各位朋友，我要跟大伙儿唠唠中信建投的这份研报，说说现在的AI投资到底该怎么选。首先咱们得知道，现在的AI已经不是以前那个只能当辅助工具的电脑程序了，它正在变成能自主干活的劳动力。大家看Agent（智能体）就知道了，这玩意儿让Token（计算资源）的需求一下子炸了，谁都想抢着用，这就逼着整个算力生态得赶紧换个活法，不能再像以前那样随便通用了，得往ASIC这种高效芯片和那些能溢价的云服务上面使劲。 中信建投说，投资AI的路子得先把成本降下来，因为只有成本降下来了，生产力才能扩大，这时候新的内容创作、科研什么的机会就出来了。咱们先看2026年的三个方向：第一是模型方面，得让它记更多东西、能自己反思创造；第二是算力，别光想着给大家用了，得防着它像粮食一样变贵；第三是应用，得找出能赚钱快的场景来。 中信建投的大看法挺有意思，他们说靠后训练的方式能让智能变得不一样。Agent就是从副驾驶变成了真正的司机，以前咱们用Copilot（编程助手）只是帮人开车，现在Agent是直接把活儿干了。以后处理复杂任务的时间超过8小时的时候就能看出不一样来了。那些细碎的任务要是能一次性做完端到端的大项目，说明AI真的成了可以规模化部署的数字劳动力了。 这就逼着算力成本结构得彻底改一改。像ASIC这种芯片靠着能效高、算得快又便宜，正一步步把通用GPU的市场给抢过来。再加上上游的芯片涨价和下游的需求猛增，云资源的定价模式早就不是以前那种“低价多卖”了，现在是要把价格抬上去卖个好价钱。边缘云、CDN还有支持RAG架构的Infra层（像向量数据库、推理加速引擎）这些软件最先能把业绩给做出来。 投资AI最关键的还是要降本和创收结合起来。像数字员工和AI Coding（编程）这些东西通过重构每个人的产出量，能大大压缩企业的研发和运营成本。创收那边，当某个场景的边际成本压到了最低点的时候，新的价值点就出来了（比如AI短剧、漫剧或者Agent外包）。 再说风险方面有几个得提防：一是商业化落地的速度要是慢了可能影响业绩；二是竞争太激烈，海外厂商比咱们国内的技术积累多；三是政策和监管要是变了对企业不利；四是地缘政治因素特别是美国的限制可能会卡住咱们的芯片供应。 最后咱们再聊聊具体的技术路线。2025年大模型行业已经实现了从参数扩大转向推理侧发展的战略转移了。像OpenAI的o系列还有DeepSeek的R1这两个产品就很有代表性，证明了通过强化学习RL在后训练阶段能让模型能力实现非线性增长。展望到2026年的话模型会更注重超长上下文记忆、全模态感知还有世界模型这些方向。 大家看这算力需求井喷的趋势已经很明显了。像谷歌和豆包这两家的Token调用量一直在涨就证明了底层算力需求是实打实的刚需。比如谷歌TPU v7这种ASIC芯片靠着单芯片能效比高和推理成本低的优势正慢慢把通用GPU的地盘给吃了。 还有边缘云、CDN还有支持RAG架构的Infra层这些软件最先能把业绩给做出来。至于AI投资的范式核心就是降本和创收紧密结合在一起。降本那边就是通过数字员工和AI Coding重构人均产能来压缩成本；创收这边就是当边际成本降到临界点就会有新的增量价值产生（比如AI短剧/漫剧、Agent外包）。 除了以上这些咱们还得考虑风险提示： 1. AI产业商业化落地不及预期：现在各环节的产品商业化模式还在摸索中，如果推进节奏跟不上可能影响业绩。 2. 市场竞争风险：海外厂商先发优势强技术积累足处于有利地位，如果国内厂商迭代跟不上经营状况就会受影响；国内已有不少企业投入研发后续可能存在同质化竞争进而影响收入。 3. 政策风险：各国对AI技术有监管限制随着渗透加深政策可能收紧如果企业不适应遵守可能面临处罚调整策略导致运营不确定性增加。 4. 地缘政治风险：全球环境波动美国出口限制可能影响国内企业芯片获取进而影响研发竞争力还有开拓海外市场的障碍进而影响营收情况。