从预期走向现实静待行业主升浪20260730

时间：7月30日参会人：无 全文摘要 思维导图 问答回顾 发言人问：在2026年年终，我们注意到市场行情的核心主线是什么？底层逻辑是否有所变化？ 发言人答：现在2026年底，虽然刀仍然是资本市场核心主线，但行情的底层逻辑已经悄然发生变化。从早期炒概念、炒预期转变为当前炒业绩、拼落地的状态。 发言人问：目前国产大模型的表现如何？相关产业链订单情况怎样？ 发言人答：国产大模型的代码能力已经进入全球第一梯队，同时物理AIAI加存储升级等产业链订单持续超出预期。 发言人、发言人问：当前市场对于AI行业是否存在泡沫，以及对于AI商业化兑现节奏的担忧，下半年这一背离现象是否会收敛？ 发言人答：市场出现指数向下、业绩向上的背离格局，可能是由于市场选择最具有弹性的赛道而导致的偏离。计算机行业虽增速不是最快的，但随着业绩持续兑现，其性价比有望提升。AI领域远未结束，每年市场都有低估AI的情况发生，未来三年应用端和模型端的增长可能比算力端更加强劲。 发言人、发言人问：机构持仓比例较低且估值较低，是否意味着市场对计算机行业的误判？ 发言人、发言人答：机构低配置叠加估值因素，确实可能表明市场对计算机行业存在一定程度的误判。不过，市场正确的角度在于选择了增长性最强的赛道，而计算机行业未来三年增速比过去三年更重要。此外，目前计算机行业的市占率相较于历史高点已显著下降，且头部市值公司的机构配置并不高，这反映出市场既是对当前阶段的一种正确选择，也对未来三年科技投资的重要性有所体现。 发言人问：触发机构重新加仓计算机行业的催化剂会是什么？ 发言人答：催化剂可能包括AI应用新业务收入占比超过整体收入的10%，以及利润超预期。当AI应用收入占比达到10%以上时，投资者会看到公司确实拥有稳定的AI收入，而一旦利润开始超预期兑现，也会吸引资金进行投资。 发言人问：在产业行业里，国产算力厂商是否已进入业绩兑现的临界点，并且哪些环节可能率先超预期？ 发言人答：目前国产算力链，包括国产芯片、AI服务器及其内部芯片、连接器等组件，以及更上游的半导体设备和材料等，在未来半年可能会比NV链有更为汹涌的表现。国产算力链并非仅限于国产芯片，而是涵盖了多个领域。虽然国产算力链还不能说是从0到1的突破，因为部分头部AI芯片公司的收入已经开始体现，它们正从1增长到10。在这个阶段，只有具备真实订单、产能和较强产品迭代能力的公司才能获得超额收益。 未知发言人问：国产算力链中，哪个赛道最为关键？ 发言人答：最核心的赛道是国产AI芯片，因为所有AI技术的应用最终都需要强大的算力支持。尽管预期曾认为2026年算力供需会达到平衡，但目前看来仍供不应求，预计2027年可能实现供需平衡，而如果中国AI领域发展迅速，2028年仍有可能供不应求。 发言人问：服务器行业有何重大变化，特别是对中国市场的影响？ 发言人答：服务器行业过去毛利率较低，但在AI服务器需求增长下发生了重大变化。随着模型参数量级的增长，对芯片互联能力的需求提升，推动服务器向多卡服务器（如超级服务器）发展。从今年三季度开始，中国的国产芯片超级服务器将开始出货，这不仅提高了服务器的性能，也使其成为了一个高毛利的产品领域，同时带动了服务器内部各个环节如水洗芯片、连接器、液冷等方面的成本上升和价值量增加。 发言人问：为什么提到三季度是关键节点？ 未知发言人答：三季度是关键节点，因为这是国产AI芯片集体迭代的重要时期，国产芯片的性能对标将从英伟达的某一系列提升至B系列，中美芯片差距虽有缩小，但依然存在。此外，三季度还会有国产苏喜芯片的量产，这将带来国产超节点服务器的重大进展，类似于去年二季度英伟达STAYUPP服务器的拐点。 发言人问：如何看待模型性能和性价比的关系？ 未知发言人答：随着中美模型差距缩小，单纯追求性能最强的模型已无意义。模型的选择应注重性价比，即在完成任务时所需成本和消耗资源的平衡。中国的模型在算力基础设施成本较低的情况下，具备更高的性价比，在许多环节已经展现出了优势。 未知发言人问：模型的竞争是否已经结束？ 发言人、发言人答：模型的竞争完全没有结束。虽然有观点认为某些开源模型经过迭代后与原版存在差异，但实际上模型的竞争一直在进行，例如2025年发现的NNOAI、SF等公司的模型表现优秀。中美两国模型的竞争中，中美差距在缩小，每个季度最优模型可能不同，未来三年哪个国家的模型会成为全球最佳也难以预测。 发言人问：国产大模型如何实现商业化并持续盈利？ 发言人答：国产大模型的商业化面临重要问题，初期尝试通过广告盈利但效果不佳。后来转向 关注高附加值领域，如编程行业（coding），因为编程工作具有高附加值且易于通过编码反馈机制进行验证和优化。尽管未来AI可能会部分取代人类工作，但也会重塑工作流和提高工作效率，因此模型具有较强的商业化潜力，能够通过特定场景实现规模化收入。 