AI周期与旧科技周期的差异

核心摘要

本集回答的是：AI走到中场，产业链价值从算力向存储、网络、模型迁移，但当前核心矛盾不是需求不足，而是供给被严重约束，投资机会在供给端斜率最陡峭的环节。

干货提炼

主题一：AI周期与旧科技周期的差异

• AI周期幅度远超既往经验：冯路丹认为可与工业革命类比，真正能够提高社会生产效率；谢兆业强调时间跨度长（从23年进入第四年仍处早期）、斜率陡峭（token增速和大模型公司ARR增速是此前从业10-30年未遇到过的）。
• 投资要区分0到1与1到10两个阶段：0到1是行业有未来但技术仍在快速迭代、缺乏大规模商业化临门一脚的产品；1到10是突破了商业化门槛、收入利润进入可预测快速爆发阶段。目前人形机器人、端侧AI、AI应用处在0到1；AI基础设施、国产算力已进入1到10。

主题二：产业链价值迁移路径

• 价值已从芯片层向模型层和应用层迁移：早期价值量最紧缺的环节是芯片和基础设施；随后美国电网建设成为瓶颈，能源因卡脖子而重要但占比下降；最近半年模型公司收入变得陡峭，模型本身就是目前阶段的应用，coding领域已验证落地，金融、法律也有高收入案例。
• 未来会生长出脱离模型的应用：类比移动互联网，真正的AI原生应用需要3-5年后才可能大量出现，入口价值会从人与人网络转向人与agent、agent与agent网络，目前是群雄逐鹿，谁胜率更高说不清。
• 模型公司不会吃掉全部价值：市场两种观点并存——一是模型及能力，没有模型能力一切白说；二是随着模型平权化、开源社区发展，使用门槛降低后会诞生大量模型之外的应用机会，组织架构（人才密度极高的模型公司未必适配应用时代）也是约束。

主题三：机器人与端侧AI仍在找临门一脚

• 机器人长期看好但当前看智能化能力而非供应链：物理AI是虚拟世界与真实世界的桥梁，长期可能比肩大语言模型赛道。目前比拼的是智能化研发能力，而非供应链成熟度；车企因自有工厂可做实验和落地场景有一定优势。2026年国内外机器人可定义为量产元年，已达千台甚至万台级别。
• 端侧AI未到“1”的原因在硬件与软件两端：硬件要同时解决重量（小几十克）、彩色显示、续航；软件端定制化端侧软件做得不够，不是手机系统简单迁移，理想形态是低交互频率、只在该出现时出现的操作系统。目前探索方向包括眼镜、AI pin、AI项链，但圆心产品未出现。
• 供应链投资看三点：客户能否大规模量产并能跟随；竞争格局和壁垒是否够高；价值量是否足够大、BOM成本占比是否够高。车企、消费电子公司转做机器人有制造业迁移优势但不能确定最终胜者。

主题四：供给约束才是这轮的核心矛盾

• 需求增长速度远超供给：杜厚良将token需求拆为日活/月活×使用频次×使用范式，估算每年需求增长30-50倍；摩尔定律降本（约3-5倍/年）乘产能扩张（日韩企业只愿扩15-30%）实际只能补足约10倍，需求被供给严重抑制，景气周期因此拉长。
• 光通信和存储是优先方向：光与存储比海外算力、电力的斜率更陡峭，因为存和传输远远没达到摩尔定律极限。光模块价值量占比会从4-8个点继续提升；存储目前占AI capex比重已接近40%，供需失衡比光更严重。
• 存储产能是重资产约束：主要玩家在韩国、日本、美国，扩产周期慢；此前存储厂商多年亏损、账上没现金流做大规模扩产，导致需求起来时供给跟不上。手机、PC厂商采购成本未来一段时间仍承压，“以后没有2,000块以下的手机了”。解决供需失衡最终的希望在于中国供应链进入全球体系。

主题五：盯住token和ARR，对泡沫保持清醒

• 最重要的指标是token收入而非单价：token单价长期受硬件摩尔定律驱动，往下走才是正常规律；往上走是异常值且不会持久。AR R是所有大模型厂真金白银最直观的共识指标。价格弹性大于1（价格降10%，需求增长大于10%），不需要担心降价侵蚀收入。
• 泡沫逻辑不同：历史上景气行业三年后往往因供给快速扩张超过需求、价格崩塌而形成泡沫；这轮因token需求斜率太陡峭且供给受物理产能约束，供给不足反而延长了产业周期。
• 面对上涨仍需谨慎：即便看多，未来1-2年供应链利润会快速兑现并消化估值，但科技投资仍有不确定性——算力形式未来可能不是GPU（量子计算等替代方案概率不小），美国和韩国已出现K型分化，头部因AI受益而普通白领受冲击，是需要关注的风险。

高光金句

• ❝ 现在的需求是被供给严重的抑制了供给严重满足不了需求 ❞
• ❝ 科技魅力在于不确定性 没有人能去看到五年后十年后是怎么样的 ❞
• ❝ 存储应该是供需失衡最严重的比光还要失衡 ❞

提及资源

• 本集暂无提及外部资源