“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)

投資者不再熱衷於尋找AI贏家，而是急於拋售任何可能被AI顛覆的公司股票，這種"先賣出、再提問"的恐慌情緒正在從軟體行業蔓延至金融服務、財富管理、保險經紀和法律服務等多個領域。寧願錯殺也不願承擔被AI顛覆風險的心態正在重塑華爾街投資策略。華爾街正在經歷一場投資邏輯的劇變：投資者不再熱衷於尋找AI贏家，而是急於拋售任何可能被AI顛覆的公司股票。這種"先賣出、再提問"的恐慌情緒正在從軟體行業蔓延至金融服務、財富管理、保險經紀和法律服務等多個領域，引發一系列劇烈拋售。最新的拋售潮發生在周二，一家名不見經傳的初創公司Altruist Corp.推出的稅務策略工具Hazel，導致嘉信理財、Raymond James Financial Inc.和LPL Financial Holdings Inc.等財富管理公司股價單日暴跌7%以上，這是這些股票自4月關稅戰引發市場崩盤以來的最大跌幅。這種恐慌始於上周，當時Anthropic推出的新工具引發軟體、金融服務、資產管理和法律服務類股的深度回呼。周一，線上保險市場Insurify推出使用ChatGPT比較汽車保險費率的新應用後，美國保險經紀商股價遭受重創。市場情緒已從擔憂AI泡沫轉向恐懼整個經濟類股被顛覆。據彭博社周三報導，Gabelli Funds基金經理John Belton表示："任何存在潛在顛覆風險的公司都在被不加區分地拋售。"Graniteshares Advisors首席執行長Will Rhind則坦言："我不知道下一個會是誰。"01. 財富管理行業成為最新重災區Altruist推出的AI工具Hazel引發的拋售，凸顯了市場對AI顛覆傳統金融服務的深層焦慮。該工具能夠幫助財務顧問為客戶定製個性化策略，而這項工作通常需要整個團隊來完成。Altruist首席執行長Jason Wenk在接受採訪時表示，即使他本人也對股市反應的規模感到驚訝，這次拋售抹去了多家投資公司數十億美元的市值。但他認為這發出了一個強烈訊號，表明他的公司構成了競爭威脅。"人們開始意識到——我們用來建構Hazel的這種架構，可以取代財富管理領域的任何工作，"Wenk說，"通常這些工作需要整個團隊來完成，而AI每月只需100美元就能有效完成。"02. 恐慌情緒快速蔓延多個行業AI顛覆的擔憂已經困擾軟體行業一段時間。但從上周開始，這種焦慮迅速擴散到更廣泛的領域。Anthropic推出的新工具引發了軟體、金融服務、資產管理和法律服務類股的深度回呼，標誌著市場情緒的轉折點。保險經紀行業緊隨其後成為受害者。周一，線上保險市場Insurify推出使用ChatGPT比較汽車保險費率的新應用後，美國保險經紀商股價遭受重創。投資者的邏輯很簡單：任何可能被AI取代的中介服務都面臨生存威脅。OpenAI和Anthropic等AI公司已經在軟體工程領域取得實質性進展，推出幫助開發人員簡化編寫和偵錯程式碼流程的產品，並正在向其他行業擴張。03. 市場分歧：顛覆是否被過度炒作儘管恐慌情緒蔓延，但部分市場人士對AI顛覆的速度和範圍持懷疑態度。Gabelli的Belton對華爾街從擔憂AI泡沫轉向恐懼AI顛覆經濟的巨大轉變表示質疑。"每個行業都會有贏家和輸家，"Belton說，"但有一條經驗法則是，技術顛覆往往需要比預期更長的時間才能實現。"他指出，銀行業曾周期性地面臨來自加密貨幣、電子服務和其他技術的挑戰，但這些最終都未能撼動其主導地位。Gerber Kawasaki首席執行長Ross Gerber認為，過去一周困擾市場部分類股的AI輸家焦慮為時過早。"