AI智能體落地周期下，算力基礎(chǔ)設(shè)施與模型應(yīng)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(chǔ)設(shè)施與模型應(yīng)用的投資邏輯主要圍繞供需失衡、技術(shù)迭代及國產(chǎn)替代展開。 在算力基礎(chǔ)設(shè)施方面，供需剪刀差支撐量價齊升。國內(nèi)高端算力供給受海外芯片管制持續(xù)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(yè)議價能力走強，且商業(yè)模式有望從固定租金轉(zhuǎn)向Token分成，打開盈利彈性。液冷技術(shù)因單機柜功耗走高及PUE政策約束，成為高功率智算中心標(biāo)配，滲透率提升利好相關(guān)廠商。智能體并發(fā)任務(wù)大幅提升CPU調(diào)度需求，CPU需求有望收斂甚至超過GPU。此外，國產(chǎn)AI加速卡份額持續(xù)提升，超節(jié)點架構(gòu)通過芯片級高速互連打破通信瓶頸，成為國產(chǎn)算力縮小代差的核心路徑。 在模型與應(yīng)用方面，多模態(tài)、編程、物理AI依次兌現(xiàn)價值。國產(chǎn)編程、視頻生成模型逐步邁向全球第一梯隊，憑借成本優(yōu)勢與合規(guī)優(yōu)勢，在政企市場快速替代海外產(chǎn)品。應(yīng)用層面，AI編程商業(yè)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(shù)據(jù)瓶頸。通用軟件端及行業(yè)數(shù)字化領(lǐng)域，AI Agent在工業(yè)、金融、醫(yī)療等場景的降本增效邏輯清晰，垂直行業(yè)解決方案訂單逐步釋放。