天弘基金：捕捉AI投资主线，关注“天弘锐军团”

在当今数字化时代，人工智能（AI）的发展速度令人瞩目。2025年，AI技术不仅将继续保持快速发展的态势，还将通过技术创新、伦理治理和社会适应，避免对现有社会结构和经济模式造成破坏性冲击。

那么AI下一个爆款应用在哪里？天弘基金经理助理洪明华在《情投E合》直播间讲解了当前AI所处自身发展阶段，AI具备大规模商业化条件需要那些底层技术的突破等大家关心的问题。

投硬科技，选天弘锐军团！

机器人ETF 159770

计算机ETF 159998

云计算AH 517390

科创综指ETF天弘 589860

AI技术迈向智能体阶段：从推理走向行动

1、在市场热度和短期波动背后， AI技术本身的发展究竟现在处于哪个阶段？

自2022年11月底ChatGPT发布以来，至今已过去两年零四个月。在此期间，AI技术取得了显著发展，已明确跨越概念验证阶段，进入规模化商业应用的初期。然而，目前尚未达到完全渗透的成熟期。

AI发展可分为以下阶段：聊天机器人，推理者，智能体，创新者和组织化AI。当前AI行业正处于从第二阶段（推理者）向第三阶段（智能体）过渡的关键节点。现阶段的AI已具备人类水平的问题解决能力，并开始尝试执行物理或数字世界的实际任务，也能连贯理解多段对话指令。

然而，不同领域的技术成熟度仍存在较大差异。在文本类大模型方面，自deepseek发布后，整体技术路线已趋于收敛。

第四阶段的大模型仍在持续迭代中，目前较为领先的包括阿里巴巴的"万象2.1"和OpenAI的Sora等。AI智能体领域也处于持续研发阶段，代表性项目有OpenAI的Optimus以及国内近期备受关注的Manus等。

底层技术双轮驱动：成本降低与多模态演进加速AI商业化落地

2、近期哪些底层技术的突破让AI开始具备大规模商业化的条件？

底层技术突破是推动AI商业化加速的核心驱动力。我们认为关键性底层突破主要体现在以下两个方面：

1）大模型成本的大幅降低

通过算法优化与工程创新（包括多头注意力、MoE框架等技术突破），当前大模型的训练与推理成本已实现指数级下降。早期大模型训练需耗费数千万至上亿美元，而当前如Deepseek V3等先进模型已降至约500万美元量级；推理成本，以API调用成本为例，领先厂商的定价较行业基准显著降低。这种持续下降的边际成本，正在为AI应用的大规模商业化创造必要条件。

2）多模态大模型的成熟演进

相较于单一文本模态，融合文本、图像、音频等多维数据的多模态大模型具有显著优势，它更贴近现实场景的数据处理能力，可理解复杂上下文语境并且支持跨模态内容生成。

锚定AI投资主线：应用领跑，算法筑基，算力突围

3、AI产业链中包括算法、数据、算力和应用4个层面，它们的投资优先级是怎样的？

自2022年底至今，AI行业已历经2~3年的快速发展，产业格局和投资逻辑也随之演变。当前投资应聚焦以下三个核心方向：

1）应用层：商业化加速，弹性最大

AI应用层正迎来商业化落地的关键拐点，其增长潜力显著高于其他环节。其中，通用应用（如PC端AI工具）已相对成熟；终端硬件与垂直场景（如AI手机、AI PC、医疗、金融等）正进入爆发期，例如智能投顾在AI赋能下，传统投顾的周期从3年缩短至1年。同时，成本下降也会驱动AI应用公司ROI的改善，国产大模型调用成本仅为海外（如OpenAI）的50%。此外To C应用更具爆发力，直接面向消费者的AI产品（如AI助手、内容生成工具）可能呈现指数级增长。

