2026年诺安基金科技投资报告
【风险提示】 本材料由诺安基金管理有限公司提供，报告中提及的市场观点是基于自前市场情况分析得出、具有时效性。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，亦不作为任何法律文件。 本报告的信息来源于已公开的资料，本公司对该等信息的准确性、完整性或可靠性不作任何保证。材料中提及的上市公司仅供举例说明，不代表个股推荐和具体投资建议。 本报告中图片及商标仅为示例引用，不构成任何商业推荐或品牌关联 市场有风险，投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。 投资者投资于本公司管理的基金时，应认真阅读《基金合同》《托管协议》《招募说明书》《风险说明书》、基金产品资料概要等文件及相关公告，如实填写或更新个人信息并核对自身的风险承受能力，选择与自己风险识别能力和风险承受能力相匹配的基金产品。投资者需要了解基金投资存在可能导致本金亏损的情形。基金管理人承诺以诚实信用、勤勋尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金管理人管理的其他基金的业绩不代表本基金业绩表现。基金的过往业绩及其净值高低并不预示其未来业绩表现。基金管理人提醒投资者基金投资的“买者自负”原则，在作出投资决策后，基金运营状况与基金净值变化引致的投资风险，由投资者自行负担。我国基金运作时间较短，不能反映股市发展的所有阶段。 I目录 CONTENTS 一、燃之势能 应用渗透：在确定性与效率边缘重构商业秩序03 1.1认知重构：聚焦应用价值，爆发趋势确定03 1.2路径思辨：从技术理想主义走向商业现实主义04 1.2.2落地共识：挺进应用深水区的工程化挑战05 1.3价值探索：以数据和生态为抓手的确定性应用图谱05 1.3.1逻辑基石：数据、生态与模型能力的阶段性协同051.3.2看好方向一：AlforBusiness，微笑曲线右端的营销与交付变革061.3.3看好方向二：AlforScience，微笑曲线左端的研发范式重构081.3.4看好方向三：智能助手，从指令执行向Agent任务协同的跨越091.3.5看好方向四：自动驾驶，物理空间智能闭环的终局一跳60 端侧AI的关键转折：硬件重构与场景价值跃迁17 2.1AI眼镜多路线并行，手机与PC正突破性能与形态的物理瓶颈182.2新兴品类的爆发：AI硬件正剥离极客感，转向健康管理、情感计算与儿21童成长的垂直领域 AI基础设施：从芯芯之火到全面燎原25 3.1算力芯片：通用GPU与专用ASIC从竞争走向竞合，CPU受益推理拉动迎25新市场3.1.1通用GPU与专用ASIC从竞争走向竞合253.1.2AlAgent时代，CPU正从台后走向C位28 3.2通信：追求高集成度下的极致性能29 303.2.1数据中心间（Scale-across）：DCl系统及长距离光纤迎需求爆发3.2.2超节点间（Scale-0ut）：1.6T高速率光/硅光模块成为主流313.2.3超节点内（Scale-up）：CPO/NPO、OCS技术从柜间互联向柜内33渗透，PCB仍是短距离互联主流技术3.3存储：AI发展推动存储架构变革，供需错配下存储迎大周期363.3.1AI推理需求推动存储架构变革：突破内存墙，向异构存储范式演进363.3.2存储架构变革下的底层裂变：3DDRAM的4F2工艺和千层NAND393.3.3供需错配驱动，存储步入上行大周期41中国半导体的决定性突破：全链协同，从被动替代到创新自强434.1被动替代：封锁围堵下，中国成功度过半导体自主自强上半场434.1.1人工智能发展强化半导体战略地位，外部技术封锁成为国产替代43核心驱动力4.1.2多维协同发力，保障产业发展444.1.3自主可控显现成效，国内半导体产业规模和韧性跨越式增强454.2主动创新：实现决定性技术攻坚，闭环中国人工智能产业生态454.2.1"十五五”规划明确全链条突破，大基金三期注入动力454.2.2本土化工艺制程突破，逐步构建自主可控AI芯片制造体系46484.2.4存储芯片在AI时代战略意义凸显，国产存储技术和产能提速追赶494.2.5迈向下个十年，计算底层技术演变提供换道超车机遇49 