政策与战略定位 - 2025年量子科技在国家政策层面达到前所未有的战略高度，被置于“十五五”规划未来产业布局的首位[5] - 这是中国连续第三年将量子科技写入政府工作报告，从2023年提及创新成果到2025年明确“培育量子科技等未来产业”，战略重要性持续提升[6] - 中央企业战略性新兴产业发展专项基金首期规模达510亿元人民币，重点支持领域明确包含量子科技，旨在推动产业从“技术突破”向“规模化落地”跨越[7] - 各地“十五五”规划密集布局量子科技，北京、上海、浙江、广东、江苏、四川、湖北等省市均将其列为重点发展领域，形成从中央到地方的政策接力[9] - 工信部于2025年12月5日公示《量子信息标准化技术委员会筹建方案》，旨在加快国内量子信息领域标准制定，为产业发展筑牢基础[9] 全球资本动态与市场表现 - 2025年全球量子领域投融资走出“V型反转”，截至第三季度融资总额约349亿元人民币，创下历史新高[10] - 美国量子公司在2025年Q1-Q3融资总额达40.45亿美元，而中国同期仅为0.79亿美元，两者差距达51倍[18][19] - 美国出现多笔巨额融资：PsiQuantum完成10亿美元单轮融资，估值升至70亿美元[15]；Quantinuum完成6亿美元融资，估值达100亿美元[12]；IonQ通过出售股票和认股权证筹集20亿美元[17] - 二级市场同步回暖，美国上市量子公司IonQ、Rigetti和D-Wave股价自2024年9月至今最高涨幅分别超过570%、2200%、2700%[12] - 中国A股市场量子概念股表现强劲，国盾量子股价年内涨幅近200%，市值站上500亿元人民币[10] 中美发展路径与产业生态对比 - 美国发展路径呈现“高举高打”特点，由市场资本驱动，科技巨头（如Google、IBM）与初创公司在超导、离子阱、中性原子、光量子等多条技术路径上“多点下注”，构建了极具韧性的创新生态[21] - 中国发展路径偏向“精耕细作”，拥有活跃的初创生态，2025年Q1-Q3融资笔数达10笔，位居全球第二，仅次于美国的22笔，在基础创新与初创孵化上具备活力[21] - 美国量子公司已获得大量政府、国防与商业订单，例如PsiQuantum获得澳大利亚政府6.2亿美元订单，并中标芝加哥公用事业级量子计算机项目[23] - 相比之下，中国量子产业呈现“政府热、市场冷”局面，尽管在光量子和超导量子（如“九章三号”、“祖冲之三号”）上取得突出科研成果，但尚未转化为同等规模的市场化回报[23] 三大技术领域进展与瓶颈 量子计算 - 量子计算作为资本主线，发展成熟度最为前期，全球仍面临共同瓶颈：量子比特数量提升的同时，纠错能力与噪声控制是巨大挑战[28] - 在超导量子计算赛道上，美国谷歌最新的Willow芯片为105个量子比特，IBM的Heron系列达到156个，略高于中国“祖冲之”系列的105个[31] - 国内量子计算机下游应用方主要为高校、科研院所与电信运营商，例如国盾量子为中国电信“天衍”云平台提供的量子计算机主要用于构建“超量融合”云平台[26] - 投资界焦点开始分化：一是押注专用量子模拟机，期望在材料模拟、药物筛选等特定领域率先实用化；二是愈发重视算法与软件的“桥梁”价值[30] 量子通信 - 中国在量子通信领域构筑了“护城河”，已建成全球规模最大、覆盖最广的量子保密通信网络“京沪干线”，并初步进入大规模组网阶段[31] - 中国电信推出的量子密信应用已服务用户近600万，广泛应用于政务、政法公安、金融等行业[31] - 2025年3月，中国研究团队在国际上首次实现量子微纳卫星与小型化地面站之间的实时星地量子密钥分发，在相隔12900多公里的中国和南非之间实现了密钥共享[33] - 中国电信规划到2030年基本建成覆盖全国的天地一体量子通信网络[47] 量子精密测量与传感 - 量子传感领域展现出稳健增长，2025年融资CAGR达到33.90%，资本有集中化趋势，单笔融资不断上升[39] - 该赛道落地路径相对最短，是国内企业短期内利用政策优势和科研基础快速实现市场化突破的重要方向[39] - 2025年12月，国内量子精密测量龙头国仪量子和上海频准激光的科创板IPO申请先后获受理，标志着该赛道资本化正式破冰[35] 产业链、竞争焦点与未来展望 - 量子计算产业链价值约40%集中于上游核心硬件与中游系统集成，掌握量子芯片、稀释制冷机等“卡脖子”技术的公司拥有定义行业进程的话语权[40] - 优化问题是量子计算眼下商业化最清晰的方向之一，D-Wave的量子退火机已在物流、金融等领域拿下多个订单[41] - 中期来看，量子化学与材料科学被寄予厚望，众多制药和化工巨头已开始与量子公司合作进行探索性研究[44] - 根据基于专利影响力的分析，中国最快可能在2027年超越美国，成为全球量子计算专利领域的领导者[45] - 行业共识认为，大规模通用量子计算技术的研制“仍需十年以上”，真正的决战在于谁能率先打通从论文、样机到可靠产品的工程化血脉，并构建繁荣的应用生态[40][49]

