中信建投证券研究所所长、TMT行业首席分析师武超则，是市场内影响力最大的的TMT行业分析师之一。

她对泛科技、对TMT、对AI人工智能的预测和表述，受到了市场和机构的高度关注。日前，她在一场活动上。

她畅谈了对AI产业链的各个环节谈到了自己对于近期科技股的市场表现的看法，以及目前是否有泡沫，站在2025年、甚至更长周期上看好的方向。

核心观点：

1、DeepSeek的基础模型在成本非常低的同时，和全球顶尖的大模型在能力上还能对等，这对中国科技板块的投资信心有很大的提升或恢复。

2、但也要看到我们人工智能产业的落地不会一蹴而就。从资本开支到对应基础设施供应链再到公司业绩有反映是需要时间的，所以短期内有调整也是非常正常的。

3、 对基础模型的投入并没有降低，大模型的竞争会变得更加激烈，迭代的速度会更快。

4、人工智能产业的竞争比10年前移动互联网时代还要集中。当年全球除了中美之外，日本、韩国、欧洲的手机游戏行业还是非常发达的，现在后者几乎没有机会。

5、站在2025年的投资框架下来看，算力本身的确定性还是最高的。越往算力和模型层，越集中，可以容纳的公司越少。

6、 最终的应用场景从C端变化到更多的赋能生产的B端，包括汽车产业链、高端制造。如果B端能有大应用涌现，AI对GDP的拉动，产业的拉动，会远超过移动互联网时代的ToC的体量。

7、 一季报对业绩的体现还不会特别明显，中报，尤其是二季度效果会更好一些。因为不管是算力到投资的映射，到订单的交付，都至少需要半年的周期。大家关注的一些方向，比如说上游的存储、PCB等方向，映射可能会更早一些。

采用第一人称，部分内容有删节。

01 短期调整很正常

因为DeepSeek的出现，春节之后大家对人工智能，乃至整个TMT板块给予了非常大的关注。不管是港股恒生科技从年初到现在的表现，还是A股整个TMT科技板块的表现，整体大幅跑赢市场。

DeepSeek这样的大模型出现，带动了大家对整个科技板块的投资热情。当然，最近也存在一些波动。

我认为，还是要把股票投资和行业的基本面，分两层来看。

首先，从整个产业的基本进展来讲，DeepSeek的基础模型在成本非常低的同时，和全球顶尖的大模型，比如OpenAI的o1、o3模型，在能力上还能对等。确实对整体（市场），尤其是中国科技板块的，投资信心有很大的提升或恢复。

但是我们也要看到人工智能产业的落地不是一蹴而就的。尽管我们看到阿里、腾讯等大厂直接带动未来一段时间资本开支的增加。

比如阿里指引了未来三年的资本开支超过了过去10年的总和，对应到每年大概1000多亿的资本开支。但是从资本开支的指引，最终落地到对应的GPU、服务器，乃至于数据中心的基础设施的供应链，或者产业相关公司的业绩上，是需要时间的。这些支出不可能明天就体现在这些公司的业绩上，所以短期内有调整也是非常正常的。

第一波肯定是大家信心的恢复，以及在概念模型、包括整体产业的投资和基建投入的恢复上。首先大家会看到拔估值的动作。春节前，数据中心，包括对应的中国互联网大厂阿里、腾讯等，他们的估值基本处在历史的50%分位以下。

但是估值修复到一定程度之后，大家又会期待EPS或业绩上会不会出现映射和持续的验证。这又要回到马上要到来的年报期，包括一季报相关的数据。

在这个阶段，基本面需要又一个跟进的过程，在这样一个真空期或者相对业绩验证的周期中，短期出现整个板块的调整，是非常正常的。

02 说泡沫为时尚早

任何一种对泡沫的判断，都要加上时间和空间的维度。我们到底是放在3个月的周期，还是3年的周期，甚至10年的周期中看泡沫？

我一直有一个观点：如果我们对比上一轮移动互联网的十年，准确来讲是从2010年左右3G的商用到2020年这十年间，我觉得2025年非常像2013年。

首先，不管是整个宏观经济，包括资本市场和大盘的表现，和2012、2013年都非常像，整体还是结构的变化。

比如，移动互联网第一个赚钱的应用手机游戏是在2013年才刚开始出现，到今天为止，手机游戏行业还是移动互联网最赚钱的一个方向。

此外，硬件基础设施方面，2013年以前，移动互联网还处在通信行业的基础设施投资上。映射到三大运营商投在3G网络建设上的资本开支在那几年一直在一个增长周期中。与之相对应的，底层做通讯设备的相关设备商、终端硬件的厂商，业绩都是不错的。

