核心观点 - 2026年AI市场的核心变化是估值逻辑从“AGI终局叙事”转向“效率兑现与经营质量”，市场关注点从“谁最接近AGI”变为谁能让客户付费、谁能控制成本、谁能嵌入工作流 [7][12][13] - AI行业正从“轻资产、高想象”的互联网模式转变为“重工业化”模式，增长依赖于庞大的资本开支、电力、土地和供应链，想象力必须穿过资产负债表 [16][24][25] - AI投资并未结束，但市场正在筛选公司，从“宗教交易”回归“利润表交易”，更青睐能证明确定性的资本开支、成本下降和企业付费能力的公司 [26][34][35] 行业叙事与估值逻辑的转变 - OpenAI在2026年更新的原则文件中，对AGI的直接提及相比2018年明显减少，叙事重心转向“让社会应对每一层级AI能力”和民主化、赋能、普惠 [4][10] - DeepMind承认当前系统在持续学习、长期规划和一致性方面存在缺口，距离真正AGI仍有明显距离 [6] - 资本市场“AGI溢价”正在降温，市场开始将AI放回订单、成本、折旧、能源和利润率中重新核算，估值锚从“智能爆发”切换到“效率兑现” [7][13] - 市场对AI公司的排序发生变化，讲故事最强的公司未必安全，现金流硬、订单能见度高、供应链议价能力强的公司更容易穿越波动 [13] AI的重工业化特征与成本结构 - 前沿模型越来越像重工业，需要GPU、HBM、数据中心、电力、土地和长期合同，每一次能力提升背后都是更大的资本开支表 [16] - 模型训练算力约每5个月翻倍，数据集规模约每8个月翻倍，但模型之间的性能差距在缩小，排名第一和第十的模型分数差距一年内从11.9%降至5.4% [16][17] - 投入变大但领先差距变窄，导致边际投入产出比成为严峻问题，投入100亿美元可能只换来稳定性、速度等渐进式改进，而非认知冲击 [18][19] - AI的瓶颈已从芯片扩散到电力系统，全球数据中心电力需求在2025年增长17%，AI专用数据中心电力消费增长达50% [21] - 电力成为AI基础设施的核心变量，美国PJM电网容量市场价格在两次拍卖中暴涨超过1000%，并警告最快2027年可能出现电力缺口 [22] - 投资地图从只关注GPU，扩展到HBM、先进封装、光模块、液冷、变压器、燃气轮机、核能、储能、数据中心REITs等 [23] 主要科技公司的资本开支与业务表现 - 谷歌2026年第一季度资本开支达到357亿美元，大部分投向AI技术基础设施，服务器投资占技术基础设施的60%，数据中心和网络设备占40% [7][20] - Google Cloud一季度收入增长63%，积压订单达到4620亿美元，表明AI需求正通过云合同、TPU销售和数据中心交付兑现 [20] - Amazon一季度AWS销售额增长28%至376亿美元，但过去12个月自由现金流降至12亿美元，主因是反映AI投资的固定资产购买大幅增加 [7][20] - 微软的AI基础设施投入和AI产品使用增长，已对Microsoft Cloud毛利率形成拖累 [20] - Meta一季度资本开支接近200亿美元，继续加码AI基础设施 [7] 市场需求、应用落地与公司分化 - AI需求依然强劲，Anthropic披露一季度收入和使用量年化增长达到80倍，Claude Code推动开发者市场爆发 [27] - Meta一季度收入增长33%，广告展示量增长19%，平均广告价格增长12%，显示AI对广告系统的效率贡献 [27] - 企业AI需求正进入预算、采购和长期合约，谷歌云业务的增长和积压订单是例证 [28] - 未来AI公司将出现分化，关键在于能否从“调用模型”变为“重构流程”，进入金融、医疗、制造等行业的高价值工作流 [32][33] - 市场将更青睐三类确定性：确定的资本开支（如GPU、数据中心）、确定的成本下降、确定的企业付费 [34] 三类AI公司的投资前景 - 第一类公司风险最大：估值主要依赖AGI快速到来的假设，商业模式未跑顺，收入增长依赖补贴，推理成本随用户增长同步放大 [30] - 第二类公司是阶段性赢家：如GPU、HBM、光模块、电力设备、数据中心等基础设施供应商，其逻辑依赖于AI资本开支的持续存在，受AGI时间表影响较小 [30] - 第三类公司可能成为下一轮真正增量：能将AI能力嵌入高价值行业（如金融、软件开发、医疗）并获取稳定付费的应用公司 [31] - 能获得市场奖励的公司需要提供更硬的证据：订单、毛利率、现金流、客户留存、产能锁定、电力资源等 [36]