夜雨聆风
「机构眼·调研内参」机构投研资源平台
加入社群·微信：Buddha_Research
发言人 问：在AI模型的发展过程中，过去和现在的主要制约因素有何不同？
发言人 答：过去，模型能力尚未达到足够水平，导致基于新模型的应用研发进程受阻，因为很快会有新的、更先进的模型出现。但现在，以K3等为代表的一些模型在特定领域和场景中已经具备了实际落地能力，模型在某一方面已经成熟定型，可以用于开花结果的应用开发。
发言人 问：当前大模型厂商的动作反映出什么行业趋势？
发言人 答：大模型厂商如GPT以及国内的类似产品，它们的动作显示了模型发展的分层现象，即不同价格层次的模型将针对不同应用场景。高端模型适合高价值、高付费能力的场景，而随着模型能力提升，也开始照顾到大众市场，便宜的模型则承担起量大但价值相对较低的任务。
发言人 问：是否有实际案例证明AI应用公司业绩增长与模型发展之间的关系？
发言人 答：确实有一些AI应用公司，例如腾讯work body和京东办公等，它们基于模型能力的提升，开始向更广泛的用户群体场景拓展，并且取得了不错的业绩增长，甚至包括总收入增速和利润率的提升。此外，还有港股公司如麦克十以及美图等，它们的业绩预告也显示出在模型能力支持下能够实现高速的增长。
发言人 问：AI agent应用落地到实体经济工作流中面临哪些挑战？
发言人 答：对于AI agent应用要真正落地到实体经济工作流中，除了像coating这样的特殊场景外，大多数需要人介入的场景落地过程较为缓慢。这是因为除了模型能力需达到一定水平外，还需要开发者有足够的时间进行逐步开发和整合。
发言人 问：大模型厂商在近期有哪些动作，以及这些动作意味着什么？
发言人 答：近期大模型厂商采取了分层策略，并成立了落地团队，如Fpic和GGPP open I。这表明大模型厂商认为模型能力已经成熟，开始向更广阔的领域进行应用和落地。同时，从逻辑、大模型厂商的动作以及部分公司的业绩表现来看，吞噬论的观点值得重新思考和看待，这些公司有可能持续向上发展。
发言人 问：对于通用型大模型和AI行业，市场存在哪些误解或高估？
发言人 答：市场一开始高估了通用型大模型或AIA型能力，并且在硅基产业链中，除了竞争和成本问题外，还存在资金争夺的现象。随着基本面未受冲击的归基下游股票修复，市场的关注度有所改变。
发言人 问：计算机行业是否可以被视为错杀的低位资产？
发言人 答：计算机行业包括YTD收益曾被错杀，目前其相对收益排名靠后，而煤炭、公用事业和石油石化等传统行业表现较好。因此，计算机行业可能存在错杀的情况，需要重新定价。
发言人 问：AI应用未来是否有可能带来新的东西或显著的商业化成果？
发言人 答：AI已经发展到第四年，从实际数据来看，AI在营销场景中的应用具有显著的ROI和结果可视化，例如AI营销公司能够明确计算出投入产出比，这种场景的爆发力较强。此外，通用办公领域也开始展现出数据证明和逻辑上的成长潜力，以腾讯为代表的公司正利用开源大模型优化产品，部分厂商可以选择适合自己的模型公司进行合作。
发言人 问：在当前的AI模型市场中，核心竞争力是否发生了变化？
发言人 答：是的，现在发现即使有多个模型在某一场景下都能完成任务，并且能力相当，企业不一定非得选择最先进的模型。下游应用厂商可能拥有更强的议价权和话语权，他们可以选择购买全套生态产品和服务，而不仅仅依赖单一模型的API或订阅服务。
发言人 问：这种议价权和话语权转移的背后意味着什么？有哪些具体的行业或场景受益于这种转变呢？
发言人 答：这种转移不仅体现在成本上的性价比考虑，还预示着未来可能会演变为价值传导方式的转变，即企业更看重整体解决方案和生态链中的服务内容。首先是通用办公领域，尤其是行业中的龙头企业，由于开源模型的进步，其议价权和话语权得到增强；其次是处理大量文本和专业数据的行业，如金融、财务等，这些行业在特定环节（例如税务合规）上有实际进展，并且等待相关数据验证；再者是工业制造环节，一些公司通过应用AI模型实现了业绩提升和成本节约，下游客户也对此类具有明显效果的场景愿意投资。
发言人 问：对于白领生产力提升之外，还有哪些突破上限的领域值得关注？
