來源：百億基金經理內參
以下內容節選自諾安基金鄧心怡最新調研紀要：
持續關注 AI 產業的三個核心預期差方向：應用、算力、以及與人類交互相關的核心消費終端。當前，對這一框架的判斷沒有改變，但產業內部正在發生深刻的結構性演變。
1、算力：從 「需求驗證」 進入 「利潤驗證」 與 「結構分化」 階段
海外算力產業鏈無疑是 AI 行業最大的貝塔來源，其長期需求毫不懷疑。然而，產業發展已進入第三階段，市場的核心關切從 「需求真僞」 轉向了 「利潤實現」。
階段演變回顧：
第一階段（需求驗證）：市場擔憂 AI 應用是否為真命題，即用戶活躍度（Token 消耗）能否持續增長。這一擔憂在 2023 年 9 月前後已被證僞。
第二階段（收入驗證）：市場擔憂 AI 能否創造收入，避免陷入 「燒錢陷阱」。隨着 OpenAI 等公司孖展披露和 ARR（年度經常性收入）的快速增長，這一擔憂也已消退。
第三階段（利潤驗證）：當前，市場開始擔憂 AI 能否帶來可持續的利潤。近期海外雲廠商（CSP）和互聯網大廠財報顯示的營業利潤率分化，正是這種 「AI 泡沫化」 隱憂的體現。
核心矛盾：成本剛性 vs． 收入彈性：
以行業標杆 OpenAI 為例，其成本結構具有高度剛性：一方面是最頂尖人才的股權激勵與薪酬，另一方面是佔大頭的、議價空間有限的英偉達算力採購成本。儘管 OpenAI 試圖通過股權互換等方式降低硬件成本，並通過擴展用戶訂閱、開發獨立應用（如 ChatGPT）來開拓收入，但截至目前，其成本增速仍快於收入增速，虧損可能持續擴大。這種 「一騎絕塵」 的投資模式，引發了市場對整個產業商業可持續性的重新審視。
產業結構的深刻變化：谷歌的啓示與 「雙軌制」 算力生態：
正是在此背景下，谷歌憑藉其 「全棧閉環」 生態（TPU 算力底座 + Gemini 模型 + 搜索 / 雲 / 安卓終端生態）展現出強大的成本可控性和商業模式韌性，獲得了市場的重新估值。谷歌的戰略選擇具有標誌性意義：它很早就堅持在自研 TPU 上訓練 Gemini 模型，以確保未來在自有算力上推理的自主性與成本可控。Gemini 3 的成功證明了這條道路的可行性。這預示着，除了初創公司，所有具備實力的大廠都將傾向於構建或採用多元化的算力方案，以擺脫對單一供應商的依賴並控制成本。因此，算力投資的結構正在發生兩大變化：
芯片層面：從英偉達 GPU 一家獨大，向英偉達生態與谷歌 TPU 等 ASIC 生態 「雙軌並行」 的結構演變。這解釋了為何博通（作為谷歌鏈核心供應商）等公司的市場表現會階段性超越英偉達。
集羣需求層面：算力需求正從以訓練為主轉向以推理為主。訓練對中斷極度敏感，而推理對中斷的容忍度更高。這一轉變降低了對供應鏈（如光模塊）良率的極端苛刻要求，給二線供應商提供了 「逆天改命」 的機遇。同時，為滿足推理場景對低時延、低功耗、低成本的新要求，諸如光電路交換機（OCS）等新技術將不斷湧現，帶來新的主題性投資機會。
2、應用：數據演進進入 「研究時代」，垂類數據價值凸顯
模型能力的演進與數據來源的階段性瓶頸密切相關。認為，AI 發展在數據層面正進入一個新的 「研究時代」。
數據演進的三個階段：
公開互聯網數據預訓練：這一階段已基本到達瓶頸。
強化學習與合成數據：通過定向優化提升模型特定能力（如編程），但這種方式培養的模型如同 「高智商的 15 歲神童」，能力突出卻缺乏綜合判斷力。
價值判斷體系與研究時代：下一代突破需要為模型內置更復雜的、綜合性的價值判斷體系。這依賴於與預訓練更深度的結合，而非單純的 「大力出奇跡」。
當前的投資機會：在公開數據紅利見頂的背景下，機會將來自於 「把垂類數據用好，實現生產力變現」。這意味着，那些擁有獨特行業數據壁壘、並能將 AI 與業務流程深度結合，真正提升效率、創造商業價值的企業應用（To B）和場景，將進入價值兌現階段。
3、消費終端：新產品形態的 「主題性投資」 前沿
消費電子作為 AI 與人類日常交互的最終載體，其變革雖遠但彈性巨大，是緊密跟蹤的主題性投資方向。
核心驅動：未來的突破在於設備能持續收集並處理日常生活中實時、高頻、非結構化的碎片化數據，進而為用戶提供個性化建議。目前已有科技博主進行生活實驗，通過可穿戴設備持續記錄，並用本地模型處理數據，實現了從工作覆盤到生活建議的輔助。
投資邏輯：這遠非現有產品的簡單升級，而將是全新產品形態的創造。因此，傳統消費電子大廠未必是最佳受益者，它們受既有業務牽制較多。更關注兩類公司：
強貝塔型公司：與引領生態的模型公司（如谷歌、安卓）綁定緊密的合作伙伴。
關鍵零部件創新者：在新交互形態中掌握核心硬件的公司。例如，移動互聯網時代是 「觸屏」 替代了鍵鼠；AI 時代，新的交互可能不再依賴傳統螢幕，投影光機、新型傳感器等零部件可能成為關鍵環節。
責任編輯：楊紅卜