2025下半年TMT投资策略展望【2025下半年投资机会前瞻】

2026年全球算力资本开支的预期存在较大分歧，尽管微观层面目前仍然强劲，但对未来的一些不确定性使得这种分歧短期内难以消除。北美互联网公司的资本开支情况如何？根据最新数据，北美四家互联网巨头（亚马逊、微软、谷歌和麦塔）在一季度的资本开支总金额为773亿美金，同比增长62%。并且这些公司对于2025年的资本开支指引依然保持乐观，甚至有上调全年资本开支预算的情况，显示出对整体资本开支的强烈乐观预期。AI算力的主要增量在哪里？AI算力的主要增量体现在计算设备如服务器中的GPU升级迭代及用量提升，以及配套产业链如铜连接、液冷电源、光模块、PCD等的快速成长。此外，大模型训练对算力需求庞大，尤其是多agent通信协作产生的算力消耗呈指数级增长。推理阶段对算力的需求如何？虽然大模型训练对算力需求大，但实际上推理阶段对算力的需求也非常庞大。模型参数量与训练算力、推理算力密切相关，随着参数量的增长，训练和推理算力的需求也会呈指数级上升。最近出现的DeepCC等技术是否改变了对算力需求的认知？DeepCC等技术通过工程化优化，可能降低了对先进或大规模算力的需求以达到不错模型效果的程度，但这并不意味着改变了大力出奇迹的传统路径。实际上，强化学习等核心技术在数学和编程能力上展现出竞争力，并在无监督微调等方面取得显著效果，强化学习已成为激发复杂推理的关键技术，其发展同样遵循一定的规律和逻辑。在AI模型训练中，训练步数对模型能力和响应程度有何影响？训练步数对模型能力和响应程度有显著影响，图表数据显示随着训练步数增加，模型性能有所提升。强化学习成功的核心因素是什么？ 强化学习成功的核心在于长思维链特性的应用。AI未来发展的主要方向是什么？未来AI发展的主要方向是从模型训练转向实际应用，特别是聚焦于单智能体和多智能体的发展，它们的性能增长遵循调用外部工具数量与性能提升之间的类似利率关系。多智能体系统的算力需求情况如何？多智能体系统的算力需求巨大，随着任务复杂度和多元性增加，对计算量和talking核算率消耗也会大幅度提升。算力需求的主要困境是什么？当前市场上的算力需求状况如何？主要困境包括通用多智能体系复杂且资源密集型，涉及大量模型调用和外部工具使用导致talking消耗极高；以及AI原生应用导致talking消耗量激增。目前市场上的算力需求仍有很大的发展空间，如谷歌等公司近期表示其talking消耗量增长迅速，国内同样面临类似挑战，大模型商务落地日均talking消耗量在短时间内翻了近十倍，且市场份额由较小比例快速提升至超过50%。大模型talking消耗激增的核心原因是什么？核心原因是AI原生应用的爆发式增长，例如豆包大模型的日均talking使用量在短短几个月内实现了几十倍甚至上百倍的增长，这反映出底层算力需求的快速增长和市场份额的大幅跃升。大规模投资AI后，是否看到了与数十倍、上百倍消耗增长相匹配的业务增长和商业模式闭环？虽然有增长，但相较于巨额投资和预期的几十倍上百倍消耗增长，AI对业务的提升幅度相对较小，可能只有400左右，可以忽略。如果长时间无法实现商业变现、商业模式闭环以及良好的经营效益和现金流入，那么可能需要阶段性放缓投入。 AI在执行任务过程中，哪些因素导致了talking消耗量的增长？AI执行任务时，长向上下文窗口的处理、任务拆解规划编排、工具通信、多模态场景等都会造成talking消耗量的增长。例如，长文本语料的处理、多工具协作通信、验证模块的设计以及多模态场景（如文本、图像、视频等）的综合规划，都会带来较大的talking消耗。如何看待AI在当前迭代阶段后的应用方向及算力需求？目前AI已经迭代到一定高度，接下来的核心是将其应用于实际场景以实现商业闭环。其中，agent模型的应用对算力消耗已有数据证明非常大。尽管如此，尽管存在分歧对未来预期，但从客观数据推导来看，整个行业可能仍将保持高强度的算力投资，同时考虑到高密度设计方案和更大规模的NVlink互联技术可以有效提升整体性能和性价比，未来基于这些技术的算力投资占比有望越来越高。为何大厂还在持续高强度地投资算力，尤其是随着DeepMind出现后？大厂持续高强度投资算力的原因包括推理、训练等对算力的大量需求，以及当前AI落地场景对算力消耗持续强劲的增长趋势。此外，尽管对未来预期存在分歧，但基于现有数据和推导，算力投资可能会持续，且整体性能表现可能会优于预期。同时，高密度设计方案和先进封装技术有助于构建高效且性价比高的算力基础。未来三粒消耗是否会对市场产生较大影响？我们认为未来三粒消耗是可见且强度很大的，但能否完全打消市场对未来分歧尚不确定。传统光化公司股价估值下行明显的原因是什么？主要困惑在于这些公司的估值到底处于什么位置合适，投资者难以判断何时止跌或止涨。如何解决这种估值锚点缺失的问题？如何寻找估值锚点？