文章核心观点 - AI赛道正经历剧烈的资金虹吸效应，导致市场结构严重失衡，一边是AI相关产业链龙头市值飙升、交易高度集中，另一边是传统行业板块持续下跌、资金流出 [2][4] - 当前AI生态的高估值是未来产业需求与资本情绪催生的投资泡沫共生的结果，产业已进入商业化初期，但部分龙头估值已严重透支远期增长 [10][11][12] - 资金向AI生态的迁徙是历史必然，它既是全球技术革命在资本市场的映射，也是中国经济增长动力切换和房地产资金蓄水池功能弱化后，资金寻找新载体的结果 [15][16][17] 两极分化：AI生态的资金虹吸与市场结构失衡 - TMT板块单日成交额占全A市场比重已达48%，创历史新高，显示近一半交易资金集中在科技赛道 [6] - 7月21日，A股市场有38只个股单日成交额超过百亿元，其中兆易创新、中际旭创、寒武纪、海光信息、新易盛等AI产业链龙头悉数在列 [6] - 传统赛道持续失血，最近三个月能源金属、风电、光伏跌超30%，钢铁、军工、汽车跌超20%，地产、建筑、白酒跌超10% [7] - 整个上半年白酒板块的成交额不及单只光模块龙头中际旭创，贵州茅台股价最低跌至1151.01元 [7] - 全市场超半数成交集中在算力、半导体、AI硬件、光通信等科技板块，而地产、消费等传统板块资金持续流出 [7] 不同属性资本的动向 - 公募基金方面，2026年上半年百余只“翻倍基”涌现，方正富邦核心优势混合A以183.67%的收益率领跑，其重仓方向为存储芯片 [8] - 财通多策略福鑫、东方惠新、东方人工智能主题等科技赛道基金收益均超过157% [8] - 公募基金二季报显示，科技主题基金保持高仓位，但持仓结构变化：增持光模块、AI服务器、存储芯片和半导体设备龙头，减持订单兑现不及预期或估值过高的标的 [8] - 进入7月后，机构调仓呈现再平衡特征，一部分资金从科技股转向消费、医药及低估值白马，但更多资金仍在科技内部进行高低切换 [8] - 机构观点认为，本轮调整是杠杆出清而非基本面恶化，AI算力需求扩张的长期趋势未变，资金在回调后可能回流，但会更集中于订单和利润明确的龙头 [9] 估值之争：是需求还是泡沫？ - 产业需求持续落地构成行情底层支撑，AI被视为下一代通用技术革命 [11] - 国内产业数据验证需求：2026年中国电信计划算力基础设施投资255亿元，同比增长26%，占总投资35% [11] - 中国移动2026年算力网络投资、智能网络投资分别增长62.4%、19.8% [11] - 三大运营商算力网络和智能网络投资占比超37% [11] - 2025年中国AI服务器市场规模达2500亿元，预计2026年增长至3500亿元 [11] - AI应用已进入实体产业核心流程，如比亚迪用于研发仿真、宁德时代用于生产质量控制、中国石油用于设备运维 [12] - 但部分龙头估值已严重透支，寒武纪滚动市盈率达368.97倍，远超行业平均的74.86倍 [12] - 摩根士丹利预测，寒武纪2026-2028年营收复合增速超100%，2027年净利润达122亿元，对应市盈率将回落至约80倍 [12] - 历史经验表明，重大技术革命早期常伴随资本泡沫，如2000年纳斯达克互联网泡沫，但泡沫能加速基础设施铺设和商业探索，最终筛选出真正价值 [13] 大势之问：AI生态为何成为资金的必然之选？ - 全球资本市场规律显示，股市主线与经济增长核心动力迭代高度绑定，科技板块已占标普500近44%的权重 [16] - 英伟达凭借AI算力芯片优势，4年间市值从3000亿美元攀升至5万亿美元，带动全球AI估值重估 [16][17] - 中国经济增长从要素驱动、地产驱动转向创新驱动，科技赛道接棒成为资本市场主线是历史必然 [17] - 中国特色在于，房地产作为旧资金蓄水池功能弱化，全国商品房年销售额从峰值超18万亿元回落至10万亿元量级 [17] - 居民资产中房产占比长期维持在60%-70%，行业调整后，市场资金需要新资产承接 [17] - AI生态产业链条长、市场空间广阔、叙事周期长，具备承载大体量资金的能力，成为替代地产的新“资金存储市场” [17]

