智能经济：系统理解AI产业链

固收研究固收研究正文目录智能经济产业链：从单点瓶颈到系统协同 4能源与基础设施：硅基增长的物理约束 6模型层经济学的实现路径 14应用层：等待跃迁点 18理解产业链愈发需要系统和动态思维 23风险提示 26图表目录图表1：AI产业链行情轮动 4图表2：AI产业链的五层蛋糕 5图表3：全球数据中心需求量（2025-2030GW） 6图表4：美国数据中心建设进度 6图表5：数据中心建设人才缺乏比例 7图表6：英伟达Rubin机柜与Blackwell机柜性能比较 8图表7：主要科技企业CDS大幅上行 9图表8：旧显卡的使用周期长于6年折旧期，新显卡回报率超过折旧 9图表9：头部云厂商现金流或从2027H2~2028年开始见底回升 9图表10：云厂商的AI营收或正在超过资本开支折旧 9图表11：推理与训练算力需求预测 10图表12：GPU与ASIC功能比对 10图表13：ASIC与GPU出货量走势预测 10图表14：推理与训练算力需求预测 图表15：存储芯片价格与股价 图表16：美光厂房与设备投资额 图表17：台积电Capex近年显著上行 12图表18：未来两年主要海外存储厂商产能落地情况 12图表19：AI产业链内部价值量变化 13图表20：Token价格指数近期回落 14图表21：中国模型的性价比普遍领先 14图表22：OpenAIo1性能随着训练时间和测试时间计算量的增加而平稳提高 15图表23：同等算力规模下，推理vs训练分配对模型性能提升的效果比较 15图表24：Token调用量和价格负相关，遵从Jevons悖论 16图表25：相近性能的模型价格持续下降 16图表26：Openrouter中国厂商合计token调用量超过美国厂商 16图表27：7月20日当周各个厂商模型token调用量排名 16图表28：2026年以来前沿模型竞争愈发激烈 17图表29：主要模型公司ARR 18图表30：主要云厂商RPO规模 18固收研究固收研究图表31：软件板块从“无差别抛售”走向分化 19图表32：企业AI使用率 19图表33：OpenRouter周度token调用量 20图表34：Anthropic于2026年6月30日发布面向科学家的AI工作平台ClaudeScience 20图表35：Anthropic循环工程示意图（目标导向型循环） 21图表36：Agent可独立完成的任务时长约每7个月翻一倍 21图表37：自动化系统与人类产生的网页流量占比变化 22图表38：AI产业链系统 23图表39：韩国市场强平规模 24图表40：美光盈利预期 24图表41：头部企业市场份额与HHI行业集中度指数 24图表42：互联网泡沫破裂之后产业链价值量开始往下游应用倾斜 25图表43：AI产业链价值量分布，目前仍集中在硬件与基础设施层 25智能经济产业链：从单点瓶颈到系统协同在大模型训练主导阶段，GPU供给、先进封装和高带宽存储基本决定了模型迭代速度，也解释了产业链利润池的主AgentAI产业链的边际变化。某一环节的细微变化会对其他环节产生蝴蝶效应，并需要从系统层面协同解决。AI产业的核心矛盾正在从“能否获得更多算力”转向“低成本、稳定、规模化交付，并最终形成可验证的商业回报”。-5I行情和产业链利润分布的有效框架。GPU、晶圆代工、HBMAI服务器展开。从财务数据看，全球头部云厂商资本开支持续上修，半导体和服务器链条收入、利润和预期交付依CoWoSHBM“算力供给不足”AI产业链，具有较强解释力。图表1：AI产业链行情轮动(各阶段行情起点英伟达(GPU) 英特尔(CPU)(各阶段行情起点软银（OpenAI/模型） 英维克(液冷）软银（OpenAI/模型） 英维克(液冷） 胜宏科技（PCB)

