【导读】AI技术密集迭代引爆市场，六位基金经理解读AI板块行情
2025年，AI技术密集迭代（如Grok 3、DeepSeek稀疏算法、GPT-4o免费开放等），掀起新一轮席卷全球的热潮，极有可能成为具有划时代意义的AI爆发元年。
随着“AI+”成为市场关注的重点，近期A股和港股在AI应用方向形成了极强的共振行情，中国科技资产的估值体系迎来全面变革。
AI技术突破性进展将会如何重塑A股和港股科技板块的投资逻辑？技术民主化将持续带来怎样的投资机会？AI技术降本增效背景下，哪些细分领域率先受益？
富国基金权益投资部高级权益基金经理、富国新材料新能源、富国匠心成长基金经理 徐智翔
在上述基金经理看来，近期AI技术密集迭代，市场投资逻辑也随之从前期关注的算力芯片、光模块等算力基础设施迅速向AI应用端扩散，“AI+”成为市场关注的重点，AI技术降本增效背景下，投资机会有望进入产业链全面开花阶段。
在他们看来，技术民主化会推进AI应用进入爆发期，“云端计算－管道算法－应用创新”三个阶段的新产业趋势将迅速展开，并带来行业生态的大变革，催生新的产业投资机会。
中国基金报记者：近期全球AI技术密集突破（如Grok 3、DeepSeek稀疏算法、GPT-4o免费开放等），将会如何重塑A股和港股科技板块的投资逻辑？
李涛：
这些技术突破对AI领域意义重大，深刻影响相关企业估值、市场预期和投资策略。一方面，它增强了市场对AI技术的信心，DeepSeek引发外资机构对中国资产价值重估，投资者对科技股热情高涨。另一方面，改变了科技股估值逻辑，投资者更看重企业技术创新与增长潜力，技术优势企业将获得更高的估值。同时，技术突破带来新的投资机会，AI医疗等领域前景广阔。不过，其带来的不确定性也要求投资者谨慎评估企业技术实力和市场前景，防止盲目追高。
翟森：
近期AI技术密集迭代，最显著特征是模型平权。此前模型进入门槛较高，闭源的生态以及动辄几百亿美金的投资给国内参与者带来了较高的成本，商业模式的滞后性也使得大家对投入这一领域有犹豫的态度，而未来开源基座模型成为“数字公共品”，厂商通过计算服务、工具链优化获取收益，商业模式开始逐步清晰。
前期国内AI产业的发展更多是作为跟随者和配套商的角色参与全球的AI发展。高效率的开源模型出现后，国内与海外的技术代差消失，国内的科技巨头与海外的差异迅速从一年缩短到6个月以内。国内的科技巨头未来有可能从AI产业的追赶者成为引领者，中国的科技资产将迎来重估。
张小郭：
近期全球AI技术密集突破，不仅优化了AI性能、提升推理能力，还降低了训练与推理成本，加速AI应用商业化落地，催生出新软硬件产品，推动传统IT架构变革。受此影响，市场投资逻辑从关注算力基础设施转向AI应用端，“AI+” 成为焦点，A股和港股的AI 应用板块形成共振行情。而且，下游AI应用的爆发会增加对算力基础设施的需求，未来市场投资机会或在上游AI基础设施和下游AI应用产业链全面涌现。
邓心怡：
DeepSeek的崛起标志着中国AI技术在全球范围内的竞争力显著提升，其高性能与低成本的特性不仅推动了国内科技股的估值重构，还引发了外资对中国科技资产的重估。港股科技板块因此受益，恒生科技指数在短期内大幅上涨。
未来，A股和港股科技板块的投资机会或将更加集中在AI应用落地、算力基础设施、端侧智能硬件等领域，以及互联网龙头公司在近期AI变革中快速跟进带来的业绩和估值预期的提升。随着AI技术进一步普及，其应用场景将不断拓展至医疗、教育、制造业等多个领域，为相关板块带来持续的增长动力。
李延峥：
以上事件都在强化DeepSeek出现后AI新的投资逻辑。DeepSeek带来的影响可以总结为“算力平权”和“模型平权”。
算力端，证明现阶段有限的算力投入后训练强化学习，要比投入预训练增加模型参数更为陡峭的Scaling Law斜率。Grok 3是全球第一个10万卡集群训练出的大模型，但效果并未与现有的模型拉开代差，预训练Scaling Law放缓的叙事依然延续。DeepSeek NSA算法有望在长文本领域进一步弱化大模型推理对算力的需求。
应用端，DeepSeek已使得国内各种应用可以低门槛接入顶级模型。对于最近GPT-4o和Grok 3的免费，可以理解为行业的鲶鱼效应，同样有利于各类应用接入大模型后科技板块ROI的提升。
