武超则直击AI分歧：产业没泡沫，是市场用线性思维给技术革命定价

AI产业加速发展，资本市场对这场技术革命的定价分歧也在加大。

中信建投证券执委会委员、中信建投国际董事长武超则近日接受证券时报·券商中国记者专访时表示，AI产业本身发展完全符合预期，甚至在某些方面超出预期，并不存在“泡沫”；但资本市场习惯用线性外推给非线性技术革命定价，这种错配会带来“低于预期”的体感。

在她看来，AI应用正从1.0向4.0演进，中国AI产业链面临难得窗口期。她还详细拆解了AI应用从1.0到4.0的演进路径，以及中国AI产业链在中美竞争中的位置。

AI产业没有泡沫，但资本市场在用线性思维给非线性革命定价

券商中国记者：上半年科技“一枝独秀”，下半年市场对AI发展出现了分歧，您怎么看近期的调整？

武超则：我认为需要从两个层面看。产业层面，AI发展完全符合预期，甚至某些节点是超预期的，并不存在“泡沫”。但在资产定价层面，市场此前已对产业的巨大变化进行了较充分定价，可能除龙头公司外，整体市场交易相当拥挤。

这与十年前的移动互联网时代略有不同。那时可以说是“百花齐放”，从基础软件到应用，产业链非常长，可投资的环节不仅多，产业变化也相对慢。相比之下，当下AI是在较短时间内进行了集中交易，就可能带来定价上的局部泡沫。

简单总结，产业技术革命是非线性的、螺旋式的，可能在某个拐点忽然出现大的跃升。但资本市场定价往往是线性外推的，一旦实际进展不是线性增长，就一定会产生阶段性错配，带来“低于预期”的体感。

券商中国记者：您提出不同产业阶段要用不同的估值方法，套用这个框架，当前中国AI产业链的不同环节，哪些被高估了，哪些还在合理区间？

武超则：如果简单将AI产业链分为算力、模型、应用三层，现在可能是一个“倒金字塔”结构：算力分掉了最大的价值量，然后是模型，最后是应用。

中美大模型公司约有四五十家，其中有一定收入体量的各自至少有10家。这背后是巨大的资本开支，算力环节可能分掉了70%—80%的利润。

其实，算力内部也在博弈。英伟达做计算环节，分掉整个产业约一半价值量。因为周期向上、产能受限，三星、海力士这些存储公司加总一年可能有数千亿美元利润体量。通信环节中，光通信、PCB等又分掉了一部分利润。

但是，如果未来人工智能产业走得更长远，形成良性循环，应用端肯定会做大。一个良性的产业应该是一个“正金字塔”：应用是最大的底座，容纳百花齐放的公司，最终反哺到普通人的生活，提高传统行业的生产效率，这样才能支持整个产业有更大的收入回补。未来，算力环节的行业集中度应相对较高，模型环节也会向少数厂商集中。

大模型仍是AI产业的核心发展引擎，对智能化的追求永无止境

券商中国记者：您提出“大模型本身就是最重要的应用”，这个判断对投资意味着什么？应用端的投资逻辑和算力端有什么本质区别？

武超则：怎么理解应用？最简单的，大家想到的是用大模型带来什么样的商业模式。现在相对清晰的应用形态，是对可靠性要求不高、同时相对简单的场景，比如移动营销、广告图片生成。这些过去需要依赖人工的内容已经大量改用AI做，而且做错了还可以不断推倒重试。

应用再往下走，近两年应用较多的是场景相对复杂、但可靠性要求依然不高的方向。比如生成短剧，它对Token的算力消耗比较大，但这不是一个严肃场景。

再往3.0阶段走，则是场景相对简单，但对可靠性要求较高，如金融行业的行研、投行、交易等工作。这种应用场景最大的挑战是数据质量，要在强大基础模型之上，匹配高质量的行业数据。4.0阶段则是既要高可靠，同时场景较为复杂，比如无人驾驶、机器人、AI for Science，未来市场空间非常大。

目前，应用主要集中在1.0阶段，即简单场景、低可靠性要求的工作，其他都还在慢慢渗透。至于未来到底是做模型的公司做应用，还是全新的公司做应用，现在下结论为时尚早，因为模型还没有定型，技术路径变化很快。但可以判断的是，模型本身仍是整个产业的核心引擎，尤其在高可靠性要求场景中，模型能力强弱会被放大，对智能化程度的追求目前看永无止境。未来全球模型竞争中，谁能够在新一代模型中对齐竞争对手的能力，甚至能够引领，这会是一个非常重要的指标。

