繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

華泰 | 全球科技:AI智能體 - 「硅基生物」的序章

2025-08-19 07:40

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

(來源:華泰證券研究所)

本文聚焦於AI Agent以及其對AI基礎設施和中美競爭格局等的影響。我們認為,智能體的發展將沿着「先2B再2C,最后終端」的產業發展軌跡;中國是美國以外唯一具備完整AI產業鏈的國家,看好中國在機器人等終端上顯著比較優勢。我們認為2H25全球AI產業鏈呈現四大投資機會,並給出未來一年美股投資的八大預測。

我們認為,生成式AI正邁入以AI智能體為主導的新發展階段。宏觀角度,AI智能體引發了「無就業增長」與「超級個體」並存現象,「硅基生物」對人力的結構性替代已經開始;微觀角度,軟件的價值創造與Token消耗掛鉤,Token的生產與半導體、數據中心和能源等物理基礎設施產能深度綁定,「邊際成本為零」的軟件商業模式逐漸告結。我們認為,智能體的發展將沿着「先2B再2C,最后終端」的產業發展軌跡;看好中國在機器人等終端上顯著比較優勢。基於此,我們給出未來一年美股投資的八大預測,看好1)科技板塊有望跑贏美股大盤;2)硬件有望跑贏軟件;3)ASIC有望跑贏GPU;4)臺積電在先進工藝領域領先優勢或持續;5)蘋果股價有望實現反轉;6)美國或將比特幣納入戰略儲備;7)設備板塊或跑輸費城半導體指數;8)模擬板塊或跑輸費城半導體指數。

宏觀影響:「無就業增長」與「超級個體」崛起

自2022年底以來,美股「七姐妹」總市值增長160%、總盈利增長104%的同時,總員工數量卻微降1%。隨着以AI編程助手Cursor為代表的AI應用普及,AI自動化了大量重複性勞動,企業增長逐漸與傳統人力規模脱鈎。同時,少數精英駕馭大量AI智能體的「超級個體」和精簡的「AI原生組織」正在涌現,組織效率的代際革命或已到來。例如Midjourney等公司以較少員工創造數億美元年收入,人均創收效率是傳統軟件企業十倍以上。

商業模式:從邊際成本為零到Token計價

AI Agent的每次思考、推理與行動本質上都是消耗算力和能源的Token處理過程。「邊際成本為零」的軟件商業模式逐漸告結;軟件價值逐漸與物理資源消耗深度綁定。Agent對Token的海量調用,直接轉化為對芯片、數據中心、能源等算力基礎設施的持續需求,將軟件運營成本輸送為硬件資本支出,形成強大的商業飛輪,並使產業價值鏈重心向底層算力供應商轉移。

發展軌跡:先2B再2C,先應用再終端

過去,互聯網發展遵循「基礎設施、終端、平臺、應用」路徑,而AI時代,我們觀察到的路徑是:1)算力與大模型率先突破;2)雲平臺和企業級軟件(2B)的成熟,構成了Agent落地第一波浪潮。3)消費級應用(2C)逐步落地。自動駕駛、機器人等終端長期或帶來較大商業機會,但當前缺乏被廣泛接受的「世界模型」作為機器人「常識」基礎,是限制發展的瓶頸之一。

中國的機會:軟硬件一體的物理AI

我們認為,中國是美國以外唯一具備完整AI產業鏈的國家,比較優勢在於強大的硬件製造能力與完整供應鏈;結構性制約則在於基礎模型技術差距和薄弱的企業級軟件付費生態。而發展自動駕駛、機器人有望最大化發揮硬件和供應鏈優勢,銷售「軟硬一體」產品一定程度上或能規避純軟件付費困境。

風險提示:貿易摩擦風險;AI技術發展不及預期;測算和可得數據的侷限性,本研報中涉及到未上市公司或未覆蓋個股內容,均系對其客觀公開信息的整理,並不代表本研究團隊對該公司、該股票的推薦或覆蓋。

摘要:主要結論核心投資展望

我們認為隨着AI Agent的出現和Token用量的快速增長,生成式人工智能的發展正進入一個新的階段。回顧過去,我們在2023/6/27的《AI 2.0深度研究——十年之后我們還能做什麼》報告中探討了AI將如何影響人類工作,在2024/7/2發佈的《2024年度展望:AI大模型時代的全球產業鏈重構》分析了中美AI產業鏈的重構趨勢;而今年,我們聚焦於AI Agent以及其對AI基礎設施和中美競爭格局等的影響。

觀點回顧:AI開啟腦力勞動替代序幕

2023年,我們曾引用諾貝爾經濟學獎得主阿西莫格魯教授的研究報告《Skills, Tasks and Technologies: Implications for Employment and Earnings》框架,前瞻性地提出,AI對人類工作的替代將首先從常規性的、重複性高的腦力勞動開始,金融、法律及軟件外包等以知識處理為核心的白領工作將最先受到衝擊。