但是2013年往后，就会看到通信基础设施建得差不多了之后，移动互联网的应用产业周期开始来临，2013年是游戏，2014年是互联网的医疗、教育，2015年之后各种各样的OTO，包括电商、短视频都起来了。

在这个周期中，如果一定要讲所谓泡沫化，实际上2014-2016年才迎来应用爆发的周期，也才有可些泡沫。而且，这背后是一个大的技术变革周期。

在2014、2015年最夸张的时候，整个TMT行业的TTM动态估值，4个板块涉及到的通信、电子、计算机、传媒基本都在100多倍，计算机比较疯狂，高点在140倍左右的估值。

所以，简单的从今天回看，假设我们认为今天人工智能技术或产业变革的空间和量级与过去移动互联网是等同的，我相信大家不会说，人工智能整个产业的趋势是个泡沫。

我想，这轮变革至少和2013年移动互联网变革，是相同量级的，甚至是更重要的，只不过是从通信的红利，走到今天所谓的以计算为红利。过去我们主要盯运营商的资本开支、基建，现在我们盯互联网公司、CSP云厂商的资本开支。

今年中国CSP厂商，像阿里、腾讯、字节，加起来的资本开支可能在3000-4000亿人民币，和运营商投资的体量是相当的。但如果看美国的CSP厂商M7，今年的资本开支估计在3000-4000亿美金。

所以，在这点基础上复盘，如果产业的革命和创新的量级是相似的，现在比较像2013年。如果真的要讲泡沫，和传媒行业或计算机板块，100多倍的动态估值，还远远比不上。

现在去跟踪产业，我想应用是迟早的。大家每天打开和AI有关的应用，关注时长和活跃度，就像当时看游戏或电商C端应用的流量变化，也能够跟踪住应用的落地节奏。只要应用能够一步一步，比如每三个月都有爆款的东西出来，应用板块的估值就能维持住。

现在拥挤度确实高，但这不是一个稳态，整个行业还处在变革非常快的周期里。所以如果和2013年那一波对比，我觉得现在还很难称之为泡沫。

03 大模型是引擎

确实，短期对DeepSeek讨论非常多，有各种各样的文章解读，但站在行研的角度，我觉得还是要客观看待这件事情。

首先综合来看，人工智能产业（主导权）是在中美之间。这比10年前移动互联网时代（还要集中）。当年全球除了中美之外，日本、韩国、欧洲的手机游戏行业还是非常发达的。当时iPad上最有名的植物大战僵尸、愤怒的小鸟等等，都是欧洲游戏公司开发的。

DeepSeek做的大模型本身，又是创新中的核心。如果我们把大模型想象成一个引擎，或是核心的生产工具，其实它是这一波智能化创新中，最主要的工具。

我认为DeepSeek这次最主要的贡献，或者对恢复中国科技信心的贡献，有两个方面。

一方面，模型的能力上，DeepSeek和全球顶尖的模型，比如OpenAI的o1模型，Llama3等模型，有了能力上的对齐。这非常重要。

其实大模型从2022年底出现，过去两年里，中国的模型整体落后了大概6-12个月。DeepSeek的出现，至少把这个时间周期缩短到了半年以内，整体跟进的速度不会落得太远，不会像当年别人已经3G了，我们还2G。

基础工具的能力没有对齐，我们去讨论所谓移动互联网，其实空中楼阁。

第二，模型的应用性或者成本也非常重要。DeepSeek不仅在顶尖的模型能力上有所对齐，更重要的是降本。一是模型训练本身的成本，另一个是问答时，获得每一个token回复的成本，都有比较大的下降。