核心观点 - 美国银行认为人工智能支出热潮仍处于早期到中期阶段 2026年将是传统IT基础设施升级以适应AI工作负载的8到10年历程的中间点 半导体行业将迎来强劲增长[1] - 基于对AI支出长期发展的信念 英伟达、博通和泛林集团被列为2026年最值得持有的半导体股票之一[1] 行业前景与预测 - 预测2026年半导体销售额将朝着第一个1万亿美元迈进 实现约30%的增长[1] - 预测2026年晶圆厂设备销售额将实现近两位数的同比增长[1] - 预测在强劲的数据中心利用率、供应紧张、企业采用及多方竞争推动下 AI半导体将迎来又一个50%或更高的同比增长[2] - AI竞赛仍处于“早期到中期阶段” 投资者应关注行业领导者[2] 重点推荐公司 - **大盘股首选**：英伟达 (NVDA.US)、博通 (AVGO.US)、泛林集团 (LRCX.US)[1] - **其他大盘股青睐**：科磊 (KLAC.US)、亚德诺半导体 (ADI.US)、楷登电子 (CDNS.US)[1] - **中小型股青睐**：Credo Technology (CRDO.US)、MKS (MKSI.US)、Macom Technology Solutions (MTSI.US)、泰瑞达 (TER.US)、Advanced Energy Industries (AEIS.US)[1] - **以AI为中心的芯片股中看好**：AMD (AMD.US)[2] - **共封装光学领域领导者**：Lumentum (LITE.US)、Coherent (COHR.US)[3] 其他新兴主题 - 2026年其他新兴主题包括共封装光学、机器人技术和量子计算[3] - 白宫在2026年对机器人技术的关注应该会使泰瑞达受益[3] - 量子计算被视为一个“新兴的机会” 具有长期影响[3] 特定领域观点 - 在模拟芯片领域 投资者应“保持选择性” 因对行业好转持怀疑态度[2] - 平淡的宏观环境(工业PMI < 50)、汽车产量下降、中国竞争加剧以及消费需求低迷 使得模拟芯片投资艰难[2]

文章核心观点 - 人工智能技术本身预计将持续高速增长 但支撑其发展的数千亿美元数据中心硬件资本开支增长不可持续 面临重大风险 [1] - 英伟达作为数据中心硬件核心供应商 其绝大部分营收和利润依赖于此 在资本开支缩减时将受到最大冲击 [1] 人工智能资本开支增长不可持续的原因 - **能耗与效率**: 未来人工智能能耗将显著降低 如脉冲神经网络可在闲置时自动停机节能 深度求索公司未使用英伟达GPU也研发出了有竞争力的大型语言模型 [2] 设备和系统能效持续提升 减少对基础设施的投资需求 [2] - **电力与基建限制**: 美国电网供电能力难以支撑所有规划中的新数据中心 新建发电厂投入运营需数年甚至超过十年 [2] 社会各界对新建数据中心的反对声浪高涨 供电审批困难 [2] 数据中心噪音大 推高周边家庭电费 几乎无法创造长期稳定就业 [3] 数据中心常抢占居民和其他企业电力资源 导致电费普遍上涨 [4] - **投资回报率不足**: 人工智能虽改变诸多领域 但真正由此实现盈利增长的案例屈指可数 大规模人工智能投资能获得市场平均回报率的案例寥寥无几 仅有微软和帕兰提尔科技等少数企业或许取得可观回报 [2] 投资者与首席财务官对回报难以量化的大规模投资耐心有限 [2] - **技术与商业化挑战**: 新技术落地周期远超预期 如自动驾驶技术耗时远超预想 [4] 实现符合市场水平的投资回报率面临核心难题 包括数据质量欠佳、专业人才短缺、商业应用场景模糊以及AI与传统系统融合困难 [4] 生成式人工智能性能提升空间将越来越小 但所需算力和GPU数量却不断增加 技术将逐渐走向商品化 难以带来高额利润率 [5] - **资本与估值压力**: 所有超大规模云服务厂商的大部分现金流都投入到了数据中心资本开支中 [5] OpenAI在扣除资本开支前甚至没有任何现金流 所有支出完全依赖投资者注资 [5] 以当前增长速度看 英伟达等供应商市盈率似乎不高 但若行业增长放缓 估值水平就显得极其离谱 [4] - **其他风险因素**: 若人工智能导致大规模失业 将面临干预压力 若未造成失业 则意味着投资回报率未达预期 [5] 可供AI分析的数据总量存在上限 [5] 量子计算技术最终可能与数据中心竞争 拉低行业成本 [5] 超大规模云服务厂商的态度与行动 - **普遍担忧与风险规避**: 持续将近乎全年现金流投入AI资本开支不符合这些企业的核心利益 [7] 企业高管开始担忧泡沫 Meta公司CEO提到AI领域完全有可能出现类似历史基建的泡沫危机 [9] Meta通过让蓝猫头鹰资本持有新建数据中心80%股份来剥离资产负债表风险 是一种规避风险举动 [9][10] - **具体厂商表态**: - **谷歌母公司**: CEO皮查伊指出AI行业估值飙升、投资规模巨大 泡沫化担忧加剧 存在“非理性因素” [8] - **OpenAI**: CEO奥特曼认为投资者对AI可能处于过度乐观状态 [8] - **Meta**: 2025年10月21日宣布裁减600个AI相关岗位 大部分员工内部转岗 此次裁员或与其4号大羊驼模型未达预期有关 表明投资回报率开始成为决策重要考量 [9] - **微软**: CEO纳德拉指出核心问题并非计算资源过剩 而是电力供应 若电力设施周边建设受阻 大量库存芯片可能无法启用 [11] - **亚马逊**: CEO贾西指出AI推理成本虽多次下降 但仍远超合理水平 且将持续一段时间 公司正试图压缩数据中心建设成本 其中GPU是最大开销 [11] - **IBM**: CEO克里希纳明确表示 按当前基础设施成本 投入数万亿美元建设AI数据中心绝对无法实现盈利 [11] - **Palantir**: CEO卡普警告 AI技术研发成本可能已远超其实际价值 所创造的价值或许不足以覆盖大型语言模型的研发及应用成本 [12] - **市场反应**: 超大规模云服务厂商一旦宣布增加资本开支计划 其股价便会应声下跌 例如甲骨文宣布追加150亿美元AI资本开支当日股价暴跌11% Meta宣布类似计划后股价同样下跌11% [17] 英伟达的优劣势分析 - **优势**: - 竞争优势显著: GPU是全球销量仅次于苹果手机的产品 目前市场上尚无真正能与之匹敌的竞品 AMD和英特尔同类产品性能存在较大差距 [13] - 软件生态构筑竞争壁垒: 软件生态体系远超行业内其他竞争对手 [13] - 财务状况稳健: 截至2025年9月30日 拥有610亿美元现金及投资资产 带息债务仅为80亿美元 [13] - **劣势**: - 利润率难以维持: 上一季度净利润率高达56% 创大型企业利润率最高纪录 如此高的利润率难以长久维持 未来竞争加剧或需求下滑将挤压利润率 [14] - 依赖循环融资模式: 为维持高速增长 通过贷款或投资等方式向客户提供资金 再由客户采购其产品 科威尔、应用数字公司等数据中心运营商是受益方 [14] - 竞争格局生变: 面临来自核心客户的新竞争威胁 多数超大规模云服务厂商在自研芯片 如谷歌的张量处理器性能出众且能效比高于英伟达GPU 被不少人认为性能领先的双子座模型主要依托谷歌张量处理器运行 [15] 甲骨文公司奉行“芯片中立”原则 [15] - 估值严重虚高: 市值已超过全球多数国家的GDP 若高增长无法延续 市值合理性存疑 [15] 行业泡沫迹象与历史对比 - **泡沫裂痕显现**: AI行业泡沫裂痕已开始显现 投资者对缺乏充足回报支撑的加码投资愈发担忧 [17] 美国银行调查显示 20%的机构投资者认为企业当前资本开支过于激进 这一变化与AI领域资本开支热潮密切相关 [17] - **具体案例**: 2025年12月12日 主营能源与数据中心基础设施的费米公司股价暴跌34% 因其位于得克萨斯州的公牛计划园区内最大租户取消了1.5亿美元的建设投资承诺 [18] - **历史规律**: 科技行业遵循“暴涨—暴跌”循环 本世纪已出现互联网泡沫破裂、次贷与商业地产危机、页岩油行业泡沫破裂 均经历爆发式增长、泡沫破裂、行业洗牌 最后进入平稳发展阶段 [16] AI行业目前仍处于爆发式增长阶段 类似20世纪20年代的无线电行业和19世纪的铁路行业 [16] 未来展望与英伟达前景 - **行业投资规模**: 行业投资规模或许2026年就会开始缩减 2027年缩减几乎已成定局 [17] - **英伟达前景**: 英伟达营收大概率在2026年保持强劲增长 到2027年将陷入停滞 [20] 随着市场需求增长滞后于产能扩张 加上谷歌、AMD等竞争对手追赶 其利润率将开始下滑 [20] 对于AMD而言 无需研发出性能与英伟达相当的GPU 只要产品性能达到其一半水平 对超大规模云服务厂商就具备极高成本效益 [20] 到2027年底 随着数据中心建设放缓、竞争加剧以及利润率大幅下降 市场对其未来每股收益的预期必将下调 [20] - **关键瓶颈原因**: - 未来AI技术不再需要英伟达GPU提供的海量算力 谷歌张量处理器、中国的深度求索等已在低算力高效能领域取得突破 [21] - 投资者投入资金必然期望获得与风险相匹配的回报 耐心有限 Meta和甲骨文因追加资本开支导致股价暴跌说明投资者耐心已濒临极限 这将促使超大规模云服务厂商减少GPU采购量 [22] - 人工智能投资面临诸多悬而未决的挑战 多数用户投资未能获得充足回报 高盈利应用场景的发掘可能需要漫长探索过程 类似互联网和自动驾驶的发展历史 [22]

文章核心观点 - 金融发展逻辑正从“规模扩张”转向“质量升级”，数字金融作为关键基础设施，正被人工智能、大数据、区块链、云计算等新技术重塑，智能化、场景化、普惠化成为全球竞争新高地[1] - 数字金融是驱动金融业提质增效的关键引擎，也是服务实体经济高质量发展的“关键引擎”和“加速器”，其核心价值在于开拓市场并增强金融行业的生存基础能力[1][4] - 数字金融与科技金融需协同发展，科技金融提供保障，数字金融提供运作方式，二者融合已进入政策赋能与产业落地的双轮驱动阶段[1][2] - 数字金融在赋能新质生产力发展的同时，面临数据安全、跨界监管适配不足、创新与安全平衡等挑战，需构建主动免疫的安全可信体系[1][5] 行业发展逻辑与趋势 - 金融发展逻辑正在由“规模扩张”转向“质量升级”[1] - 数字金融被人工智能、大数据、区块链、云计算等新技术全面重塑，智能化、场景化、普惠化成为全球竞争新高地[1] - 《中国金融科技与数字金融发展报告（2025）》指出数字金融五大发展趋势：生成式AI与大模型加速向银行核心业务环节渗透，推动金融智能化服务模式重构；AI智能体演进为具备感知、规划、推理与协作能力的业务伙伴；量子计算在金融领域实用化进程取得关键突破，量子通信成为未来加密基石；投资收益考量是数字化投入必答题，金融机构实施差异化策略；金融信创生态完善，数据治理与安全决定未来增长[4] 数字金融与科技金融的协同 - 加快建设金融强国的核心是大力发展数字金融、科技金融[1] - 数字金融和科技金融融合发展，科技金融提供保障，数字金融提供运作方式[1] - 数字金融创新需要更多面向企业端，深入服务产业链与企业[1] - 