過去一年的發展驗證了這一趨勢。以投研行業為例,研究人員對AI深度研究工具(如谷歌的Gemini Deep Research,DeepSeek R1)的使用程度日益加深,工作效率與流程發生了根本性變化。在軟件開發行業,AI編程助手(如Cursor)的普及,深刻重塑了代碼編寫、調試和優化的全過程,自動化了大量原本由程序員承擔的重複性勞動。我們認為,AI已不再是輔助工具,而是直接參與價值創造的核心生產力。

宏觀證據:「無就業增長」現象凸顯算力驅動的生產力革命

AI Agent的興起所引發的生產力革命,在科技巨頭的財務與人力資本數據中得到了最為直觀的宏觀驗證。自2022年底以來,美股「七姐妹」呈現出一個具有標誌性意義的現象:在總市值增長160%、總盈利增長104%的強勁表現背景下,其總員工數量卻微降1%,這一趨勢在過去半年表現得尤為明顯,我們稱之為「無就業增長」(Jobless Growth)。

這一現象並非周期性的短期調整,而是反映了硅基智能對人力結構性替代的深層變化。隨着生成式AI在2023年開啟對常規性腦力勞動的系統性替代,以算力為核心的AI基礎設施(「硅基生物」)正在規模化替代高成本的知識型勞動力(「碳基生物」)。這一企業組織形態的結構性轉變不僅推動着大企業白領職位的持續減少,更成為企業人效提升與人力成本優化的核心驅動力,加速了AI應用滲透率的攀升。對於Meta、谷歌、微軟等當前擁有龐大員工規模的科技巨頭而言,在AI能力持續強化的進程中,人力資本規模是否將出現顯著收縮,已成為投資者密切關注的關鍵變量。

智能體經濟崛起:驅動AI進入應用爆發期的核心燃料

去年,我們提出英偉達有望在AI大模型時代佔據類似蘋果在手機產業鏈,以及微軟+Intel在PC產業鏈中的主導地位,為英偉達帶來大規模的利潤。

2025年7月9日,英偉達成為全球首家市值突破4萬億美元的上市公司。我們認為,這除了反映其在AI算力產業鏈的領導地位以外,還反映了以下行業形式的變化:1)推理服務的Token用量開始顯著增長;2)美國放松H20等AI芯片的對華出口管制, 中美重回「競合」狀態;3)中東、歐洲等地主權AI的興起帶動新的需求;4)1月份市場擔心的DeepSeek等開源模型對算力需求的負面影響小於預期。

2025年5月,谷歌在其年度開發者大會Google I/O上披露月度Token處理量為480萬億;而根據7月的財報電話會議,這一數字在短短數月內增長了一倍以上。根據OpenRouter,海量的Token消耗主要流向企業級應用。約40%的用量被用於Cursor等代碼生成工具,這直接推動了編程行業的生產力革命。27%的Token被用於情感陪護類應用,8%被用於金融與法律等行業的深度文本分析。

生成式AI的發展軌跡:企業軟件發展或領先於應用和終端

過去我們認為,AI大模型可能復刻移動互聯網的發展軌跡(通信設備等基礎設施、手機等終端、電信運營商等平臺、社交遊戲等應用)。但今年我們注意到,當前AI產業呈現出一個與成熟的移動互聯網時代顯著相反的「正三角」結構。

在移動互聯網時代,產業價值鏈呈倒三角分佈:底層芯片設計行業的規模小於手機硬件,而硬件規模又遠小於上層的互聯網應用與服務。然而,在當前的AI時代,這一結構被改變:芯片行業(以英偉達為代表)的市場規模(約1350億美元)遠大於應用規模(以OpenAI等訂閲費為主,約170億美元)。

我們認為這反映了以下事實:1)如ChatGPT Plus和Copilot等2C軟件的訂閲費只佔一小部分;2)絕大部分的Token消耗被用於科技、金融、法律等行業企業的內部提質增效;3)這些價值主要體現在大企業的人工成本下降,或者體現在Cursor等企業軟件的收入增長上。

另一方面,我們注意到,手機、機器人等物理AI的發展受制於1)端側算力的不足,2)數據獲取成本高,3)「世界模型」等仿真性能侷限等因素影響,發展相對滯后。站在現在這個時間點,我們認為,生成式AI的發展軌跡可能是按照1)AI芯片等算力基礎設施,2)AI雲平臺和企業級軟件,3)新一代的AI應用,4)機器人等物理AI的順序。編程、金融、法律等垂直行業的2B應用或領先於2C應用,軟件應用的發展或領先於機器人等物理AI的發展。

