热门资讯> 正文
2026-11-20 13:54
(来源:柏治资本)
AI应用专题
应用为王
算力之后,谁会成为下一个 “谷歌、腾讯”?
2025 年的 AI 投资,出现了一个反差很大的画面:卖铲子的人赚得盆满钵满,用铲子的人却还没赚到钱。但这种情况正在改变。当算力这一环的交易拥挤度冲上历史高位,市场定价的重心,正从 “卖水人” 慢慢挪向 “能真正赚到现金流” 的应用与平台。
这一篇,我们只聊方向,不聊个股。
01 一半火热,一半冷清
钱有多偏?据 IDC 统计,2025 年全球 AI 基础设施支出约 3340 亿美元,科技巨头的资本开支扩张,让上游算力芯片与配套硬件直接拿到增量资金。另一边的软件与计算机板块,则在三个维度同时承压:营收增速普遍慢于硬件链、相对估值缺乏吸引力、以及市场担心 “通用大模型会削弱传统软件的价值”。仓位也说明了问题。截至 2025 年三季度,国内公募对计算机板块仍低配约 1.7 个百分点。
而算力这一端,已经相当拥挤。申万宏源的复盘显示,本轮 AI 细分板块前期涨幅中位数 488%、最高 PE-TTM 中位数 108 倍、最高 PB 中位数 13 倍,三项全部超过历史高拥挤行业的均值(462%、106 倍、11 倍)。换句话说,向上弹性在明显减弱。
与此同时,推理成本在快速下探,把应用端的账越算越划算。一边是拥挤,一边是变便宜 —— 定价重心的切换,往往就是这么发生的。
02 应用要放量,得先凑齐四张门票
应用不是想放就能放的。它需要四个条件同时到位:
第一张,能力。 新一代基础模型在复杂推理、长上下文、工具调用上持续突破,已经能稳定跑完跨越多个步骤的长任务 —— 行业实践里,部分模型可连续完成十余小时的任务链条,幻觉率从早期的约 3% 降到 1% 以内。这是应用从 “回答问题” 走向 “完成任务” 的前提。
第二张,连接。 MCP、A2A 这类协议加上企业 API 逐步标准化,相当于给模型装上了 “通用插头”,让它能真正调用外部的信息系统,而不是关在封闭环境里做演示。连接能力通不通,是应用能不能进入规模化试用的先行指标。
第三张,治理。 2025 到 2026 年,全球主要企业密集建立 AI 风险治理框架与智能体运营(AgentOps)体系。有了这套东西,企业级应用才从 “技术可行” 走到 “组织可落地”。
第四张,成本。 两年内推理成本累计降幅超过 95%。据斯坦福 HAI《AI Index 2025》,GPT-3.5 级能力的推理成本在 18 个月内降到约 1/280,每百万 token 从 20 美元降到 0.07 美元。
成本这一项最直接:每下一个台阶,应用层的盈亏平衡点就下移一分,能做的生意就多一圈。
四件事在 2026 年形成共振 —— 这是 “条件成熟”,但还不等于 “商业成熟”。
03 别急:技术成熟,不等于钱能赚到
这里有个必须说清的缺口。
麦肯锡《State of AI 2025》显示,88% 的组织已至少在一个业务功能里用上了 AI,但只有 5.5% 报告获得了实质性的 EBIT 影响;MIT 的研究更直接,约 95% 的企业生成式 AI 试点,投入产出比为零;贝恩的调查则是,81% 的企业完成了试点,但仅 12% 把 AI 嵌进了核心流程。
所以节奏要分开看:
现在:人机协作的 “助手” 阶段,模型帮着做决策
2026—2028:垂直智能体期,高频、标准化的场景先跑通投入产出
未来 3—5 年:原生应用生态成形,跨系统自主任务、决策类工作才开始接棒
先跑通的一定是那些 “频次高、流程标准、结果可校验” 的活:客服应答、销售辅助、代码生成、数据整理、内容生产、供应链协同。判断与决策类的工作,要往后排。
这也是科技产业的老规律。2007 年智能手机问世,移动应用经济真正爆发是几年之后的事。基础设施先铺路,生态后开花。