我們可以嘗試推斷五年後AI世界的樣子，但我們根本不知道，"他說，"市場試圖對此做出判斷，但我們仍處於這一切的初期階段。"04. 估值高企加劇市場敏感性當前的拋售潮也反映出市場對過去幾年股價漲幅的普遍焦慮。在AI支出熱潮和美國經濟出人意料的韌性推動下，股市大幅上漲，估值被推高，使投資者對任何負面訊號都極為敏感。Graniteshares的Rhind表示："如果市場察覺到任何略微負面的資訊，股票就會下跌10%，這種情況在估值不是這麼高的市場中永遠不會發生。"這種高度緊張的市場環境意味著，即使是小型初創公司推出的產品，也可能引發大型上市公司的劇烈波動。投資者寧願錯殺也不願承擔被AI顛覆的風險，這種心態正在重塑華爾街的投資策略。 (硬AI)

核心速覽底層動力： AI 爆發源於人類對“更富有、更懶惰”的終極追求——即用更少的勞動，創造更高的經濟價值。三大核心賽道：AI 原生軟體： 在“綠地機會”中挑戰傳統巨頭，提供全自動化閉環。軟體替代人工： 從“賣工具”轉向“賣結果”，直接切入勞動力市場。私有資料圍牆： 掌控大模型無法獲取的行業私有資料，建構長期防禦力。護城河本質： AI 公司必須成為企業的“記錄系統（System of Record）”。最好的公司擁有“人質”而非客戶。增長神話： AI 極大地縮短了軟體周期。以往需 10 年達成的 1 億美金 ARR，現在最快僅需 2 年。在 AI 浪潮爆發兩年後的今天，市場對於“AI 是否是泡沫”的爭論從未停止。然而，a16z 合夥人 Alex Rampell 在最新訪談中給出了答案：這不是泡沫，而是軟體行業的“黃金時代”。商業的底層邏輯：人類永遠追求“更富有、更懶惰”Alex 認為，所有偉大的技術革命，本質上都在滿足人類的兩個終極本能：Richer & Lazier（變得更富有，以及更懶惰）。更懶惰： 用更少的工作量完成任務。更富有： 創造更高的經濟價值。從 1977 年至今，科技行業經歷了 PC、網際網路、雲、移動網際網路四大周期。AI 是第五個。它並非橫空出世，而是站在前四個周期的肩膀上。現在，AI 已經從“寫個劇本”的魔術表演，正式進入了企業核心流程，開始真金白銀地省錢、賺錢。a16z 看好的三個 AI 投資主題如何建構一家長青的 AI 公司？Alex 總結了三個核心範式：1. 傳統軟體的 AI 原生化 (AI-Native Trad Software)這是在已有的“Bingo 遊戲板”上玩新遊戲。綠地機會 (Greenfield) vs 棕地機會 (Brownfield)： 去搶 Adobe 的老客戶是“棕地”，極其困難。但在新公司成立或系統升級的拐點切入，則是“綠地”。核心邏輯： 像 Real 這樣的公司，它不僅是 ERP，更能自動平帳（Close the books）。對於新公司來說，選一個自帶 AI 功能的原生系統是“腦殘決策（No-brainer）”。2. 軟體正在“吃掉”勞動力 (Software Eating Labor)這是 Alex 最興奮的領域，其市場規模遠超傳統的軟體市場。從“買工具”到“買結果”： 以前你買軟體是給員工用，現在軟體就是“員工”。價值定價： 債務催收 AI Salient 的軟體不僅能講 21 種語言，甚至能比人類多催回 50% 的欠款。客戶不再是付訂閱費，而是為增加的收入買單。3. “圍牆花園”：私有資料模型 (Walled Gardens)當底層大模型變得像電力一樣廉價時，勝負手在於誰擁有“稀缺礦產”。原始蔬菜 vs 成熟大餐： OpenAI 像是賣蔬菜（Token）的農場。