问题：科技投资从“买板块”转向“选赛道” 今年以来，全球资本市场通胀回落节奏与货币政策预期之间反复摇摆。降息时点推迟等因素，使部分科技板块“普涨逻辑”边际走弱，市场对业绩兑现与估值匹配的要求明显提高。同时，新一轮应用创新正在出现：智能体类产品热度上升，推动AI从单轮问答走向多步骤执行、跨工具调用与长期上下文维护。投资逻辑也随之变化——从单纯比较“模型能力强不强”，转向衡量“系统效率高不高、成本能否持续下降、商业化能否稳定兑现”。 原因：智能体改变系统运行方式，效率指标成为核心变量 业内普遍认为，智能体与传统对话式应用的本质差异在于“工作流复杂度”。在传统场景中——算力主要集中于模型推理——硬件侧的关键投入往往围绕GPU扩容展开；而智能体需要持续拆解任务、反复规划与纠错、频繁读写数据并调用外部工具。这类流程不仅依赖计算能力，更依赖调度、I/O与网络传输的整体协同。 因此，“单位能耗产生的有效输出”被视作衡量竞争力的重要标尺。简单说，谁能以更低能耗、更低延迟、更稳定的系统吞吐产生更多有效计算结果，谁就更可能在成本与规模扩张上占得先机。这也使产业链的定价重心从“总算力堆叠”向“系统效率优化”迁移。 影响：三类环节或被重新定价，供需与商业化成为分水岭 其一，CPU从“辅助角色”转向“调度中枢”。在智能体工作流中，任务编排、工具调用、数据管理与实时决策等环节对CPU更为依赖。GPU擅长大规模并行计算，但在逻辑控制与跨工具调度上并非强项；智能体运行越复杂，系统越需要高效“指挥与协调”。业内测算显示，代理型工作负载中，CPU有关的非模型计算占比显著提高，CPU能力不足会造成GPU等待、资源空转与整体效率下降，从而推高单位成本。近期亦有海外媒体报道称，部分主流厂商上调服务器CPU价格并延长交付周期，反映在AI需求叠加下供需错配压力加大。由于该领域产业格局集中、供给弹性相对有限，价格与交期的变化更容易向下游传导，进而影响数据中心建设与运营成本。 其二，高速互联与CPO成为“搬运效率”的关键基础设施。智能体频繁访问外部工具与数据源，对集群内部互联带宽、延迟与稳定性提出更高要求。过去“算得快”是重点，未来“传得快、传得稳、传得省”同样重要。高带宽互联可以降低通信瓶颈，减少计算单元的等待时间；而CPO等光电融合技术被认为有望在提升带宽密度、降低功耗上形成优势。随着数据中心规模扩大，网络侧能耗与投资占比上升，互联能力对整体“效率指标”的影响将更加突出。 其三，掌握“计费与入口”的大模型厂商，商业化能力更受关注。智能体普及后，推理调用频次提升、上下文长度变长、工具链增多，带来算力消耗与服务成本的结构性变化。若企业能够通过模型能力、平台生态与产品形态建立稳定的收费机制与规模化交付能力，就更可能竞争中形成护城河。市场由此更看重其成本控制、定价策略、客户留存与行业渗透，而非单一参数指标。换言之，商业模式的确定性将成为估值分化的重要依据。 对策：产业链需围绕效率与安全双主线协同发力 从产业端看，一是强化软硬件协同优化，通过调度软件、编排框架与系统级优化减少资源空转，提高集群利用率；二是加快关键部件与关键技术的工程化验证，推动高性能CPU、互联芯片、光模块、先进封装等环节形成更可靠的供给与交付能力；三是引导应用侧形成可持续的付费场景，避免“高调用、低转化”导致成本压力外溢。 从投资与监管视角看，应更加重视企业基本面与业绩兑现，关注技术路线成熟度、供应链安全与合规治理，防止概念化炒作带来资源错配。同时，鼓励面向实体经济的高价值应用落地，通过示范场景牵引技术迭代和产业升级。 前景：从“算力规模”走向“效率竞争”，分化或将加速 综合来看，智能体推动AI进入“系统工程”阶段，效率指标的重要性上升将带来产业链价值再分配：计算侧看调度，网络侧看互联，平台侧看商业化。未来一段时期，行业竞争可能呈现两条主线并行：一上，算力规模仍将扩张以满足增长需求；另一方面，围绕能耗、延迟、成本与交付的效率竞争将决定盈利能力与可持续性。随着需求释放与供给约束交织，结构性机会或多于全面普涨，优胜劣汰也可能更为明显。
人工智能产业从野蛮生长到精耕细作的转型，既是市场自发的价值回归，也是技术发展的必然规律。在这场以能效为核心的新竞赛中，唯有真正掌握核心技术、构建可持续商业模式的企业才能赢得长期发展空间。对投资者来说，这既是对过往投资逻辑的修正，更是把握未来十年科技产业变革的重要机遇。在全球数字经济竞争日趋激烈的背景下，这场效率革命或将重塑全球科技产业格局。