发言人 答：突破上限的领域包括AI辅助的新药研发，海外大厂与国内厂商已合作研发出过二期临床试验的新药，以及AI新材料发现，一些新能源材料厂商已与AI新材料研发厂商达成合作；此外，互动型多模态应用，如游戏公司米哈游投入重金开发实时交互的AI人物和AI形象，以及阿里发布的AI互动视频，这些内容满足了大众日益增长的精神娱乐需求。
发言人 问：这三大类应用分别面向哪些人群或需求？
发言人 答：第一类主要针对极少数科研人员，他们需要使用顶尖模型并参与前沿研究，这类空间巨大且已有所体现，比如通过二期临床的新药研发；第二类面向全球5%至20%的白领群体，通过AI技术提升其生产力，是目前讨论的重点；第三类则是面向全体人群的娱乐需求以及未来可能的生活管家需求，目前已有大厂动态并展现出良好的发展空间。
发言人 问：AI投资机会方面，对于中短期的A股投资，大家是否感到困惑？
发言人 答：是的，由于过去的投资方向相对清晰，主要是跟随海外走，而中国国产AI应用的商业模式、盈利能力和出海问题等都存在不确定性，导致投资者对投资逻辑把握困难。
发言人 问：那么对于中国AI应用的投资难点，能否请您再详细解释一下？对于海外硬件投资，情况是如何的呢？
发言人 答：中国AI应用虽然看似不错，但落实到投资层面，大家对于其能否赚钱、竞争优势以及投资逻辑存在疑虑。与海外相比，中国AI应用的商业模式、市场需求及业绩兑现等方面还不够明朗。海外硬件投资中，部分公司或板块通过突破并实现业绩兑现，进而逐步扩展业务范围。海外算力领域的投资者拥有较强的定价权，他们关注的是实实在在的业绩和明确的需求趋势，例如对英伟达GPU及其配套产品的投资逻辑。
发言人 问：在AI应用投资上，我们应该如何遵循投资逻辑和趋势？投资AI应用时，需要关注哪些关键要素？
发言人 答：投资AI应用时，首先要聚焦于那些业绩已经兑现且估值合理的公司。同时，这些公司需要清晰地阐述变现逻辑和叙事，包括明确的付费方、下游需求、产品价值等。如同海外投资经历的波折，最终也是通过强劲的业绩兑现赢得了认可。投资AI应用时，关键要素包括强劲且清晰的业绩兑现、明确的需求叙事（如付费方、需求点等），以及能够提供具体价值的服务。此外，还需要深入研究下游生态和各个环节，以全面理解不同场景和业务的AI应用需求。
发言人 问：AI投资方面，您认为应该如何对待投资节奏？
发言人 答：在AI投资上，我们不能急于求成。与海外投资趋势不同，AI下游项目的投资需要逐步探索和深入分析具体场景，同时关注下游客户的真实需求和应用场景的可行性。此外，不仅要听取公司自身的讲述，还要关注其上游和下游合作伙伴的视角。
发言人 问：对于中国AI的优势，您能简要总结一下吗？
发言人 答：中国AI的一个显著优势在于开源模型方面，我们已经能够与海外模型能力保持同步甚至紧随其后。另一个优势在于成本优势，尤其是在缺乏充分训练环境的情况下，中国AI通过利用开源模型进行应用拓展，并且有望在海外市场形成性价比的降维打击。
发言人 问：在您覆盖的领域中，有哪些符合中国AI应用条件且值得关注的核心子领域或代表性公司？
发言人 答：在国产AI产业链方面，我持续看好国产算力产业链，包括国产芯片（如寒武纪、海光、天数智芯等）、算力租赁公司（如协创、盛世科技）以及先进封装设备厂商（如盛科云等）。对于AI应用，目前虽选择上存在难度，但CPU环节可能成为重要的交集点，因为AI应用落地需要更多串行逻辑计算，而CPU的配比和需求增长较快，有望成为AI应用产值中斜率较高的部分。在A股和港股方面，建议关注具备业绩增长和明确AI增量需求的相关标的，例如金山办公、AI英法、飞信服、自由股份、龙科科技、中控技术、合作信息、万兴科技等。同时，港股中的迈普什、金蝶国际、云栖智能、五一世界等也是值得关注的公司。
发言人 问：对于未来计算机行业和中国AI应用的研究重心和投资逻辑，您有什么看法？
发言人 答：研究重心可逐步向下游转移，但并不代表对上游投资机会的关注减少。随着AI从上半场向下游下半场扩展，整个AI产业将朝着更加成熟的方向发展。除了已提到的下游领域，还可以持续关注国产化范例、应用实践、自然语言处理、语音传输等方面的投资机会。