中国基金报记者：最近半年AI领域经历了两次显著的跃迁，分别由DeepSeek-R1和Grok 3代表。这两个模型是否体现了AI发展的两种不同策略？投资逻辑有何不同？
翟森：
Deepseek-R1和Grok 3代表AI不同发展策略。DeepSeek-R1 通过创新训练与开源模式，打造专业化、低成本的推理引擎，降低训练成本，侧重在有限算力下创新算法，将算力向推理端倾斜；Grok 3追求通用性与实时功能，依赖强大计算能力和平台整合，沿袭北美大规模预训练路径。
虽然二者策略不同，但投资逻辑本质未变。算法创新和大规模算力相互依存，并非矛盾。不同算法影响的是算力投入结构，而非整体投入。
从趋势看，人工智能正从大量预训练迈向深度思维链推理。由于训练数据边际效应减弱，模拟人类深度思考的慢思考愈发关键，MOE混合专家模型和强化学习受到关注，这使得算力投入中推理占比将逐步提高。
张小郭：
投资方面，DeepSeek路线降低了AI技术的使用门槛，催生AI应用端的爆发，带来众多AI垂直应用、端侧AI硬件等方面的投资机会。同时，应用端的爆发，会反过来大幅增加对算力基础设施的需求和相关的投资机会。Grok路线重点依赖大规模算力，投资机会主要集中在算力芯片、光模块、IDC、云服务等算力基础设施领域。
李涛：
这两个模型体现了AI发展的两种不同策略：Deepseek-R1通过优化数据和算法，追求效率和成本降低，其开源特性推动了AI能力的民主化，促进了技术的快速迭代和创新。Grok 3则是通过大规模算力投入实现性能突破，成为“大力出奇迹”的典型。当前，算力短缺和电力供应成为AI发展的主要限制因素，尽管Grok 3展示了算力投入的潜力，但长期来看，随着AI应用的规模化落地，行业降本增效或也将成为必然趋势。
邓心怡：
DeepSeek-R1 聚焦 “低成本 + 高性能” 开源策略，凭借低推理API价格和优质蒸馏小模型，降低AI开发应用门槛，推动技术普惠与生态共建，在端侧智能等领域投资价值巨大。Grok 3借助海外大规模算力集群，提升模型边际能力，融合多模态和思维链能力，投资逻辑侧重高难度思考推理应用及前沿技术研发，有望在智能驾驶、机器人等领域带来突破。
李延峥：
一年前大家谈到Scaling Law，主要指的是预训练阶段堆算力、做大模型参数来获得更好的模型效果。Grok 3就是这条路线的代表。但OpenAI的o1和DeepSeek-R1则拓展了Scaling Law的维度。现在Scaling Law分为预训练（堆算力、堆参数）、后训练（强化学习、RLHF）、测试时间缩放（延长推理思考过程），DeepSeek-R1正是在后两个方向上发力，获得比资源投入预训练更好的效果。具体到投资上，预训练相关的投资主要依赖于海外AI大厂的资本开支，而现在范式转变后，应用侧和推理算力或会获得更好的增长预期。
中国基金报记者：技术民主化是否加速AI应用场景落地，将持续带来怎样的投资机会？
李涛：
AI引领的科技革命，不是短期概念，而将引发长期的社会趋势变革。大模型开源平权后，将加速AI智能化终端落地。人工智能政策已从前期喊话转向政策密集落地加码，算力、数据要素等基础设施建设有望进一步加速。信息产业板块中具有卓越潜力和价值的上市公司值得继续深挖和密切追踪。
徐智翔：
AI 发展有两个主要方向。通用人工智能（AGI）追求极致性能，对训练算力需求极大，训练和推理算力需求都会持续上升。以 DeepSeek为代表的AI平权追求技术普及大众，虽降低了训练算力需求，但因庞大用户基数，推理算力需求显著增加。随着AI平权发展，手机、眼镜、汽车和机器人四大硬件应用场景或迎来爆发式增长。
张小郭：
技术民主化会加速AI应用场景落地，一方面会吸引更多受众来关注和体验AI产品，以积累大量的客户基础；另一方面，性能的提升和使用门槛的降低，也会加速AI应用向不同使用场景渗透，加速AI应用场景的落地。
AI应用场景的不断落地，对国产算力、边缘计算等基础设施的需求会持续增加，另外，AI应用在医疗、教育、康养、智能制造、金融等众多垂直领域的落地，可能会带来行业生态的大变革，催生新的产业投资机会。
邓心怡：