二、燃动未来 人形机器人：具身智能的"iPhone时刻”53 1.1产业拐点：从宏观叙事看周期定位531.2标杆引领：特斯拉Optimus量产进程541.3技术攻坚：核心博奔与关键增量56 581.4群雄逐鹿：中国新势力与商业化爆发 脑机接口：从科幻到产业化临近61 2.1产业链生态图谱61 2.2脑机接口发展空间63 2.3BCI的“真正生产力”来自AI64 太空新经济：中美太空竞速与“天基算力”新基建 67 3.1太空经济：不可再生轨道资源与大国安全防线的终极博奔673.2终极愿景：硅谷巨头眼中人类文明的星际愿景683.3算力上天：AI浪潮下数据中心向宇宙迁移的范式革命693.4运力鸿沟：Spacex统治力下的效率极限与中国产能突围71 可控核聚变：人类能源的终极解决方案73 4.1现有能源体系无法支撑人类长期发展73 4.1.1化石能源面临气候和储量双重束缚734.1.2风光出力不稳定，大规模装机对电网提出较大挑战744.1.3核裂变面临铀资源和乏燃料处理双重难题74 4.2.1可控核聚变技术原理754.2.2可控核聚变已成大国战略竞争的新高地77 4.3政策和资本双轮驱动，产业浪潮澎湃向前78 4.3.1聚变正引爆一个前所未有的全新生态链784.3.2政策和资本双轮驱动，中国企业奋勇争先79 中国创新药：“燃烧的远征"80 5.1激荡十年：政策、生态与管线爆发（2015-2025）80 5.1.1政策顶层设计：从审评积压”到"全链条支持"80 5.1.2"VC+IP+CXO"的生态不断强化81 5.1.3管线爆发：数量与质量的双重跃迁82 5.1.4中国资产的全球定价82 5.2中国药企的“比较优势”与战略机遇83 5.2.1核心能力：效率与成本的极致835.2.2历史机遇：填补MNC的专利悬崖84 5.3未来十年：全球化兑现与大国竞合84 5.3.1重磅炸弹的全球上市潮84 5.3.22040年市场空间展望85 5.3.3中国商保大发展与多层次支付85 5.3.4中美共同引领前沿技术85 应用渗透 在确定性与效率边缘重构商业秩序 1.1认知重构：聚焦应用价值，爆发趋势确定 当前AI产业正站在技术理想与商业现实的十字路口。尽管关于通用人工智能（AGI)的实现路径、底层架构的演进上限以及ScalingLaw的边际效应仍存在激烈的理论博奔，同时，高质量公开数据已近枯竭、巨大的能耗负担、底层架构的计算效率上限以及模型在严谨场景下的“幻觉”与记忆缺失等问题，也均构成了智能向上突破的实质性限制，但我们认为智能的价值最终需通过ROI和利润来体现。当前，国内外模型Tokens调用量保持高速增长，反映出底层算力正加速转化为前端应用消耗。本章将剖析当前AI应用落地的路径分歧与共识，并基于数据与生态的逻辑，推演最具增长确定性的应用蓝图。 路径思辨：从技术理想主义走向商业现实主义 》1.2.1范式分歧：在不确定的演进中锚定应用起点 目前业界对于AI未来的分歧点集中在AGI达成期限、架构演进（如Transformer是否为终点）以及ScalingLaw的有效性上。但在应用层面，共识已经达成：多数商业场景并不依赖全知全能的AGI，而是追求在特定领域以低于人工成本的代价完成生产关系重构。与此同时，底层技术架构的分歧同样显著：Transformer架构很可能不是智能进化的终点，但它已无疑成为了应用的起点。ScalingLaw正从单纯的“规模线性放大"转向由“架构创新与训练方式”双轮驱动的结构化扩展。