從二級市場角度,我們認為2H25全球AI產業鏈的投資機會如下:

投資機會#1:英偉達產業鏈進入GB200放量階段,看好服務器組裝和核心零部件企業

隨着芯片和服務器良率的提升,我們認為英偉達產業鏈2H25進入出貨量放量的新階段。一方面,這會帶動服務器代工(工業富聯等)、光模塊、PCB、液冷、光纖光纜等下游環節出貨量迅速增長。另一方面,隨着代工、檢測等環節效率提升,同時Rubin系列距放量仍有距離,半導體設備板塊可能面臨階段性增速放緩壓力。展望2026年,我們認為市場會逐步關注下一代Rubin系列將要採用的CPO、先進封裝、新材料等新技術可能帶來的影響。

投資機會#2:國產算力產業鏈處於擴產階段,看好代工和半導體設備板塊

我們認為美國放松H20等芯片的出口管制,不會改變中國推動算力產業鏈國產化的趨勢。當前主要的卡點在先進工藝代工。我們預計中國代工企業會保持較高資本開支投入強度,利好中國和日本半導體設備企業,同時看好聯想等在雲基礎設施業務方面的佈局機會。

投資機會#3:北美CSP進入token用量增長驅動的發展正循環

過去18個月里,每百萬token的推理單位成本下降了90%,更便宜的推理使得更多AI應用在經濟上變得可行。這種由消費驅動的需求,直接轉化為CSP的收入增長,並使其有能力、有必要進行更大規模的資本支出以滿足需求。從2Q25的業績中我們看到,微軟、谷歌、Meta等北美雲廠商進入了Token用量增長驅動的發展正循環。展望2H25及2026,我們持續看好CSP及AI應用廠商進入AI商業化的良性循環。

投資機會#4:北美AI Agent和中國的機器人進入發展快車道,目前標的以一級為主

我們認為,北美的Agent AI企業和中國的機器人企業正進入收入快速增長的階段。代表性企業包括,Harvey(美國,法律AI)、 Cursor(美國,編程AI)、宇樹科技(中國,人形機器人)、智元機器人(中國,人形機器人)等。大部分企業尚未登陸二級市場。

美股科技投資八大預測

2025/2/3,我們在發佈的研究報告《DeepSeek發佈后,2025 年美國科技投資八大預測》中首次提出我們對2025年投資主線的八大預測(圖表13)。考慮到:1)Agent AI相關的最新發展,2)半導體投資周期的變化,3)市場對蘋果等終端企業的認識變化,我們八大預測調整如下。

#1 科技板塊有望跑贏美股大盤(QQQ > SPY)

年初至今QQQ相對SPY產生2.31個百分點超額收益,驗證AI應用落地主線推動科技板塊跑贏大盤的邏輯。展望2025年下半年,我們認為AI基礎設施建設和應用落地仍是行業主線,科技板塊有望繼續跑贏美股大盤。

#2 硬件有望跑贏軟件(IGV < SOX)

我們調整年初預測。年初至今費城半導體指數漲15.5%顯著跑贏軟件板塊IGV的9%,產生6.5個百分點超額收益,反映AI Agent對傳統軟件商業模式的衝擊已開始顯現。隨着AI Agent對傳統企業軟件商業模式的衝擊逐步顯現,我們認為硬件終端、芯片設計和製造環節有望更直接受益於AI算力需求增長。

#3ASIC有望跑贏GPU(AVGO > NVDA)

年初至今英偉達漲34.37%仍領先博通的32.13%,但差距已收窄至2.24個百分點。我們認為隨着推理需求快速增長和成本優化需求提升,博通、Marvell等設計的ASIC芯片在數據中心內的佔比有望在下半年加速提升,ASIC有望跑贏GPU。

#4臺積電在先進工藝領域領先優勢或持續(TSM > SOX)

年初至今臺積電漲21%跑贏費城半導體指數5.5個百分點,公司在3nm等先進工藝上的領先優勢持續擴大。我們預計隨着AI芯片對先進製程需求的持續增長,該趨勢有望在下半年延續。

#5 蘋果股價有望實現反轉(APPL > SPY)年初至今蘋果股價下跌7.5%跑輸S&P500約17.2個百分點。我們認為蘋果已處於銷售周期底部,隨着iPhone 17搭載更強端側AI能力以及Apple Intelligence功能逐步完善,下半年蘋果股價有望實現反轉並跑贏大盤。

#6美國或將比特幣納入戰略儲備(IBIT > Gold)

比特幣相關資產年初至今漲25.2%,雖仍跑輸黃金現貨約2.6個百分點,但我們看好特朗普數字資產工作組的設立有望為后續政策突破奠定基礎,下半年比特幣漲幅有望跑贏黃金。