SK海力士（存储） 台积电（晶圆厂）固收研究22-11 23-05 23-11 24-05 24-11 25-05 25-11 26-05固收研究2026“卡点GPU，而是同时涉及数据中心建设、供电保AI收入兑现。对产业链而言，供给瓶颈也不再只集中在芯片，而是向存储、封装、机柜、网络、电力设备和能源供给扩散。但非线性的需求扩张遇到线I（黄仁勋的五层蛋糕扩张效率。在系统级竞争阶段，AI产业链需要同时回答五个问题：扩张的物理上限，是五层框架的底座；系统性能提升的核心杠杆；基础设施能否高效及时地将能源与芯片转化为可交付算力？→芯片价值转化为可用算力的承载环节，也是最大的物理约束；固收研究固收研究大模型能否把算力转化为可定价服务？→模型层决定算力的变现效率与价值量；ROI并反向支撑资本开支？→全产业链估值锚，既是验证的终点，也是新一轮行情的起点。图表2：AI产业链的五层蛋糕英伟达固收研究能源与基础设施：硅基增长的物理约束固收研究硅基世界的指数级增长需求开始越来越多的受到现实世界的物理约束，并进一步影响到中下游产业链的进展。20252030年20%2030（训练推理传统比例近%I数据中心装机量未来5年增加约WW。根据富士康等测算，1GWRubin470亿美元，则对AI1对应的实际投资规模也将增长。图表3（2025-2030GW）麦肯锡SightlineClimate2026年上线的16吉瓦（约140个大型项目）中，目前真正处于物理施工状态的仅有5GW仍停留在公告阶段。DataCenterWatch数据显示，2026175个数据中心项目遭遇居民阻挠、审批1300年全年建设受阻的项目金额约1500亿美元，显示数据中心落地的阻力越来越大。图表4：美国数据中心建设进度SightlineClimate 2026131日固收研究固收研究AI数据中心主要的供给约束包括以下几个方面：网具备容量、稳定性和系统调度优势，是长期电力供给的基础。但美国电网能力不足以支撑数据中心需求，LBNL统计显示，截至2025年底，美国约有8,200个项目、合计约2,060GW发电及储能容量正在寻求并网；2025年投运项目从并网申请到商业运行的中位时间已超过5年。绕开电网进行表后发电，是当前解决电力瓶颈的主要方式。现场能源的核心价值在于缩短投产时间，但仍面临燃气轮机产能约束以及环境影响等问题。以xAI的Colossus2为例，其自购燃气轮机发电，绕过电网排队，全园区1.3GW数据中心整体落地周期仅约8–10个月。但燃气轮机等设备同样面临产能约束，根据WoodMackenzie数据，截至2025年底，全球燃气轮机在手订单总量达110GW，但全球年制造产能仅60–70GW。熟练工人供给不足，难以支撑数据中心施工交付需求。电工、管道工和暖通技工是数BLS20242034年电工岗位年均8.1345年，5520OpenAI5GW1年交付。图表5：数据中心建设人才缺乏比例职业安全风险管理与合规成本控制与核算项目监控与管理前期规划与模块化施工电气工作0% 5% 10% 15% 20% 25% 30% 35%Coresite数据中心项目通常涉及分区820222024年审批时长整体翻倍以上，材料一次重新提交39个月。752026569个地方政府颁1000亿美元的弗吉尼亚PWDigitalGateway项目也在居民持续反对后终止。对市场而言，基础设施层面的物理约束，导致数据中心落地节奏的放缓，并不意味着产业趋势的逆转，更多是以时间换空间的过程。但物理约束可能会反向影响企业营收以及市场情绪，尤其是在计入更多增长预期后，可能需要向现实路径收敛。不同产业链环节存在一定差异：固收研究固收研究不过，若因为环境因其庞大的机组排放DigitalGateway项目因居民、历史机构持续诉讼施压，被迫终止。商品端应按能源层扩张的传导路径和兑现周期分层定价。AI数据中心扩张首先拉动电网接入和供配电投资，AI数据中心耗铜约27333202526万吨增至203065弹性受整车需求和库存周期扰动。（token产出/功耗）成为芯片的重要考量维度。技术上看，提高数据中心能效比存在两种解决思路，一是提升通用硬件物理极限，采用更先进的晶体管架构、制程工艺、封装技术等。比如英伟RubinGWtokenBlackwell10倍，PUE1.251.1。二是ASICAIASICGPU的市场份额。图表6：英伟达Rubin机柜与Blackwell机柜性能比较英伟达芯片出货量的快速增长，未来可能面临“有芯无电”的问题。面对电力瓶颈，部分厂商短期可以通过用新卡替换旧卡来解决，在不增加总体功耗的情况下提升算力密度。但随着上游芯片出货量在明后两年集中放量，单纯的“新旧替换”或将无法消化庞大的新增算力供给，未并网带来的库存积压（Backlog）风险将显著增加。此外，高额资本开支+交付延后+硬件涨价等，导致云厂商债务风险显著上行，各大厂商CDS创新高，后续关注云厂投资回报率以及自由现金流何时回升。图表7：主要科技企业CDS大幅上行英伟达谷歌英伟达谷歌甲骨文Meta亚马逊微软20015010050025-01 25-03 25-05 25-07 25-09 25-11 26-01 26-03 26-05 26-07Bloomberg不过，增量数据中心受限，也一定程度上增加了现有云厂商的溢价权和护城河。一是算力供不应求的局面，赋予了存量算力极强的稀缺属性，可以显著延长存量数据中心的生命周Capex据中心交付难度大幅抬升，行业格局将进一步向掌握核心能源、土地和政策资源、具备系统交付能力的极少数寡头集中。图表8：旧显卡的使用周期长于6年折旧期，新显卡回报率超过折旧ExponentialView图表9：头部云厂商现金流或从2027H2~2028年开始见底回升 图表10：云厂商的营收或正在超过资开支折旧×1×1×1ORCLMSFTGOOGLMETAAMZN 季度AI营收 季度AI资本开支折旧（十亿美元）1,000800600

