来源：中国基金报
【导读】基金经理解读AI应用投资机会
中国基金报记者 方丽 孙晓辉
近期，AI应用板块接连爆发，成为市场关注焦点。其中，AI短剧指数在11月前两周涨幅超过25%，端侧AI呈现集体异动，物理AI同期涨幅超10%，振幅明显放大。
本轮行情背后的逻辑是什么？是否意味着新主线已经形成？当前处于什么阶段？哪些细分方向值得布局？
对此，中国基金报记者采访了：
博时基金指数与量化投资部基金经理 李庆阳
鑫元基金权益投资部负责人、基金经理 李彪
国泰基金基金经理 李星全
平安鼎越基金经理 林清源
恒生前海消费升级混合基金经理 胡启聪
上述基金经理普遍认为，近期AI应用板块爆发本质上是资金从交易拥挤的算力硬件向低位、有产业催化的应用端进行的高低切换与结构性轮动，而非彻底的主线切换；当前板块整体处于商业化早期至验证期，呈现显著的结构性分化——AI短剧、端侧AI、AI办公等少数方向已跑通变现闭环，进入收入可验证阶段，但多数公司仍处于主题炒作期，估值走在业绩前面，需警惕预期透支与盈利可持续性风险。
技术、成本、商业化与资金共振
中国基金报记者：近期，AI应用板块接连爆发（物理AI、端侧AI、AI短剧等），背后主要逻辑是什么？
李星全：近期AI应用板块表现活跃，主要受产业商业化加速、市场资金轮动及政策催化等因素推动。
首先，AI推理成本快速下降，推动应用场景加速落地。据EpochAI研究，2023年以来，同等性能水平下AI推理成本平均每季度下降约47%。随着模型能力提升及使用成本下降，AI漫剧、AI短剧、AI端侧等领域商业化进程加快。
其次，软件板块估值较低，筹码结构相对健康。软件板块经历较长时间调整，部分方向估值处于历史相对低位，交易拥挤程度较低。
最后，政策支持与模型迭代形成持续催化。国内人工智能应用相关政策不断推进，叠加新一代模型发布、多模态能力提升等技术进展，进一步改善市场对AI应用商业化前景的预期。
李庆阳：本轮行情由技术进步、成本下降、商业化落地和资金轮动共同推动：一是模型能力提升，视频生成、多模态和Agent已经从演示走向实际使用；二是推理和内容生产成本持续下降，比如AI短剧制作成本和周期明显压缩，商业模式开始跑通；三是需求数据可验证，包括AI原生App月活以及端侧设备销量等；四是算力板块前期涨幅和持仓较高，资金开始寻找位置相对较低，又有产业催化的应用方向。
林清源：主要有两方面原因：一是资金轮动。前期AI算力产业链经历调整，传统行业三季报整体缺乏亮点，市场开始寻找新的方向。二是产业变化。大模型推理和内容生成成本大幅下降，部分视频生成服务价格已降至每秒一两元，同时多模态理解、视频生成等能力明显提升。成本下降与能力提升形成共振，使更多应用具备商业化可能。
李彪：近期AI应用并非普涨行情，本质是资金从拥挤的算力硬件向低位应用切换的结构性轮动。本轮行情中，AI漫剧依托模型带来的成本下行弹性涨幅居前；AI营销因“广告预算被算法重新分配”收益颇丰；其次是具备订单支撑的AI4S赛道；伴随GPT Astra发布，物理AI主线也迎来催化。本轮行情的共同驱动要素包括：模型单位成本持续下行、政策催化，以及资金从交易拥挤的算力板块向低位应用迁移。
胡启聪：本质是AI投资主线从上游算力硬件向低位应用的结构性行情。底层逻辑是AI的定价锚正在从“算力投入”转向“场景兑现”。同时，应用板块前期调整充分，估值具备性价比，叠加海外巨头的密集催化，共同促成了资金集中回流。行情能否持续，核心要看后续订单、收入和现金流能否得到持续验证。
目前行情仍为阶段性扩散
中国基金报记者：是否意味着市场已经出现新的主线，还是只是资金从算力向应用的暂时性扩散？
李庆阳：目前处于扩散阶段，短期带有比较明显的高低切换和主题交易特征。算力与应用并非非此即彼，算力看资本开支、订单和利润，应用看用户、付费率、收入和现金流。未来更可能两条主线并行。目前应用端已出现收入验证，但距离全面反映到利润仍有距离。
