是be AI，怎麼讓自己成為真正的具身公司，走進物理世界。2017-2018年我們投機器人的時候，根本沒有具身的概念，大家只說工業、服務、特種、協同機器人，我們投的博清科技做銲接機器人，史河做高空清洗索並聯機器人，博雅工道做水下機器人，艾力特的協作機器人，靈動的搬運機器人，國廣順能的充電機器人，最近投的月泉做仿生機器人，其實它們早就走進了物理世界，只是當時沒套上具身的概念，大家只覺得它是個能幹活的機器人本體。現在具身這個概念，是AI走到物理世界特別好的載體。前段時間我跟團隊分享，AI走到物理世界，具身智能要打通三個核心環節：第一個是資料閉環，網際網路的公開資料已經被LLM用完了，具身智能需要的真實世界資料，必須高品質採集上來，否則機器人擰不開瓶蓋、穿不了針、引不了線。我還給項目方出了主意，就該把機器人放到技工學校，跟藍翔合作，去採集最標準的具身運算元據。第二個，是和資料採集配套的感測器融合落地。要採集真實世界的資料，感測佈局必須到位，是多感測器融合還是單一感測器，邏輯和自動駕駛是一模一樣的。沒有多感測器融合的合成資料，具身智能走不遠。最後一個是量產。所有AI加到具身機器人身上之後，最大的問題，是能不能用高性價比的方式量產，讓它走進千家萬戶、工廠、學校、我們的生活，這才是真正走到了物理世界。當然我說的不全，資料、感測器、本體，未來三年都有機會。現在市場的熱鬧，是大家把未來的機會和期望值，折現到了現在，去投當下的項目。最後說說原生引擎在做的事。我們承接了教育部全國高校人工智慧區域技術轉移轉化中心，能給大家提供更早期的原始創新技術，把它變成可落地轉化的機會、可投的項目，涵蓋資料採集等各個模組。也歡迎在座的投資機構、合作夥伴，未來有機會一起合作。謝謝大家。張楠：謝謝馬總，有請王嘯總。王嘯：大家好，我是九合創投的王嘯，我們做早期投資15年，投了三百多家公司，主要聚焦科技領域，具身智能和世界模型我們一直在看、很早就有佈局。九年前我們投了一家工業機器人公司，現在已經進入富士康的工廠，和人協同做上下料、基礎操作，其實具身走入物理世界早就開始了，只是我們期待的、能全自動自主思考、長周期完成家庭任務的最高級機器人，目前還沒真正實現。我們天使階段投的自變數機器人，馬上要把機器人放進家庭收集資料了，現在正在招募志願家庭，已經開始向難度最大的家庭場景、完全自主機器人的高峰攀登。我認為，從資料收集到世界模型建立，到家庭場景適配，再到機器人最佳化和價格普及，這個過程至少需要三年甚至五年，才有可能性，中間要邁過的門檻非常高。第一個門檻是資料。網際網路上存在的資料，具身智能基本用不了，這個領域需要大量的場景化資料，而且每個機器人不一樣，不同機器人採集的資料最後能不能適配新的機器人，也要打個問號。高品質、複雜場景、長周期的資料收集，是目前最難的。第二個門檻，資料收集之後，現有的大模型架構，沒辦法很好地處理時空資料。大模型處理的資料，本質上是沒有時空屬性的，語言模型最大的問題，就是“一根三米長的竹竿能不能通過一扇門”這種問題，它都有可能會答錯，因為它沒有時空概念。現有的大模型升級到世界模型，從LLM到世界模型的過程中，整個演算法需要大規模迭代，而且目前技術路線還沒有統一。有人從視訊起步，有人從語言模型+圖像識別起步，有人直接從機器人起步，有人從因果模型起步，這些路線最後都會融合，但融合的過程還需要兩年時間，才能看到技術路線的統一，和能真正解決問題的世界模型的誕生。除此之外，還有端側計算能力的提升。這些模型需要在一秒內做出判斷，現在機器人的動作都很慢，加倍速之後才看起來像正常速度，核心就是端側推理晶片的算力明顯不夠，也不一定符合具身模型、世界模型的算力要求。端側這個方向，我們投了地瓜機器人，和一家做端側NPU晶片的公司。第四個門檻是本體。本體大家做得很多，但真正能適配家庭場景、低成本、高可靠、能完成基礎任務的本體，還沒有實現規模化出貨和銷售。大腦還沒成熟，本體需要適配大腦、適配環境，靈巧手這些部件也沒成熟，本體自然也沒成熟。從這四個角度來說，四個方向都有投資機會，目前還沒有成建制的龍頭公司，都還有創業公司的機會，我們也都做了佈局，包括華為“天才少年”的項目、松延動力、自變數，端側晶片有地瓜和另一家企業，我們一直在沿著這個思路佈局。我們最早還投了工業方向機器人，我覺得工業場景最容易落地，場景簡單、標準化程度高，重複性工作多，我們投的那家工業機器人公司已經有規模化收入了，今年預計五個億的收入，已經算是具身領域裡有規模化收入的標的。反過來看，AI走入世界，從自動駕駛就開始了，我們十年前也投了Momenta這樣的公司。甚至最早進入物理世界的，是人臉識別，現在過個門都要人臉識別，那時候AI就已經走進物理世界了。掃地機器人、割草機器人也早就走進了物理世界，背後都是AI演算法在支撐，不然沒法實現自動清掃。AI進入物理世界，包括我們手上戴的各種感測器，告訴你睡眠、休息情況，這些都和生活息息相關。但真正讓大模型完成自主決策、有自主意識、完成高複雜任務，還需要很長時間，三年是非常樂觀的預期，五年是更中性的預期。張楠：謝謝，前幾天自變數的發佈會我也去了，我也特別期待家裡能有一個幫我掃地、洗碗、洗襪子的全能機器人，泛化能力的實現，真的需要非常長時間的資料積累。有請楊瑞榮總。楊瑞榮：大家好，我是遠毅資本的楊瑞榮，我們專注在數字醫療方向，一直在研究AI和大模型在醫療領域的應用，過去投了七八十家跟AI和數字相關的企業，從技術投入、數位化疾病管理到創新支付，全鏈條去改善醫療環節。從我個人的感受來說，大家聊的大模型和具身智能之間，其實是有割裂的：大模型是大模型，所謂機器人大部分還只是簡單的工具，真正能實現具身智能的機器人，離得還很遠。我們在醫療領域投了手術機器人等一系列帶智能屬性的產品，但它們和大模型沒關係，只和AI有一定關聯。我們投的AI影像、AI腔鏡手術相關產品，包括AI製藥、合成生物學、類器官，都和智能有關係，但理論上的智能，和實際上的具身落地，還是有很大差距。尤其是從網際網路大模型走向具身智能，在醫療領域，我認為有兩個非常大的門檻必須先突破，我對未來的判斷，比王嘯總還要悲觀一些。我理想中醫療領域的具身智能終極形態，是家裡有個機器人，不只幫你掃地，還能在你睡覺的時候，把你身上的病全治好，這個景象，我在十年、五十年、一百年之內都看不到。問題在那？兩大核心門檻。第一個就是大家反覆提到的資料。現在大語言模型能在網際網路領域實現巨大突破，核心是有海量的公開資料。大家可以想想，生活裡的各個場景，你的社交、消費、金融、出行資料，不管你願不願意，其實都已經被分享了。但醫療領域不一樣。我可能是在場把醫療資料做到極致的人，我身上戴著智能戒指、智能手環、智能運動手錶，還有很多裝置能夠收集資料，同時我還能夠把自己的醫療資料都整合在一起。但即便如此，能真正被大模型、被具身智能所用的醫療級資料，還是非常少。就算是在美國，醫療資訊化系統做得很強、行業高度集中、系統相對互通，醫療資料的可用性依然非常低。在中國，有國家隱私保護法規，醫院體系對醫療資訊的保護門檻是最高的，這就成了最大的壁壘，大部分醫療資料根本沒法用。普通人的健康資料，運動、睡眠、飲食、心理、社交資料，要和院內的診療資料、甚至體檢資料結合起來，都非常困難。只有當所有資料整合起來，每個人都形成完整的資料閉環，醫療資料的應用才能進入好的狀態，才能被具身智能所用。現在連基礎的診療環節都還沒做到，這是第一個最大的門檻。第二個最大的門檻，來自於監管。我說的監管是廣義的，不只是批藥、批器械、批醫護資質。在技術發展的過程中，有個詞叫Human in the loop，擁護和反對的人都非常多。所謂的人工智慧，是脫離人之外的智能，那人在裡面的干預到底該是什麼樣的？有個反對Human in the loop的美國漫畫：汽車剛發明的時候，所謂的人為干預，就是一個人站在汽車前面，控制它的速度跟馬車差不多，防止它撞人。其實現在很多監管，在Human in the loop這件事上，起到的就是這個作用，在安全環境裡不敢放開，反而限制了行業發展。這在醫療領域更是如此，醫療出不了事，一出事就是人命關天的大事，還會涉及嚴重的倫理和道德問題。這兩大門檻疊加，導致醫療領域裡，大模型走向物理世界的具身智能，還有非常長、非常難的路要走。那落地路徑是怎樣的？我們也做了很多探索。醫療領域的AI和具身智能，和其他行業的落地路徑完全不一樣。從我們的經驗來看，它不是靠一個最大的通用模型就能實現的，現在醫療AI裡，真正實現落地、產生巨大商業價值的，不管是AI影像、手術機器人，還是單病種病理分析，都是單病種、單場景的，是一個一個的小閉環。先在一個細分疾病領域，集中最核心的資料，再從文字智能，走向物理智能。拿手術機器人舉例，它可能是醫療領域最像通用行業具身智能的產品，但現在，那怕是全球最頂尖的達文西，或是國內的天智航，都只是一個工具，沒有智能，因為它沒有後端的資料閉環。我們在四川天使投了一家企業，專門做腔鏡下手術人工智慧，積累了大量的手術資料，現在正在和全球頂級的手術機器人合作。有了我們的演算法和資料，手術機器人才有了大腦，才能真正往具身智能的方向走。只有一個一個的小場景形成小閉環，才能為未來的通用醫療具身智能，打下基礎。資料是最大的門檻，因為我們永遠不可能實現手術室全場景、全物理空間的資料全覆蓋，這是永遠做不到的。未來只有先把垂直疾病領域的小步AI做好，才能真正走向具身智能的長遠發展。謝謝。泡沫，這次會不一樣嗎？張楠：謝謝楊總。不管是醫療方向，還是具身智能，乃至AI走向物理世界的整個處理程序裡，資料都是一個核心的關鍵點。時間關係，我們直接進入下一個問題，這個問題昨天和前天的會場上，也有很多嘉賓隱晦地提過，我們就開門見山，聊跟市場最相關的話題。大家覺得現在市場上有沒有結構性的泡沫？泡沫體現在那裡？為什麼這麼判斷？以及，你們是怎麼應對的？時間關係，希望大家儘量簡短。為什麼提這個問題？比如昨天毅達的應總說，他在2024年中開了戰略會，強制要求團隊必須把錢趕緊投出去，大家都知道，2024年7、8月是市場的低谷，之後才有了“924”行情。剛才私下交流，王嘯總也說，去年春節之前，他就催著團隊趕緊投、趕緊定項目，因為預判到了後續市場的火熱。所以回到問題，泡沫到底有沒有？有的話在那？你們怎麼應對？現在還投不投？我們還是從陳總開始。陳洪武：現在這個階段對具身智能創業者來說無疑是好時機，只要核心團隊具備技術背景、做好專業打磨與合理包裝，就能高效對接資本、順利完成融資，這個窗口期對創業者非常友好。但泡沫要分兩面看，就像買彩票，市場平均回報率其實很有限，為什麼還有這麼多人衝進來？因為萬一中了頭獎，回報是幾十萬倍、上百萬倍的。在投資裡也是這樣，當某個賽道出現泡沫時，很多人明知道風險很高，依然選擇進場，不只是為了理性計算下的平均回報，更是為了不錯過那個“萬一中了頭獎”的機會。泡沫在某種意義上，是市場在為可能性定價，為不確定但具備巨大潛力的未來買單。從整個社會的角度看，任何新興產業最終格局定型、誕生龍頭企業的過程，必然伴隨優勝劣汰，腳下一定是一片“屍體”，這是所有科技產業發展的客觀規律。現在資源大量湧進這個領域，會給產業發展注入充足養分，成為技術迭代與落地突破的重要催化劑，加速行業整體成長處理程序。也希望我們的從業者能抓住這個機會，謹慎看待市場裡的熱錢，把握窗口積極融資，同時精細化管控成本，合理規劃燒錢的節奏。眼下行業行情向好，但兩三年後的市場環境充滿不確定性。參考Gartner曲線，當前行業正處在泡沫膨脹的上行階段，但頂峰之後的回呼深度，沒人能夠預判。總體來說，就是把握現在的好時機，多融錢，少花錢。謝謝。張楠：謝謝陳總，昨天也有嘉賓提到，建議被投企業現在能融趕緊融，最好能融到2030年夠花的錢，這個規劃確實非常長遠。有請洪雷總。洪雷：市場確實很火，說到泡沫，我們的理解是，這個話題其實並不新鮮，資本市場永遠是處於波動的狀態。就像2022年疫情期間，科創板行情火熱，天創資本在那一年有4個項目上市，很明顯是牛市，當時我們就預判，市場總會有關門的時候，很快就迎來了兩年的靜默期。現在市場又火了，波動是永遠的常態。問到VC怎麼應對，其實答案是不變的，我們永遠要在產業發展前半步做投資，永遠在平衡機會和價格。真正想參與硬科技投資的，都可以和我們多交流。比如2023年，OpenAI帶來了行業巨變，我們就決定必須重點關注這個領域，包括AI延伸的人形機器人、具身智能，都要深度跟蹤，2024年必須出手，不出手就來不及了。王嘯總投了松延，我們投了加速進化和逐際動力，都是那個時間段佈局的，現在就相對輕鬆。也和陳總一樣，勸被投企業多拿錢，少花錢，平穩落地。謝謝。張楠：還是要在產業和市場形成非共識的時候果斷出手，通過資產配置平衡風險。有請李總。李旺：這肯定是大家現在都面臨的問題。投資的最佳方案，是“投在無人問津處，退在人聲鼎沸時”，但這件事太難了，大家都在這個產業裡，很難做到世人皆醉我獨醒。毫無疑問，今年這幾個熱點賽道，已經形成了高度共識，肯定有結構性的泡沫。這個泡沫對創業有利，對產業長期發展也一定有利，中美都是如此。但站在投資機構的角度，我們不是做慈善，還是要給基金、給LP創造超額回報，所以應對策略，取決於每家機構的不同定位。站在聚合的角度，去年到今年上半年，我們還是處於加速投資的過程，2024年也是我們的重點投資年份。但我估計，這幾個熱點賽道，今年上半年投完，我們可能就會收手。同時我們也看到了其他的價值窪地，比如出海，我們團隊在深圳，有很多科技出海的項目，雖然也有一點泡沫，但遠比現在這些熱點賽道小得多。這些企業本身就是為了商業落地，很快就能形成商業閉環，項目反而更紮實。一個機構在不同階段，要有不同的投資組合，中國的科技產業生態足夠大，東方不亮西方亮。第二點，還要看二級市場，包括美國市場的後續走勢。如果今年二級市場橫盤甚至向下，估值回呼會來得更快，這也是我們重點關注的。總體來講，我們還是謹慎樂觀，現在已經到了高風險階段，所有機構都會比較難受，我們今年也會越來越謹慎。張楠：謝謝，一級市場的二級化，也是現在大家非常關注的問題。有請馬總。馬建平：大家說得都非常好，我分四個層面來理解這個事。第一，什麼是泡沫？我認為泡沫是多種情緒的共振疊加。我其實一直覺得有泡沫不是壞事，當國家的支援力度、機構的認可度、企業的賽道選擇、老百姓的接受度，這幾方認知一致、對大勢判斷一致的時候，就會形成同頻共振，自然就會出現所謂的泡沫。第二，到底是不是真的泡沫，核心要看價格和價值。當價格嚴重偏離價值，那才叫泡沫；如果價格沒有偏離價值，那就是正常的價值回歸。怎麼判斷價值？我跟清華的老師們交流，有句話特別重要：你是不是真解決了一個問題，解決了一個真問題，有抓手、能落地、能量產、有收入。能做到這些的企業，就是真正有價值的，給這樣的企業和技術多一點估值溢價，完全沒問題，能鼓勵大家創新，推動科技成果轉化。第三，我對創投的理解，創投就是創業服務+非共識投資。大家看到投資人光鮮的一面，都是做了非共識投資，比如我投了迅策，從沒人看懂的階段投進去，現在估值1000多億，賺了很多倍。但非共識從那來？其實是靠大量的投前服務，鎖定了技術的源頭。非共識投資這個動作只佔10%的工作量，剩下90%時間都是投前和投後的服務。第四，我一直跟團隊、跟被投企業說，不要怕泡沫，送給大家三句話：第一，要做清醒的樂觀主義者，市場狂熱的時候，要清醒判斷價格和價值是否匹配；第二，要做冷靜的長期主義者，任何一次創業、一次成果轉化，沒有10年左右的打磨，很難上市、給市場一個交代；第三，要做堅定的價值主義者，投資的本心，永遠是投價值，不管什麼賽道、什麼技術，核心都是能不能解決真問題。總結下來，只要能做到這三點，泡沫並不可怕。張楠：謝謝馬總，非常樂觀。我想到昨天一位嘉賓說，他最後悔的事，是2015-2016年，沒有著眼於解決國家急需問題的公司，反而投了市場追捧的標的。有請王嘯總。王嘯：這波泡沫的成因，本質上是美股的持續上漲，頭部科技公司估值抬升，國內對標公司的估值水漲船高。國內看起來估值很高的公司，放到美國也就幾百億美金，而美國的頭部公司都上兆美金了。問題不是有沒有泡沫，而是泡沫能持續多久。泡沫持續得久，泡沫裡的公司，真的有可能把估值變成現實，成長為偉大的公司；就怕泡沫來了一波，擠破之後，所有人都落荒而逃。我們肯定希望泡沫能持續得久一點，那怕最後只有一小部分公司跑出來，也足夠了，納斯達克上萬家公司，最後也就跑出了“美股七姐妹”，行業本就是如此。泡沫肯定是有，最好能持續久一點，全行業都能受益。