#7設備板塊或跑輸費城半導體指數(ASML+AMAT+LAM+TEL < SOX)

調整原有反轉預期。設備板塊年初至今漲9.7%持續跑輸SOX約5.8個百分點,反映全球製造端資本開支放緩壓力仍存。考慮到中國市場投資放緩或延續到下半年,我們下調設備板塊相對錶現預期,預計2025設備板塊或將跑輸費城半導體指數。

#8模擬板塊或跑輸費城半導體指數 (STM < SOX)

年初至今意法半導體漲2.7%,大幅跑輸費城半導體指數約12.8個百分點,反映模擬芯片仍處周期底部。展望下半年,考慮到汽車、工控等下游需求復甦節奏較預期更為温和,我們預計模擬板塊或將在周期底部繼續徘徊。

AI智能體:新經濟範式的誕生

隨着AI能力的深化,我們認為AI Agent正在驅動一個新經濟範式的誕生。智能體不僅是工具,更是能夠自主理解、規劃並執行復雜任務的「數字員工」。它們的出現,正在從根本上重塑企業組織、商業模式和個體生產力。

什麼是AI智能體?從「對話」到「思考-行動」

AI智能體標誌着人機交互方式的顯著轉變,其核心是從被動的「對話」模式演進為主動的「思考-行動」範式。傳統的聊天機器人或AI助手主要扮演信息提供者的角色,它們響應用户的指令,但行動的執行仍需人類完成。而AI智能體是一種能夠感知環境、自主決策並採取行動以實現預定目標的軟件系統。

這種轉變的關鍵在於智能體的自主性。它們能夠將一個複雜的目標(例如:「為我的團隊預訂下周去舊金山的航班和酒店」)分解為一系列可執行的子任務,進行戰略規劃,並獨立調用API、網頁瀏覽、代碼執行等各種工具來完成這些任務,整個過程無需持續的人工干預。這一過程遵循一個「思考、行動、觀察」的循環:智能體首先進行內部推理(思考),然后調用工具(行動),最后評估行動結果(觀察),並根據觀察到的反饋調整下一步的思考和行動,直至最終目標達成。

行業領袖的願景:重塑企業與商業

科技行業的領軍人物普遍認為,智能體的崛起代表了一次與互聯網或雲計算同等量級的範式轉移。其中,英偉達首席執行官黃仁勛和微軟CEO薩提亞·納德拉的論述尤為深刻。

2025年1月9日,在拉斯維加斯舉辦的國際消費電子展(CES)上,英偉達首席執行官黃仁勛在其主題演講中提出了一個或將深刻影響未來企業組織形態的論斷:「未來,每家公司的IT部門都將成為AI智能體的HR部門」。

我們認為,這一願景將AI Agent重新定義為一種需要全生命周期管理的「數字勞動力」,標誌着企業對AI的認知從「工具論」提升到了「組織論」的戰略高度。如下圖右面所示,如果未來企業中,存在大量AI智能體為代表的新型「員工」,那這些新型員工如何和他的上級、同事、外部合作伙伴互動可能是一個非常複雜的問題。

類比上圖的傳統的人力資源管理職能,我們能夠看到:1)招聘: 對應智能體採購與部署,即評估、購買並集成最適合業務需求的AI模型。2)培訓: 對應模型微調與持續學習,即利用企業內部數據對通用模型進行專業化訓練,並建立性能迭代機制。3)績效管理: 對應性能監控與優化,即追蹤Token消耗效率、任務完成率等關鍵績效指標,並計算其投資回報率。4)薪酬: 對應資源分配與成本管理,即以GPU算力、API調用費用等計算資源的形式支付「薪水」,精確管理運營成本。5)員工關係: 對應治理與倫理,即為AI智能體設定操作邊界,確保其行為符合企業倫理與數據安全法規。

如果AI智能體是新型「員工」,那麼容納它們的數據中心就是新型的「寫字樓」,驅動它們的GPU就是它們的「大腦」,為它們供能的電網就是它們的「生命線」。構建和維護這一龐大基礎設施所需的鉅額資本開支,可能會構成未來十年最持久、最確定的投資主線。

微軟CEO薩提亞·納德拉在包括微軟Ignite、Build大會以及播客訪談中,多次闡述他認為AI Agent將成為計算的新界面,並從根本上重塑傳統的企業軟件(SaaS)商業模式。

我們認為他所指出的變化主要有兩個層面:

1)交互界面的變化:傳統的商業軟件是基於菜單的界面進行用户交互。當前的Agent應用通常基於Prompt的對話式應用。未來用户將不再需要操作數十個獨立的SaaS應用,而是與一個單一的智能體層進行交互,由它來編排和完成跨越所有后端系統的複雜任務。我們認為這除了會改變用户交互界面以外,還會改變商業軟件的開發和交付流程。