但它不知道 1992 年的融資價格，也不知道西班牙 80 年代的法律判例。資料護城河：Open Evidence 擁有醫學期刊獨家授權，Vlex 數位化了海量法律記錄。這些“ChatGPT 抓取不到”的資料是核心防禦力。護城河：最好的公司擁有“Hostages”，而非客戶在 AI 時代，程式碼極易被模仿，因此必須建立極致的粘性。a16z 提出了一個深刻的觀點：偉大的公司擁有“人質（Hostages）”，而非客戶。什麼是“人質”？當你的軟體成為了企業的“記錄系統（System of Record）”，承載了所有核心流程和私有資料時，替換你的成本將高到不可接受。以法律 AI Eve 為例，它管理著律師從接案到結案的整個工作流。即使以後大模型出了更強的總結功能，律師也不會搬家，因為他們的資料和流程都“鎖”在 Eve 裡。巨頭會贏嗎？創業者的勝算在那？Alex 對傳統巨頭（Incumbents）持看好態度。與“雲轉型”時期不同，現在的巨頭（如 Microsoft, Adobe, Intuit）反應極快。他們手握大量“人質（老客戶）”，只要加入 AI 功能就能通過加價賺得盆滿缽滿。創業者的三條活路：極度垂直： 尋找巨頭看不上的細分專業領域。模式創新： 利用 AI 實現按效果計費。深挖資料： 掌控那些物理世界或歷史檔案中的獨佔資料。我們正處於從“工具時代”向“代理時代”跨越的節點。AI 不僅僅是效率的提升，它正在重定義什麼是“公司”。正如 Alex 所言，a16z 並非只是在投 AI，而是在投那些能讓使用者更富有、更懶惰的未來。在這個時代，“速度”是入場券，“資料”是護城河，而“結果”才是真正的商品。 (GD梯度下降)

2026年，乃至未來10年，機會在那裡？賺錢的機會在那裡？創業的機會在那裡？投資的機會在那裡？增長的機會在那裡？就業的機會在那裡？我們向上生長的機會，又在那裡？是的，這些問題都是我們天然關心的。最近，木頭姐和她的方舟投資（ARK Invest）也發佈了他們一年一度的重磅報告《Big Ideas 2026》。木頭姐，凱茜·伍德，方舟投資的創始人、首席執行長兼首席投資官。她是華爾街最知名的顛覆性創新投資者之一，被譽為“女版巴菲特”。她的投資哲學，就是找到那些能夠“顛覆世界”的種子，然後在它們還只是種子的時候，就勇敢地種下它們。而《Big Ideas》，就是她和她的團隊，連續十年，每年對外公開分享對未來的思考。那麼，今年這份重磅的年度報告裡到底說了些什麼？那些能夠“顛覆世界”的種子是什麼？對我們來說，又意味著什麼樣的機會？我試著幫你梳理了一下，一共5點，與你分享。01機會一：AI代理經濟什麼是AI代理經濟？2030年的一個周五晚上，你結束了一周的工作，想在周末好好放鬆一下。於是，你對手機說，幫我規劃一個周末去杭州的雙人旅行，預算3000塊，我想住在西湖邊上，要安靜一點，請你幫我訂好往返的機票和酒店，順便規劃一個不那麼累的行程。90秒鐘之後，手機回覆已經搞定，為您預定了周六早上9點出發的機票以及西湖邊的庭院房，性價比很高，行程也已經規劃好，主打輕鬆愜意。所有的預訂資訊都已經傳送到您的日曆，祝您周末愉快。整個過程，你沒有打開過任何一個App，沒有在不同的網站間反覆切換、搜尋比價。而幫你完成這一切的是你的數字分身，AI代理（AI Agent）。你可能會問，AI代理是不是就是一個更加聰明的語音助手？不，完全不是，這是一次根本性的權力轉移。過去是“人找服務”；未來是“服務找人”。因為你不再直接面對無數個App，而是只面對一個忠於你的AI代理。那麼，千千萬萬的商家就會爭先恐後地討好你的代理。