来源：百亿基金经理内参
以下内容节选自诺安基金邓心怡最新调研纪要：
持续关注 AI 产业的三个核心预期差方向：应用、算力、以及与人类交互相关的核心消费终端。当前，对这一框架的判断没有改变，但产业内部正在发生深刻的结构性演变。
1、算力：从 “需求验证” 进入 “利润验证” 与 “结构分化” 阶段
海外算力产业链无疑是 AI 行业最大的贝塔来源，其长期需求毫不怀疑。然而，产业发展已进入第三阶段，市场的核心关切从 “需求真伪” 转向了 “利润实现”。
阶段演变回顾：
第一阶段（需求验证）：市场担忧 AI 应用是否为真命题，即用户活跃度（Token 消耗）能否持续增长。这一担忧在 2023 年 9 月前后已被证伪。
第二阶段（收入验证）：市场担忧 AI 能否创造收入，避免陷入 “烧钱陷阱”。随着 OpenAI 等公司融资披露和 ARR（年度经常性收入）的快速增长，这一担忧也已消退。
第三阶段（利润验证）：当前，市场开始担忧 AI 能否带来可持续的利润。近期海外云厂商（CSP）和互联网大厂财报显示的营业利润率分化，正是这种 “AI 泡沫化” 隐忧的体现。
核心矛盾：成本刚性 vs． 收入弹性：
以行业标杆 OpenAI 为例，其成本结构具有高度刚性：一方面是最顶尖人才的股权激励与薪酬，另一方面是占大头的、议价空间有限的英伟达算力采购成本。尽管 OpenAI 试图通过股权互换等方式降低硬件成本，并通过扩展用户订阅、开发独立应用（如 ChatGPT）来开拓收入，但截至目前，其成本增速仍快于收入增速，亏损可能持续扩大。这种 “一骑绝尘” 的投资模式，引发了市场对整个产业商业可持续性的重新审视。
产业结构的深刻变化：谷歌的启示与 “双轨制” 算力生态：
正是在此背景下，谷歌凭借其 “全栈闭环” 生态（TPU 算力底座 + Gemini 模型 + 搜索 / 云 / 安卓终端生态）展现出强大的成本可控性和商业模式韧性，获得了市场的重新估值。谷歌的战略选择具有标志性意义：它很早就坚持在自研 TPU 上训练 Gemini 模型，以确保未来在自有算力上推理的自主性与成本可控。Gemini 3 的成功证明了这条道路的可行性。这预示着，除了初创公司，所有具备实力的大厂都将倾向于构建或采用多元化的算力方案，以摆脱对单一供应商的依赖并控制成本。因此，算力投资的结构正在发生两大变化：
芯片层面：从英伟达 GPU 一家独大，向英伟达生态与谷歌 TPU 等 ASIC 生态 “双轨并行” 的结构演变。这解释了为何博通（作为谷歌链核心供应商）等公司的市场表现会阶段性超越英伟达。
集群需求层面：算力需求正从以训练为主转向以推理为主。训练对中断极度敏感，而推理对中断的容忍度更高。这一转变降低了对供应链（如光模块）良率的极端苛刻要求，给二线供应商提供了 “逆天改命” 的机遇。同时，为满足推理场景对低时延、低功耗、低成本的新要求，诸如光电路交换机（OCS）等新技术将不断涌现，带来新的主题性投资机会。
2、应用：数据演进进入 “研究时代”，垂类数据价值凸显
模型能力的演进与数据来源的阶段性瓶颈密切相关。认为，AI 发展在数据层面正进入一个新的 “研究时代”。
数据演进的三个阶段：
公开互联网数据预训练：这一阶段已基本到达瓶颈。
强化学习与合成数据：通过定向优化提升模型特定能力（如编程），但这种方式培养的模型如同 “高智商的 15 岁神童”，能力突出却缺乏综合判断力。
价值判断体系与研究时代：下一代突破需要为模型内置更复杂的、综合性的价值判断体系。这依赖于与预训练更深度的结合，而非单纯的 “大力出奇迹”。
当前的投资机会：在公开数据红利见顶的背景下，机会将来自于 “把垂类数据用好，实现生产力变现”。这意味着，那些拥有独特行业数据壁垒、并能将 AI 与业务流程深度结合，真正提升效率、创造商业价值的企业应用（To B）和场景，将进入价值兑现阶段。
3、消费终端：新产品形态的 “主题性投资” 前沿
消费电子作为 AI 与人类日常交互的最终载体，其变革虽远但弹性巨大，是紧密跟踪的主题性投资方向。
核心驱动：未来的突破在于设备能持续收集并处理日常生活中实时、高频、非结构化的碎片化数据，进而为用户提供个性化建议。目前已有科技博主进行生活实验，通过可穿戴设备持续记录，并用本地模型处理数据，实现了从工作复盘到生活建议的辅助。
投资逻辑：这远非现有产品的简单升级，而将是全新产品形态的创造。因此，传统消费电子大厂未必是最佳受益者，它们受既有业务牵制较多。更关注两类公司：
强贝塔型公司：与引领生态的模型公司（如谷歌、安卓）绑定紧密的合作伙伴。
关键零部件创新者：在新交互形态中掌握核心硬件的公司。例如，移动互联网时代是 “触屏” 替代了键鼠；AI 时代，新的交互可能不再依赖传统屏幕，投影光机、新型传感器等零部件可能成为关键环节。
责任编辑：杨红卜