文章核心观点 - AI技术发展迅猛且潜力巨大，正从一项前沿技术成长为拉动国民经济增长的支柱性产业，但其发展过程将充满曲折，行业内部存在极度分化，当前盈利主要集中在基础设施（“卖铲子”）环节，而应用端（“AI+”）的盈利模式尚未成熟或规模有限，未来将经历多次泡沫生成与破灭的调整期 [1][5][18][24] AI技术的发展阶段与潜力 - AI技术已多次取得里程碑式突破，例如AlphaGo战胜人类顶尖围棋选手，以及AlphaFold将蛋白质结构解析时间从数月数年缩短至几小时几分钟，并已完成超2亿个蛋白质结构的预测 [1] - 人脑的生理限制（重量1.2-1.6KG，能耗约20瓦）与机器的无限扩展能力形成对比，机器可以全面掌握并优化人脑后天学习的所有东西，因此AI发展不可限量 [2] - AI scaling law可能符合超摩尔定律，即10年增长100万倍，远超传统摩尔定律（10年增长100倍）的速度 [22] 全球AI产业现状与极度分化 - AI已席卷全球，大语言模型（如ChatGPT、豆包）和推理大模型（如GPT-5、Gemini2.0）成为部分日常应用 [5] - 2025年美国M7（七巨头）盈利总额占GDP比重为1.88%，占标普500盈利比重近30%，2026年一季度盈利增速达45%左右 [5] - 中国台湾2026年一季度GDP名义增速高达16.88%，受台积电（一季度盈利增速60%）等电子行业带动，韩国三星电子和SK海力士市值占KOSPI指数总市值比重约55% [5] - 2026年预测显示，美国和韩国的AI企业盈利额将占全球AI企业盈利总额的84%，AI热潮存在极度分化 [5] - 当前AI淘金热中，赚钱的主要是提供基础设施和工具的厂商（如芯片、算力），而“AI+”的应用厂商尚未开始赚钱或盈利有限 [5] AI基础设施需求与半导体超长周期 - 中国“十五五”规划目标到2030年人工智能相关产业规模增长到10万亿元以上，未来对AI基础设施（如算力网、数据市场、芯片、云服务、光通讯）需求巨大 [6] - 芯片需求增加最初与智能手机和电动车推广有关，电子行业正经历历史上罕见的超长上行周期 [7] - 费城半导体指数从10年前的约680点上涨至约14680点，过去一年上涨了三倍左右 [7][8] - 存储芯片作为上游硅片供给紧张与下游硅含量提升（HPC、IoT、汽车电子）需求闭环的核心品种最为受益 [11] - AI基础设施（如芯片、设备）生产门槛高，易形成技术垄断，导致英伟达、台积电、ASML等公司毛利率高，行业正经历超长周期 [14] AI产业的资本开支与增长模式可持续性 - 美国主要AI公司（如亚马逊、微软、谷歌、Meta、甲骨文）资本开支巨大，五家巨头总额预计达8000亿美元，2026年资本开支比2025年翻了一倍 [15] - 谷歌2026年资本开支高达1800-1900亿美元，但预计利润约1590亿美元，并发行100年期债券（收益率6.05%）筹资，AI企业多为重资产，依赖巨额资本开支，现金流若枯竭将导致估值大幅下移 [15] - 资本开支增加主要用于满足算力巨大需求，且存储芯片涨价推高了成本，企业通过裁员、暂停股票回购或发债等方式筹措资金 [15] - AI技术进步日新月异，设备更新周期快，资本开支的增加可能不是一次性的，其增长模式的可持续性存疑 [15] AI应用端（端侧）的发展挑战与盈利模式 - AI端侧产品（如AI手机、机器人）迭代快，各领风骚，很难有单一品牌长期独秀，类似手机发展史 [14] - AI在算力、文字和图像创作等“纸上谈兵”方面优势强大，但在行动（如机器人互动、自动驾驶）方面进展缓慢，知行合一难 [19] - 自动驾驶达到L5级（完全无人驾驶）可能需要10-20年时间，2026年被视为L3级规模化商用的关键验证年 [21] - 脑机接口技术（如Neuralink，估值约90亿美元）仍未成熟，商业化尚需时日 [20] - 目前AI产业的商业模式主要依赖企业（B端）或政府（G端）购买，而非个人用户（C端），若不能形成面向C端的规模效应，产业链存在断裂风险 [21] 行业周期、泡沫与未来展望 - AI基础设施相关行业因门槛高，上行周期可能较长，但端侧产品制造可能面临产能过剩风险，类似胶卷相机被数码相机和智能手机替代的历史 [21] - 任何行业都会经历盛衰周期，行业集中度在几轮周期后提高，大量企业将成为发展过程中的“先驱” [21] - 当前宏观经济存在“硅基通胀、碳基通缩”的结构性问题，AI发展太快可能导致供需失衡和泡沫 [25] - AI时代仍处初级阶段，泡沫破裂是阶段性的，一批泡沫破了又会泛起一批，行业在上升阶段会经历多次调整 [25] - 需要用长远眼光寻找AI领域的“未来蓝筹”，类似2002年寻找重化工业化时期的龙头股，当前美国的M7巨头组合未来也可能发生更迭 [27][28]