核心观点 - 基金经理吴昊认为2026年或成为AI应用的爆发元年，科技成长风格大概率占优，并将投资重心对准以阿里全栈AI能力为内核的“阿里链”生态 [1][3] - AI应用是其中最具确定性的方向之一，投资逻辑正从基础设施（“硬三年”）转向应用落地（“软三年”） [2] - 通过“主动+量化”融合的投资框架，系统捕捉产业链变迁中的投资机遇，量化工具在决策中占比已达六、七成 [6][7] 市场展望与投资方向 - 2026年开年以来，市场热点包括AI应用、商业航天、太空光伏等科技成长方向，以及黄金、白银等贵金属 [2] - 在经济增长动能转换背景下，科技成长风格会占优，AI应用、算力等方向仍有演绎空间，但需关注年中前后可能因全球流动性变化带来的拐点 [5] - 若海外主要央行采取先降息后缩表的策略，全球流动性可能回流美债等美元资产，依靠估值扩张的科技成长股可能承压 [5] AI产业周期与“阿里链”逻辑 - 产业周期正从AI基础设施投入期切换，市场焦点从“谁有卡”转向“谁有场景”和“谁有流量” [3] - 看好“阿里链”生态，其核心逻辑是“链主重估+生态共振” [3] - “链主”指阿里巴巴自身，其云与AI业务正被市场用SOTP（分部估值法）重估 [3] - “链属”指围绕阿里生态的合作伙伴，将在AI应用爆发中率先受益 [3] - 阿里拥有电商、本地生活、支付等高频刚需场景，商业化落地确定性最强，2026年是阿里AI战略的决胜之年，已从防守转向进攻 [3] - 阿里已全面布局“AI To C”并发布通义千问，市场正经历认知重塑，意识到中国互联网巨头在AI应用层的潜力被低估 [3] - 阿里云作为中国最大的云服务商，其云业务和AI业务具备巨大的市值重估空间 [3] 具体投资标的筛选 - 在“阿里链”的三大方向（底层算力、模型云服务、垂直应用）中，更青睐垂直应用，因其具备更高的赔率和爆发潜力，而算力提供确定性和安全垫 [4] - 筛选AI应用公司的三个核心标准 [4] 1. 与阿里生态的绑定深度 2. 业务场景的刚需性与AI渗透率 3. 独特的数据壁垒与闭环能力 市场布局与策略 - 在AI方向上的布局重心正从基础设施向应用端倾斜 [5] - 尤其关注港股市场的AI应用公司，因港股市场更认业绩而非故事，很多有真实场景的AI应用公司在港股挂牌，估值泡沫相对较小 [5] - 在布局上讲求均衡，以应对宏观流动性可能的变化 [5] 投资方法论：“主动+量化” - 投资框架是“主动+量化”复合模式，旨在捕捉“认知差”与“执行差” [6][7] - 在认知层面，摒弃依赖信息差的传统方式，深耕产业趋势和周期位置，顺势而为，聚焦于公司战略意图、业绩释放节奏、产业链微妙变化等难以被模型刻画的领域 [7] - 理解阿里AI战略从防守转向进攻的质变，即是一种认知差 [7] - 在执行层面，借助量化工具克服人性弱点，提供纪律性，例如通过监测行业成交量占比与市值占比的对比、历史涨幅分位水平等指标判断市场是否过热 [7] - 量化在决策中的占比已达六、七成 [7]

核心观点 - 基金经理吴昊认为2026年或成为AI应用的爆发元年，科技成长风格大概率占优，其投资重心正对准以阿里巴巴全栈AI能力为核心的“阿里链”生态 [1][2][3] 行业趋势与周期 - 产业链景气度传导逻辑清晰，正从基础设施（“硬三年”）迈向AI模型和应用（“软三年”）[2] - 2026年或成为AI应用投资元年，遵循“硬三年、软三年、商业模式再三年”的产业规律 [2] - 市场焦点正从“谁有卡”（算力）转向“谁有场景”和“谁有流量”，驱动因素是AI模型能力成熟和推理成本下降 [3] - 在经济增长动能转换背景下，科技成长风格会占优，AI应用、算力等方向仍有演绎空间，但需关注年中前后的拐点 [5] 具体投资方向与逻辑 - 最具确定性的方向之一是AI应用 [2] - 投资研究火力集中在“阿里链”生态，该生态以阿里全栈AI能力为内核，涵盖算力底座、模型平台与垂直场景应用 [3] - 看好“链主重估+生态共振”的逻辑：“链主”阿里巴巴的云与AI业务价值正被市场用SOTP（分部估值法）重估；“链属”合作伙伴将在AI应用爆发中率先受益 [3] - 在“阿里链”的三大方向中，更青睐垂直应用，因其相比底层算力具备更高的赔率和爆发潜力 [4] - 筛选AI应用公司的核心标准包括：与阿里生态的绑定深度、业务场景的刚需性与AI渗透率、独特的数据壁垒与闭环能力 [4] - 在AI投资布局上，重心正从基础设施向应用端倾斜 [5] - 尤其关注港股市场的AI应用公司，认为其估值泡沫相对较小，市场更认业绩 [5] 公司战略与机遇 - 阿里巴巴拥有电商、本地生活、支付等高频刚需场景，其AI商业化落地的确定性最强 [3] - 2026年是阿里AI战略的决胜之年，公司已明确提出全面布局“AI To C”，并发布重磅产品通义千问，标志着从防守转向进攻的战略质变 [3] - 市场正在经历认知重塑，意识到中国互联网巨头在AI应用层的潜力被低估 [3] - 阿里云作为中国最大的云服务商，其云业务和AI业务具备巨大的市值重估空间 [3] 宏观与市场流动性 - 若海外主要央行采取先降息后缩表的策略，全球流动性可能回流美债等美元资产，届时依靠估值扩张的科技成长股可能承压 [5] 投资方法论 - 采用“主动+量化”融合的投资模式 [1] - 投资方法归结为捕捉“认知差”和“执行差” [6][7] - 在认知层面，摒弃依赖信息差的传统方式，深耕产业趋势和周期位置，聚焦于公司战略意图、业绩释放节奏、产业链微妙变化等难以被模型刻画的领域 [7] - 在执行层面，借助量化工具克服人性弱点，提供纪律性，例如通过监测行业成交量占比与市值占比的对比、历史涨幅分位水平等指标判断市场是否过热 [7] - 目前量化工具在决策中的占比已达六、七成之多 [7]

文章核心观点 - 基金经理吴昊认为2026年或成为AI应用的爆发元年，科技成长风格大概率占优，其投资重心正从AI基础设施转向应用端，并系统性地聚焦于以阿里巴巴全栈AI能力为核心的“阿里链”生态，以把握产业链变迁中的投资机遇 [1][2] 对AI应用及产业周期的看法 - 认为产业链景气度传导逻辑清晰，正从“硬三年”迈向“软三年”，2026年或成为AI应用投资元年 [1] - 提出“硬三年、软三年、商业模式再三年”的产业规律，过去两年市场追逐算力芯片、光模块、服务器等基础设施，当前焦点正从“谁有卡”转向“谁有场景”和“谁有流量” [1][2] - 看好AI应用成为最具确定性的方向之一，原因包括产业周期切换、巨头战略质变与估值体系重构 [2] 对“阿里链”生态的投资逻辑 - “阿里链”被定义为一个以阿里全栈AI能力为内核，涵盖算力底座、模型平台与垂直场景应用的完整生态，并非传统供应链 [2] - 投资逻辑是“链主重估+生态共振”：“链主”阿里巴巴自身的云与AI业务价值正被市场用SOTP（分部估值法）重估；“链属”生态合作伙伴将在AI应用爆发中率先受益 [2] - 在“阿里链”的底层算力、模型云服务、垂直应用三大方向中，更青睐应用端，因其具备更高的赔率和爆发潜力，而算力提供确定性和安全垫 [3] - 筛选AI应用公司的核心标准包括：与阿里生态的绑定深度、业务场景的刚需性与AI渗透率、独特的数据壁垒与闭环能力 [3] 对阿里巴巴的战略与估值分析 - 阿里巴巴作为拥有电商、本地生活、支付等高频刚需场景的巨头，其AI商业化落地的确定性最强 [2] - 2026年是阿里AI战略的决胜之年，公司已明确提出全面布局“AI To C”，并发布重磅产品通义千问，标志着其从防守转向进攻的战略质变 [2] - 