人工智能革命：技术演进、经济周期与中美投资框架

视角：人工智能技术亲历者 × 基金经理
版本日期：2026-08-28
核心问题：这轮 AI 革命走到了哪里？为什么它能推动美股？繁荣会不会形成泡沫？真正优秀的公司是谁？

一、先给结论

如果把过去 150 年的重要技术革命放在一起比较，我认为这轮人工智能革命更像是：

"半导体革命 + 互联网革命 + 电力基础设施革命"的叠加。

它不是一个普通的软件周期，也不只是"ChatGPT 带动的一轮科技股行情"。

真正发生的事情是：

人类第一次开始把部分脑力劳动转化为可规模化采购的算力。

过去企业购买的是：

人；
软件；
服务器；
数据库；
云计算。

现在企业开始增加一种新的生产资料：

Token / Intelligence / AI Compute。

因此，AI 的长期价值不应该简单用"有多少人使用聊天机器人"来衡量，而应该看它最终能否进入：

软件开发；
广告；
搜索；
企业办公；
客服；
医疗；
金融；
工业设计；
制造；
机器人；
自动驾驶；
科学研究；

并最终降低整个经济体系中一部分"认知劳动"的边际成本。

我的总体判断是：

当前 AI 大周期大致处在第二阶段

第一阶段：模型突破        2022–2024
        ↓
第二阶段：基础设施军备竞赛 2024–2027  ← 当前主要位置
        ↓
第三阶段：AI 应用商业化    2026–2030
        ↓
第四阶段：生产率扩散       2028–2035+
        ↓
第五阶段：产业洗牌与成熟

因此：

技术革命远没有结束；
但"买任何 AI 股票都赚钱"的阶段迟早会结束；
下一阶段投资回报会越来越由 现金流、ROIC、客户黏性和资本纪律 决定，而不是由"AI 概念"决定。

二、为什么这次 AI 革命与过去不同

2.1 从"软件工具"升级为"认知生产资料"

互联网解决的是：

信息如何低成本传播。

云计算解决的是：

计算资源如何按需调用。

移动互联网解决的是：

人如何随时连接网络。

而人工智能开始解决：

机器如何完成原本需要人类理解、判断、生成和决策的一部分任务。

这是一个本质差异。

传统软件通常是：

人 → 操作软件 → 得到结果

AI 软件越来越像：

人 → 提出目标 → AI 自主拆解任务 → 调用工具 → 完成结果

从 Copilot 走向 Agent，本质上是软件架构发生变化。

三、技术路线：AI 正从"模型"进入"系统工程时代"

3.1 第一阶段：Scaling Law

早期的大模型竞争核心是：

更多参数 + 更多数据 + 更多 GPU。

模型能力随着训练计算量提高出现明显跃迁。

这一阶段催生了：

GPT 系列；
Claude；
Gemini；
Llama；
DeepSeek 等。

2022—2024 年市场主要在交易：

"更大的模型会不会越来越聪明？"

答案基本已经得到验证。

3.2 第二阶段：推理计算量爆炸

2025 年以后一个非常重要的变化是：

AI 的计算需求开始从 Training 向 Inference 扩散。

训练一个模型可能只发生几次。

但推理是每天发生几十亿、几百亿甚至万亿次。

特别是推理模型、Agent、代码生成、视频生成出现以后：

一次用户请求
      ↓
模型推理
      ↓
模型再次思考
      ↓
调用搜索
      ↓
调用数据库
      ↓
调用软件
      ↓
再次验证
      ↓
输出结果

因此一次 Agent 工作流背后可能包含几十次甚至几百次模型调用。

这解释了为什么即使单 Token 成本不断下降：

总计算需求仍然可能指数增长。

这与互联网时代非常类似：

带宽单位价格不断下降，但全球带宽消耗却不断上升。

3.3 第三阶段：AI Agent

Agent 是未来几年最重要的变量之一。

传统 SaaS：

Salesforce
Excel
Photoshop
ERP
CRM
IDE

本质上都是：

人操作软件。

Agent 的长期形态则可能是：

人给出目标
   ↓
AI 理解目标
   ↓
调用 SaaS / API / 浏览器 / 数据库
   ↓
完成任务

于是软件行业可能从：

Seat-based Software

逐渐向：

Outcome-based Software / Agent-based Software

迁移。

这对 SaaS 行业既是巨大机会，也是巨大风险。

四、AI 产业链真正的结构

AI 不应该只理解成 NVIDIA。

完整产业链大致可以分为六层。

┌─────────────────────────────┐
│          AI Applications    │
│  Copilot / Agent / Search   │
├─────────────────────────────┤
│          AI Models          │
│ GPT / Claude / Gemini       │
├─────────────────────────────┤
│          Cloud              │
│ Azure / AWS / Google Cloud  │
├─────────────────────────────┤
│   Compute + Networking      │
│ NVIDIA / AMD / Broadcom     │
├─────────────────────────────┤
│ Semiconductor Manufacturing │
│ TSMC / ASML / HBM / Memory  │
├─────────────────────────────┤
│ Power + Data Centers        │
│ Electricity / Cooling       │
└─────────────────────────────┘

投资最重要的问题不是：

谁的 AI 最聪明？

而是：

价值最终沉淀在哪一层？

五、当前最确定的一层：AI 基础设施

现在最确定的现金流仍然主要集中在：

AI需求
 ↓
Hyperscaler资本开支
 ↓
GPU / ASIC
 ↓
HBM
 ↓
Networking
 ↓
Data Center
 ↓
Power

这就是为什么 2023—2026 年最强的股票并不是大量 AI 应用公司，而首先是"卖铲子"的公司。

六、NVIDIA 为什么成为这轮革命的最大赢家

NVIDIA 的优势远远不只是 GPU。

真正的护城河是：

GPU
+
CUDA
+
NVLink
+
Networking
+
Libraries
+
Developer Ecosystem
+
Rack-scale systems