Estimates

(十亿美元)302520400 15200 100(200)

2010 2014 2018

2026E

2030E

5023-03 23-09 24-03 24-09 25-03 25-09 26-03固收研究固收研究Bloomberg ExponentialView芯片层：需求与范式的转变AI算力需求结构性切换的本质是模型经济学的变化：单次训练算力极高但AgentGPU→AI→→国产加速”等多重范式转换。图表11：推理与训练算力需求预测

推理需求占比 训练需求占比2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030固收研究固收研究StructureResearchGPU（GPU+ASIC+CPU等在训练侧IDIA凭借高性能GU与CUDA生态仍具有主导地位。但推理侧对芯片算力要求更低ASIC（TPUInferentia2、博通等）凭借极致单位成本和模型-硬件协同设计，开始抢占通用GPU份额。图表12：GPU与功能比对 图表13：ASIC与GPU出货量走势预测（百万颗）ASIC GPU18（百万颗）ASIC GPU1614121086420202420252026E2027E2028E2029E2030E2031E2032E2033EBloomberg BloombergTrendForce数据，不同场景UGU（（c（：1:。进入推理阶段后，工作负载特性发生变化，需要低延迟响应、实时任务调CPU的强项。意味着当推理取代训练成为主负载，CPU的边际需求弹性远高于GPU。CPU的涨价幅度比存储芯片更加温和，短期在服务器中的价值量占比尚未明显提升。AMDx86CPU凭借“高能效比+P可授权供P硬件系统设计CSPCPUCPU的供给瓶颈更易CoWoS先进封装产能。图表14：推理与训练算力需求预测GPU CPU100%80%60%40%20%0%传统大语言模型

Agent推理TrendForce长上下文CoWoS等先进封装产能。KVCacheHBM带宽，单次HBM的依赖程度远高于训练侧。TrendForceHBM在DRAM中的产值占比将快速提升，HBM3EHBM4的迭代将进一步拉动存储原厂资GPU/ASICCoWoSCoWoS产能扩张进度仍滞后于下游需求。近期存储板块波动明显偏大，背后更多源于韩股高杠杆引发的拥挤性调整，而非存储周期的终结。复盘来看，存储厂商股价与存储芯片价格高度正相关，且每轮周期股价高点略滞DRAM等芯片价格仍在上行周期，并未见顶，25/26年资本开支27/28年才会释放产能。Semianalysis2027年底。此外，本轮存储周期存在几个特殊性：AIHBM严重DRAM图表15：存储芯片价格与股价 图表16：美光厂房与设备投资额 DRAM:DDR3(4GB)现货平均价（右） DRAM:DDR3(4GB)现货平均价（右）8765432