市场正在经历认知重塑，意识到中国互联网巨头在AI应用层的潜力被低估，阿里云作为中国最大的云服务商，其云业务和AI业务具备巨大的市值重估空间 [2] 对市场及投资策略的看法 - 在经济增长动能转换背景下，科技成长风格会占优，AI应用、算力等方向仍有演绎空间，但关键需关注年中前后的拐点 [3] - 若海外主要央行采取先降息后缩表的策略，全球流动性可能回流美债等美元资产，届时依靠估值扩张的科技成长股可能承压 [3] - 在AI方向的布局重心正从基础设施向应用端倾斜，尤其关注港股市场，认为港股市场不相信故事只认业绩，很多有真实场景的AI应用公司在港股挂牌，估值泡沫相对较小 [3] - 采用“主动+量化”融合的投资模式，量化在决策中占比已达六、七成之多 [4] “主动+量化”投资框架详解 - 投资方法归结为捕捉“认知差”和“执行差” [4] - 在认知层面，摒弃依赖信息差的传统方式，深耕产业趋势和周期位置，重视顺势而为，理解产业链变化，例如理解阿里AI战略的质变就是一种认知差，主动聚焦于公司战略意图、业绩释放节奏等难以被模型刻画的领域 [4] - 在执行层面，借助量化工具克服人性弱点，提供纪律性，例如通过监测行业成交量占比与市值占比的对比、历史涨幅分位水平等指标来判断市场是否过热 [4]

行业与公司 * 涉及的行业包括人工智能大模型、光通信、数据中心液冷技术、OCS交换机、光模块及AI应用软件[1][3][6][8][9][10][11][12][13] * 涉及的公司包括谷歌、阿里巴巴、Anthropic、中际旭创、新易盛、英维克、腾景科技、德科立、数据港、锐捷网络、金山办公等[1][3][6][10][11][13] 核心观点与论据 谷歌Gemini 3模型评估 * 优势：采用Mind模式动态分配算力，擅长解决复杂数学等复杂问题[1][2] 具备卓越的屏幕理解能力，可识别操作屏幕内容，充当智能代理辅助用户完成任务[1][2] * 劣势：稳定性较差，响应速度慢，处理简单问题时性能不佳[1][5] 代码处理能力弱于Anthropic公司的Claude模型，在代码编写、纠错和修复方面不具优势[1][4][5] 谷歌产业链投资机会 * 光通信领域：中际旭创在谷歌光模块市场占据主导地位，份额超过50%，收入占比达30%-40%[1][6] 新易盛等公司也有突破[1][6] OCS交换机市场加速发展，2025年约有1万多台投入使用，2026年预计增长至三四万台，因其与AI训练柜间互联紧密相关且中国企业已开始受益[1][8] * 液冷技术领域：英维克等公司参与机房式CDU及机柜侧液冷环节，提供高效散热方案[1][9] 若光波导等新技术推广，液冷技术应用范围将进一步扩大[1][9] 国内公司在CDU环节可能有更快突破，液冷板模组及零配件在2026年可能继续超预期发展[11] 光模块市场供需 * 需求端稳定，关注点在于供给端瓶颈和供需缺口幅度[3][10] 预计2026年市场将迎来特别好的一年，主要驱动因素是1.6T硅光渗透率大幅提升及整体供不应求的格局[3][10] 腾景科技、德科立等公司表现突出[3][10] 阿里巴巴开源模型战略 * 阿里巴巴是全球开源模型领域最领先的企业之一，其"千问"模型下载量已突破1000万[3][12] 阿里战略意图是通过屏幕理解能力将开源模型打造为城市入口，代替人操作APP以聚集流量并完善应用生态系统[3][12] AI应用软件公司 * 市场开始关注软件和应用层企业，例如实际信息拥有酒店直连技术，光云科技为淘宝卖家提供AI应用服务[13] 金山办公、万兴科技等公司凭借产品力及深耕用户价值，在AI模型加持下有望提升产品质量和市场份额[13] 其他重要内容 * 技术限制导致目前无法同时实现高质量回答与快速响应，限制了Gemini 3的应用场景[5] * 与国产算力链条相关的IDC、交换机和算力租赁环节的公司也值得关注[11]