也就是说 NVIDIA 已经从一家芯片公司逐渐演变成：

AI Factory Operating Platform

截至 2026 年 8 月 26 日公布的最新季度：

NVIDIA 季度收入达到 962 亿美元；
Data Center 收入 890 亿美元；
Data Center 同比增长 117%；
公司总体毛利率仍约 75%。

这说明 AI 基础设施需求并没有因为基数扩大而迅速消失。

NVIDIA 最大的投资风险

恰恰也是它最成功的地方：

NVIDIA 的客户正在花巨资试图减少对 NVIDIA 的依赖。

包括：

Google TPU；
Amazon Trainium；
Meta 自研 ASIC；
Microsoft 自研芯片；
Broadcom 定制 ASIC；
AMD Instinct。

因此未来 NVIDIA 更可能从：

接近垄断

逐渐变成：

最强生态 + 多家替代方案共存。

这不会轻易摧毁 NVIDIA，但可能逐渐降低超额利润率。

七、Broadcom：这一轮 AI 中非常容易被低估的公司

Broadcom 的 AI 逻辑与 NVIDIA 不完全相同。

NVIDIA主要提供通用 GPU。

Broadcom 更擅长：

Hyperscaler Custom ASIC + Networking。

如果 Google、Meta、OpenAI、ByteDance、Amazon 等巨头长期希望降低 GPU 成本，那么定制芯片市场会越来越大。

2026 财年第二季度：

Broadcom AI 半导体收入约 108 亿美元；
同比增长 143%；
公司预计下一季度 AI 半导体收入约 160 亿美元；
对应同比增速超过 200%。

Broadcom 的战略位置可以理解为：

AI 算力去 NVIDIA 化的最大受益者之一。

而且 Broadcom 同时拥有非常强的高速网络业务。

未来百万 GPU / ASIC 集群里：

芯片之间如何高速通信，

可能和芯片本身同样重要。

八、AMD：最重要的第二供应商

AMD 最大的价值并不是一定要击败 NVIDIA。

AMD 只需要：

在巨大的 AI 加速器市场中取得稳定份额。

截至 2026 年第二季度：

AMD 总收入 115 亿美元；
同比增长 50%；
Data Center 收入 67 亿美元；
同比增长 107%。

AMD 的潜在优势：

CPU + GPU 同时拥有；
Chiplet 技术能力优秀；
ROCm 软件生态持续改善；
Hyperscaler 有强烈的第二供应商需求；
相比 NVIDIA 更容易成为客户议价工具。

AMD 最大风险仍然是：

软件生态和系统能力与 NVIDIA 仍存在差距。

但在一个未来可能达到数千亿美元规模的 AI Compute 市场里：

第二名也可能是一门非常好的生意。

九、Microsoft：可能是最均衡的 AI 公司

如果只让我选一家"技术能力 + 商业化能力 + 企业生态"最均衡的公司，我会高度重视 Microsoft。

它同时拥有：

Azure
Office
GitHub
Windows
Security
Database
Enterprise Distribution
AI Models
AI Agents

这意味着 Microsoft 不需要创造新的用户入口。

它已经拥有全球最大的企业软件入口之一。

AI 只需要嵌入：

Word；
Excel；
PowerPoint；
Outlook；
Teams；
GitHub；
Azure；

即可直接商业化。

2026 财年第四季度：

Microsoft 单季度收入 900 亿美元；
同比增长 18%；
净利润 358 亿美元。

更重要的是：

公司预计 2026 日历年资本开支约 1,900 亿美元，并表示算力供应至少在 2026 年仍然受限。

这说明：

AI 需求目前仍然高于 Microsoft 能够部署的数据中心供给。

Microsoft 最大风险

不是 AI 不成功。

而是：

资本开支增长速度超过 AI 收入增长速度。

如果未来 Copilot、Agent 和 Azure AI 的收入不足以覆盖折旧、电力和硬件更新成本，ROIC 会下降。

这也是未来几年分析所有 Hyperscaler 最重要的指标。

十、Amazon：AI 基础设施时代最重要的"收费站"之一

AWS 是互联网时代最重要的基础设施公司之一。

AI 时代 AWS 仍然拥有：

GPU；
Trainium；
Graviton；
Bedrock；
Anthropic；
企业客户；
全球数据中心。

2026 年第二季度：

AWS 收入 422 亿美元；
同比增长约 37%；
AWS 年化收入运行率约 1,690 亿美元。

Amazon 还披露：

AWS AI 业务年化收入已经超过 250 亿美元，并保持三位数增长。

但是另一个数据更值得投资者注意：

Amazon 过去十二个月自由现金流下降到 -76 亿美元。

公司明确表示：

主要原因是 AI 基础设施资本开支大幅增加。

这是一个非常重要的经济周期信号。

十一、Meta：AI 已经开始直接提高广告效率

Meta 是一个非常典型的例子：

AI 不一定要单独收费才能产生价值。

对于 Meta：

AI
 ↓
更准确理解用户
 ↓
更好的推荐
 ↓
更长使用时长
 ↓
更精准广告
 ↓
更高广告ROI
 ↓
更高广告收入

2026 年第二季度：

收入 608 亿美元；
同比增长 28%；
广告展示量同比增长 14%；
单价同比增长 12%。

Meta 2026 年资本开支指引：

1,300—1,450 亿美元。

因此 Meta 本质上是在用广告现金流建设自己的 AI 基础设施。

这是一个极其强大的商业模式。

但风险同样存在：

资本开支非常巨大。

如果 AI 投资回报下降，利润率可能受到明显冲击。

十二、Alphabet：AI 对它既是机会，也是防御战争

Google 是一个非常特殊的 AI 公司。

因为它既是：

AI 最大受益者之一，

也是：

最容易被 AI 重新定义核心业务的公司之一。

Google 的传统经济机器是：

搜索
 ↓
广告
 ↓
超高毛利现金流

但生成式 AI 可能改变搜索模式：

关键词
 ↓
10个蓝色链接

可能逐渐变成：

问题
 ↓
AI直接回答
 ↓
推荐 / Agent执行

因此 Google 的任务不是简单做 Gemini。

而是：

在不摧毁搜索广告经济模型的情况下完成搜索产品重构。

Google 最大优势：

Gemini；
TPU；
YouTube；
Search；
Android；
Chrome；
Google Cloud；
全球数据。

如果能够成功完成这次自我革命，Alphabet 仍然可能是 AI 时代最重要的公司之一。

十三、TSMC：整个 AI 世界背后的"收费站"