美光股价（对数值）

（美元）14.00.0

(亿美元）(亿美元）013-05 15-05 17-05 19-05 21-05 23-05 25-05

060708091011121314151617181920212223242526固收研究固收研究，2026年数据为财年前三个季度数据1.5-2代）在低时延、低吞吐场景下可以满足需求。DeepSeekASIC/AI芯片迎来真实的应用场景和迭代窗口。此外，超节点技术有效2026不过，国产芯片仍面临多重瓶颈：先进制程获取受限，7nm及以下工艺量产能力与海外存2.5D/3D（CUDA总拥有成本景+异构混布”方式逐步渗透。DUV进展或加速国产替代，并打破海外垄断。GPU、ASIC、CPU、NPU等多元算力形态并存，先进制程、先进封装、HBM堆叠、硅光/CPO图表17：台积电Capex近年显著上行 图表18：未来两年主要海外存储厂商产能地情况（亿美元0

台积电Capex 同比增

投产项目核心投产动作产能释放时间产能边际增量投产项目核心投产动作产能释放时间产能边际增量SK海力士（清州M15X）设备抢跑搬入、首批晶圆投片2026年下半年投产（初期4万片/月）；2027年爬坡至8万片/月初期DRAM投产边际增量约7.3；2027年爬坡后约14.5SK海力士（龙仁Fab1）首间洁净室设备进场时间提前至2027年2月2027年上半年（Q1，原计划2027年5月/Q2，已提前3个月）首间洁净室边际增量约10.9；2030年上半年相当于现有产能约65美光（台湾铜锣P5）现成晶圆厂设备改造与流片官方口径为2027年9月-2028年8月内存总产能10以上美光（新加坡组件）HBM先进封装产能落地2026年投运，2027年起大规模放量待确认30%20%10%0%-10%-20%固收研究2022 2023 2024 2025 2026E 2027E固收研究Bloomberg 公司官网等Rubin72GPU36颗Grace/VeraCPUHBM3E/HBM4BlueFieldDPUConnectX++铜/光互联8颗SwitchTray9ComputeTray++B200GB300AIRubinGB300/GB200对比为例：单个机柜的算力密度、内存容量、互联带宽和散热功耗GPUNVLinkPCB、电源管理等周边环节外溢。GPU”核心零部件GPU本身。图表19：AI产业链内部价值量变化

土建机基建 供配电统 散热冷系统 逻辑芯片 存储芯片18%18%芯片层40%15%38%2%芯片层60%15%38%2%42%42%20%25%20%25%15%15%10%2021 2026E固收研究固收研究ExponentialView需求结构变化传导至上游的结果。一旦下游场景变化，硬件端的优先级和排序或要重新调整。AI、多模态交互等新场景对低延迟、高能效、低成本芯片的增量需CPUNPU要持续动态跟踪。模型层：Token经济学的实现路径如何实现持续优经济学价值成本的最大化）成为业界努力的方向。模型需要在性能、速度、价格不可能三角进行权衡取舍，性价比需求下，模型分层与路由成为必然选择。诺贝尔经济学奖得主丹尼尔・卡尼曼在《思考，快与慢》中提出人类大脑存在两套协同运转的思维系统：1）快系统全天自动运行，无需耗费过多精力，依托本能、经验与情绪做出瞬时直觉判断，能高效处理日常事务、快速规避危险，但容易简化事实、AI取类似的结构，大参数模型处理复杂事物，小模型应对日常、简单工作，并通过在系统层面进行路由和分解以实现经济效益最大化。图表20：Token价格指数近期回落 图表21：中国模型的性价比普遍领先H100显卡租赁价格H100显卡租赁价格 大模型Token价格指数(2026.01.01=100)A100显卡租赁价格B200显卡租赁价格160140120100806025-07 25-10 26-01 26-04

IntelligenceIndex（智力指数） 性价比指数（智力/美元）ClaudeFable5(withfallback)ClaudeOpus5GPT-5.6Sol(max)KimiGemini3.6Nemotron3UltraGrok4.5GLM-5.2MuseSpark1.1(xhigh)MiniMax-M3gpt-oss-120b(high)DeepSeekV4Pro(max)0 2004006008001,0001,200固收研究固收研究Bloomberg ArtificialAnalysisScalingLawtoken费用，弥补训练投入的成本。AntropicClaudeFable5的惊艳表现，证明了ScalingLaw仍然有效。OpenAI、DeepMindScalingLaw（Scaling固收研究固收研究图表22：OpenAIo1性能随着训练时间和测试时间计算量的增加而平稳提高《LearningtoreasonwithLLMs》应用的广度，并将逐渐基础设施化，给下游应用带来更大空间。ExponentialView10%token价格下跌，预计会带来%toknMd研究表明，+（训练Scalinglaw为，最终基础模型会成为水、电、通信网络等基础设施，以更低廉的价格获得更广泛的使AI应用的蓬勃发展。图表23：同等算力规模下，推理vs训练分配对模型性能提升的效果比较《ScalingLLMTest-TimeComputeOptimallycanbeMoreEffectivethanScalingModelParameters》注：在简单和中等问题上，把一部分训练算力转移给推理，可以显著提升模型性能，但复杂问题还是要靠大参数模型。图表24：Token调用量和价格负相关，从Jevons悖论 图表25：相近性能的模型价格持续下降(美元/百万token)100.0010.00

