AI投资关键时刻！最新研判来了

　　【导读】公募投研人士解读谷歌AI叙事和人工智能投资前景：AI作为主线行情具备较强可持续性

　　近日，谷歌AI叙事热度飙升，并引发一波AI行情。但同时，关于“人工智能泡沫”的讨论在全球资本市场持续发酵。

　　谷歌在AI领域的进展有什么标志性意义？作为本轮牛市主线的AI行情是否可持续？“人工智能泡沫”与2000年互联网泡沫有何异同？投资者当下该如何操作？

　　为此，中国基金报记者采访了嘉实基金大科技投研总监王贵重、南方创业板人工智能ETF基金经理潘水洋、博时基金权益投资四部副总经理兼投资副总监肖瑞瑾、永赢基金权益投资部联席总经理李文宾、平安科技创新基金经理翟森、西部利得基金基金经理吴海健、诺德基金基金经理周建胜，共同把脉市场分歧漩涡中的AI产业投资价值。

　　南方基金潘水洋：Gemini3模型的推出有望进一步提升算力与存力的需求。

　　嘉实基金王贵重：目前AI整体呈现估值不便宜但空间巨大的特点。

　　博时基金肖瑞瑾：中国AI产业发展优势明显，国产化和产业生态是两个重要优势。

　　永赢基金李文宾：当前AI板块基本面持续向上，估值也处于合理阶段，基于2026年至2027年高景气持续，AI作为市场主线的行情有望具备较强的可持续性。

　　平安基金翟森：未来1-2年，AI的关键突破主要来自算法升级与算力基础设施升级。

　　西部利得基金吴海健：科技自主可控是长期趋势，伴随先进制程产能释放，国内互联网大厂、运营商等算力需求有望快速释放，带来国产算力芯片供应链业绩高速增长。

　　诺德基金周建胜：作为本轮牛市主线的AI行情，我们认为其可能仍具有一定持续性。

AI产业从“硬件”到“软件”的里程碑

　　中国基金报：谷歌发布Gemini 3，其AI叙事引发全球市场高度关注。如何看待这一进展？有什么标志性意义？

　　潘水洋：谷歌近期凭借Gemini 3 Pro与Nano Banana Pro的密集发布，在AI领域实现了对OpenAI的强势反超。其根本优势在于构建了从TPU自研芯片、Gemini大模型到搜索及Waymo应用的全栈式闭环生态，不仅显著提升了模型性能，更将模型参数优化周期从数月压缩至一周，体现出软硬一体带来的迭代效率与成本优势。

　　这一生态化竞争策略，正推动谷歌重新掌握AI主导权。Gemini 3模型的推出有望进一步提升算力与存力的需求。

　　王贵重：Gemini 3在推理、编程和多模态能力上都有显著提升，是AI发展中的一次重大突破。从产业的角度观察，Gemini 3展示了AI产业可能的进路，包括原生多模态、Agent发展方向等。从AI落地的角度看，Alphabet与Gemini 3展示了AI从硬件（TPU）、模型及应用（Gemini）到服务（云服务、搜索、广告）闭环商业模式的可能性，可以看作AI产业从“硬件”到“软件”这一过渡阶段的里程碑。

　　李文宾：Gemini 3的发布，初步奠定了谷歌在AI领域从追赶到领跑的地位，展示出其技术与生态协同的优势。对行业格局来说，谷歌的突围，让产业在算力基础设施层进入多元化竞争状态，而在模型和应用层可能会向集中化演进，后续需要关注相应趋势带来的产业链重塑的投资机会。

　　肖瑞瑾：Gemini 3模型具有多重重要意义，不仅强化了大模型技术进步的持续性，同时也显示了谷歌“自研芯片+模型+应用”的强大协同创新能力，这也为后续中国大模型企业持续进步提供了学习范例。

　　翟森：谷歌Gemini 3执行复杂workflow（工作流程）的实际表现出现代际提升，标志着AI从“回答问题”跃迁到“执行任务”，在规划、长链路推理、多模态视频理解和工具协同上进入可用于真实workflow的阶段，意味着AI不再只是辅助工具，而是可以承担生产力任务。在这种模型普及后，AI的商业化有望呈现指数级验证，而非线性爬坡。

　　吴海健：现阶段来看，谷歌在AI板块处于领先地位，其本身具备良好的硬软件生态，更容易出现从底层芯片到中层模型，再到终端用户体验提升的全栈式创新，它的领先将刺激其他大模型厂商加大投入，AI“军备竞赛”的趋势仍将维持，有益于AI产业长期发展。

“估值不便宜但空间巨大”

