本篇研究是拾象团队过去半年关于 AI 投资的思考总结,既包括 AI/LLM 前沿趋势追踪,也有对二级市场 AI 板块投资主线和关键公司的分析,我们希望在一二级融合的视角下,为市场输出更全局的 AI 投资参考。
本研究总结了拾象团队对AI投资的半年思考,涵盖前沿趋势和二级市场AI板块分析。我们旨在提供全面的AI投资视角。
一级市场方面,AI创业公司颠覆巨头的能力有限,往往为大公司提供创新样本,价值多被大公司捕获。
二级市场上,AI正成为科技股增长的驱动力。例如,Mag 7公司均有AI布局,特别是英伟达,其股价2023年显著超越S&P 500和Nasdaq 100。拾象推出的AGIX指数ETF $KraneShares Artificial Intelligence and Technology ETF(AGIX)$ 因追踪AI受益公司表现优异。AGI的潜力巨大,类比Apple自2008年iPhone发布以来股价的巨大增长。
我们认为,科技革命带来的长期投资回报难以预测,这也是我们看好英伟达市值将达5万亿美元的原因之一。文章还详细分析了英伟达的增长路径。
在二级投资中,拾象聚焦5大AI投资主线:算力、云基础设施、端侧、互联与软件,并对AGIX指数中的英伟达、Amazon、Apple、博通及Servicenow等重要公司进行了基本面梳理。
01. 如何在二级市场捕获 AI Alpha?
当一个大的科技革命到来的时候,长期的投资回报是非常可观的:iPhone 在 2008 年上市,Apple 当年的股价从 8 美元涨到了 10 美元,16 年过去后,Apple 现在的股价在 230~240 美元之间。16 年的时间里,Apple 公司的股价涨了 15~16 倍。考虑到我们现在其实还处于 AI 革命的早期,所以现在是参与 AI 投资最好的时间。
随着下半年模型的能力会进一步发展,尤其是在逻辑推理能力、多模态能力、agent 能力上都会有进一步的发展。模型能力的进步也会解锁更多的应用场景,我们相信企业也在不断地尝试各种场景,预计明年会看到更多应用端的出现。所以从基本面角度来讲,我们认为 AI 还是在发展的,我们也对明后年非常期待。
短期来讲,可能会出现板块轮动的现象,包括美国大选等外部事件带来的不确定因素等都会成为波动的原因,所以,我们的观点是基本面还是在发展,短期的这些因素更多的还是市场因素,是非基本面的因素。
在二级投资中,拾象选择将精力集中在 5 条投资主线中,分别是算力、云基础设施、端侧、互联与软件。结合我们的调研与研究,我们也会根据 AI 领域的进展来动态地调整我们在这五个方面的布局。
当前我们认为算力与云基础设施仍然是制约 AI 大发展的瓶颈,算力的需求仍然非常强劲,因此我们在算力与云基础设施上的布局相对更重一些。作为对比,AI 对软件的影响不是非常明确,因此我们暂时对软件的布局会相对轻一些。但预计在未来 2 年,我们能够看到端侧的应用与 AI 软件侧的进步都会越发明显,因此我们可能会在未来两年中进一步增加端侧和软件侧的布局。
投资主线 1:世界需要更多算力,廉价的算力永远是稀缺品
前面我们提到,目前全球平均有两亿人每人每天会使用一分钟 GPU time,如果沿着这个思路去想,假设未来有 20 亿人每人每天使用一小时 GPU time,那对算力的需求可能会增长 100 倍甚至 1000 倍。
有一类主流观点认为:算力在等待模型进步,市场的发展需要看到应用端的爆发,但我们认为这个观点本末倒置了,在拾象团队的视角中,模型一直在等待更廉价的算力,廉价的算力永远是稀缺品。中长期看,我们看到有 3 个方面的因素会进一步拉动算力的需求。
1. 我们仍然处于 scaling law 的早期,模型的能力还是会随着模型参数的增加而提高。OpenAI、微软与 Anthropic 等头部公司的高层曾在访谈中多次提到:scaling law 远远没有触及边界,他们的产品仍在你追我赶的过程中。算力军备竞赛仍然在如火如荼地进行。
