人工智能细分·大模型行业深度投资研究报告——10年价值投资视角:拒绝概念炒作,聚焦算力支撑的真实价值本报告聚焦人工智能核心细分——大模型行业，核心观点明确：大模型的竞争本质是算力的竞争，脱离算力支撑的大模型概念终将被市场淘汰，只有具备真实算力储备、算力运营效率及算力成本优势的企业，才具备长期投资价值，为价值投资者提供“去伪存真”的行业解读与布局指引。 人工智能大模型是当前科技领域的高景气赛道，经历2023-2024年的概念炒作高峰期后，2025年以来行业逐步进入“价值验证”阶段，市场认知从“追模型参数、炒题材概念”转向“看算力支撑、看落地能力、看盈利兑现”，这一转变与价值投资“聚焦真实价值”的核心逻辑高度契合，也是我们判断行业投资机会的核心前提。 2023年以来，国内大模型企业呈现“井喷式”增长，截至2025年底，国内已发布各类大模型超300个，涵盖通用大模型、行业大模型（金融、医疗、工业等），但行业分化极为明显：多数企业仅停留在“发布模型、蹭热点”阶段，既无核心技术积累，更无足够算力支撑模型的持续训练、迭代与商业化落地，属于典型的“概念炒作”；仅有少数头部企业（兼具算力储备与技术实力）实现大模型规模化落地，形成“算力支撑→技术迭代→商业化变现”的良性循环，成为行业真正的价值载体。 从市场表现来看，2024年下半年以来，无算力支撑的大模型概念标的股价持续回调，跌幅普遍达40%-60%，而具备真实算力支撑的标的（算力芯片、AI服务器、光模块等）股价表现稳健，部分标的实现逆势上涨，凸显市场对“真实价值”的认可——这正是价值投资的核心逻辑：短期概念可以炒作，但长期价值终将由企业的核心竞争力与真实业绩决定。 作为20年价值投资者，我们始终认为“任何高景气赛道，最终的核心壁垒都是‘不可替代的资源或能力’”，而大模型行业的核心壁垒，正是算力——算力是大模型的“生命线”，没有充足、稳定、低成本的算力支撑，再先进的模型理念、再高的参数规模，都无法落地、无法迭代、无法产生商业价值。 从大模型的全生命周期来看，算力贯穿始终，且需求呈爆发式增长：一是模型训练阶段，通用大模型的训练需要海量算力支撑，例如GPT-4训练消耗的算力约为1.4万亿FLOPS，相当于10万台高端GPU同时运行1个月，而参数规模每提升一个量级，算力需求将提升2-3个量级；二是模型推理阶段，大模型商业化落地（如对话机器人、内容生成、行业赋能）需要实时算力支撑，推理算力需求随落地场景的拓展呈线性增长；三是模型迭代阶段，大模型的持续优化、参数调整，需要持续的算力投入，形成“算力投入→模型优化→效果提升→商业化变现→再投入算力”的闭环。 数据显示，2025年中国智能算力规模预计将达到1037.3EFLOPS，同比增长43%，远超通用算力20%的增速，这一结构性增长背后，正是大模型训练与推理需求的爆发式拉动，也印证了算力在大模型行业中的核心地位。同时，全球科技巨头均在加大算力投入，Meta计划本十年内建成数十吉瓦算力基础设施，2025年资本支出预计高达700亿至720亿美元，进一步凸显算力的战略价值。 当前大模型行业的核心痛点的是“算力供给不足、供需矛盾突出”，这也是筛选具备投资价值标的的核心切入点——谁能解决算力缺口、掌握算力资源、降低算力成本，谁就能在行业竞争中占据主动，获得长期价值回报。 算力缺口主要体现在两个层面：一是绝对缺口，全球高端GPU（大模型训练核心硬件）供应紧张，英伟达H100、H200 GPU长期处于“供不应求”状态，国内企业获取高端GPU的难度较大，即便能获取，也面临价格高、交付周期长（6-12个月）的问题；二是相对缺口，部分企业虽拥有一定算力资源，但算力运营效率低、成本高，无法实现算力的高效利用，相当于“拥有资源但无法转化为价值”，本质上仍属于“伪算力支撑”。 