　　中国基金报：当前AI板块基本面和估值水平如何？作为本轮牛市主线的AI行情是否仍具有可持续性？未来将如何演绎？

　　王贵重：目前AI整体呈现“估值不便宜但空间巨大”的特点。AI主线能否持续，这背后的逻辑是国内AI发展能否追上美国，我们对此是有信心的。这个信心来自几方面：硬件层面，我们在加速追赶，一些半导体公司收入的快速增长，在以前是很难想象的；算法层面，AI的竞争核心是人才，这方面对手很难拉开代差；应用层面，国内拥有更完整的产业链和下游市场。这些都是未来AI行情演绎的方向。

　　李文宾：当前AI板块基本面持续向上，估值也处于合理水平。预计2026年至2027年高景气将会持续，AI作为行情主线具备较强的可持续性。

　　从基本面角度来看，上游算力侧依旧保持高景气度，AI对硬件的需求（Scaling Law，规模化法则）支撑相关企业业绩高增，2026年订单等基本面指引继续加速，2027年仍然可维持中高增速；中游模型侧来看，海外模型持续提升综合能力上限，国内模型通义千问、豆包等陆续实现突破，出海进程加速，海外市占率不断提高，且国内外模型厂商收入都在快速增长；下游应用端，已出现AI应用雏形，如智能体、机器人等，2026年至2027年有望大规模推广落地。

　　周建胜：AI作为本轮牛市行情的主线，具有一定的持续性。当前，我们对未来行情依然较为乐观，因为本轮AI行情的大赢家同时也是产业的大赢家，是他们在真实地推动产业进步。

　　肖瑞瑾：当前AI板块基本面仍然坚实，估值水平相对合理，我们认为AI主线投资机遇具有可持续性。随着大模型进入产业生态竞争阶段，未来将更加偏好大型科技企业。

“人工智能泡沫”并未出现

　　中国基金报：当前市场对人工智能是否出现“泡沫”存在分歧。目前的状况与2000年互联网泡沫相比有何异同？如何评估其中的风险与机会？

　　肖瑞瑾：我们认为当下市场没有出现所谓的“人工智能泡沫”，与2000年互联网泡沫相比也有巨大的不同。人工智能行业存在一些结构性风险，但也对应着潜在的投资机会。当前，大模型进入产业生态竞争阶段，中国具备强大生态的互联网企业仍然处于相对低估值状态，这可能是较为显著的投资机遇。

　　潘水洋：目前AI领域投资增长很快，相关公司估值较高，但产业链盈利持续兑现、基本面良好、流动性相对宽裕，尚不具备传统意义上触发产业剧烈调整的宏观条件。对比当年互联网浪潮，此次AI浪潮出现如Facebook、微信等“爆款”级应用或许只是时间问题，现在说AI出现泡沫可能言之过早。

　　李文宾：当前市场争论的“人工智能泡沫”与2000年的互联网泡沫，在资本狂热、估值偏高、行业早期波动等表象上有相似之处，但在盈利支撑、技术成熟度、市场格局等核心层面差异显著，本轮人工智能浪潮更加扎实。目前主要风险包括资本开支投入过多引发系统性风险，商业模式盈利性尚未完全清晰等。

　　翟森：AI不是互联网2.0，它不是信息流速的升级，而是生产力结构的重写。以互联网商业化的历史来类比AI发展，本质上是用错误的标尺去测量另一类经济形态。

　　周建胜：2000年时期，大量“.com”中小公司以虚无的叙事把市值撑得非常大，估值高企，早已超出合理范畴。如今，无论是海外还是国内AI优势企业，支撑市值的大多是扎扎实实的利润和现金流，许多龙头公司呈现股价越涨而相对估值越便宜的现象。对于人工智能的风险与机会，我们会结合公司所处的产业赛道的成长潜力与公司的竞争力来综合评估其中期（3年）与长期（10年）的潜在空间，以合理的折现率进行估值。

　　王贵重：我们确实应该警惕部分领域估值过高，以及技术发展可能不及预期的风险。但就目前来说，我们可能仍然处在AI产业发展的早期阶段，通过精选个股，仍然可以在不同阶段匹配不同的受益股票来分享AI发展带来的投资机遇。

部分细分领域估值较高

　　中国基金报：AI板块目前估值水平如何？是否存在估值偏高的细分领域？在投资中如何规避？

　　周建胜：目前AI板块中部分细分领域存在估值偏高的风险。为了更好地把握机会、规避风险，建议考虑把更多仓位放在当下以及未来三年确定性相对较强且能兑现利润与现金流的龙头公司上。给予确定性较高的龙头公司溢价；对于确定性较低、弹性较大的品种，可以考虑低仓位、分散持仓，待其确定性提升后再提高持仓比例。