2. 多模态模型,尤其是上周 GPT-4o mini 的发布,会进一步解锁更多应用场景,例如随身携带摄像头,提供实时的 AI 助手功能等。多模态模型也可以进一步地替代人工成本较高的职位,例如医生出诊、律师咨询、销售等,这些职位以后都将有可能被 AI 所取代,这样 AI 所带来的经济价值也会越来越高。
3. 我们可以有一些大胆的假设,当前每年全球国防开支约为 24000 亿美元,如果大模型能够进一步解锁图像与视频领域的新能力,假设每年有 3~5% 的国防开支用于 AI 或信息相关投资,就有 1000 亿美元的边际增量。
综合各方面因素,我们认为世界仍然需要更多的算力。
Top Pick:英伟达(NVDA) $英伟达(NVDA)$
英伟达仍是我们目前在算力这个投资逻辑中最为看重的一支股票,虽然它的股价已经涨了很多,但我们认为估值远远没有饱和,目前英伟达的市值已经达到了 3 万亿美元,但我们对英伟达的心理价位至少是 5 万亿美元左右。
市场上会有观点认为,因为竞品的快速追赶,英伟达护城河与此同时也在不断变窄,但拾象的判断是:推理对系统要求更高,英伟达系统的护城河其实是越来越宽的,这是英伟达实现 5 万亿的前提。
我们对英伟达看多有三方面原因:
• 从市场规模来讲,我们认为整个加速芯片市场会进一步扩大,有机会达到 3000-4000 亿美元的规模;
• 英伟达拥有从芯片、互联到软件三位一体的竞争优势。在短期内,我们看不到英伟达有任何的竞争对手;
• 英伟达有非常完善的产品矩阵。英伟达在今年的展览会上明确宣布了它在 2024 年下半年、2025 年以及 2026 年的产品路线图。我们能看到它正在从卖芯片逐渐转向发展成熟的系统和软件,不仅路线图明确,产品力也在逐年提高。
在此前面看多英伟达的基础上,关于“为什么英伟达至少可以达到 5 万亿的市值”,我们的逻辑是:
未来 5 年之后,数据中心的基础设施将达到 2 万亿美元的市场规模,这里的 2 万亿指的是整个 IT 基础设施的规模,即同时涵盖了 CPU 和 GPU,现在存量的数据中心规模大概在 1 万多亿,每年有大概 2000-3000 亿的增量,5 年后就会达到 2 万亿美元左右的规模。
在数据中心规模达到 2 万亿后,就会出现:现在硬件的使用周期一般是七年左右,如果以 7 年作为一个替换周期,那实际上每年的替换率有 15%。正常情况下,每年的增长大概是高单位数,也就是 7-8% 左右,所以 15%的替换周期加上高单位数的自然增长,那每年就会有近 20% 的替换加增长的一个市场空间,随之也会带来一个 4000 亿的 Capex 的空间。
过去的每个时代,最头部的企业都占到了 70-80% 的价值量,并且今天来看英伟达的护城河非常宽、也很值得市场的信任,所以我们认为英伟达仍旧可以占到 75% 的价值量,也就是说,它可以达到 3000 亿美元的收入体量。
目前英伟达的净利润率是 45-46%,随着规模扩大,它的经营杠杆会进一步体现,所以我们认为它有机会达到 50% 的利润率,也就是 1500 亿的数据中心盈利。
数据中心之外,再叠加上比如自动驾驶,gaming,以及它在帮很多企业开发的数据中心业务等等,我们认为英伟达肯定是可以达到 5 万亿的。值得强调下英伟达在自动驾驶上的布局,英伟达可能是除了 Tesla 之外在自动驾驶上投入第二大的公司,我们认为这一点其实是被市场忽略了。
投资主线 2:AI 对云厂商的盈利拉动开始显现
云厂商能最直接受益于大模型进步与应用。我们已经能看到 AI 对云厂商的收入拉动在逐步增加:过去四个季度中,AI 对微软的边际贡献分别是 1%、3%、6% 和 7%,在很多 CIO 调研中也能明显感受到全球头部企业在云上的投资意愿是在不断增加的,2025、2026 年在云上的投资意愿都显著高于 2024 年,也因此,我们对几大云厂商在未来几年的收入都是非常乐观的。
Top Pick: Amazon(AMZN) $亚马逊(AMZN)$
Amazon 是四家云厂商中我们目前最喜欢的一家,并且我们认为市场其实低估甚至忽略了 AWS 受益于 GenAI 的程度,也因此我们看好 AWS 的长期增长潜力。
拾象团队对于 Amazon 的投资逻辑,主要基于以下两点。