李彪：市场有机会孕育出新主线。AI视频赛道中，AI长剧具备更高壁垒，盈利框架更为清晰。物理AI是机器人大脑能力迭代的重要方向，叙事完整性最强，但业绩兑现周期也最长。赛道长期产业方向明确，但现阶段更多是由模型发布驱动的高贝塔主题行情，尚难以通过季度财报持续验证。
细分节奏上，短期确定性集中在数采与感知硬件；中期关注垂类场景落地与本体订单；世界模型、仿真平台属于远期期权资产。资金整体趋势从硬件转向商业化场景更为清晰的AI应用方向。产业端客户需求与订单的边际变化，也集中在上述方向。
林清源：尚不能认定AI应用已形成新主线。AI从基础设施建设走向下游应用，是比较确定的长期趋势，但不同方向的商业化进度存在较大差异。真正形成持续主线，需要收入、盈利和渗透率的共同验证。目前AI短剧、人形机器人和端侧AI虽有产业进展，但多数公司尚未实现充分的业绩兑现，现阶段仍以主题行情为主。
胡启聪：短期是资金进行高低切换，流向调整充分、性价比更高的应用端。但AI应用并非纯资金行为，有基本面支撑：多模态大模型底座成熟、推理成本快速下行，AI短剧已跑通投放变现闭环，端侧AI、物理AI也有实质的产品与产业催化，不再只是概念演示。
不过，要成为独立新主线，还需要两个持续验证：一是板块整体盈利和现金流能否规模化兑现；二是行情的广度和持续性，能否独立于算力波动。现阶段更适合理解为AI大主线内部的重心迁移——算力是底层底座，应用是价值兑现环节，二者长期共生。如果后续订单与ROI持续超预期，应用有望成为市场定价的核心主线；若业绩兑现不及预期，则大概率回归板块轮动。
李星全：本质是存量环境下资金从高位算力链向应用端的阶段性扩散，属于AI产业内部轮动，并非主线彻底切换。算力依然是AI产业底座，只是短期交易拥挤度高、博弈预期分歧加大；而物理AI、端侧AI、AI短剧等应用方向，虽然已经看到商业化验证，但多数赛道仍处于早期，若要升级为新主线，需要持续验证三个信号：稳定的订单与现金流兑现、机构资金持续增配形成共识、走出独立于算力板块的趋势行情。
当前呈现结构性机会
切忌追高
中国基金报记者：目前AI应用处于什么阶段？板块估值和基本面情况如何？当前是否处于合适的布局窗口期？
林清源：整体仍处于主题投资阶段，部分方向存在较大的预期透支风险。
以AI短剧为例，生产门槛大幅下降，但也造成供给过剩。DataEye数据显示，按特定播放量盈亏平衡假设测算，仅约1.3%的作品达到回本门槛。人形机器人距离规模化替代人工仍有较长时间。现阶段需警惕缺乏盈利支撑的高估值公司。
李彪：AI漫剧已经完成一轮成本重构：单部制作成本降幅达60%—90%，但超95%制作主体处于亏损状态，AI短剧整体盈利性偏弱。对比来看，AI长剧依托IP储备与资金门槛形成更高壁垒，商业模式相对清晰。
物理AI长期产业方向成立，当前仍属模型催化驱动的高贝塔主题赛道，业绩兑现难以按季度验证。细分节奏上，短期确定性最高的是数采与感知硬件；中期看垂类场景落地、本体订单释放；长期赛道内零部件赛道，或复刻此前光模块的产业地位。
当前行业或处于拐点区间：物理AI领域数据集采环节增长动能较强，投资择时窗口相对充裕；机器人赛道的兑现路径大概率为先实现收入、利润落地，再迎来估值抬升。AI短剧/视频赛道则对择时要求更高。
李庆阳：整体处于商业化早期，不同方向差异比较大。AI短剧、营销、Coding已走过“从0到1”的阶段，开始验证收入；办公软件、企业Agent正在验证收费模式；端侧AI进入订单和出货阶段；通用人形机器人、医疗AI相对更早。估值上，核心公司相对合理，部分存在情绪溢价。
总体而言，产业处于从主题期到收入验证期阶段，属于结构性窗口，交易上不适合追高追概念，更适合利用调整分批配置。
李星全：当前AI应用整体处于商业化验证期，内部节奏分化显著：AI短剧“出海”变现模式跑通，现金流兑现较快；端侧AI依托NPU逐步落地，等待终端放量；物理AI仍以试点验证为主，规模化盈利尚远。基本面呈现两极分化，少数标的已贡献增量收入，多数企业仍处在投入阶段。
短剧、端侧部分标的已提前交易乐观预期，估值溢价较高；物理AI等尚处于早期赛道，更多是按远期空间给予主题估值，缺乏业绩锚点。板块尚不具备普涨基础，属于结构性机会窗口，建议优先筛选订单、现金流可验证的标的，分批布局、控制仓位。
