AI智能體落地周期下，算力基礎設施與模型應用的核心投資邏輯是什么？

在AI智能體落地周期下，算力基礎設施與模型應用的投資邏輯主要圍繞供需失衡、技術迭代及國產替代展開。 在算力基礎設施方面，供需剪刀差支撐量價齊升。國內高端算力供給受海外芯片管制持續緊缺，需求增速顯著高于供給增速，擁有稀缺算力資源的企業議價能力走強，且商業模式有望從固定租金轉向Token分成，打開盈利彈性。液冷技術因單機柜功耗走高及PUE政策約束，成為高功率智算中心標配，滲透率提升利好相關廠商。智能體并發任務大幅提升CPU調度需求，CPU需求有望收斂甚至超過GPU。此外，國產AI加速卡份額持續提升，超節點架構通過芯片級高速互連打破通信瓶頸，成為國產算力縮小代差的核心路徑。 在模型與應用方面，多模態、編程、物理AI依次兌現價值。國產編程、視頻生成模型逐步邁向全球第一梯隊，憑借成本優勢與合規優勢，在政企市場快速替代海外產品。應用層面，AI編程商業化落地最快，物理AI作為中長期核心成長賽道，仿真平臺解決具身智能數據瓶頸。通用軟件端及行業數字化領域，AI Agent在工業、金融、醫療等場景的降本增效邏輯清晰，垂直行業解決方案訂單逐步釋放。