中美发电能力现状与增长对比 - 中国的发电能力在2013年超过美国，至2024年已达到美国的2.5倍 [1][3] - 2025年中国新增发电能力预计约为470吉瓦，同期美国新增发电能力为64吉瓦，中国增量约为美国的7倍 [1][3] - 在年发电量方面，中国2025年预计达到10万亿千瓦时，约为美国的2.4倍 [6] - 中国政府预计到2030年，发电能力将增加到2024年的1.5倍 [3] 发电结构差异与电力缺口风险 - 中国新增发电能力中，可再生能源（光伏和风力）被认为占到约8成，高于美国的约6成 [6] - 中国目前正在建设27座核反应堆，预计2030年装机容量将超过美国 [6] - 美国摩根士丹利预测，到2028年美国可能出现相当于44吉瓦的数据中心用电力缺口 [6] - 在中国，数据中心用电量快速增长，预计其占全社会用电量的比例将从2024年的1.7%增至2030年的最大5.3% [6] 电力成本与制度背景 - 面向中国数据中心的电价约为每千瓦时3美分，仅为美国电价的大约三分之一 [9] - 中国电力体系以国有电力公司为支柱，便于有计划地增加发电能力并优先考虑低电价和新建设施 [9] - 美国电力投资决策分散，受联邦和州规定制约，难以将电力基础设施建设作为统一的国家战略 [9] 电力优势对AI竞争格局的潜在影响 - 有观点认为，尽管中国在半导体性能方面落后，但通过大量使用低价电力，能实现与美国科技企业同等的计算处理能力 [1][9] - 丰富且低价的电力被认为不会制约中国的AI研发，并可能加速其自主AI技术的研发进程 [8][10] - 华为的AI服务器被评价为“竞争力很强”，其策略是通过增加使用的半导体数量来弥补单个半导体性能的落后 [10] - 中国企业如新兴的DeepSeek以及阿里巴巴集团，正在高性能基础模型方面取得成果并开始普及 [10] 行业参与者的反应与评价 - 美国OpenAI公司在2025年10月致美国政府机构的信函中表示，中国正在加速增加电力供应以在AI研发方面超越美国 [10] - 英伟达首席执行官黄仁勋警告称，中国在AI研发方面已追赶至美国身后 [11] - 香港咨询公司蓝涛集团的菲什曼断言，中国一直拥有丰富的电力，不会制约AI研发 [8]

融资事件 - 上海AI大模型独角兽阶跃星辰于1月26日完成B+轮融资，获得50亿元人民币 [1][4] - 此次50亿元融资刷新了中国大模型赛道过去12个月的单笔融资纪录 [1][4] 公司治理与战略 - 印奇正式出任阶跃星辰董事长，负责整体战略节奏与技术方向的制定 [2][5] - 印奇将与CEO姜大昕、首席科学家张祥雨、CTO朱亦博组成核心管理团队 [2][5] - 印奇同时担任千里科技董事长，在人工智能与汽车场景融合方面有丰富实践经验 [2][5] - 阶跃星辰与千里科技将深化合作，共同推进“AI+终端”战略落地 [2][5] 公司愿景与商业模式 - 公司的首要目标是成为中国基础模型领域最优秀的公司之一，其使命是做好基础模型并探索智能上限 [3][6] - 公司致力于成为一个商业闭环的公司，其商业模式核心是AI大模型与终端的结合 [3][6] - 公司的业务无论To B还是To C，均围绕“终端”这一核心应用场景展开 [3][6] 发展重点与支撑要素 - 公司董事长印奇加入后，首要关注研发和终端 [3][6] - 公司认为，人才密度是支撑其AGI（通用人工智能）愿景与商业化落地的根本 [3][6] - 为实现使命，公司需要在人才、商业模式和资本三方面实现匹配 [3][6]

