WAIC 投融资论坛：投资人眼中的 AI 下一轮机会

2026 世界人工智能大会（WAIC）期间，国泰海通主办的「智见 AI 合创未来」人工智能投融资论坛上，华安基金翁启森、易方达基金贾健、富国基金曹晋、贝莱德基金王晓京、法国兴业银行（中国）何昕等五位机构投资人，就大模型演进、国产算力链、AI 资本开支与地缘政治扰动下的下一轮投资机会展开圆桌讨论，论坛由富国基金陈杰主持。以下为主要观点精编。

技术变化：从生产力工具到端到端解决方案

翁启森认为，过去一年 AI 最大的变化来自 Anthropic 的 coding code 真正进入程序员的生产力工具，并已迈入 self recursive（自我迭代）阶段。模型参数规模因此有机会继续扩展。贾健补充指出，Claude Opus 4.6 的发布是一个标志性节点：一方面将初级程序员的网页、Demo 工作转化为生产力工具，另一方面让非科班用户也能享受编程能力，「代码是数字世界的钢筋混凝土」。

曹晋把今年的变化概括为「从卖算力、卖 Token，变成卖结果、卖解决方案」。Agent 的出现让大模型成为包含感知、规划与执行的整套方案，AI 公司的商业模式与估值逻辑也因此从 Token 消耗品，向软件、平台与基础设施靠拢。

国产模型与国产硬件打通，化解二级市场估值困惑

王晓京认为，DeepSeek V4 的发布把国产大模型与国产硬件在实际业务端连了起来。过去国内硬件厂商只能对标美股同类公司估值，但缺乏业务底层支撑；国产模型与硬件在业务上打通后，硬件厂商的估值可以与国内 AI 算力需求挂钩，国产算力链的投资逻辑正从「对标英伟达」或「国产替代」，转向「模型业务验证 + 硬件性能提升 + 生态协同」。

何昕从资本市场角度补充，过去一年 AI 产业在二级市场进一步资本化：从寒武纪突破重要市值关口，到国产 GPU 企业全面上市，再到智谱冲击「大模型第一股」、DeepSeek 新融资，AI 正在被资本市场系统性定价。

评估大模型公司：技术参数与 ARR 是一体两面

围绕「看技术参数还是看 ARR」的争论，翁启森认为两者是一体两面：模型能力是变现基础，而 OpenAI、Anthropic 的 ARR 反映的正是能力变现水平。但随着大模型进入 Agentic 阶段，Benchmark 越来越多元，投资人需要看模型在不同任务上的有效性，以及人才、数据、持续迭代等综合能力。

王晓京提出另一种视角：AI 在不同成本点上提供不同服务。头部模型 0.1 秒完成任务收 10 元，能力较弱模型 10 秒完成任务收 1 元甚至更低；非关键任务未必一定选择最强模型。因此 AI 的竞争不仅在能力与速度，也在成本，未来不一定是一两个头部模型吃掉所有行业，关注每个细分赛道的赢家可能是更广谱的二级市场视角。

贾健还提到，国内大模型各有侧重：DeepSeek 在后训练强化学习上领先，通义千问强化长任务能力，智谱在 coding code 上追赶国际大厂，Kimi 也推出接近北美 SOTA 水平的模型，投资人需要持续评估每个阶段不同厂商的综合实力。

出口管制与主权 AI：中国开源模型获全球机会

贾健认为，出口管制会在客户端引发信任危机，损伤美国 AI 公司在非美、非欧市场的风险定价；但政府监管也相当于用政府信用为前沿模型背书。更重要的是，这会强化「主权 AI」叙事——其团队在调研中注意到，很多非美国家即使本国模型与北美头部存在差距，也会坚持做自己的模型，且多借鉴中国开源模型。

曹晋认为，政策性风险更接近阶段性摩擦系数而非永续性风险，部分模型访问已在恢复，说明行业竞争激烈，没有任何企业能保证永远领跑。对中国大模型而言，阶段性利好来自全球 AI 使用者更愿意选择开源、可自主部署的模型；但更长期的竞争力仍取决于持续资本开支投入，以及算力与数据积累。

硬件格局：训练端英伟达仍强，推理端解耦趋势明显

贾健和曹晋对硬件格局做了分层判断。贾健认为，训练端英伟达凭借 CUDA 生态的深厚壁垒，未来三年内外部变化难以动摇其优势；但推理侧壁垒松动是迟早的事，PD 分离、AF 分离等软硬件优化思路，为海外二线厂商和国内 GPU 厂商提供了赶超窗口。存储方面，DRAM 因 EUV 限制三年内难有阶跃，NAND 因依赖垂直堆叠，国内头部厂商追赶机会更好。

曹晋观察到，整个行业都在解耦占据领先优势的巨头。无论是 AF 分离还是 PD 分离，本质上都是把处理多项任务的 GPU 解耦成不同功能模块；云厂商也在通过软件方案分化功能，降低对英伟达的依赖。存储端类似，封装与存储业务的解耦可能让海力士、三星等巨头承接的业务越来越简单。

国产芯片：算力链全走通才有更大估值空间

王晓京认为推理和训练同样重要。DeepSeek V4 已在推理端为上游半导体厂商带来增量估值；国内部分厂商已宣称完全在国产硬件上实现训练和推理，例如美团 LongCat 2.0（龙猫）被提到在国产硬件链上完成训练与推理，若这一点被验证，对整个国产硬件产业链会有更大估值提升。光通信等通用硬件模块若能同时受益于全球算力和国产算力两条需求曲线，将获得更大空间。

万亿美元 Capex 能否回本

翁启森分享了几个数据：Anthropic 当前 Token 的毛利已接近 80%，由于算力不足，Anthropic 与北美算力云厂商（如 AWS Bedrock）的分成已从过去的「三七开」调整为「五五开」，意味着即便受算力约束，Anthropic 也愿意分出更多利润给云厂商，后者有更大动力继续增加 Capex。他预计明年 AI Capex 可能达到 1.2 万亿至 1.5 万亿美元。翁启森还以互联网泡沫作类比，认为除生产力工具外，OpenAI、Anthropic 等公司正在进入 AI for Science、AI for Industry（如医疗领域与诺华合作），未来创造的商业生态规模可能远超 Capex 投入本身。

泡沫与趋势共存

何昕的结论是：AI 产业链上肯定有些资产定价存在泡沫，但整个 AI 不是泡沫。亚洲部分科技股远期 PE 一度达到 36 倍，韩国、中国台湾 AI 相关资产也处于历史较高估值，泡沫现象确实存在；但与历史泡沫不同，今天的 AI 有具体产出和真实需求驱动，模型变强拉动算力，算力增长又带动芯片、数据中心和能源需求，是创造真实价值的产业趋势。关键是在泡沫与趋势共存的市场中，找到最终兑现价值的赢家。