• 首先,如前面所提到的,AWS 作为云厂商也是 LLM 的重要分发渠道,其中,AWS 和 Anthropic 的合作虽然不能 100% 看作 Azure 和 OpenAI,但也是相当深度的合作。Anthropic 最新发布的 Claude 3.5 系列模型的表现数据很惊艳,从市场反馈来看,Claude Sonnet 3.5 是一个和 OpenAI GPT-4o 不相伯仲的一个模型;
• 第二,因为 Amazon 收入中很重要的一部分来源于零售以及广告,而今年和明年零售和广告业务会进入一个快速复苏和增长的环节。
总结来说,无论是在近期零售与广告的复苏,还是中长期在大模型的布局与云服务上,我们都非常看好亚马逊。所以,现在这四朵云中,我们的首选是亚马逊。
投资主线 3:端侧应用开始进展
To C 端,今年是 AI phone 的元年。2008 年,我们看到的是 smart phone 开始取代过去的 feature phone,随着 Apple 在今年的 WWDC 上推出的 Apple Intelligence,我们认为今年进入了 AI phone 的时代。在企业端,在很多 survey 中都能看到,企业高管们对端侧的 AI 都是非常看重的,也都非常愿意进一步投资端侧的 AI 应用。
Top Pick: Apple(AAPL) $苹果(AAPL)$
在端侧的布局上,我们目前的首选就是 Apple,我们认为 Apple 最关键的价值在于,因为它在软硬件上布局足够全面,所以能够把控整个流量的入口,Apple 是 AI 时代 ToC 端当之无愧的最大受益者。
先从入口角度,除了 OpenAI 的 GPT 系列模型外,Apple 还在和很多家 LLM 公司接触,它选择的是一个所谓的热插拔的策略,也有报道说它在和 Google 谈新的合作,在 WWDC 上,我们也能看到 Apple 很明确地表示要把流量入口抓在自己手里。
AI Chatbot 对于 Apple 来说一定是一个相对比较大的应用,但是在系统级的层面上,它一定、并且也会牢牢地把所有的流量入口、分发权以及 APP 的调用权控制在了自己的手里。这也是我们为什么非常喜欢 Apple 的原因:在 AI 时代,它仍然是最能占据流量入口和心智的卡位。
在这次WWDC中,我们感受到Apple将AI与iOS系统紧密结合,AI不仅被深度集成,也在重构Apple。未来,手机可能不再依赖点击APP,Siri作为全能代理,能够调用应用完成复杂任务。
例如,Siri可以帮我们查询并预订合适的航班,而无需我们手动搜索比价。Apple在LLM模块化上的云端模型布局,预示着其潜力。
我们还认为,iCloud作为Apple的服务端,其增长潜力被市场低估。随着手机销量进入稳定期,LLM将改善这一局面,同时隐私需求将推动iCloud收入增长。目前Apple服务端渗透率仅10%,若AI功能加入,用户订阅iCloud,每提升一点渗透率,将为Apple带来3-4点EPS增速。因此,我们预计Apple未来3-4年将进入超级换机周期,服务端收入增长可期,使Apple成为我们的首选。
投资主线 4:存储与互联的超级周期仍在展开
下一代大模型的训练是以 10 万张卡互联作为基础的,当下按照训练 GPT-5 的需求来看,我们目前能够利用的集群规模在 3-4 万张卡的水平,而下一代模型的入场门槛就要到十万张卡,整个规模都要进一步地大幅度拓展。而且 scaling law 仍在快速推进中,对模型的参数以及数据的带宽都会有进一步的要求。此外,随着 LLM 的进一步普及,我们也会创造出更多的数据,比如说今年的 Sora 模型会不断加快视频的产生速度,可以想象,未来几年视频的数据会爆炸式地增长,这就会对数据的存储、互联、交互都会提出更高的新要求。
Top Pick:博通 (AVGO) $博通(AVGO)$
在互联与存储的环节,我们现在的首选是博通。博通可以说是在互联中最具有战略意义的公司。
之所以看重互联环节是因为它属于数据中心中除了计算之外的,第二大支出项目。以 Meta 为例,它的 2.4 万张卡集群中,复用率占了 70% ,互联占了 25% 左右,所以互联在整个数据中心基建中具有非常重要的作用。