科技金融与数字金融的协同实践已进入政策赋能与产业落地的双轮驱动阶段[2] 政策支持与地方实践 - 科技金融、数字金融与实体经济深度融合的制度框架正加速完善[3] - 地方层面政策落地节奏明显提速，例如北京市海淀区发布《海淀区支持金融业高质量发展提升服务实体经济质效的若干措施》[3] - 海淀区政策提出加快构建与科技型企业全生命周期融资需求相适应的多元化接力式金融服务体系，并鼓励科技企业聚焦数字金融发展新趋势加强研发布局[3] - 海淀区重点抓好“四个升级”：创投生态升级，引入国家级基金和长期资本，加快补齐S基金、并购基金短板；科创信贷扩面，做大中长期“科创贷”，强化投贷联动；上市培育深化，畅通多渠道融资，支持科创债券发行和上市公司再融资；科技保险延伸，深化“保贷联动”，精准滴灌中小微企业和重点产业链[3] 数字金融的核心价值与挑战 - 数字金融是服务实体经济的“关键引擎”和“加速器”[4] - 数字金融的核心价值不仅在于开拓蓝海市场，更在于增强金融行业的生存基础能力，助力行业在复杂环境中稳健运行[4] - 数字金融代表了先进生产力，在解决难题时更能体现比较优势[4] - 数字金融面临数据跨境流动合规性不足、新型业态监管滞后等多重难题[5] - 数字金融的创新与安全需要平衡，二者可以形成互相推动的正循环关系，应基于监管科技实现高水平金融监管与守正创新[5] 技术发展与未来方向 - 安全可信是解决安全问题的永恒命题，金融系统必须构建主动免疫的安全可信体系[5] - “十五五”时期应重点聚焦三个关键方向：加强基础研究与核心技术攻关，构建“基础研究—技术转化—产业应用”全链条创新体系；完善科技金融生态，通过知识产权质押、科创基金等机制破解科技企业融资瓶颈；加速量子通信网络布局，构建安全、高效、低碳的数智金融新型基础设施[5]

政策领航与顶层设计 - 国家政策为人工智能在金融领域的深化应用提供了精准领航与持续赋能 政策体系不断完善 为技术创新划定边界、指明方向 [2] - 2023年中央金融工作会议提出做好科技金融、绿色金融、普惠金融、养老金融、数字金融“五篇大文章” 2024年《政府工作报告》强调推动数字经济创新发展并将人工智能列入重点突破方向 2025年8月国务院发布《关于深入实施“人工智能+”行动的意见》明确要求在金融等重点领域布局人工智能应用 加快构建行业共性平台 [2] - 从“互联网+”到“人工智能+” 国家政策始终紧扣技术发展脉搏 为科技创新提供了稳定的制度环境 [2] 人工智能技术驱动与业务渗透 - 人工智能带来的是对金融核心业务的全链条渗透 从前端客户服务到后端风险控制 从产品设计优化到运营管理升级 几乎所有环节都在经历智能化重构 [2] - “人工智能+”已成为核心驱动力 大模型从金融边缘场景走向核心业务 全环节、全门类、全业态的应用正在全面铺开 [3] - 大模型的持续演进推动金融服务从“被动响应”转向“主动预判” 生成式AI赋予金融机构处理复杂非结构化数据的能力 将海量交易流水、繁杂监管文件、碎片化客户反馈转化为有价值的决策依据 [3] - 大模型基座的推理能力大幅提升后 构建智能体的能力、解决垂直行业复杂问题的能力将得到显著增强 为金融服务的精细化提供了技术支撑 [3] 安全合规与风险治理 - 安全技术体系和合规标准体系是AI落地金融领域的核心能力 金融业作为经营风险的行业 安全性、合规性与准确性是不可逾越的红线 智能化创新必须建立在坚实的安全底座之上 [4] - 人工智能在金融领域的规模化应用面临多重挑战 例如大模型的“幻觉”问题可能导致决策偏差 数据采集与使用过程中的泄露风险关乎客户权益 算法设计中的隐性偏见可能引发公平性争议 [4] - 金融机构在AI建设过程中将安全放在首位 建立模型安全制度和智能体安全管理规范 开发安全检测工具和防御围栏 从技术层面确保AI应用合规可控 [4] - 构建分层分级的风险治理机制是关键路径 对于直接面向客户或涉及资金交易的高风险场景 需要设置更高的可解释性标准与人工审核流程 对于内部数据分析、文档处理等中低风险场景 则可适度放宽要求以提升创新效率 [5] - 监管部门与金融机构应当共同探索“监管沙盒”机制 在风险可控的前提下开展创新试点 既守住合规底线 又释放技术红利 [5] 技术融合与数据生态构建 - 技术跨界融合已成为突破发展瓶颈的关键方向 AI与量子计算的融合能产生“1+1>2”的协同效应 量子计算的并行处理能力可以大幅提升复杂金融模型的训练效率和运算速度 为高频交易、风险定价等场景提供新的解决方案 [6] - 某股份制银行针对网贷催收话术合规性识别行业痛点 提出“4S框架” 将大模型智能体与量子计算深度融合 通过声纹识别分割语音、语音转文本、角色识别、话术合规性检测四大步骤 有效解决传统人工抽检覆盖有限、标准不一的难题 [6] - AI时代的金融竞争本质上是数据能力的竞争 高质量的数据是模型训练的前提和服务精准化的保障 但当前金融数据领域仍存在跨机构流通困难、公共数据开放不足等问题 制约着AI价值的充分释放 [6] - 未来竞争的焦点将是数据 获取高质量数据特别是公共数据以及提升数据治理能力将成为金融机构的制胜关键 需要突破现有机制体制的束缚 推动公共数据开放 加快金融领域专业数据市场的建设 [7]