此外，政策层面的引导也加剧了算力的稀缺性，国家数据局明确提出到2025年底国家枢纽节点地区新增算力占全国60%以上，绿电占比超80%的硬指标，推动算力基础设施向“规模化、绿色化”转型，进一步提升了算力行业的准入门槛，也让具备合规算力储备的企业更具竞争优势。 价值投资的核心是“去伪存真”，对于大模型行业，判断一家企业是否具备真实算力支撑，不能只看“宣称的算力规模”，更要从“算力储备、算力运营、算力成本、商业化落地”四个维度综合考量——这四个维度构成了我们筛选标的的核心标准，也是区别“真价值”与“伪概念”的关键。 算力储备是基础，核心判断标准是“真实可用、可规模化调用”，而非企业宣传的“纸面算力”（如仅签订合作协议、未实际落地的算力资源），具体可从3个层面验证： 1. 算力硬件储备：核心是高端GPU、AI服务器、算力集群的实际数量与落地情况。高端GPU（英伟达H100/H200、AMD MI300、国产寒武纪思元370等）是大模型训练的核心，企业需具备一定规模的高端GPU储备，且能形成规模化算力集群（单集群GPU数量不低于1000张，才能支撑通用大模型的训练）；同时，AI服务器、光模块等配套硬件需同步储备，形成完整的算力基础设施，例如浪潮信息2025年一季度液冷服务器月产能达3.6万台，订单已排至2026年，单机柜功率密度突破100kW，属于典型的真实算力硬件储备。 2. 算力合规性：当前算力行业受政策监管严格，尤其是AI算力，需具备合规资质（如算力备案、网络安全资质），未合规的算力资源无法实现规模化商用，也面临政策风险。例如，国内头部算力租赁企业均已完成算力备案，接入国家算力网络枢纽节点，而部分中小型企业的算力资源未合规，属于“伪算力”。 3. 算力稳定性：算力储备需具备稳定性，能够持续、稳定地为大模型训练与推理提供支撑，避免出现“断供、卡顿”等问题。这需要企业具备完善的算力运维体系，例如中科曙光浸没式服务器PUE低至1.04，在西部枢纽节点实现国产芯片90%适配率，算力稳定性显著优于行业平均水平。 拥有算力储备只是基础，能否高效利用算力，将算力转化为商业价值，才是关键——闲置的算力无法产生收益，本质上也是“伪支撑”，核心判断标准是“算力利用率”与“运营效率”： 1. 算力利用率：行业核心参考标准是“训练算力利用率不低于60%，推理算力利用率不低于70%”，若利用率低于50%，则说明算力存在大量闲置，无法形成规模效应，也无法覆盖算力成本。对于算力租赁企业而言，利用率更是盈利的核心，若利用率低于60%，项目可能亏损；稳定维持在90%以上，才能实现健康盈利，头部企业的算力利用率可达到20%-30%的净利润率。 2. 算力调度能力：企业需具备高效的算力调度系统，能够根据大模型训练、推理的需求，灵活分配算力资源，提升算力利用效率。例如，头部云厂商（阿里云、腾讯云）的算力调度系统，可实现“按需分配、弹性扩容”，算力利用率维持在75%以上，远高于行业平均水平；而部分中小企业缺乏核心调度技术，算力分配混乱，利用率不足30%。 算力是重资产投入，成本极高（单张H100 GPU价格约15万美元，1万台AI服务器投入超10亿元），若企业无法控制算力成本，即便拥有算力储备，也无法实现盈利，最终只能“烧钱续命”，不符合价值投资“持续盈利”的核心需求。核心判断标准是“算力单位成本低于行业平均，且能形成盈利闭环”： 1. 硬件成本控制：通过规模化采购、长期合作，降低GPU、AI服务器等硬件的采购成本。例如，头部企业通过与英伟达、AMD签订长期采购协议，可获得10%-20%的采购折扣；同时，国产硬件替代（如寒武纪、海光信息的芯片）也能有效降低成本，海光信息深算二号DCU性能对标英伟达A100，兼容CUDA生态，核心产品国产化率超70%，成本优势显著。 2. 运营成本控制：主要包括电力成本、运维成本。