胡启聪：当前AI应用整体处于从概念验证迈向商业化试点的早期兑现阶段，呈现明显的结构性分化。AI短剧率先跑通投放与变现闭环；端侧AI、物理AI仍处在产品迭代和数据积累期；多数行业Agent尚在客户试点，规模化盈利仍是少数。
前期经过长期调整，部分有真实收入的标的估值消化充分，但大量纯题材标的估值仍偏贵，当前属于阶段性布局窗口，建议优先选择已跑通ROI、订单可跟踪的细分龙头；对于远期叙事标的，需要警惕业绩不及预期带来的估值回调。后续行情高度，取决于未来一到两个季度AI增量收入、付费转化率以及经营杠杆能否持续兑现。
看好端侧AI、工业AI等方向
中国基金报记者：您最看好AI应用哪些细分方向？在您看来，哪些已经跨过主题阶段，进入收入可验证阶段？哪些仍处于概念阶段？
李彪：相对看好AI长剧以及物理AI两大方向。两条赛道均已验证成本下行趋势，国内AI长剧、海外机器人方向的产业迭代速度领先；同时两个细分赛道均有落地订单，部分标的实现盈利，走出纯政策驱动、纯主题炒作的阶段。AI短剧当前仍处于流量放量阶段，尚待稳定收入验证，才能脱离主题行情区间。
李庆阳：一是AI营销和内容“出海”，商业链条短，投放效果和收入可以快速验证；二是办公软件和企业Agent，能够直接帮助企业降本增效，付费逻辑比较清晰；三是端侧AI，手机、汽车、眼镜等终端正逐步把AI变成标准配置；四是工业AI，如视觉质检、设备维护和流程优化，落地速度虽然不快，但客户黏性和壁垒更高。
目前AI营销、Coding、部分短剧平台、办公软件和端侧芯片已经跨过纯主题阶段；通用人形机器人、万能Agent，以及只有产品发布却没有收入的公司，仍偏概念。
胡启聪：优先看好AI短剧、端侧AI、AI办公与垂类营销工具。核心逻辑在于这些方向的变现路径清晰、指标可跟踪，兼具弹性与确定性。
其中，AI短剧、AI办公、端侧AI已经跨过纯主题阶段，进入收入可验证区间：AI短剧跑通了投流、分账与“出海”变现，营收与ROI可按月观测；端侧AI依托手机、车载、可穿戴设备落地，终端厂商订单与模组收入逐步兑现；AI办公依靠订阅席位和增值套餐，付费转化稳定，增量收入持续确认。
而通用物理AI（如人形机器人）、全链路通用AI Agent、AI医疗新药等仍处在概念与试点阶段，仅有少量试点订单，规模化付费和稳定盈利闭环尚未形成，更多依靠产业催化与远期叙事驱动。整体来看，赛道分化显著：已兑现方向适合跟踪业绩与竞争格局；概念方向博弈的是技术迭代与产业拐点，波动更大，需严格控制仓位。
李星全：首先是AI安全。相比部分尚处于商业模式探索阶段的AI应用，网络安全具备较为成熟的企业付费基础。
其次是AI漫剧。随着视频生成模型能力提升、制作成本快速下降，AI漫剧的内容供给和商业化进程明显加快，部分应用场景已初步形成收入验证。未来随着内容质量提升、用户规模扩大及商业模式完善，行业仍具备较大的增长空间。
最后是端侧AI。模型轻量化和终端算力提升，使AI能力逐步向手机、PC及智能终端渗透。端侧AI重塑消费电子的产品形态。
林清源：相对最看好端侧AI。随着模型推理成本下降，尤其是视觉模型逐步具备经济可行性，AI开始从数字世界进入真实生活场景。AI眼镜、智能耳机等设备有望创造全新的交互方式和使用需求。
目前部分AI终端已实现真实出货，硬件收入具备可验证性，但AI功能带来的增量需求仍需观察。相比之下，AI短剧盈利高度分化，通用人形机器人仍以商业试点为主。
核心+卫星策略
以基本面为锚
中国基金报记者：对于AI应用，您接下来的主要布局策略是怎样的？
胡启聪：采用“核心+卫星”的结构，兼顾确定性和弹性。核心仓位投向已经跑通收入、ROI可跟踪的方向，如AI短剧、端侧AI、垂类办公工具，这些细分方向的标的AI业务已贡献增量收入、客户与订单可高频跟踪或者估值处于可以看得懂的情况，具有一定确定性。卫星仓位小仓位配置物理AI、通用智能体等远期赛道，博弈产业拐点，并且回避仅靠PPT讲故事的标的。