這就是正在到來的AI代理經濟。我們再來看資料。方舟投資預測，到2030年，AI將會促成超過8兆美元的線上消費。這是什麼概念？8兆美元，差不多是今天德國和日本的GDP加在一起的總和了。而這個數字，還只是AI代理所撬動的消費市場。更重要的是，AI在所有數字交易中的佔比，也將從2025年的2%暴漲到2030年的25%。這就意味著，短短四五年之後，我們四分之一的線上買買買，就將由AI代理替我們完成。同時，AI搜尋還將拿走傳統搜尋引擎65%的流量。這些數字的背後，是一場全新的商業範式。過去，商業世界的基本模型，是B2C，Business to Consumer，商家直接面對消費者。所以，誕生了淘寶、京東這樣的平台，誕生了“搜尋引擎最佳化（SEO）”這樣的行業。人們的核心任務，都是“獲取流量”。但是，未來，這個基本模型，很可能會變成B2A2C，Business to Agent to Consumer。商家和消費者之間，是一個新的、強大的中間層，AI代理。這個代理絕對忠於它的主人——也就是你。它唯一的目標，就是幫你做出最優決策。它會無視所有的廣告，自動對比全網資訊，甚至幫你執行“如果A商品降價10%就自動下單”這樣的指令。那麼，這對我們來說，意味著什麼？對於創業者和開發者來說，下一個超級平台，可能不再是App Store，而是Agent Store，代理商店。你的機會，可能不再是悶頭開發一個讓使用者下載的App，而是開發一個能被主流AI代理頻繁呼叫的“外掛”或者“技能”。比如，一個專門做高端旅行規劃的AI服務，一個能為使用者提供專業法律諮詢的AI服務。當使用者的AI代理需要相關能力的時候，就會來“呼叫”你。這是一個全新的、兆等級的軟體和服務市場。對於今天的企業經營者來說，你可能現在就要開始思考，你未來的客戶，真的是“人”嗎？還是說，是客戶的AI代理？你的行銷部門，可能需要增設一個全新的崗位，AEO，Agent Engine Optimization，代理引擎最佳化師。因為，如何讓你的產品和服務，用最結構化、最API化的方式，被AI代理輕鬆地理解、抓取和信任，會是一門全新的學問。而對於我們每一個個體來說，未來的核心技能之一，可能就是“訓練”和“使用”AI代理的能力。你把它調教得越好，它就越懂你，你的生活和工作效率就越高。你駕馭AI的水平，會直接決定你的個人競爭力。因為AI代理，是守門員，是連接器，也是兵家必爭之地。02機會二：“治癒”產業什麼是“治癒”產業？有這麼一個家族，三代人都被一種遺傳性的心臟病所困擾。2035年，第四代的一個新生兒降生了。但是，在他還是一個胚胎的時候，醫生就通過一次精準的基因編輯操作，像修改一個電腦程序裡的錯別字一樣，修正了那個導致心臟病的缺陷基因。這個孩子健康地出生、長大，那個困擾了三代人的魔咒被徹底終結。聽上去很像科幻電影，但這是正在發生的醫學革命。我們正在從一個“病護時代”，走向一個“健康時代”。過去的醫療健康產業的商業模式，本質上是一種“續命”，尤其是得了慢性病的人，可能需要終身服藥。這個時候，藥廠賣的本質上是一種“訂閱服務”。但是未來，“一次性治癒”將會成為一種可能，這個時候，它賣的就不再是一種服務，而是一件產品。這件產品就是“健康”本身。這就是“治癒”產業。可是，為什麼會有這樣的醫學革命？為什麼會出現這樣的產業？是因為兩大技術的融合。多組學，和人工智慧。什麼是多組學？簡單來說就是把我們身體裡不同層面的生物資訊，比如基因、蛋白質、代謝物等等，全部數位化，形成海量的資料。然後，再用AI這個強大的工具去分析這些資料，找出疾病的根本原因，並設計出解決方案。同時，這就形成了一個強大的飛輪。