2)商業模式的變革:從「按席位付費」到「按使用量付費」:傳統的SaaS商業模式以「按席位」的訂閲付費為核心。隨着AI智能體成為工作流的主要執行者,軟件的價值創造方式從「人使用工具」轉變為「智能體執行任務」。因此,其收費模式或將從衡量「人的數量」轉向衡量「任務的消耗」。我們認為,未來的軟件商業模式將轉向與價值創造更緊密掛鉤的「按使用量付費」模式,其計價單位可能是Token消耗量或API調用次數。

Agent企業案例分析:Cursor、Harvey、Glean、SIERRA、Manus

過去一年,AI智能體應用呈現高速增長,尤其是在能夠解決特定、高價值業務問題的垂直領域。風險投資機構正將焦點從通用大模型轉向能夠深度整合到工作流中的「智能體原生」公司。這些成功的AI Agent公司普遍遵循一個共同的模式:「基礎大模型 + 垂直領域數據 + 深度工作流整合」。它們並非在構建新的基礎模型,而是在現有模型(如GPT-4o, Claude 3)之上,利用其無法獲取的專有數據進行微調,並將其能力無縫嵌入到特定專業人士(如程序員、律師)的日常工作中。我們認為應用層創新核心價值或不在於重建「大腦」,而在於打造高度定製化的「義肢」。

Cursor:重塑軟件開發

Harvey:賦能法律行業

在法律這一高度專業化的領域,Harvey AI已成為智能體應用的標杆。Harvey是一個專為法律專業人士設計的AI平臺,旨在加速合同審閲、盡職調查和法律研究等高強度的知識型工作。通過與普華永道、安理國際律師事務所等全球頂尖機構合作,Harvey利用前沿大模型,結合專有法律數據進行微調,確保了輸出的專業性和準確性。根據業內報道,截至2025年6月,Harvey已完成由Kleiner Perkins和Coatue領投的3億美元E輪融資,估值達到50億美元,ARR達到7500萬美元,成為法律科技領域估值最高的AI創業公司之一。

Glean: 企業級知識智能體,重塑「搜索即工作」

Glean是一家成立於2019年的企業級AI平臺,其核心產品是一款能夠連接並理解企業內部所有應用(如Slack、Google Drive、Jira等)的知識智能體。它不僅能為員工提供精準的「企業內搜索」,更能主動理解工作上下文,自動完成信息查找、文檔總結、報告生成等任務。Glean的商業模式是典型的企業級SaaS,通過知識圖譜和權限控制能力,解決了企業在AI時代面臨的數據孤島和安全治理兩大痛點。Glean收入增長迅猛,在成立后不到三年內,其ARR就已突破1億美元。在2025年6月的F輪融資中,Glean再次募集1.5億美元,公司估值達到72億美元。

SIERRA: 面向消費品牌的對話式商業智能體

由前Salesforce聯席CEO Bret Taylor創立的SIERRA專注於為大型消費品牌(如Sonos、ADT、WeightWatchers)打造對話式AI智能體。與傳統客服機器人不同,SIERRA的智能體能夠深度集成到企業的后端系統,代表品牌與客户進行有意義的、可執行的對話,自主完成退款、開票、服務預約等複雜操作。其商業模式與價值創造緊密掛鉤,通常按對話量或問題解決率收費。SIERRA的技術核心在於其「監督者」模型,能夠有效防止AI產生「幻覺」,確保對話的準確性和品牌一致性。該公司自2023年成立以來增長驚人,在不到一年的時間內,其估值從10億美元飆升至45億美元(2024年10月),年化收入(ARR)也已突破2000萬美元,成為智能體在垂直行業商業化落地的標杆。

Manus: 通用型個人任務執行智能體

源自中國的初創公司Manus 憑藉其通用AI智能體在2025年3月的演示視頻中一炮而紅,展示了其處理篩選簡歷、規劃旅行、分析股票等日常數字任務的能力。Manus旨在打造一個能夠執行用户簡單指令的通用數字勞動力,其商業模式為個人用戶提供月度訂閲服務(起價39美元/月)。Manus的快速崛起,尤其是在獲得硅谷頂級風投Benchmark領投的7500萬美元融資后,估值在數月內增長五倍至近5億美元,標誌着市場對通用型、跨應用任務執行智能體這一方向的巨大期待。它與DeepSeek等模型共同構成了中國在AI應用層創新上的重要力量,預示着個人生產力工具市場的巨大變革潛力。

我們離「單人十億美元公司」還有多遠?