但確實有渾水摸魚的公司，什麼業務都沒有、要解決的問題都不明確，先把估值拉到極高，讓投它的人一起把泡沫做實，這是非常危險的，最終一定會水落石出。我們必須警惕這種純炒概念的公司。第二，回到VC的本質，VC就是別人告訴你，“我十年後要做成一家百億美金的公司，現在估值一億人民幣，你投我一千萬”，本質上就是買夢想、買預期，你說這是不是泡沫？VC的本質就是在投有價值的泡沫，三個人的初創公司，什麼都沒做，拿了一千萬融資，估值一個億，這就是VC日常在做的事，只是其中只有一小部分，能最終成長為偉大的公司。我們基金通過組合投資，能賺到相對穩定的回報，本質上就是在投夢想。泡沫不是現在才有，VC做的所有事，都會有一定程度的泡沫，只是大小、結構性的區別。我們反而怕結構性沒有泡沫，市場只看收入和利潤，那科技創業就會非常難。現在沒有盈利也能融資、也能上市，企業才能做長期的研發投入，壘高自己的壁壘，才有機會成長為偉大的科技公司。第三，投資過程中，一定要小心被情緒裹挾。如果有項目明顯是衝著騙投資來的，這就完全不合適了。我們還是要回歸業務本身，看項目的落地可能性，而不是靠“別人要投了，你再不投就沒額度了”這種邏輯，來推高估值。估值的增長，必須靠階段性的成果、明確的目標落地、團隊的成長來支撐，靠焦慮感推高估值的項目，註定走不遠。泡沫到底高不高，核心看終局空間和當前價格的倍數關係，而不是絕對價格，這是我的幾個核心看法。張楠：謝謝王嘯總，總結下來就是，啤酒泡沫可以享受，肥皂泡沫必須警惕，尤其是一戳就破的那種。有請楊總。楊瑞榮：每隔幾年，市場就會提起泡沫，泡沫是經濟周期裡不可避免的環節。去年年底我看了一本書，是美國一家避險基金的首席風控官寫的，大概叫 Engines that move Market（《泡沫逃生》）。 這家基金在網際網路泡沫時期成功避開了所有陷阱，最終成長為美國頭部基金。書裡回顧了工業革命以來，蒸汽機、鐵路、電報、電話、電燈，汽車，再到網際網路，每一次技術革命，都給社會帶來了巨大價值，但也都伴隨著泡沫和投資陷阱。裡面有個核心觀點：每一次泡沫出現的時候，所有人都會說一句話——This time is different，這一次跟以前不一樣了。在泡沫裡，不管是創業者還是投資人，都會跟你說，這次不一樣，我們沒有泡沫，和過去完全不同。而這句話，恰恰是最需要警惕的時候。作為投資人，核心判斷力，就是分清這次到底和以前的陷阱，有沒有本質區別。對我們而言，核心的判斷標準，就是在醫療領域，這個項目能不能創造真正的價值，能不能給患者帶來實際的獲益。無論市場泡沫如何，我們都堅守這條原則，不管是社會價值，還是國家戰略導向，核心都是創造真實價值。張楠：謝謝。今天時間關係，我們的話題討論就到這兒，有點意猶未盡。現在請各位嘉賓，寫下本場你們心中的MVP，我來統計票數，看看誰是今天聊得最好的嘉賓。因為我們是6位嘉賓，最終出現了平局。現在我宣佈：本場的MVP，由國科嘉和陳洪武陳總，和九合創投王嘯王總共同獲得！謝謝二位，有請二位舉牌，我們合影留念。 (投中網)

多位投資者警告，SpaceX、OpenAI和Anthropic三大IPO若在同一年內相繼登陸市場且表現不佳，可能對整個AI投資熱情形成實質性打擊。SpaceX目標融資750億美元，相當於美國股市日均交易量近10%，市場消化能力存疑。4月27日，在The Information於紐約舉辦的AI融資峰會上，多位投資者和銀行家發出警告：SpaceX、OpenAI和Anthropic三家公司可能在同一年內相繼上市，這在資本市場歷史上極為罕見。然而，一旦這些IPO表現失利，對AI整體投資熱情的打擊將是實質性的。Inspired Capital創始人兼管理合夥人Alexa von Tobel在會上直言：“這三個可能是歷史上最大的IPO，都可能發生在同一個日歷年內。其中某些IPO的表現，實際上可能像一盆冷水潑向現實……有一種情形是，它們反而讓周邊資本變得更加謹慎。”SpaceX：750億美元的壓力測試Vista Equity Partners聯席資本市場主管Ashley MacNeill的措辭更為直接。她在另一場分論壇上表示，SpaceX的IPO"有無數種出錯的方式"，"只有少數幾種能走對"。問題的核心在於規模。SpaceX目標融資750億美元，遠超歷史上任何一次IPO。MacNeill指出，這一發行規模相當於美國股市日均股票交易量的近10%。市場能否一次性消化如此體量的新股，本身就是未知數——更不用說鎖定期結束後，大量籌碼陸續解禁入市帶來的拋壓。Discovery Capital投資組合經理Jon Redmond對SpaceX IPO持樂觀態度，稱自己對此"感到興奮"，並預計招股書公開後"人們會真正開始意識到這家公司的機會有多大"。但他同時承認，超大型IPO歷史上往往伴隨市場回呼——投資者需要賣出現有持倉來騰挪資金認購新股。"我認為會出現非常類似的情況，大機率是科技股領跌，如果讓我猜的話，就是'七巨頭'領跌。"每年3000億至4000億：AI融資的新量級峰會的另一條主線，是AI基礎設施建設對資本市場提出的空前需求。摩根士丹利全球債務資本市場主管Anish Shah表示，市場每年需要為AI相關支出融資3000億至4000億美元，這將佔到全球債券和股票資本市場總量的約10%。他強調，這類融資一年前幾乎還不存在，如今已呈爆發式增長。傳統的建築融資或項目融資模式難以適配AI基礎設施的需求——資金體量太大，建設節奏太快。Shah以Meta與Blue Owl合作在路易斯安那州建設Hyperion資料中心園區為例，稱這是一筆"首創性交易"：通過聯合投資結構，以270億美元投資級債務完成融資，同時使Meta得以將這筆債務保留在表外。Brookfield Asset Management則採取另一種路徑：深入研究資料中心客戶合同，釐清誰是實際付款方、各方對手風險如何，以及項目能否依靠借款人自身現金流覆蓋債務。Brookfield首席財務官兼基礎設施信貸聯席主管Hadley Peer Marshall指出，建設延期是貸款方必須正視的風險："通常合同要求項目投入營運才能觸發付款條款。如果未能按時投產，可能還要支付違約金——而債務方不希望承擔這種敞口。"AI是泡沫嗎？投資者分歧明顯對於AI熱潮本身，與會者看法不一。CoreWeave董事會成員、億萬富翁投資者Glenn Hutchins明確表示，AI不是泡沫，而是"歷史上經濟和人類組織方式最重大的變革之一"。他警告說："如果你沒有投身其中，無論是資本還是時間都沒有站在正確的一邊……你面臨真實的被淘汰風險。"但Hutchins同時預言，企業軟體的估值下行還將持續。他用了一個強烈的比喻："一場巨大的海嘯即將席捲全球經濟，而軟體公司只是第一批被衝擊的海灘上的遊客。"PwC美國科技、媒體與電信交易業務合夥人Alex Baker則提出了另一面：隨著更多企業轉向按使用量計費的定價模式，AI代理成為新的"使用者"，每天可能執行的操作量是人類的百倍。"如果你擁有真正的護城河和有價值的平台，你在新環境下的價值反而高於以前。"von Tobel則表示，她目前更關注那些增長相對較慢、但客戶黏性強、技術壁壘高的公司。"如果一家公司說'我們成立一個月，ARR就從零做到了1億美元'，這對我們沒有吸引力。我們尋找的是那些早期很難做的生意——有深刻洞察，或者有重大智慧財產權，比如我們投了很多基礎設施、量子計算、光子學領域的公司，那些有42項專利申請中的想法，競爭對手不是那麼容易複製的。" (invest wallstreet)

截至周四美股市場收盤，在科技股強勢領漲之下，標普500指數以及納斯達克綜合指數在中東地緣政治戰爭、石油供應端持續衝擊以及經濟學家們警告長期地緣衝突將抑制經濟增長的背景下大舉攀升至紀錄高位。標普500指數在周四實現連續兩天收於歷史新高點位，自3月底以來漲幅高達11%。涵蓋全球最頂級科技公司且有著“科技股風向標”稱號的納斯達克100指數和納指雙雙連漲12個交易日，前者創2017年7月以來最長連漲紀錄。儘管發生在伊朗的這場地緣政治戰爭仍未正式宣告終結，且荷姆茲海峽的石油運輸實質上仍然被封鎖，但包括美股在內的全球股市一直保持著強大上漲韌性。儘管中東地緣政治風暴仍未完結，但是華爾街對於全球股票市場的看漲情緒變得愈發激昂。在經歷了最初的一系列劇烈拋售動盪之後，華爾街機構投資勢力似乎正將這些與戰爭有關的噪音遮蔽在外，不再像3月初那樣將戰爭視為“決定市場方向的核心變數”，而是開始在很大程度上“無視戰火噪音”。華爾街多家金融巨頭直接把當前股票市場的這種上漲韌性歸因於企業盈利預期仍在持續上修、尤其是與AI算力基礎設施持續炸裂式需求密切相關聯的科技類公司強勁盈利預期未被戰火打斷。許多投資者可能會想：為什麼股市能夠在伊朗戰爭期間一舉創下新的創紀錄高點?經濟學家和市場分析師們普遍表示，很大程度上是因為，股市是衡量投資者們對未來將發生什麼的看法的晴雨表，而不是對當下現狀的即使定價與評估。他們表示，投資者們本質上是在將中東地緣政治衝突視為一個會相對較快得到解決的短暫插曲，並未過度在意。此外，還有一大趨勢對於全球股市反彈也非常重要，市場愈發相信川普“臨陣退縮”劇本——即在一些重大事項逼近最後時限之時川普最終會選擇退縮，股市也將大舉反彈，也就是所謂的“TACO”策略。“TACO ”策略(Trump Always Chickens Out / 川普總是臨陣退縮)，現已被交易員們廣泛採用乃當前最熱門交易策略，每當川普發出新的更加激進的關稅威脅或者拋出其他的重大威脅引發市場暴跌時，全球股債市場的投資者們便押注他最終會退縮或者實際落地的政策較川普的口頭威脅大幅削弱，進而選擇在適當的低迷時機大舉抄底，大舉押注股票市場將在不久後出現大舉反彈。隨著美股財報季本周正式拉開帷幕，圍繞人工智慧算力基礎設施的強勁盈利擴張預期托底，並且市場愈發堅信美以與伊朗、黎巴嫩不久後將在國內民生壓力下達成長期穩定的停火協議，包括貝萊德、高盛以及摩根士丹利在內的華爾街頂級投資機構們對於未來股票市場的展望，可謂在邊際上變得更加樂觀了，凸顯出華爾街的超級大行們正在把美以與伊朗暫時停火後的市場估值修復、企業強大盈利韌性以及AI算力鏈條驅動的科技公司業績上修趨勢，視作市場風險偏好顯著回暖的依據。摩根大通私人銀行高級市場經濟學家Joe Seydl表示：“股市並不是在試圖為今天發生的所有事情定價。”“股市始終是在試圖為未來6到12個月後世界會是什麼樣子來進行定價。”為何股市表現出“韌性”? 答案之一是企業們在財報季彰顯出的愈發強大盈利能力在Nationwide首席市場策略師Mark Hackett看來，華爾街的那些機構投資者是本輪股市復甦背後的核心推動力量。在經歷了激進拋售之後，市場注意力已重新回到財報季的企業基本面，而他認為這些基本面是非常具有支撐性的。華爾街的那些最頂級交易員們目前對中東的負面局勢不以為意，選擇繼續配置股票資產;機構投資者們，可謂是本輪美國股市復甦的核心幕後推手。這些機構投資者似乎相信中東衝擊更像一輪可管理的油價擾動，而非會演變成系統性供給危機，認為只要戰火沒有破壞美國企業盈利韌性、沒有把油價永久推入失控區間、也沒有迫使聯準會全面轉鷹，那它對股市的殺傷力就是暫時的。美國股票市場基準指數之一的標普500指數在伊朗戰爭最初開始的那幾周下跌了約8%，即從2月28日衝突開始到3月30日的近期低點。但此後包括美國股市在內的全球股票市場已經實現強勁反彈，抹去了自戰爭爆發以來的全部跌幅，尤其是坐擁全球最頂級AI算力產業鏈領軍者們的韓國、台灣股市以及A股市場的漲勢自4月以來可謂更加強勁。標普500指數周四收於歷史新高，較3月底低點高出約11%。此前該指數周三也創下紀錄收盤高位。來自三大信用評級機構之一穆迪的首席經濟學家Mark Zandi表示：“面對這場戰爭，市場始終表現得非常有韌性，並且在地緣政治問題將得到解決的預期推動下強勁上漲。”乍看之下，自2月底以來似乎並沒有太多事情發生變化——這也讓普通投資者們對市場這波突如其來的熱情感到困惑。股市最初出現拋售，是因為投資者擔心石油供應衝擊可能通過全球經濟傳導並推高通膨，最終有可能導致全球經濟出現令央行們恐懼的“滯脹”。伊朗實際上仍在持續掐斷經由荷姆茲海峽的油輪運輸。這是一條海上航運通道，全球大約20%-30%的石油和天然氣都經由此地運輸。這場封鎖構成了歷史上最大規模的石油供應中斷，因此油價在整個3月期間飆升，導致市場滯脹預期大舉升溫。儘管美國和伊朗於4月7日達成了為期兩周的停火協議，但該封鎖在很大程度上仍然有效。而且，儘管投資者們為衝突可能出現的外交降溫乃至潛在的長期停火路徑而歡呼，這項臨時停火看起來仍然脆弱，美國和伊朗各自指責對方違反協議。在為期僅僅兩周的停火期限結束前，各方仍然未能達成長期性質的和平協議。美國副總統范斯(JD Vance)表示，在伊朗代表團拒絕接受美方提出的不得發展核武器的要求後，美國官員於上周末離開了在巴基斯坦舉行的和平談判。然而，從全球股市強勁走勢來看，市場仍然愈發堅信美以與伊朗、黎巴嫩不久後將在國內民生壓力下達成長期穩定的停火協議。從“TACO策略”，到AI科技繁榮推動的盈利擴張局面：美股頂著地緣政治風暴創新高背後的兩大核心支柱經濟學家們普遍表示，歸根結底，股市傳遞出的是一種集體信念：緊張局勢將會全面緩和，戰爭將在近期結束，經由荷姆茲海峽的石油運輸最終將恢復正常，且世界必然在長期和平協議達成之後將尋找規避荷姆茲海峽的能源獲取途徑，就像歐洲逐漸穩定擺脫俄羅斯石油和天然氣那樣。經濟學家們表示，這在很大程度上是因為，投資者已經被“長期訓練”得愈發相信，一旦經濟痛苦變得過於強烈，美國總統唐納德·川普就會臨陣退縮——這就是所謂的“TACO”交易策略，即“Trump always chickens out(川普總會臨陣退縮)”的縮寫。華爾街愈發流行的交易策略——TACO(Trump Always Chickens Out / 川普總是臨陣退縮)：誕生於2025年4月川普向全球發起史無前例“對等關稅”戰役的時期。當時交易員們押注要麼美國政府收回關稅威脅，要麼即便落實也遠不如川普所威脅的那麼強硬且不足以大幅拖累美國經濟擴張。TACO一詞由《金融時報》專欄作家所創造，用來描述川普於2025年4月2日“解放日”演講後在關稅問題上的反覆搖擺，但最終他會選擇退縮，股市也將大舉反彈。當在一場記者會上被問及“TACO”時，川普勃然大怒，稱該提問“惡毒”。“TACO ”策略現已被交易員們廣泛採用乃當前最熱門交易策略，每當川普發出新的更加激進的關稅威脅或者拋出其他的重大威脅引發市場暴跌時，全球股債市場的投資者們便押注他最終會退縮或者實際落地的政策較川普的口頭威脅大幅削弱，進而選擇在適當的低迷時機大舉抄底，大舉押注股票市場將在不久後出現大舉反彈。Zandi表示：“投資者們強烈相信——而且已經被訓練得愈發相信——他會退讓，會找到一種方式轉向平穩過渡，進而宣佈勝利然後繼續向前。”川普則多次反駁了自己會後退的說法，並將這種邊緣施壓策略描述為一種他主導的高明談判戰術。經濟學家們指出了這一動態的一個近期例子：2025年4月所謂的“解放日”，當時川普政府對美國在全球範圍的貿易夥伴徵收了一系列關稅，此後的幾短短天之內——也就是在美國股市暴跌超過12%之後，川普宣佈將這些關稅暫停90天。隨後，在川普關稅政策立場大幅逆轉之後，全球股市迎來了歷史上最大單日漲幅之一。Seydl表示，投資者們記得川普經常會讓地緣政治衝擊與關稅衝擊大幅降溫——這也是為什麼他們會抓住那些暗示和平談判取得積極進展的任何頭條新聞。“市場是有記憶的。”Seydl表示。經濟學家們普遍表示，還有其他重要因素在戰爭時期支撐著市場的韌性。“其中的重要因素則是，投資者對人工智慧算力支出大浪潮推動的科技公司強勁盈利軌跡充滿熱情與自信，而這些科技股票佔標普500指數總市值的近一半。”Zandi表示。AI科技繁榮局面所驅動的科技股強大盈利預期軌跡，也是推動美股創新高以及全球股市大舉反攻的核心邏輯。同時帶有“業績確定性+高貝塔屬性”標籤的那些與AI算力基礎設施直接相關的股票——即輝達、台積電以及AMD、博通所領銜的“AI算力超級天團”，往往是整體股票市場或者科技股反彈邏輯裡最敏感、最先動且上攻幅度也最大的一層。背後的核心邏輯可謂極其“硬核”：這一層直接繫結的是科技巨頭們持續創紀錄的AI資本開支，而不是單純講故事。 