无论最后赢家是：

NVIDIA；
AMD；
Google TPU；
Amazon Trainium；
Broadcom ASIC；
Apple Silicon；

大量最先进芯片最终仍需要先进制程制造。

因此 TSMC 的位置非常特殊：

它并不需要准确预测哪种 AI 芯片赢。

只要全球先进计算需求持续增长：

TSMC 就受益。

它非常符合投资中的经典逻辑：

与其赌淘金者，不如拥有收费桥。

当然最大风险是：

地缘政治。

十四、第二层受益者：网络、存储、电力与数据中心

AI 的瓶颈正在不断迁移。

最早：

GPU 不够。

后来：

HBM 不够。

然后：

Networking 不够。

下一步越来越可能是：

电力不够。

因此 AI 投资链条已经从半导体扩展到：

高速网络；
光通信；
HBM；
服务器；
液冷；
UPS；
配电；
变压器；
天然气发电；
核电；
数据中心土地。

这意味着：

AI 最终会从"科技股主题"变成"美国资本开支周期"。

十五、为什么 AI 已经开始影响美国 GDP

美国 BEA 的数据已经出现明显信号。

2026 年第一季度和第二季度，美国固定资产投资中的：

Information Processing Equipment；
Software；
R&D；

均明显增长。

2026 年第二季度，美国知识产权投资环比年化增长约 8.8%。

这说明 AI 开始从：

股市故事

进入：

宏观经济统计。

十六、从经济学理解 AI：正在发生一轮超级资本开支周期

Hyperscaler 正在投入非常惊人的资本。

例如：

公司	2026 AI/数据中心资本开支趋势
Microsoft	预计约 1,900 亿美元
Meta	指引约 1,300—1,450 亿美元
Amazon	AI 投资导致自由现金流明显下降
Alphabet	持续加速服务器与数据中心建设

几家公司合计资本开支：

很可能达到数千亿美元级别。

而这些资本最终流向：

TSMC
 ↓
NVIDIA / Broadcom / AMD
 ↓
Server
 ↓
Networking
 ↓
Cooling
 ↓
Power
 ↓
Construction

所以美股 AI 牛市不是单纯的估值扩张。

背后确实存在：

一场真实的工业投资周期。

十七、为什么 AI 能如此强烈推动美股

AI 对美股存在三个传导机制。

第一层：盈利增长

NVIDIA、Broadcom、AWS、Azure 已经出现真实收入。

这是最健康的部分。

第二层：估值扩张

市场愿意给予 AI 公司更高 PE。

原因是市场预期：

AI 将创造新的长期增长曲线。

于是：

EPS ↑
+
PE ↑
=
股价大幅上涨

这就是过去几年科技股上涨非常猛烈的原因。

第三层：指数权重机制

S&P 500 与 Nasdaq 100 是市值加权指数。

当：

NVIDIA；
Microsoft；
Apple；
Alphabet；
Amazon；
Meta；

上涨以后：

它们权重进一步增加。

随后指数基金继续买入。

形成：

盈利增长
 ↓
股价上涨
 ↓
指数权重增加
 ↓
被动资金买入
 ↓
股价继续上涨

这是一种非常强的正反馈。

十八、但这也产生一个隐患：美股越来越像"AI 指数"

现在 S&P 500 表面上有 500 家公司。

但指数收益越来越受到少数超大型科技公司影响。

这意味着：

S&P 500 的表面分散化正在下降。

投资者买 S&P 500：

看似买了美国经济，

实际上越来越多地暴露在：

AI + Mega-cap Technology

之中。

这不一定是坏事。

但必须意识到：

指数风险结构已经发生变化。

十九、最重要的问题：这是泡沫吗？

我的答案：

技术革命是真的，泡沫也完全可能是真的。

二者并不矛盾。

1999 年：

互联网是真的。

Amazon 也是真的。

Google 后来也是真的。

但：

Nasdaq 仍然跌了接近 80%。

原因是：

技术趋势正确 ≠ 股票价格永远正确。

二十、AI 与互联网泡沫最大的区别

2000 年大量互联网公司：

没收入；
没利润；
没现金流；
靠融资生存。

今天最大的 AI 投资者：

Microsoft；
Amazon；
Meta；
Alphabet；

本来就是全球现金流最强的公司。

而 NVIDIA、Broadcom：

已经获得巨大盈利。

因此当前 AI 周期比 1999 年健康得多。

但风险正在慢慢改变。

过去风险是：

公司没有利润。

未来风险可能变成：

AI 投资的 ROIC 不够高。

二十一、未来真正决定牛市能否继续的指标

未来两三年不要只看 GPU 出货量。

我会重点看五个指标。

1. Hyperscaler CapEx

如果：

CapEx继续增长
+
AI收入同步增长

牛市健康。

如果：

CapEx继续增长
+
AI收入开始停滞

危险。

2. AI Revenue / CapEx

这是未来非常关键的指标：

AI相关收入
────────
AI资本投入

如果这个比例持续改善：

AI 进入商业化阶段。

如果持续恶化：

AI 基建可能过剩。

3. GPU 利用率

真正危险的信号不是 GPU 太贵。

而是：

数据中心 GPU 使用率下降。

这意味着供给开始超过需求。

4. Token Economics

长期一定会发生：

Token价格 ↓↓↓

关键在于：

Token使用量 ↑↑↑↑

只要：

用量增长 > 单价下降，

整个 AI 产业收入仍然增长。

5. 企业生产率

真正的大牛市最终必须得到一个证明：

AI 是否提高企业利润率和劳动生产率？

这是 AI 革命最重要的终极指标。

二十二、这轮 AI 周期最可能经历的五个阶段

Stage 1：模型突破

2022—2024

关键词：

Scaling

最大受益者：

NVIDIA

Stage 2：AI Factory 建设

2024—2027

关键词：

CapEx

最大受益者：

NVIDIA
Broadcom
TSMC
AMD
Networking
HBM
Data Center
Power

我们现在主要处在这个阶段。

Stage 3：Agent 商业化

2026—2030

关键词：

Revenue

赢家可能转向：

Microsoft；
Google；
Amazon；
Meta；
Salesforce；
ServiceNow；
Adobe；
AI-native software。

