在當今數字化時代，人工智能（AI）的發展速度令人矚目。2025年，AI技術不僅將繼續保持快速發展的態勢，還將通過技術創新、倫理治理和社會適應，避免對現有社會結構和經濟模式造成破壞性沖擊。

那么AI下一個爆款應用在哪里？天弘基金經理助理洪明華在《情投E合》直播間講解了當前AI所處自身發展階段，AI具備大規模商業化條件需要那些底層技術的突破等大家關心的問題。

~投硬科技，選天弘銳軍團！

?機器人ETF 159770

?計算機ETF 159998

?云計算AH 517390

?科創綜指ETF天弘 589860

AI技術邁向智能體階段：從推理走向行動

1、在市場熱度和短期波動背后， AI技術本身的發展究竟現在處于哪個階段？

自2022年11月底ChatGPT發布以來，至今已過去兩年零四個月。在此期間，AI技術取得了顯著發展，已明確跨越概念驗證階段，進入規模化商業應用的初期。然而，目前尚未達到完全滲透的成熟期。

AI發展可分為以下階段：聊天機器人，推理者，智能體，創新者和組織化AI。當前AI行業正處于從第二階段（推理者）向第三階段（智能體）過渡的關鍵節點。現階段的AI已具備人類水平的問題解決能力，并開始嘗試執行物理或數字世界的實際任務，也能連貫理解多段對話指令。

然而，不同領域的技術成熟度仍存在較大差異。在文本類大模型方面，自deepseek發布后，整體技術路線已趨于收斂。

第四階段的大模型仍在持續迭代中，目前較為領先的包括阿里巴巴的"萬象2.1"和OpenAI的Sora等。AI智能體領域也處于持續研發階段，代表性項目有OpenAI的Optimus以及國內近期備受關注的Manus等。

底層技術雙輪驅動：成本降低與多模態演進加速AI商業化落地

2、近期哪些底層技術的突破讓AI開始具備大規模商業化的條件？

底層技術突破是推動AI商業化加速的核心驅動力。我們認為關鍵性底層突破主要體現在以下兩個方面：

1）大模型成本的大幅降低

通過算法優化與工程創新（包括多頭注意力、MoE框架等技術突破），當前大模型的訓練與推理成本已實現指數級下降。早期大模型訓練需耗費數千萬至上億美元，而當前如Deepseek V3等先進模型已降至約500萬美元量級；推理成本，以API調用成本為例，領先廠商的定價較行業基準顯著降低。這種持續下降的邊際成本，正在為AI應用的大規模商業化創造必要條件。

2）多模態大模型的成熟演進

相較于單一文本模態，融合文本、圖像、音頻等多維數據的多模態大模型具有顯著優勢，它更貼近現實場景的數據處理能力，可理解復雜上下文語境并且支持跨模態內容生成。

錨定AI投資主線：應用領跑，算法筑基，算力突圍

3、AI產業鏈中包括算法、數據、算力和應用4個層面，它們的投資優先級是怎樣的？

自2022年底至今，AI行業已歷經2~3年的快速發展，產業格局和投資邏輯也隨之演變。當前投資應聚焦以下三個核心方向：

1）應用層：商業化加速，彈性最大

AI應用層正迎來商業化落地的關鍵拐點，其增長潛力顯著高于其他環節。其中，通用應用（如PC端AI工具）已相對成熟；終端硬件與垂直場景（如AI手機、AI PC、醫療、金融等）正進入爆發期，例如智能投顧在AI賦能下，傳統投顧的周期從3年縮短至1年。同時，成本下降也會驅動AI應用公司ROI的改善，國產大模型調用成本僅為海外（如OpenAI）的50%。此外To C應用更具爆發力，直接面向消費者的AI產品（如AI助手、內容生成工具）可能呈現指數級增長。

2）算法層：技術收斂，頭部集中

● 開源生態推動創新：如部分模型采用MIT協議開源，吸引全球超50萬開發者共建，加速AI技術重心東移。

● 工程化效率提升：動態參數激活、FP8矩陣運算等技術大幅提高算法效能，模型迭代速度顯著加快。

● 競爭格局優化：文本大模型技術趨于收斂，頭部廠商（如少數幾家領先企業）有望占據主要市場份額，行業競爭強度降低。

3）算力層：國產替代加速，需求爆發

國產算力 vs. 海外算力：

算力是AI發展的基礎設施，當前需重點關注國產化趨勢。海外算力（如英偉達GPU）過去表現優異，但現階段在DeepseekⅠ等發布后，國產替代（如華為昇騰、寒武紀590）等需求激增，包括AI芯片、光模塊、液冷等硬件。