AI hyperscalers(即Google、微軟以及亞馬遜等超級雲端運算巨頭們) 仍在延續資本開支軍備競賽，只要它們“更願意舉債和裁員，也不願在AI capex 競賽中(即所謂的“AI算力軍備競賽”)選擇退縮”，整個AI算力產業鏈條的領軍者們就仍有配置價值。貝萊德因此把美股與新興市場股市重新上調至“超配”評級，並指出科技類股2026年盈利增長預期升至43%;花旗也將美股上調至“超配”，認為近期回呼後的市場估值更有吸引力，美國科技對全球盈利增長的貢獻繼續上升。來自華爾街最大規模資管巨頭貝萊德的股票策略師們已重新轉向“超配”美國與新興市場股票資產，主要因為他們認為新一輪中東地緣政治衝突對全球經濟增長造成的實質性質損害“很可能是非常可控的”。在核心投資主題/投資風向方面，貝萊德策略師們重點看好與AI算力基礎設施密切相關聯的半導體類股票，比如美國股市以及韓國和台灣股市的相關AI算力產業鏈領軍者們。貝萊德重點強調了即將到來的美股財報季，高呼盈利增長引擎能夠托住美股牛市主旋律。策略師們寫道：“即便在地緣政治衝突期間，企業盈利預期仍在不斷上升，大部分邏輯與原因在於AI相關投資主題帶來的強勁AI算力需求。”Zandi表示：“這些股票有其自身的運行邏輯，獨立於任何事情之外，包括伊朗戰爭。”“我認為，如果不是因為市場對AI超級大浪潮抱有非常樂觀的看漲情緒，我們本來會跌得更多，復甦也會更艱難。”Seydl表示，我們正處於一輪“AI驅動的科技大繁榮”之中，而在投資者們認為這輪科技周期已經走到盡頭之前，他們很可能會繼續保持樂觀。更廣泛地說，股票投資者們本質上是在押注一家公司未來愈發強勁的盈利增長軌跡，而當前的盈利背景“一直相當穩固”，Seydl表示。例如，經濟學家表示，消費者支出似乎保持穩定。Zandi表示，企業們的稅後盈利也正因共和黨所謂的“大而美法案”而獲得強勁提振，該法案除其他內容外，使企業們更容易將投資進行當期費用化處理，從而降低其稅負。市場已開始憧憬股票市場新一輪“超級牛市”股市在地緣政治衝突期間強勢創新高，也凸顯出為何長期投資期限內的普通投資者應堅持自己的投資計畫並忽略噪音。Seydl表示：“對於普通投資者來說，試圖擇時市場是非常困難的，甚至可以說是不可能的。”“更好的做法是採取長期投資視角，穿越任何一輪劇烈波動。”股票市場之所以看起來像“忘了戰爭”，並不是因為市場忽視了地緣風險，而是因為股票市場交易的是未來6到12個月的業績增長軌跡，有著強勁盈利韌性與政策托底預期;相反，全球債券市場仍更直接地被油價上行所對應的通膨預期與利率路徑牽引。隨著科技股引領全球股市大舉反攻——尤其是在科技股主導之下標普500指數以及納斯達克指數在地緣政治衝突期間持續創歷史新高點位，投資者們可謂已經吹響新一輪全球股市“牛市衝鋒號”。有著“華爾街神算子”稱號的資深股票市場策略師兼Fundstrat聯合創始人Tom Lee認為，美國股市乃至全球股票市場當前所處的位置，比其在今年早些時候觸及上一個歷史高點時更為強勁，Lee認同華爾街金融巨頭摩根大通的一項典型判斷，即以AI算力基礎設施為核心的科技類股必須引領股票市場下一超級牛市階段的上漲主旋律;花旗將美國股票評級從“中性”上調至“超配”，並且該機構預計到年底標普500指數將達到7,700點。截至周四美股收盤，標普500指數收於7041.28點位。當前的新一輪牛市敘事，本質上是三大邏輯共同支撐：美股最新財報季彰顯出的企業盈利韌性、科技股/AI算力主題主導的新一輪風險偏好回暖，以及市場對中東衝擊不會演變為2022式長期通膨的判斷。 只要這三根邏輯柱子不倒，華爾街就會繼續把戰爭相關的頭條新聞當作交易噪音處理。花旗最新研報顯示，此前被地緣衝突、估值焦慮和預期過高所壓制的科技類股，正在迎來一個由風險偏好修復轉向基本面重估的窗口。伊朗局勢邊際降溫後，市場從避險迅速切迴風險資產，標普500與納指同步走強，說明資金已開始重新交易“AI驅動之下的未來整體盈利增長軌跡”而非“當下恐慌”。在這一框架下，科技股尤其是大型科技平台，不再只是流動性驅動的抱團對象，而是重新成為美股風險偏好和盈利預期的核心錨。花旗策略師團隊強調，市場正在從“少數AI龍頭獨舞”的窄幅牛市，向“由點及面擴散”的更廣泛上漲格局過渡，但是前提是兩點同時成立：一是科技龍頭繼續用盈利與指引證明高估值並非泡沫，二是地緣政治風險繼續朝著可預期、可管理的方向演進。一旦這兩個條件滿足，市場就會從少數權重科技股逐步擴散到更廣泛的軟體、通訊服務乃至跨行業周期類股，形成夏季可能出現的“市場廣度改善型牛市行情”。 (invest wallstreet)

“太極端的敘事都是為了博人眼球。”2 月底爆發的美伊戰爭是過去五年裡，繼烏克蘭衝突、以巴衝突之後，第三次大規模軍事衝突。一個多月來，不斷升級的局勢讓它變成了所有人、所有行業都繞不開的風險。能源咽喉荷姆茲海峽幾近停擺。平時，約有 2000 萬桶原油和油品每天經由這裡運輸；戰後，海灣內仍有約 1.72 億桶原油和成品油滯留。布倫特原油因此自 2 月底以來一度上漲 55%。全球經濟動盪下的第一批 “受害者” 不是加油站前排隊的司機們，而是投資者。美國的航空母艦、導彈驅逐艦和戰鬥機在 2 月中便開始向中東集結，但專注宏觀交易 [1] 的基金們卻幾乎做不了任何反應。3 月，全球避險基金遭遇四年多來最差的月度回撤，其中股票基本面策略平均下跌 5.4%；依賴能源進口的新興市場單月資金流出 703 億美元，創下 2020 年以來最大撤離；即便是許多零售投資者 [2] 重倉的標普 500 指數也一度大跌超 5%，全月收跌 5.1%。最重要的避險工具黃金也變得不再可靠。3 月，金價下跌 11.5%，創下 2008 年 10 月以來最差單月表現。相反，停火消息傳出後，現貨黃金當天反彈 0.8%。4 月 8 日，美國與伊朗簽訂了為期兩周的停火協議，談判也已開啟，但世界並沒有回到原點。上千艘船還滯留在海峽附近，保險和運費居高不下，大量港口、碼頭和倉儲等基礎設施遭到破壞，更不用說那道難以彌合的政治信任裂痕。停火只是暫時緩和了資本市場的情緒，卻沒有消除不確定性。美伊停火前兩天，《晚點 LatePost》對話了劉迪凡，聊了這次戰爭對全球資本市場帶來的影響、正在形成的新常態，以及今年以來最值得關注的新動向。劉迪凡於 2020 年創立 CT Associates，主要為中國 LP 提供海外資產配置方案；主理了一個專業垂直公眾號：海外避險，訪談過全球 600 多家避險基金管理人、研究覆蓋 2000 多家避險基金。他認為，多數人高估了戰爭對資本市場的長期影響。零售投資者每天都在研究荷姆茲海峽什麼時候恢復通航，但真正賺到錢的人，很多並沒有把戰爭風險直接納入自己的交易框架。“市場會自我適應，供給也會找到新的路徑，沒有人能永遠卡住全球經濟的命脈。” 劉迪凡說。多數賺到錢的人並沒有把戰爭風險納入到投資策略裡晚點：在這次美伊戰爭爆發前，資本市場有一個很奇特的現象，似乎連散戶都看得出來，美國往中東調集軍艦，幾乎就是要動手了，但機構資金的反應總體仍偏克制，沒有集體性地大舉調整倉位，這是為什麼？劉迪凡：主要有兩個原因，首先是他們的 mandate（投資授權範圍）[3] 被限制得比較死，例如股票多空策略 [4] 只投股票，不願意在已經向投資人講清楚錢怎麼投，且幾億美元已經按原定投資流程投出去之後，再臨時把宏觀交易加進來。如果判斷錯了，後面就沒法募資了。這對美國的專業投資人來說，是一個很大的約束。另一個原因是，他們也比較有自知之明，知道憑自己這兩把刷子去做宏觀交易，未必有選股那麼專業。晚點：現在打了這麼長時間也不做調整嗎？戰爭導致油價大漲傳導到了各行各業。劉迪凡：拿全球宏觀這類基金來說，我認為他們還是沒法下很大的決心去調方向，因為害怕錯上加錯。這些人心裡都很清楚，宏觀交易一旦節奏錯了，今年大機率就很難賺錢了。有的在 1、2 月份靠做多 [5] 黃金、做多美債，或做空 [6] 美元賺了 20% 以上，結果在 3 月又吐回去了，甚至我知道有的宏觀大佬單月就回撤了 15%，這就是節奏亂了。那今年基本就會處於防守態勢，沒有多少翻身空間了。對這些機構來說，當下最重要的是先保住本金；如果已經回吐了的，那就先把損失控制住。所以他們當前最主要的工作其實都是在控制風險。晚點：年初的一次節奏錯了就會導致一整年都賺不到錢嗎？劉迪凡：宏觀和股票不太一樣。股票很多時候有均值回歸的邏輯：你看好的公司跌了，反而會想繼續買。但宏觀更看重對原有判斷的驗證，比如我先有一個基本判斷，然後加三個點，再看市場走勢有沒有按這個判斷走，確認了才敢繼續加倉。如果這個判斷被證偽了，我就會趕緊止損。宏觀交易很像看手感，有點像投三分球。如果手感不好，機構就會把資金量先縮下來、把槓桿降下來；可槓桿一降，後面要是反彈了，它肯定就趕不上了。所以宏觀基金特別講究開年先賺出一個 “安全墊”，比如年初先掙 20%，後面他就可以 “胡搞” 了。現在沒有這個 “安全墊”，他就只能縮著。沒辦法，這個行業就是一年一年看業績。晚點：但專業投資者可以去打專家電話，比如向白宮內部熟悉政策的人、前政府要員溝通瞭解資訊輔助決策？劉迪凡：我認識一個美國西海岸挺大的基金的分析員跟我說，川普第一任期時，他們為了判斷政策方向，前前後後花了幾百萬美元請說客，天天待在白宮那邊盯著，然後給他們做政策分析，但後來回頭一看，基本全是錯的。再比如站在普通投資者的視角看，很多事情似乎很明確，打仗了、戰爭拖延了，油價就該漲、股市就該下跌，可現實並不是這樣的，這中間往往會不斷經歷反轉、反轉、再反轉，所以等你真的拿錢買進去，來回折騰一遍，最後很可能還不如一開始就別動。晚點：包括很多普通投資者對戰爭的第一反應是利多軍工股。劉迪凡：不管是軍工、原油還是化學品，第一波如果沒趕上，後面其實還要面對很多很具體的決策：漲到這個位置了，我要不要追，還是該走了？這種時候，做得越多，反而可能錯得越多。那還不如等等自己本來就看好的東西，跌到位我買一筆就算了。很多人平時研究的未必是荷姆茲海峽。那同樣是一筆下注，到底是戰爭一打就臨時去找白宮的人、弄到資訊，然後立刻下 1000 萬美元的單；還是耐心等待買自己更熟、而且曾經賺過錢的東西？這兩種情況下，判斷的把握其實完全不一樣。晚點：遇到這種來不及或很難下決心調倉的情況，專業的基金經理都是怎麼做風控的？劉迪凡：我問過一個基金經理說，你會不會去分析荷姆茲海峽一天到底通過多少桶油，那些會運去沙烏地阿拉伯，沙烏地阿拉伯管道還能補上多少產量，胡塞如果再出來襲擊會打掉多少供給。他告訴我說會算，但算這些其實並不能直接帶來收益。他核心就看交易訊號，一旦 VIX（恐慌指數，反映標普 500 指數未來 30 天隱含波動率的即時指標）到了 30 以上，他就肯定降倉位；只要 VIX 回落到 20 以內，他就重新上倉位。而且他加的通常也不是什麼新的方向，比如突然去買鋁公司，更多還是回到原來已經持有、已經研究過的那些標的。因為關鍵不是看某一個倉位，比如我買了 1% 的鋁公司，那怕它漲了 100%，影響也有限；更重要的，還是要看那些佔比 20% 的核心持倉，最終到底能做出多大的收益。晚點：是什麼人在這一次美伊戰爭裡賺到了錢？劉迪凡：散戶天天研究荷姆茲海峽什麼時候開放，但賺到錢的人很多其實並沒有把戰爭風險納入到自己的策略中，收益還是來自於自己的能力圈。一些能源和宏觀基金在去年年底的報告裡就已經提到，油市供給端開始接近瓶頸：一是沙烏地阿拉伯和歐佩克手裡的閒置產能雖然還在，但真正能持續釋放的增量沒有市場想的那麼大；二是美國頁岩油的增長也在放緩；再加上原本堆在海上的俄羅斯原油也在一點點被消化掉。正是因為看到了這些基本面訊號，他們才判斷油價有機會摸到每桶 100 美元左右，只不過當時更多還是一個中長期交易主題；後來戰爭爆發，相當於把這筆交易提前兌現了。晚點：你認為那些虧了錢或是沒賺到錢的人，最大問題是太執著於研究戰爭本身了？劉迪凡：零售投資者有一個很大的誤區是，往往在事情發生之後才臨時開始研究各種細節，比如荷姆茲海峽到底每天通過多少桶油，這其實有點用錯力了。所謂深度研究、深度思考，很多時候都是 “聽上去太美” 的，關鍵是你得有資訊管道，以及自己用什麼框架給這些資訊排權重，摒除噪音，而不是細節越多越好。Ray Dalio 就未必比一個做能源的基金經理更懂某個具體問題。歸根結底，就兩件事：第一，找到對的人；第二，問對問題。當第一槍打響時，市場就已經在提前反映未來風險了晚點：2021 年美國從阿富汗撤軍後，全球武裝衝突進入了一個頻發狀態。 研究機構 UCDP 的調查顯示，2024 年全球有 61 場涉及國家的活躍衝突，是 1946 年以來的最高點，資本市場應該如何跟這種新常態共存？劉迪凡：我最近聽到了兩個我非常認可的觀點。第一，當戰爭第一槍打響的時候，市場其實已經在提前反映未來的風險了。一場仗打十年，你覺得市場還會天天動嗎？理論上大家只會越來越習慣。就像去年川普搞關稅戰、貿易戰，剛開始都很緊張，打到後面就逐漸麻木了。原因也很簡單，做市場的人本質上只能接受價格，沒法決定價格；一旦市場形成了某種共識，個人其實很難逆著它做的。第二，仗總會打完，不可能無限打下去。這是我個人的分析，好比今天除了伊朗以外，人人都想搞 AI，都全力去 “愛”（All in AI），不像以前還有人喜歡搞革命，現在誰去陪你搞革命，再說革命軍也要生活的。而且大炮一響，黃金萬兩，伊朗沒有經濟實力，只會越打越弱，不會越打越強，至於說他是下半年繳槍，還是十年以後繳槍，這誰知道呢。晚點：所以你相信每次戰爭到來後，市場會自適應風險的？劉迪凡：對，比如我還聽到的一個非常有意思的觀點，現在大家天天想著每天 1800 萬桶原油被荷姆茲海峽鎖著要怎麼辦，但這麼大的利益它其實是會自適應的，沙烏地阿拉伯的管道能走 700 萬桶，其他產油國再補一部分，美國也會開始增加供給，慢慢就會把危機消化掉的。大家不可能長期讓一個已經被大大削弱的國家卡住脖子的。晚點：在今年這一輪美伊衝突中，還有一些新的變化，比如黃金似乎就沒有起到避險作用。美伊戰爭爆發以來，標普 500 累計下跌約 3.9%，而黃金在 3 月單月反而下跌了 11.5%。劉迪凡：黃金這兩年賺錢效應太強，參與的人越來越多，很多人已經不是把它當避險資產在配，而是當成股票在炒。參與主體也變了，原來更多是銀行和避險資金，現在多了很多散戶和加槓桿做交易的人。對這批人來說，目標不是長期配置，而是明天賺了錢就先跑。另外就是大家原本認為這次戰爭伊始美國會 TACO（Trump Always Chickens Out，形容川普總是臨陣退縮），也就是嚇唬嚇唬，結果又沒 TACO，上去就斬首最高領袖，那很多資產原來那套固定的漲跌關係就被打亂了。晚點：TACO 也是一個新的變化。最近不少歷史學者、金融從業者都在寫文章說，如果 TACO 成立，某種意義上也意味著美元霸權開始鬆動，甚至可能走向終結。劉迪凡：這不就是瑞·達利歐（Ray Dalio，橋水基金的創始人）說的嗎，他就是買黃金的人。千萬不要花太多時間在這種免費的觀點上。很多事情是零和一之間的某個點，但是專家就喜歡說點極端的要點選量。晚點：美元在這次戰爭期間反而走強，歐元、英鎊等主要貨幣也沒有顯示出明顯替代性，這是不是也在說明瑞·達利歐的判斷言之過早？劉迪凡：我承認現在的世界還是有點比爛。美國當然也有通膨、生活成本越來越高的問題，但它畢竟還有增長，也在一個降息的通道上。真到了打仗、避險情緒上來的時候，資金最後還是回到美元上，因為暫時沒有比它更好的選擇。晚點：那我們要怎麼去理解美國這些年在重大節點上一直 TACO 的這件事呢？劉迪凡：美國說的話大部分是真的，因為監督力量太大，但也有一部分是假的；伊朗說的話大部分是假的，因為監督的人要吃槍子兒，但也有相當部分是真的，這從來不是二極體。很多人的思維就是要去判斷，美國說的是真的還是伊朗，但這其實根本沒必要。我覺得大家就不要去分析這些東西，因為分析了也沒法幫助做決策。還不如就是等 VIX（恐慌指數）什麼時候降到 20 以內，再繼續去做自己原來長期看好的方向。晚點：香港財政司司長陳茂波在去年和今年都說過，在全球政治和經濟環境深刻變化之下，香港被視為 “全球資本的安全港”，你認同嗎？劉迪凡：不是這個邏輯。我有一個朋友，之前在美國一家很大的基金做基金經理，管過上百億美元，現在轉去做家族辦公室。前兩天他的人還來問我，香港有沒有合適的基金可以看。原因很簡單，不是他突然特別看好中國內地市場或中國香港，而是他手裡的美國資產太多了，必須往外分散。這種分散 [7] 本身就是一股很強的力量。至於分到歐洲、日本、韓國、中國還是別的地方，對他來說首先是 “分散” 這件事本身，而不是押注某一個市場。