更便宜的基因測序，產生更多的資料。更多的資料，喂養出更聰明的AI模型。更聰明的AI模型，能設計出更有效的“治癒”方案。而這個飛輪一旦轉起來，就會至少帶來3樣東西。1. 新藥研發的成本和時間，將被大大壓縮。報告預測，AI驅動的藥物設計可以將新藥的平均研發成本，從驚人的24億美元降低到7億美元，平均上市時間從13年縮短到8年。也就是說，更多的好藥、新藥，將會更快、更便宜地來到我們身邊。2. 一個“治癒療法”的價值，將遠超傳統藥物。報告測算，一個能治癒罕見病的療法，它的終身價值可能是傳統治療藥物的20倍以上。而針對心血管疾病這樣的常見病，一個一次性的基因編輯療法，僅僅在美國，就可能創造一個2.8兆美元的潛在市場。3. 一個巨大的長壽市場，正在浮現。當我們能夠治癒大部分疾病，那麼下一個目標，自然就是延緩衰老本身。報告做了一個極其大膽的預測，通過干預衰老來延長健康壽命，這個市場的潛在總價值高達1.2千兆美元。這個數字已經超過人類有史以來創造的所有財富的總和了。那麼，這對我們來說，又意味著什麼？如果你是投資者，那麼，AI製藥、基因編輯、早期精準診斷、個人健康資料管理這些賽道，值得你高度關注。如果你是創業者，那麼，圍繞著“健康”而不是“疾病”的服務，將會有巨大的想像空間。比如，基於個人基因資料的、真正的個性化營養和健身方案。而對於我們每個人來說，我們的下一代將有機會生活在一個沒有遺傳病、癌症也不再是絕症的世界裡。過去，我們用財富換藥物來延長生命。未來，我們可能會用財富設計健康來提升生命。03機會三：自主機器經濟什麼是自主機器經濟？2035年，一座城市的凌晨3點，一排排自動駕駛的重型卡車在高速公路上，安靜而高效地行駛，它們將貨物從一個樞紐運往另一個樞紐。它們沒有司機，也不知疲倦；清晨5點，街道上，一群群小型的環衛機器人自動清掃著昨夜的垃圾，規劃著最高效的路線。上午9點，上班高峰期，你叫的不再是網約車，而是一輛自動駕駛的Robotaxi。車裡沒有駕駛員，價格是今天的三分之一。中午12點，你在辦公室，用手機點了一份午餐。30分鐘後，一架無人機懸停在你的窗外，通過一個專門的通道，把午餐送到你的桌上。晚上10點，在你看不見的倉庫裡，成百上千的人形機器人正在精準地分揀著明天需要配送的包裹，它們的效率和精準率遠超人類。這個由機器組成的，7x24小時不間斷運行的、全新的物理世界勞動力市場，就是自主機器經濟。它的本質，是一場對物理世界的外包。什麼意思？過去的30年裡，我們通過網際網路和軟體把資訊世界的大部分工作外包了出去。我們把記憶外包給了搜尋引擎，把計算外包給了計算器，把社交外包給了社交軟體。而接下來，我們也會通過機器人、自動駕駛和AI，把物理世界的大部分重複性勞動也外包出去。那麼，這個外包市場能有多大？我們繼續看資料。1. 出行市場，將會被重塑。報告預測，僅Robotaxi（自動駕駛計程車）這個行業，到2030年，就將創造約34兆美元的企業總價值。什麼概念？這個數字相當於今天全球所有上市公司的總市值之和的近三分之一，而這還只是出行領域。2. 通用勞動力市場，將會被顛覆。報告預測，以特斯拉Optimus為代表的通用人形機器人，將在2028年左右，達到超過人類的工作效率。而它們所能撬動的市場，包括製造業、服務業和家庭勞動，總規模高達26兆美元。3. 物流成本，將會趨近於零。報告指出，自動駕駛卡車將使幹線運輸成本降低60%，而無人機和配送機器人，將使“最後一公里”的配送成本降低90%以上。這會極大地促進消費，重塑零售業。也就是說，光是這三個領域加起來，就是一個超過60兆美元的龐大市場了。那麼，屬於我們的機會在那裡？