　　李文宾：目前AI板块的投资风险并不在于短期估值，而更多在于产业进展是否顺利，以及是否因为竞争加剧影响到领先企业的产业地位。谷歌大模型的强势崛起，带领谷歌链“硬件－软件－云－生态”强势出圈，同时推动谷歌业务延伸至其他互联网龙头。所以，我们需要谨慎审视各行业龙头是否能够顶住AI技术对产业竞争格局的冲击。同时，AI对消费端的影响日益加深，但更广阔的应用空间在于制造业，目前无论大模型企业还是制造业都在努力搭建AI和实体制造业之间的桥梁，目前来看有进展但不够快。

　　肖瑞瑾：当前市场AI板块有两个方向存在一定高估风险，投资中应以防御姿态应对。

　　首先是算力租赁行业，随着英伟达和国产算力芯片技术持续进步，旧卡经济性大幅下降，可能导致折旧期限缩短，影响算力租赁企业的盈利能力。其次是AI初创企业和应用层企业，由于大模型竞争进入产业生态竞争阶段，行业发展主导权转移到大型科技企业手中，一些综合实力不强的AI初创企业，以及产品单一的AI应用企业，可能会被科技巨头取代，失去成长空间。

中国AI产业发展优势明显

　　中国基金报：中国AI产业发展的优劣势是什么？如何看待国产算力板块的投资价值？

　　吴海健：中国AI产业发展的优势在于应用场景和基建能力，包括拥有全球最大的数字市场因而享受数据红利，丰富的落地场景滋养各类AI应用的创新和生长，强大的基建能力和特高压传输网络为AI算力提供长期稳定的能源保障。短板在于底层算力和模型架构，包括高端芯片受限以及芯片制造工艺暂时落后，与主流大模型架构0-1创新能力还有差距，软件栈成熟度仍不足以及缺乏用于训练的高质量数据。从中期维度看，科技自主可控是长期趋势，伴随先进制程产能释放，国内互联网大厂、运营商的算力需求有望快速释放，带来国产算力芯片供应链业绩高速增长。

　　翟森：中国在AI上的优势是整体体系的效率与落地速度，在开源生态、算力成本、工程化人才和产业链协同上具备更强的规模化能力。GPU之外的整条供应链——服务器、光模块、液冷、电力、IDC建设——中国都能以更低成本、更快速度完成，形成大规模训练与部署的经济性。劣势在于我们受限于高端算力芯片供给。长期依然看好国产算力的成长空间。

　　李文宾：中国AI产业在开源生态、制造业和落地场景等方面优势突出，但在基础理论和核心硬件等领域存在短板。优势方面，我们的开源模型处于世界领先地位，具备丰富的制造业基础和可落地场景，在AI产业链硬件环节具备较好基础。劣势主要是高端模型理论以及核心硬件不足，如高端GPU等制造业能力，这导致国内模型厂商落后海外1~2年。

　　王贵重：中国AI发展的瓶颈主要是算力，这方面我们正在加速追赶。中国AI产业也有优势，比如我们在To C应用层面市场广度较大，有更好的落地经验。国产算力领域，虽然目前存在不确定性，但弹性很大。国内无法使用最先进的海外算力，倒逼我们建立自己的完整生态，包括设备、材料、零部件、芯片设计、生态体系等等，任何一个突破都是巨大的机会。

　　肖瑞瑾：中国AI产业发展优势明显，国产化和产业生态是两个重要优势。国产算力板块的长期投资价值显著。短板在底层半导体制造技术，这也是目前少数待突破的环节，但随着国产核心装备的技术突破，相信这一产业发展短板很快也将被弥补，未来将迎来国产AI产业发展的黄金期。

　　潘水洋：今年，DeepSeek实现了大模型第二路径“不强堆参数量和算卡，支持端侧部署”，向全世界证明了用更少GPU实现等效算力，也证明中国在AI算法和架构设计方面已有明显突破。数据和算力正迎头赶上，机器人、无人机等领域也初步建立了领先优势，在新一轮科技革命中有望形成“双核心”模式。

　　周建胜：AI产业的发展依赖电力、算力、人才、资本、政策、应用等诸多要素，我们拥有全世界最好的电力基础设施、广泛的AI人才、丰富的资本支持和良好的政策环境。

AI应用处于商业化落地初期阶段

　　中国基金报：目前AI应用端处于什么阶段？更看好哪些具有明确商业化路径的应用场景？

　　肖瑞瑾：AI应用目前处于高速发展期，以Gemini 3模型为代表的SOTA模型与产业生态高度融合，并迅速内嵌到生态应用中，模型调用token（词元）数量处于快速增长期。我们看好AI在建模和编程、个人知识库管理、企业生产力工具等多个细分领域的应用前景。

　　李文宾：目前比较看好有明确商业化路径的应用场景，包括AI广告、办公和软件助手、数据与分析平台、AI编程、金融医疗等垂直领域软件平台等，上述方向海外已出现业绩兑现与明确收费模式，国内企业也在陆续尝试切入。