我们喜欢博通的另一个原因是:博通是定制化芯片的最主要、最大的生产商。博通与 Google 已经合作了六代定制芯片 TPU,今年将开始研发第七代 TPU。我们可以看到,像 Meta 和字节也都是到博通做的定制化芯片。所以,除了英伟达,对很多大型互联网公司来说,必不可少的另外一家硬件公司就是博通。
投资主线 5:按席位的 SaaS 模式转变为按计算量的Token-as-a-Service 模式
在一开始的投资判断中,我们也提到 LLM 会革新商业模型,我们认为在 SaaS 领域这个趋势是一定会发生的,过去 Seats-based 的软件模式有可能会转变成 Token-as-a-Service 的模式。
过去软件是按照人头收费的,因为每一个生产力的单元都是员工,所以软件最主要的增长方式是服务更多的员工,但是进入 AI 时代后,业务或者生产力的增长点可能不在员工数,而是变成 LLM 数,也就是说未来企业的生产力将不再由员工数来决定,而是由企业有多少个 LLM,LLM 能产生多少个 token、它的计算量有多大。这些因素会成为未来企业盈利增长最主要的模式。
所以我们现在思考的一个问题就是:整个软件的模式会不会出现一个翻天覆地的变化?按照人头、席位数的模式会不会被以计算量为服务模式的软件公司所取代?
最近有一篇关于 Salesforce 的研究中写到, AI 会降低 Salesforce 10% 的席位数,我们认为这则消息证实了我们的一个猜想:未来的软件模式将由席位数逐渐转变成 token 数,不过可能有更贵的 token,也可能有更便宜的 token,比如说模型好的公司可能 token 的价格就会更高。我们会沿着这个思路去做相应的投资布局。
为什么我们相信英伟达能到 5 万亿 | AGIX 投什么
Top Pick: ServiceNow(NOW)
当前我们在软件方面最喜欢的公司是 ServiceNow,我们认为 ServiceNow 目前是在海外 SaaS 公司中最明确的 AI 收益标的。目前来说,帮助企业部署 AI、部署 LLM 的公司非常少,而 ServiceNow 是我们目前看到的能帮助企业部署 AI 的有限的几个公司中最好的一家。
ServiceNow专注于企业IT自动化服务,是许多大型公司的长期合作伙伴,对公司内部IT和数据系统有深入了解。在AI时代,ServiceNow成为部署LLM的首选合作伙伴。从去年起,ServiceNow的订单强劲,其Now Assist服务和企业数据、搜索解决方案受到好评,需求也相对多。
在 LLM 的实施过程中,很重要的一点就是企业内部搜索,ServiceNow 在这方面做得是最好的,比如很多时候大家诟病 LLM 在应用过程中的一点是模型会在应用过程中产生一些幻觉,幻觉主要有两个解决方案:RAG,以及企业内的图谱搜索,ServiceNow 在这两方面都推出了相应的服务,所以 ServiceNow 是企业在部署 LLM 时很重要的一个合作伙伴。
Now Assist 是 ServiceNow 过去 20 年里所有产品中增长最快的一个,这件事其实表明了两点:第一,企业部署 LLM 的需求非常强劲。第二,企业对 ServiceNow 服务是认可且非常信任的。
因此,我们认为,无论是订单、现金流、所处的位置,还是横向拓展的能力,ServiceNow 现在都属于 AI 时代第一批最受 AI 收益的标的,也是我们目前在软件领域最喜欢的一个标的。
02. AI 投资的关键判断
判断 1 :我们并不知道 AGI 到底有多大
现阶段大家还没有对 AGI 的定义和理解达成一个共识,我们听过的最好的一个定义是:AGI 能在 90% 的行业,超过 90% 的专家,完成 90% 有经济价值的工作。其实这三个 90% 还是很激进的,但它代表了一种愿景。
另外,AGI 不完全是一个商业问题,它还兼具了科学发现的属性。它的背后是永无止境的研究发现精神,不断地探索新的能力边界。更抽象地来说,AGI 是怎么用能源和芯片来产出智能?未来各大公司比拼的就是智能产出的效率和能力到底有多高,是否可以无限产出几亿的新劳动力?