Stage 4：生产率革命

2028—2035+

关键词：

Productivity

AI 开始大规模进入：

金融；
医疗；
法律；
制造；
物流；
科研；
机器人。

这可能才是最大的经济价值阶段。

Stage 5：泡沫出清

每一个技术革命最终都会出现。

因为资本一定会过度投资。

典型过程：

技术突破
 ↓
利润出现
 ↓
资本疯狂进入
 ↓
产能过剩
 ↓
价格下降
 ↓
弱者破产
 ↓
行业集中

铁路如此。

汽车如此。

电信如此。

互联网如此。

AI 也不会例外。

二十三、我认为最出色的 AI 公司分层

不是简单按照"股价上涨空间"排名，而按照：

护城河 + AI位置 + 现金流 + 长期确定性

进行分类。

第一梯队：核心基础设施

NVIDIA

定位：

AI Computing Platform

优势：

CUDA；
GPU；
NVLink；
Networking；
Rack Scale；
Developer Ecosystem。

最大风险：

ASIC + AMD + Hyperscaler 自研芯片。

Broadcom

定位：

Custom AI ASIC + Networking

优势：

定制芯片；
高速网络；
Hyperscaler 深度合作；
强现金流。

可能是未来几年：

AI 去通用 GPU 化的重要赢家。

TSMC

定位：

Advanced Semiconductor Foundry

优势：

先进制程；
先进封装；
几乎所有 AI 芯片公司共同供应商。

最大风险：

地缘政治。

二十四、第二梯队：AI 平台公司

Microsoft

最大的优势：

Enterprise Distribution。

未来 AI Agent 最容易商业化的平台之一。

Amazon

最大的优势：

AWS + AI Infrastructure + Custom Silicon。

更像：

AI 时代的基础设施收费站。

Alphabet

最大的优势：

Search + Gemini + TPU + YouTube + Cloud。

最大挑战：

自己颠覆自己。

二十五、第三梯队：挑战者与高弹性公司

AMD

如果 AI Compute 市场持续扩大：

AMD 不需要击败 NVIDIA。

只要市场份额从：

个位数

提高到：

10%–20%

盈利弹性就可能非常巨大。

Arista Networks

AI 数据中心越来越需要高速以太网。

因此：

Networking

可能是 AI 产业中最容易被低估的部分之一。

Micron

AI 服务器需要大量 HBM。

AI 使 DRAM 从传统周期行业出现新的结构性需求。

但 Memory 仍然具备较强周期性。

Vertiv / Eaton

随着 AI 数据中心功率密度不断增加：

Power + Cooling

会成为新的瓶颈。

这类公司可能是 AI 第二阶段的重要受益者。

二十六、真正需要警惕的公司

不是所有"AI 公司"都值得投资。

我最谨慎的类别是：

1. 没有护城河的 AI App

如果只是：

调用 OpenAI API + UI

很容易被复制。

2. 没有数据优势的软件公司

未来 Agent 可能直接替代大量 SaaS UI。

3. 高估值但没有现金流的公司

技术革命最危险的投资方式：

用正确的故事购买错误的价格。

二十七、未来 AI 最大的经济影响：软件开始吞噬白领劳动

Marc Andreessen 曾经提出：

Software is eating the world.

AI 时代可能变成：

AI is eating software, and software is eating labor.

过去：

Revenue ↑
需要
Headcount ↑

未来越来越可能：

Revenue ↑↑
Headcount →

这意味着：

企业经营杠杆可能显著提高。

二十八、AI 可能改变企业估值体系

传统公司：

收入增长
+
员工增长

AI-native 公司可能是：

收入增长
+
算力增长
-
员工增长

于是优秀公司的：

Revenue / Employee

可能出现巨大提升。

长期来看这可能提升：

Operating Margin；
ROIC；
FCF Margin。

二十九、AI 对美国经济最大的贡献可能不是机器人

很多人想象：

AI革命 = 人形机器人。

我认为短期最重要的影响其实是：

白领劳动生产率。

美国经济中服务业占比非常高。

如果 AI 可以让：

程序员；
律师；
会计；
分析师；
客服；
设计师；
营销人员；

效率提高 20%--50%，

对 GDP 的影响远远超过单纯卖机器人。

三十、这也是为什么美国比很多国家更可能首先受益

美国具备几个非常特殊的条件：

全球最强AI模型
+
全球最强芯片设计
+
全球最大云计算平台
+
全球最大软件产业
+
全球最深资本市场

因此：

AI 革命目前天然增强美国科技资产的竞争优势。

这也是近几年美股不断吸引全球资本的重要原因之一。

三十一、但宏观经济存在一个非常重要的矛盾

AI 会同时带来：

投资繁荣

Data Center
Chip
Power
Construction
Software

推动 GDP。

但长期又可能：

减少劳动需求

AI
 ↓
Automation
 ↓
White-collar employment pressure

因此未来美国可能出现一种非常特殊的经济状态：

GDP不错、企业利润不错、科技资本开支非常强，但部分白领就业并不好。

这与传统经济周期会非常不同。

三十二、AI 时代可能出现"K型经济"

AI 资本所有者：

GPU
Cloud
Software
Data
Capital

收入增长。

而部分重复性知识工作者：

Translation
Customer Service
Junior Coding
Basic Accounting
Basic Design
Basic Research