文章核心观点 文章总结了长城基金2026年度投资策略会中多位“科技+”基金经理的观点，核心观点认为科技股行情在2026年有望延续，但市场风格将更加均衡，投资机会将从AI算力基础设施向应用端、以及商业航天、创新药等非AI赛道扩散，强调技术创新是核心驱动力，并看好“科技+”与各行业融合带来的长期投资价值 [1][10][38] 2025年科技股行情回顾与驱动力 - 2025年科技股行情“惊艳”，核心驱动力是全球技术变革与中国科技产业的突破性进展 [7] - 行情主线是以海外算力硬件为代表的AI板块，其背后有三重支撑：全球流动性宽松、科技板块基本面优势凸显、产业端重大变革 [7] - 过去两年最具里程碑意义的拐点是DeepSeek的出现，它扭转了中国在AI核心赛道可能落后的局面，成为后续应用批量落地的通行证 [7] - 另一个“拐点”是可回收商业火箭的发射，这为商业航天产业打开了全新的万亿级市场 [7][8] 2026年科技股行情展望 - 科技股行情在2026年大概率延续，因为海内外头部云厂商的资本开支仍在高强度推进，这是行情最坚实的压舱石 [10][11] - 2026年市场风格将更加均衡，主要体现在三个维度：算力板块内海外与国产算力趋向均衡；AI领域内算力与应用趋向均衡；科技板块内AI与商业航天、量子计算等非AI赛道趋向均衡 [1][11] - 宏观层面，美联储处于降息周期，流动性宽松，国内支持政策未变，同时2026年PPI回正、企业盈利复苏，叠加AI应用等密集产业进展，科技股上涨机会将更广泛 [12] AI板块泡沫与产业阶段判断 - AI板块可能仍处于非常早期的科技浪潮阶段，并不存在很多泡沫，市场对泡沫的担忧已历经三轮并被产业进展逐步化解 [14] - 从产业层面看，北美引领型龙头的经营现金流增长可覆盖资本开支增长，整体呈良性态势 [14] - 从资本市场看，海外云厂商、算力龙头及国内相关板块龙头的估值均处于合理区间，且基本面扎实、业绩增长强劲 [15] - AI产业仍处在以基础建设为核心的早期成长阶段，应用变现和商业化尚处在探索周期 [18] - 判断景气周期可从三大维度入手：供需逻辑、财务指标、业绩表现 [19] - 判断产业拐点可从三大逻辑入手：产业认知维度、跟踪验证维度、切身感知维度 [19] 2026年AI板块投资机会 - **上游算力基础设施**是确定性最强的投资机会，各个环节均处于紧俏状态，催生大量投资机遇 [21] - 上游的挑战在于供应链瓶颈和地缘政治带来的不确定性 [22] - **中游模型或平台环节**的最大机遇在于卡位战，模型能力提升可赋能平台公司，大型CSP厂商可通过结合模型与云服务进行SaaS、PaaS模式变现 [22] - 中游的挑战在于高额的成本压力与快速的技术迭代竞争 [22] - **下游应用环节**的机遇在于百花齐放的业态，相对看好To B端的AI+SaaS应用，因其能提升工具效率，增强企业付费意愿 [22] - 下游的挑战在于商业化推进难度，若模型与应用结合不紧密，会导致客户付费意愿不足或导入周期过长 [22] - 多模态模型的发展可以带动很多下游应用，市场普遍在等待爆款出现，且距离这个时刻应该不会太久 [23] AI应用的“iPhone时刻” - AI的“iPhone时刻”可能已经以不同形式到来，例如企业端的算力芯片和AI编程类产品已成为核心爆款 [25] - 未来To C端爆款未必延续传统交互模式，大概率是基于语音、视频等全新交互形式的产品，形态可能是智能眼镜、耳机或其他创新形态 [2][25] - 从广义上看，ChatGPT已是AI领域的首个爆款 [26] - 爆款引领者需具备四大核心维度：科技创新的核心突破、具备技术资金用户基础的龙头厂商、科研与产业的深度融合、天才式的产品创意 [26] 医药板块投资逻辑变化 - 医药板块投资逻辑已从偏模式创新转向技术创新突破 [28] - 短期看，面对全球医药通缩压力，只有具备全球化能力、能迭代现有治疗方式的创新药与器械企业才能突破发展瓶颈 [1][28] - 中长期看，企业需在国内稳固基本盘，并从海外BD合作升级为自主临床与商业化能力，迈向全球竞争 [28] - 行业核心竞争力标准持续演进：十几年前比拼商业化能力，5-10年前转向产品研发与产品力，如今则要求研发与商业化双优 [2][28] - 能否拥抱AI等新生产力工具并将其深度融合到商业模式与研发中，成为企业下一阶段竞争的关键 [28] 创新药BD出海逻辑 - 资本市场不会对BD出海逻辑完全脱敏，但会呈现分化态势 [30] - 对于已实现出海BD的公司，焦点将转向深度全球化逻辑，关注MNC的管线定位、海外临床节奏等 [31] - 对于尚未出海的产品，市场将回归国内基本面定价，仅当实现出海且合作方高度重视时，才会赋予海外市场预期 [31] - 判断创新药成药性需关注三大核心指标：底层机制合理性、临床数据验证力、企业临床推进决心 [31] 2026年值得关注的科技细分方向 - **固态电池**：有望进入小批量量产元年，开启动力电池技术迭代 [33] - **商业航天**：可回收技术大概率实现重大突破，破解卫星互联网运力瓶颈，为太空算力等场景铺路 [33] - **AI应用**：随着模型性能提升，AI Agent将迈入可用临界点，成为赋能产业的重要工具 [33] - **量子计算**：一旦实现0到1的商业化突破，将引发连锁反应，倒逼密码学体系重塑并成为科学计算的超级引擎 [33] - **AI医疗**：2026年将迎来政策与技术双轮催化，政策明确2027年前实现AI辅助诊疗在二级以上医院广泛渗透，行业有望迎来爆发式增长 [35][36] - **创新药板块**：2026年将呈现Beta与Alpha双层共振，依据包括产业与股价传导周期未结束、估值与业绩双支撑、流动性环境友好 [34][35] 对“科技+”的理解与投研方法论 - “科技+”指具备通用性的支撑技术（如AI）深度改变生产生活、与千行百业深度融合，催生大量投资机遇 [38] - “科技+”是值得长期关注的机会：长期看由科技革命推动生产力提升；中期看科技是国家竞争关键领域；短期看正处于新一轮科技革命爆发关键节点 [39][40] - 公司建立了“全景视野+多元策略”投研一体化的投资方法论，已形成“科技+医药”、“科技+军工”等多元投资主线 [38] - 优秀的投研体系需以标准化、专业化、高效化为核心，实现知识共享、差异化竞争和高效决策 [40] - 团队合力构建体现为“和而不同”：“和”是基金经理与研究员优势融合；“不同”是鼓励投资风格差异化，提供丰富产品选择 [41]

美英科技合作协议暂停事件 - 美国政府已暂停执行与英国于今年9月签署的《科技繁荣协议》[1] - 暂停原因是美国不满英国在食品、工业品标准以及数字监管方面的政策[1] - 此举旨在对英国政府施压[1] 协议内容与影响领域 - 协议重点聚焦人工智能、量子计算和民用核能等前沿技术领域的合作[1] - 协议的暂停将直接影响两国在上述关键技术领域的合作进程[1]

报告行业投资评级 - 投资评级：看好，维持 [7] 报告核心观点 - 核心观点：商业航天产业迎来持续催化，建议关注产业链核心供应商，特别是卫星应用相关标的 [2][6] - 核心观点：长征十二号甲火箭即将首飞并尝试回收，若成功将大幅降低发射成本，加速商业航天产业发展 [6][48][51] - 核心观点：卫星超级工厂即将投产，将推动低轨卫星星座规模化组网 [19][22][28] - 核心观点：GPT-5.2发布标志着大模型竞赛进入白热化，厂商重心转向经济价值与货币化 [29][32][36] - 核心观点：万级量子比特芯片问世，突破了规模瓶颈，有望加速量子计算的商业化应用 [10][37][46] 上周市场复盘总结 - 市场表现：上周上证综指报收3889.35点，整体回撤0.34% [4][13] - 板块表现：计算机板块整体下跌0.91%，在长江一级行业中排名第17位，两市成交额占比为6.73% [2][4][13] - 活跃板块：商业航天/太空算力相关标的活跃 [2][15] - 领涨个股：霍莱沃上涨34.30%，开普云上涨21.30%，佳缘科技上涨16.94%，高凌信息上涨13.67%，盛邦安全上涨11.21%，航天长峰上涨10.24% [15][16] 行业关键事件与进展总结 **卫星超级工厂** - 事件：文昌国际航天城年产1000颗卫星的超级工厂即将投产，可实现“卫星出厂即发射” [10][19] - 规模：该工厂是亚洲最大卫星制造基地，采用“1+1+8”架构，年产卫星可达1000颗，支持500公斤级卫星批量生产 [22] - 产业生态：目前已有20余家产业链上下游企业签约落户，火箭研发、卫星制造、发射测控全链条生态日趋完善 [10][19] - 战略意义：将颠覆传统定制化、小批量卫星研制模式，满足规模化发展需求，加速低轨卫星星座组网 [22][28] - 轨道资源背景：地球近地轨道预计可容纳约6万颗卫星，预计到2029年将部署总计约57000颗低轨卫星，轨位和频段资源趋于紧张 [23] - 国内星座计划：中国星网GW星座计划12992颗，上海垣信G60千帆星座计划15000颗，蓝箭鸿擎科技鸿鹄-3星座计划12000颗 [23] - 发射进展：截至2025年10月，GW星座累计发射116颗卫星，千帆星座组网卫星数量达108颗 [23] - 近期发射：12月以来，朱雀三号、快舟一号甲、长征八号甲等相继完成发射任务，截至2025年11月我国已完成商业发射15次，发射或逐步常态化 [28] **GPT-5.2发布** - 事件：OpenAI于当地时间12月11日正式发布新一代大模型GPT-5.2 [10][29] - 性能提升：主打通用智能、编码能力和长上下文任务处理，在SWE-Bench Pro、LMArena、ARC-AGI-2、GDPval等基准测试中刷新行业水平 [29] - 关键突破：在GDPval测试中，GPT‑5.2 Thinking有70.9%的对比结果优于或持平于顶尖行业专业人士，是首个表现超过人类专家水平的模型，且速度比专家快11倍，成本低于1% [29][31] - 产品与定价：分为Instant、Thinking、Pro三个版本，API输入费用为每百万tokens 1.75美元，输出费用为每百万tokens 14美元，缓存输入可享90%折扣 [32] - 战略转向：设计初衷明确为“创造更大的经济价值”，重心放在“经济价值”与“生产秩序”上，表明货币化成为关注重点 [32] - 行业竞争：因竞争对手谷歌Gemini 3的追赶，OpenAI启动“红色代码”加快迭代，大模型竞赛进入白热化阶段 [36] - 投资建议：建议关注国内大模型厂商、大型云厂商、垂类场景Agent厂商及国产算力产业链 [36] **量子计算突破** - 事件：2025年12月9日，QuantWare宣布推出新一代量子处理器单元架构，其VIO-40K量子处理器能够支持创建包含10000个量子比特的芯片 [10][37] - 