炒股就看，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　来源：六里投资报

　　新财富白金分析师、证券研究所所长武超则，近日在“人工智能+”投资策略会上，围绕AI相关的投资机会，分享了最新观点。

　　武超则表示，虽然大模型是整个AI产业创新驱动的核心，但从投资来讲，2025年看好以下三大方向：

　　首先，最核心的依然是算力，整体需求依然旺盛；

　　其中，在结构上，推理的比例会逐步加大。

　　推理时代，一些国产的卡，或者说创业公司中专业做推理卡的公司，应该会有更多的机会。

　　武超则特别提到，她认为，国产算力，是今年最确定的投资方向。

　　第二大方向，是AI端侧的硬件设备。

　　到底会不会很快出现一个非常牛的AI应用，它会是一个什么APP？

　　武超则团队讨论下来，比较确定的就是，智能本身就是一个应用，

　　但它需要一个载体，不管是手机、PC，还是汽车、等等。

　　落实到投资上，如果整机的公司不好选择，那么往上游看，比如零配件或者元器件上，会有一些相关的标的。

　　第三大方向是应用。

　　回顾移动互联网时代，行业能落地成为很大的产业，应用的产值一定会远大于基础设施投资。

　　而现在AI的应用远远没有到这个程度，

　　尽管市场对AI的泡沫化存有顾虑，但武超则表示，即便是到今天，AI大的时代可能才刚刚开始。

　　投资报（liulishidian）整理提炼了武超则交流的精彩内容：

　　从训练到推理时代

　　国产算力的阿尔法

　　算力本身是个贝塔，国产算力是上面的阿尔法，它依然有边际的增量。

　　看国产的卡，它的顺序这样的：

　　出货量是第一重要的，也就是产能；

　　第二是生态，类似于英伟达的CUDA，或者说类似于当年的x86；

　　第三个，是产品力。

　　其实我们看到，国产卡现在单卡的能力，对标英伟达每一代的产品，都是有相关的产品的。

　　而且，我们的能力现在也并不逊色。

　　但是，在接下来的时间里，主要的难点或者说关键点，是流片，

　　也就是出货量的问题，还有就是生态的问题。

　　这是大家在选标的的时候，重点需要去关注的。

　　如果说推理的需求逐步变得更多，那么对于推理卡本身，单卡的计算能力不一定是唯一的指标；

　　它更多在存储能力、通信能力，也就是集群的能力上，它的重点是不一样的。

　　训练时代，大家基本上非英伟达不可；

　　但在推理时代，相信一些国产的卡，或者一些创业公司、做专业推理卡的公司，应该会有更多的机会。

　　从这一点来讲，它对国产卡的友好程度，或者说适配的效率，也是更高的。

　　智能本身就是一个应用

　　会带来终端的创新周期

　　另外就是端侧，

　　如果我们把云侧、服务器侧想象成一个大型的超市，那端侧就是你门口的小卖店。

　　端侧的算力是非常重要的，

　　全球主流的PC、手机厂商，甚至机器人、汽车，这些都叫端侧，他们的算力也是在迅速拉升的过程中。

　　手机还是今年我们看好的一个方向。

　　最近其实有很多讨论，到底会不会很快出现一个非常牛的AI应用，它会是一个什么APP？或者说什么软件？

　　我们团队讨论了半天，比较确定的就是，智能本身就是一个应用。

　　就像互联网刚起来的时候，互联网本身就是一个应用，智能本身也是一种应用。

　　它需要一个载体，想来想去，终端和硬件的这个载体，目前它是绕不开的。

　　所以，像苹果，虽然它没有做出很强的大模型，但它可以选择，在海外和OpenAI合作，在国内和阿里合作。

　　终端，因为智能能力的平权，带来一波创新的周期，这还是非常值得期待的。

　　国产算力，

　　是今年最确定的投资方向

　　简单总结一下，算力的变化大概是这么几块：

　　第一，整体的需求依然是旺盛的，

　　在结构上，推理的比例逐步会变得更大，但是这不意味着训练不重要，这两块要分开看。

　　另外，存算一体，软硬件算法的深度融合，是一个技术上比较重要的趋势。

　　包括我们这次看到，其实DS它也是做了类似的这种创新。

　　还有就是端侧的算力，依然值得期待。

　　当然，最重要的就是国产化加速。

　　国产算力，是我们觉得今年最确定的投资方向。

　　这是对算力整体的一个看法。

　　AI第一波能赚钱的场景

　　可能会在哪些方向上？

　　我们看一个时间轴，海外的话，GPT发布之后的2到3个季度，AI的应用开始多点开花。

　　比如说在办公，在视频、广告、电商，都有不错的表现。

　　大家可以看到，当时北美一些B端的应用，

　　比如说像AppLovin，包括像Shopify、Palantir这些公司，一些To B的SaaS，这些公司是真有业绩。

　　大家去认真研究，两三个季度之后，在降本增效，或者说直接体现到报表上，它的数据还是非常超预期的。

　　对我们来讲，我觉得既要对标，但是也不能刻舟求剑。

　　因为在中国，SaaS的商业模式跟海外还是不太一样的。