收入增长可能变慢。

因此 AI 会提升总生产率，

但不一定平均提高所有人的收入。

这是未来十年非常重要的政治经济学问题。

三十三、如果把这轮 AI 革命与 1995—2000 年互联网相比

互联网	AI
Cisco	NVIDIA
Sun Microsystems	AI Server
光纤	AI Networking
IDC	AI Data Center
Yahoo	AI Apps
Amazon	AI Native Companies
Google	Agent Platform

但历史不会完全复制。

真正值得学习的是：

基础设施往往最先赚钱。

然后：

应用层才出现真正的大赢家。

三十四、最大的投资陷阱

投资者最容易犯的错误是：

看到：

AI一定改变世界

然后推导：

所有AI股票一定上涨。

这是错误的。

铁路改变了世界。

但大量铁路公司破产。

互联网改变了世界。

但大量互联网股票归零。

汽车改变了世界。

但美国历史上曾出现上千家汽车公司。

最终只剩少数赢家。

因此：

技术革命最终一定伴随着资本毁灭。

三十五、基金经理真正应该寻找什么

我不会问：

哪家公司 AI 最先进？

而会问五个问题：

1. 有没有定价权？

2. 有没有切换成本？

3. 有没有网络效应？

4. 有没有持续自由现金流？

5. AI 是增加 ROIC，还是吞噬 ROIC？

这五个问题远比：

"哪个公司发布了更大的模型"

重要。

三十六、我的 AI 投资金字塔

             AI Applications
          ───────────────────
              Cloud Platform
        ───────────────────────
        Compute / Networking
      ───────────────────────────
     Semiconductor Manufacturing
   ───────────────────────────────
       Power / Infrastructure

越往下：

收入确定性越高。

越往上：

潜在回报越高，但淘汰率也越高。

三十七、如果按巴菲特/芒格式思维理解 AI

最值得投资的并不一定是：

技术最炫酷的公司。

而是：

技术革命发生以后，能够长期收取"过路费"的公司。

我会把这类公司称为：

AI Toll Roads。

典型候选：

TSMC
NVIDIA
Broadcom
Microsoft
Amazon
Alphabet

它们共同的特点：

不需要准确预测最终哪个 AI App 获胜。

三十八、未来三年我的核心观察框架

Bull Case

如果：

AI Revenue ↑↑
Token Usage ↑↑
Cloud Growth ↑
Corporate Productivity ↑
CapEx / Revenue 稳定

则 AI 牛市可能继续。

Base Case

AI继续快速增长
但估值下降
盈利追赶股价

这可能是最健康的市场状态。

Bear Case

最危险组合：

CapEx ↑↑
AI Revenue ↓
GPU Utilization ↓
Cloud Growth ↓
Depreciation ↑
Free Cash Flow ↓

一旦出现：

Hyperscaler 集体削减 CapEx，

AI 半导体可能进入猛烈库存周期。

三十九、我认为最大的风险时间点

真正值得警惕的不是现在 GPU 卖得很好。

而是未来某一天：

GPU交付周期缩短
+
云GPU价格下降
+
Hyperscaler CapEx增速下降
+
NVIDIA库存上升
+
HBM价格转弱

如果这些信号同时出现：

AI 基础设施周期很可能已经见顶。

四十、最终判断

我认为人工智能革命是：

本世纪目前为止最重要的生产力革命。

它的影响很可能超过：

移动互联网；
云计算；
智能手机。

因为它改变的不只是信息分发。

而是：

知识劳动本身的生产方式。

但从投资角度：

2023—2026

市场主要奖励：

AI Infrastructure。

2026—2030

市场会越来越追问：

谁真正赚到了 AI 的钱？

到那时：

资本开支、折旧、自由现金流、ROIC 和 Agent 商业化，

会比：

GPU 出货量

更加重要。

四十一、我最关注的长期公司

如果忽略短期估值，只讨论企业质量和产业位置：

核心观察

Microsoft
NVIDIA
Broadcom
Alphabet
Amazon
TSMC

高弹性

AMD
Arista Networks
Micron
Vertiv / Eaton

最大不确定性、同时可能产生巨大赢家

AI-native Application Companies

真正的下一家 Google、Meta 或 Salesforce，

很可能还没有完全显现。

四十二、最后一句话

理解这轮 AI 革命最重要的一句话不是：

"人工智能会不会改变世界？"

这个问题实际上已经越来越清楚。

真正的投资问题是：

当所有人都知道 AI 会改变世界以后，谁还能以足够高的资本回报率，把这场革命转化为持续十年以上的自由现金流？

这才是未来十年的核心投资命题。

四十三、补充：SpaceX——从航天公司走向"轨道基础设施 + 通信 + AI 计算平台"

2026 年的重要变化：SpaceX 已不再只是一级市场里的明星资产。2026 年 6 月，SpaceX 以 SPCX 为代码登陆纳斯达克。

这意味着研究 AI 资本周期时，SpaceX 已经不能再被排除在公开市场科技资产框架之外。

1. 为什么 SpaceX 应进入 AI 投资框架

传统理解中的 SpaceX 是：

火箭发射公司；
Starlink 卫星互联网；
Starship 重型运载系统；
NASA / 国防与商业航天承包商。

但从更长期的资本配置视角看，它正在形成四层基础设施：

Starship：低成本进入太空
        ↓
Starlink：全球通信网络
        ↓
地面 / 轨道计算基础设施
        ↓
AI 模型、Agent 与机器网络

如果这一体系成立，SpaceX 的价值就不应只用"航天制造企业"来理解，而更接近：

全球通信收费站 + 太空运输收费站 + 潜在计算基础设施平台。

2026 年 6 月 IPO 共发行约 6.389 亿股 A 类普通股，发行价 135 美元，融资约 857 亿美元，是当年全球资本市场最重要的科技融资事件之一。

