匯添富基金沈若雨：AI人工智能產業從預期走向現實

距離ChatGPT3.5大模型面世已經3年多了，人工智能產業和以往的新興產業一樣，產業界和投資界經歷了從震撼到質疑再到普及的過程。根據最新的披露數據，OpenAI的周度活躍用戶已經達到了9億，而Anthropic周度活躍用戶據估計也已經達到了5000-6000萬。與此同時，OpenAI和Anthropic最新一輪融資后的估值分別達到了8520億美元和3800億美元，而Anthropic的最新年化經常性收入（ARR）更是達到了300億美元，超過了OpenAI 2月底公布的250億美元（數據來源：OpenAI、Anthropic公司官網、最新融資文件）。投資者不再爭論AI人工智能產業是否只是概念，因為從投資的角度出發，價值投資和主題投資的區別在于：第一，所投資的產業是否真正具備社會意義，能夠不斷創造社會價值和經濟價值；第二，商業模式是否能夠產生經營性自由現金流，滿足企業持續發展的需要。如果按照上述標準判斷，人工智能產業已初步滿足上述兩個條件，成為了未來重要的生產力形態之一并完成了商業閉環，真正進入了適合長期深耕挖掘價值的階段。本文主要想就投資者關心的幾個問題做初步探討。

一、AI算力投資的高歌猛進是否可持續？

過去幾年，二級市場AI產業公司的表現呈現出的特征是AI算力硬件公司大幅跑贏傳統互聯網、云計算平臺廠商，背后的原因也是來自于在AI轉型的過程中無論是初創企業還是互聯網平臺都加大了對于AI算力基礎設施的投資建設。從產業實際需求觀測，AI算力的真實需求與Tokens詞元增長呈現出正相關的關系，目前僅約兩成的Tokens消耗用于模型的預訓練，約八成的Tokens已應用于推理領域?？梢灶A見的是，隨著各類AI Agent應用的成熟、嵌入傳統的C端應用或企業工作流中，Tokens的消耗增長會保持飛速增長?，F階段對于AI算力投資的邊際約束并不來自于產業用戶的真實需求，而是來自于資本開支的可持續性和產業鏈各環節的供給瓶頸。我們長期看好AI算力需求的持續性，未來的投資機會主要來自于符合未來技術發展方向，具備較高技術壁壘，行業需求巨大的領域，包括光通信、存儲、AIDC能源等相關領域的投資機會。

二、AI應用時代的產品形態和發展特征與移動互聯網時代有何不同？

在日常與投資者交流的過程中經常被問及的問題是什么時候能看到爆款AI應用，但是大家體感上似乎并沒感受到真正爆款應用的出現。事實上目前爆款的C端AI應用就是大模型本身。我們觀察全球前幾大模型廠商可以發現用戶規模優勢、使用粘性已經形成。

1. ChatGPT：約8億月活，目前是全球C端滲透率最高，伴隨更多的問答數據沉淀在ChatGPT平臺上，用戶粘性也在進一步穩固。強項：擬人對話、通用交互最強、插件生態成熟，第三方應用適配性高。

2. Gemini：7.5億月活，用戶規模與ChatGPT相當，擅長搜索答疑、影音創作。強項：多模態圖文/視頻能力最強，數學/代碼/推理能力均衡，公司的AI算力基建與原有生態具備強有力支持。

3. Claude：約1.2億月活，主要面向企業客戶和技術開發者。擅長代碼生成、企業文檔處理，流程類Agent應用，學術研究。（月活數據來源：Openrouter網站統計、公司官網）

從中我們可以看出AI應用時代還是建立在大模型基礎能力之上的，模型即應用的產業趨勢已經較為清晰。但是AI應用時代與移動互聯網時代的區別在于，與移動互聯網時代流量為王的特征不同、在模型即應用的時代，由于以Claude模型為代表的代碼生成能力已經進入到無限供給的狀態，輕應用，淺層流量入口價值在迅速通縮，而真正能閉環解決問題的AI應用未來則可能實現成功的商業化，并且企業級市場與C端用戶市場同樣具備潛力。

我們還是以OpenAI和Anthropic兩家大模型廠商的發展路徑為例，從收入結構來看，兩家大模型廠商呈現出不同的發展策略。OpenAI的收入構成中C端訂閱占55-60%，而企業服務、開發者API分別占25-30%、15-20%左右。Anthropic的發展策略與OpenAI截然相反，企業服務、開發者API收入達到了85%，而C端訂閱僅占15%。Anthropic目前已擁有30萬家企業客戶，其中年消費超過10萬美元的客戶數量在過去一年增長了7倍，年消費超100萬美元的客戶已超過500家。（數據來源：OpenAI、Anthropic公司最新融資文件）

從收入結構上可以看出OpenAI的策略與傳統互聯網巨頭類似，先占據流量分發入口，然后再將消費者、企業服務應用場景貨幣化。Anthropic的策略則是專注企業級市場，捕捉到了最適合商業化落地的場景，正式進入了爆發增長期。從兩家大模型發展路徑可以觀察到，AI應用和傳統互聯網產品最大的區別在于：傳統互聯網思維下的入口型產品很多時候是用戶注意力吸引機制驅動，而AI應用是以結果、質量、成本、效率驅動的。對于我們投資端的啟示是，AI應用能夠吸引用戶持續付費成功進行商業化，說明此類產品至少需要滿足以下條件：1）創造收入、2）節省成本和時間、3）降低錯誤率、4）完成人工無法完成的工作。因此AI產品的付費機制比傳統互聯網時代的應用更接近真實用戶價值。而對于傳統互聯網巨頭來說，擁有海量用戶規模、數據、使用場景只是先決條件，基礎模型能力的持續投入和突破才是傳統平臺實現AI應用轉型的關鍵。

三、AI人工智能技術是否會重塑各行業的研發范式？

在AI時代，我們需要認識到人工智能技術的引入對于科研本身可能也具有反身性。我們曾經習慣于引用Gartner成長曲線來描繪新興產業的發展軌跡，往往會經過“爆發期-低潮期-成熟期-泡沫期”這幾個階段。然而，AI人工智能技術的引入可能會顯著降低新興產業試錯難度，同時加快研發的進度。

以半導體行業研發為例，計算光刻是芯片設計和制造領域中最大的計算工作負載，每年消耗數百億 CPU工作小時數。晶圓代工廠的大型數據中心24x7全天候運行，以便創建用于光刻系統的掩膜板。這些數據中心是芯片制造商每年投資近2000億美元的資本支出的一部分。根據美國算力芯片龍頭披露的資料，其聯合ASML、新思推出的計算光刻庫cuLitho能夠將計算光刻的速度提高到原來的40倍。舉例來說，H100 GPU的制造需要89塊掩膜板，在CPU上運行時，處理單個掩膜板需要兩周時間，而在目前在GPU上運行cuLitho只需8小時就可以完成工作。

上述案例只是AI加速各行業研發進程的其中一個，給我們的啟示是，對于未來我們需要重新建立產業發展規律的認知。成長投資的本質是在總結歷史規律的基礎上大膽假設、小心求證，推測未來。AI時代新興產業發展曲線可能并不遵循原來我們所習慣的節奏，甚至在未來某個時間點出現新物種加速涌現的情況，對此我們必須提前做好充分的準備。