「机构眼·调研内参」机构投研资源平台
加入社群·微信：Buddha_Research
机构音频纪要 部分转译展示
您认为现在市场对于AI是否处于消化泡沫阶段，还是对AI商业化兑现节奏有所担忧？下半年这种背离会收敛吗？
现在市场的选择是在寻求弹性最强的赛道，计算机行业的业绩增长虽然不是最快的，但由于其长期潜力和持续兑现的趋势，随着更多收入和利润的验证，其性价比有望提升。对于泡沫问题，由于市场对AI的持续低估以及其不断的技术迭代和应用拓展，认为AI还远未结束发展周期。
您提到公募基金对计算机行业的持仓占比处于近十年最低水平，这是否意味着市场对于该行业存在误判？
市场的选择既正确也存在一定的偏离。从产业趋势角度看，市场选择了高成长性赛道，但长期来看，科技投资的增速在未来三年比过去三年更重要。计算机行业目前业绩回暖，未来可能应用端和模型端的爆发性更强，因此，当应用端取得显著成果并得到验证时，可能会成为重新加仓的催化剂。
触发机构重新加仓计算机行业的催化剂会是什么呢？
催化剂可能包括AI应用新业务收入占比超过整体收入的10%，以及利润超预期的表现。当这些指标被证实时，将吸引资金回流并对相关公司进行积极配置。
在产业行业里，国产算力厂商是否已经进入业绩兑现的临界点，并且哪些环节可能率先超预期？
目前国产算力链在接下来的半年内可能会比NV链的表现更为强劲。整个国产算力链包括但不限于国产芯片、国产AI服务器、数位芯片、连接器以及半导体设备和材料等。国产算力链已经不再处于从0到1的阶段，一些头部AI芯片公司的收入已经开始增长，即从1到10的发展。在这个过程中，拥有真实订单、产能以及较强产品迭代能力的公司将会获得越来越多投资者的青睐。
为什么特别强调国产算力链中的国产AI芯片赛道？
国产AI芯片是整个算力链中最核心的部分，因为AI领域最紧迫的问题就是算力不足。由于国际环境和中国先进制程产能的原因，中国的算力资源目前处于紧缺状态。虽然原本预期2026年算力供需会达到平衡，但根据当前情况，可能明年仍处于供不应求的状态，直到2028年随着更多企业上AI以及个人用户也开始使用AI，才可能出现供大于求的局面。
服务器行业发生了怎样的变化，以及这对国产服务器及相关环节有何影响？
服务器行业过去毛利率较低，但在AI服务器兴起后发生了重大变化。随着模型参数量级的增长，对芯片互联能力的要求提高，推动服务器向多卡服务器（如超级节点）发展。从今年三季度开始，国产芯片的超级节点服务器将开始出货，这将使得服务器行业从低毛利率转变为高毛利率。同时，服务器内部各组件如水洗芯片、连接器、液冷等环节的价值量也将迅速提升，为相关企业提供重要的业绩拐点。
为什么认为三季度是一个关键的时间节点？
三季度对于国产AI芯片和服务器行业来说是关键节点，因为国产AI芯片将经历集体迭代升级，可能对标英伟达的B系列芯片，中美芯片差距虽有缩小但仍存在，但到了B系列之后，中国国产芯片有望进行大规模训练上量，表明产品端取得重要进展。此外，三季度还会有国产苏喜芯片的量产，带来国产超节点服务器的出货量增长，类似去年二季度英伟达服务器业务的拐点。
2025年有哪些关键的AI发展事件？
在2025年上半年，coding技术开始受到关注，特别是n sl皮革公司进入了大家的视野。同年下半年，谷歌的一些模型崭露头角，其股价也经历了一波上涨。此外，在该年度，NNOAI和SF的coding能力也得到了显现。
美国和中国在模型竞争方面的状况如何？
自2026年起，中美两国模型的竞争持续升级。尽管每个季度美国的最佳模型在变化，但中美模型差距在缩小，且竞争远未结束。预计未来几年内，中国和美国都无法确定哪国模型会始终处于领先地位。
模型的最终形态和未来发展方向是什么？
目前的模型如calling并不一定是最终形态，例如美国的某些公司专注于特定领域而不做C端或通用模型。模型在通往AGI（人工智能的通用性）的过程中，可能会出现多种形态或过渡形态，并且尚未明确具体形式。
如何评价当前模型的竞争状态以及性价比的重要性？
当前模型性能差距正在缩小，评分接近，这意味着单纯追求跑分已无太大意义。用户更关注模型完成任务的成本和效率，即性价比。中国的模型在芯片成本、电力成本等方面具有优势，使得整体性价比更高，在很多环节已经超越了美国模型。
国产大模型能否实现商业化并持续盈利？
国产大模型的商业化是一个重要问题。早期尝试通过日活月活等方式盈利并未取得成功，后来转向了如广告、搜索等方向。而coding被看作是一个高附加值且具有强反馈环节的赛道，能够帮助模型进行商业化的探索和实践。尽管未来AI可能会部分取代人类工作，但也会重塑工作流并提高工作附加值，因此模型商业化是必然趋势。