当然下降是建立在工程的创新上的。工程上的创新也是创新。同样的东西或者说同样的能力，能够把它复现出来也很重要。

在现在所谓的推理模型上，我们底层的算力受到了限制，但是我们用相对有限的资源（硬件的算力卡），用比较低的成本实现了复现。这是另一个比较重要的贡献。

春节前大模型还处在研发阶段，听说得多用得少，那么春节后，这种贡献直接引发大模型走入生产阶段。

能力的对齐和成本的下降，是DeepSeek非常重要的贡献。

04 离终局还很远

我觉得现在离格局清晰的终局还很远。

如果和最近的新能源车类比，四五年过去了，还是很难判断整车厂里谁会胜出。远一点看手机，从一开始几十家做手机的，到后面中国剩下“中华酷联”，再到后面的HOV，其实经历了一个漫长10年的周期，最后才留下了这三家。

我想大模型也是一样的，很难说现在的情况就是终局。短期一两个月内，很多模型都和DeepSeek的能力进行了对齐和吸收，因为它是个开源模型。

当然，我们看到了美国另外的做法，他们对基础模型的投入并没有降低，不会因为DeepSeek的出现，就减少基础的预训练的投入。

模型越大，效果越好的规则还是存在的，不管是美国的大厂还是中国的大厂，其实都在增加资本开支。大模型的竞争会变得更加激烈，迭代的速度会更快。这是一方面的影响。

另一方面，对于中小开发者，比如做应用或者做垂类的模型，确实可以更快地应用落地，在产业上开始降本增效，有真实财务上的回报，带来整个产业的良性竞争。

总结一下，从此刻来讲，因为DeepSeek出现就判断“东升西降”，肯定为时过早。但是，站在整个产业的角度，它缩小了我们和美国短期的差距。远期看，竞争依然非常激烈，还要取决于应用上模型本身能力迭代的速度上，以及底层的算力上。

当然我们也有长板，比如说数据，我们的人口基数、加上工业垂类的数字化场景足够多，数据质量比较高是我们的优势。如何把我们的短板、优势，和整个产业结合起来也是一个问题。

我觉得DeepSeek最重要的贡献，用一句话来讲，就是激活了整个AI产业的投资热情。根源上，底层资本的涌入也非常重要。整个模块中，不管是造卡还是造大模型，都非常烧钱。如果底层都不愿意投资这个板块，不管是做一级市场还是二级市场，都是最大的压力。但DeepSeek激活了这件事情，对产业本身来讲就是非常重要的。

05 算力的确定性最高

一般投资AI的框架就是三大块：上游的算法块，中游的模型、数据模块，还有应用的模块。对于普通投资者，分这么三块是比较简单易懂的。整体来讲，在2025年的框架下来看，算力本身的确定性还是最高的。

尽管DeepSeek出现后，各种讨论会说DeepSeek最后训练的成本只有600万美金左右，是不是算力成本就下降了，可能不会再去卷“大力出奇迹”的逻辑？是不是对底层的英伟达等企业，投资压力就会比较大？

我们对算力的需求分两大块，一大块是模型的训练，另一块就是应用，开始往比如AI医疗、AI金融、教育等方向上走。

春节之后，全球的演绎一方面对基础的训练模型的需求还是迅猛增加。如果我们把DeepSeek的创新理解为工程上的创新，它在推理模型上有了比较好的表现，但是基座模型仍然是推理模型能力来源的基础。

DeepSeek的R1模型也是在之前的R1-zero和V3模型的基础上，强化学习得到的。

所以，如果此刻不是终局，我们要继续引领大模型，整个产业的核心，不论是开源还是闭源，原有基础的基座模型，或者说预训练的板块，还是引领全球创新的一个根源。

当然，这之中存在边际效应变差的问题。比如gpt3是千亿数据集的规模，gpt4的数据集规模变成1.7-1.8万亿，最新可能已经到了10万亿的级别，甚至未来往百万亿上走。模型的规模增加一个量级，模型能力可能只增加10%或20%左右。但对大厂而言，即使性价比比较低，它们还是会继续做这件事情，这是我们的一个基本判断。

像马斯克推的grok3模型出来后，也有讨论说卡增加了一倍，但聪明程度只提升了10-20%。大厂还是会继续做，这决定了用于模型训练的基础的卡，不管是单卡还是集群的需求，都是不会下降的。