2. Starlink 是 SpaceX 当前最容易理解的商业护城河

Starlink 的核心并不是"卫星很多"，而是一个完整系统：

可重复使用火箭降低发射成本；
自有卫星制造；
自有发射能力；
全球低轨卫星星座；
用户终端；
网络运营；
全球频谱和监管能力。

竞争者即使拥有卫星技术，也很难复制 SpaceX 的"制造——发射——卫星——终端——网络"垂直整合。

从投资角度看，这种结构非常接近巴菲特所喜欢的"收费站"：

用户只要持续使用网络，就持续产生现金流。

3. SpaceX 与 AI 的真正交点

AI 的长期瓶颈并不只有 GPU，还包括：

电力；
数据中心；
网络；
全球低延迟连接；
数据传输；
计算节点之间的互联。

如果未来 AI Agent、机器人、自动驾驶设备和边缘计算节点达到数十亿级，全球连接本身就会成为 AI 基础设施的一部分。

因此 SpaceX 最值得研究的长期期权不是"Grok 能不能超过某个模型"，而是：

SpaceX 能否把全球通信、发射能力和计算基础设施结合起来，成为 AI 时代新的基础设施层。

4. 投资风险

SpaceX 同样具有非常明显的风险：

资本开支极大；
Starship 技术路线仍具有工程风险；
AI 数据中心投资可能出现过剩；
当前市场可能提前计入极其乐观的长期增长；
创始人治理与关键人物风险显著；
航天、通信、国防业务受到高度监管；
即使企业最终非常伟大，股票仍可能因为估值过高而产生长期低回报。

因此 SpaceX 是这份框架中最典型的：

"伟大公司 ≠ 任何价格都是伟大投资"

案例。

四十四、中国 AI：不能只用"美国 AI 的追随者"来理解

如果只研究 NVIDIA、Microsoft、Amazon、Alphabet、Meta，而忽略中国 AI，整个 AI 革命的地图是不完整的。

中美正在形成两套不同但相互竞争的 AI 技术体系：

维度	美国体系	中国体系
算力优势	NVIDIA + Hyperscaler	国产算力 + 受限 NVIDIA + 高效率工程
云	AWS / Azure / Google Cloud	阿里云 / 腾讯云 / 华为云 / 火山引擎
基础模型	OpenAI / Anthropic / Gemini / Grok	DeepSeek / Qwen / Kimi / GLM / MiniMax / Doubao / Hunyuan
芯片	NVIDIA / AMD / Broadcom	华为昇腾 / 阿里平头哥等
应用入口	Office / Search / Meta / iOS / Android	微信 / 淘宝 / 支付宝 / 抖音 / 企业服务
主要约束	电力、资本回报、估值	高端芯片、出口管制、资本与商业化
潜在优势	前沿算力与资本市场	工程效率、成本、庞大应用场景

中国 AI 最值得关注的一点不是"能不能在每一个 benchmark 上击败美国"。

而是：

在算力约束条件下，中国企业被迫把模型效率、推理成本、工程优化和国产芯片适配做到极致。

这可能形成一条与美国"堆算力"不同的技术进化路线。

四十五、中国第一梯队：阿里巴巴——最完整的"模型 + 云 + 芯片 + 应用"上市平台之一

阿里巴巴值得单独进入核心观察名单。

其 AI 体系已经不只是 Qwen 模型，而是：

平头哥芯片
    ↓
阿里云
    ↓
Qwen 基础模型
    ↓
企业 Agent / Coding / 多模态
    ↓
淘宝、天猫、支付宝等商业场景

截至 2026 年 6 月季度，阿里云外部收入同比增长约 45%，AI 相关产品收入连续第 12 个季度保持三位数增长。

这意味着阿里的 AI 已经开始从：

"研发故事"

进入：

"云收入增长 + AI 商业化"

阶段。

阿里的投资价值

最大的价值不是单独拥有一个好模型，而是完整技术栈：

Chip → Cloud → Model → Agent → Commerce

如果中国最终出现类似 Microsoft / Google 的全栈 AI 平台，阿里是最有资格竞争的位置之一。

最大风险

AI 资本开支非常大；
中国云市场价格竞争激烈；
电商主业成熟；
管理层资本配置历史需要持续观察；
模型价格下降可能出现"使用量暴增、收入增长却跟不上"的情况。

所以阿里未来真正应该盯：

AI Cloud Revenue / AI CapEx / Free Cash Flow

而不是单纯看 Qwen benchmark。

四十六、DeepSeek——中国 AI 革命最重要的"效率变量"

DeepSeek 的意义可能比它最终是不是最大 AI 公司更重要。

它向整个产业证明了一件事情：

模型能力提升不一定只能依靠无限增加资本开支。

DeepSeek 的核心投资意义来自：

MoE；
推理效率；
长上下文；
Agent；
Coding；
开源；
API 低成本；
对国产算力与不同硬件环境的适应。

2026 年 DeepSeek 已进入 V4 系列，重点进一步转向百万级上下文、Agent 和生产环境能力。

DeepSeek 对全球 AI 产业最大的潜在冲击是：

模型能力 ↑
+
推理成本 ↓
        ↓
Token 单价 ↓
        ↓
AI 普及速度 ↑

但这同时也是 NVIDIA、云厂商和所有模型公司的双刃剑。

如果同样的任务未来只需要今天 1/10 的算力：

AI 使用量可能增长十倍，但单位计算价值也可能大幅下降。

这就是 AI 时代的"杰文斯悖论"与价格战同时发生。

DeepSeek 目前更适合作为：

技术路线与成本曲线观察标的

而不是简单用传统互联网公司的估值方法理解。

四十七、智谱（Z.ai / GLM）——中国基础模型"企业级路线"的代表

智谱源于清华技术体系，是中国最早一批持续投入通用大模型的企业之一。

其技术主线包括：

GLM 系列基础模型；
Coding；
多模态；
Agent；
API；
企业私有化部署。

2026 年智谱已经进入公开资本市场，因此它开始具备一个非常重要的研究价值：

市场第一次能够比较直接地观察一家中国纯基础模型公司的收入、研发费用、亏损和估值。

智谱的长期价值取决于它能否从：

"卖模型 API"

