AI叙事转变的三大层次 - 第一层叙事：对Scaling Law出现分歧，源于物理约束（如电力）、数据瓶颈和边际效率衰减，技术焦点转向算法拓展[5] - 第二层叙事：市场从奖励资本开支转向担忧投资回报，美国大型科技公司2026年AI相关资本开支或超7000亿美元[6] - 第三层叙事：担忧AI颠覆性从变革搜索（Chat时代）、变革软件（Agent时代）演进至颠覆宏观范式（全面AI时代），可能替代劳动力要素[7][8] 市场担忧与投资逻辑转变 - 市场担忧呈现矛盾：既担心AI变现太慢，又担心AI颠覆性太强，导致在恐慌情绪下对高估值板块进行线性外推[10] - 美国五大超级云厂商2026年约90%的经营性现金流将用于资本开支（2025年为65%），部分公司自由现金流转负风险增加[6] - 美国科技巨头2026年债券发行总额或高达4000亿美元，债务融资敞口快速增加[6] 反驳观点与未来展望 - 存在反驳宏观颠覆的观点：如“杰文斯悖论”认为效率提升会刺激新需求，AI在非标化任务上替代成本高，且社会适应力强[11] - AI变革过程不会一蹴而就，投资者需从“买一篮子AI”转向精细化筛选标的，关注变化的时间表、边界和结构性机会[11] 投资筛选建议视角 - 硬件层：关注供给约束最紧、定价权强的环节，如存储、电网、变压器、先进封装产能和光纤[12] - 模型层：筛选逻辑偏向拥有独占私有数据、极低成本推理基础设施及强大工程落地能力的公司[12] - 应用层：优先关注能快速落地、量化AI降本增效ROI、切入核心工作流或垂直领域的AI原生应用[12] - 关注中美AI路线差异：中国更强调“算力效率优先”和产业赋能，美国短期“替代性”冲击更强，长期关注制造业恢复[14]