技术突破：芯片规模较当前市面产品扩大了100倍，但尺寸更小，采用VIO™垂直互联优化技术，通过三维堆叠将量子比特层与控制层分离，单芯片量子比特密度达每平方厘米1200个 [37][42] - 性能指标：保持99.99%单量子比特门保真度，将多量子比特门操作错误率控制在0.05%以下，工作温度稳定在10毫开尔文 [42] - 生态合作：与英伟达建立战略合作，VIO-40K架构可通过NVQLink高速协议与英伟达GPU集群对接，使用CUDA-Q混合计算框架 [43] - 商业意义：推动量子计算从“数百量子比特的科学实验”迈向“数万量子比特的工程应用”，或将使量子优势实现时间提前2-3年，为密码学、材料模拟、药物研发等领域的应用带来理论可行性 [46] - 交付计划：VIO-40K架构已开始接受预订，计划在2028年发货 [46] - 投资建议：建议关注量子科技全产业链，重点关注量子计算及量子通信龙头企业 [46] 重点推荐方向：商业航天 **长征十二号甲发射** - 事件：根据航天预警文件，长征十二号甲预计于2025年12月17日09:54-12:14在酒泉卫星发射中心进行首次发射，并同步尝试一级火箭垂直回收 [6][48] - 技术特点：一级采用7台“龙云”液氧甲烷发动机，可重复使用50次以上，推力调节范围32%到106%；二级配备真空版YF-209发动机 [49] - 战略意义：若实现“发射成功、回收成功”双目标，中国将成为全球少数掌握可重复使用火箭技术的国家之一 [6][51] - 成本影响：可回收火箭有望将发射成本降低70%，使火箭发射价格从每千克约10万元人民币降到每千克约2万元人民币 [55] - 运力需求：我国国网星座和千帆星座计划在2024-2035年间部署近2.8万颗卫星，未来7-10年需700-800枚单发运力不低于18吨的运载火箭 [55] - 国内外对比：SpaceX猎鹰9号发射成本不到2万元/公斤，运力22.8吨；我国固体火箭发射成本约10万元/公斤，最大运力6.5吨 [55] - 国内进展：除长征十二号甲外，蓝箭航天、天兵科技等企业的可回收火箭均取得进展，试图将研发回收周期压缩到三年 [59] - 具体型号进展：朱雀三号已入轨成功但回收失利；天龙三号、力箭二号计划2025年内首飞；引力二号、双曲线三号、智神星一号计划2026年首飞 [60] - 投资建议：建议关注商业航天产业链各环节的核心供应商，重点关注卫星应用相关标的 [2][6][28][60]

彭博社关于中美竞争态势的核心观点 - 文章核心观点认为美国需要放弃“战胜”中国的想法，因为中国在多个关键领域已占据领先或快速赶上，美国最大的竞争对手只会变得更强 [1][10][11] 中美贸易争端与谈判 - 在特朗普政府挑起的贸易争端中，中国经济展现出强大韧性，顶住了关税压力并迫使美国作出退让 [1][11] - 2024年10月，中美经贸磋商后，美方同意取消10%的“芬太尼关税”并将24%对等关税继续暂停一年，美国还撤销了扩大出口管制名单的决定，这被视作美国的重大让步 [1][11] 中国在各关键领域的领先优势 - **稀土供应链**：中国掌控全球绝大部分稀土开采和加工产能，在贸易谈判中对美国具有巨大影响力 [6][15] - **清洁能源**：中国太阳能新增装机容量是美国和欧洲总和的两倍 [7][16] - **电动汽车**：中国生产了全球70%的电动汽车，是电池技术的领导者 [7][16] - **无人机**：中国生产和销售全球约70%的商用无人机，并在军用无人机技术方面领先 [7][16] - **工业机器人**：2024年中国新安装的工业机器人超过其他世界国家的总和 [7][16] - **造船业**：去年中国一家造船企业建造的商船吨位超过了美国造船行业自二战以来的总和 [9][18] - **量子技术**：中国在量子通信领域全球领先，并在量子计算和传感方面快速取得进展 [9][18] - **人工智能**：中国的AI专利数量位居全球第一 [9][18] - **AI模型**：中国开源AI模型DeepSeek-R1使用更低算力实现了比肩美国顶尖模型的性能 [10][19] 美国的技术管制与中国的应对 - 特朗普政府已禁止英伟达向中国出口最先进的AI芯片 [9][18] - 中国已展现出绕开美国管制的能力，华为等企业正在自行研发芯片以减少对美国的需求 [9][18] - 分析认为，中国能够快速扩大技术规模并部署到整个经济体系，这一优势已在电动汽车、太阳能和电池领域显现，并将在AI、下一代基础设施、机器人及量子领域继续显现 [10][19] 中美相互依赖性的对比 - 美国在近700种药品的原料上依赖中国，这对美国极为敏感 [6][15] - 荷兰政府此前针对中资安世半导体的行动引发了全球汽车供应链芯片危机，凸显了中国在全球制造业中的重要地位 [6][15] - 有观点指出，美国不能没有药物和稀土，而中国可以没有英伟达芯片，显示中国在当前竞争中占据上风 [10][19]

