AI行业发展阶段与历史定位 - 人工智能作为生产力革命仍处于非常早期阶段 相较于蒸汽机普及的100年、内燃机应用的30多年以及互联网发展的30年 人工智能发展至今仅约20年 若严格计算其发展期可能只有13年[7][8] - 当前AI浪潮的空前热度与全球宏观流动性环境密切相关 并非单纯由技术成熟度驱动[9] 全球资本市场与AI叙事 - 2019年至2021年 全球主要央行大规模扩表 规模达12万亿美元 经货币乘数放大后对经济体的潜在影响接近50万亿美元 相当于全球GDP在短期内增长约60%[9] - 大量流动性推动全球资本市场总市值增长 从2019年与全球GDP大致相当的89万亿美元 增长至2024年的130万亿美元 超过114万亿美元的名义GDP 巴菲特指数超过1.1倍[10] - 全球资本在2022年后集中配置美元资产 叠加ChatGPT于2022年11月出现 为资产价格上涨提供了关键叙事支撑 催生并需要AI这一宏大叙事来赋予高估值合理性[10][11] - 当前全球总市值维持在130多万亿美元水平 市场进入存量博弈阶段 各地区资本市场表现差异取决于其创造新投资叙事与想象空间的能力[13] 技术投资周期规律 - 每一轮技术投资均经历三个阶段：第一阶段投资技术本身 第二阶段投资最有想象力的应用 第三阶段投资能落地的应用[15] - 2023年投资焦点集中于大模型技术本身 2024-2025年转向最具想象力的应用 如通用Agent和具身智能 预计后续将进入探索垂直领域落地应用的阶段[15][16] - 技术变革能否催生新的千亿市值公司 关键取决于前（用户界面）、中（技术）、后（基础设施）台是否同时发生变化并引发消费者习惯迁移 否则大公司可能通过资本投入追赶上来[18][20][21] 大模型发展趋势 - 大模型发展可能遵循“云化”路径 类似硬件云和算力云 最终演变为由巨头提供的基础设施服务[18][19] - 当前大模型讨论焦点集中于谷歌Gemini、千问、豆包等大公司产品 因技术若未伴随前端UI升级和消费者习惯转变 大公司具备追赶优势[18] 机器人行业现状与挑战 - 当前机器人运动能力（如跑步、跳跃）取得显著进展 主要受益于传统汽车行业带来的硬件（电机）发展以及自动驾驶和强化学习推动的算法革命[22] - 机器人操作能力（如叠衣服）仍是行业短板 因其需要改变物体物理状态 相关领域缺乏历史数据积累[22] - 解决操作能力的关键在于获取新维度的数据 而数据采集面临核心挑战：机器人硬件尚未定型 硬件改动会导致原有采集数据失效[23] AI数据问题的解决路径 - 解决机器人数据问题的主要方法包括独立采集和合成数据/VLA 但各有局限[23] - 独立采集方案在自动驾驶领域已验证 但规模扩展慢 且受机器人硬件迭代影响大[23] - 合成数据/VLA存在局限性 仅凭视觉学习难以直接转化为实际操作能力[23] - 最核心的大规模数据采集最终需从传感器或“新设备”中获取 多样化消费级智能设备的普及及其产生的新维度数据是解决问题的关键[24][25] 峰瑞资本的投资布局与逻辑 - 投资聚焦于五条主线：AI基础设施、具身智能、AI应用、AI+新药研发、未来科技 覆盖近两年80%以上的投资公司[6] - 投资节奏遵循技术投资三阶段规律：2023年关注大模型（技术本身） 2024年重点布局具身智能（最有想象力的应用） 2024年底转向AI智能硬件（探索落地应用）[6][15][16][18] - 在具身智能市场变热前即开始集中投资 但在2024年7月判断行业过热而放缓 然而机器人热度持续上涨约一年半[18] - AI智能硬件投资初期竞争较少 但近一个季度赛道变得非常火爆[18] AI基础设施投资机会 - AI基础设施投资主要指向为AI应用而生的新型芯片[26] - 历史上 新终端设备（如PC、手机）的出现催生了新的芯片巨头（如英特尔、英伟达、高通）[26] - 大量新消费级设备的出现将催生新的芯片公司机会 新芯片需满足数据存储、通讯、算力、功耗、尺寸、成本等方面的新需求组合[26][27] 垂直领域AI Agent投资机会 - 垂直领域AI Agent的成功需具备两个基础条件：行业已有较高的数字化水平；行业服务价值能用自然语言交互形态兑现[27] - 该赛道更适合已有公司的转型（如教育、心理、金融公司） 因其已具备业务流、数据流、客户流及技术能力[27] - 新公司机会存在于全链条数字化的领域 如电商直播、编程、游戏Agent 但普遍面临缺乏数据和客户积累的挑战[27] AI智能硬件的战略意义 - 中国具备通过软科技与产业链结合 研发新产品、带动新需求、形成新物种并销往全球的能力 例如将吸尘器改造为扫地机器人 将传统汽车升级为智能车[28] - 智能硬件的普及具有多重意义：创造大量新维度数据；驱动由新需求牵引的新供给 符合中国新外贸发展需要；有助于保持合理的制造业比例并促进高效制造及芯片传感器产业发展[28] - 新一轮智能硬件的诞生是技术元件日益成熟与消费者需求成熟共同作用的产物 历史上苹果等成功硬件也非凭空出现 而是经历了iPod、MP3等前代产品的技术铺垫和用户习惯教育[29][30] 中国在AI应用阶段的超越机会 - 历史经验表明 中国在技术应用阶段存在超越机会 例如人脸识别技术从2015年落后到2018年后领跑全球 关键驱动因素是将技术应用推至极限[31] - 自动驾驶领域同样存在类似趋势 中国新能源车的普及和大规模传感器加装 正在改变技术竞争格局[31] - 当AI发展进入应用爆发阶段 中国凭借广泛的应用场景有机会实现超越[31]