未知发言人问：哪些垂直场景可能率先实现商业化落地？ 未知发言人答：除编程领域外，高附加值赛道如AI辅助软件（如AI制药）、AI法律服务等也是值得关注的潜在商业化场景。这些领域具有明确的反馈机制和规则，便于验证模型效果，并且存在广泛的应用需求，有望较快实现商业化闭环。 发言人、发言人问：AI治疗AI法律商业化的发展环节是什么？ 发言人答：AI治疗AI法律的商业化正在快速推进，具体表现为相关技术的商业化应用和上市活动。其中，巨无霸（可能指代某个特定的AI产品或公司）的上市被认为是市场行情顶点到来的一个标志，当产业热度和投资者情绪达到高位时，巨无霸的上市往往随之而来。目前存储板块也异常火爆，许多大型企业在这个领域纷纷上市或计划上市。 发言人问：存储板块的热度是否意味着行情即将结束？ 发言人答：市场上存在一种观点认为存储板块的热度高企可能预示着行情到达峰值，因为大公司的上市有时被视为市场见底的信号。然而，实际上存储的需求主要来源于两个方面：一是数据需要长期沉淀和备份；二是AI推理过程中对内存（HBM）的需求增长，这源于AI模型在处理信息时不断进行key-value对映射和访问的历史数据。因此，存储的需求并非仅由大公司上市决定，而是取决于AI技术的发展和应用需求的变化。 发言人问：巨头上市是否意味着AI行情结束？ 发言人答：巨头公司的上市并不直接等同于AI行情的结束。尽管巨头上市可能引发市场的短期波动，但AI的需求并未结束，尤其是在推理需求方面，其增长潜力巨大，甚至可能带来存储需求十倍以上的增长。因此，判断AI行情结束的核心依据并非巨头上市，而是对AI需求变化的持续跟踪和预测。 发言人问：围绕存储赛道的投资是否会导致龙头公司集中？ 发言人答：围绕存储赛道的投资并不必然导致龙头公司集中，科技投资的本质是在买变化。即 使投资于全球最好的公司，若该公司十年内没有发生重大变化，投资者也很难获得超额回报。真正的投资策略是寻找能带来最大增量变化的公司，这些公司可能处于初创阶段，也可能在某个细分领域具有颠覆性创新的能力。同时，对于投资者而言，学习新技术、把握技术发展趋势至关重要，以便捕捉到那些技术变化最大、具有阿尔法收益的公司。 发言人问：在快速变化的市场中，如何找到技术变化最大的环节和拐点？ 发言人答：在创新时代，市场信息传播速度极快，投资者需通过上下游验证来预判公司业绩，并关注行业内的技术变革。找到技术变化最大的公司，通常需要深入研究市场动态和企业实际经营状况。 未知发言人问：对于业绩炸裂但未能持续走强的公司，您怎么看？ 发言人答：这类公司在业绩预告阶段可能受到市场追捧，但实际业绩公布后并未实现持续增长，甚至出现“见光死”的现象。这主要归因于信息传播迅速导致预期提前透支，以及投资者对于企业业绩是否超预期或未来业绩可持续性的担忧。 发言人、发言人问：AI大规模落地后会催生哪些新基建需求？ 发言人答：AI的广泛应用将带来对操作系统、数据库、中间件等基础设施的巨大需求，就如同当年修路需要基建一样。其中，数据治理将成为最重要的一环，因为它对于模型训练至关重要，类似于给“聪明”的AI进行“感情培训”，使其能够胜任具体工作。 发言人、发言人问：如何看待AI应用领域的盈利元年？ 发言人、发言人答：今年被认为是AI收入的元年，而非盈利的元年。虽然AI应用带来的收入开始显现，但利润增长并不一定迅速，因为成本上升且AI收入尚未规模化。投资者应关注AI产品的市场化进程及其对公司整体收入的影响，而非过于急躁地追求利润表现。 发言人问：AI工业对企业意味着什么？ 发言人答：AI工业是未来一个重要的发展方向，因为它不仅能帮助企业降低成本，还能提升效率和效果，是企业愿意投资的方向。 未知发言人问：AI和EDA结合会给行业带来多大的变革？ 发言人答：AI与EDA的结合将带来两大变革。首先，AI会带来更多的EDA需求，随着AI芯片设计公司增多并上市赚钱，对EDA工具的需求也会增加。其次，AI能够使EDA工具更有效率，缩小中国EDA工具与美国工具之间的差距，通过引入新的设计范式，使国内外企业在同一竞技场上竞争，从而提升中国EDA公司的全球产品竞争力。 发言人问：投资者应如何把握AI+EDA这个赛道的机会？ 未知发言人答：投资者应关注两个关键点：一是公司产品的迭代情况，是否有优秀的产品并经过产业链验证；二是持续跟踪业绩拐点，即产品成功变现后收入增速开始上升、二阶导数为正的阶段，这可能标志着产业加速业绩增长的过程。 未知发言人问：对于当前AI行情的后续上涨空间和核心驱动力如何看待？ 发言人答：认为AI的需求和供给一直在被低估，AI的发展速度和技术进步的快速变化使得传统认知中的需求和供给难以准确评估。AI行业的收入增长可能超出预期，例如某家创业公司的收入能在短时间内实现指数级增长。因此，对于AI行情的后续空间，强调跟踪比判断更重要，持续跟踪AI领域的新进展和应用，可能会发现更多的商业机遇。