文章核心观点 - 摩根大通分析师姚橙认为，中国科技资产，尤其是国产替代方向，仍有超预期增长空间，AI投资领域的资本支出需求正从美国供应商向中国供应商转移 [1] - 全球AI行业已从模型“百团大战”迈入商品化阶段，垂类赛道与B端商业化成为核心发展方向 [1] 中国科技资产投资价值 - 尽管短期市场存在波动，但中国科技资产，尤其是国产替代方向，仍有超预期增长空间 [1] - 美国进入降息周期后，市场流动性宽松，资金会主动追逐潜在回报率更高的资产，中国资产作为新兴市场在全球配置中仍处于相对“低配”状态，具备显著增配空间 [2] - 中国的模型能力已受到全球大型科技公司认可，硅谷众多开发AI应用的技术人员已在使用中国研发的底层模型 [2] - 未来若在硬件领域实现突破，解决了芯片通信等问题，将提升全球投资者对中国科技的认可度 [3] AI资本支出与产业链转移 - 2025年，AI投资领域资本支出需求从海外供应商逐渐往国内供应商转移 [3] - 2024年下半年，中国科技公司的思路从多囤积进口硬件为主，转变为积极拥抱国产解决方案 [3] - 当头部公司开始大规模采购装载国产芯片的国产服务器，利润和资本回流到本土供应商，将形成良性循环，加快技术研发落地 [3] - 中国本身是一个巨大的市场，且作为“世界工厂”在电力等基础设施方面具备优势，足以让本土企业获得丰厚收益 [3] 全球AI市场格局演变 - 全球模型市场的整合阶段已基本结束，2023年中国AI领域还处于“百团大战”状态，如今市场上仅剩下5～10家机构仍在坚持开发模型 [4] - 模型基座能力正走向“商品化”阶段，各家模型的差异不大，选择不同供应商的基座模型最终效果差异可能很小 [4] - 在模型能力趋于同质化的背景下，垂直行业的专有数据成为形成差异化优势的关键，未来垂类模型的发展将呈现明显区分度 [4] - 垂类模型未必由科技巨头主导，小型公司可以基于开源模型蒸馏出小尺寸模型，利用垂直数据训练出极具竞争力的应用 [4] AI商业化落地路径 - AI商业化落地，B端路径比C端更清晰，实施起来也更容易 [5][6] - B端典型落地场景包括：在电商领域，AI虚拟模特可替代传统模特，节省场地租赁和后期设计成本；在编程领域，AI可自动生成基础代码、排查程序漏洞，提升效率 [6] - AI在B端的底层逻辑不一定是创造全新收入，而是融入现有运营模式实现成本节约，其商业化落地和盈利逻辑清晰合理 [7] - C端商业化面临挑战：商业化方向尚未完全明晰，竞争极其充分；中国市场免费服务体验佳导致用户付费意愿较低，变现更加困难缓慢 [7] - AI发展的关键已从“模型”转向“数据与应用”，垂直行业的数据壁垒和B端的降本逻辑是当前最清晰的路径 [7]