张坤对宏观经济与市场的核心观点 - 这是近十年来张坤管理的产品首次在上证指数4100点以上发声 也是其首次公开提及AI和AI泡沫论 并从增量和存量角度分析中国经济关键要素走向 [6][7] - 基于国家2035年人均GDP达到中等发达国家水平的目标 即使以2024年发达国家中人均GDP最低的拉脱维亚2.34万美元计算 从2024年中国1.33万美元的人均GDP起步 未来人均GDP复合增长率需达到5.27% 高于全球增速 因此中期经济增速不会低 [9] - 从存量角度看 过去几年主要城市房价显著下调影响了居民财富和消费 但考虑低利率、潜在政策支持及新开工面积下降等因素 主要城市房价下跌有望进入尾声 过去几年增量财富被存量财富下降抵消的情况未来有望改观 [12][13] - 综合增量和存量因素 未来十年老百姓的实际生活水平和社会保障水平将显著提升 与发达国家差距明显缩小 并相信消费提振将被放在施政的重要位置 [14] - 认为强大的内需市场对科技创新有重要促进作用 以GPT和Gemini为例 其C端每年约200美元的订阅费构成了重要收入来源 这些实打实的收入对模型企业融资和持续投入信心起重要作用 [16][17] - 对组合中企业的商业模式、竞争壁垒和现金流产生能力充满信心 认为市场先生的出价已使得一些优质公司即使私有化也非常划算 对长期投资者是很好的机会 [19][21] 张坤的持仓操作与配置 - 在去年四季度保持了组合持仓和重仓股的“超稳态” 其管理的纯内资投向的易方达蓝筹和易方达优质生活三年基金均罕见地保持了重仓股没有变化 [22][23] - 以易方达蓝筹为例 本季度增配了腾讯控股、贵州茅台、五粮液、山西汾酒、百胜中国、中国海洋石油 减配了阿里巴巴、泸州老窖、京东健康、分众传媒 [23] - 在其管理的QDII基金中 同样展露了对白酒的增持和对国内AI个股的坚持 [24] - 易方达蓝筹前十大重仓股合计占基金净值比例为85.10% 具体调仓幅度：腾讯控股持仓市值约30.95亿元 占净值比9.98% 较上期增持4.35% 贵州茅台持仓市值约30.71亿元 占净值比9.90% 增持9.02% 五粮液持仓市值约29.88亿元 占净值比9.63% 增持1.28% 山西汾酒持仓市值约29.70亿元 占净值比9.58% 增持3.61% 百胜中国持仓市值约27.90亿元 占净值比8.99% 持仓不变 中国海洋石油持仓市值约25.01亿元 占净值比8.06% 持仓不变 阿里巴巴持仓市值约29.79亿元 占净值比9.60% 减持3.22% 泸州老窖持仓市值约29.70亿元 占净值比9.57% 减持3.94% 京东健康持仓市值约15.84亿元 占净值比5.11% 减持45.52% 分众传媒持仓市值约14.52亿元 占净值比4.68% 减持20.56% [25]

文章核心观点 - AI产业链的芯片层和基础模型层呈现出创新活动集中度高、新企业进入少的“熊彼特II型”创新模式，马太效应显著，领先企业更易维持优势 [3] - AI垂直应用层则呈现出创新活动集中度低、新企业进入多的“熊彼特I型”创新模式，马太效应较弱，竞争格局更为分散和不稳定 [3][6] - 产业的四个特征——主导设计收敛程度、创新知识来源、产品通用性、客户转移成本——共同决定了马太效应的强弱，AI芯片和基础模型在多个维度上具备强化马太效应的特征 [4][31] - 基于上述分析，在芯片和基础模型这两个马太效应强的领域，后发国家（如中国）的产业政策应聚焦于“投大投强”，集中资源支持国内第一梯队企业，并通过需求侧政策（如公共采购、示范应用）为本土产品创造市场环境 [5][40][41] AI产业各环节竞争格局现状 - **垂直应用层**：呈现“百花齐放”态势，竞争格局分散 - 2025年8月，中国有30个AI产品的月活跃用户数超过100万，全球有40个AI产品的MAU超过1000万 [6] - 美国至少有40个通用类和垂直类AI产品 [6] - **基础模型层**：市场格局经过三年竞争后显著收敛 - 国外主要公司包括OpenAI、Google、Antropic、Meta、xAI [6] - 国内市场形成“基模五强”格局 [6] - **AI芯片层**：市场集中度极高 - 英伟达的GPU产品在市场上占据绝对主导地位 [6] 熊彼特创新模式的理论框架与定量判别 - 引入“熊彼特创新模式”理论，将产业创新分为两种类型 [3][8] - **熊彼特I型**：创新活动集中度低，大量新企业进入，竞争格局不稳定，马太效应弱 - **熊彼特II型**：创新活动集中度高，主要由先发企业创新，竞争格局稳定，马太效应强 - 采用三个定量指标判别产业创新模式：创新活动集中度（CR10）、新兴企业创新活跃度、先发企业稳定度（Spearman等级相关系数） [8] - 