GPT-4级别性能Claude3Opuso1级别性能级别性能1.0023-0623-0923-1224-0324-0624-0924-1225-0325-0625-09Deepseek

V3.2QwenTurbo Phi-4GPT-5nanoExponentialView ExponentialView，EpochAI中国模型厂商凭借性价比优势正在获得更多的市场份额，背后是开源生态架构创新+低能源成本国产配套等因素共同支撑。Openroutertoken调用5月下旬以来快速上升并超越美国同行。我们认为中国模型的性价比优势背后，主要是开源生态（开发成本更低、架构创新（参数效率更高、低能源成本（持续运营成本更低、国产链配套（合理的硬件成本）等因素共同作用，这种性价比优势也有望继续保持。图表26：Openrouter中国厂商合计token调用量超过美国厂商 图表27：7月20日当周各个厂商模型token调用量排名(万亿token)中国厂商合计 美国厂商合计 其他 xiaomi16.85%5045403530252015105025-07 25-09 25-11 26-01 26-03 26-05

其他38.91%stepfun2.94%minimax3.66%

3.78%

i

deepseek14.37%tencent13.57%固收研究固收研究Openrouter Openrouter网络效应弱算力资源分散在充分竞争的市场下，任何技术上的进步可能都会转移为OpenAI、AnthropicAPI订阅赚取高毛利，但必须持续高强度投入资源，才能保持能力的领先，KimiK3Anthropic、OpenAI等带来降价压力。图表28：2026年以来前沿模型竞争愈发激烈OpenAI Anthropic Google xAI DeepSeek Alibaba Kimi70 ZAI MiniMax Xiaomi605040302010023-01 23-05 23-09 24-01 24-05 24-09 25-01

25-09 26-01 26-05固收研究固收研究ArtificialAnalysis对于模型端而言，潜在破局思路是进行向上下游迁移，以掌握价值链的更多环节，建立竞争优势，具体而言：获得更多自主可控算力资源（Anthropic、DeepSeekASIC芯片；AgentBC端更容易变现，且有一定的用户粘性和路径依赖；融入本地生态，Gemini内嵌谷歌生态，苹果和阿里的合作等；构建数据飞轮与网络效应，know-how形成持续迭代的差异化能力。模型层激烈的竞争格局也增加了投资者挑选出潜在胜出者的难度，需要用长期视角动态跟踪，我们尝试提出几个观察视角：Agent任务、企业部署、可控性与安全合规等综合能力，且至少需要在性能、价格、速度一个领域做到极致；二是现金流的可见度，需要大量烧钱换份额，可以关注订阅与企业级收入的占比、毛利率走势、潜在融资规模等指标；三是生态绑定的深度，是否进入主流云厂商、芯片厂商、行业SaaS与政企渠道的核心供货名单，市场份额是否稳定等。模型层当前的应用主要是IfordinggticI极大的激发了on的需求。forsciencetoken需求的进一步提token价格长期看会不会无限趋近于电价，也是市场讨论的热门话题。价格下行的趋势有必然性，但考虑到模型能力、生态体应用层：等待跃迁点从收入端看，当前AI链主要赚的是云厂商巨额开支的钱。要想形成持续的商业闭环，终端应用收入能否覆盖上游巨额资本开支，成为AI可持续性的关键验证环节。5万亿美元203010具体估算方法如下：对于云厂商而言，51万亿（5年折旧期，利息支出（融资成本）0亿美元。假设云服务厂商ITA利润率为%，则盈亏平衡条件下收入需要达到5万亿。若要实现%的OIC（1万亿净利润，则云厂商收入需要达到5万亿。再假设I应用端毛利率%（主要营业成本为算力支出，则对10万亿美元。AI科技革命对经济的拉动，可能要超过历20266AgentARR门槛，而智谱、DeepSeek、MiniMax等国产第一梯队的年化收入也普遍达到数亿至十亿美元规模，体现出前沿大模型AI时B端是主要收入来源。mirc、OpenAI在云厂积压了千亿订单。Coding市场相对饱和后，可能需要开辟新的变景，以支撑收入。图表29：主要模型公司图表30：主要云厂商RPO规模×1×1×12,500