算力运营需要大量电力（1万台GPU年耗电量超1亿度），企业若能布局在电力资源丰富、电价较低的地区（如贵州、内蒙古、甘肃等国家算力枢纽节点），可显著降低电力成本；同时，通过智能化运维、规模化运营，降低人工运维成本，例如液冷技术的应用可大幅降低能耗，浪潮信息拥有500多项液冷专利，其MW级泵驱两相液冷方案单芯片解热能力突破3000W，有效降低运营成本。 3. 成本回收能力：算力成本需通过商业化变现实现回收，形成“投入→盈利→再投入”的闭环，若企业仅投入算力、无法实现变现，最终将面临资金链压力，属于“伪价值”标的。 价值投资的核心是“企业能持续产生现金流与盈利”，对于大模型行业，算力的真实价值最终要通过商业化落地来验证——即“算力→大模型→商业化变现→收入/利润”，核心判断标准是“有明确的商业化场景、稳定的收入来源”： 1. 大模型落地场景：具备真实算力支撑的企业，其大模型必然有明确的商业化落地场景（如金融风控、医疗诊断、工业质检、内容生成等），而非“只发布、不落地”。例如，百度文心一言依托百度智能云的算力储备，已落地金融、政务、教育等多个行业，2025年商业化收入超50亿元；海光信息DCU产品深度绑定国内头部云厂商与国家级算力集群，订单锁定至2027年，实现算力与商业化的深度绑定。 2. 收入与利润兑现：算力投入能否转化为持续的收入与利润，是判断真实价值的核心指标。具备真实算力支撑的企业，应逐步实现“算力收入占比提升、盈利转正、现金流正向”，例如中际旭创2025年三季报净利润75.70亿元，同比增长95.5%，净利率30.3%，核心得益于高速光模块在算力领域的商业化落地；新易盛800G光模块毛利率高达47.48%，1.6T产品预计2025下半年开始放量，盈利韧性突出。 当前大模型行业竞争格局呈现“两极分化”：一边是“无算力、无落地、纯概念”的中小厂商，逐步被市场淘汰；一边是“有算力、有技术、有落地”的头部企业，逐步占据行业主导地位。从价值投资视角，我们无需纠结于“大模型本身的参数竞争”，更应聚焦“算力产业链”——算力产业链是大模型行业的“卖水人”，无论哪家大模型企业胜出，都需要算力支撑，具备更强的确定性，也是我们布局的核心方向。 第一梯队（核心价值标的）：具备完整算力产业链布局，或拥有规模化、低成本算力储备，且实现商业化盈利的企业，主要分为三类： 1. 算力硬件龙头：聚焦AI服务器、高端GPU、光模块等核心硬件，掌握算力硬件核心技术，具备规模化生产能力，订单充足，例如浪潮信息（AI服务器龙头，液冷技术领先）、工业富联（AI服务器制造龙头，GB300服务器量产）、中际旭创（光模块龙头，800G产品全球市占率超20%）、新易盛（CPO技术先锋，绑定英伟达订单）、海光信息（国产算力芯片龙头，DCU产品市占率领先）、寒武纪（AI芯片创新标杆，思元系列产品覆盖全场景）。 2. 算力运营龙头：拥有规模化算力集群，具备高效的算力调度与运维能力，算力利用率高，商业化落地成熟，主要为大模型企业提供算力租赁、算力服务，例如头部云厂商（阿里云、腾讯云、华为云）、专业算力租赁企业（优刻得、光环新网等），这类企业的算力利用率维持在70%以上，现金流稳定。 3. 核心大模型龙头：兼具算力储备与技术实力，拥有自有算力集群，大模型商业化落地成熟，能够实现“算力→技术→变现”的闭环，例如百度（文心一言，依托百度智能云算力）、阿里（通义千问，依托阿里云算力）、华为（盘古大模型，依托华为云与自研算力芯片），这类企业的算力投入持续转化为商业价值，盈利韧性强。 第二梯队（具备潜力标的）：拥有部分算力储备，具备一定的技术实力，但商业化落地仍处于初期，算力利用率有待提升，主要是部分细分行业大模型企业（聚焦垂直领域，算力需求相对较低）与中小型算力运营企业，这类标的需重点跟踪其算力利用率与商业化进展，若能实现突破，具备估值修复潜力。 