打造AI生態壁壘：技術整合+場景穿透+價值共生

4、具備長期競爭力的企業需要構建怎樣的生態壁壘？

當前AI行業面臨技術同質化、盈利模式單一的問題，構建生態壁壘是實現長期競爭力的關鍵。AI行業生態壁壘的構建主要分為三種路徑：

1）技術整合型生態：從硬件到算法

當前AI行業正從單一技術突破向協同發展演進，形成"大模型+專用芯片+優化算法+定制硬件"的完整技術閉環。這種生態模式的核心在于通過深度垂直整合，實現技術各環節的緊密配合與性能優化。例如阿里巴巴通過通義千問大模型與平頭哥自研AI芯片的深度適配，構建了從底層算力到上層應用的完整技術協同。

2）場景穿透型生態：打造商業價值閉環

基于高頻應用場景構建的生態體系，能夠將AI技術深度融入用戶日常行為，形成穩定的商業變現通道。這種生態模式的關鍵在于選擇用戶粘性高、使用頻率大的核心場景作為切入點。例如，騰訊以微信作為載體，將AI技術滲透至客服、支付風控等基礎功能，通過"騰訊研選"等AI入口創新廣告形式，從而獲取流量、形成自己的護城河。字節跳動依托抖音短視頻平臺用抖音內容反哺整個AI工具的滲透，使用AIGC工具提升內容生產效率，智能推薦算法優化廣告投放效果，并且構建從內容創作到電商變現的完整閉環。

3）價值網絡型生態：建立開發者共生體系

通過構建互利共贏的開發者生態，能夠吸引大量第三方創新力量，共同完善技術平臺并拓展應用邊界。這種生態模式的重點在于設計合理的價值分配機制。比如蘋果的App Store生態，它的開發者能收到合理的報酬，形成良性循環；同時這種生態也會建立分層激勵體系，深度參與可分享的商業利益，例如百度飛槳平臺有15%的交易分成，吸引了200萬以上的開發者。

AI如何入局資產配置？看風險承受與行業周期

5、 從資產配置角度來看，AI更應該適合作為衛星策略還是核心策略？

投資者在選擇科技類投資產品（如AI或其他領域）時，需首要考慮自身的風險承受能力。

1）根據不同的風險偏好，投資者需采取差異化的配置策略：

● 保守型投資者：建議將AI主題資產控制在總資產的較低比例，主體配置應側重于紅利型或債券型資產。

● 穩健型投資者：可采用"科技+紅利"的杠鈴策略，將AI主題資產配置比例適當提升。

● 進取型投資者（特別是投資期限較長的年輕投資者）：可適當提高主題投資配置比例。

2）投資者需動態關注AI產業的發展階段及估值水平：

● 產業成熟度指標：當AI技術滲透率超過50%或進入成熟期時，建議逐步降低配置比例，轉向更前沿的科技領域。

● 估值指標：若AI主題資產的PE、PB、PS等指標達到歷史高位，且缺乏實質性技術突破支撐時，應適時減配。

● 動態調整：根據產業進展和估值波動，定期調整配置比例。

3）投資AI板塊的其他注意事項：

● 市場有效性：兼具AI概念與低估值的標的通常會被市場快速發現，難以長期維持。

● 風險提示：科技賽道投資需具備較高的風險承受能力，但完全規避配置亦非理性選擇。

● 最低配置原則：即使風險承受能力較低，配置個位數比例的AI資產仍有助于優化投資組合表現。

● 時代紅利：人工智能作為重要發展趨勢，適度配置相關資產是普通投資者參與行業發展的有效途徑，具體比例應根據個人風險承受能力確定。

風險提示：觀點僅供參考，不構成任何投資建議。指數基金存在跟蹤誤差。投資者在進行投資前請仔細閱讀基金的《基金合同》、《招募說明書》等法律文件，了解基金的風險收益特征，并根據自身的投資目的、投資期限、投資經驗、資產狀況等判斷基金是否和投資人的風險承受能力相適應。市場有風險，投資需謹慎。指數的過往業績不代表任何基金產品未來業績表現。

— 證券市場周刊 廣告 —