AI投资新范式：从算力消耗到价值交付的逻辑跃迁

AI技术演进：从工具到端到端智能体

过去一年，AI最实质性的突破并非参数规模的跃升，而是能力落地形态的根本转变。Anthropic的coding模型已进入自我迭代（self-recursive）阶段，不再依赖人工标注与调优，而是在真实开发环境中持续进化。这一变化标志着AI正式脱离“演示型能力”，成为可嵌入生产流程的稳定生产力工具。

Claude Opus 4.6的发布则进一步拓宽了应用边界——它让非技术人员也能完成网页搭建、自动化脚本编写等任务。代码作为数字世界的底层构件，其生成能力的涌现，正在催生大量轻量级、场景化的小工具开发行为。这种“人人可编程”的趋势，正倒逼模型向Self-Training架构演进，形成能力增强与使用普及的正向循环。

更深层的转变在于商业模式重构。大模型正从按Token计费的消耗品，升级为具备感知、规划、执行能力的Agent。当AI能自主完成客户尽调、合同审核、供应链调度等闭环任务时，其估值逻辑便自然转向软件与基础设施维度：关注客户留存率、流程渗透深度、系统集成成本，而非单纯看吞吐量或毛利率。

国产算力链的价值锚定：从对标替代到业务闭环

DeepSeek V4的落地，首次实现了国产大模型与国产硬件在真实业务场景中的协同验证。这解决了二级市场长期存在的估值困惑：过去硬件厂商常以“中国版英伟达”自居，但缺乏对应的应用层需求支撑；如今，模型对推理时延、显存带宽、编译效率的真实要求，反向定义了硬件性能指标，使国产GPU、存算一体芯片、光互联模块等环节获得了可量化的商业支点。

这一闭环正在重塑投资逻辑。资本不再简单比较制程工艺或峰值算力，而是观察模型在国产硬件上的实测吞吐比、长序列任务成功率、多模态联合推理稳定性等业务指标。当美团LongCat2.0等模型证实可在全栈国产硬件上完成训练与推理时，整个产业链的估值基础将从“技术追赶叙事”转向“自主生态价值”。

评估标准迁移：ARR不是终点，而是能力兑现的刻度尺

投资人面临的核心问题已不再是“哪家模型参数更大”，而是“哪家模型能在特定场景中持续创造可计量的经济价值”。ARR（年度经常性收入）之所以重要，是因为它反映了模型能力被市场真实付费认可的程度。但需警惕的是：单一ARR数据可能掩盖结构性风险——例如过度依赖某类低毛利API调用，或客户集中度过高。

更有效的评估框架应包含三层：第一层是能力基线，考察模型在金融研报生成、工业质检指令理解等垂直任务上的准确率与鲁棒性；第二层是进化能力，包括强化学习响应速度、私有数据微调效率、多Agent协作协议兼容性；第三层才是商业化纵深，即客户LTV（生命周期价值）、解决方案复用率、生态伙伴数量。三者缺一不可，共同构成可持续的估值支点。

全球格局再平衡：主权AI催生开源模型出海机遇

美国出口管制政策客观上加速了全球“主权AI”进程。调研显示，东南亚、中东、拉美等地区政府与科技企业，在训练自有大模型时，普遍采用中国开源模型作为基座——不仅因技术成熟度接近国际前沿，更因其提供完整可审计的代码、支持本地化部署、规避地缘政治断供风险。

这种选择并非技术妥协，而是理性权衡。当韩国企业放弃直接采购GPT-5 API，转而基于Qwen2.5构建韩语法律助手时，他们需要的不是参数最高的模型，而是可控、可解释、可定制的基础设施。中国头部开源模型厂商由此获得的，是全球化应用场景的验证机会、跨区域合规经验的积累，以及生态伙伴网络的实质性扩张。

硬件解耦进行时：训练与推理走向差异化竞争

AI芯片格局正经历结构性松动。训练端仍由英伟达主导，其CUDA生态形成的开发者惯性与工具链壁垒，短期内难以撼动。但推理端已出现明确分化路径：PD分离（Processing-Delivery）将计算与数据传输解耦，AF分离（Acceleration-Function）按任务类型定制硬件单元。这些技术路线降低了ASIC设计门槛，使国内厂商能在视频生成、语音合成等细分场景实现性能超越。

存储领域同样呈现差异化机会。NAND闪存依赖垂直堆叠工艺，不涉及EUV光刻机限制，国内厂商已实现232层以上量产，正快速填补服务器AI缓存市场空缺；而HBM虽受制于先进封装产能，但通过Chiplet异构集成方案，国产存储控制器+海外HBM颗粒的混合架构已在部分推理服务器中商用落地。

资本开支的底层逻辑：利润飞轮已启动

全球云厂商万亿美元级AI资本开支，并非盲目投入。Anthropic当前Token毛利近80%，却主动将云服务分成比例从3:7提升至5:5，本质是用短期利润换取算力资源锁定——当模型能力越强，对高质量算力的需求越刚性，云厂商增加Capex的动力就越强。这种“能力驱动需求、需求拉动基建”的正向循环，已初步形成。

更关键的是，AI正从成本中心转向利润中心。医疗领域，AI辅助药物分子筛选已将先导化合物发现周期缩短60%；制造业，视觉检测模型使缺陷识别准确率突破99.99%，单条产线年节省质检人力超200万元。当AI开始直接贡献EBITDA时，资本开支的回报路径就变得清晰可测。

泡沫辨析：警惕估值透支，拥抱价值兑现

AI产业存在局部估值泡沫，尤其在缺乏明确变现路径的纯概念标的上。但整体并非历史重演——互联网泡沫时期需求虚幻，而今天AI已产生真实现金流：云厂商AI服务收入季度环比增长超35%，工业AI软件订阅续费率稳定在82%以上。

真正的投资机会藏于三个交汇点：一是基础设施硬缺口，如满足千卡集群通信需求的CPO光模块、适配国产芯片的AI操作系统；二是人机协同深水区，如医生+AI联合诊断平台、工程师+AI仿真系统；三是跨境价值套利，即利用中国开源模型技术优势，服务全球新兴市场数字化转型需求。最终胜出者，必是那些能把技术势能转化为客户资产效率提升的企业。