第三梯队（纯概念标的）：无真实算力储备，仅发布大模型或蹭热点，未实现商业化落地，甚至未投入实际算力进行模型训练，这类标的无长期投资价值，终将被市场淘汰，是价值投资需坚决规避的领域。 结合行业发展趋势与价值投资逻辑，大模型行业的竞争格局将呈现“集中度持续提升”的态势，核心原因有三点： 1. 算力投入门槛持续提高：高端GPU、AI服务器等硬件价格昂贵，规模化算力集群的投入需数十亿甚至上百亿资金，中小厂商难以承担，逐步被淘汰；同时，液冷、CPO等新技术的应用，进一步提升了算力硬件的技术门槛，头部企业凭借技术优势持续抢占市场份额。 2. 政策监管趋严：算力合规、数据安全等政策持续收紧，未具备合规资质、未接入国家算力网络的企业，无法实现规模化商用，逐步退出市场，而头部企业凭借合规优势，进一步扩大市场份额。 3. 商业化变现门槛提升：大模型的商业化落地需要“算力+技术+场景”的协同，中小厂商缺乏场景资源与技术积累，即便拥有少量算力，也无法实现盈利，而头部企业凭借场景优势与技术实力，持续提升算力利用效率与商业化变现能力，形成“强者恒强”的格局。 对于价值投资者而言，财务数据与现金流是“去伪存真”的核心工具——具备真实算力支撑的企业，其财务数据必然呈现“稳健增长、盈利可控、现金流正向”的特征，而纯概念标的则呈现“营收微薄、亏损扩大、现金流断裂”的困境。以下聚焦算力产业链核心标的，从“盈利性、偿债能力、现金流”三个维度，拆解其财务特征，为筛选标的提供参考。 核心判断指标：算力相关收入占比、毛利率、净利率、净资产收益率（ROE），具体特征如下： 1. 算力相关收入占比：核心标的的算力相关收入占比需不低于50%，且持续提升，体现其算力业务的核心地位。例如，浪潮信息2024年AI服务器相关收入占比超60%，同比增长90%；中际旭创2025年三季报算力相关光模块收入占比超70%，同比增长44.3%；海光信息2024年DCU相关收入占比超50%，同比增长68.3%，均体现了较强的算力业务支撑。 2. 毛利率与净利率：算力硬件（AI服务器、光模块、算力芯片）的毛利率普遍维持在20%-40%，具备技术壁垒的标的毛利率更高（如光模块龙头中际旭创毛利率超30%，新易盛CPO业务毛利率超50%，海光信息毛利率超60%）；净利率需逐步转正并持续提升，避免长期亏损（纯概念标的普遍长期亏损，净利率为负）。 3. ROE：核心标的的ROE需维持在10%以上，体现其优秀的经营管理能力与盈利效率。例如，海光信息2025年预测ROE超20%，中际旭创ROE维持在15%以上，远超行业平均水平，反映出企业强大的盈利韧性。 算力行业属于重资产行业，算力硬件采购、算力集群建设需要大量资金投入，企业需具备合理的负债结构与充足的偿债能力，避免资金链风险，核心判断指标：资产负债率、流动比率、速动比率： 1. 资产负债率：核心标的的资产负债率需控制在60%以下，避免过高负债导致的资金链压力。例如，浪潮信息资产负债率维持在55%左右，中际旭创资产负债率低于50%，均处于合理区间；而部分中小型算力企业为扩大算力储备，大幅举债，资产负债率超80%，资金链风险极高，需坚决规避。 2. 流动比率与速动比率：流动比率需不低于1.2，速动比率需不低于1.0，体现企业充足的短期偿债能力，避免短期流动性风险。核心标的均能满足这一要求，例如海光信息流动比率维持在1.5以上，寒武纪速动比率超1.2，财务结构稳健。 现金流是重资产行业的“生命线”，对于算力相关标的，核心判断指标：经营活动现金流净额、自由现金流，具体特征如下： 1. 经营活动现金流净额：需持续为正，且同比增长，体现企业算力业务的真实盈利能力——只有经营现金流正向，才能支撑算力硬件采购、算力集群运维与技术研发的持续投入。