一、加速发展的人工智能
人工智能、计算基础设施和全球连接的快速发展正在从根本上重塑公司和国家/地区的工作完成方式、资本部署方式以及领导力的定义方式
（一）过去发展回顾
过去的一千多年，以及近期的50多年中，技术沿着技术融合以及更好、更快、更边界的方向发展。
1、硬件与平台的发展
1）硬件发展
计算机技术的每一次发展，都将大幅推进计算机或相关设备的普及率。
在过去的几十年中，我们经历了大型主机、微型计算机、PC、互联网时代、移动互联网时代，目前我们来到了人工智能时代。在以上每一个时代的更替，计算机或者终端的普及率都获得了大幅提升。
从硬件系统划分来看，1960-2017年，主要硬件技术为CPUs；自2000年起，伴随互联网的革新，大数据和云技术开始崛起，预计该技术将在未来仍将扮演重要的角色；自2020年起，GPUs开始走向历史舞台，从游戏功能成为人工智能核心硬件。
过去更迭的历史如下：
2）加速的开发平台
自英伟达创建CUDA系统后，该系统上的开发人员缓慢增长，而始于2018年的大语言模型革新，突然加速了全球开发人员涌入英伟达开发系统的热情。
我们看到，英伟达除了其著名的CUDA模型外，近期在世界物理模型，机器人认知模型等领域，均在搭建其平台。如果英伟达在以上平台最终搭建成功，那么硬件+开发平台，将会是未来芯片企业的一个主流模式。
基于各类模型、世界模型仍在研发中，我认为大范围的agent还需要时间。软件层面当下我们仍处在软件向人工智能技术过渡状态中，即传统软件企业依旧还有市场，基于人工智能技术设立的新的软件公司巨无霸将在未来几年诞生并成长起来。
2、人工智能与传统技术
互联网的出现，使得世界的信息得以被重新组织，以之前未曾结构化的方式被大家访问和使用。
如果是知识是堆积事实的过程，智慧在于他们的简化。那么互联网的用途在于前者，而人工智能正在帮助人类推进后者。
（二）人工智能工具的泛化
自2022年10月以来，人工智能工具从聊天工具，快速地扩展到了图像处理工具、视频生成工具、影像识别和分析工具、智能驾驶大脑等等领域，并且在生成速度，处理质量上均出现了大幅提升。
以上的进步我们看到两个趋势，1、使用人数上升，越来越多的人开始使用各种工具用于办公、生活等方面；2、单独任务消耗算力提升，伴随性能的提升，用户的要求不断提升，每次任务的复杂度提升，导致单次任务算力需求提升。以上两个趋势均指向算力的需求仍在快速增长中，短期内仍具有投资机会。
例如我们来看下2022年图像生成与2025年图像生成的对比图：
通过以上生成图的质量、纹理、图的内容的直观感受，我们可一目了然的理解，背后对算力需求的上涨。
（三）聊天工具到通用人工模型
目前出现的人工智能更多的是服务提供商，而非助理。
传统的聊天机器人旨在响应用户提示，通常是在严格的脚本或狭窄的流程中，他们可以获取答案、总结文本或模仿对话——但始终处于反应性、有限的框架中。
市场希望的人工智能称为AGI--通用人工智能，是指能够执行人类智力任务的全方位系统，包括推理、规划、从小数据样本中学习以及跨领域推广知识。AGI 将能够完全灵活地跨学科运行，无需重新训练即可解决不熟悉的问题。
AGI 系统不会执行预先编程的任务，而是实时理解目标、生成计划并自我纠正。他们可以在几乎没有人工监督的情况下推动研究、工程、教育和物流工作流程，通过通用推理处理歧义和新颖性。这些系统不需要大量的再培训来处理新的问题领域——它们会像人类专家一样转移学习并在上下文中运行。
基于目前的新闻信息，马斯克推出的Grok 4以及GPT 5.0都在在向这个方向发展，但尚未实现。
