AI下一轮投资风口：国产算力链验证与模型商业化的估值重构
AI产业范式转移：从Token消耗到解决方案交付
人工智能产业在过去一年经历了深刻的范式转移，这一变化不仅体现在技术能力的突破，更反映在商业模式的重构上。在2026年世界人工智能大会（WAIC）期间，多位来自头部金融机构的投资人深入探讨了这一趋势。华安基金首席投资官翁启森指出，Anthropic的coding code进入自我迭代阶段，标志着AI已实质性成为程序员的生产力工具。这种自我递归（self-recursive）的能力，意味着模型参数规模将依靠自身进行扩展，这不仅是技术突破，更是生产工具的彻底落地。
易方达基金经理贾健进一步强调，随着Claude Opus 4.6等具备强代码生成能力的模型发布，AI正在将非科班人员转化为开发者。代码作为数字世界的“钢筋混凝土”，其生产方式的变革将赋能众多行业。富国基金曹晋则从商业逻辑角度概括，AI行业正从“卖算力、卖Token”转向“卖结果、卖解决方案”。Agent的出现，使大模型从单一的性能测试对象，转变为包含感知、规划、执行的完整系统。这种转变直接影响了估值逻辑：当AI成为企业流程的一部分，其估值体系将更接近传统软件平台和基础设施，而非简单的算力消耗品。
国产产业链联动：消除二级市场估值困惑
对于国内投资者而言，国产大模型与国产硬件的实质性联动，是消除估值困惑的关键节点。贝莱德基金王晓京指出，DeepSeek V4的发布打通了国产大模型与国产硬件在业务端的连接。过去，国内硬件厂商常试图对标美股同类公司估值，但缺乏底层业务支撑导致逻辑难以闭环。如今，国产模型在国产硬件上的成功运行，为硬件产业链提供了坚实的业务底座。
这种联动使得国产算力链的投资逻辑从单纯的“国产替代”或“对标英伟达”，转向“模型业务验证+硬件性能提升+生态协同”。法国兴业银行何昕也观察到，从寒武纪市值突破到智谱冲击IPO，AI产业正在被资本市场系统性地重新定价。这种定价不再基于概念炒作，而是基于长期增长的产业事实。国产算力链的完整走通，不仅提升了硬件厂商的估值合理性，也为光通信等通用硬件模块带来了双重需求曲线——既受益于全球算力扩张，也受益于国产算力体系的独立建设。
评估体系重构：技术参数与商业化数据的博弈
在评估大模型公司时，投资人面临着技术参数与商业化数据（如ARR）的双重考量。翁启森认为，模型能力是唯一的商品，其变现能力决定了造血水平。随着Agent化，评估指标从单一Benchmark转向多任务有效性，且需关注公司的人才、数据和持续迭代能力等全面素质。
然而，王晓京提出了更具包容性的视角：AI是在不同成本点上提供不同服务。对于非关键任务，用户可能选择速度稍慢但成本极低的模型，而非最强的头部模型。这意味着未来未必是少数头部模型通吃所有行业，不同细分场景将出现不同的赢家。这种成本与性能的平衡，要求投资者在关注技术领先性的同时，也要评估模型在不同成本点的竞争力和细分市场渗透率。
地缘政治与主权AI：中国开源模型的全球机遇
美国日益严格的出口管制和政府监管，正在重塑全球AI竞争格局。贾健分析，虽然监管可能短期内影响美国AI公司的风险定价，但也通过政府背书确认了其前沿地位。更重要的是，这引发了非美国家对“主权AI”的强烈需求。韩国等非美科技强国，在推动大模型自主可控时，纷纷借鉴中国开源模型，这为中国头部开源模型厂商提供了广阔的全球舞台。
曹晋指出，政策性风险更多是阶段性摩擦系数，而非永续性风险。全球用户对开源、可自主部署、安全可控模型的偏好，提升了中国模型的国际地位。但他提醒，这主要带来的是市场份额和采用率的利好，长期竞争力仍取决于持续的资本开支、算力积累和数据优势。因此，中国模型需抓住这一窗口期，强化技术底蕴，巩固全球领先地位。
硬件格局演变：训练端壁垒坚固，推理端解耦加速
在硬件领域，英伟达在训练端凭借CUDA生态和软件壁垒，短期内地位难以撼动。贾健认为，未来三年训练端格局稳定，但在推理端，随着PD分离、AF分离等技术优化，壁垒正在松动。这为国内GPU厂商和海外二线企业提供赶超窗口。
存储端同样呈现分化。DRAM依赖EUV工艺，国内追赶难度较大；而NAND依赖垂直堆叠，受设备限制较小，国内厂商机会较好。曹晋观察到，整个行业正走向“解耦”趋势。无论是GPU还是存储巨头，其业务正被拆分为更精细的功能模块。云厂商为降低成本、提升效率，正设计多样化方案分化功能。这种解耦为更多供应链玩家提供了进入机会，使得AI硬件生态更加多元和竞争充分。
资本开支回报：万亿投入背后的商业生态重塑
面对美国云厂商万亿美元级别的资本开支，市场焦虑其ROI（投资回报率）。翁启森表示，Anthropic等头部厂商的高毛利（近80%）使其愿意与算力云厂商分享更多利润，从“三七开”调整为“五五开”，这增强了云厂商扩大Capex的动力。
翁启森将当前阶段类比互联网泡沫初期，认为AI将催生如电商、广告般巨大的商业生态。Anthropic涉足医疗等领域的尝试，预示着AI for Science和AI for Industry的到来。他指出，AI正在创造对自身算力的需求，形成正向飞轮。即便1万亿美元GDP难以由单一国家贡献，但AI创造的商业生态价值可能远超此数。因此，短期内的资本过热，实为长期生产力革命的必要投入。
投资主线：在泡沫中寻找价值兑现者
何昕总结称，AI产业链存在局部泡沫，但整体并非泡沫。与过去不同，AI有真实需求和具体产出支撑。未来投资机会集中在两大方向：一是基础设施能力，包括算力芯片、数据中心、电力能源等，无论模型谁胜，这些底层设施都将受益；二是AI应用落地，如机器人、自动驾驶、医疗健康等能创造长期商业价值的场景。
同时，投资人需警惕三大风险：阿尔法收益难度增加，信息差优势减弱；拥挤交易带来的剧烈调整风险；以及商业化兑现风险。随着市场从估值扩张驱动转向业绩兑现驱动，唯有那些能将技术转化为收入、具备独特数据壁垒和人机协同决策能力的企业，才能最终兑现价值。在泡沫与趋势共存的市场中，精准识别并持有这些赢家，是AI时代投资的核心策略。