技术民主化通过降低技术门槛，使更多企业与个人能够接入和使用人工智能技术，推动人工智能在各行各业的广泛渗透，有望真正促进全社会劳动生产率的提高。这一趋势带来的投资机会集中在以下几个方向：一是AI基础设施领域，包括算力芯片、云计算平台及数据存储解决方案；二是行业应用层面，如智能制造、智慧医疗、自动驾驶等，随着技术成本下降，这些领域的商业化进程将大幅提速；三是机器人领域，实现人工智能和物理世界的交互，依托我国较完备的制造业基础和供应链优势，有望再次激活我国制造业增长新动能。
李延峥：
底层模型进步对于应用端的意义在于ROI更容易跑通了，DeepSeek开源且API廉价，复现、蒸馏和接入都变得成本较低，只要能帮助应用有更好的表现，ROI分子分母端都有更好的预期。绝大部分软件应用都可以通过接入LLM让自己的智能水平或人机交互方式升级。我们看好两个方面：一方面国内AI大厂增加资本开支带来的国产算力需求爆发，另一方面应用端Agent在各行各业的落地。
翟森：
模型平权趋势愈发显著，开源框架打破闭源模型垄断。中小开发者借助云部署或本地化部署，无需大量算力就能构建垂直场景模型，催生长尾需求。同时，模型使用门槛不断降低，推动用户心智从 “尝鲜” 向 “刚需” 转变，普通用户也能轻松将模型融入生活。
在此背景下，AI 应用不再是巨头的专属。成本降低使大模型部署模式多样，中小团队能基于开源模型创新，商业模式上具备更多可能性，推进AI应用进入爆发期，“云端计算－管道算法－应用创新”三个阶段的新产业趋势将迅速展开。
中国基金报记者：AI技术降本增效背景下，哪些细分领域率先受益？你的主要布局思路是怎样的？
徐智翔：
大模型处于生成式人工智能阶段，人形机器人处于更后期的物理人工智能阶段。大模型落地速度更快，有望先实现商业化，不过机器人的市场潜力可能更大。从投资角度看，AI投资重点将逐渐向应用端转移，TMT、人工智能、汽车和机械等与机器人相关板块值得关注。
选择投资标的时，主要依据空间、格局和估值的三维框架，关注企业发展的三个阶段并从中选择细分行业。随着 AI 应用落地，云计算、机器人、智能驾驶和智能助理等板块或已进入 “从1到10” 的快速发展阶段。
邓心怡：
随着AI模型能力提升和模型蒸馏，大模型调用成本下降，应用生态不断拓展并向端侧 Agent 延展。2025年，应聚焦AI应用生态和端侧硬件新品类发展。应用上，关注国内有渠道、数据和客户基础的软件及应用产业链；端侧方面，留意布局Agent功能的手机、笔记本产业链及新终端模式。同时，密切跟踪人形机器人产业链，特斯拉人形机器人或带动国内机器人行业进入高速发展期，可择机布局。
李延峥：
模型方面和海外的差距被迅速缩小后，各类应用接入，全社会大模型推理流量将迎来显著增长。承载这些推理流量的推理侧算力，如云计算、IDC、服务器、GPU等方向都将在中长期受益，国内云厂商资本开支也因此有上调的空间。
翟森：
首先看好国产算力。推理算法爆发以及模型开源的背景下，算力集中化体系被多元化体系替代后，国产算力也获得了越来越多的发展空间。国内企业在看到低成本训练的可行路径后，犹豫中的厂商势必在2025年开始加大投入，并形成类似于北美产业中的算力竞赛。2025年或是国产算力的元年。
其次看好B端的企业化AI需求。在巨头积极投入的背景下，无论是云端部署还是本地化部署，对于中小企业来说成本不断降低，我们看好建立在企业端对业务AI化需求的服务型商业模式。
张小郭：
AI技术降本增效背景下，全产业链都会迎来较好的投资机会，其中，基建先行，算力基础设施，如国产算力芯片、服务器、边缘计算、端侧硬件等是优先受益的方向。此外，能够较快落地的AI应用，如AI医疗、AI教育等领域也会率先受益。
布局思路上，优先布局国产算力芯片、服务器、端侧硬件等AI硬科技方向，同时重点跟踪AI垂直应用落地进展，及时布局AI应用落地较快、降本增效效用较大的细分方向。另外，以人形机器人为代表的具身智能，作为一个重要的AI应用方向，也是重要的布局方向。
中国基金报记者：当前港股科技指数涨幅显著跑赢A股，如何看待两地市场的分化？A股的补涨潜力集中在哪些细分板块？
邓心怡：
港股科技指数跑赢A股，主要源于其估值偏低及外资对中国科技资产“认知差”和“估值差”的双重修复。A股的补涨潜力不容忽视，可以关注：一是受益于人工智能技术突破的“AI+”应用领域，如AI医疗、智能驾驶及算力基础设施；二是顺周期板块，如消费等，消费将成为稳增长的关键力量，服务消费占比的提升也展示出巨大的发展潜力；三是低估值的传统行业，在低利率和资产荒背景下，其重估机会也逐渐显现。