例如，浪潮信息2024年经营活动现金流净额超50亿元，同比增长30%；中际旭创2025年三季报经营活动现金流净额超40亿元，同比增长50%，均体现了较强的现金流造血能力。 2. 自由现金流：自由现金流=经营活动现金流净额-资本开支，需维持为正或小幅为负（资本开支用于算力升级与扩张，属于合理投入）。核心标的的自由现金流普遍为正，例如工业富联2024年自由现金流超80亿元，能够支撑其AI服务器产能扩张；而纯概念标的的经营现金流持续为负，自由现金流大幅为负，依赖融资维持运营，最终将面临资金链断裂风险。 结合10年价值投资经验，大模型行业的核心投资逻辑是“穿透概念、聚焦算力，把握‘估值低估+成长确定’的核心标的”，具体可拆解为三个核心逻辑，契合“拒绝概念、坚守真实价值”的核心导向： 大模型的技术迭代可以模仿，参数规模可以追赶，但算力资源的积累无法短期实现——高端GPU的供应紧张、算力集群的建设周期（6-12个月）、算力运营能力的培养（需要长期经验积累），都构成了不可替代的核心壁垒。这种壁垒，正是价值投资所追求的“确定性”——只要大模型行业持续发展，算力需求就会持续增长，具备真实算力支撑的企业，就能持续享受行业增长红利，长期价值明确。 同时，算力行业的政策壁垒与技术壁垒持续提升，“东数西算”战略推进、液冷等新技术应用，进一步强化了头部企业的优势，行业集中度持续提升，龙头企业的长期竞争力将持续增强，为长期投资提供了坚实保障。 2024年下半年以来，大模型行业的估值分化极为明显：无算力支撑的纯概念标的估值持续回调，估值泡沫逐步挤出；而具备真实算力支撑的核心标的，估值处于历史合理偏低区间，甚至被低估，形成了“价值洼地”。 从估值水平来看，当前算力硬件龙头的市盈率（PE-TTM）普遍在20-40倍，低于行业平均估值（50-60倍），也低于自身历史平均估值（30-50倍），例如中际旭创PE-TTM约42倍，低于海外龙头（65倍），估值优势明显；新易盛PE-TTM约38.5倍，PEG=0.4，低于行业均值0.8，估值性价比突出；海光信息当前PE-TTM虽达238.33倍，但2026年预测PE仅40倍，反映出成长溢价，估值安全垫充足。这种估值分化，为价值投资者提供了绝佳的布局机会——买入被低估的核心标的，等待估值修复与业绩增长的双重收益，契合价值投资“低买高卖”的核心逻辑。 大模型行业的高景气度将持续，算力需求的爆发式增长具备较强的确定性，核心驱动因素有三点： 1. 通用大模型迭代：通用大模型的参数规模持续提升，从百亿级、千亿级向万亿级、十万亿级突破，算力需求呈指数级增长；同时，大模型的持续优化、多模态升级（文本、图像、语音、视频融合），将进一步拉动算力需求，Meta规划的超级集群可支撑150万至200万颗高端GPU运转，训练参数规模超过10万亿级的下一代通用大模型，凸显算力需求的巨大潜力。 2. 行业大模型落地：金融、医疗、工业、政务等多个行业的大模型规模化落地，推理算力需求呈线性增长，成为算力需求的核心增长点；政策层面，六部门印发《算力基础设施高质量发展行动计划》，明确智能算力占比35%目标，进一步推动行业大模型落地。 3. 算力国产化替代：国内高端GPU供应紧张，国产算力芯片（寒武纪、海光信息等）的国产化替代加速，将带动国产算力硬件的需求增长，为国内算力标的提供长期成长空间。海光信息DCU产品得到市场广泛认可，推动公司2024年净利润增长43.29%-59.12%，寒武纪2025年三季报营收同比增长387.6%，首次实现规模盈利，标志着国产算力芯片从实验室走向商业化落地的关键转折。 算力需求的持续爆发，将驱动具备真实算力支撑的核心标的，实现“业绩持续增长+估值修复”的双重收益，长期成长确定性强，契合价值投资“长期持有、分享企业成长红利”的核心理念。 结合算力行业增速、核心标的业绩预期、历史估值区间及行业可比公司估值，采用“PE估值法”（适合盈利稳定、壁垒清晰的龙头企业），测算核心标的的估值修复空间，兼顾审慎性与合理性： 1. 