在2023年10月於紐約舉行的J.P.摩根/羅賓漢投資者大會(J.P. Morgan / Robin Hood Investors Conference)上,OpenAI首席執行官Sam Altman在一次爐邊談話中,正式提出了「單人十億美元公司」(one-person billion-dollar company)的構想 。這一概念迅速成為理解智能體經濟時代「超級個體」崛起的最佳註腳。

Altman的預測基於一個核心邏輯:隨着AI能力的指數級提升,很快就會出現由創始人單槍匹馬,在大量AI智能體的協助下,創造出的估值超過十億美元的企業。他認為,AI將使創業者能夠將過去需要整個團隊甚至整個公司才能完成的工作——從軟件開發、產品設計、市場營銷到客户服務——完全「外包」給AI智能體 。這將使創始人能夠專注於最高價值的戰略決策、產品構想和資源調配,從而實現前所未有的資本效率和生產力水平。

這一構想的深遠意義在於,它可能預示着經濟模式從「知識經濟」向「分配經濟」的轉變。在未來,個體的價值將不再僅僅取決於他們掌握了多少知識或技能,而更多地取決於他們如何有效地分配和管理AI這一強大的生產資源。創始人的角色將從「執行者」轉變為「指揮家」,通過精準的指令和戰略規劃,引導AI軍團完成複雜的商業目標。Altman甚至透露,在他的科技公司CEO朋友羣中,已經開始就「單人十億美元公司」在哪一年會出現進行下注。

回顧各個時代軟件創業公司的發展歷程,我們看到這個預言正逐步成為現實。達到1億美金ARR所需要的員工數從20年前,Linkedin的600-700人,10年前 Slack的約200-300人,到最近Cursor的不到20人和Midjourney的約40人。其背后是「超級個體」的崛起——一個具備極強專業能力的個人或一個極精干的小團隊,通過嫻熟地駕馭一系列AI工具和智能體,能夠完成過去需要數百人團隊才能企及的商業成就。

案例#1:從LinkedIn、Slack,到Cursor和Midjourney

前AI時代案例:LinkedIn

LinkedIn成立於2003年,作為全球最大的職業社交網絡,其商業模式圍繞人才解決方案、營銷解決方案和高級訂閲服務構建。公司在2006年3月實現首次盈利 。根據其財報數據,LinkedIn在2011財年的總收入達到了5.22億美元 ,遠超1億美元的門檻。截至2011年底,公司擁有約2100名全職員工。這反映了在前AI時代,一家成功的SaaS和平臺型公司在達到1億美元收入規模時,通常需要一個龐大的、覆蓋工程、銷售、市場和運營的團隊來支撐其全球業務。

前AI時代案例:Slack

Slack於2013年8月正式推出,迅速成為企業通信領域的顛覆者。它通過「產品驅動增長」(Product-Led Growth)的模式,先由終端用户免費使用,再自下而上地推動企業付費訂閲。根據Slack官網,Slack在2016年夏季,即產品上線約2.5年后,年化經常性收入(ARR)突破了1億美元大關。在達到這一里程碑時,Slack的團隊規模不足1000人。雖然相比更早期的LinkedIn已經體現出更高的效率,但仍然需要一個數百人的團隊來支持其快速增長的用户基礎和產品開發。

AI原生時代案例:Cursor

AI原生時代案例:Midjourney

Midjourney成立於2022年,是一家完全自籌資金的AI研究實驗室,其文生圖服務通過Discord平臺提供訂閲服務,迅速成為AIGC領域的領導者。根據公司官網,Midjourney在2023年,即成立的第二個年頭,年收入就已達到2億美元。在達到這一收入水平時,其核心團隊規模僅有約40人。Midjourney的成功是一個典型案例,展示了由少數精英人才利用強大的AI模型和自動化流程,可以在沒有外部融資和龐大組織的情況下,服務全球數百萬用户並創造鉅額收入。

一篇於2025年3月發表在arXiv上的論文《A Survey on Deep Learning and Large Language Models for Quantitative Investment》 系統性地闡述了AI及大型語言模型(LLM)在資產管理領域的應用潛力。該研究指出,量化投資(Quant)作為一種技術驅動的資產管理方法,正被AI深刻重塑。AI智能體,特別是基於LLM的智能體,正在推動該領域從傳統的統計套利向更復雜的、自動化的「阿爾法策略」(Alpha Strategy)範式轉變。

論文的核心觀點是,AI智能體正在四個關鍵環節重構量化投資的價值鏈:1)數據處理:智能體能夠自動處理和理解海量的非結構化數據(如新聞、財報、社交媒體情緒),從中提取傳統模型無法捕捉的「另類阿爾法」信號。2)模型預測:利用深度學習和強化學習,智能體可以構建更精準的資產價格預測模型,並動態適應市場變化。3)投資組合優化:智能體能夠實時解決包含複雜約束條件下的投資組合優化問題,實現風險和回報的更優平衡。4)訂單執行:智能體可以自動化執行交易,並根據市場微觀結構變化優化交易策略,以降低衝擊成本。該研究認為,這些能力的結合預示着一個由AI智能體驅動的、更高效、更智能的資產管理新時代的到來。