在这种背景下，模型与应用的关系正在经历层级化演进，模型在短期作为单点效率工具，中期重构复杂业务流程，长期则有望进化为独立决策的主体。 中国科技「燃」：燃之势能 》1.2.2落地共识：挺进应用深水区的工程化挑战 在应用落地层面，产业界已形成多项共识。首先是高质量数据的稀缺，公开域数据的利用已接近上限，未来的增长空间取决于私有域及具备逻辑因果属性的垂类数据。其次是ROI（投资回报率）的逻辑转变。虽然API价格在持续下降，但推理成本仍是企业决策的关键考量。更核心的变化在于，ROI的倍增不再仅依赖于缩减成本（分母），而是通过A实现业务价值的增量创造（分子）。这种从“小幅优化"向“业务价值创造”的跨越，决定了AI能否真正渗透进企业的核心业务流。多智能体（Multi-Agent）系统正成为解决复杂业务逻辑的工程化公约数。与单模型输出不同，多智能体架构通过角色分工与协同决策，能够有效拆解长链业务流程，在容错率、专业深度和逻辑闭环上实现了质的突破，是AI渗透进核心生产环节的关键桥梁。 此外，产业界对AI局限性的认识更加理性。幻觉问题、长期记忆缺失以及连续反馈闭环的不足，仍是金融、医疗等严谨场景落地的障碍。目前，行业正通过产品形态的重构与工程化手段来弥补模型能力的短板。但需要注意的是，高密度的工程投入并非唯一的解决路径。随着Test-timeScaling（推理时扩展）以及边推理边学习等技术的落地，模型有望在推理阶段通过增加计算量直接提升逻辑表现，从而在底层架构层面缓解对复杂工程补丁的依赖。 1.3价值探索：以数据和生态为抓手的确定性应用图谱 》1.3.1逻辑基石：数据、生态与模型能力的阶段性协同 寻找最具爆发力的AI应用，需基于数据、生态与模型能力的动态关系。展望未来，随着模型能力的演进，若自我学习能力实现突破等，对数据的依赖可能降低。但现阶段，拥有高质量行业数据及深度交互场景的方向，更易跨越从技术原型到业务流的门槛。具备这一特征的方向通常表现为：原流程本身已高度数字化、数据反馈闭环清晰且具备明确 的评价标准。基于此逻辑，我们看好Al for Business、AlforScience、智能助手与自动驾驶四个方向成为率先落地的AI应用。 》1.3.2看好方向一：Alfor Business，微笑曲线右端的营销与交付变革 在商业应用侧，AI正在重构营销、广告等环节的生产力逻辑，这一方向位于微笑曲线的右端（销售与服务）。其核心价值不再是简单的“模版化生成”，而是生产逻辑的根本转变。通过降低专业劳动的准入门槛，AI能够替代原本需要多年专业教育才能胜任的复杂任务，实现交付速度与规模的数量级提升。在代码研发、法律、教育等领域，这种效率溢出已实现了从辅助工具向生产力核心的转化。 在生成式AI的首波红利中，结构化内容的产出正经历一场“工业化革命”。在代码研发、法律合同、教育课件及营销短文案等领域，内容的本质并非天马行空的灵感，而是基于特定逻辑框架的精准排布。AI在这些场景中的表现，精准击中了商业痛点：显著降低了专业劳动的进入门槛，实现了交付速度与产出规模的数量级提升。这种“模版化生成”的能力，使得原本昂贵的、依赖个体经验的精英工作，转化为可大规模复制的标准化流水线。例如，在代码领域，AI已实现了从“辅助补全”向“系统重构”的进化；在营销领域，干人干面的超个性化文案已成为标配。这种效率溢出的本 中国科技「燃」：燃之势能 质，是AI利用了人类历史上沉淀的最具逻辑性的结构化数据，完成了从“知识检索"向“内容再造”的范式平移。 This shows two histograms, The blue bars give the distribution of the predicted task-leveleducation required for all tasks in the O*NETdatabase,weighted by employment.The orangebars show the same,restricting to