行业增速预期：2025-2027年，国内智能算力规模年均增速维持在35%-45%，算力硬件、算力运营行业增速维持在30%-40%，行业高景气度持续。 2. 核心标的业绩预期（选取3类代表性标的）： （1）算力硬件龙头（如中际旭创）：2025年预计归母净利润95.6亿元，同比增长78%；2026年预计归母净利润130-140亿元，同比增长36%-46%；2027年预计归母净利润170-180亿元，同比增长31%-38%。 （2）国产算力芯片龙头（如海光信息）：2025年预计归母净利润70.5亿元，同比增长92%；2026年预计归母净利润100-110亿元，同比增长42%-56%；2027年预计归母净利润140-150亿元，同比增长40%-50%。 （3）AI服务器龙头（如浪潮信息）：2025年预计归母净利润25-30亿元，同比增长50%-80%；2026年预计归母净利润35-40亿元，同比增长40%-60%；2027年预计归母净利润45-50亿元，同比增长29%-43%。 核心结论：算力产业链核心标的当前估值普遍低估，随着算力需求持续爆发、业绩持续兑现，估值修复空间显著，其中算力硬件、国产算力芯片标的的成长弹性更大，适合长期布局。 价值投资的核心是“风险前置，敬畏市场”，尽管算力支撑型大模型相关标的具备较强的确定性与成长潜力，但仍存在多重潜在风险，可能影响长期投资价值与估值修复进程，按风险权重排序如下，需重点关注并做好风险防控： 当前算力行业处于“供需紧张”状态，但随着头部企业持续扩大算力储备、国产GPU产能释放、政策推动算力基础设施建设，未来2-3年可能出现“算力供给过剩”的情况。若算力供给大幅增加，而大模型商业化落地速度不及预期，将导致算力利用率大幅下滑（低于60%），核心标的的收入与利润将不及预期，进而拖累估值修复。 尤其是算力租赁企业，对算力利用率的敏感度极高，若利用率从90%降至60%，净利润可能下滑50%以上，需重点跟踪算力供需变化与利用率数据。 算力行业技术迭代速度快，若出现新的算力硬件技术（如量子计算、光子计算），或现有算力硬件技术出现重大突破（如国产GPU性能赶超英伟达，价格大幅下降），可能导致当前核心算力硬件（如英伟达GPU、传统AI服务器）被替代，进而影响核心标的的竞争力与盈利水平。 例如，若量子计算实现规模化应用，大模型的训练算力需求将大幅下降，当前的算力集群、GPU储备可能面临“闲置”风险；同时，液冷、CPO等新技术的快速迭代，若企业无法及时跟进，可能丧失技术优势，被行业淘汰。 算力行业受政策监管严格，主要面临两类政策风险：一是算力监管政策收紧，如限制高端GPU出口、加强算力备案管理，可能影响核心标的的算力硬件采购与算力运营；二是大模型行业监管政策变动，如限制部分大模型的商业化落地，可能导致算力需求下滑，进而影响算力标的的收入。 例如，若海外限制英伟达GPU对中国的出口，国内核心标的的算力储备扩张将受到制约；若国内加强大模型行业监管，限制通用大模型的商业化应用，将直接减少算力需求，拖累算力标的业绩增长。 算力需求的持续增长，依赖于大模型的商业化落地进度。若大模型的商业化落地速度不及预期（如行业大模型落地困难、变现能力薄弱），或市场对大模型的需求出现“降温”，将导致算力需求增长放缓，核心标的的业绩增长将不及预期，估值修复进程受阻。 当前部分行业大模型仍处于“试点阶段”，未能实现规模化变现，若这种情况持续，可能导致企业减少算力投入，进而影响算力标的的订单与收入。 算力行业的核心成本包括硬件采购成本、电力成本、运维成本。若高端GPU、AI服务器等硬件价格上涨，或电力价格大幅提升，将导致核心标的的成本上升；同时，人工运维成本、技术研发成本持续增加，若企业无法同步提升算力利用率与商业化变现能力，将挤压利润空间，导致净利率下滑。 