今年以来，全球AI产业持续升温：新一代芯片技术加速落地，算力基建规模化扩张，部分细分领域实现商业化突破。二级市场上，尽管科技板块二季度经历阶段性调整，但机构资金对AI算力基建的布局力度不减反增，折市场对产业核心环节的长期共识。
当AI发展进入深水区，如何去伪存真，去芜存菁，把握此次科技浪潮的投资机遇？近期，中欧科技战队的两位基金经理邵洁、冯炉丹，围绕AI产业最新趋势、技术演进方向、商业化进展及未来投资机会，带来了她们的最新观察与洞见。
从研发驱动的小循环
到商业化驱动的大循环
9年从业经验，4年投资经验。2016年7月加入中欧基金，历任研究助理、投资经理、投顾代表、研究员。
聚焦人工智能产业链，重视技术变化，景气度和长期价值双维度定价。
现任中欧数字经济、中欧新蓝筹基金经理。
过去两年，全球AI行业的核心发展，可以总结为由研发驱动的小循环。研发投入的增长推动了算力的扩张，而算力的投入又进一步提升了模型训练的效果，从而迭代出更强大的AI模型。
然而，市场担忧的点在于，这个小循环受制于资本开支的强度和模型迭代的速度。所以大家会去跟踪大厂的资本开支（Capex）这个指标，担心一旦投资意愿减弱，这个循环就跑不下去了。
2025年，一个重要的变化是——在研发小循环之外，海外市场已经逐渐形成由商业化支撑的大循环。研发投入后转化的产品和服务，用户量越来越大，商业模式成型，带来了收入和利润的规模化增长，又进一步提高了研发支出。
以ChatGPT为例，周活跃用户已从今年初的3亿增长到最新的8亿，接近全球领先互联网企业，用户黏性也显著提升。与此同时，AI商业模式逐步清晰：（1）订阅费（2）API调用费（3）Deep Research代表的Agent收费。
相比之下，国内AI行业在两个循环上还存在一些卡点。一方面，在算力供给端，海外先进芯片的获取受限，而国产芯片在量产能力、集群效率上仍有一定差距，导致代码书写、工具使用等模型效果与海外领先水平尚存差距。
另一方面，在需求端，由于国内尚未出现真正威胁互联网巨头核心业务的AI应用，国内互联网企业的投入更多是跟随策略。此外，国内用户对订阅付费模式的接受度相对不高，进一步限制了商业化的速度。
不过，长期来看，中国在人才储备、超级APP生态和政策支持方面具备优势，因此对AI发展水平的长期远景较为乐观。
展望未来，有几大投资机会值得期待。
01 海外推理基础设施
供给端边际缓解，需求侧持续高景气，光模块和PCB（印刷电路板）等环节到2026年需求逐渐清晰，预计供不应求延续到2027年。
02 ASIC专用芯片
2026年出货量有望超过GPU巨头。看好两方面产业投资机会：（1）ASIC放量后，产业链增量环节。（2）ASIC芯片设计服务厂商、晶圆代工厂等。
03 AI应用
期待更广泛的AI应用涌现，跑通商业化闭环，效率类应用（如智能客服、AI编程）是短期核心动力，娱乐体验类应用（如游戏+AR、虚拟人）是中期爆发点，连接类应用（如AI Agent平台）是长期战略方向，其中连接类应用可能孕育长期万亿级市场。
AI推理
重塑AI金字塔
13年证券从业经验，6年投资经验。曾任国金证券电子行业研究员、安信证券电子行业高级分析师。
专注硬科技投资，寻找硬件创新周期的alpha。
现任中欧智能制造、中欧科创主题、中欧创新未来基金经理。
AI发展过程中出现了一些“非共识”的方向，也是未来的投资机会。核心观点可概括为：AI推理将重塑AI金字塔。
目前，底层芯片层、中间大模型层、上层应用层分别约为1000亿、6000亿、3200亿美元的市场规模。未来，AI产业应该呈现“倒金字塔”型，芯片层可能有5000亿美元的市场空间，大模型2万亿美元，而应用层的市场空间或将达到20万亿美元。（数据来源：Verified Market Research，Marvell，Prismark，LightCounting，Gartner，弗若斯特沙利文，央视新闻，CNBC）
