从狂热扩张到理性调整

AI设施前期超250%的高速增速，源于大模型从0到1的突破期对算力、数据中心等基础设施的刚性需求。而当微软、谷歌等巨头完成大规模算力布局，大模型训练技术逐渐成熟，上游算力不再需要爆发式投入，增速自然回落。例如2025年亚马逊、谷歌等科技巨头虽仍有千亿级AI资本支出，但支出上调幅度已趋于稳健，花旗上调2026年AI基础设施支出预测时，也是基于现有布局的稳步扩容，而非此前的跨越式投入。

资本从“盲目跟风”转向“精准投放”

2025年超半数创投资金流向AI领域，但资金结构已发生变化。68.5%的资金集中于OpenAI等横向平台类公司，而应用端因商业化模糊，获得的资本倾斜更趋审慎。这种集中化投放，既体现了资本对底层技术的认可，也反映出对应用端不确定性的规避，客观上拉低了整体投资增速。

2. 应用端商业化滞缓：多重瓶颈导致“投入 - 回报”失衡

 成本与需求的匹配难题突出：大模型训练和使用的高昂成本成为商业化拦路虎。OpenAI、Anthropic的巨额亏损，本质就是算力运维、技术研发的成本远超当前API调用、模型授权等收入。且多数企业部署AI仅停留在试点阶段，尚未找到将技术转化为规模化收入的路径，95%的生成式AI试点项目无直接财务回报

产业落地存在多重结构性短板：高质量行业数据匮乏让模型难以适配具体场景，很多企业积累的数据未形成可用语料，数据整理与数据集建设还需两年左右才能找到成熟路径；同时工程化能力不足，全链路交付、软硬件结合等落地难题尚未解决，导致AI难以融入行业核心流程，收入贡献自然有限。

3. 估值争议与市场波动：泡沫担忧下的投资心态分化

估值与业绩的背离加剧波动：AI硬件标的因前期算力热潮推高股价，估值已透支未来预期；应用端标的又因业绩兑现滞后，难以支撑高估值。这种矛盾导致市场情绪化明显，既出现英伟达CEO聚餐就带动相关股价飙升的狂热，也会因OpenAI贷款担保传闻引发纳斯达克指数大幅下跌。54%投资者认为AI股票存在泡沫，正是这种估值混乱的直接体现。

总体而言，当前AI投资的转折点，本质是行业从资本驱动的“狂热期”向技术与商业双轮驱动的“成熟期”过渡。增速放缓、商业化滞缓等问题，既是技术迭代的必然阶段，也是筛选优质企业的过程。未来能突破成本、数据、商业化等瓶颈，实现技术落地的企业，或将成为下一轮周期的核心受益者。$天孚通信(SZ300394)$  $工业富联(SH601138)$