例如，若英伟达H200 GPU价格上涨20%，核心标的的硬件采购成本将大幅增加，若无法将成本转嫁至下游客户，净利润可能下滑10%-15%。 结合大模型行业的投资逻辑、风险点，基于10年价值投资经验，给出以下操作建议，核心原则“聚焦核心、分批建仓、长期持有、敬畏风险”，适合追求长期稳健收益、能够承受短期股价波动的价值投资者。 1. 布局方向：重点布局3类核心标的，优先级排序：算力硬件龙头（AI服务器、光模块、国产算力芯片）> 算力运营龙头（头部云厂商、专业算力租赁企业）> 核心大模型龙头（兼具算力与落地能力），坚决规避纯概念标的。 2. 建仓时机：当前核心标的估值处于历史合理偏低区间，可作为长期布局的核心建仓区间；若股价出现短期回调（PE跌至20-25倍），可加大建仓力度，进一步降低持仓成本；避免在股价短期暴涨、估值过高时追高（PE超过50倍需谨慎）。 3. 建仓比例：建议将算力相关标的纳入长期价值持仓组合，初始建仓比例不超过组合的15%-20%，单个标的建仓比例不超过5%，后续根据业绩兑现情况、估值修复进度与风险变化，分批调整持仓比例，避免单一标的集中度过高。 4. 持仓周期：适合长期持有（3-5年），分享算力行业增长与估值修复的双重红利，短期股价波动无需过度关注，重点跟踪企业核心经营指标与行业趋势变化。 长期持有期间，重点跟踪以下4类核心指标，动态调整持仓策略，避免盲目持有： 1. 算力指标：算力储备（GPU数量、算力集群规模）、算力利用率、算力相关收入占比，若算力利用率持续低于60%、算力相关收入占比下滑，需减持部分仓位。 2. 业绩指标：每季度跟踪营收、归母净利润、毛利率、净利率增速，若业绩增速持续低于20%，且无明确改善迹象，需重新评估标的的投资价值；重点关注海光信息、寒武纪等国产芯片标的的盈利兑现情况，以及中际旭创、新易盛的订单落地情况。 3. 风险指标：跟踪算力供需变化、技术迭代进度、政策变动、商业化落地情况，若出现核心风险兑现（如算力过剩、技术被替代、政策收紧），需及时调整持仓比例，控制风险。 从10年价值投资视角来看，人工智能大模型行业是未来5-10年的高景气赛道，但行业分化极为明显，“概念炒作”终将被市场淘汰，“真实算力支撑”才是长期价值的核心载体——这是我们对大模型行业的核心判断，也是本报告的核心观点。 核心投资亮点：算力是大模型行业不可替代的核心壁垒，具备真实算力储备、高效算力运营、合理算力成本与成熟商业化落地能力的企业，能够持续享受行业增长红利；当前算力产业链核心标的估值处于历史合理偏低区间，估值修复空间显著，同时行业高景气度持续，成长确定性强；算力行业政策壁垒、技术壁垒、资金壁垒持续提升，头部企业的竞争优势持续强化，形成“强者恒强”的格局，契合价值投资“聚焦龙头、长期持有”的核心逻辑。 同时，我们也需清醒认识到，行业面临算力过剩、技术迭代、政策变动、商业化落地不及预期等潜在风险，但这些风险均为行业发展过程中的阶段性风险，且核心标的具备较强的抗风险能力，风险整体可控。 综合来看，大模型行业的投资机会，不在于“追大模型概念”，而在于“布局算力产业链核心标的”——这些标的具备“壁垒清晰、估值低估、成长确定、盈利稳健”的特征，契合价值投资“拒绝投机、坚守真实价值”的核心理念，适合追求长期稳健收益、能够承受短期股价波动的价值投资者长期布局。 预计未来3-5年，算力产业链核心标的将实现“业绩增长+估值修复”的双重收益，年化收益率有望达到15%-25%，契合10年价值投资的年化收益目标，是当前高景气赛道中，为数不多的具备长期价值投资潜力的细分领域。 风险提示：算力过剩导致利用率下滑、技术迭代引发硬件替代、政策监管收紧、大模型商业化落地不及预期、核心硬件价格上涨挤压利润空间、海外供应链波动。