如果我们还在走向AGI的路上，也就意味着，现阶段的人工智能尚无法形成大量满足需求的智能体，我们仍处于堆叠算力，进一步提升人工智能性能的阶段中。
关于阶段的认知，我有一个猜测：技术的革新通常不是一帆风顺的，当技术碰到难题时，市场可能会开始怀疑AGI之路，从而导致相关板块企业估值大幅调整。
（四）训练与推理
去年到今年上半年的人工智能的故事围绕着训练展开，伴随大模型技术的进步，以及基础模型被应用具体场景，推理的需求开始逐步上升。黄仁勋表示，推理正在爆炸式的增长。
不同于训练需求，推理将是一个持久的成本中心，尽管单位推理成本在快速下降，但同期使用量增长更加迅猛。
随着推理变得越来越便宜，人工智能被更多地使用。随着人工智能的使用越来越多，基础设施和计算的总需求也会增加，从而再次推高成本。其结果是增长的飞轮给云提供商、芯片制造商和企业 IT 预算等带来了压力。但就目前而言，它们仍然受到大量资本密集度、大规模基础设施以及服务于指数级增长的使用量的竞赛的驱动。
二、人工智能节奏推演
我国人工智能产业的发展进程，可划分为三大核心阶段：第一阶段聚焦算力基建夯实与技术瓶颈突破，第二阶段侧重场景应用渗透与产业生态构建，第三阶段则指向智能体全面普及与底层架构革新。
回溯 2022 年 10 月至今的发展历程，算力与模型呈现出 “双向驱动、互为增益”的鲜明特征：一方面，AI 模型从早期的大语言模型（LLM）起步，持续向更复杂、更贴近物理世界的多模态模型演进；另一方面，模型复杂度的提升与应用普及度的扩大，又反向催生了更庞大、更高效的算力需求，推动算力基础设施加速迭代。
值得注意的是，国内人工智能的发展并非遵循“阶段割裂、依次推进”的线性路径，而是呈现 “多阶段并行、主次分明”的特点 ——三大阶段的核心任务会在发展周期内同步推进，只是在不同时期，会有某一阶段的核心方向成为产业发展的主导重心。
（一）算力与瓶颈突破
第一阶段的核心矛盾是“暴增的算力需求”与“受限的先进制程芯片供给”之间的矛盾。因此，投资逻辑聚焦于解决当前最为紧迫的算力供给与产业链瓶颈问题。
近期以芯片设计、光模块、先进封装的芯片类企业估值上涨印证了以上逻辑。国产替代和科技主权宏大叙事下的当下投资机会。
预计第一阶段的时间为2025-2027年，主要衡量指标是各大厂AI硬件扩张计划以及相关半导体企业利润增幅，当以上两个指标任何一个数字不及预期或者在高估之下不能超预期时，将发展板块估值调整。
1、国产高端芯片
1）国产高端AI芯片设计
能够提供NVIDIA替代方案的企业将直接受益于信创和国内云厂商的需求。市场将重点关注其产品性能、集群扩展能力和生态建设进展。
此类代表企业包含华为海思、寒武纪、即将上市的摩尔线程等。
芯片设计是本轮或者说本阶段最主要的领涨板块，其投资热情来源于卡脖子工程突破后巨大的国产替代空间。
2）先进封装与测试
Chiplet成为绕开先进制程限制的关键，CoWoS等先进封装技术成为刚需。拥有相关技术和产能的封测企业（如长电科技、通富微电等）将迎来订单和价值的双重提升。这是确定性最高的受益环节之一。
3）高速互联（光模块/CPO）
AI集群规模越大，对数据传输速率和带宽的要求就越高。光模块作为数据中心内部互联的核心部件，将迎来从800G向1.6T甚至更高速率的升级浪潮。CPO（共封装光学）技术是长期演进方向。
4）半导体设备与材料的国产替代
在自主可控大背景下，任何在核心设备（如刻蚀、薄膜沉积、量测）和关键材料（如高端光刻胶、大硅片）领域取得技术突破并实现量产的公司，都将获得巨大的政策支持和市场空间。
（二）应用渗透与生态构建
随着算力基础设施初步完善，AI应用的重心将从云端向各行各业和边缘侧扩散。此时，投资逻辑转向那些能够推动AI大规模落地和构建强大生态系统的环节。