升级为：

企业 AI 操作层 / Agent 平台。

如果模型最终高度商品化，只卖 Token 的企业很难获得非常高的长期 ROIC。

真正的护城河必须逐渐转向：

企业数据；
工作流；
Agent；
私有部署；
行业解决方案；
开发者生态。

因此研究智谱，最重要的不是 GLM 在某一次榜单排名第几，而是：

模型能力能否转换成稳定、高毛利、可持续的企业收入。

四十八、月之暗面（Moonshot AI / Kimi）——中国最值得观察的前沿模型创业公司之一

月之暗面的核心产品是 Kimi。

它早期通过长上下文建立用户认知，之后逐渐转向：

Coding；
Agent；
推理；
开源模型；
全球开发者市场。

2026 年其融资与估值快速上升，7 月一轮融资规模约 35 亿美元，市场报道投后估值约 350 亿美元，并存在进一步 Pre-IPO 融资和香港上市预期。

为什么值得高度关注

Moonshot 与传统互联网巨头不同。

它没有：

淘宝；
微信；
抖音；
云计算存量客户。

因此它必须真正回答：

一家纯模型公司怎样建立商业护城河？

如果 Kimi 最终能形成：

优秀模型
+
开发者
+
Agent
+
Coding
+
消费者入口
+
API

那么它可能成长为中国真正意义上的 AI-native 平台。

但如果模型能力逐渐商品化，它也会面临非常残酷的问题：

用户为什么不直接切换到 DeepSeek、Qwen、GLM 或下一代更便宜模型？

所以 Moonshot 是一个：

技术上高潜力、商业模式仍需证明

的典型标的。

四十九、MiniMax——中国 AI 全球化最值得观察的实验之一

MiniMax 与很多中国 AI 公司不同的一点是：

它从较早阶段就强调全球消费者市场。

其模型覆盖：

文本；
语音；
视频；
多模态；
Agent。

产品包括 MiniMax、海螺 AI、Talkie 等。

MiniMax 已于 2026 年初登陆香港市场。2026 年上半年收入约 1.166 亿美元，同比增长约 283%。

这使它成为研究中国 AI 商业化非常有价值的样本：

中国模型能力能不能直接形成全球美元收入？

如果答案是肯定的，那么中国 AI 公司未来并不一定只能依赖中国市场。

其商业模式可能变成：

中国工程师
+
中国算力效率
+
全球模型服务
+
全球消费者
        ↓
美元收入

这和中国制造业过去四十年的全球化路径有某种相似性，只不过出口的不再是商品，而是：

Token、模型和数字智能。

五十、字节跳动——可能被市场低估的"AI 超级应用入口"

如果只看模型 benchmark，很容易低估字节跳动。

字节真正可怕的是它拥有：

Douyin；
TikTok；
CapCut；
巨量广告体系；
推荐算法；
全球内容生态；
豆包；
Seed 系列模型；
图像与视频生成能力。

AI 最终如果从聊天框进入：

视频、广告、电商、内容生产和推荐，

字节可能拥有中国公司里最强的商业化入口之一。

尤其生成式视频的成本持续下降以后：

商品
↓
AI 图片
↓
AI 视频
↓
AI 广告
↓
算法自动测试
↓
自动投放

广告行业可能逐渐从"人工创意产业"变成：

算法驱动的大规模内容生成系统。

字节目前仍非公开市场常规可投资标的，但从产业研究角度必须列入中国 AI 核心观察名单。

五十一、腾讯——AI 价值可能隐藏在微信生态里

腾讯与纯模型公司的逻辑不同。

腾讯真正拥有的是：

微信这一超级分发入口。

如果未来 AI Agent 深度进入：

微信；
企业微信；
腾讯会议；
游戏；
广告；
支付；
小程序；

那么腾讯不一定需要拥有全球排名第一的基础模型。

它只需要拥有：

足够优秀的模型 + 中国最强用户关系网络之一。

这是典型的"Distribution > Model"的投资逻辑。

因此腾讯 AI 投资价值应该重点观察：

AI 能否提高广告 ARPU、游戏生产效率、企业服务收入以及微信生态商业效率。

五十二、华为——中国 AI 的"国产算力基础设施"核心变量

研究中国 AI 如果忽略华为，就等于研究美国 AI 时忽略 NVIDIA。

华为的战略价值主要来自：

Ascend 昇腾；
Kunpeng 鲲鹏；
SuperPoD；
华为云；
Pangu 盘古；
网络设备；
数据中心；
电力与能源基础设施能力。

美国出口限制客观上迫使中国建立独立 AI 计算栈。

因此华为真正承担的角色不是简单"做一个国产 GPU"。

而是试图建立：

芯片
+
互联
+
服务器
+
集群
+
软件栈
+
云
+
模型

这实际上是在挑战 NVIDIA + CUDA + DGX / rack-scale 体系。

最大的限制仍然是：

先进制程、HBM、生态和单位能耗效率。

但如果中国未来形成完整国产 AI 基础设施，华为几乎必然是其中最核心的企业之一。

华为目前不是公开市场股票，因此更多属于：

产业链方向指标，而不是直接投资标的。

五十三、中国 AI 公司投资地图

层级	公司	核心资产	投资属性
国产算力	华为	Ascend / SuperPoD	非上市，产业核心
全栈平台	阿里巴巴	Qwen + Cloud + Chip + Commerce	上市，核心观察
超级入口	腾讯	微信 + Hunyuan + Cloud	上市，分发优势
超级入口	字节跳动	Doubao + TikTok/Douyin + Seed	非上市
纯模型	DeepSeek	高效率模型 / Agent / Coding	高潜力，未上市
纯模型	智谱 Z.ai	GLM / 企业 Agent	香港上市
纯模型	Moonshot AI	Kimi / Coding / Agent	未上市 / IPO 预期
纯模型	MiniMax	多模态 / 全球化应用	香港上市
视频 AI	快手	Kling 可灵 + 内容生态	香港上市
搜索 / 云	百度	ERNIE + Search + Cloud	上市，需观察商业转化