Microsoft_RPO Amazon_AWS长期合同承诺（十亿美元）Alphabet_RPO Oracle_RPO023-03

23-09

24-03

24-09

25-03

25-09

26-03固收研究固收研究EPOCHAI SEC传统应用公司存在被I6年年初uCowork发布成为“SaaSAgent20年来软件厂商按照席位订阅收费的商业模式。但不同层级存在较大差异：①标准工作流软件（如人力系统、财务核算、合同管理等）受冲击最为严重；②垂直行业应用软件（如医疗、金融、航运系统等）Know-how被替代难度偏高，中长期存在不确定性；③而基础设施软件（如数据库、网络安全、操作系统等）反而受益于AIagent带来的需求增长。图表31：软件板块从“无差别抛售”走向分化 DATADOG DATADOG（安全监控系统）SNOWFLAKE（云数据库）WORKDAY（人力资源与财务云）SERVICENOW（IT服务于企业工作流）VEEVASYSTEMS（生命科学软件）GUIDEWIRESOFTWARE（保险行业业务系统）GUIDEWIRESOFTWARE（保险行业业务系统）2.0

美股软件基准固收研究固收研究1.21.025-10 25-11 25-12 26-01 26-02 26-03 26-04 26-05 26-06 26-0788%的受访企业表示，已在至少一项业务AI10%。技KPI“年”为单位推进，最终导致收入的兑现存在较大时滞。图表32：企业AI使用率麦肯锡从需求端看，Token的增长=任务复杂度×持续时长×并发规模，我们尝试逐项拆解。需求的核心驱动因素。AIChatbot→AgentAI→AIresearch→PhysicalAI几大应用场景的转变：2022ChatGPT3.5问世、2026Openclaw/ClaudeCoworkAgent形态。相较于聊天机器人，CodingAgent需完成“规划→检索→生成→执行→校验”的多1~3个数量级。而后续交互方式从文本转变为音/视频，Agent对算力的需求有望再提升几个数量级。图表33：OpenRouter周度token调用量OthersDeepSeekV4FlashGLM5.2OthersDeepSeekV4FlashGLM5.2DeepSeekV4ClaudeOpus4.8ClaudeOpus4.6MiMo-V2.5MiniMaxM3Nemotron3UltraClaudeOpus4.7ClaudeOpus4.5ClaudeSonnet4AgentAI需求爆发7060504030201002025-08-11