从历史上看,科技进步是创造增量价值最关键的要素。有一个有意思的现象是:历史上每一波技术变革的头部公司市值都会比上一波头部公司的市值再加一个 0。10 年前,投中一个 10 亿美金估值的独角兽就很厉害,但今天,很多公司半年内就成为了独角兽、甚至一出生就是10 亿美金估值。2010 年前后 Apple 的市值也才 2000 多亿美金,那个时候,我们根本不会想象到全球还会有万亿美金的公司,就像我们今天也不会想到未来可能会出现 10 万亿美金的公司。
在 2016 年的 AI 投资热潮中,英伟达从 200 亿美金涨到了千亿美金市值,但是我们也无法想象英伟达今天可以达到 3 万亿美元这么大。
所以,今天 AI 领域最大的一个非共识就是:其实我们并不知道 AGI 到底有多大。之前软件产品都是按照人头数定价的,比如一个人 20 美金,但未来可能会按照结果产出来定价,比如 AI 帮我的工作创造的增量价值是 1 万元,那 AI 技术拿走其中的 5-10% 是很合理的,其实现在电商和广告平台已经在按结果付费了。我们认为,未来的工作任务很可能是按结果付费的,这就相当于在增量的 GDP 里面抽税了。
判断 2: AI 是拉动未来 15 年全球增长的关键力量
AI 和 AGI 一定是未来 10-15 年 GDP 的最强拉动力。结合之前 Sam Altman 的观点,我们也有一个预测:AI 有机会在 10-15 年内让全球的 GDP 翻倍,从今天的 100 万亿美元涨到 200 万亿美元,但今天 100 万亿的 GDP 中和 AGI 浪潮直接相关的可能还不到 0.1%,离解锁 90% 还有很远。
另外一个计算方法是:大模型赋能或颠覆的其实是 “知识工作者” 这个群体,简单地说就是全球每天在办公室工作的 10 亿白领。
历史上农业机械化使90%农民失业,我们认为AI也能使90%白领日常工作自动化。大多数知识工作内容简单且重复,就像自动驾驶超越司机平均安全水平,AI能以电费和芯片成本替代白领年薪,节省10万亿美元,市值可能还要乘以10。
我们更期待AI能创造李白、杜甫这样的天才。每1000万人中可能出一个,AI作为概率模型,如果能提升审美和创造能力,就能批量创造李白、杜甫,迎来新文化和创意时代。
判断 3: LLM 正处于大基建初期
很多人关心现在 AI 处在什么阶段,拾象团队一个很深的体会是:全球 AI 大模型目前还处在大基建的初期,也是人类 AGI 基建的早期阶段。
为什么基建很重要?过去中国的 4G、5G 和智能手机都是一种基建,只有在电信基建完成后,才有了短视频和移动支付应用的大爆发;公路、铁路基建带来了 电商和快递大爆发;城市化基建带来了外卖、本地生活消费的大爆发。
也有人会问 AGI 应用为什么还没有大爆发,我们的答案也很清晰:因为算力的基建还不够,算法和数据一直在等算力基建。整个 2023 年全球 GPU 的消耗时间,如果按照 2 亿人的基数算,平均每人每天只能算 1 分钟,我们相信它在未来很有可能会像短视频一样渗透到 30-50 亿人,每人每天消耗 1 小时的算力,所以我们目前还处于 AGI 大基建的早期阶段,而 AI 是一个供给驱动型的市场。
今年,硅谷的一线大模型公司已经拥有了 3.2 万张 H100 充分互联的 GPU 集群,再加上它们部署的小集群,年底的 GPU 总量已经超过了 10 万张,在明年的竞争格局中,第一梯队的入场门票就是 10 万张卡充分互联的单体集群,这个数字一点也不夸张,而且是一个单体的充分互联集群。极有可能在 2027-2028 年,会有 2-3 家公司建造出 1000 亿美元的超级计算机,这个超级计算机所产生的影响和曼哈顿计划、登月计划一样。