　　王贵重：AI正从预期驱动转入真实落地的新阶段。在To C端，AI应用已与广告、游戏、个人助理（Agent）等紧密结合。在To B端，国内正参照美国的发展路径，营销、法律、政务、代码（Coding）等部分工作逐步被AI替代。

　　翟森：AI商业化还处于初期阶段，尤其在To C层面，尚未形成大规模、可重复的单点产品模式。同时，AI的收入会滞后，因为企业使用它，要把原有的流程拆掉重建。所以，AI的投入与收入之间出现阶段性错配并不是泡沫的信号，而是所有生产力革命的共同特征：先扩大能力，再扩大场景，最后才进入大规模商业化兑现。我们看好传统企业数字生产力进入改造阶段的商业化落地。

　　吴海健：当前AI应用处于商业化落地的初期阶段，市面上已出现了AI耳机、AI玩具、AI视频、AI编程等应用软件和终端电子产品，但均处于探索阶段，渗透率和付费率较高的应用主要是聊天和编程领域，主要看好广告营销、办公软件、视频编辑、AI眼镜、智能穿戴等场景。

看好AI算力基础设施及AI生态应用

　　中国基金报：在AI算力、模型、应用三大环节中，最看好哪个环节的投资价值？

　　王贵重：“硬三年、软三年、商业模式再三年”，我们现在可能处在由“硬三年”向“软三年”过渡的早期阶段。模型和应用（现在模型即应用也成为一种趋势）将带来巨大的投资机会。同时，模型和应用的进化带动需求提升，也会给上游算力带来新的机会。

　　从确定性来看，一些受益于AI发展的细分领域增长迅猛，比如在算力的巨大需求下，存储五年来第一次出现了由需求拉动的涨价。

　　潘水洋：最看好AI产业链上游算力基础设施。近期海内外互联网巨头开始大幅上调资本开支计划，主要投向算力基础设施领域，尤其是AI算力芯片、光模块等硬件板块。在算力芯片领域，国产替代进程在加速，AI芯片产能和良率持续提升，出货量有望持续超越市场预期。

　　李文宾：最关注算力环节，这与当前全球AI发展所处的阶段有关。现阶段，Scaling Law依然是指导AI模型产业的核心理论基础，全球（以中美为主）继续加大算力投资以占据领导地位，未来2～3年，算力领域有望形成较强的业绩兑现能力。

　　其次，目前模型端的竞赛孰强孰弱很难下结论，即使谷歌的最新大模型已断层式领先，但依然无法推导出赢者通吃的结论。

　　最后，从应用端看，AI产业与互联网和移动互联网产业发展有着不同的发展特点，最明显的是大模型本身就是一个超级应用。应用端投资需要等到大模型竞争格局清晰后才会有比较确定的投资结论。

　　光模块领域，国内厂商具有较强竞争力，发展出多个全球市占率领先的光模块品牌，是AI算力产业链为数不多的国产替代率较高的环节，也是这轮AI算力扩张浪潮中的重要玩家。

　　肖瑞瑾：当前更看好AI算力基础设施，以及AI生态应用。首先，以Gemini 3为代表的SOTA模型仍在持续取得技术进步，表明Scaling Law规模法则仍然有效，算力投入仍然是必选项。其次，当前大模型技术竞争正在进入产业生态竞争阶段，掌握庞大算力资源和应用基础的大型科技企业具备显著优势。

AI的关键突破方向：

算法升级与算力基础设施升级

　　中国基金报：未来1—2年，AI领域哪些方向可能出现重要的技术突破和商业应用？

　　李文宾：未来最值得关注的技术突破和商业应用可能会出现在全模态突破、AI智能体落地、具身智能突破方向。AI环节经过2～3年的发展，已出现格局分化，作为重投入行业，已掉队玩家存在出现泡沫的风险，应聚焦具备领先优势的企业。

　　翟森：未来1～2年，AI的关键突破主要来自两个方向：算法升级与算力基础设施升级。前者包括多Agent协作、长上下文与外部记忆，让模型从“回答问题”进化到“主动执行任务”，真正进入应用爆发期；后者包括新的技术升级支撑超大规模GPU集群的出现。随着推理成本下降和自动化能力增强，AI将在企业流程、科研、创意和个人效率中快速实现商业化，形成新一轮确定性极强的需求周期。

　　肖瑞瑾：我们认为未来1～2年AI领域值得关注的技术突破是在线学习（online-Learning）。根据相关论文，采用在线学习技术的模型将在推理过程中不断进行学习和训练，持续提升模型能力，而不是在训练完成后能力基本定型。从商业应用角度看，最值得关注的应用场景为无人驾驶和人形机器人。

（文章来源：中国基金报）

(原标题：AI投资关键时刻！最新研判来了)

(责任编辑：3)