基于美国专利局和Orbis数据库2000-2023年的专利数据分析，结合Epoch AI的模型产品数据交叉验证 [3][12] - **AI基础模型**：主成分载荷系数为0.81（专利分析）和2.36（模型产品分析），属于熊彼特II型 [13] - **半导体（AI芯片）**：主成分载荷系数为2.35，属于熊彼特II型 [13] 影响产业马太效应的四个经济逻辑维度 - **主导设计收敛程度**：主导设计越收敛、存续越久，马太效应越强 [14] - *案例对比*：生物技术（主导设计发散，熊彼特I型） vs 有机精细化学（主导设计收敛，熊彼特II型） [14] - **创新知识主要来源**：知识来源越偏向于通过实践积累（“干中学”、“用中学”、“互动中学”的DUI模式），马太效应越强；越依赖于科学技术突破（STI模式），马太效应越弱 [15] - *案例对比*：制药（知识来源主要为科技突破，熊彼特I型） vs 有机精细化学（知识来源主要为工程实践积累，熊彼特II型） [15][16] - **新产品通用性**：产品标准化、通用性程度越高，马太效应越强；定制化程度越高，马太效应越弱 [17] - *案例对比*：工业软件中的研发设计类软件（功能通用性强，属于计算机技术产业，熊彼特II型） vs 业务管理类软件（需深度定制，属于管理信息系统产业，熊彼特I型） [18][19] - 2023年数据显示，中国CAD市场国外巨头占主导，而ERP市场国产厂商（如用友、金蝶）份额已超越外资 [19] - **客户转移成本**：客户更换供应商的成本越高，马太效应越强 [24] - *案例对比*：汽车发动机（转移成本高，属于“泵、涡轮和引擎”产业，熊彼特II型） vs 其他机械零部件（转移成本较低，熊彼特I型） [25] AI产业链各环节特征与马太效应分析 - **AI芯片领域**：马太效应强（熊彼特II型） [31] - 主导设计收敛：GPU是云端芯片主导设计，制造架构主流是FinFET [26] - 创新知识来源：实践积累（DUI）与科技突破（STI）并重 [27] - 产品通用性：高（云端训练/推理芯片为标准通用产品） [27] - 客户转移成本：高（基础模型厂商优选英伟达GPU，迁移意愿低） [28] - **基础模型领域**：马太效应较强（熊彼特II型） [31] - 主导设计收敛：当前收敛于Transformer架构和缩放定律 [26] - 创新知识来源：当前主要是实践积累（DUI模式） [27] - 产品通用性：高（国内外基础模型功能相近） [27] - 客户转移成本：一般 [29] - **垂直应用领域**：马太效应较弱（偏向熊彼特I型） [31] - 主导设计：发散（与具体行业和功能需求相关） [26] - 创新知识来源：实践积累（DUI模式，有极强的“用户-开发者”反馈效应） [27] - 产品通用性：一般（ToC应用通用性较强，嵌入企业软件的应用有定制化成分） [27] - 客户转移成本：一般（ToC应用转移成本较低，企业级应用转移成本较高） [28] 对后发国家（中国）AI产业发展的政策启示 - **投资策略应聚焦头部，支持第一梯队企业** - AI芯片和基础模型属于马太效应强的熊彼特II型产业，先发企业胜出概率更高 [40] - 过去投资较为分散：2015-2024年，中国芯片半导体领域有融资企业1015家，其中国家级基金投资了111家；ChatGPT问世后，中央及地方政府引导基金投资了大模型企业26家 [38] - 建议政府引导基金集中资源“投大、投强”，支持经过市场初步筛选的国内第一梯队企业，以更雄厚实力追赶海外领先者 [40] - **强化需求侧政策，为本土产品创造市场** - 针对芯片领域客户转移成本高、基础模型领域知识进步依赖实践积累的特点，需求面政策至关重要 [41] - 建议政府通过公共采购、购买补贴、示范应用等工具，创造有利于本土芯片和模型厂商的需求环境，鼓励优先使用本国产品 [5][42] - 可参考美日经验，考虑以第一梯队企业领衔组建联合研发体，优先采购本国设备和芯片，形成“制造装备-芯片算力-模型训练”的“用中学”环境 [42]