市场上有观点认为巨无霸上市往往意味着行情顶点，您怎么看待这个现象？
这个观点在网络上有一定流传，但并不绝对准确。确实，当市场情绪高涨到一定程度时，可能会出现大公司上市的现象，但这并不能作为判断行情是否到头的唯一依据。
存储板块热度居高不下，且多家大型企业正在或已上市，投资者是否担心市场行情即将结束？
投资者确实对此有所担忧。然而，从需求角度分析，存储（数字资产的房地产）的需求主要来自两个方面：一是数据需要沉淀和长期记忆；二是AI推理过程中对内存（HBM）的需求增长，因为AI做推理实质上是一个不断访问和处理已有信息（key case）的过程，随着AI需求的增长，对存储的需求也会随之增大。
存储行业的成长性和周期性如何？
存储行业并非简单的周期性行业，其成长性尤为显著，尤其是在AI需求大爆发的未来5到10年内，存储需求可能会有十倍以上的增长。因此，即使有巨头公司上市，也不意味着行情会结束，关键还是要看市场需求的变化。
对于科技投资，买最好的公司是否就能获得超额回报？
购买全世界最好的公司股票并不一定能带来超额回报，因为若公司十年内未发生重大变化，投资者可能无法获取超出平均收益的回报。真正的投资逻辑是寻找能带来超预期变化的公司，这些公司在科技变革中给带来最大增量的公司往往蕴含着超额收益（阿尔法）。虽然大公司因其成熟性和资源丰富有时是较好的选择，但在追求超额回报时，更应关注那些能带来最大变化的公司。
对于业绩炸裂但战略后劲不足的公司，您怎么看？
首先，我认为当前市场信息传播速度极快，可能导致在业绩公布前就能通过上下游验证对公司业绩做出大致判断。出现业绩波动的原因有两个：一是公司业绩虽好但未超过市场预期；二是公司业绩虽然增长，但未来业绩前景不被看好，如无法持续增长或竞争地位下降。这两种情况下，股票表现可能会受到一定影响。
AI大规模落地会催生哪些基建刚需？
AI在各行各业的广泛应用离不开操作系统、数据库、中间件等基础设施的支持。其中，一个至关重要的新基建需求是数据治理，因为即使AI技术取得突破，如果没有庞大的数据治理基础设施来支撑模型训练和优化，就如同给极度聪明的人进行情感培训一样重要。此外，还包括强大的数据反馈机制和先进的数据库、操作系统等以适应AI应用的需求增长。
如何看待AI信息板块未有明显表现的现象？
我认为这主要是节奏问题，美股市场已经开始有所反应，而国内由于芯片等底层技术的发展还未充分反映到AI信息板块中，所以还未到达该板块显著表现的阶段。同时，在AI应用领域，今年可以视为收入元年而非盈利元年，因为虽然AI应用收入在不断增长，但成本也在上升，且AI规模化效应还未完全显现，因此利润爆发式增长尚需时日。
如何区分企业AI转型是真落地还是仅落概念？
判断企业AI转型是否真实落地并实现盈利，可以从两个方面着手：一是注重与上市公司的深度交流，了解其AI业务的具体实施情况；二是对产品进行独立判断，如对话式AI技术成熟度高，较易辨别真假AI应用。另外，还需关注公司AI业务带来的产品型收入是否提升，以及毛利率是否高于传统业务，这些变化可以作为辅助判断企业AI应用是否具备长期投资价值的依据。
在大国竞争背景下，中国工业如何提升制造能力的附加值？
为了提升制造能力的附加值，企业需要通过提升生产过程的智能化水平来实现。AI工业是未来的发展趋势，因为它既能降低成本又能提高效益，因此是一个值得关注的重要赛道。
AI和EDA结合会给半导体行业带来多大的变革？
AI与EDA的结合将带来两方面的变革。首先，AI会带来新的市场需求，随着AI芯片公司增多并上市盈利，对EDA工具的需求也会增加。其次，AI会让EDA工具更高效，缩小中国EDA工具与美国工具之间的差距，并通过引入新的设计范式，使国内外企业在同一竞技场上竞争，从而提升中国EDA在全球的竞争力。
投资者应如何把握AI+EDA这个赛道的机会？
投资者在关注AI+EDA赛道时，最重要的是观察相关公司的产品迭代情况以及业绩拐点。产品不仅要研发出来，还要经过产业链验证并实现商业化变现。同时，持续跟踪业绩增速的变化，一旦收入增速上升且二阶导数为正，可能是产业加速发展的关键时期。
对于当前AI行情的后续上涨空间及核心驱动力如何看待？
认为AI的需求和供给变化速度远超预期，会不断低估AI的真实需求和快速供给能力。虽然市场存在关于AI是否过度投资、有无泡沫的分歧，但跟踪比判断更重要，持续发现AI领域被低估的价值。对于后续上涨空间，强调关注真正做AI的公司，尤其是原生AI而非仅在老产品中添加AI的公司，以及那些具备商业化闭环、能为客户创造价值的公司。