节奏上避免追高，依托板块回调分批布局，把财报、付费留存、订单数据作为加仓或减仓的核心信号，而非单纯依靠题材催化。同时，保留一部分算力、模型层标的做产业链对冲，以规避应用单独走弱的风险。本质上，这是用确定性标的打底，小仓位博取远期弹性，以持续验证的基本面为锚，降低题材轮动带来的回撤风险。
林清源：重点关注端侧AI，尤其是具备核心技术能力的SoC芯片及相关产业链企业。不会简单追逐概念，而是持续跟踪海外科技巨头的新产品进展、终端销量及供应链订单。更倾向于在产品获得消费者认可、产业趋势初步验证后，寻找估值合理、具备持续增长潜力的公司。
李彪：坚持业绩驱动的核心原则。看好物理AI赛道的产业爆发机会，重点围绕机器人方向布局。OpenAI新模型、Physical Intelligence N1.0、国内头部大模型在具身智能方向持续迭代。2027年上半年，有望迎来具身基座模型领域类似GPT-4时刻的范式拐点。
李庆阳：主要仓位放在有客户、数据、渠道和主业现金流，且AI能够提升客单价或降低成本的公司；小仓位参与短剧、游戏、机器人等高弹性方向。重点跟踪AI收入占比、付费用户、续费率、毛利率、获客成本、扣非利润和经营现金流等指标。
李星全：在当前市场风险偏好下降、科技板块波动加剧的背景下，AI应用布局应更加重视安全边际，避免单纯追逐短期热点。整体而言，当前更倾向于采取审慎、分批布局的思路，在估值具备吸引力、产业催化逐步明确的基础上关注右侧机会，同时重视市场波动及盈利兑现风险。
收入≠利润
警惕“戴维斯双杀”
中国基金报记者：AI应用领域最大预期差是什么？投资这一领域，需要关注哪些潜在风险？
李彪：AI应用板块最大预期差来自AI4S（CRO/CDMO、EDA、科学计算工具）等赛道，订单先行，且需求已获财报验证。投资上优先布局“卖水人”标的，端侧AI出货趋势明确，需按照硬件周期跟踪，重点跟踪销量、市场份额以及补贴政策变化，不宜直接用应用渗透率给资产估值。AI漫剧/影视规避纯内容制作环节。监管政策、行业分账单价均构成持续压制变量。
林清源：市场可能高估AI短期替代现有产业的速度，却低估了长期创造全新需求的能力。
长期来看，随着智能获取成本大幅下降，全天候个人助手、持续感知环境的智能设备等过去不具备经济可行性的需求，可能形成全新市场。
投资上需要警惕技术进步与业绩兑现之间的时间差，以及主题炒作带来的估值风险。此前商业航天、机器人等方向都曾出现预期先行、业绩滞后的现象。AI应用最终仍要回归真实需求、持续收入和盈利能力。
李庆阳：正向预期差是AI未必只靠创造新App赚钱，更可能通过改造现有流程提升传统龙头的收入和利润率。负向预期差可能是收入增长不等于利润增长。潜在风险包括价格战、版权与监管、模型厂商向下游扩张、机器人量产不及预期，以及估值透支等，投资上应该避免追逐纯概念。
李星全：最大预期差在于市场容易把技术演示、试点订单等同于规模化盈利，低估商业化落地的难度与节奏分化。部分赛道如AI短剧变现已经跑通，但端侧AI放量、物理AI工业落地，仍存在从样机到批量交付、从降本到增收的鸿沟，业绩兑现的斜率可能显著慢于估值定价的预期。
潜在风险方面：一是供给快速扩容带来“内卷”，毛利率持续承压；二是监管与版权风险，内容、数据合规政策变化会直接冲击商业模式；三是技术迭代风险，新模型、新硬件可能快速替代现有方案；四是订单验证不及预期，估值存在回调压力。投资上需持续跟踪AI业务收入占比、现金流、客户复购等硬指标，规避纯题材标的。
胡启聪：最核心矛盾是收入可见，但盈利、留存、复购的可持续性尚未被市场充分定价。
潜在风险方面：一是供给快速涌入导致竞争“内卷”，压缩ROI，AI短剧、垂类工具都容易出现流量成本抬升、盈利快速走弱的情况；二是大模型底座迭代带来的替代风险，下游应用若壁垒偏弱，容易被模型厂商直接整合；三是监管风险，内容合规、数据安全、行业准入等政策变化会直接改变商业模式；四是估值风险，很多标的估值已透支远期业绩，一旦付费转化不及预期，容易迎来“估值+业绩”双杀。
此外，算力成本波动、客户付费意愿偏弱、企业预算收缩等也是不可忽视的扰动。整体而言，需要持续跟踪净现金流、客户留存率和单位经济模型，坚决规避纯题材标的。