日本2026财年产业政策预算大幅增长 - 日本经济产业省计划在2026财年将其整体拨款增加约50%，达到约3.07万亿日元[2] - 此次预算增长旨在为前沿技术提供更稳定、更基础的资金支持，减少对一次性补充拨款的依赖[2] 半导体与人工智能领域拨款激增 - 半导体和人工智能领域的拨款大幅增加至约1.23万亿日元，几乎是之前的四倍[2] - 其中1500亿日元将用于支持先进逻辑制造项目Rapidus[2] - 另有3873亿日元将用于国内人工智能发展，包括基础模型、数据基础设施及物理人工智能应用[2] 预算增长的战略定位与影响 - 预算扩充是政府更宏大的增长政策和战略韧性战略的一部分[3] - 通过常规拨款为芯片和人工智能议程提供更多资金，有助于降低晶圆厂、工具制造等长周期项目的不确定性[3] - 芯片和人工智能现被视为核心产业基础设施，而不仅仅是研发项目[3] 其他关键领域拨款 - 计划预留50亿日元用于保障关键矿产资源，包括稀土[2] - 另安排1220亿日元用于脱碳措施，包括与下一代核电相关的项目[2]

校园招聘规模与结构 - 阿里巴巴2026届校园招聘提供超过7000个职位[1] - 腾讯开放五大类70余种岗位[1] - 美团全球招募6000人并提供100余种职位[3] - 阿里巴巴AI相关岗位占比达到60%[1][3] - 美团技术岗位占总招聘人数三分之一[1][3] - 阿里云、阿里国际、钉钉的AI岗位比例高达80%[3] - 高德AI岗位比例达到75%[3] 人才竞争态势 - AI头部公司41.07%员工处于"正在看机会"状态[4] - 互联网行业仅14.65%员工处于求职状态[4] - 超过1000家AI公司在脉脉平台发布招聘信息[4] - 企业用人标准转向重视学习潜力和跨界思维能力[4] 人才培养与留存策略 - 37.6%企业主动提高应届生起薪水平[5] - 近八成企业开设专项技能培训[5] - 阿里巴巴"阿里星"计划已吸引超过200位顶尖青年技术人才[5] - 阿里星项目累计产出3000余项科研成果[5] - 美团技术、产品及商业分析序列中超过70%应届生第一年实现晋升[5] - 部分美团校招生两年左右成长为团队骨干[5] 行业发展趋势 - 腾讯重点聚焦AI技术领域并显著增加"AI+"校招投入规模[3] - 智元机器人与清华大学开设全国首个具身机器人理论到实践课程[6] - 高校增设技术性人才培育课程以缩短毕业生与产业需求差距[6]

应用生态竞争 - 应用生态丰富度成为大模型厂商展示实力的重要方式 国产基础大模型加速向各类场景渗透 接入基础模型的外部软硬件开发企业占据展厅大部分空间 [1] - 基础模型头部效应显著 在"百模大战"收缩背景下 DeepSeek 通义和腾讯混元旗下三款基础模型跻身全球前十 进入Chatbot Arena 6月16日更新的排名前十 [1] - 基础模型演变为"平台的平台" 正在成为可生长出万千应用的全新数字基础设施 这与传统商品竞争或互联网平台竞争有本质不同 [1] 平台竞争形态 - 未来平台竞争形态将是"生态系统"博弈 而非单个企业间的"寡头竞争" 吸引更多开发者构建丰富应用生态的平台可能通过网络效应形成"赢者通吃"局面 [1][2] - 大模型时代的垄断现象给反垄断当局提出新考验 需要重新界定商品或服务的相关市场 [2] - 对私人企业提供类公共性质数字基础设施的现象 反垄断执法应审慎界定监管边界 平衡干预力度与市场激励 [2] 监管与发展平衡 - 建议为数字基础设施领域划定清晰底线 包括不触及国家信息安全 不影响个人或小微企业基本福利与机会公平 在此前提下给予私人企业最大创新空间 [2] - 建议采取中等偏弱的监管框架 以契合中国数字经济发展需求 [2] AI应用与生产率 - AI作为通用目的技术存在"索洛悖论" 落地效果反映在宏观生产率数据提升上需要时间滞后 但企业降本增效效果显著 [3] - Agent成为大模型热门应用方向 预计20%-30%办公任务可由Agent替代完成 释放的劳动力将流向技术催生的新领域 [3]