AI行业趋势与范式转变 - 2025年行业认知从“是否使用AI”转向“如何使用及投入多少预算”，企业关注点从追求最贵最好的模型转向更实际的小语言模型和本地化微调，以实现垂直行业部署 [2] - 2025年“DeepSeek Moment”标志着大模型开发不再被五大科技巨头垄断，新兴实验室可能实现从0到1的突破，行业呈现去中心化趋势 [3][4] - 2026年AI竞争焦点将从“单纯堆数据”转向“系统级Scaling”，涉及数据策展、系统优化与产品反馈闭环，谷歌因其系统中心型优势而表现突出 [3][6] Scaling Law与模型发展路径 - Scaling Law依然强劲，增长瓶颈不在于数据耗尽，而在于数据精心挑选、清洗与配比，算力集群的细节优化（如连接、容错、带宽）仍有10倍提升空间 [5] - 2026年模型竞争路径分化，纯模型公司面临更大成本压力，行业将对过去“无脑堆数据”的方式进行修正 [6] - 模型“保鲜期”短暂，领先优势可能仅维持6个月，这引发了对大公司是应自研模型还是优先发展应用的战略辩论 [7][9] 科技巨头的AI战略分歧 - Meta面临战略困境，其Llama 4模型表现不及预期，内部在死磕底层模型技术以确保长期独立性，与优先发展应用产品之间存在路线之争 [6][7] - 一种观点认为，像Meta这样体量的公司必须掌控AI底层技术（“电力”），以防像过去被苹果隐私政策制约那样，在AI时代被卡脖子 [7][8][9] - 另一种观点认为，大厂应发挥应用层优势，可通过购买API或等待市场成熟后再布局模型能力，错过一年不会构成生存威胁 [7][9] AI应用落地与投资机会 - 2026年AI应用爆发将主要集中于B端（企业级），特别是在医疗、金融、保险等垂直领域，AI Agent将带来营收级增长，企业采纳速度远超传统SaaS时代 [10] - 摩根大通一家银行的AI预算，超过全球排名前十的其余九家银行的总和，推动其与初创公司的POC验证周期缩短至几周，商业订单签署仅需数月 [10] - 当前明确的AI生产力应用是AI原生编程（Vibe Coding）和AI浏览器，但ChatGPT的“足够好”挤压了利基市场空间，未来杀手级应用需跳出对话框形态，深度融入工作流或硬件 [11] 自动驾驶技术路线与竞争格局 - 旧金山停电事件成为技术分水岭，特斯拉的端到端方案能基于学习人类博弈行为通过无信号路口，而Waymo基于规则的系统则陷入瘫痪，凸显了处理极端情况的能力差异 [12][13] - 特斯拉的算法领先源于其问题驱动的团队文化、放弃激光雷达“置之死地而后生”的勇气，以及软硬件协同设计能力，这些因素共同构成了竞争壁垒 [14][15][21] - Waymo的每英里运营成本为1.43美元，特斯拉约为0.81美元，Waymo成本虽可能下降，但其基于规则的系统及车队维护（如机械激光雷达折旧、人工充电）使其难以达到特斯拉的成本水平，且不具备规模经济效应 [24][25][26] 芯片与算力格局演变 - 投资逻辑正从“纯GPU信仰”转向关注“ASIC效率”及算力集群的瓶颈环节，如带宽，光通讯公司（如博通）的边际变化显著 [3][30][31] - 谷歌凭借TPU的垂直整合优势，在证明其模型能力与更低推理成本后，估值从14倍快速提升至近30倍，与英伟达GPU阵营形成分化 [29][30] - 特斯拉专注于推理芯片的软硬件协同设计，其第四代芯片为规则系统设计，第五代则考虑了端到端和大语言模型需求，而训练芯片项目Dojo因复杂度高及存在英伟达替代选项而失败 [19][20][21][22][23] 美股市场动态与资本逻辑 - 2025年8月17日后市场因子发生剧烈切换，资金从高估值、高质量AI龙头股流向高波动性的周期性行业资产，反映了资金流动逻辑的微妙变化 [28] - AI行业泡沫是否破裂不取决于烧钱规模，而取决于“模型智力每三个月翻倍”的信仰是否持续，只要信仰存在且信贷周期支持，资金流就不会中断 [3][32][33] - 2026年OpenAI的IPO将是关键市场试金石，其能否证明具备系统级入口地位和强商业闭环，将极大影响整个AI板块的估值 [3][33] 宏观风险与投资关注点 - 主要宏观黑天鹅风险可能来自金融条件的突然紧缩，例如日本央行激进加息抽走全球日元流动性，或美国激进财政政策引发债务担忧 [34] - 特朗普提出的约900亿美元返税政策可能刺激消费并重新推高通胀，导致复杂多变的宏观周期，需密切关注PMI和就业市场的边际变化 [34] - 投资应遵循“不要对抗美联储，也不要对抗技术进步的信仰”的原则，在智能密度提升的逻辑中寻找非共识红利 [35]