1 人工智能产业进入景气投资阶段。

郜哲介绍了中国人工智能产业从主题投资转向景气投资的变化，算力和应用端均有业绩兑现。刘高畅指出国内外AI模型差距缩小，国内AI产业进入小规模启动阶段，应用商业化闭环完成，全球应用爆发，国内应用可能晚12-18个月，但有望加速发展。

2 AI投资进入实质阶段。

郜哲指出，随着DeepSeek等开源模型的出现，国内AI应用端如AIGC、自动驾驶等领域开始落地，大厂资本开支增加带动算力、芯片等环节业绩验证相比过去主题性投资，今年AI投资更具持续性，估值消化能力增强，市场风格偏向价值成长平衡。

3 人工智能产业具备较好投资价值。

郜哲分析了国内外算力板块的投资机会，认为海外算力短期交易密集但仍有空间，国内算力筹码结构良好且悲观预期已反映，两者长期均具优势他提到国产芯片虽单卡性能不足，但组网优势明显，自主可控逻辑下国内算力迎来布局时点。

4 国内外算力与应用发展预期差较大。郜哲分析了国内外算力发展的预期差异，指出海外算力景气度延续，国内算力预期差较大。他建议分散化投资算力端。在应用端，他提到国内大模型厂商需提升智能体能力，特别是在数据治理和垂直领域应用方面。国内AI应用在to

b和to

5 数据、模型和接口是三大要素。

郜哲介绍了AI应用的三个关键要素：数据、模型和接口他指出，国内自2月起开始关注高价值、易标准化的数据治理场景，5-6月已有落地案例，如买方研究员点评和快消品销售管理金融、法律等行业因付费能力强，AI应用进展较快，而医疗受政策限制较慢海外则以代码、设计和办公类应用为主。

6 大模型应用需数据治理支持。

郜哲指出大模型在特定领域幻觉问题已大幅减少，但数据治理是关键金融决策等任务需要高质量、针对性数据，而现有数据往往不完整或难以理解他强调有效数据记录和治理对大模型应用的重要性，建议厂商加强技术探讨和数据治理。

7 数据治理是AIGC应用的关键。

郜哲指出数据治理是推动AIGC商业化的重要基础他分析了多模态领域的发展，认为文生图技术已成熟，文生视频商业化加速，世界模型在自动驾驶中应用广泛，但视频声纹技术仍有待突破。

8 视频信息压缩技术尚不完善。

郜哲讨论了视频和声纹信息的压缩技术及其在机器人等领域的应用挑战，指出当前技术准确度不足且存在信息损耗他提到不同场景下技术成熟度差异，如AIGC和文生视频相对成熟，而机器人领域容错率低且技术卡点多人工智能产业在算力和应用端均有景气投资机会，但未来发展仍需突破技术瓶颈和探索商业模式。

9 指数化投资是当前较好策略。

郜哲指出当前市场适合指数化投资，而非单一方向押注他分析人工智能指数分为两类：特定板块指数和全市场指数，前者如创业板和科创板指数分别聚焦通讯传媒和芯片公司，后者如515980指数算力与应用各占一半，覆盖更均衡建议投资者根据行业景气度选择指数，全市场指数更适合当前投资节奏。

10 人工智能产业指数的编制特点。

郜哲介绍了华富基金跟踪的人工智能产业指数与CS人工智能指数的区别人工智能产业指数采用AI营收占比调整市值和成长性指标优化权重，避免传统市值加权导致的弹性不足和权重滞后问题，更聚焦当前快速发展的技术环节如光模块和AIGC。