當然，中國和日本可能會稍微好一點，有配置意義，但總的來說，這首先不是一個主動進攻的判斷，而是一個資產再平衡的動作。晚點：如果長期來看，你認為應對戰爭新常態最好的避險資產是什麼？劉迪凡：肯定還是黃金。看五年，美債和財政赤字的問題擺在那兒，美元大機率不會比現在更強，反而更可能走弱。從這個角度看，黃金的長期邏輯還在，必然還是避險資產。另外我看到的大部分人在避險時，不是去買另外一種資產，而是降倉位，也就是留現金。美國市場與亞洲市場的 AI 共識：等待裁員潮晚點：今年除了戰爭之外，AI 類股也發生了新的變化。亞洲 TMT 基金經理們普遍的回報區間估計在 15% - 4%，反而北美卻跑輸了，業績區間在 -10% 到 10%，為什麼會出現這樣的現象？劉迪凡：一個很重要的原因，就是中國基金經理抓住了這輪半導體、儲存等 AI 供應鏈上的機會。至少在香港市場，我看到一些基金經理因為光和儲存這條線抓得比較準，去年四季度到今年一季度做到 50% 收益的人並不少，表現明顯好過不少美國基金經理。這也慢慢滋生出一種很強的自信，他們覺得美國人不懂 TMT。晚點：為什麼美國的基金經理集體錯過了這個機會？劉迪凡：他們過去關注的重點一直都在網際網路和軟體上，半導體產業鏈一方面過去在整個 TMT 類股裡的市值佔比不高，另一方面又高度集中在亞洲，所以在北美真正能看懂這條鏈條的人其實很少。我之前見了前 Melvin Capital[8] 的基金經理，我問他，你為什麼不去做點亞洲產業鏈和半導體？他說他其實也想做，但問題是沒有研究員，沒法拆數跟核實資訊，這樣也就沒辦法建大倉位。如果只是配個 1% 到 2% 的倉位又沒什麼意義，還不如繼續做自己更懂的東西，比如在亞馬遜上弄個大的。我為什麼對 “敗軍之將” 感興趣，因為大起大落的人才能跟你說點掏心窩子的真話。可以看到，做家辦和管避險基金根本是兩個思路，前者關注如何長期複利自己已經賺到的財富，避險基金經理說到底是經營一個產品，年年都要打榜。晚點：如果北美的基金要重新把 AI 供應鏈的研究體系建立起來需要多長的周期？劉迪凡：他們現在就很糾結，不知道這東西是一波流，還是說值得去長期建設，這其實是一個挺複雜的過程，要建立新的能力，包括對研究員的信任。我再舉個例子，中國基金經理看 AI，習慣順著模型的變化一路往下拆。比如如果大家判斷下一階段的重點是多智能體，他就會繼續往下看，找到最關鍵的約束變數；在這條線上，Token[9] 成本往往就是那個核心變數，最後再圍繞它去買股票。但我從美國基金那裡，幾乎沒聽過有人這樣想問題。他們不會盯著卡脖子的環節，而是習慣把邏輯和倉位分散開。我不覺得現在有很多美國基金會因為這一輪亞洲產業鏈表現好，就立刻決定系統性地加大亞洲佈局。晚點：這兩種差異背後反映了什麼？劉迪凡：美國的 LP 喜歡穩定、可預期的收益，所以他們的基金經理不 FOMO（Fear of missing out，害怕錯過），更傾向於在長期標的上建立自己的護城河。他們的組合裡往往會放幾隻確定性很強的好公司，那怕一年只複合增長 15%，只要價格不貴，也願意長期持有。整個亞洲的 LP 大多還是希望投基金再致富一把，所以基金經理不太願意做那種特別明牌的東西，因為這往往不是拐點交易，彈性沒那麼大；反而是在模糊不清、爭議很大的時候，想像空間才更大。晚點：這輪亞洲 PM 的優勢，你覺得更像一輪市場風格給的 Alpha[10]，還是全球科技投資的話語權正在往更懂供應鏈的人手裡轉移？劉迪凡：我覺得還需要有更多的證明。首先是半導體供應鏈這個類股整體還是比較小的；其次是比如像 Lumentum[11] 這樣的公司，它其實還是一個千億以內市值的公司，美國那些大型 TMT 基金未必是不懂，而是他們體量太大了不敢進去。某種程度上，這更像是大基金和中小基金可投範圍的區別，而不完全是亞洲基金更聰明的區別。另外畢竟再怎麼說，OpenAI、Anthropic 都還是美國公司。我可以肯定的是像美國的核心資產，比如 Roblox、Robinhood、還有 Plantier 跌到價位，一定還是由美國基金來賺這錢的。晚點：今年 AI 上還有一個很矛盾的現象，一方面市場樂見大型科技公司不斷追加 Capex（資本支出）應對激烈的 AI 競爭，另一方面他們對這些科技公司的利潤表現卻有著極其苛刻的要求。劉迪凡：這就像在矽谷的人天天看著 Token 量暴漲很興奮，然後覺得曼哈頓的人都是傻帽一樣；曼哈頓的人偏傳統一些，也沒用那麼多 Token，信心自然就沒那麼強。但我覺得本質還是市場環境決定的。現在整體流動性偏緊，又疊加戰爭衝擊，資金只願意追逐那些最卡脖子的、下個月就能兌現的標的，否則就沒有人買。我最近聊了一個美國的基金經理，他在打仗以後，從原先的 4 倍的槓桿一下就降到了 0.8 倍。晚點：但去年大家還是非常樂觀的，比如阿里巴巴只要一喊要上調 Capex 股價就漲，但今年再喊好像就沒用了。劉迪凡：這個確實不好說。也許過幾天美國宣佈戰爭勝利，大家又想賺錢了，流動性就會寬鬆一點，或者美國經濟又出現一點衰退跡象，這樣降息路徑又明顯一些。反正很多因素是纏在一起、來回拉扯的。但總的來說，現在市場對 AI 泡沫論最大的擔心點，還是這些錢最後到底花到那兒去了。如果這幾千億美元的資本開支，最後很大一部分都流向了儲存，而不是更快地轉成收入、利潤和更清晰的回報，市場就會一直有疑慮。現在幾家大廠合起來已經花了 6000 多億美元，已經接近它們自身的所有現金流。但在這個階段，誰也不敢先收手，這就是囚徒困境。誰要是先退，市場很可能先給它砸個 10% 到 15%。所以那些既沒有跟到足夠細的 Token 資料、又擔心大盤下跌的資金，始終不會真正參與進來。晚點：在 AI 上，美國與亞洲的基金現在有什麼共識與非共識嗎？劉迪凡：我覺得共識就是，都在等待裁員潮，未來肯定要政府出手才能防止蕭條。非共識的就是大家還是賺不同的錢。亞洲基金搞硬體，看算力瓶頸的變化，那裡有瓶頸就去那裡；美國的基金就是以不變應萬變。畢竟大家面對的不是一個客戶群，就跟各搞各的 AI 其實有點一樣。另外亞洲基金就會嘲笑美國那邊沒有應對 AI 末日情景的預案，它們敢重手去空那些會被 AI 衝擊的資產，但美國的 TMT 基金很多時候做不到把倉位直接翻到淨空 [12]，這就是很現實的差別，美國的基金主要靠保持恆定的空倉比例來應對市場變化。晚點：對中產來說，應該如何配置科技類（TMT）資產？劉迪凡：首先，把美股作為投資的核心。因為美國是通膨社會，所以資產價格長期來看更容易上漲。標普和納指一直是美國家庭和家辦最核心的 Beta[13] 配置，其他市場通常不具備這樣的 Beta 屬性。第二，避免一級投資。一級很難退出，未來十年的不確定性太大。第三，固收意義不大，還不如選些 Beta 低一點的基金。第四，基金配置的專業門檻很高。更合適的做法是幾家資金聯合起來，投那些自己能研究清楚、資訊透明、也足夠熟悉的基金經理。不要只靠管道推薦或歷史業績做決定，因為一旦遇到回撤，你如果不理解背後的邏輯，就很難判斷該不該繼續持有。第五，個股投資很難。牛市裡看起來容易賺錢，但其實很難形成可重複的方法，尤其到了回撤階段，很多人並沒有真正的方法論，所以並不推薦。討論東昇西落沒有任何意義晚點：接下來除了越來越頻繁的戰爭和 AI 帶來的變化以外，還會發生什麼？劉迪凡：美國眼下的潛在風險還是衰退。很多美國宏觀基金經理認為，美股從去年 10 月開始整體就有點漲不動了，這至少說明市場差不多見頂了。另一個很重要的背景是，美國炒股的人非常多，股票對居民財富效應的影響也非常直接。如果美股因為各種原因出現一輪 15% 左右的下跌，散戶可能會進一步加快拋售，而這種拋售本身又會反過來壓制消費和信心，形成一種反身性的負反饋，最後把衰退風險進一步放大。晚點：亞洲市場呢？劉迪凡：中國乃至整個亞洲，長期都是一個有 Alpha 的市場。而且亞洲也已經有幾家基金證明了自己能穿越牛熊，比如香港的 Aspex Management、Trivest Advisors 和 WT Asset Management[14][15][16]。隨著這一輪業績繼續兌現，亞洲基金在 2019、2020 年之後，可能會再迎來新一波管理規模擴張，市場上也許會出現新一批幾十億美元、甚至四五十億美元等級的基金。特別是最近這半年，市場裡也存在一種很強的聲音：這個世界還是亞洲的，亞洲基金經理什麼都能做、就是能卷，美國人也沒什麼厲害的。晚點：我記得兩年前你提到過，國內的基金經理們很喜歡講 “東昇西落” 這個概念，現在大家還喜歡講嗎？劉迪凡：東昇西落是一個很二極體的詞，這種討論其實沒有很多意義。我去年年初和一家大型平台型基金的人聊過一次。那時候美股很好，中國市場不行，我就問他：中國這些基金經理如果一直做不出來業績，你們怎麼處理？我當時其實有點疑問，覺得如果一個市場長期沒有行情，這批人是不是就沒價值了。但他說不是這麼看的。因為他們是市場中性思維，所以會覺得，任何風格都有變化期，不能因為這兩年中國不行，就否定中國的基金經理。如何正確評價他們——第一，看中國基金經理彼此之間的相對表現，不能簡單拿去和美國基金經理直接比；第二，看他相對於指數到底做得怎麼樣。那怕現在看起來只是一張草紙、一條毛巾，最後也未必沒有用。這種分散 Alpha 的思路特別強。你看 Point 72[17]，去年第三季度海外業務大概佔三分之一，亞洲又佔海外的三分之二，說明亞洲這邊本身就能貢獻很多盈利。晚點：你見過厲害的基金經理們是如何在這種新常態下做交易的？劉迪凡：少數宏觀基金經理會把一些事件看作未來很大的尾部風險，提前佈局；但更多人還是會在自己最擅長的領域裡下注，而且更看重市場走勢。比如我知道最近有些人看好柴油，是因為經過一整套分析後，發現柴油的價格反應最明顯、最適合交易。即便如此，他們也不會長期死拿。宏觀交易和創投不一樣，不是看對一個長期方向就能一直持有，而是一定會設止盈、止損，在交易中反覆進出。因為他們知道，供給、生產和宏觀周期本來就在不斷波動。加倉也是一樣。除了極少數判斷特別堅定的人，大多數人通常不是因為自己覺得油價長期會到一百美元，就一開始上很大的倉位；而是要等市場走勢進一步確認，才會逐步加倉。中間變數太多，包括用什麼工具、怎麼配期限，任何一個環節不對，就算方向看對了，也未必賺得到錢。晚點：這些聽上去還是很常規的操作。那在現在這個階段對他們來說，有沒有一些新的素質或能力，是過去可能不那麼重要、但現在變得越來越關鍵的？劉迪凡：我之前調研過一位很成功的基金經理，他說自己前十年業績其實很好，但一直沒人投，原因很簡單：他說不清楚自己到底是怎麼賺錢的。因為他的打法裡帶有很多擇時和交易成分，不太容易被包裝成一個完整、穩定的故事。但他一直堅持一點，就是報憂不報喜。基金一旦出現回撤，他會主動告訴投資人，這次為什麼會回撤、自己是怎麼處理的。在他看來，這些比講故事重要得多。資管行業最後建立的不是對某套漂亮方法論的迷信，而是信任；而信任，往往恰恰是在你虧損、回撤的時候建立起來的。我覺得這個現在變得更重要了。晚點：所以在這種波動很大的時代，投資人要怎樣才能找到好的基金經理？劉迪凡：核心要 nimble（保持極大的靈活性），願意接受新的想法，嘗試不同思路。現在的市場有三個特點：第一，AI 影響的真實不確定性。市場並不清楚 AI 會以什麼節奏、分幾步影響經濟——那些行業會被衝擊，那些行業會爆發，以及這些變化會在什麼時候發生。第二，壓縮與釋放的循環。市場押注某⼀敘事時，相關因子 [18] 交易一度會被推到歷史極端位置，一旦原有敘事受挑戰，就會出現劇烈反轉；多次急速的風格輪動，背後都能看到避險基金和散戶去槓桿的推動。第三，錯位即機會。每一次市場錯位，都會為那些基於基本面、且有較高信心的倉位，提供不錯的進出場機會；同時地緣政治、關稅變化以及 AI 對勞動力的影響，也在持續抬高市場的複雜度。在這種環境下，一些看好長期敘事型的投資方法可能被徹底顛覆，因為沒人能預測得了那麼遠。另外是有可能以後做空機會要比做多機會多多了，因此必須適應環境、擴寬能力、迭代打法。看得廣、靈活能跨界，比深度垂直研究、長維度預測，價值要大得多。晚點：一年多以前，你說中國的 LP 們選基金用的是買包心態，買了誰的產品，然後賺了多少錢，略帶些炫耀。現在這個情況有變化嗎？劉迪凡：有。廣泛地來說，配置海外避險基金已經從一個方法變成了一個共識，現在只要海外有錢都會去考慮配置海外避險基金。我在香港參會，發現本行業的從業機構和人員暴增。這裡面一個關鍵的因素是，亞洲基金最近兩年表現得很好，所以他們會覺得配置基金也沒那麼難了。另外就是他們對策略也更熟悉了，宏觀經濟、事件驅動都在瞭解。我記得僅僅 1-2 年前，我還有個 LP 慨嘆基金配置很孤獨，現在又成了每個家辦都在幹了。可見凡事不能線性思維，有時候大邏輯對了，孤獨就孤獨吧。晚點：沒變的是什麼？劉迪凡：沒變的就是老闆們還是把家辦當成自己的第二春事業來做，要自己當 CIO，認為是在自己的英明指導下有了 Alpha。另外 AI 對大家的影響很大。中國人依舊對能指向未來的東西非常感興趣，甚至說只對這東西感興趣。美國的家辦就分散得多。晚點：中國的家辦們的投資方式有變化嗎？劉迪凡：家辦其實很難被當成一個整體來看。每一家都有自己的做法，而且會隨著所處階段不同，經歷不同的變化和循環。有的家辦原本做配置，後來又變回老闆自己下場炒股；有的經歷了 2022 年之後變得非常保守，大幅壓縮合作的基金經理數量，把資金更集中地交給少數幾個人；還有更多是這兩年隨著股市、尤其是美股走強，新出現的一批配置型家辦，它們把配置海外避險基金當成一種基礎的投資方法。這有點像投美股指數。長期看，它似乎總是在漲，但落到某一個具體時間段，收益和持有體驗會很不一樣，人最後得出的判斷也可能完全不同。晚點：你認為普通投資者應該如何與這個新常態共存？劉迪凡：第一，不要市場熱點在那裡，你就往那裡跑。對於一些小白來說，荷姆茲海峽可能都是兩個星期前才弄明白在那裡的，這樣追熱點有什麼用呢？就像去年大家都在算關稅，今年人人都算有多少桶石油、怎麼挖石油管道，但這些熱點很快就會消失的。第二，要建立自己的判斷標準，想想你的能力圈你的護城河是什麼。那怕你經過重重篩選找到了一個基金經理，如果你相信他，那幹嘛還要去聽一個免費的 Ray Dalio 呢？越是免費的，越不能盲從，我是非常不感冒那種用上下 5000 年、上下 500 年去拍人類的未來，太極端的敘事都是為了博人眼球的。晚點：那要怎樣才能真正抓住 Alpha，而不是被周期和情緒牽著走？劉迪凡：這些年我越來越覺得，只有在一個地方待得足夠久，才更容易看到 Alpha 機會，也就是別人恐慌、你敢貪婪的那個時點。不能一跌就跑，看到別人賺錢了再回來，這樣往往兩頭挨打。還有一點，就是賺錢的時候要主動分散，而不是繼續 All in，因為很多機會本質上都有周期。比如，我們這幾年一直在美國生物技術、能源電力、日本事件驅動等領域持續深耕，慢慢看到的 Alpha 機會也越來越多。工具箱越豐富，回報才越有機會做得更穩。 (晚點)

輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。中信建投通訊&人工智慧、電腦、電子、機械團隊推出【AI算力產業鏈投資前景】系列研究：01 GTC 大會召開， Token 為王，持續看好AI算力類股1）輝達 2026 年 GTC 大會召開，以 “Token 為王，7 芯 5 櫃迎 Agent 新時代” 為核心主線，宣告 AI 產業已從訓練全面進入推理主導的新階段，Token 成AI 時代的核心數字商品，算力需求迎來百萬級指數增長，並宣佈Rubin+Blackwell晶片到2027年營收將超過1兆美金。2）大會回溯 CUDA 架構二十年發展鑄就的生態護城河，發佈 cuDF、cuVS 兩大核心軟體庫與 Vera Rubin 超級 AI 平台，深度佈局 OpenClaw 智能體生態，同時公佈 Feynman 架構、DSX 基建平台、軌道太空資料中心等前瞻規劃。我們認為，本次 GTC 大會進一步驗證了 AI 產業的高景氣度與長期成長空間，我們持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域，我們對 AI 帶動的算力需求以及應用持續樂觀。輝達 2026 年 GTC 大會隆重舉行，本次大會全面展現了輝達在 AI 領域的全端技術實力與長期產業佈局，成為 AI 產業從大模型訓練向推理與智能體應用演進的關鍵里程碑。大會開篇，黃仁勳用近十分鐘回溯了 CUDA 架構誕生二十年的演進歷程，明確 CUDA 是輝達所有業務的核心，其最難以複製的壁壘，是二十年沉澱的全球海量安裝基數，以及由此形成的 “安裝基數 - 開發者 - 技術突破 - 生態擴容” 閉環增長飛輪。二十年技術深耕讓 CUDA 形成了覆蓋數千種工具、編譯器、框架和庫的完整開發生態，數億塊可運行 CUDA 的 GPU 與計算系統實現了對全球主流雲廠商、企業的全覆蓋，這是競爭對手無法通過技術、資金在短期追趕的核心護城河，而 CUDA 帶來的超長產品生命周期與持續軟體最佳化能力，也持續放大輝達的成本與生態優勢。本次大會的核心主線明確了 “Token 為王” 的 AI 產業新邏輯，正式宣告 AI 推理拐點已經到來。大會指出，ChatGPT 開啟生成式 AI、推理 AI 實現邏輯規劃、Claude Code 開啟代理時代三大里程碑事件，推動 Token 使用量呈爆炸式增長，AI 產業已從訓練主導階段全面進入推理主導的全新階段，AI 的思考、行動、閱讀、推理全環節都依賴推理計算，算力需求增長已達 100 萬倍。黃仁勳在大會中重新定義了 AI 產業的商業邏輯，指出受電力等物理條件限制，資料中心的核心價值已從傳統儲存計算中心，重構為生產 Token 的 “AI 工廠”，衡量 AI 系統效率的核心指標是每瓦特功耗能夠生成的 Token 數量，Token 成為 AI 時代的核心數字商品。輝達通過軟硬體全端協同設計，實現了 Token 生產成本的全球絕對領先，從 Hopper H200 到 GB NVL72 架構，每 GW 性能提升 35-50 倍，僅軟體棧更新即可讓現有推理平台的 Token 生成速度提升約 7 倍，同時輝達重磅宣佈 Rubin+Blackwell 晶片到 2027年營收將至少達到 1 兆美元，為 AI 算力產業的長期增長打開了空間。為適配推理與智能體時代的需求，輝達在大會中完成了軟體與硬體的全端革新。軟體層面，大會重磅發佈 cuDF、cuVS 兩大核心軟體庫，重構適配智能體時代的企業級資料處理基礎設施，其中 cuDF 專為結構化資料加速，完美適配企業常用的 SQL、Excel 等工具，解決 AI 讀資料慢的核心瓶頸，cuVS 則專注非結構化資料處理，能夠啟動企業內佔比超 90% 的非結構化沉睡資料，目前兩項技術已在 IBM、雀巢等企業落地應用，實現了資料處理效率的大幅提升與成本的顯著下降。同時，輝達宣佈深度支援開源智能體作業系統 OpenClaw，黃仁勳評價其增長速度超過過往數十年的 Linux，是智能體時代的關鍵軟體底座，針對企業級智能體部署的安全痛點，輝達同步推出企業級安全增強版 NemoClaw 參考架構，解決了智能體落地的核心安全障礙，並明確預判傳統 SaaS 模式將全面轉向 AaaS（智能體即服務），未來幾乎所有軟體企業都將被這一浪潮重構。硬體層面，大會重磅發佈了已全面投產的 Vera Rubin 超級 AI 平台，這是專為智能體 AI 打造的軟硬體全端垂直整合計算系統，也是輝達支撐兆營收目標的核心硬體底座。該平台通過 7 款自研晶片 + 五大專用機架的全鏈路協同設計，覆蓋計算、網路、儲存三大核心環節，專為高 Token 消耗、長上下文處理的智能體工作負載設計，目前已獲得 Anthropic、OpenAI、Meta 等頭部 AI 廠商及全球頂級雲服務商的客戶支援。平台通過 Rubin GPU 與自研 Vera CPU 協同、Groq3 LPU 低延遲推理異構加速、BlueField-4 DPU 驅動的 STX 儲存架構革新、全液冷系統與 CPO 光電共封裝技術升級，實現了 Token 生產能效與成本的顛覆性最佳化，整套系統可提供 60 exaflops 的運算能力與 10 PB/s 的總擴展頻寬，單吉瓦算力可解鎖 1500 億美元的年營收機會。大會同步推出了平台的超大規模擴展版本 Rubin Ultra，實現了單 NVLink 域 144 顆 GPU 的統一協同，同時黃仁勳明確重申，光銅協同仍是支撐 AI 算力增長的核心支柱。此外，本次大會輝達還完成了 AI 算力的全維度長期規劃，公佈了三大核心前瞻佈局：一是 2028 年將商用的下一代 Feynman 架構，核心目標是將傳統資料中心伺服器叢集重構為一台高度整合的巨型超級電腦，通過定製化 HBM 記憶體、自研 Rosa CPU、計算儲存封裝深度耦合實現算力的跨越式升級；二是 NVIDIA DSX 端到端基礎設施平台，覆蓋 AI 資料中心從設計、建設到維運的全流程，解決超大規模算力叢集的部署效率、能源效率與穩定性核心痛點；三是太空算力前瞻佈局，計畫聯合合作夥伴開發 Vera Rubin Space One 太空計算平台，在地球軌道建設太空資料中心，突破地面算力的邊界限制。整體而言，本次 GTC 大會全面驗證了 AI 產業仍處於高速發展的產業革命處理程序中，明確了推理拐點的到來與智能體時代的開啟，將持續帶動全球 AI 算力需求的爆發式增長。我們對 AI 帶動的算力需求以及應用發展持續樂觀，算力類股的短期波動不改長期成長邏輯，持續推薦 AI 算力產業鏈相關標的，包括GPU/CPU、光模組、光晶片、液冷、光纖光纜等算力鏈上下游細分領域。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。02 關注數位人民幣和國產算力鏈數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。數位人民幣營運機構有望擴容，12家商業銀行或將入圍，數位人民幣相關系統建設與改造需求有望加速釋放。 25年12月，《關於進一步加強數位人民幣管理服務體系和相關金融基礎設施建設的行動方案》出台，新一代數位人民幣計量框架、管理體系、運行機制和生態體繫於2026年1月1日啟動實施，標誌著數位人民幣正式進入M1/M2的新時代。數位人民幣計息擴容等落地實施成為後續關注重點。3月20日，根據上證報新聞，自相關管道獲悉，數字人民幣業務營運機構有望擴容，12家商業銀行或入圍，將接入央行端數位人民幣系統。有望擴容名單包括中信銀行、光大銀行、華夏銀行、民生銀行、廣發銀行、浦發銀行、浙商銀行這7家全國性股份行；寧波銀行、江蘇銀行、北京銀行、南京銀行、蘇州銀行這5家地方城商商行。一家城商行人士向記者證實已經收到有關部門相關通知要求，需要如期完成系統研發、聯調測試、驗收投產、上線面客等工作。此外，3月17日，寧波銀行在其官方採購管理系統發佈了兩則公告，對外召集“數位人民幣系統建設項目供應商”。公告顯示根據業務發展需要，按照寧波銀行採購相關管理辦法，擬對《數位人民幣系統建設項目》面向社會公開徵集供應商，誠邀符合條件的供應商參與方案洽談。我們認為，隨著數位人民幣進入M1/M2時代，銀行營運推廣數位人民幣的動力大幅增加，數位人民幣核心系統建設以及相關IT系統改造需求有望加速釋放。阿里雲與AI業務強勁增長，管理層目標相關業務五年年化增速約47%。阿里於3月19日發佈截至2025年12月31日的2026財年Q3財報，阿里雲收入432.84億元，同比增長36%，AI相關產品收入連續第十個季度三位數增長，AI已經成為公司主要增長引擎之一。資本開支方面，阿里持續加大投入力度，最新財季資本開支約290億元，且公司CEO在業績會上提出考慮到客戶AI推理需求的爆發式增長，此前提及的3800億元投資可能顯得偏小，會在確保財務健康的前提下動態調整資本開支節奏。今年以來，阿里雲在模型、應用、晶片層均取得一定突破，Qwen3.5-Plus在推理、程式設計、Agent智能體等領域取得積極進展。阿里自研的平頭哥GPU晶片截至2026年2月已累計規模化交付47萬片，年化營收規模達百億，已為阿里的雲基礎設施提供實質性貢獻。據阿里CEO吳泳銘，阿里雲基礎能力的建設和持續增長正將阿里巴巴的AI戰略推向新的高潮，五年內阿里雲和AI商業化年收入將從今年的1000多億元大幅增長至1000億美元，復合年化增長約47%。為了實現AI商業化加速落地，阿里近期發佈了企業級AI原生工作平台“悟空”，悟空Agent能原生操作釘釘上千項能力。此外，阿里本周還宣佈正式成立Alibaba Token Hub（ATH）事業群，圍繞“創造Token、輸送Token、應用Token”重組AI業務體系，為AI toB & to C業務拓展提供組織保障和戰略協同。AI逐步融入騰訊各項業務，騰訊雲首次實現規模化盈利。騰訊於3月18日發佈2025年全年業績，收入利潤均實現穩健增長。AI正融入騰訊各個業務類股，遊戲業務部署AI以改善使用者體驗、廣告業務融入AI提升行銷效益、元寶及微信等服務接入AI能力完善生態佈局等。此外，騰訊雲2025年雖然因為優先保障內部需求導致外部客戶GPU供應有限，營收相對承壓，但仍首次實現規模化盈利，調整後營業利潤達50億元。資本開支方面，騰訊2025年全年約為792億元，同比小幅增長3%創歷史新高，2026年一方面加大AI產品投入，混元、元寶相關投入在2025年180億元基礎上預計2026年投入翻倍；另一方面，會根據AI訓練推理需求、雲業務增長和晶片供應情況動態調整資本開支節奏，2026年資本開支會高於2025年。騰訊預計將瞄準AI融入產品生態中的發展戰略，今年以來騰訊密集發佈包含元寶派、WorkBuddy、QClaw等AI功能與產品，有望憑藉自身社交、辦公相關生態卡位優勢搶佔AI時代流量入口。總結：數位人民幣營運機構擬擴容至12家商業銀行，相關IT系統建設需求提速。2025年底相關方案出台，2026年起數位人民幣進入M1/M2時代，計息擴容等成為後續關注重點。阿里最新季度阿里雲收入同比增 36%，AI 業務高增，資本開支加大並上調長期投入目標，設定雲與AI業務五年年化約47%增長目標，同時推進自研晶片、新AI平台及組織架構調整。騰訊2025年業績穩健，AI 融入各業務，騰訊雲首次實現規模化盈利；2026年計畫翻倍加碼AI投入，資本開支將高於上年，並密集推出AI產品，依託生態搶佔AI流量入口。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響（目前美國持續加息，影響科技行業估值，同時市場對於海外衰退預期加強，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓）。03 AI算力驅動散熱架構升級，液冷一次側裝置迎來價值重估AI算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫、穩定、可控要求大幅提升，使得一次側系統從輔助配套升級為核心基礎設施。一次側散熱裝置中冷水機組和壓縮機尤為關鍵，冷水機組作為核心冷源，承擔全天候兜底製冷功能，壓縮機作為冷水機組動力核心，直接決定整機製冷量、能效水平與運行穩定性。隨著資料中心製冷系統向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機單機價值量、技術壁壘與行業集中度同步抬升，具備自主技術的磁懸浮離心壓縮機廠商，以及擁有大冷量產品、切入主流供應鏈的冷水機組龍頭企業將持續受益。AIGC驅動散熱需求爆發，液冷已成首選解決方案AIGC浪潮推動AI大模型迭代及商業化落地持續加速，訓練端與推理端算力需求呈指數級增長，直接帶動全球AIDC進入爆發式建設周期。國內外大型科技企業算力相關資本開支大幅增加，為AIDC建設提供有力支撐，全球及國內AIDC市場規模持續擴容，高功率密度大型、超大型算力中心已成為未來建設重點。與此同時，AIDC單機櫃功率密度持續攀升，傳統風冷技術已無法滿足高密算力的散熱需求，疊加“雙碳”目標下全球資料中心PUE管控標準持續收緊，液冷技術憑藉耗能低、散熱效率高、運行工況優異、全生命周期成本低等核心優勢，成為AIDC製冷系統的首選方案。AIGC驅動、功率密度提升、PUE管控收緊三大因素形成共振，推動液冷散熱需求加速釋放，為液冷一次側散熱行業的快速發展奠定了堅實基礎。液冷一次側散熱重要性提升，冷水機組與壓縮機成核心環節AIDC液冷系統以CDU為界分為一次側與二次側，其中一次側作為室外冷源側，承擔熱量外排核心職能，其冷源方案直接決定資料中心PUE與TCO，與二次側協同完成全流程散熱閉環，一次側散熱作為聯結機房內部熱交換與外部環境排熱的核心鏈路，重要性日益凸顯。一次側散熱方案呈現三大主流格局，冷水機組為兜底冷源，是各類方案中不可或缺的核心，也是液冷一次側價值量與技術壁壘最高的環節。壓縮機作為冷水機組的“心臟”，成本佔比超50%、能耗佔比約72%，由於AIDC與傳統IDC在需求上差異顯著，螺桿壓縮機、傳統離心壓縮機的能效、冷量和穩定性短板凸顯，而磁懸浮離心壓縮機憑藉無油運行、高能效、寬負荷調節、溫控精準等優勢，可完美適配AIDC液冷需求，已成為新建高密度智算中心標配。需求爆發與技術突破共振，一次側散熱國產替代重構行業格局隨著 AIGC 推動全球算力基建高速增長，資料中心算力密度持續提升，散熱需求加速升級，冷水機組與壓縮機作為一次側核心裝置，直接影響資料中心PUE與整體營運成本TOC，行業需求持續釋放。當前全球一次側裝置高端市場長期由開利、特靈、約克、麥克維爾等美系巨頭及磁懸浮領域龍頭丹佛斯佔據，外資憑藉技術、品牌與客戶資源優勢主導高端供給，但普遍存在價格偏高、交付周期長、本土化適配不足及產能緊張等問題，為國內企業帶來替代機遇。國內廠商在政策支援與需求紅利下，已在磁懸浮軸承、高速電機、控制系統等核心技術實現突破，企業憑藉高性價比、快速交付與本土化服務，持續向中高端市場滲透，在冷水機組整機與磁懸浮離心壓縮機環節加速推進國產替代。未來隨著液冷普及與行業格局重構，具備核心技術與規模化交付能力的國產龍頭有望實現市場份額與盈利水平的雙重提升。投資建議：AIDC 液冷一次側散熱已成為AI算力基建的剛性核心環節，行業正處在滲透率快速提升、技術路線升級與國產替代三重共振的高確定性成長階段。AI 算力高密度化推動資料中心散熱從風冷全面轉向液冷，液冷架構對冷源的低溫輸出、連續穩定、精準可控要求大幅提升，使得一次側系統由輔助配套升級為算力基礎設施的核心組成部分。液冷一次側系統中，冷水機組和壓縮機因其承擔核心供冷與動力輸出職能、契合冷源高效化升級趨勢，重要性和價值量顯著提升，其中冷水機組承擔全天候兜底製冷與穩定供冷功能，是液冷體系中不可或缺的關鍵裝備；壓縮機作為冷水機組唯一做功部件與“動力心臟”，價值量佔比超50%，直接決定整機製冷量、能效水平與運行穩定性，是產業鏈技術壁壘與盈利核心。隨著液冷滲透率持續提升、單機櫃功率不斷上移，資料中心冷源正加速向中溫高效、大冷量、磁懸浮離心方向升級，帶動冷水機組和壓縮機從傳統螺桿路線向磁懸浮離心路線迭代，單機價值量、技術壁壘與行業集中度同步抬升。建議聚焦AIDC液冷一次側散熱高價值、高壁壘環節，重點佈局兩條主線：①磁懸浮離心壓縮機核心標的：優先選擇已實現磁懸浮軸承、高速永磁電機、控制系統自主突破，產品完成客戶驗證並進入批次供貨的壓縮機廠商，充分受益技術迭代與國產替代紅利；②大功率冷水機組整機龍頭：重點關注面向AIDC場景、具備大冷量機型與系統方案能力，已切入主流雲廠商與算力中心供應鏈的冷水機組企業，受益行業規模擴張與格局集中。1.1 AIGC浪潮驅動全球算力基礎設施建設進入爆發式增長周期AI大模型迭代與商業化落地加速，共同推動算力需求在訓練端與推理端呈現指數級增長。訓練端，隨著AI大模型從基礎研發向超大規模、多模態、AI智能體（Agents）升級，模型的參數量從1.17億提升至數兆，模型結構也從稠密LLM模型向MoE稀疏化模型以及多模態模型持續演進發展，單次任務Token消耗量呈指數級上升。與此同時，模型數量也在呈井噴式增長，據中國資訊通訊研究院統計，截至2025年6月底，中國已發佈1509個大模型，在全球已發佈的3755個大模型中數量位居首位。推理端，AI大模型推動各領域智能化轉型加速，已從初步應用向深度賦能階段邁進，成為推動行業高品質發展的核心驅動力。從發展趨勢來看，隨著多模態大模型技術的不斷迭代以及具身智能的逐步落地，AI技術將打破現有應用邊界，更深層次地融入生產生活各領域，催生出新的應用場景與商業模式。無論是從AI業務負載還是應用發展趨勢，都在驅動算力需求呈現爆發式增長。