文章核心观点 - 中美AI发展路径呈现明显分化 美国押注通用人工智能 中国则侧重垂直场景应用 这使得外资配置中国资产成为平衡风险的选择 [1] - 中国出现系统性AI泡沫的概率远低于美国 主要因中国模型厂商融资更谨慎 资本开支务实 且数据中心利用率高且有真实需求支撑 [1][9] - 中国被AI颠覆的风险小于美国 因中国上游缺乏单一主导的新流量入口 且下游公司积极将AI整合至现有产品中 加深了技术壁垒 [9][10][11] 中美AI发展路径与市场影响 - 发展路径分化：美国更多押注通用人工智能路线 而中国整体来看会有更多垂直应用 在不同场景中部署相应的模型 [3] - 外资配置逻辑：中美AI路径分化使外资配置中国资产成为一种平衡风险的选择 [1] - 投资回报视角：虽然中国AI带来的收入贡献可能不如美国 但由于美国在电力和数据中心等基础设施方面存在约束 中国在回报率上未必处于劣势 [3] - 行业受益者：互联网大厂和硬件公司被认为是AI最大的受益者 其次是券商和光伏行业 [11] AI商业化与变现模式 - 当前主要变现模式：中美最直接的变现模式是云服务和广告 这也是目前确定性最高的两个方向 [2] - 云服务增长：云厂商的收入在过去几个季度持续攀升 市场对云收入的预期也在不断上修 [2] - 广告效率提升：中美领先的平台公司在财报中提及AI对广告技术和投放效率的帮助 [2] - ToC变现差异：美国因成熟的订阅制模式 在C端变现进展更快 中国在ToC订阅制的推进相对较慢 [2] - C端付费前提：只有当AI产品能够为消费者提供非常明确、可重复、可量化的价值 C端付费才可能加快 [2] - 应用改造方向：AI目前主要还是被用来改造既有业务 例如游戏和广告是最明显的应用方向 [3] - 独立应用前景：海外市场最火的方向是AI编程 也是目前看到变现路径最清晰的领域 [3] - 大规模落地场景特征：需要满足"语言相关、知识密集、高频或高价值"的特点 [3] - 有前景的应用方向：编程、内容生成、招聘以及金融等专业服务领域可能会是较有前景的应用方向 [3] 技术能力与成本优势 - 模型能力差距：中国模型的平均智能水平与美国最先进模型之间的差距正在逐渐缩小 [2] - 企业采购考量：企业会关注单位模型的价格和性价比 而不是单纯追求最强性能 [2] - 中国模型优势：美国最先进的模型成本较高 而中国模型在可负担性方面具有优势 [2] - 出海潜力：未来可能会看到更多中国模型走向海外市场 [2] - 中国产业优势：中国工业体系较为成熟 应用场景更多 也会考虑尽可能提高算力的使用效率 [3] 资本开支与泡沫风险 - 中国资本开支策略：头部几家中国互联网大厂加起来资本开支大概4千亿元 是美国同行的约十分之一 但在模型能力层面接近顶尖 策略更加务实、谨慎 [9] - 融资模式：中国模型厂商没有太多循环融资现象 领先的模型厂商较多靠的是母公司的现金流业务来支持AI研发 [9] - 数据中心利用率：从2024年下半年到现在 平均使用率一直维持在比较高且稳定的水平 数据中心有真实的AI需求支撑 [9] - 监管与建设控制：监管在控制数据中心不要过度建设 大厂自建数据中心采取稳妥、循序渐进的策略 [9] AI智能体（Agent）发展 - 演化阶段：AI智能体的演化将是一个分阶段的过程 从在单一App中加入功能 到在生态内打通资源 再到实现跨平台和多智能体协作 [4] - 普及挑战：智能体的大规模普及面临技术挑战 也涉及用户接受度、产业协同、商业模式和监管框架等问题 [4] - 推出时间：其真正大规模推出和变现仍需要时间 [4] 行业颠覆风险对比 - 美国颠覆风险：ChatGPT从去年开始做了一系列下游平台的整合 探索在聊天机器人里加入更多功能 因此一个产品甚至行业是否会被AI颠覆成为国外投资者关注的重点 [9] - 中国流量入口格局：在美国 上游已经形成了比较明显的新的流量入口 以ChatGPT为首已有很大的用户体量 而在中国 上游的AI聊天机器人情况分散 不存在单一新流量入口形成后颠覆下游的情况 [10] - 中国下游公司策略：中国下游公司也在用更积极的态度拥抱AI 将AI产品功能加在原生产品里 他们的技术壁垒越深 越早进行产品形态的探索 就会使得上游颠覆的难度越大 [11] - 垂直领域风险：尤其一些垂直领域有影响力的产品被颠覆的风险更小 [11]