该过程大约在208-2030年，根据中国政府的规划，实现90%普及率目标的关键在于AI终端。自动驾驶汽车、智能手机、PC、XR设备、机器人等将需要大量低功耗、高能效的AI芯片。专注于这些领域，并能提供“芯片+算法+工具链”完整解决方案的公司将迎来爆发期。
1、国产AI软件与框架
当硬件不再是唯一瓶颈时，软件生态的重要性将空前凸显。能够构建起足以挑战CUDA生态的国产AI计算框架和开发平台，将成为产业链的“灵魂”，掌握巨大的话语权和价值。
我认为传统的软件和AI软件之间具有巨大的区别，不是太看好传统软件企业转型成为AI软件企业，我更倾向于认为基于AI技术的特点会产生新的巨无霸企业，比如马斯克成立的公司“巨硬”准备重新设计微软全套软件。
2、行业解决方案与系统集成
能够将AI技术与特定行业知识（Know-how）深度结合，提供软硬件一体化解决方案的服务商，将成为连接技术与市场的桥梁，享受产业智能化升级的红利。
这部分企业，我倾向于理解为具有硬件和垂类模型统一能力的企业，但是鉴于工业数据和不少行业数据目前属于数据孤岛状态，以上企业可能初期产生于大的头部企业。比如，阿里这次的年报中公布的，利用基座模型赋能阿里现有的产品体系。
3、存算一体/新兴构架芯片
随着应用对能效比的要求越来越苛刻，存算一体等新兴架构芯片将开始从特定领域（如智能穿戴、部分边缘计算）进入商业化应用，相关技术领先的公司将获得先发优势。
近期我们看到外骨骼、AI眼镜等可穿戴产品在逐步推向市场，这类产品需要小型化的端到端模型，以及优化的新兴架构芯片。可穿戴市场在多年前市场就有很高的期待。如果这里市场能够开启，或许能够打通虚拟和现实之间的壁垒，使得元宇宙具有意义。
（三）智能体普及及构架革新
AI原生应用和自主智能体成为主流。算力需求将无处不在，对芯片的形态、功耗和智能程度提出更高要求。投资逻辑将聚焦于引领下一代计算革命的核心技术。
伴随智能体的普及，预计2030年，我们可能会再次回到硬件升级的时代，近期听过的一些长周期的芯片技术可能将逐步成为现实。
1、神经形态芯片与类脑计算
作为最接近人脑工作方式的计算范式，神经形态芯片在处理复杂、动态、低功耗任务时具备天然优势，是实现通用人工智能体（AGI Agent）的理想硬件平台。在这一领域取得基础研究和工程化突破的企业将定义下一个时代。
短期看，以上技术将存在于一级市场，二级市场大概率炒作下概念。
2、上游核心技术的全面自主
经过多年的积累，届时中国有望在EDA、高端设备和材料等领域实现关键性突破。掌握这些产业链“皇冠上的明珠”的企业，将成为国家战略安全和产业发展的基石，具备极高的长期投资价值。
中美在技术争霸战下，自主可控一直是一个长周期的投资话题。伴随中国在芯片、人工智能技术上的进步，世界在人工智能领域已分为两个阵营，这点与中美在其他领域的分割类似，不同的是人工智能领域只有中美争霸，其他国家以选择性站队为主。
3、AI与生物计算、光子计算的融合
探索超越硅基芯片的计算形态，如利用光子进行计算以获得极高速度和极低功耗，将成为前沿研究和投资的热点。
以上依旧短期存在于一级市场，二级市场炒作概念。
（四）投资逻辑总结
短期投资（未来2-3年）：投资的核心是“稀缺性”，聚焦于解决算力瓶颈的高端芯片、先进封装、高速互联和国产化设备材料。
中期投资（3-5年）：投资的核心是“规模化”，关注能够推动AI在边缘端和行业应用中大规模落地的公司，以及软件生态的建设者。
长期投资（5年以上）：投资的核心是“颠覆性”，布局于能够引领下一代计算革命的新兴架构（存算一体、神经形态）和实现最终自主可控的上游核心技术。
（来源：静水深漩）