算力基礎設施:智能體經濟時代的基石

智能體經濟的宏偉藍圖建立在一個基本的物理現實之上:每一次AI的思考、推理和行動,都需要消耗實實在在的電力和計算資源。隨着智能體從實驗走向規模化部署,其對能源和半導體的需求正快速增長,將這些物理資源從普通的運營成本,推升為決定AI發展速度和規模的戰略性、瓶頸性資源。我們認為,軟件行業正從SaaS的固定訂閲費模式轉向基於Token消耗的定價模式,這使得企業的OPEX直接轉化為對算力基礎設施的持續需求,為硬件銷售創造了持久且非周期性的增長動力,形成了一個強大的商業模式飛輪。

智能體對算力需求的指數級放大

AI智能體作為「長時間在線」的用户,其計算資源消耗模式與人類存在顯著差異。這可以通過三個「乘數效應」來理解:1)帶寬乘數:人類的閲讀帶寬上限約為每秒20-30個Token,而機器的處理速度可達每秒數千個Token,處理能力高出數十倍。2)在線時長乘數:AI智能體可以7x24小時不間斷運行,而人類有效工作時間有限,這帶來了3到8倍的運營時長差異。3)網絡乘數:隨着智能體之間為完成複雜任務而自主互動,它們將產生人類無法比擬的Token交換量,創造需求潛力。綜合來看,一個由一半人類和一半AI智能體構成的混合型企業,其總算力需求可能較人類企業有較大幅度的提升,或將對算力、能耗和企業成本結構產生深遠影響。

算力產業鏈的結構性變遷與新權力格局

正如我們在2024/7/2發佈的《2024年度展望:AI大模型時代的全球產業鏈重構》報告中首次指出的,AI算力硬件的市場規模正歷史性地超越傳統消費電子。如下圖所示,我們測算到2030年,全球AI算力硬件的市場規模有望達到5410億美元,顯著超過智能手機(5210億美元)和PC(2580億美元)市場。這一結構性轉變標誌着科技產業的價值重心正從面向「人」的終端設備,轉向服務於「數字勞動力」(即AI智能體)的算力基礎設施。AI服務器正在取代智能手機,成為科技硬件中最大的單一品類。

根據各個公司財報,自2023年第三季度以來,數據中心相關芯片(以英偉達、AMD、博通等為代表)的合計營收規模已正式超越了傳統的PC與智能手機芯片(以英特爾、高通、聯發科等為代表)之和,到1Q25,已經達到了其兩倍的規模。同樣,在硬件層面,AI服務器的營收過去兩年保持快速增長,到1Q25也達到了PC與智能手機硬件的一半左右。

份額方面,英偉達憑藉其在AI訓練市場的絕對壟斷地位,繼續擴市佔率,到1Q25已經達到69%。另一方面,互聯網企業加速和博通等ASIC設計公司合作,開發定製化芯片,制衡英偉達的影響。展望2025年下半年和2026年,我們認為英偉達和互聯網企業之間這種既競爭又合作的關係會持續下去。

看好AI產業鏈企業量價齊升的投資機會

我們在2024/7/2發佈的《2024年度展望:AI大模型時代的全球產業鏈重構》中前瞻性地提出AI算力產業鏈核心環節的投資機會,重點關注HBM存儲、光通信模塊、PCB電路板以及液冷散熱等細分領域,這一投資邏輯在過去一年得到充分驗證——相關板塊企業普遍實現了量價齊升,業績與股價表現均顯著跑贏大盤。展望2025年下半年,我們預計英偉達新一代GB200/GB300平臺的規模化量產將成為產業鏈增長的核心驅動力,服務器代工龍頭、部分1.6T光模塊廠商、部分液冷模組供應商以及全球HBM3e存儲廠商均有望受益於新平臺帶來的需求增長。放眼2026年,市場關注點將逐步轉向英偉達下一代Rubin架構可能帶來的技術革新,其中CPO等新技術的潛在應用可能為產業鏈帶來新一輪的技術升級周期和投資機遇。

AI的盡頭是能源,關注主權AI和星際之門等大型數據中心的進展

2024年,我們提出了,「AI的盡頭是能源」。進入2025年,隨着半導體生產產能的逐步釋放,我們看到數據中心以及相應的發電,配電設備的建設速度逐步成為制約AI發展的終極瓶頸。