需要一个基于未来盈利预测的锚点，如以某公司2026年和2027年的盈利预测为基础计算出来的估值倍数，但由于对未来不确定性的分歧，导致该锚点作用丧失。我们考虑通过历史数 据来寻找估值锚点，观察整个行业或产业链在周期性波动中的估值变化。是否有具体案例分析估值变化？我们以兴盛公司为例，研究其2018年至今的PETTM（基于历史四个季度业绩核算的PE）波动情况，发现其经历了完整的周期性行情，并且估值波动巨大。兴盛公司在过去经历了哪些周期变化？兴盛公司经历了从上一轮周期下行到平稳，再到景气度回升到达高点，然后景气度回落，再到不景气的周期过程。2018年估值异常高点有何特殊原因？2018年估值异常高是因为当时兴盛公司的主要客户中信通讯受到美国制裁导致业绩受影响，而在2019年后随着中信通讯恢复经营及5G建设大周期启动等因素，估值有所回升。从2020年7月到2022年5月期间股价和估值有何变化？在这一阶段内，股价和估值经历了先上升后大幅下行的过程，其中2022年2月到5月期间出现了快速的估值和股价下行。2022年2月之后，股价和估值为何能在低位震荡？虽然行业景气度有所走弱，但增速仍在35%左右，维持了一定水平的增长，因此即使估值有所下行，也未出现大幅度的股价下跌，而是进入高位震荡阶段。直到2022年一季度发生了较大变化，导致估值和股价进一步走低。在当前节点，北美云厂商通常会进行哪些操作？北美云厂商一般会在这一时期发布当年度或下一年度的业绩指引，并对未来资本开支有所描述。市场预期方面，当时的情况是怎样的？当时市场预期美国可能进入经济衰退期，互联网大厂也表达了对未来财源的关注。 复盘过去的意义是什么？复盘过去是为了了解一轮周期中行业估值的基础支撑点，以判断当前这些公司的估值是否合理。2022年Q3左右发生了什么变化？在2022年Q3左右出现了一个拐点，增速明显下行，部分公司的资本开支开始下降，导致股价下跌和估值水平降至较低位置，如12倍至15倍左右。AI发展与云计算有何不同之处？云计算虽然是成长行业，但其需求主要面向B端，有爆发力但不一定能持续高速增长；而AI发展基于大模型的训练、迭代及应用具有很高的成长性和弹性。对于当前AI行业的看法是什么？虽然目前商业闭环尚未完全走通，但基于技术层面和数据表现，AI领域的消耗增长非常快，因此景气度仍值得期待，建议保持适当仓位精选个股。对于AI领域的投资分歧点在哪里？分歧在于未来是否会出现高强度投入还是有所缓和，但从历史复盘来看，目前没有证据表明下半年或明年会出现明显警惕端下行、资本下降或砍单的情况。在AI算力方面有哪些新的进展？AI日新月异地发展，不排除未来出现大爆款，可能扭转当前局面。对于AI应用理念中的agent发展有何看法？agent是从大模型到工作流再到智能体的发展方向，其中ONA智能体能够感知环境、决策并采取行动。智能体被划分为工作流类和智能体类两种框架，且智能体表现出更强的动态决策与环境交互能力，预示着群体智能和多AI协作的新阶段。 微软在AI领域发布了哪些内容？微软也发布了一些相关内容，但本次主要关注国内的agent发展情况。国内agent的发展现状如何？国内的agent也在加速发展，从跟随者向探索者转变。今年国内出现了很多新品，例如mas提出的通用agent概念，并且质谱的沉思成为国内首款公开可用的产品。为何重视agent的发展？因为agent对三笠和消toking的消耗较大，其重要性不言而喻。同时，北美已经开始制定跨境agent协作协议规范，这显示了agent在未来AI应用落地中的核心地位。国内哪些公司在积极参与agent相关的发展？我们正在观察国内哪些公司在这方面具备能力和参与其中，未来这些公司在agent领域可能会占据主导地位和作用。对于人工智能行业整体发展的看法是什么？人工智能发展仍在快速推进过程中，尽管存在分歧，但我们认为不应丧失兴趣，应持续跟踪并保持关注。在红利板块方面的投资策略是什么？在高成长赛道，特别是AI大赛道中，应选择有想象力的优质资产进行持续布局，同时，在市场震荡波动中，也应配置稳健的红利资产，持续关注其表现。如何看待三大运营商当前的经营状况及未来展望？目前，三大运营商的收入和利润增速放缓，但从最新数据来看，二季度开始政企业务订单恢复，预计收入和利润增速会有所提升。尽管面临一定的经营压力，但业绩大概率仍可实现平稳增长， 家庭宽带用户的渗透率还有提升空间，叠加智慧家庭类业务的推进，将支撑收入端稳健增长。此外，成本费用压降、资本开支持续下降将有利于自由现金流的改善，净利润也将保持平稳增长。对于红利资产的重要性有何见解？我们认为，在当前市场环境下和宏观经济周期内，许多红利资产依然具有重要的配置价值。成长方向上，AI技术日新月异，尽管短期存在分歧，但许多公司具有估值底，并有可能带来突变。因此，建议不要抛弃这个板块，适当地精选个股进行持仓，持续保持关注。