很多人都很关心这个计算集群的投入产出会是什么?它的产出结果其实就是无限的智力和能力提升或者是更高级的生产力,随之也会对全球地缘政治产生非常大的影响。鸦片战争的本质就是工业社会从高维度碾压低维度的农业社会,新旧世纪交替时的海湾战争也是信息化社会碾压了传统的工业化部队。AGI 今天就到了这样一个新的技术革命转折点,它的影响幅度可能会超过以往的所有技术革命。AI 的进步速度很快,过去一年中 AI 的进步速度超过了人类历史几千年的发展。
许多人讨论模型是否会继续扩大,我们认为scaling law仍然有效,模型将在未来几年继续增长。目前最大模型有1-2万亿参数,未来可能达到百万亿参数,接近人脑神经元数量。
同时,人们忽视了小模型发展速度,如OpenAI发布的GPT-4o mini,小模型知识密度也在迅速提升,预计一年内手机和电脑就能运行接近GPT-4能力的模型。
小模型趋势也表明,除数据中心基建外,Apple等手机厂商代表的消费端基建同样重要。
无论是数据中心还是手机端基建,高端芯片几乎都由台积电生产,台积电将从这两波基建中持续受益。
判断 4 :AGI 基建是工程问题,通过资金投入和时间可以解决
AGI 基建是工程问题,人工智能行业没有解决的问题比解决的问题还要多,因为科学问题往往不是能够立刻看清的,但 AGI 大基建是可以通过投入资金和时间来解决的。
拿 GPT-4 的训练来举例。现在训练出一个 GPT-4 最少也要 8000 张 H100 的有效算力,接近万卡集群。万卡集群是一个标配,如果自己买卡,每张 H100 的售价接近 3 万美金,再加上周边设备,仅硬件成本就需要 3 亿美金。当然也可以租,如果租 H100 一年,需要差不多 1.5 亿美金。
我们一直在谈论 1 万张卡的用电量,10 万 H100 集群一年的用电量大概是 12.4 亿度,这大概是整个上海一年用电量的 0.8-1%。现在 AGI 数据中心主要是在美国本土,美国一年的总用电量在过去 20 年里一直都比较稳定,大概是 4 万亿度,其中数据中心可能要用 2000 亿度,也就是 5% 左右。但媒体预测,到 2028 年,美国本土的数据中心用电量会增至 6700 亿度电,也就是在 5 年内涨 3 倍,从 5% 涨到 16%,这对制造和基建能力明显退化的美国来说,其实是一个很大的挑战。
判断5:未来 2-3 年能看到 Coding 领域 AGI
拾象团队经常说的一点还有 “AGI 不是一蹴而就的”,它的关键词是 “渐进式解锁”,就像前面提到的,画一条登山路线图,模型能力每增长一点,就会解锁一些新场景,产生一些新应用。
目前来看,搜索是 LLM 初期最大的 Killer App。GPT-4 出来已经一年多了,但 AI 应用还没有大爆发,从结果上来看是比较无聊的。但如果抛开 ChatGPT 这种大模型公司的应用,硅谷主流 VC 投资的、已经跑出来且发展到一定估值的,我可能只能想到 Perplexity 一家。
但如果拉开时间维度,我们认为未来 2-3 年有机会看到 Coding 领域的 AGI ,也就是一个做各种任务都非常不错的程序员。因为软件的逻辑更清楚,更容易有从 0 到 1 的反馈。有一个很好的比喻是:过去互联网是搜索网页的信息,叫搜索引擎,但未来 coding 可能叫任务引擎,用来解决有经济价值的任务。
*本文仅为科普分享,不构成任何投资建议或产品推荐。投资有风险,入市需谨慎。
精彩评论
明了