文章核心观点 当前人工智能资本开支（尤其是数据中心、GPU等硬件投入）的爆炸式增长不可持续，数千亿美元的投资面临风险，作为核心供应商的英伟达将受到最大冲击[1][2][3] 人工智能资本开支增长难以维继的原因 - 技术能效提升：未来人工智能能耗将显著降低，例如深度求索公司及脉冲神经网络技术可在闲置时自动停机节能，且无需英伟达GPU也能开发出有竞争力的大模型[4][5] - 基础设施与资源限制：美国电网供电能力难以支撑所有规划中的新数据中心，新建发电厂需数年甚至超十年[7] 社会各界对新建数据中心的反对声浪高涨，其审批困难、噪音大、推高居民电费且创造就业岗位有限[7][8] - 投资回报率不足：人工智能虽改变诸多领域，但真正实现盈利增长的案例屈指可数，仅微软和帕兰提尔科技等少数企业可能取得可观回报，多数企业投资回报不尽人意[7] 大规模投资能获得市场平均回报率的案例寥寥无几[7] - 财务与市场压力：投资者与首席财务官对回报难以量化的大规模投资耐心有限[7] 人工智能相关股票估值过高，若行业增长放缓，当前估值将显得极其离谱[8] - 技术与商业化挑战：新技术（如自动驾驶）落地周期远超预期[7] 实现市场水平的人工智能投资回报率面临数据质量欠佳、专业人才短缺、商业应用场景模糊、与传统系统融合困难等核心难题[8] - 市场与成本因素：生成式人工智能性能提升空间将越来越小，但所需算力和GPU数量却不断增加，技术将逐渐走向商品化，难以带来高额利润率[10] 所有超大规模云服务厂商的大部分现金流都投入到了数据中心的资本开支中，逼近现金流上限[10] 量子计算等新技术未来可能拉低行业整体成本[10] - 社会与就业影响：若人工智能导致大规模失业，将面临干预压力；若未造成大规模失业，则意味着其投资回报率未达预期[9] 云服务厂商的态度与动向 - 普遍担忧与风险规避：超大规模云服务厂商是全球最大的数据中心建设方和英伟达GPU核心采购群体[12] 持续将近乎全年现金流投入AI资本开支不符合其核心利益，正探寻更高效方式[13] - 高管公开表态显示谨慎：谷歌母公司CEO认为当前AI行业存在泡沫化和“非理性因素”[13] OpenAI CEO暗示投资者对AI可能过度乐观[13][14] Meta CEO承认AI领域完全有可能出现类似历史基建的泡沫危机，并于2025年10月裁减600个AI相关岗位，显示投资回报率成为决策考量[15] 微软CEO指出当前核心问题是电力供应而非计算资源过剩[16] 亚马逊CEO认为AI推理成本仍远超合理水平，公司正试图压缩数据中心建设成本[16] IBM CEO明确表示按当前成本投入数万亿美元建设AI数据中心绝对无法盈利[16] 帕兰提尔科技CEO警告AI许多领域的研发成本可能已远超其实际价值[17][18] - 改变投资模式：Meta在新建数据中心时引入外部资本持有80%股份，剥离资产负债表风险，是一种规避风险的举动[15] 英伟达的具体情况分析 - 优势：竞争优势显著，其GPU全球销量仅次于苹果手机，尚无真正匹敌的竞品[21] 软件生态体系构筑了强大的竞争护城河[21] 财务状况稳健，截至2025年9月30日拥有610亿美元现金及投资资产，带息债务仅为80亿美元[21] - 劣势：上一季度净利润率高达56%，创大型企业纪录，但如此高的利润率在硬件或绝大多数软件领域都难以长久维持[22] 为维持增长采用循环融资模式，通过向客户提供资金使其采购公司产品[22] 面临来自核心客户的新竞争威胁，多数超大规模云服务厂商在自研芯片（如谷歌张量处理器），其能效比高于英伟达GPU，且被认性能领先的双子座模型主要依托谷歌张量处理器运行[22][23] 市值已超过全球多数国家的GDP，若高增长不可持续，则估值严重虚高[23] 从历史泡沫看人工智能资本开支现状 - 遵循“暴涨-暴跌”规律：科技行业历史上多次出现泡沫循环，如2000年互联网泡沫、2008年次贷危机、2020年页岩油泡沫[25] 人工智能行业目前仍处于爆发式增长阶段[25] - 市场裂痕已显现：超大规模云服务厂商宣布增加AI资本开支后股价应声下跌，例如甲骨文宣布追加150亿美元开支后股价暴跌11%，Meta宣布类似计划后股价同样下跌11%[26] 这表明投资者对缺乏充足回报支撑的加码投资愈发担忧[26] - 调查与市场信号印证：美国银行调查显示，20%的机构投资者认为企业当前资本开支过于激进[27] 主营能源与数据中心基础设施的费米公司因最大租户取消1.5亿美元建设投资承诺，股价单日暴跌34%[28] 尽管订单取消案例尚不普遍，但股价大幅波动反映市场担忧[29] 对英伟达的估值与前景判断 - 行业地位特殊：英伟达在行业内处于独一档地位，缺乏真正意义上的对标企业[32] - 增长与利润前景：营收大概率在2026年保持强劲增长，而到2027年将陷入停滞[32] 随着市场需求增长滞后于产能扩张，以及谷歌、AMD等竞争对手追赶，其利润率将开始下滑[32] 对于AMD等竞争对手，产品性能只需达到英伟达一半水平，对超大规模云服务厂商就可能具备极高成本效益[32] - 预期调整：到2027年底，随着数据中心建设放缓、竞争加剧以及利润率大幅下降，市场对其未来每股收益的预期必将下调[32] 总结 - 未来AI技术可能不再需要海量算力：谷歌张量处理器、中国的深度求索等在低算力高效能领域取得突破[34] 人类大脑能耗极低，是当前AI硬件难以企及的[35] - 资本追求回报的必然性：投资者不会无限期容忍低回报[35] Meta和甲骨文因追加资本开支导致股价暴跌，说明投资者耐心濒临极限，可能促使超大规模云服务厂商减少GPU采购[35] - 技术商业化进程漫长：人工智能应用要获得充足回报面临诸多悬而未决的挑战[8][35] 互联网高盈利应用和自动驾驶技术都经历了泡沫破裂后或长达十余年的漫长探索才走向实用，AI其他应用领域也可能经历类似过程[35]