2）算法层：技术收敛，头部集中

开源生态推动创新：如部分模型采用MIT协议开源，吸引全球超50万开发者共建，加速AI技术重心东移。

工程化效率提升：动态参数激活、FP8矩阵运算等技术大幅提高算法效能，模型迭代速度显著加快。

竞争格局优化：文本大模型技术趋于收敛，头部厂商（如少数几家领先企业）有望占据主要市场份额，行业竞争强度降低。

3）算力层：国产替代加速，需求爆发

国产算力 vs. 海外算力：

算力是AI发展的基础设施，当前需重点关注国产化趋势。海外算力（如英伟达GPU）过去表现优异，但现阶段在DeepseekⅠ等发布后，国产替代（如华为昇腾、寒武纪590）等需求激增，包括AI芯片、光模块、液冷等硬件。

打造AI生态壁垒：技术整合+场景穿透+价值共生

4、具备长期竞争力的企业需要构建怎样的生态壁垒？

当前AI行业面临技术同质化、盈利模式单一的问题，构建生态壁垒是实现长期竞争力的关键。AI行业生态壁垒的构建主要分为三种路径：

1）技术整合型生态：从硬件到算法

当前AI行业正从单一技术突破向协同发展演进，形成"大模型+专用芯片+优化算法+定制硬件"的完整技术闭环。这种生态模式的核心在于通过深度垂直整合，实现技术各环节的紧密配合与性能优化。例如阿里巴巴通过通义千问大模型与平头哥自研AI芯片的深度适配，构建了从底层算力到上层应用的完整技术协同。

2）场景穿透型生态：打造商业价值闭环

基于高频应用场景构建的生态体系，能够将AI技术深度融入用户日常行为，形成稳定的商业变现通道。这种生态模式的关键在于选择用户粘性高、使用频率大的核心场景作为切入点。例如，腾讯以微信作为载体，将AI技术渗透至客服、支付风控等基础功能，通过"腾讯研选"等AI入口创新广告形式，从而获取流量、形成自己的护城河。字节跳动依托抖音短视频平台用抖音内容反哺整个AI工具的渗透，使用AIGC工具提升内容生产效率，智能推荐算法优化广告投放效果，并且构建从内容创作到电商变现的完整闭环。

3）价值网络型生态：建立开发者共生体系

通过构建互利共赢的开发者生态，能够吸引大量第三方创新力量，共同完善技术平台并拓展应用边界。这种生态模式的重点在于设计合理的价值分配机制。比如苹果的App Store生态，它的开发者能收到合理的报酬，形成良性循环；同时这种生态也会建立分层激励体系，深度参与可分享的商业利益，例如百度飞桨平台有15%的交易分成，吸引了200万以上的开发者。

AI如何入局资产配置？看风险承受与行业周期

5、 从资产配置角度来看，AI更应该适合作为卫星策略还是核心策略？

投资者在选择科技类投资产品（如AI或其他领域）时，需首要考虑自身的风险承受能力。

1）根据不同的风险偏好，投资者需采取差异化的配置策略：

保守型投资者：建议将AI主题资产控制在总资产的较低比例，主体配置应侧重于红利型或债券型资产。

稳健型投资者：可采用"科技+红利"的杠铃策略，将AI主题资产配置比例适当提升。

进取型投资者（特别是投资期限较长的年轻投资者）：可适当提高主题投资配置比例。

2）投资者需动态关注AI产业的发展阶段及估值水平：

产业成熟度指标：当AI技术渗透率超过50%或进入成熟期时，建议逐步降低配置比例，转向更前沿的科技领域。

估值指标：若AI主题资产的PE、PB、PS等指标达到历史高位，且缺乏实质性技术突破支撑时，应适时减配。

动态调整：根据产业进展和估值波动，定期调整配置比例。

3）投资AI板块的其他注意事项：

市场有效性：兼具AI概念与低估值的标的通常会被市场快速发现，难以长期维持。

风险提示：科技赛道投资需具备较高的风险承受能力，但完全规避配置亦非理性选择。

最低配置原则：即使风险承受能力较低，配置个位数比例的AI资产仍有助于优化投资组合表现。

时代红利：人工智能作为重要发展趋势，适度配置相关资产是普通投资者参与行业发展的有效途径，具体比例应根据个人风险承受能力确定。