你可能會說，機會在那些製造機器人和自動駕駛汽車的公司裡。是的，但這只是其中的一部分。更大的機會，在於營運。就像今天，最大的航空公司並不自己生產飛機，最大的出行公司，自己也不生產汽車。未來，最大的自主機器營運商可能也不會是機器人製造商。“機器人即服務”會是一個很大的賽道。為工廠、為寫字樓、為家庭，提供一整套的自動化解決方案，包括機器的部署、調度、維護、能源補充，都將誕生一批全新的巨頭公司。所以，對於創業者來說，在一些垂直領域，比如餐廳後廚自動化、醫院內部物流自動化，都有機會做出一家偉大的企業。而對於每一個個體來說，我們更應該關注的，可能是那些難以外包的東西。比如創造力、同理心、愛。上半場，網際網路數位化了資訊世界。下半場，該輪到自主機器數位化物理世界了。04機會四：鏈上金融設施什麼是鏈上金融設施？一位越南的咖啡農，有一片優質的咖啡種植園。今年，他想引進一套新的裝置來提升咖啡豆的品質，但這需要一筆不小的資金，過去，他可能需要向本地銀行申請貸款，手續繁瑣，而且利率很高，但2035年，他有了一個新的選擇。他可以通過一個平台，將自己種植園未來三年的咖啡豆收成，打包成一個“數位資產”，發佈到全球的區塊鏈網路上。這個數位資產清晰地記錄了種植園的歷史產量、品質評級和預估價值，一位身在紐約的投資人看到了這個項目，如果他覺得不錯，就可以通過智能合約向這位咖啡農借出一筆資金。這個過程，沒有銀行、沒有中介，利率很低，幾分鐘就完成了。這就是鏈上金融設施。不過，很多人聽到區塊鏈、數位資產，第一反應可能還是“炒幣”，我理解。但是，報告告訴我們，這背後是一個比“炒幣”大得多的、真正能改變世界的機會。因為，這個機會的本質是把全世界所有的“固化資產”，變成可以靈活流動的“液態資本”。什麼意思？舉個例子，你的房子是你的資產，但是，某種意義上，它並不是真正的資本。因為，它並不能隨時隨地、低成本地參與到經濟流轉裡去。你不能把它劈成1000份賣掉，也不能在急用錢時，3分鐘內就把它抵押給一個新加坡的陌生人。但是，如果我們能把這套房子的所有權“代幣化”，變成一個數字憑證，放到區塊鏈上，那麼，它立刻就擁有了“資本”的屬性。你可以把它分割成任意份數，賣給全世界任何一個想投資的人。你可以隨時把它抵押給全球網路，獲得貸款。本質上，這就是一種“現實世界資產代幣化”。而理論上，房子、股票、債券、收藏的一幅畫、公司的未來收入，都可以被“代幣化”。那麼，這個市場能有多大？報告預測，到2030年，被代幣化的現實世界資產將會達到11兆美元。而整個數位資產的總市值，將會達到28兆美元。這是一個全新的、基於區塊鏈技術的、全球統一的金融“新基建”。今天的銀行、券商、交易所所做的大部分業務，未來都可以在這套新基建上，以更高效、更透明、成本更低的方式，重做一遍。所以，對於金融從業者和創業者來說，這是一個不小的機遇。新一代的“數字投行”，專注於藝術品、房地產等等垂直領域的資產代幣化平台，以及為這套新系統提供合規和安全服務的科技公司，都可能迎來巨大的發展。而對於我們來說，這也意味著我們的投資和理財方式，將會發生根本性的改變。我們可以更輕鬆地投資全球的優質資產，我們的資產也將擁有前所未有的流動性。當然。這一定會伴隨著巨大的風險和監管的挑戰。05機會五：智能時代的“新水電煤”什麼是智能時代的“新水電煤”？一家頂尖的AI創業公司正在為他們新的超級計算中心選址，他們考察了全球十幾個地方，但其實，最終做決定的核心標準只有一個——這個地方至少要為他們提供未來十年內，穩定廉價且大規模的綠色能源。同時，這家公司的部分核心演算法也不在地面上運行，而是通過SpaceX的星鏈網路與部署在近地軌道上的資料中心進行即時的資料交換。