第二，对推理的需求肯定会大幅增加，这个判断也是没错的。相比于过去这两年中，大家主要在卷基础的大模型，主要是训练的卡，供给主要是英伟达。英伟达的生态，包括NVlink，决定了它在训练上是最好用的。但往后看，推理的需求肯定会大幅上升。

一方面是，推理模型的技术路线，像o1、DeepSeek的技术路线，效果更好，更受大家欢迎，会增加推理卡的需求。

另一方面，应用的兴起也一定会继续增加推理的需求。各种应用的场景越来越多，这部分增量的需求不是问题，但我们可能要判断供给会不会有变化。

以前只能使用英伟达的卡，接下来国产，包括海外大厂的定制芯片可能也能投入使用。类似的事情，在CPU时代已经发生过，到最后，供给一定会变得更加丰富。这是我认为，英伟达等企业短期内会有压力的原因。

整体而言，不管是用于训练的需求还是推理的需求，短期内因为技术的爆发，应用开始兴起，其实确定性最高的还是算力本身。

再回到投资算力上，我们日常理解的算力就是GPU，最核心的AI芯片。但是今年阿里、海外大厂M7的资本开支，三四千亿人民币或者三四千亿美金中差不多只有一半用于买GPU，剩下一半用来将GPU做成服务器。这里面就需要有存储、连接，光电转换过程中需要有光模块，甚至高速传输对底层PCB，覆铜板的要求也会变高。过去机房，我们叫做IDC，I是internet，需要有空调、制冷、液冷等配套。

所以，我认为算力本身是一个很大的板块，不是说只能买最贵的（GPU），这是投资比较集中的位置。如果认为购买这部分的压力比较大，其实整个算力板块中至少有几百家公司，这个过程中有很多好的投资机会。

国产的算力，也是我们今年比较看好的一个方向。如果我们往国产的上游看，对应到先进制程的代工厂，再往上游的半导体设备和材料，它们的确定性也是非常高的。算力上，越往上游越集中，但相对在选公司、选标的时，也比较好选。

总结一下，阿尔法，或者短期内不一定会有阿尔法，但是确定性最高的还是会在算力板块。因为它会真实地有业绩，能看到资本开支的增加，最后落地到订单和基本面上，只是一个时间问题。

06 “阿尔法”在国产算力

国产的算力是今年整个全球算力板块的阿尔法。

一个原因是中国的大厂今年才开始真正意义上有资本开支的起面说到的三四千亿人民币，再看阿里、字节、腾讯都占了多少。

今年还会有个非常有意思的事情：今年的中国互联网公司的开支和运营商的资本开支会第一次相当，这在历史上其实是很难想象的。

过去都是以三大运营商的资本开支为主导，在上一轮云计算，哪怕是2015、2016年最高峰的时候，运营商的资本开支至少也和互联网相比是4:1的概念，如果运营商4,000亿，互联网就是1000亿。而现在，两边都是三四千亿的水平。我认为中国现在的体量和两年前的美国很像，所以本身有一个时延。当然，我们要再去研究中国的互联网大厂供应链里面，主要都有哪些公司。

再展开一点，前两年大家对国产算力的担忧很多，比如美国的制裁到底到什么程度，是彻底全部制裁，还是说制裁某些阶段。这之中的某些部分会决定中国的整个生态，比如互联网大厂是不是愿意下单买国产算力，这之中需要大量的适配，和整个生态的衔接。

此刻来看，这种不确定性也会变得更加清晰。

最重要的，大家也关心国产的产能。如果国产没有办法大规模交付卡，那也是空中楼阁，我们不可能全部靠其他方式来去实现。整体看，经过过去几年的努力，国产的先进制程，相关的产能，从25年、26年往后，逐步会有比较好的释放。这也会真正意义上，从“从0到1”开始走向“从1到n”。真正能够释放出产能，也是非常重要的。

结合这三方面的原因，今年国产整体会更好一些。但是在国产的产业链中，又要分GPU、CPU、服务器，网络设备、光通信，IDC数据中心，甚至是PCB、存储等方面，是一个很大的模块。在这之中，有很多可以挖掘的方向。而且整个板块现在处在波动非常大的时候，只要能看清楚产业趋势，贵不是问题，它也会变得便宜。因为某些事件的影响，包括财报真空期的影响，有些标的波动很大。在这个过程中，关键还是怎么能把握住产业的底层趋势，并且找到好的交易机会。