2025-09-22

2025-11-03

2025-12-15

2026-01-26

2026-03-09

2026-04-20

2026-06-01

2026-07-13固收研究固收研究OpenRouter当前主力基础模型仍然是基于文本数据的大语言模型，下一个增长点或是基于现实物理数WAIC17日I2012ImageNet，Transformertokenization的标准化，而下一步是让光谱、地震波等海量科学观测数据成为模型的原住民。Research、自动驾驶、人形机器人等新的应用场景。若科学基础模型兑现，科研场景（文献综合、实验设计、数据分析闭环）将成为继g之后kn6年6月3rpc正式发布IClaudeScienceWaymoGenie3台设备独占推理管线，难像LLM那样多用户共享算力。世界模型维持物理一致性所需的tokenLLM消耗可能从线性转为超线性增长。图表34Anthropic2026630ClaudeScienceAnthropic固收研究固收研究HarnessLoop消耗时长的跃迁，本质是人与模型交互方式的工程化演进。早期手写提示词阶段任务时长Harness工程阶段，开发者不再"脚手架Loop执行→观察→while-loop中连续运转数小时乃至数天。Kwa7年后加4.3个月翻倍，按当前趋势外推预测，5年内，AI系统将能够自动化完成大量目前需要人类耗时整月才能落地的软件研发工作。此外，若大模型获得持续学习、自主迭代进步的能力，将加速AGI的到来，有望独立解决各个领域长期复杂任务。图表35：Anthropic循环工程示意图（目标导向型循环）Anthropic图表36：Agent可独立完成的任务时长约每7个月翻一倍Kwa等（2025）《MeasuringAIAbilitytoCompleteLongSoftwareTasks》固收研究固收研究AgentAI应用渗透率《DailyActiveAgents年Agent28602026794022.16亿AgentNtoImperva2024年首次超过人类流量；Cloudflare20266月的实测进一步显示，自动化请求57.5%42.5%。图表37：自动化系统与人类产生的网页流量占比变化Dieaconu等（2026）《Trigger,NotRootCause:Re-ExaminingGitHub’s2024to2026AvailabilityDeclineUnderArtificialIntelligence-DrivenLoad》综合来看，任务复杂度、持续时长、并发规模每个因子都有数个数量级的提升空间，相乘固收研究理解AI产业链愈发需要系统和动态思维固收研究随着单点瓶颈被市场相对充分的挖掘和定价，系统化思维变得愈发重要。电力瓶颈一部分可以通过电网扩容、表后发电解决，而芯片性能提升带来能效比数十倍甚至百倍的提升，可能是更加高效的解决方式。上游硬件产业链潜在瓶颈，核心仍是在于下游需求的变化，新场景带来新需求与新瓶颈（GPU→HBM→ASIC→高质量数据等。而应用层收入兑现的Capex投资的持续性以及债务风险的大小。图表38产业链系统英伟达，OpenAI短期来看，AI链负面扰动叙事偏多，主要集中于以下几个方面：一是资金面去杠杆何时结束。资金抛售压力最大的阶段可能已经过去，但难言完全出清。尤其韩股杠杆率与波动率仍维持高位，叠加监管政策收紧，杠杆或仍有一定去化空间。若后续融资余额企稳，散户去杠杆收尾，有望迎来资金的合力向上，不过市场企稳后，托底资金也或逐步退坡。二是AI应用端收入能否延续高增速。Coding市场或已相对饱和，能否找到编程之外新的万亿级市场，以支撑应用端高ARR增速，成为市场关注的焦点。目前看，B端仍是商业变现的主要对象，关注网络安全、医疗、金融、生物科技等AI应用落地进展。三是大额融资导致债务风险上升。OpenAI2500CDS利差升至高位，循环融资下信用风险支出。20272027HBM等新产品需求，叠加长协锁价，存储企业估值逻辑能否由周期股向成长股切换，短期等待韩股去杠杆收尾。图表39：韩国市场强平规模 图表40：美光盈利预期元）每日强制平仓规模(右） （亿韩元元）每日强制平仓规模(右） （亿韩元强制平仓规模（30日移动求和）14,00012,00010,0008,0006,0004,0002,000025-0525-0725-0925-1126-0126-0326-05

）1800120010008006004002000

（美元/股）202620292026202920272030202818016014012010080604020023-07 24-01 24-07 25-01 25-07 26-01 26-0固收研究FINRA Bloomberg固收研究中长期看，除了技术的领先度之外，竞争格局与商业壁垒是更重要的长期变量。AI硬件层经过几十年的优胜劣汰，市场高度集中，享有垄断溢价，GPU由英伟达主导，晶圆制造由20002020265家左右。中游云厂商token图表41：头部企业市场份额与HHI行业集中度指数ExponentialViewanalysis 注：HHI指数越高表明行业集中度越高从投资策略上看，需要长期视角动态看待价值量在产业链内的迁移，中上游溢价权仍有望保持相当长一段时间，模型与应用层可能仍在风险投资阶段。参考互联网产业革命的发展（思科等）由应用层（Google、Meta、Amazon等）捕获，但整个过程持续了数十年时间。映射到AI产业链，当前阶段中上游（芯片、电力设备、云等）凭稀缺性获得长期溢价权，宜用胜率思维定价。模型层因开源平权而缺乏差异化定价能力，应用层则处于赢家未定的早期阶段，更适合以风险投资的赔率思维参与。图表42：互联网泡沫破裂之后产业链价值量开始往下游应用倾斜2000 2003 2006 2008上游硬件下游应用（百万美元）CiscoNortelIntel上游硬件下游应用（百万美元）AMDAmazoneBayGoogle0 5000 10000 15000 20000 25000 30000 35000 40000 45000Bloomberg图表43：AI产业链价值量分布，目前仍集中在硬件与基础设施层AMDTSMCN