因為在太空中，沒有散熱和空間的限制。是的，極度廉價和充裕的能源，以及極度廉價和可靠的太空運輸能力。這就是智能時代的“新水電煤”。這個機會，可能沒有前面四個看上去那麼光鮮亮麗。但是，它是聰明的AI代理、精準的基因治療、不知疲倦的機器人、全球流轉的數位資產，所有這些機會的基石。因為，所有這些機會，都建立在智能時代的“新水電煤”的基礎之上。為什麼這麼說？AI和機器人都是“電老虎”。報告指出，AI的發展將對全球的電力系統提出前所未有的挑戰。沒有能源，一切智能就都是空談。而我們未來的全球通訊、高精度地圖，也都離不開一個前提。那就是，我們能以足夠低的成本，把大量的衛星和裝置送入太空。所以，誰能在這兩個領域實現成本的指數級下降，誰就掌握了開啟未來時代的鑰匙。幸運的是，變化正在發生。在能源領域，太陽能和電池的成本，在過去的十年裡已經遵循“萊特定律”，下降了超過80%。在太空運輸領域，SpaceX，這家“不務正業”的火箭公司，正在上演一場瘋狂的成本革命。報告預測，通過可完全重複使用的星艦，SpaceX將可以把每公斤物質送入近地軌道的成本，從航天飛機時代的數萬美元降低到100美元以下。就像是把跨國機票，從幾萬塊降到了幾百塊那樣。那麼，這對我們來說，意味著什麼？意味著，一個典型的“賣鏟人”的機會。今天，AI、機器人、生物科技，就是新的金礦。而新能源技術、商業航天、全球衛星通訊這些領域，就是在為所有的淘金者提供鏟子和牛仔褲。所以，對於投資者來說，這些領域的確定性可能比某些具體的AI應用，還要高得多。而對於我們每一個個體來說，理解這一點，也能讓我們建立起一個更加底層的認知框架。你會明白，為什麼馬斯克既要造車，又要搞火箭。為什麼AI的發展，和太陽能產業的進步息息相關。因為每一個偉大時代的開啟，都始於能源和運輸的革命。06最後的話AI代理經濟；“治癒”產業；自主機器經濟；鏈上金融設施；智能時代的“新水電煤”，這是一個由技術融合驅動的、激動人心的“偉大加速”時代。但是，所有對於未來的預測，都未必能夠100%兌現。真實的世界永遠要比報告來得複雜得多，也沒有任何一個人、任何一份報告能夠保證你能挖到寶藏，保證你不會在途中遇到風暴。和你分享這份報告，也不是希望你傾盡所，去下注某一個賽道，而是希望，你能擁有看懂一張“航海圖”的能力。真正的機會，永遠是“認知”的機會。真正的領先，永遠是你比別人更早理解了世界正在發生的結構性變化。所以，面對加速到來的未來，不必過於興奮，也不必過於焦慮，我們就從一些小事開始做起。比如，保持開放，擁抱變化。不要輕易否定那些你還看不懂的新事物。對AI、對機器人、對區塊鏈，多一點好奇，少一點成見。去試用、去體驗、去感受。比如，持續學習，升級認知。像今天這樣花一點時間，通過一份報告去窺見未來的可能性。這樣的認知升級是應對不確定性最好的武器。比如，勇敢行動，小步快跑。在看懂趨勢，確定機會之後，用最小的成本在自己的工作和生活中，去嘗試應用這些新的技術和理念。也許是讓AI幫你寫一份工作周報，也許是學習一點數位資產的知識。這些微小的行動，會讓你對未來有最真實的體感。這些都是小幅度的準備，也是最好的準備。 (正和島)

