AI行业现状与市场情绪 - 当前市场对AI普遍存在焦虑情绪，这恰恰说明行业仍处于快速变化和迭代过程中，产业趋势尚未结束[3][4][13][14][15] - 过去24个月内，市场上已出现一批年度经常性收入（ARR）增长几十倍的公司[14] - 相比判断遥远的未来，把握当下最新的产业形态和投资趋势更为重要[16] 估值方法论与产业阶段 - 估值始终有效，它是对行业基本面或未来回报率的前瞻定价，并非在大的产业趋势面前无效[2][5][6][17] - 科技行业最危险的是估值方法与产业发展阶段发生错配[7] - 不同产业阶段应采用不同的估值方法：脑机接口处于初创期，不应重点看利润；智能体处于快速扩张期，强行看市盈率（PE）意义不大；而光模块、PCB、服务器、GPU和存储等算力环节业绩已兑现，必须看利润和PE，不能再只讲故事[8][74] - 估值是基本面和公司自身的影子，不可能完全脱离[20][21] AI产业革命的量级与资本开支 - AI本轮产业革命的量级明显大于上一轮移动互联网[23] - 从资本开支看，移动互联网时代美国一年投入约1000亿美元，中国一年投入约四五千亿元人民币；而当前美国AI相关资本开支一年约达7000亿美元，中国一年也有六七千亿元人民币，呈现量级变化[24] - 头部公司市值也呈现量级差异：移动互联网时代A股相关公司普遍为千亿元市值，而当前美国头部公司达万亿美元，中国头部公司也可能达万亿元人民币[26][27] - 产业形成了基础设施、模型和应用高速迭代的闭环，与过去十年科技周期难以简单类比[35][36][37][38][39][40][41][42] 供应链公司的竞争壁垒与估值安全边际 - 服务于全球第一梯队客户的头部供应链公司（如光模块、PCB），其核心竞争力在于能够跟上全球最领先客户的需求[57] - 技术迭代越快，对于这些头部供应链公司而言，反而越可能构成估值的安全边际[2][58][59] - 一旦技术迭代停滞，二、三线供应商将快速进入，价格战发生，估值可能回落至8-10倍[59] - 中国头部光模块厂商的毛利率仍可能达到20%至30%[54] 市场分化与头部效应 - 每一轮高效新技术诞生初期都会带来更大分化，头部公司效率更高[61] - 本轮AI带来的分化，无论是幅度还是速度，都会比过去更快、更极致[2][65] - 分化可能超越“二八效应”或“一九效应”，更加极端[62] - 以纳斯达克为例，剔除“M7”（美股七巨头）后过去十年是下跌的，这七家公司走势在很大程度上代表了指数[61] 产业阶段划分与投资框架 - 可参考Gartner技术成熟度曲线，将新兴行业划分为初创期、快速成长期、泡沫膨胀期、泡沫幻灭期和成熟期五个阶段[68][69][70][71] - 投资研究的关键是把公司或细分行业与其所处发展阶段的典型特征对应起来，避免错配[73] - 算力产业（光模块、PCB、服务器、GPU、存储）已发展两三年，业绩增长明显，进入“水落石出”阶段，头部公司格局相对清晰，需看利润和PE[74][76][77][78][91] - 大模型竞争格局也逐渐接近边界清晰，中美可能都会保留自己的头部厂商，目前数量仍偏多[79][97][98][102] - 应用端仍处在快速爆发阶段，与越来越多传统行业结合，未来会出现大量创业公司[79][102][103] 算力与大模型的核心竞争力 1. **算力环节**：判断竞争力需关注四个维度：大规模量产与供应链保障能力、获取顶尖客户（尤其是头部大模型厂商）订单的能力、构建全栈式生态的能力、以及卡本身的性能[93] 2. **大模型环节**：判断竞争力需关注三个锚点：拥有足够的资金和融资能力以支撑巨额资本开支、具备持续获得高质量数据的能力、以及拥有顶尖人才[99][100][101][102] AI的跨界应用与投资机会拓展 - AI更大的投资机会并不只在传统科技行业，将进入更多传统行业（如汽车、医疗、制造、农业）并推动其重构[9] - AI应用的特点是促进不同行业间跨界，例如做游戏的人用游戏设计逻辑来拍AI短剧，做AI音乐的可能不是传统音乐人[44][48][49] - 智能体使得一个人可同时调度100个智能体工作，相当于调用100个领域的专业能力，将大幅提升创造力和生产力[50][51] - 最看好的三个“AI+”方向分别是：自动驾驶、AI硬件（包括AI玩具、眼镜、机器人等）、以及AI医疗[9][136][137][138] 软件公司的前景与分化 - 软件公司不会被AI彻底取代，有两类公司表现仍然看好：拥有B端内嵌入口并与客户建立长期信任关系的软件公司，以及拥有高质量数据并能持续产生新数据的软件公司[120][121] - 软件行业未来一定会分化，不能将所有软件公司简单归类讨论[124] - AI出现后，SaaS可能被重新做一遍，但中美市场因客户结构和产业生态不同，发展路径会有差异[123] 对投资者与研究的建议 - 投资者应善于学习并亲自使用AI工具，获得直观体验；同时保持聚焦，长期专注于少数几个方向以建立专业能力[105][106][107] - AI本身正在降低研究门槛，带来知识爆炸和学习能力平权，但工具平权不等于认知自动平权，AI会放大并加速奖励那些拥有专业知识、较强认知和学习能力的少数人[11][110][114] - 在快速变化的时代，最重要的仍然是保持学习，并且持续向正确、优秀的企业家学习，关注他们的公开言行和实际投入方向[2][140][141][143] - 对于普通投资者，可将所研究的公司或行业与Gartner曲线阶段对应，这是基本方法[68][73]