AIDC作為AI產業的核心算力基座，其建設規模與增速與AI行業發展高度相關，當前全球算力技術設施建設正進入新一輪快速發展期。根據科智諮詢與Global Growth Insights資料，2021年全球資料中心市場規模為765.6億美元，預計2026年將達到1459.2億美元，2027年將增至1632.5億美元，到2035年將進一步達到2621.5億美元以上，未來十年全球AIDC市場將呈現高速增長態勢。國內市場方面，根據工信部資料顯示，截至2025年6月，中國在用算力中心標準機架達1085萬架，智能算力規模達788EFLOPS，幹線400G連接埠數量大幅增加至14060個，存力總規模超過1680EB，全國算力中心平均電能利用效率（PUE）降至1.42，算力基礎設施規模和水平不斷提升。與此同時，大型以上算力中心機架數量佔算力中心總機架規模比重逐年上漲，部分超大型算力中心的平均單機櫃功率已達20kW，高功率密度、高算力的大型、超大型算力中心已經成為未來建設的重點。本輪全球算力基礎設施建設提速主要源自國內外大型科技企業持續的資本開支增加。自2022年以來，北美四大雲廠商為代表的國內外大型科技企業資本開支經歷了顯著的周期性變化。2022年至2023年上半年，受宏觀經濟逆風及疫情後需求變化影響，資本開支增速放緩甚至出現負增長。然而，自2023年下半年起，受生成式AI技術突破驅動，無論是海外的科技巨頭，還是國內的網際網路大廠，均在人工智慧基礎設施上投入重金，開啟了新一輪激進的“AI軍備競賽”，資本開支在2024年和2025年呈現爆發式增長，主要資金流向AI基礎設施，主要包括購買GPU和定製晶片、建設或租賃大規模智算中心、採購配套能源設施等，以應對大模型訓練與推理帶來的算力挑戰。2025年全球各大雲廠商均宣佈了近千億美元等級的資本開支計畫，核心投向用於AI訓練和推理的GPU叢集，其中OpenAI正計畫到2030年累計投入約6000億美元用於算力支出，字節跳動初步規劃2026年資本開支1600億元人民幣，較2025年同比增長7%，阿里雲則在未來三年3800億元資本開支基礎上額外增加投入。風險提示：1）技術迭代不及預期風險：磁懸浮離心壓縮機核心技術（磁懸浮軸承、高速永磁電機）研發難度高，若國內廠商技術突破進度慢於行業升級節奏，或液冷冷源出現更優替代技術路線，可能導致相關企業產品競爭力下降，錯失行業增長機遇。2）核心零部件供應鏈風險：冷水機組、磁懸浮壓縮機部分高端零部件（如精密感測器、高端控製器）仍依賴進口，若海外供應鏈出現中斷、進口限制或價格大幅上漲，將影響國內企業生產交付、成本控制及產品性能穩定性。3）行業需求落地不及預期風險：AIDC建設受AI算力擴張節奏、政策調控、資本開支收縮等因素影響，若下游算力中心建設進度放緩，液冷滲透率提升不及預期，將直接影響冷水機組、磁懸浮壓縮機的訂單放量，拖累行業及相關企業成長。4）行業競爭加劇風險：隨著液冷一次側散熱賽道熱度提升，傳統製冷企業、跨界企業加速佈局冷水機組及磁懸浮壓縮機領域，可能引發價格戰，導致行業盈利水平下滑；同時，海外頭部廠商若加速產能釋放、技術下沉，將擠壓國產廠商市場份額。04 公募基金通訊行業持倉佔比再創新高，持續推薦AI算力類股2025Q4，公募基金通訊行業持倉市值3428.71億元，同比增長63.80%，環比增長12.84%，創歷史新高；公募基金通訊行業持倉市值佔比10.18%，創歷史新高，較2025Q3的持倉佔比6.87%提升3.31pcts，較2024Q4的持倉佔比3.57%提升6.61pcts。通訊行業公募基金持倉市值前十大個股集中在光模組光器件類股。部分算力公司已披露業績預告，保持較快增長勢頭。近期，算力類股走勢糾結，我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，也建議關注可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股、量子科技類股。AI算力需求增長強勁，算力產業鏈部分公司業績高增發佈業績預告的光模組/光器件公司2025年歸母淨利潤幾乎均實現50%以上的同比增長，其中長芯博創、光庫科技預計2025年歸母淨利潤同比增長超過100%，光模組/光器件公司業績表現突出主要是受益於人工智慧相關算力投資持續增長。同時，連接器公司鼎通科技受益於AI驅動連接器市場需求旺盛，業績顯著增長。近期，算力類股走勢比較糾結。我們預計一是因為市場對2027年的需求展望仍存分歧，二是類股持倉較重。我們認為調整是機會。目前，AI大模型仍在持續迭代升級，算力需求旺盛，站在中期視角我們仍建議持續重視AI類股。一方面，我們持續推薦AI算力類股，包括北美算力產業鏈與國內算力產業鏈的核心公司；另一方面，我們也建議關注AI應用類股，特別是端側AI Agent的進展。此外，我們也建議關注未來可能邊際改善的海纜及光纖光纜類股、軍工通訊及商業航天類股，國內外巨頭紛紛加碼的量子科技類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。05 千問接入阿里生態業務，台積電超預期，推薦算力類股1月15日，Qwen App正式宣佈全面接入淘寶、支付寶、淘寶閃購、飛豬、高德等阿里生態業務。這一動作標誌著Qwen App超越了傳統意義上的“聊天機器人”。與此前ChatGPT、Gemini已經推出的購物功能相比，依託阿里生態的各項業務，Qwen App能夠做的事情更多，成為了全球首個能完成真實生活複雜任務的AI助手。長期以來，使用者對大模型的體感大多停留在螢幕內的數字閉環，AI可以幫助使用者寫文案、畫圖，但一旦涉及現實世界的互動，AI往往會因為缺乏執行工具而無法操作。而此次Qwen App的升級，改變了這一局面。在這場AI超級入口戰役中，Qwen被內部賦予的差異點之一是，阿里擁有Qwen開源模型和從支付、購物到出行、旅行、娛樂的生態和履約能力，因此“模型”+“生態”整合會是其獨特優勢所在。發佈會現場，Qwen C端事業群總裁吳嘉演示了一個典型的生活場景：使用者僅需語音下達“幫我點40杯霸王茶姬的伯牙絕弦”指令，Qwen App即刻呼叫淘寶閃購介面生成訂單，並通過系統級打通的“支付寶AI付”完成支付，全程無需跳轉第三方應用。這種所說即所得的體驗重構了消費鏈路，過去的電商購物需要“搜尋-比價-加購-支付”等繁瑣步驟，而Qwen將其折疊為一個對話方塊，引領行業從傳統聊天工具正式邁入辦事時代。我們認為，大模型已經持續迭代超過3年，CSP廠商也為此投入大額資本開支，2026年有望成為AI全面走嚮應用發展的一年，包括整合生態推出各類AI助手、通過廣告引流實現創收等，建議重視AI應用的發展。當然，AI應用的發展也會繼續推動大模型進一步訓練迭代以及推理算力的持續增長，因此也持續看好算力類股。台積電披露最新財報，收入、淨利潤、毛利率與資本開支指引均超出市場預期，公司提及大額資本開支指引是基於與客戶反覆溝通後確定的。對此，我們認為台積電的指引可以作為算力行業的重要前瞻指標，預期2027年算力需求仍有望保持強勁增長勢頭，從通訊行業來看我們持續推薦光模組、液冷、光纖光纜等類股。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。06 國內算力與衛星網際網路建設或再提速，重點關注輝達宣佈新一代“Rubin”計算架構平台已正式進入量產階段，中國客戶對H200的需求“非常高”。工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》。DeepSeek或將推出新一代旗艦級人工智慧模型。除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，其中，中國移動申報了兩個星座，規模為2664顆衛星。中國移動資金實力強，客戶規模龐大，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司建議重點關注。在CES 2026主題演講中，輝達CEO黃仁勳宣佈新一代“Rubin”計算架構平台已正式進入量產階段。其在接受媒體採訪時表示：公司已重啟H200供應鏈，中國客戶對H200的需求“非常高”。同時，馬斯克旗下AI初創公司xAI發佈公告，宣佈已完成一輪200億美元的E輪融資，超過了此前設定的150億美元目標，公司計畫利用本輪新融資，繼續擴巨量資料中心規模，並推進Grok模型的進一步開發與訓練。近日，工信部等八部門聯合印發《“人工智慧+製造”專項行動實施意見》，提出到2027年，中國人工智慧關鍵核心技術實現安全可靠供給，產業規模和賦能水平穩居世界前列。此外根據新浪財經報導，DeepSeek預計將在未來幾周內推出新一代旗艦級人工智慧模型，該模型主打強勁的程式碼生成能力。在大模型能力提升和下游應用逐漸萌芽等因素的推動下，國內AI算力需求有望持續提升，除北美算力鏈持續推薦外，我們建議近期重點關注國產算力產業鏈，包括IDC及產業鏈（HVDC/液冷/柴發）、交換機等環節。根據國際電信聯盟（ITU）最新披露資料，中國相關機構開啟了超大規模衛星星座計畫，申報20萬顆，這一規模創下國內衛星星座申報的新紀錄。其中，中國移動申報了兩個星座：分別被命名為CHINAMOBILE-L1，規模為2520顆（低軌）；CHINAMOBILE-M1，規模為144顆（中軌），兩個星座總計為2664顆衛星。中國移動資金實力強，且作為基礎電信營運商，客戶規模龐大，並擁有衛星移動通訊業務牌照，該申請對衛星網際網路產業鏈別具意義，持續建議關注衛星網際網路產業鏈，尤其是衛星製造及上游元器件，其中如果業務涉及傳統地面通訊網路裝置業務、且又深度參與衛星網際網路建設的公司。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。07 持續推薦AI算力類股，關注量子計算與商業航天產業鏈OpenAI發佈其人工智慧模型的最新升級版GPT-5.2，提供Instant、Thinking和Pro三種模型，是迄今在專業知識工作領域中能力最強的模型系列，在製作電子表格、建構簡報、編寫程式碼、圖像理解、長文字處理、工具使用及處理複雜的多步驟任務等方面都有顯著提升。與GPT-5.1相比，GPT-5.2產生幻覺的情況更少，回答錯誤率相對降低了約30%，這意味著在運用模型進行調研、寫作、分析與決策支援時出錯更少，模型在日常知識型工作中變得更為可靠。博通本周公佈了2025財年第四季度業績，CEO陳福陽表示，未來18個月內博通在AI定製晶片、交換機及其它資料中心硬體產品上的訂單積壓已達730億美元。此外，據彭博社報導，美國將批准輝達向中國出口H200 AI晶片，條件是美政府從銷售額中抽取25%分成，銷售僅限“獲批准的客戶”。我們認為，AI大模型仍在持續迭代升級，競爭遠未結束，算力需求旺盛，繼續看好AI算力類股。北美鏈繼續看好之外，國內鏈也建議重視，一方面國內鏈公司前期調整較多，而北美鏈光模組公司近期已紛紛新高，另一方面隨著國產GPU能力及供給量的提升以及H200的放開，有望加速國內AI算力基礎設施的部署節奏。量子科技作為國家重點佈局的未來產業，近期催化不斷，如國儀量子技術（合肥）股份有限公司科創板IPO申請已獲得受理，國家標準《無液氦稀釋製冷機》正式發佈，建議持續關注量子科技產業鏈，尤其是量子計算整機、稀釋製冷機、低溫同軸線纜等環節。本周，中國在海南商業航天發射場成功將衛星網際網路低軌16組衛星發射升空；文昌國際航天城年產1000顆衛星的超級工廠即將投產，可實現“衛星出廠即發射”的無縫銜接；SpaceX正推進IPO計畫，公司的估值目標或定為約1.5兆美元。此前，國家航天局印發《國家航天局推進商業航天高品質安全發展行動計畫（2025-2027年）》，推進商業航天高品質發展和高水平安全。建議持續關注商業航天領域相關投資機會。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。08 AI大模型與應用持續發展，算力受益，關注量子DeepSeek V3.2正式版發佈，強化Agent能力，融入思考推理。在公開的推理類Benchmark測試中，DeepSeek-V3.2達到了GPT-5的水平，僅略低於Gemini-3.0-Pro。DeepSeek-V3.2-Speciale的目標是將開源模型的推理能力推向極致，探索模型能力的邊界。字節跳動旗下豆包團隊與中興通訊合作推出首款工程樣機nubia M153，支援豆包手機助手，進一步探索手機側AI Agent。我們認為，AI大模型仍在持續迭代，大局未定，各家都存在繼續進步或逆襲可能，所以不能因為某些模型階段性領先就過度看空其餘模型及相關公司產業鏈，AI應用也在持續發展，不論是手機還是眼鏡，尚未到完全突破階段，但都可能引發階段性行情，值得持續關注。亞馬遜發佈Trainium3，基於3奈米製程打造，性能較Trainium2提升4倍，能效提升40%。同時，亞馬遜表示正在研發中的Trainium4將支援與輝達晶片協同工作。AMD蘇姿丰證實已獲批對華出口AI晶片MI308，需向美政府支付15%稅費。摩爾線程上市首日大漲。xPU持續迭代，市場高度關注，有望推動AI進一步快速發展。近期，AI產業鏈催化不斷，包括Google新模型性能大幅提升及TPU展示出的較強能力、DeepSeek V3.2正式版發佈、亞馬遜發佈Trainium3、以及摩爾線程上市市場展現出的高參與熱情等等，同時更多公司包括輝達、阿里、AMD等否認AI泡沫的觀點，均展現了AI的良好發展前景。目前，世界正處於AI產業革命中，類比工業革命，影響深遠，不能簡單對比近幾年的雲端運算、新能源等，需要以更長期的視角、更高的視野去觀察。因此，我們對AI帶動的算力需求以及應用非常樂觀，持續推薦AI算力類股。工業和資訊化部量子資訊標準化技術委員會籌建方案公示。我們認為，量子科技作為國家重點佈局的未來產業，承載著成為新經濟增長點的重任，建議重點關注稀釋製冷機、低溫同軸線纜等環節。風險提示：國際環境變化對供應鏈的安全和穩定產生影響，對相關公司向海外拓展的進度產生影響；關稅影響超預期；人工智慧行業發展不及預期，影響雲端運算產業鏈相關公司的需求；市場競爭加劇，導致毛利率快速下滑；匯率波動影響外向型企業的匯兌收益與毛利率，包括ICT裝置、光模組/光器件類股的企業；數字經濟和數字中國建設發展不及預期；電信營運商的雲端運算業務發展不及預期；營運商資本開支不及預期；雲廠商資本開支不及預期；通訊模組、智能控製器行業需求不及預期。09 國產算力：替代趨勢較為明確，生態能力逐步完善算力領域我們認為有以下投資機會：1）龍頭公司增長確定性：輝達需要整個產業鏈研發能力快速迭代、快速響應。若能力不夠很難進入輝達產業鏈，或者份額顯著下降，PCB、光模組等龍頭公司與下游晶片公司跟蹤緊密、地位穩固，其中PCB價值量未來將受益於正交背板使用、cowop工藝的提升；2）新技術升級方向，輝達階段性著重解決問題的方向，是獲取超額利潤的子方向。2025年開始，系統方案的供電、散熱問題成為整個系統的瓶頸點。北美缺電越來越明顯，電力系統需要更加穩定以及更加高效的輸送方式，關注HVDC和更高效的SST固態變壓器等技術。同時隨著晶片性能提升，散熱方面遇到越來越多的瓶頸，關注液冷板、CDU、UQD等領域大陸企業份額提升的投資機會，其次如何穩定提高晶片計算頻率，對於AI晶片來說是一個提升性能的關鍵辦法，針對下一代晶片封裝方案演進是未來重要投資方向，關注微通道蓋板、金剛石襯底或者熱介面材料；3）產業鏈加速本土化叢集。為應對快速的研發迭代，產業叢集優勢逐步顯現，如PCB產業鏈國內下游高份額之後，上游的覆銅板，覆銅板上游的樹脂、玻纖布、銅箔等等都開始了國內企業加速驗證，光模組亦是如此；4）訂單外溢。圍繞份額變化投資，隨著龍頭公司訂單外溢，整個產業鏈都呈現高景氣度，部分公司份額提升。中期維度看，訂單向國產晶片傾斜是必然趨勢。由於美國政府晶片法案多輪制裁，輝達旗艦晶片向中國的售賣持續受阻，從2022年的片間互聯、23年的算力以及算力密度限制、到2025年初的1700GB/s通訊頻寬限制，輝達產品被迫多次進行閹割，競爭力持續下降。雲廠商以及人工智慧初創公司基於算力穩定供應訴求，將更多算力採購規劃傾斜向國產晶片，並且比重不斷加大。目前看伴隨國產先進製程逐漸成熟，低端版輝達晶片在國內將不再是具有性價比的採購選項，國產算力市佔率大幅抬升時機已經成熟。