蘇銘恆：如何有效監管AI在不同領域的使用、資訊披露的要求，以及加強投資者教育及對AI的全面認識，仍然是保護散戶的重要措施。踏入新一年，傳媒都喜歡盤點過去一年得失，然後展望一下新一年的變化。筆者最近讀到一篇有關投資界的相關報導，提到美股的散戶2025年大舉入市，並且獲得豐厚回報，表現好過不少專業的華爾街交易員。報導引述的摩根大通分析員整合的資料發現，去年散戶投入美股的資金比對上一年增長超過五成，散戶的交易量佔整體交易量達到20%至25%，而去年四月份時散戶的佔比更加達到35%。摩通的分析亦發現，這些散戶主要靠在去年上半年美股的三次調整（一月的Deepseek發佈令AI科技股重新被估值、三月的強勢股回吐、以及四月川普宣佈向各國徵收關稅的“解放日”）中使用了趁低吸納（buy-the-dip）策略，在這幾次調整中大舉入貨建倉，最終這些散戶去年的回報率超過兩成，跑贏同期標普500指數的表現。報導還引述多名投資界人士認為，去年散戶的成績正好說明散戶平均來說越來越成熟，不再是大家口中的傻錢（dumb money），又認為目前是散戶投資的黃金年代，因為散戶可以擁有更多資訊、有更多投資工具參與市場、以及更先進的交易平台。過往投資界有一種說法：“散戶很容易變成大戶點心”，但從上述的報導看來，是否代表散戶已經可以變成聰明錢，不用再怕大戶呢？全球散戶參與度持續上升世界經濟論壇（World Economic Forum）去年發佈有關全球散戶投資者的調查發現，隨著股票交易app的興起，散戶投資者對全球市場的參與程度確實越來越高，估計從2016年至2025年間股票交易app使用者人數的復合年增長率(CAGR)為20%。而且年輕一代比他們的上一輩更夠膽入市，以及在更年輕時就開始投資，有36%被稱為Gen Z的受訪者（18至27歲）未踏入職場已經開始參與投資，比Millennial（28至43歲）的17%以及Gen X（44至59歲）的10%都要高得多年輕一代對於不同投資產品包括結構複雜的新興投資產品的接受程度也更高，有71%的Gen Z受訪者指他們的投資組合中有最少三分之一是加密資產。他們對自己的財經知識亦較有信心，有四成受訪的Gen Z以及Millennial都表示對自己理解金融市場的能力以及作出明智的投資決定有信心，但只有27%的Gen X會有這種信心，而Gen X較看重分散風險，他們的資產組合多樣化程度，較年輕一代為高。這班對參與資本市場較擁抱的年輕一代還有一個特色，就是比較相信及依賴科技包括AI對投資的幫助，有逾四成的Gen Z以及Millennial都表示願意讓AI機械人來管理自己的投資組合。AI能否拉近資訊差距？筆者覺得新一代對自己的知識有信心是好事，樂於擁抱科技也是無可厚非。不過參考過往經驗，散戶很容易變成大戶點心這個傳統提醒仍然是重要的。長久以來，大家相信散戶比大戶在資本市場上弱勢，除了心理上散戶容易出現羊群心理，受賺未敢賺盡而又未能嚴守止蝕等情緒影響，未能完全理性作投資之外，另一個主要問題是散戶很多時比大戶擁有的資訊較少或較慢，即是所謂出現資訊不對等（information asymmetry）的情況。學術界對於AI是否能夠縮小散戶與機構投資者的資訊差距仍未有確切的結論。兩項分別來自印度及巴基斯坦學者的研究都發現，加設了AI的投資平台及工具，令散戶較以往更容易接觸到不同的投資工具，更低成本地執行不同的投資策略，也更容易獲得投資建議，以及取得自動化工具幫助減低風險。不過，也有學者警告，AI可以進一步拉大散戶以及機構投資者等大戶的資訊不對等情況，因為大機構往往有更多資本可以獲取更新型的AI模型，以及取得更多更優質的市場資料及交易資料供AI自家模型使用，更不排除有機構可以透過較先進的AI程式在市場上製造雜訊（noise），令依賴較廉價AI的散戶更易上當，降低了投資回報。世界經濟論壇以及學界較一致的共識是，大家不能只寄望科技的出現，自然就會為金融市場帶來更公平的局面，自動會幫助散戶投資獲利。如何有效監管AI在不同領域的使用、資訊披露的要求，以及加強投資者教育及對AI的全面認識，仍然是保護散戶的重要措施。 (FT中文網)