券商中国记者：资本市场对具身智能非常关注，这个产业现在到了什么阶段？达到理想状态还需要多久？

武超则：具身智能就属于场景复杂且对可靠性要求很高的4.0阶段。未来机器人在工厂干活或者在家看护老人小孩，肯定不能失控。不过，当前具身智能的问题之一是世界模型缺失。

AI现在能解决的很多问题，都属于在虚拟世界或数字世界里已有数据的问题，但具身智能是实时跟真实世界发生交互的。从大脑发达到真正实现“知行合一”，这一步到今天还没有跨得很好，原因就是“最后一公里”需要一个完整的世界模型。

当机器人与物理世界交互时，需要处理大量元素，包括定位元素、三维空间元素等，更大的难点在于数据质量，是否有大量底层物理世界数据。具身智能需要持续的学习和建模过程，而模型背后需要大量数据，数据背后又是时间。虽然AI学习速度会比人成长快，但很难一跃千里。不过，具身智能潜在市场非常大。现在讨论的各种AI应用，其实大多是在替代存量；但如果发展到了具身智能环节，任何一个细分赛道都很有想象力。

中国的AI产业链当下面临非常好的窗口期，当前在细分环节有优势

券商中国记者：中国AI产业链不同环节，当下在全球范围内处于什么阶段？哪些环节已经能和巨头掰手腕，哪些还在追赶？

武超则：中国的AI产业链当下面临非常好的窗口期，可以说天时地利人和。一方面是各行各业对AI有巨大需求；另一方面，我们在AI计算芯片、半导体代工、先进制程设备和材料等环节已有布局，模型端也有大量中国模型，产业链产品较为齐备。当下AI技术又正处于全球同频变革期，这些条件同时具备，中国科技产业是有好机会的。

横向对比，美国在算力和模型上较强，应用也不差，最为成熟的商业模式也是从美国开始，但中国在细分环节有优势。以算力环节为例，在计算、存储和通信中，我们在后两个环节具备优势。计算环节虽然仍存在较多问题，但设计方面已有突破，问题更多集中在产能、制造，制造又涉及设备、原材料等，需要时间慢慢传导。

模型环节与此类似，我们的硬件面临制约，没法在追求极致性能上占优，但在性价比、工程化能力上有很多突破。模型如果不能普惠，应用就很难发展起来。而中国在偏C端的互联网消费市场已具备较大的存量市场，包括电商、社交、移动支付等规模可能高于海外。理论上，这些场景都可以用AI重新做一遍，未来这方面活跃的公司可能会更多一些。

整体看，中美的AI产业链竞争，过去聚焦算力本身，但未来可能需要从整个产业链角度动态观察。

券商中国记者：刚才强调了国产替代，那AI全球化这条线索如何把握？

武超则：以前，大家觉得国产化和全球化这两件事是矛盾或者“跷跷板”，但未来优秀的公司是既有自主可控的技术，又能面向全球市场。现在，我们看到有些公司是同时在推进这两件事的。

我们不太可能靠一个封闭市场养出一个具有全球技术竞争力的公司。大模型公司也一样，部分公司可能有超过一半收入来自海外。所以未来，全球化、出海和国产化要串联起来看。

普通投资者参与AI投资，要掌握三个原则

券商中国记者：对于普通投资者而言，面对当下这轮AI浪潮，最容易犯的错误是什么？有没有可以长期坚持的原则？

武超则：总的来讲，第一，不能把AI当成冲进来就能简单赚钱的事。科技行业是高风险、高波动、不确定性很高的领域，且还在快速发展，要有风险意识。

第二，要花精力和时间相对聚焦地做一些研究或产品体验。先使用，有真实感受，理解哪个东西是创造价值、相对成熟，且你愿意持续付费的；哪些又可能是噱头，买回来再也不会用。

第三，投资上尽量逆向。所有人都说好时大概率没机会，所有人都说不行时可能已反映在交易结果上。具体交易上，要有买点卖点意识，有一定涨幅时敢卖，有巨大回撤时仍有信心、敢买。如果做不到逆向，至少保持行为稳态，比如采用定投等原则。

责编：战术恒

排版：刘珺宇

校对：杨舒欣