目前國產晶片市場集中度提升趨勢明顯。由寒武紀、華為為代表的晶片公司憑藉強大的技術實力、優異的產品性能、以及前線業務資源的大量投入，最先實現商業化客戶業務的成功落地，在大模型推理算力建設中貢獻大量算力；以天數智芯、沐曦、崑崙芯為代表的創業公司也在奮起直追，通過良好的產品性能以及性價比，爭取大規模商業化客戶成單機會，近期可以觀察到國內晶片廠商紛紛投入大量人力物力資源，嘗試與多家頭部網際網路客戶進行業務繫結。國內晶片生態建設分為兩大路線，一條是以天數智芯、沐曦、海光等主打GPGPU路線，追求與輝達的CUDA相容，實現相容性與通用性提高，在客戶處實現遷移成本與遷移時間大幅度下降，在輝達的生態圈內搶佔市場。後續CUDA升級或模型升級，CUDA相容路線軟體棧同樣需要更新升級以適配，長期跟進對人力消耗較大；另一條則是以華為的Mindspore為代表的自主生態，試圖在輝達生態圈外建立單獨生態圈，與輝達進行競爭。其後續突圍能力，除技術成熟度外，更多考量產品出貨量與基於Mindspore開發的研發人員數量，對長期持續投入具有較高要求。財務資料角度看，國產GPU廠商已經進入營收高速增長階段。伴隨其產品運用從prefill階段逐漸向decode階段滲透，並在訓練場景得到一定落地，國產晶片廠在CSP廠處的業績快速躍遷，並為後續更進一步份額抬升打下良好基礎。除營收增速高速增長外，國產GPU廠商存貨同步進入上升軌道，“產品銷售—資金回流—流片放量”循環逐步啟動，國產替代趨勢愈發明確。風險提示：北美經濟衰退預期逐步增強，宏觀環境存在較大的不確定性，國際環境變化影響供應鏈及海外拓展；晶片緊缺可能影響相關公司的正常生產和交付，公司出貨不及預期；疫情影響公司正常生產和交付，導致收入及增速不及預期；資訊化和數位化方面的需求和資本開支不及預期；市場競爭加劇，導致毛利率快速下滑；主要原材料價格上漲，導致毛利率不及預期；匯率波動影響外向型企業的匯兌收益與毛利率；人工智慧技術進步不及預期；汽車與工業智能化進展不及預期；半導體擴產不及預期等。10 記憶體頻寬成為算力卡口，存算架構持續迭代記憶體仍然是AI算力核心卡口，HBM需求持續高景氣。隨著輝達GPU的發佈周期固定在每年一次，算力提升對記憶體容量和頻寬提出了接近每年翻倍的高要求；根據諮詢公司資料，GPU的計算能力在過去20年間增長了60000倍，但同期DRAM記憶體頻寬僅提高了100倍——“記憶體牆”仍將長期存在，通過HBM路線實現低功耗高頻寬趨勢明確。以位元計算，目前HBM佔整個DRAM市場比重仍在個位數，滲透率存在較大提升空間；TrendForce預測到2026年HBM出貨量將超過300億Gb。DRAM產能供給緊缺趨勢不變，SK海力士等龍頭廠商加速擴產。從供給端看，HBM供應仍然緊缺，相應持續擠佔DRAM產能，25Q2~Q3 DRAM廠商現貨報價加速攀升；部分美國與國內廠商已經開始和晶圓廠簽訂2-3年的長期合同進行鎖價。根據Trendforce援引The Bell報導，SK海力士計畫通過清州DRAM工廠M15X和利川M16的擴產，在26H2將其DRAM晶圓產量提高到60萬片/月，和三星的DRAM晶圓產能處於同一水平。具體來看，M15X在投產初期將保持在10000片/月的DRAM晶圓，到26Q4將爬坡至5萬片/月。HBM迭代周期隨之顯著縮短。2025年下半年，輝達量產的GB300搭載的是12層24GB的HBM3e，2026年輝達將發佈的Rubin系列和AMD將發佈的MI400系列均將搭載HBM4/4e。其中輝達計畫在26Q1完成HBM4的最終資格測試。從更新周期來看，JEDEC於2025年4月正式發佈了JESD 270-4高頻寬儲存器(HBM4)標準，（介面寬度從HBM3/HBM3e的1024位翻倍至2048位；堆疊通道數從16個增加到32個，支援24Gb或32Gb晶片的4到16層堆疊配置），較HBM3規範發佈約三年，計畫落地時間較HBM3落地時點亦在三年左右。根據EETimes的預測，HBM的迭代周期從前期的每四年一代提高並穩定到每兩年到兩年半一代。全球龍頭儲存廠商競逐HBM4，SK海力士仍居領先地位，三星美光加速追趕。根據Trendforce預測，2025年SK海力士將以59%的HBM出貨量保持行業領先地位，而三星和美光將各佔20%左右份額。從時點上看，SK海力士於2025年3月交付了全球首批12層HBM4樣品、6月小批次出貨，計畫10月快速進入量產；美光也在25Q2向主要客戶交付了HBM4樣品、計畫2026年進入量產；三星的HBM4樣品25Q2交付給輝達，當前進入最終的預生產（PP）階段。從技術上看，SK海力士的HBM4擁有2048個I/O終端，頻寬翻倍，引腳速度在10 Gbps以上。美光目前交付HBM4樣品超過2.8 TBps頻寬和超過11 Gbps引腳速度，計畫在2027年同時推出標準版和定製版的HBM4e。三星同樣計畫於2027年推出HBM4e產品，目標引腳速度超過13Gbps，目標最大吞吐量3.25TB/s，較當前HBM2.5e快約3倍。遠期看，輝達計畫自研Base Die，意在進一步提高傳輸速率。除傳統晶圓廠外，為了進一步提高傳輸速率，AI算力晶片廠商也開始協同進行HBM設計。2025年8月，輝達宣佈計畫自研HBM記憶體Base Die，採用3nm工藝，預計於2027年下半年開始小規模試產。輝達此次自研HBM記憶體Base Die的計畫，旨在最佳化AI晶片的記憶體頻寬與能效匹配度；未來輝達的HBM記憶體有望採用記憶體原廠DRAM Die與輝達Base Die的組合模式，標誌著其在高性能計算儲存架構領域的垂直整合進一步深化。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。11 端側：巨頭加碼終端側AI算力，應用落地驅動產業發展混合AI有望成趨勢，端側AI價值顯現雲邊協同的混合式AI架構對AI的規模化擴展起到重要作用。根據高通《混合AI是AI的未來》白皮書，隨著生成式AI正以前所未有的速度發展以及計算需求的日益增長，AI處理必須分佈在雲端和終端進行，才能實現AI的規模化擴展並行揮其最大潛能。與僅在雲端進行處理不同，混合AI架構可以根據模型和查詢需求的複雜度等因素，在雲端和邊緣終端之間分配並協調AI工作負載。雲端和邊緣終端如智慧型手機、汽車、個人電腦和物聯網終端協同工作，能夠實現更強大、更高效且高度最佳化的AI。端側AI具有成本、能耗、可靠性、隱私、安全和個性化優勢。成本優勢：AI推理的規模遠高於AI訓練。模型的推理成本將隨著日活使用者數量及其使用頻率的增加而增加。在雲端進行推理的成本極高，這將導致規模化擴展難以持續。將一些運算負載從雲端轉移到邊緣終端，可以減輕雲基礎設施的壓力並減少開支。能耗優勢：邊緣終端能夠以很低的能耗運行生成式AI模型，尤其是將處理和資料傳輸相結合時。可靠性、性能和時延：當生成式AI查詢對於雲的需求達到高峰期時，會產生大量排隊等待和高時延，甚至可能出現拒絕服務的情況。向邊緣終端轉移計算負載可防止這一現象發生。隱私、安全和個性化：由於資料處理完全在本地進行，終端側AI有助於保護個人資訊，以及企業和工作場所中的機密資訊。以本地和雲端分別運行AI大模型製作行程安排為例，本地AI大模型通過長期學習使用者行為，並利用本地儲存的資訊，可以給出更貼合使用者生活習慣、更準確的建議。相較之下，如果雲端模型需要訪問使用者本地儲存的檔案、瀏覽記錄等資訊再給出個性化的建議，使用者通常較難接受。邊緣側已具備運行AI的實踐基礎，未來將支援多樣化的生成式AI模型。在生成式AI出現之前，AI處理已在終端側獲得應用，越來越多的AI推理工作負載在手機、PC等邊緣終端上運行。自2017年華為麒麟 970 首度在手機 SoC中引入了 NPU（用於拍攝和圖像識別）之後，高通與聯發科也先後在2018年的驍龍855和2019年的天璣1000中整合了NPU/APU模組；目前NPU已逐漸成為手機SoC中常備整合的模組，且用途從最初的協同ISP進行圖像處理發展為目前端側模型的主要支撐者，重要性與日俱增。在2024年發佈的驍龍8e和天璣9400上，分別整合了“Hexagon V79+Sensing Hub+DSP”和MediaTek NPU 890用於AI處理，NPU模組佔SoC投影面積比例顯著提升。除此之外，OPPO還曾在2021年12月舉辦的OPPO INNO DAY上發佈了首款外掛式NPU MariSilicon X(採用TSMC 6nm製程)，儘管只是用於圖像處理，但仍讓我們看到了未來NPU在端側獨立部署的另一種可能。終端裝置有望在AI的催化下迎來新一輪創新周期。生成式AI正在驅動新一輪內容生成、搜尋和生產力相關用例的發展，覆蓋包括智慧型手機、PC、汽車、XR以及物聯網等終端品類，提供全新的增強使用者體驗。以PC為例，AI大模型已能夠有效地處理文件撰寫和簡報製作等任務，完美契合PC作為生產力工具的定位。此外，在以終端為中心的混合AI架構中，多數任務能夠在PC本地運行，既保護隱私，又能及時響應。新興的發展趨勢有望帶動新一輪的產品創新周期，全球科技巨頭正加速投入。風險提示：1、未來中美貿易摩擦可能進一步加劇，存在美國政府將繼續加征關稅、設定進口限制條件或其他貿易壁壘風險；2、AI上游基礎設施投入了大量資金做研發和建設，端側尚未有殺手級應用和剛性需求出現，存在AI應用不及預期風險；3、宏觀環境的不利因素將可能使得全球經濟增速放緩，居民收入、購買力及消費意願將受到影響，存在下游需求不及預期風險；4、大宗商品價格仍未走穩，不排除繼續上漲的可能，存在原材料成本提高的風險；5、全球政治局勢複雜，主要經濟體爭端激化，國際貿易環境不確定性增大，可能使得全球經濟增速放緩，從而影響市場需求結構，存在國際政治經濟形勢風險。12 AI模型加速迭代，算力飛輪與軟體生態有望共振（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。國內外大模型加速迭代，差距進一步縮窄2024年以來，國內外模型均加速迭代。其中海外各家大廠模型能力側重有所不同，OpenAI通過GPT-5統一了O系列和數字系列模型，並聚焦幻覺率下降以適配使用者落地需求；Anthropic的Claude圍繞程式設計能力不斷最佳化，Sonnet 4已支援百萬token上下文；xAI基於20萬GPU叢集開發的Grok 4引入了多個智能體共同思考的模式，其RL投入的算力已超過Pre-Training算力；Google Gemini和Veo模型則分別對應Chrome和YouTube產品生態。國內由阿里主導開源生態，圍繞“全尺寸”“全模態”“多場景”推出各種模型；初創廠商中DeepSeek及MiniMax亦入局爭奪開源第一寶座，DeepSeek-R1、MiniMax-M2模型均以較低成本實現較高性能。隨著國內外模型進一步迭代，預計國內開源陣營頭部模型能力與海外大廠閉源模型差距將進一步縮窄，並通過成本最佳化為AI應用打開空間。國內廠商不斷最佳化模型架構，競相爭奪開源第一國內前沿模型與海外差距縮短，多方角逐開源陣營領先地位。橫向對比各廠商大模型能力，儘管以OpenAI為代表的海外廠商持續引領技術優勢，但國內前沿模型能力同樣始終位列全球第一梯隊，且較海外頭部廠商的差距已由最初的6個月以上縮短到目前的約3個月。就廠商而言，阿里作為國內唯一踐行全面開源戰略的網際網路大廠，持續引領國內開源模型風向；但也不乏DeepSeek、MiniMax等初創廠商在開源領域嶄露頭角。加單不斷，全球資本開支援續上行當前國內外資本開支向上的趨勢基本一致，但近期海外以OpenAI和Oracle主導的算力大單進一步加速了開支上行節奏。其中，OpenAI通過和AMD、輝達、博通、CoreWeave等合作，向著2033年達到250GW資料中心的目標不斷推進；Oracle則堅定向GPU雲轉型，以超過經營性現金流的投入體量加速部署AI資料中心。OpenAI多樣化的算力融資方式，以及Oracle需要舉債的資本開支投入方式，有望促進海外傳統雲和科技廠商，以及國內的大廠進一步上修資本開支預期。國內B端AI商業化初顯國內B端企業AI商業化初顯，Pre-AI環節需求旺盛，降本增效的垂直場景推進較快。當前國內AI應用正處於加速滲透階段，政策層面，中央密集出台一系列政策檔案，提出“適度超前建設數字基礎設施”並 印發《關於深入實施“人工智慧+”行動的意見》，提出到2027年智能體滲透率達到70%。技術突破方面，國產大模型DeepSeek V3.1版本發佈，程式設計能力提升以及更長上下文窗口支援有望推動智能體在更多複雜場景的落地，助力企業數位化、智能化建設，提升企業管理效率。從當前2B企業已公告AI相關訂單或收入的情況看，儘管訂單或收入絕對值不高，但AI已經開始逐步體現商業化價值。風險提示：（1）宏觀經濟下行風險：電腦行業下游涉及千行百業，宏觀經濟下行壓力下，行業IT支出不及預期將直接影響電腦行業需求；（2）應收帳款壞帳風險：電腦多數公司業務以項目制簽單為主，需要通過驗收後能夠收到回款，下遊客戶付款周期拉長可能導致應收帳款壞帳增加，並可能進一步導致資產減值損失；（3）行業競爭加劇：電腦行業需求較為確定，但供給端競爭加劇或將導致行業格局發生變化；（4）國際環境變化影響：目前國際形勢動盪，對於海外收入佔比較高公司可能形成影響，此外美國不斷對中國科技施壓，導致供應鏈安全風險。 (中信建投證券研究)

最新跡象顯示，海外科技公司正越來越多地轉向以晶片為抵押的貸款來籌集資金，用於它們龐大的AI投資。這些晶片正是訓練其大型語言模型的核心。此類貸款往往以GPU作為抵押，並由科技集團的租賃協議提供擔保，在AI軍備競賽中廣受歡迎。該行業目前每年都會在晶片領域耗資數千億美元，儘管這些晶片往往很快就會過時。而越來越多的投資者眼下也正被高達7%-17%左右的誘人收益率所吸引，這類貸款收益率通常高於科技公司自身發行的債務。“投資者非常興奮，”King & Spalding律師事務所專門從事金融與重組業務的合夥人David Ridenour表示，“人們甚至願意接受‘概不議價’的條款，擠破頭也要擠進這些GPU交易中。”GPU融資徹底火了自2023年末雲端運算服務商CoreWeave開創先河以來，隨著高端晶片需求激增與價格飆升，GPU抵押債務正日益普及。據花旗集團估算，GPU及配套伺服器可佔資料中心項目總成本的30%至40%。此類貸款通常由科技公司和投資機構設立的特殊目的載體(SPV)承接，用於批次採購高性能晶片，隨後租賃給科技企業用於訓練人工智慧模型。這種安排使得債務規模迅速增長的大型科技集團，能夠將這些貸款從其公司資產負債表中剝離。上月，阿波羅宣佈為Valor Equity Partners管理的數字基礎設施基金提供35億美元融資方案，該基金將購入輝達的GB200晶片並租賃給馬斯克旗下的xAI公司。人工智慧雲服務提供商IREN Limited本月早些時候也從高盛和摩根大通獲得36億美元貸款承諾，用於採購與微軟AI合同相關的晶片。據熟悉GPU融資的律師透露，此類交易中貸款方往往需迅速行動並開出大額支票。“大型機構基本會這樣問：‘你是否願意參與一個兩周內結項的交易，並投入幾億美元？’”該律師表示。而此類貸款的日益盛行，也凸顯了投資者對資產擔保型融資的渴求——銀行與私募信貸基金正尋求以穩定現金流為擔保的特殊債務。這些交易通常會包含一項“不可撤銷條款”（hell or high water），防止科技公司提前終止租賃。這有助於降低因AI技術快速演進導致GPU過時的風險。最大風險：GPU折舊？然而，部分投資者仍擔憂GPU的經濟壽命可能短於預期，且由於該新興產業缺乏價格歷史資料，老舊AI晶片的市場價值往往存疑。一些投資者還表示，目前的估值也可能因短期晶片供應短缺而被人為推高。橡樹資本結構化信貸策略主管Jen Marques強調：“我們必須確保GPU的使用壽命遠超投資攤銷周期。”一位多次拒絕GPU融資提案的投資者坦言：“這類裝置往往三年內就會過時，這簡直是場豪賭。”該投資者進一步指出：“（違約後）轉售幾年前的GPU，就像是在鞭打一匹死馬(意指徒勞無功)。”“這是一個非常新的領域，很多人都在努力應對GPU壽命的問題，”A&O Shearman律師事務所美國能源、基礎設施與自然資源聯席主管Dorina Yessios則表示，“這必須納入承銷考量，就像其他裝置融資一樣。”目前，三大評級機構之一的穆迪也已開始對GPU擔保債務進行評級，並聲明一旦基礎租賃期結束，它就會撤銷信用評級。穆迪全球項目與基礎設施融資團隊的高級副總裁John Medina表示，“通常情況下，我們評級的交易在首個租賃期內就會償還所有資金，因此你無需考慮(GPU)使用壽命的期限。” (財聯社AI daily)