07 应用空间主要关注两方面

算力之外的大板块，肯定还是应用。

移动互联网时代，我们有一个1:7的法则：底层每有1块钱的资本开支，在应用上至少有7块钱回报，GDP的带动。我们把当年三大运营商的资本开支计算总和，再对应到广义的互联网产值，可以得到这样的法则。产业最后能称之为一个产业，肯定是要闭环的。

去年，也有人做类似的测算，每投入1块钱基础的算力，产出可能只0.7元，这肯定没办法稳态的循环。

我相信，越往后，整个应用，广义的人工智能应用的大范畴上，肯定会是个金字塔结构。越往算力和模型层，越集中，可以容纳的公司越少；但是越往应用，容纳的公司会越多，场景也越多，产业也越大。这是一个基本逻辑。

但是站在投资角度，应用现在最难的是，很难判断终局。比如站在2013年，很多游戏公司一年涨了10倍，但从2015年回看，90%的公司是不成功的，最后只有10%的公司走了出来。站在2013年，你是没法判断谁能最后走出来的。在这个周期中，指数或者板块的投资是一个相对更优解，当然也有一些个股阶段性跑赢。在2015年以后，发现游戏板块最成功的是腾讯和网易，再去买港股，这也是一种策略。

所以，现在做应用最大的困难，就是没办法判断终局。比如最近比较火的，未来医疗，或者机器人、无人驾驶，我们都很难想清楚，谁在这个领域能够跑出来。这是投资上的一个难点。

但如果一定硬要做判读，我们团队比较看好几个应用方向。

第一，Agent智能体。大家在思考到底是AI广告，还是像美股一样，SaaS这些做ToB软件的公司，也有可能是拥有数据的公司，可能是方向。但是我觉得整体来看，这一波变化中，智能化的能力，本身就是一种应用。

比如，最近其实最高频打开的还是豆包，或者腾讯元宝，这些能力还是需要一个载体，这个载体不一定是全新的APP，可能还是原先的东西，知识在上面附着了智能化的能力，开始让使用者更高效地处理这些数据等等。

所以，在应用上，智能体是今年一个很重要的方向。现在看下来，硬件公司做智能体是很有希望的，比如苹果、小米，比如很多手机公司等等，手机天然就有数据的入口，可以天然地在里面整合各种APP。包括PC电脑也是一样。也就是说，硬件可能是很难绕开的板块，硬件公司里会有人做智能体做得不错。那么，退而求其次，不一定能买苹果，但是可以买苹果的产业链，至少可以带动整个产业的创新周期。从智能体方向延伸，AI终端里面的手机、PC，包括有人做眼镜，肯定是个方向。

当然，有一些大模型公司，因为资本开支，对卡的极高要求，在基础模型方面卷不下去了，他们也会转向智能体的开发。最近，一些做大模型还不错的创业公司，也开始转向服务企业去搭建智能体，或者做第三方的智能体了，这也是一个趋势。还有一些A股软件公司，在某一个垂类数据上有优势，比如金融、教育、医疗等场景的数据上有优势。智能体搭建好，再加上私域数据，也是有机会的。

第二，从远期看，无人驾驶肯定是一个很重要的应用场景，把它看作AI的应用场景，或是汽车的延伸都可以。种种迹象来看，大模型自身能力的提升，尤其是推理模型出现后，应用在自动驾驶、道路这种严肃场景上，可用性大幅提升。这样，自动驾驶不是概率论，而是逻辑很清晰的推理。今年比亚迪等公司也推了智驾。

无人驾驶的好处在于，虽然现在没那么成熟，但是它的市场足够大。对巨额的投资，要么落地要快，要么长期空间要大。在研究科技股时，最重要的就是需要看到很大的远期空间。一个市场原来100亿，现在变成120亿，市场的预期差很快就会拉平。但是如果本来的空间是200亿，将来能做成2000亿，就有人愿意去等待，风险偏好就会提升。

再延伸一下，最近很热的机器人也是一个道理。汽车本来就是个机器人，这其实是一个框架。在应用上，我主要看好的就是，软的智能体，硬的无人驾驶，包括具身智能的机器人。