文章核心观点 - 市场正在对AI产业进行价值重估，从关注模型参数和资本开支转向关注产业化落地、企业组织变革和实际财务回报，AI投资进入“价格发现期” [2][3][9] - AI进入物理世界（如工业、能源管理）后，评价标准从技术能力转变为能否解决实际问题、产生经济效益并融入企业现有流程，价值证明门槛提高 [4][5][6] - 资本市场开始重新计算从模型能力到企业回报的距离与成本，关注资本开支的兑现、产能约束与折旧压力，导致半导体等板块出现波动与估值调整 [2][9][11] 市场表现与估值重估 - 7月17日A股市场大幅下挫，上证指数下跌3.05%，科创50下跌超7%，全市场超5000只个股下跌，半导体、算力硬件、AI应用等方向领跌 [2] - 市场波动反映对AI过高估值和交易拥挤的重新审视，以及从“资本驱动”向“价值驱动”转变的阵痛 [2][11] 1 - 费城半导体指数较6月高点一度回落逾20%，台积电在公布强劲业绩后股价仍下跌，呈现“好业绩、坏股价”现象 [11] - 7月21日市场出现“深V”反弹，科创50领涨涨幅超10%，但这被视为杠杆出清后的超跌修复，趋势反转需后续验证 [2][12] AI产业化与评价标准转变 - AI进入工业等物理世界后，企业关注点从模型参数转向实际效益、系统稳定性、与老旧设备集成以及投资回收期 [5] - 霍尼韦尔举例，一家化工企业投入500万元试用AI系统，一年后产生约1500万元效益，投资回收期少于18个月 [5] - 评价标准变化包括：判断错误是否导致生产事故、结论是否可追溯验证、节约的能耗人工能否覆盖投入 [5] - ABB在厦门的案例展示了AI进入能源管理和生产系统，实现光伏、储能、楼宇等多智能体的协同调控 [5] 组织变革与价值实现瓶颈 - 在模型能力与企业财务回报之间存在“组织中介”层，包括数据治理、流程改造、权责调整等，这导致生产率改善速度远慢于模型能力提升 [6][7] - 经合组织研究指出，AI进入核心业务除技术外，还依赖组织变革及数据、技能等互补性投入，否则算力供给可能沉淀为低利用率与价格竞争 [7][8] - 企业应用AI需解决数据接入流程、员工工作方式改变、决策权与责任归属等问题，AI节省的时间需转化为实际收入和利润 [6] 产业端的长周期挑战与冷静判断 - 具身智能被判断仍处于早期“GPT-1.0阶段”，世界模型泛化能力有限，且缺乏真实场景犯错产生的“难例数据”来驱动数据飞轮 [12] - 世界模型与AI 3D大模型要改变高端内容生产体系，仍需跨越模型架构、空间一致性、可交互性及商业化等多重挑战 [12] - 中金研究院报告指出，AI模型服务的计算成本占API价格比重已接近工业形态，数字经济呈现“工业化”特征，受到产能、成本和折旧的约束 [11] 投资逻辑与观察指标的转变 - “看好科技”不再等于不问价格，投资逻辑转向关注全球AI资本开支与算力链订单兑现、国产AI芯片规模化落地、机器人等方向产业化验证 [13] - 市场关注点包括海外科技巨头资本开支与业绩指引、海外利率、科技摩擦及交易拥挤度变化 [13] - 投资视角从短期主题催化转向长期产业化验证，重新计算能力转化为生产率、收入与利润所需的时间与成本 [13][18] AI的长期价值与时间尺度冲突 - AI的长期价值在于拓展人类能力边界，加速科学发现、处理复杂任务并创造新产品与服务，而非仅仅替代人力或降本 [16] - 未来学家凯文·凯利指出，AI无法绕过现实世界的物理过程（如实验、原型制造、验证），这些过程需要难以压缩的“日历时间” [16] - “阿玛拉定律”认为技术短期影响被高估而长期影响被低估，AI基础设施投资可能是一种具有长期社会价值的“必要泡沫” [17] - AI产业的“进”与“退”以五年、十年计，与资本市场几天内完成的进退产生时间尺度碰撞，导致剧烈波动 [17]