五十四、中美 AI 投资最重要的区别

美国目前最大的优势是：

资本 + 最先进 GPU + 云 + 全球软件生态。

中国最大的潜在优势是：

工程效率 + 成本控制 + 应用场景 + 制造能力 + 超大规模互联网用户。

因此两国 AI 产业可能形成不同路线。

美国

更大的模型
↓
更多 GPU
↓
更大的数据中心
↓
更强模型

更接近：

Capital-intensive AI

中国

算力约束
↓
算法优化
↓
模型压缩
↓
国产硬件适配
↓
低成本推理

更接近：

Efficiency-driven AI

最终谁赢，不一定是二选一。

更可能出现：

美国不断推动智能能力上限，中国不断压低智能能力价格。

如果这种格局形成，对全球经济最大的结果将是：

智能本身快速商品化。

这反过来再次强化本报告最重要的投资原则：

不要只投资"智能"，要投资控制智能流动的收费站。

五十五、更新后的 AI 投资观察池

A 级：基础设施收费站

NVIDIA
Broadcom
TSMC
SpaceX
Arista Networks
Micron
Vertiv / Eaton

B 级：拥有强大现金流和分发能力的 AI 平台

Microsoft
Alphabet
Amazon
Meta
Alibaba
Tencent

C 级：高增长、高不确定性的模型公司

Anthropic
OpenAI
DeepSeek
Z.ai / 智谱
Moonshot AI / 月之暗面
MiniMax

D 级：拥有巨大 AI 期权但目前难以直接投资

ByteDance
Huawei

这里尤其需要注意：

技术排名不能直接转化成投资排名。

一家模型能力全球前三的企业，如果：

Token 价格持续下降；
用户切换成本很低；
每年需要巨额训练资本；
没有分发入口；
没有稳定自由现金流；

最终投资回报完全可能低于一家"技术没那么性感"的网络交换机、电力设备或晶圆代工企业。

这正是巴菲特/芒格式框架与纯科技迷思维最大的区别。

五十六、更新后的最终结论：AI 革命已经从"美国科技股故事"升级为全球资本周期

加入 SpaceX 和中国 AI 企业以后，整个框架更加完整。

第一阶段的 AI 革命由美国定义能力上限：

OpenAI / Anthropic / NVIDIA / hyperscaler。

第二阶段越来越可能同时出现两股力量：

美国继续扩大智能上限，中国快速降低智能成本。

与此同时，SpaceX 把 AI 基础设施的边界从：

数据中心

继续向：

全球卫星网络甚至未来轨道计算

扩张。

因此真正值得长期研究的已经不是：

"ChatGPT、Kimi、DeepSeek 谁最好？"

而是四个更深的问题：

谁控制算力？
谁控制网络与能源？
谁控制用户入口？
谁最终能够把 AI 转换成长期自由现金流？

未来模型排行榜会不断变化。

但真正能够形成十年以上复利的公司，大概率仍然掌握某种：

不可轻易替代的基础设施、生态、分发入口或网络效应。

这也是更新后整篇报告最重要的一句话：

AI 革命真正值得投资的，不一定是最聪明的模型，而是那些无论最终哪个模型获胜，都能持续收取"过路费"的公司。

附录：2026 年关键数据观察

指标	最新公开信息
NVIDIA Q2 FY2027 Revenue	$96.2B，+106% YoY
NVIDIA Data Center	$89.0B，+117% YoY
NVIDIA Gross Margin	约 75%
Broadcom Q2 FY2026 AI Semiconductor Revenue	$10.8B，+143% YoY
Broadcom Q3 AI Revenue Guidance	约 $16B，>200% YoY
AMD Q2 2026 Revenue	$11.5B，+50% YoY
AMD Data Center Revenue	$6.7B，+107% YoY
Microsoft FY26 Q4 Revenue	$90.0B，+18% YoY
Microsoft 2026 Calendar-year CapEx Expectation	约 $190B
Meta Q2 2026 Revenue	$60.8B，+28% YoY
Meta 2026 CapEx Guidance	$130—145B
Amazon AWS Q2 2026 Revenue	$42.2B，+37% YoY
AWS annualized revenue run rate	约 $169B
Amazon trailing-12-month FCF	-$7.6B，主要受 AI 资本开支拖累
U.S. private IP fixed investment, Q2 2026	+8.8% annualized QoQ

主要资料来源

NVIDIA Investor Relations --- NVIDIA Announces Financial Results for Second Quarter Fiscal 2027, 2026-08-26.
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Second-Quarter-Fiscal-2027/default.aspx
Broadcom Investor Relations --- Broadcom Announces Second Quarter Fiscal Year 2026 Financial Results, 2026-06-03.
https://investors.broadcom.com/news-releases/news-release-details/broadcom-inc-announces-second-quarter-fiscal-year-2026-financial
AMD Investor Relations --- AMD Reports Second Quarter 2026 Financial Results, 2026-08-04.
https://ir.amd.com/news-events/press-releases/detail/1295/amd-reports-second-quarter-2026-financial-results
Microsoft Investor Relations --- FY2026 Q3 Earnings Conference Call / CapEx outlook.
https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3
Microsoft Investor Relations --- FY2026 Q4 Earnings Release, 2026-07-29.
https://www.microsoft.com/en-us/investor/earnings/fy-2026-q4/press-release-webcast
Meta Investor Relations --- Meta Reports Second Quarter 2026 Results, 2026-07-29.
https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-Second-Quarter-2026-Results/default.aspx
Amazon Investor Relations --- Amazon.com Announces Second Quarter Results, 2026-07-30.
https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon-com-Announces-Second-Quarter-Results/default.aspx
U.S. Bureau of Economic Analysis --- GDP (Advance Estimate), 2nd Quarter 2026.
https://www.bea.gov/news/2026/gdp-advance-estimate-2nd-quarter-2026
U.S. Bureau of Economic Analysis --- Intellectual Property, updated 2026-08-26.
https://www.bea.gov/data/special-topics/intellectual-property

免责声明：本文属于产业研究与投资框架讨论，不构成任何证券买卖建议。优秀公司并不等于任何价格都值得购买；长期投资收益同时取决于企业质量、盈利增长与买入估值。