導讀全球AI投資浪潮正以算力、資料中心和大模型為核心重塑科技產業與資本結構，形成高強度、短周期、重資產的新型投資循環。本文系統梳理了AI投資的歷史演進、產業層次與融資結構，對比其與網際網路泡沫的異同，本輪AI熱潮技術基礎更穩固，但金融鏈條更複雜、系統性風險更高。文章進一步分析AI泡沫可能的破裂路徑及跨國傳導機制，強調未來更可能經歷結構性出清而非單點崩塌，為政策制定與資產配置提供風險識別框架。引言AI的全球性投資浪潮正在重塑科技行業的結構，也重塑著資本市場的邏輯。以大模型、算力基礎設施和資料中心建設為核心的AI鏈，形成了自2008網際網路以來最強烈的一輪跨周期資本累積。巨頭之間的資本開支競賽不斷刷新紀錄，從NVIDIA的GPU出貨與企業市值，到微軟、亞馬遜、Google爭相投建的超大規模資料中心，再到初創公司圍繞模型、Agent與新型AI服務，展現出一種技術突破疊加資本擠兌式投入的發展結構。與傳統科技周期不同，這一輪投資不僅規模更大、節奏更密集、折舊周期更短，也構成了一個容易產生系統性風險的正反饋循環。在未來收益充滿不確定性的背景下，AI產業彷彿踩在紅利與成本現實的雙軌之上，推動市場在繁榮與泡沫之間不斷擺動，債務與融資結構也逐漸複雜化：為支撐資料中心和算力擴張，銀行、ABS與企業債等多管道快速擴張，放大了利率與信用風險的傳導路徑。01. AI投資的系統梳理(一) 歷史處理程序AI投資熱潮的發展歷程可以大致分為幾個階段。1、早期探索階段（1950年代-1980年代）。AI主要以學術研究為主，技術集中在符號主義、邏輯推理和早期神經網路上。雖然計算能力和資料規模有限，但政府和高校的科研資助推動了基礎理論的發展。例如，1956年達特茅斯會議首次提出“人工智慧”概念，1960年代的MYCIN和DENDRAL專家系統在醫療診斷和化學分析中進行了初步應用。此階段的投資主要依賴於政府撥款和科研基金，風險投資尚未形成規模。日本政府在1980年代啟動的“第五代電腦計畫”（FGCS）也試圖推動AI產業化，但整體投資活躍度仍較低。2、1980年代至1990年代的AI低潮期。即所謂的“AI寒冬”，早期專家系統和神經網路在實際應用中屢屢受挫，技術無法滿足市場預期。計算能力不足、資料匱乏以及投資回報不確定，使得全球範圍內的AI投資大幅減少。美國、英國和日本等國家紛紛縮減AI相關研發預算，資本市場對AI初創企業的熱情顯著下降。3、21世紀初（2000年代-2010年代）的復甦期。隨著網際網路的普及和巨量資料技術的發展，AI迎來了新的發展機遇。統計學習方法逐漸成熟，機器學習和早期深度學習模型開始顯現潛力。與此同時，GPU計算能力提升和雲端運算的發展為AI應用提供了必要的基礎設施。這一時期的投資逐漸恢復，以科技公司和部分風險投資機構為主，重點關注資料驅動型的智能演算法和初創公司。2006年，Hinton提出深度學習概念，為後續的突破奠定基礎；2012年，AlexNet在ImageNet競賽中取得壓倒性勝利，標誌著深度學習技術進入快速發展期。4、2012年至2020年，AI投資進入快速增長階段。深度學習在圖像識別、語音識別和自然語言處理等領域取得實際應用，帶動了風險投資和企業併購的熱潮。科技巨頭如Google、Facebook、百度等紛紛加大研發投入，同時AI初創企業融資金額屢創新高。例如，2015年，全球人工智慧市場融資規模達到了63億美元。這一階段的投資特點是技術驅動與資本市場熱情共同推動，行業應用開始拓展至金融、醫療、教育等多個領域。5、2021年至今，生成式AI的快速發展進一步引爆了新一輪投資熱潮。OpenAI發佈的ChatGPT引發全球關注，推動企業和投資者加大對生成式AI及相關基礎設施的佈局。微軟、Google、騰訊等科技巨頭通過戰略投資和併購搶佔技術前沿，AI創業公司融資規模屢創新高，資本熱情從科技行業擴散到金融、醫療、教育、製造等各類應用場景。生成式AI的技術突破和跨行業落地能力，使得AI投資成為全球科技資本追逐的核心方向之一。ChatGPT發佈（2022年11月30日）至今，輝達股價累計上漲964%，其利潤累計上漲1354%；蘋果股價累計上漲91%，其利潤累計上漲12%；微軟股價累計上漲90%，其利潤累計上漲55%；Google股價累計上漲211%，其利潤累計上漲107%。但近兩年，AI投資逐漸放緩，反映出AI技術發展及其在各行業應用仍處於探索的早期階段。雖然長期市場潛力仍然巨大，但最初的熱情已被在實際應用中推廣人工智慧技術的複雜性和挑戰所削弱。來源：2025 AI Index Report(二) 產業層次與參與主體近年來，AI產業的發展逐漸呈現為基礎設施、平台、應用三個層面平行推進，並由不同類型主體共同推動其資本流動與技術落地。首先，在基礎設施層，AI所需的算力硬體，如GPU、專用加速器、伺服器、儲存、網路裝置等，以及支撐這些硬體的系統成為基礎底座。分析指出，AI伺服器市場近年來經歷爆炸式增長。根據最新統計，全球伺服器市場因AI加速器需求迅速擴張，2024年前三季度伺服器銷售額大幅上升，AI伺服器出貨量與總伺服器平均壽命替換需求疊加，推動整體市場顯著擴容。另一方面，以阿里雲為代表的雲基礎設施提供商，其在中國 AI 基礎設施市場（IaaS）中佔據領先地位。2024年下半年阿里雲在中國AI IaaS市場份額達約23%，在大模型訓練與推理兩大子市場均位列第一。其次是平台層或雲服務層，即把基礎算力、儲存和網路資源以“雲服務、模型服務、算力租賃、按需呼叫”等形式打包提供給下游使用者。隨著 AI 技術成熟、模型越來越大，對算力和靈活資源調度的需求也越高，使得雲服務商、neo‑cloud租戶、專業AI服務商等成為關鍵中介。業界觀點認為，隨著大模型與雲端運算的融合，傳統雲端運算（IaaS）正在向“AI 原生”（AI‑native）雲服務演進，雲廠商不僅提供通用計算資源，也在提供專門為AI最佳化的算力、調度、儲存、模型部署環境等服務。此外，智算雲服務（AI‑optimized cloud）在中國也形成了較為明確的產業鏈結構，上游含晶片與伺服器基礎設施，中游為雲平台提供商，下游為行業使用者。最後是應用層，即行業化落地層。當基礎設施和平台服務配備就緒後，大量企業就能夠借助雲+模型服務，把 AI 技術應用到具體場景中：例如網際網路服務、金融、製造、醫療、零售、公共服務等等。報告指出，隨著AI平台服務能力提升，對於中小企業、傳統行業的“上雲+用數+賦智”門檻大幅降低，這推動了AI應用的廣泛普及。這個體系的推動主體首先是超大科技公司及頭部雲廠商（hyperscalers），其擁有資金、基礎設施、全球資源分配能力，是基礎設施與雲平台能力建構最重要推動者。其次是專業雲、neo‑cloud租戶、中型雲服務提供商及智算雲服務商，它們通過租賃基礎設施、提供靈活、彈性的AI算力及雲服務，把能力下放，為更多中小企業與行業使用者提供門檻更低、按需付費的AI服務。然後是私募和債權市場，基礎設施尤其是資料中心和機櫃建設，需要巨額資金投入，也往往借助債權融資、私募基金或機構資本支援。這使得AI基礎設施本身成為一種資本資產，並連接到更廣泛的金融市場與資本運作中。綜上，這種多元主體參與的機制，使得AI投資熱潮不僅是技術浪潮，也是基礎設施擴張、服務變現與產業應用同步推進的綜合性變革，也是當前AI產業能夠迅速擴張並持久化的重要原因之一。(三) 融資形式及周期特徵AI 基礎設施與平台建設需要大量資本投入，因此融資形式呈現多樣化趨勢。一方面，企業常通過企業債、高票息直接貸款獲取建設資金，這類方式利率相對固定、融資成本可控，但增加了短期償債壓力。另一方面，隨著項目規模擴大，也出現了基於長期租約的項目融資模式，即通過未來收入現金流如雲租用、AI服務訂閱等支援融資；進一步衍生的還有資產證券化（ABS），將資料中心、GPU叢集或機房租約收入打包成可交易證券，使投資風險在資本市場分散。與此同時，部分私募信用也開始進入AI基礎設施領域，為非上市公司提供靈活的信貸支援。這種多元化融資結構在分散風險的同時，也引入了資訊不對稱、信用評級難以精準評估以及流動性錯配的問題。AI硬體尤其是GPU、定製加速器和AI‑optimized 伺服器更新周期短，導致資本支出密集且折舊快速。短周期硬體更新不僅增加了資產殘值不確定性，還會加大再融資壓力，尤其在企業擴張或大規模部署初期。這意味著投資者在衡量 AI 基礎設施項目時，必須同時考慮技術迭代風險、折舊損失、未來現金流以及市場需求變化。在大型AI 資料中心項目中，GPU佔總資本支出約40-50%，伺服器機櫃與網路裝置佔30-35%，折舊周期短的硬體部分對項目財務壓力貢獻顯著。02. AI投資熱潮與網際網路泡沫的異同（一）相似之處當前的AI投資熱潮與1999年網際網路泡沫之間確實存在明顯的相似關係：高度一致的市場情緒、對技術變革的集體敘事、企業估值大幅上漲、媒體與投資人對新產業的超預期樂觀，這些因素共同構成了典型的科技繁榮景觀。市場熱情高漲，資本對新興技術的追逐表現出明顯的“短期高估”傾向。在網際網路泡沫期間，投資者對電子商務、入口網站等前景抱有過度樂觀預期，而在當前AI熱潮中，生成式AI、行業大模型、智能硬體和雲服務等領域的融資額持續攀升，部分初創公司估值迅速膨脹，許多人工智慧公司的估值已遠超行業平均水平，例如，Palantir和特斯拉的市盈率遠遠超過了200倍，而標普500指數成分股公司的平均市盈率約為25倍。其次，風險偏好顯著提高，投資者願意在尚未盈利或尚處於早期研發階段的企業中投入巨額資金，以搶佔潛在市場份額。而市場投機心理與輿論推動相結合，媒體和分析機構對前沿技術的持續炒作進一步放大了資本湧入速度。（二）關鍵差異首先，AI熱潮的技術基礎更為穩固。與1999年網際網路泡沫不同，當時許多公司缺乏可落地的商業模式，網際網路技術本身尚不成熟；而當前AI技術已經在電腦視覺、自然語言處理和大模型訓練等領域取得實際突破，生成式AI具有可直接落地的行業應用，從金融、醫療到製造和教育均有明確商業場景。其次，產業生態和資本結構更加多元。AI投資不僅包括風投和天使投資，還涉及企業資本支出（CAPEX）、私募信用、債券融資以及資產證券化（ABS）等形式，使風險能夠在一定程度上分散，同時引入了更複雜的流動性和資訊結構管理。再次，AI投資與全球基礎設施建設緊密掛鉤，如GPU、資料中心、雲端運算平台和模型訓練服務等，而這些硬體與雲服務資產具有長期使用價值和持續收入潛力，相較於1999年網際網路公司大量依賴短期廣告或電商流量收入，更加穩健。最後，監管與風險控制環境更加成熟。當前金融市場對AI相關融資有更嚴格的資訊披露和風險評估要求，部分國家和地區也出台政策鼓勵AI技術創新與應用，同時限制過度槓桿和投機行為。此外，從產業長周期發展來看，每一輪過度投資都可能為產業的長期成長做好了鋪墊。1999年網際網路泡沫崩潰後，此前大規模投資的光纖、電腦、移動通訊等裝置大幅度壓低了電子裝置和網路費用，Google、亞馬遜等一批網際網路企業和整個產業得以持續快速發展。（三）風險複雜性更高當年的泡沫主要集中在股價上，而今天的風險通過資本開支、長期租約、債務結構、影子銀行體系以及跨國能源和供應鏈瓶頸等多層結構相互疊加，一旦某個環節出現違約或資金緊縮，很可能不是簡單的“科技股下跌”，而是沿著融資鏈條迅速向房地產、信貸市場乃至跨境資金流動擴散，從而引發結構性的金融緊張。AI市場目前面臨的挑戰也更加複雜：技術瓶頸，例如輝達高端晶片供應短缺；應用程式的商業化滯後，大多數人工智慧公司尚未找到可持續的現金路徑；以及技術脫鉤，例如美國和中國的晶片監管。新興人工智慧公司傳統財務估值方法的失敗加劇了這種風險，資本狂熱導致泡沫的可能性仍然存在。03. AI泡沫破裂的可能性與傳導路徑AI 泡沫是否會破裂不能簡單地用“會”或“不會”來判斷，而應從估值邏輯、宏觀政策和全球資金流動三條主線分析其潛在破裂方式及時間窗口。從估值角度看，如果未來2-3年大模型的商業化速度無法匹配當前動輒百億美元的資本投入，市場估值必然進入回呼期，尤其是依賴 AI 敘事驅動漲勢的公司更容易經歷大幅波動。從宏觀政策角度看，若聯準會與歐洲央行維持高利率或再次收緊流動性，資料中心開發商、AI 獨角獸及依賴長期租約融資的基礎設施項目將面臨更高的再融資成本壓力，信用風險可能從個別企業擴散為行業性調整。從全球資金流動角度看，美國吸收全球資本將使新興市場、跨境基礎設施項目以及外幣債務敞口較高的經濟體最先感受到壓力，進一步把科技投資的波動轉化為跨國金融波動。整體而言，本輪AI投資周期大機率不會以1999年網際網路泡沫那種單點式全面崩塌收場，而更可能呈現漫長的結構性出清：先是局部估值回呼，再到資本鏈條的重新定價，最終由宏觀政策變化推動整個系統向新的均衡移動。如果發生破裂，具體方式主要包括兩個管道：一是估值重估，觸發因素包括AI商業化速度落後預期、盈利增長未達標或關鍵企業盈利警告，結果是高估值成長股票回呼，指數高度集中導致市場波動放大，回撤集中在“巨頭+AI”股票；二是信貸與項目融資鏈條斷裂，觸發因素包括利率上升、租戶違約或 neo‑cloud企業現金流緊張，結果是資料中心開發商與特殊目的載體面臨償債壓力，資產價值快速下滑，債權損失擴散至銀行、直接貸方及ABS持有者，將泡沫從股市傳導至實體信貸市場。在未來政策方面，需要找到一個平衡：不僅要支援龍頭企業突破技術界限，還要培養多元化的應用產業鏈，以建構良性的工業生態。技術革命的本質不是避免泡沫，而是通過持續的技術迭代能力和可行的商業模式，在穩定資本的支援下，推動長期的GDP增長和引領代際飛躍，並將資本狂熱的階段轉變為新的質量生產力。整體來看，AI 泡沫破裂不是單一事件，而是一系列結構性調整和局部泡沫破裂的組合，AI熱潮將經歷周期性的回撤，但它在超自動化領域（例如機器人、AGI）具有遠超網際網路時代的長期潛力，出現一次性大規模全面崩塌的可能性取決於貨幣政策和信貸鏈條的健康狀況。04. 跨國風險傳導AI 投資熱潮的全球化特徵意味著，一旦出現市場調整，其影響可能跨境傳導。觸發機制主要包括利率和信貸環境的收緊，例如，若美、歐主要央行同時加息並收緊信貸，全球資金快速撤出，將直接衝擊依賴外幣融資的新興市場以及海外AI項目，尤其是資料中心與雲服務廠商。此外，能源供應，尤其是電力，與全球供應鏈瓶頸，也可能放大地區性危機，導致局部市場風險集中爆發。潛在時間窗可分為短期和中期兩個階段。在短期，若宏觀利率快速上行或發生大型租戶違約，短期內可能看到信用利差迅速擴大，同時項目融資重新定價，資料中心、相關REIT及開發商最先暴露風險。在中期，如果AI商業化鏈條未能形成廣泛盈利，尤其是行業級應用落地緩慢，市場可能從增長溢價向盈利篩選切換，導致估值普遍回呼，資金重點流向盈利能力強的項目和企業。各國宏觀政策將是跨國傳導的決定性變數之一。一方面，聯準會與歐洲央行的利率與流動性政策會直接影響債務負擔與風險溢價：緊縮將放大企業融資壓力，寬鬆則可能延緩市場調整，但同時積累更高的系統性風險。另一方面，財政與產業政策的作用也不容忽視：針對資料中心電力成本或AI研發的補貼和支援，能夠緩衝局部衝擊，但可能延長非盈利項目的資金供給周期，形成“殭屍化”風險。最後，宏觀審慎與監管措施也會調節跨境風險傳導的幅度：加強對非銀行信貸、ABS透明度及應計壓力測試，可降低系統性傳染風險；反之，監管盲點可能放大跨國資本流動和供應鏈壓力造成的風險。05. 結語當前的AI熱潮同時包括真實的技術紅利若干高度脆弱的金融鏈條，因此更像是一種局部繁榮與局部泡沫並存的複雜態勢，而非歷史上的單一泡沫復刻。分析的關注點不應停留在“是否存在泡沫”，而應轉向泡沫存在的具體位置、形成機制及其可能通過那些管道傳導至宏觀金融體系。對政策制定者與資產管理者而言，最佳策略是在強化風險監測的基礎上進行選擇性防禦，重點關注資料中心融資結構、租戶信用狀況以及短期再融資節點；在估值重估情形下，應優先迴避高度槓桿化且盈利路徑不明確的投資敞口，從而在享受技術紅利的同時，降低系統性風險暴露。 (IMI財經觀察)