根據JLL統計,2024年全球數據中心規模約為50GW。根據國際能源署(IEA)在最新的報告中預測,到2030年,全球數據中心的電力消耗將比2022年翻一番,JLL預計全球數據中心能耗需求將在未來五年內翻倍至100GW,2025-2027年將保持15% CAGR的強勁增長(基準預測,樂觀情況下可達20% CAGR)。根據JLL統計,2024年其中約30GW(60%)坐落於北美,約13GW(26%)坐落於亞太地區,約7GW(14%)坐落於歐洲中東及非洲地區。

過去一年,以OpenAI的星際之門(4.5GW,規劃總投資5000億美元,位於美國德克薩斯州)和xAI的「巨像」,和中東等地的主權AI項目是熱點。

物理世界的AI:漫長而曲折的落地之路

過去一年,雖然Agent取得了快速的發展,但是手機、機器人的物理世界的AI(Physical AI)的發展低於市場預期。其中最重要的兩個時間是,2025年6月,蘋果宣佈延期正式推出去年發佈的Apple Intelligence的大部分功能,馬斯克在1Q25財報電話會議上承認,最新一代的Optimus 3設計要到2026年初才能開始生產。

我們認為,蘋果延期發佈的主要原因是,當前手機等端側設備在芯片算力、用戶數據可獲取性等方面仍未成熟,限制了真正革命性AI體驗的誕生。

特斯拉機器人發展低於預期的主要原因是,1)物理AI的訓練面臨高昂的數據採集成本與時間。2)目前的模擬器很難完美復現真實世界的複雜物理規律,這導致在模擬器中訓練得再完美的策略,一旦部署到真實機器人身上,也常常會因為微小的環境差異而失效。如何有效地將模擬環境中習得的知識遷移到現實世界(Sim-to-Real Transfer),是當前機器人領域核心且極具挑戰的開放性研究問題之一。

全球AI產業鏈重構:從平行發展到競合新常態

去年7月,我們看到1)美國企業在基礎大模型的發展上處於絕對壟斷地位,2)美國拜登政府從芯片設計、半導體代工、半導體設備等各個維度,不斷收緊對中國的AI芯片出口管制。當時全球AI發展基本處於一個「平行發展」的狀態。

過去一年,我們看到:1)2025/1/20,中國的DeepSeek發佈R1模型,以遠低於行業巨頭的訓練成本(據其技術報告,訓練成本僅為Llama 3系列的7%),實現了與當時全球最頂尖模型(如OpenAI的o1)相媲美的性能,顯著縮短了中美在基座大模型上的差距。2)新一屆美國政府,取消了上一屆政府的AI擴散規則(AI Diffusion Rule),允許英偉達等公司向中國出口經過性能調整的中端AI芯片(如H20),以滿足美國芯片企業在華商業利益的訴求,並且避免將市場完全讓給中國本土競爭對手。3)從股價上,我們也看到,以小米、聯想、比亞迪、中芯國際、阿里巴巴、騰訊、美團為代表的中國科技七巨頭從2025年1月開始,股價顯著跑贏美國七姐妹。

如下圖所示,我們認為中國是美國以外唯一一個具備完整AI產業鏈的國家。雖然美國在基礎大模型,雲計算等軟件領域佔優,但中國在通信設備,以及智能手機、電動車等重要的終端設備上具有較強競爭力。未來,在硬件和基礎設施層,中美兩大生態體系將繼續沿着各自的技術路線演進,呈現有限的「分叉」;而在算法和應用層,技術、知識和商業模式的交流與競爭將空前激烈,形成「犬牙交錯」的競合格局。對於投資者而言,一方面要關注Agent AI、物理AI等全球共通的AI趨勢;另一方面要關注兩大生態系統內部的國產化投資機會。

貿易摩擦風險:若中美貿易摩擦風險加劇,則會對全球半導體供應造成持續衝擊,可能造成廠商業績不及預期的風險。

AI技術發展不及預期的風險:人工智能技術快速迭代發展,技術路徑和應用前景存在不確定性,可能對半導體產業鏈造成結構性影響。若AI應用受阻、影響對AI芯片的需求,導致各AI公司相關業務不及我們預期,可能影響到公司業績和股價。

測算和可得數據的侷限性:報告基於部分企業的歷史財務數據和公開市場信息進行測算和分析,由於半導體行業技術迭代快速、市場環境複雜多變,歷史數據的參考價值存在一定侷限性,未來實際發展情況可能與模型預測結果產生偏差。

本研報中涉及到未上市公司或未覆蓋個股內容,均系對其客觀公開信息的整理,並不代表本研究團隊對該公司、該股票的推薦或覆蓋。

研報:《AI智能體:「硅基生物」的序章》2025年8月18日

黃樂平 分析師 S0570521050001 | AUZ066

陳旭東 分析師 S0570521070004 | BPH392

於可熠 分析師 S0570525030001 | BVF938

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。