　　但至少，这给我们提供了一个思路——AI第一波能赚钱的场景，可能会在哪些方向上。

　　所以，我们简单捋了一下前20的一些应用。

　　首先，这个榜单的波动是很快的，跟2013年我们去看游戏榜单是很像的，每周它都在变化。

　　但是整体来讲，活跃度、访问量大的主要是这么几个方向。

　　一个是AI助手，

　　一个是AI搜索，

　　还有一个是AI视频，这是在整个C端表现比较好的。

　　所以，整体来看，B端商业化进展或者说赚钱落地更快；

　　而C端它有一个持续的流量增长，

　　但更多的还是落地到访问量和用户数上，其实在业绩上还没有那么直接的、那么快的体现。

　　智能体

　　AI agent

　　我自己选了几个方向，是在中国本土，在接下来一段时间，我们在应用端比较看好的方向。

　　第一个就是智能体，AI agent。

　　这个比较符合中国特色，最后不管企业还是个人，如果想把这种能力沉淀下来，

　　在大家用的模型都差不多的情况下，那你怎么去让应用差异化呢？

　　构建你自身的AI智能体，就非常重要。

　　模型它一定是不断迭代的，甚至未来可以是多模型的，但是独特的数据、知识库、知识图谱，对企业来讲，这是你的核心价值。

　　所以，智能体仍然是我们今年在应用上最看好的一个方向。

　　但是问题就来了，是谁做智能体呢？

　　我们要再去跟进。

　　我们现在看到的，手机硬件厂商想做智能体，比如说像华为、小米、苹果。

　　还有一些接下来在基础模型里很难去竞争的做大模型的厂商，它也会转向做垂类的智能体。

　　我不点名字了，其实有一些国内的大模型公司已经开始往这个方向去走。

　　原来的一些互联网公司也开始往这个方向去走。

　　我们看到，像腾讯，现在它的元宝集成了DeepSeek，很快它还可能会有其他的模型。

　　所以，在智能体的竞争中，到底谁会在这个领域卷出来？这是我们需要再去判断的。

　　无人驾驶

　　AI终端，具身智能

　　第二个我们看好的方向，就是端侧AI。

　　整体端侧，简单来看，

　　最大的场景仍然是手机，

　　其次是汽车，

　　然后是PC，还有像眼镜、玩具，这些新的东西也在出现。

　　整体来讲，硬件的载体其实对于场景和数据的粘性是比较强的。

　　当然，在投资上，如果你选整机公司不好选，那可以往上游看。

　　比如说存储，包括在零配件上或者说元器件上，也会有一些相关的标的。

　　第三个就是最近比较热的机器人，或者叫具身智能。

　　因为模型自身的逻辑能力，包括在严肃场景上的表现越来越好。

　　我想机器人和自动驾驶，仍然是市场最大，也是最值得期待的。

　　它的进展，可能不一定有前面那几个方向那么快，但是它的空间是比较大的。

　　算力、

　　硬件设备与应用

　　大模型依然是整个产业创新驱动的核心。

　　但是，从投资上，我们看好这三个方向。

　　首先，最核心的还是在算力这一端，包括GPU、服务器、光通信等等。

　　国产算力，除了GPU之外，往上稍微延伸一点，

　　比如说在一些先进制程的代工，甚至半导体的设备，然后以及相关的数据中心、PCB和存储。

　　上游很有意思，越往上游它越集中，可能弹性没有那么大，但是它确定性极高，你去选标的也很好选。

　　因为整个上游其实它都是比较重资产的，经过过去几年的大浪淘沙，它不像下游公司变得越来越多，它其实是越来越少的。

　　再往上面，就是AI的硬件设备，比如做手机、PC、音箱这些公司。

　　最下面就是应用这一端。整体来看，可能会变化比较快。

　　在各个模块，应该都会有一些比较有意思的新公司出来。

　　简单总结，在应用这一侧，从海外来看，B端的应用已经开始在报表层面有非常好的落地；

　　C端还是一个应用流量的持续增加。

　　在具体的方向上，我们比较看好AI agent、AI终端，还有就是具身智能跟无人驾驶。

　　应用的探索

　　是AI产业的大头

　　我记得在去年、前年，其实我们都在谈，说人工智能已经涨这么多了，我们现在冲进来会处在泡沫化，或者怎么样。

　　我们复盘一下当年移动互联网时代，我觉得今年更像真正意义上的2013年。

　　你看到，硬件铺垫了很久，开始渗透率提升，有靠谱的操作系统，今天就是大模型出现。

　　但是对于应用的探索，它其实是整个产业的大头。

　　整个行业最终能称之为一个主流的产业，能变成一个很大的真正落地的生产力的话，

　　那其实你会看到，应用一定是远大于基础设施投资的。

　　在移动互联网，基本上是一个1：7的概念。

　　就是说，你投一块钱基础设施，在上面的应用产值上至少得是七块钱。

　　但现在看AI，你投一块钱，上面的产值大概是七分钱，就是10分之1都不到。

　　所以，即使到今天，AI的时代可能才刚刚开始。

　　重要的是，我们在新技术变革的活跃期，

　　你怎么来去不断迭代你自己的研究框架，不断在框架里面去验证我们所投的标的。

　　至少这件事情，它一定是以一个五年、十年这样长的维度来看。