04 三条确定性更高的路
① 产业赋能:把通用能力装进具体行业
我国工业门类齐全,行业数据、业务场景、算力支撑都不缺。Gartner 预测,到 2026 年底约 40% 的企业应用会嵌入任务型 AI 智能体,而 2025 年这一比例不足 5%—— 空间正在打开。
这条路的壁垒不在模型,而在对行业流程和数据的理解。谁手里有行业 know-how 和数据资产,谁才更可能把通用能力变成可量化的生产力提升。政策端,“人工智能 +” 的持续推进也会持续给产业牵引。
② 应用出海:把效率优势卖到全球
国内产品团队在研发效率和成本控制上的优势,放到全球定价体系里就是利润空间,工程师红利还在持续释放。观察这条路最直接的指标是海外收入占比。AI 工具、智能终端、跨境电商、跨境支付,都有不少落地点。
③ 端侧 AI:换一个流量入口
一边是和存量设备融合的智能改造 ——AI 手机、AI PC;另一边是 AI 原生的新载体 —— 眼镜、可穿戴。中国 AI 手机年出货量已突破 1 亿台,第三方机构预计 2026 年新一代 AI 手机出货量同比增长约 31.6%。硬件方案和模型能力同步成熟后,端侧有机会长成新的入口。
另外还有一条独立观察线:AI 原生应用与内容。AI 搜索、智能助手、内容创作工具正在改变人们获取和生产信息的方式。但它能不能被持续定价,看的是用户留存和付费习惯,不是短期流量。
05 三把尺子,量一个方向值不值得投
市场最终会给什么定价?可以归结为三条标准:
第一,有没有真实的付费和留存。 付费用户规模、留存率、毛利率,是硬指标。靠补贴换来的量和概念性收入,要排除在外。
第二,有没有数据和分发的网络效应。 数据能不能越用越厚,分发能不能自己滚起来,生态能不能闭环。单点工具没有护城河。
第三,有没有卡在成本下降的关键环节。 数据、分发、场景卡位,缺一个都容易被绕过。
三条之外,还要看商业化闭环:单位经济模型(LTV/CAC)跑不跑得通、现金流能不能持续、收入增速和盈利能力是否匹配。只有这些成立,一个方向才谈得上 “中长期定价”,否则就还停留在主题交易。
再往远看一层:真正的平台型机会,是那些同时握住数据、分发和场景、能形成生态闭环的方向 —— 从 “工具” 长成 “平台” 的那一类。2000 年互联网泡沫后跑出来的龙头,走的都是这条路。
06 一句话结论
据 Bloomberg Intelligence 预测,生成式 AI 市场规模有望从 2024 年的约 670 亿美元,增长到 2032 年的 1.3 万亿 —1.6 万亿美元,年复合增速约 37%。应用层的长期空间,确实在打开。
但兑现不是一蹴而就:企业级智能体的成熟集中在 2026—2028 年,原生应用生态还要 3—5 年。
方向上,产业赋能、应用出海、端侧 AI 三条路径确定性相对更高;方法上,用 “真实付费、网络效应、成本卡位” 三把尺子去筛,跟踪单位经济模型和平台化潜力的兑现,而不是追某一只股票。
配置的重心,该从拥挤的算力,慢慢挪向那些能自己赚钱的 AI 应用与平台了。
风险提示
AI 应用商业化不及预期:付费与留存若迟迟无法规模化,应用层估值会面临下修压力
推理成本下降不及预期:算力成本若居高不下,单位经济模型难以跑通
行业竞争加剧:大模型厂商向下游延伸,可能挤压应用层利润空间
地缘政治与监管风险:AI 治理、数据合规与出海监管存在不确定性
历史类比失效:AI 应用的产业节奏可能与 2000 年互联网不同,不宜机械套用
数据说明:本文数据截至 2026 年 11 月,来源包括 IDC、Gartner、麦肯锡、斯坦福 HAI、MIT、贝恩、Bloomberg Intelligence、申万宏源等公开研报与统计资料,具体口径以原始来源为准。