这种生态的重塑需要商业模型不断产生“飞轮效应”，AI应用往推理端走。有两个对应的终端市场将成为关键突破口，一个是AI眼镜，另外一个是智能驾驶，这两个市场未来有4000亿以上的空间，可能催生千亿或者万亿的大公司。
新的科技竞争格局带来了科技投资的新范式。在科技创新方面，中国正从产业链承接者转变为技术发明者，这一转变在大模型领域表现尤为明显。2023年前，中美大模型存在显著差距，但随着今年初DeepSeek-R1等国产模型的出现，这一差距正在快速缩小。
这种非线性创新特征是我们很难预期的，因此要求建立新的认知框架。科技创新可分为不同阶段：首先是工程创造阶段，这是中国电子科技信息产业过去十年的主要路径，具有线性发展特征；其次是技术发明阶段，特点是发展非线性外推，创新时间点难以预测，中国科技产业现在也在往技术发明走了，无论是在先进制程、芯片设计还是智驾等领域，已经逐步走到了国际前列。此外，技术发明的竞争门槛是比较高的，从投资的角度，要寻找产业链里面具有技术创新的环节，这样才会有超额利润。
目前，AI推理进化有四大方向，分别是模型维度、模型记忆、推理成本和推理速度。
01 模型维度
现在常见的大语言模型虽擅长文本生成，但还缺乏对物理世界的理解，这一局限直接影响了AI在复杂任务上的表现。未来突破的关键在于构建真正的多模态模型，通过融入物理规律和环境数据，使AI能够像人类一样归纳抽象概念、规划复杂任务。这种进化将直接推动智能驾驶和人形机器人技术的发展。
02 模型记忆
现有大语言模型的记忆能力受限于单对话窗口的Token长度，难以维持长期的任务连贯性。AI现在能执行的任务时长大概是1小时，随着模型参数规模按每年翻1-4倍的速度增长，在未来两年内，我们有望看到AI Agent执行为期一天的任务。这种进化将改变人机交互模式，使AI从简单的指令执行者转变为能够自主规划、持续跟踪的日常生活助手。
03 推理速度
推理速度的提升直接关系到用户体验和实际应用价值。各家芯片厂商都在努力提升芯片性能，每年性能提升50%-100%，ASIC由于定制化优势在单项性能上可以获得更高的数据。而端侧芯片也展现出巨大的市场潜力，未来市场空间甚至有望超过算力芯片，且中国厂商在这一轮半导体周期都积累了足够的研发实力，紧跟世界一流厂商，未来将会在端侧芯片市场份额的前三名看到中国厂商。
04 推理成本
高昂的推理成本是目前阻碍AI普及的主要瓶颈，如果要达到像现在使用互联网一样去使用AI，成本势必要实现持续的下降。降低推理成本的关键在于，一是提升模型能力密度，二是增强端侧芯片承载能力。
基金有风险，投资需谨慎。以上内容仅供参考，不预示未来表现，也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证本基金一定盈利，也不保证最低收益。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识本基金的风险收益特征和产品特性，认真考虑本基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
中欧数字经济、中欧新蓝筹、中欧智能制造、中欧科创主题、中欧创新未来为混合型基金，其预期收益及预期风险水平高于债券型基金和货币市场基金，但低于股票型基金。中欧数字经济、中欧智能制造、中欧科创主题、中欧创新未来可投资于港股通标的股票。除了需要承担与内地证券投资基金类似的市场波动风险等一般投资风险之外，中欧数字经济、中欧智能制造、中欧科创主题、中欧创新未来还面临港股通机制下因投资环境、投资标的、市场制度以及交易规则等差异带来的特有风险。
