AI群雄逐鹿“三超”新阶段 基金锚定“算力竞争”投资机会
（原标题：AI群雄逐鹿“三超”新阶段 基金锚定“算力竞争”投资机会）
图片来源于网络，如有侵权，请联系删除
证券时报记者 王明弘
今年以来，人工智能(AI)算力需求持续升温，推动AI芯片及相关产业链公司股价大幅上涨。寒武纪、胜宏科技、新易盛、工业富联等一批A股标杆公司屡创股价新高，备受市场关注。
在AI概念股股价与业绩齐飞之后，市场对其泡沫化也开始有所担忧——包括估值透支、技术瓶颈与资金博弈等潜在风险。值此之际，英伟达与OpenAI宣布了一项震撼行业的投资计划，双方将投入千亿美元，联手建造10千兆瓦级超级AI数据中心，并计划部署数百万颗GPU，以支撑下一代大语言模型的训练。这一重磅动作，又进一步点燃了市场对于AI算力前景的预期。
近日，多位公募基金经理在接受证券时报记者采访时表示，全球AI竞赛正迈入新阶段，以“超大规模、超高能耗、超高投入”为特征的AI基础设施竞争正式拉开帷幕——从芯片到液冷技术，从算力集群到能源配套，一条贯穿全球的AI算力产业链正在被全面激活。与此同时，国家之间的竞争焦点，也正从“模型竞争”悄然转向更底层、更核心的“算力竞争”。
竞逐“三超”新阶段
在AI技术狂飙突进的当下，算力早已成为决定产业上限的关键变量。
近日，英伟达宣布与OpenAI达成战略合作，计划向OpenAI投资高达1000亿美元，用于建设并部署至少10吉瓦(GW)的英伟达系统，以支持其下一代人工智能基础设施。此次合作，标志着英伟达在AI算力领域的进一步扩张。在此消息的刺激下，当日英伟达的股价盘中一度大涨超4%，刷出历史新高，总市值逼近4.5万亿美元。
“这是全球AI科技史上的重要里程碑。”金鹰基金刘忠腾直言，这场“强强联合”构建了软硬件能力全球领先的生态系统，也让AI基础设施竞争的壁垒陡升。
富荣基金基金经理郭梁良则进一步指出，这一事件标志着全球AI竞赛进入“三超”新阶段——“超大规模的集群、超高的能源消耗、超高的资金投入，未来能参与这场竞赛的玩家将越来越少。”
对于上述合作将对全球科技产业链带来的影响，郭梁良表示：“这一合作或将带动从上游的芯片、服务器、光模块、液冷系统、高功率电源，到下游的数据中心运营、能源配套等全链条景气度提升。同时，它也加剧了中美之间的‘算力主权’竞争，推动各国加快布局自主可控的AI基础设施。”
东海基金权益投资部负责人、基金经理张立新从三个方面分析了上述合作事件对全球科技链的启示：首先，人工智能领域竞争格局趋于固化，AI算力“军备竞赛”进入白热化阶段，获取顶级AI算力的门槛提高，其他AI公司在底层算力上与领先集团的差距拉大；其次，自主创新压力加剧，会强烈刺激各方加速AI生态建设，谷歌、亚马逊等科技巨头会更坚定地发展自研AI芯片，部分国家和地区也会加大对本土算力解决方案的支持；最后，大功率数据中心、新一代算力平台的出现将驱动产业链竞争向上游延伸，英伟达新一代Rubin平台对封装技术、高带宽内存要求更高，同时液冷散热等新技术的重要性凸显，为相关领域带来了新机遇。
AI竞争从模型转向算力
有市场观点认为，中美在AI领域的竞争正在从“模型”演变为更为底层的“算力”。
国泰基金援引今年4月斯坦福大学《2025年人工智能指数报告》指出，“到2024年底，中国领先模型落后美国的差距从近20%缩小到了0.3%，但在算力层面，美国控制了全球75%的计算力，因此目前AI的竞争确实有从模型层面竞争演化为基础算力角逐的迹象。”
在国泰基金看来，这意味着中国在算力硬件层面的追赶力度可能会加大，半导体产业链和互联网企业可能加大协同以突破硬件瓶颈。
“相较于美国，前两年我们在大模型和算力领域都有一定的产业代差。随着近年DeepSeek不断取得突破，我国实现了对海外大模型的追赶，甚至是赶超。算力差距仍较为明显，由于设备‘卡脖子’，我们在先进制程领域仍有落后，产品良率上不去，流片产能成为产业推进的严重瓶颈，不过这些情况今年有了乐观进展。”刘忠腾说。
郭梁良也认为，今年随着DeepSeek、Kimi K2、豆包、千问等国产领先模型的出现和迭代，缩小了中国和美国在模型本身的差距。根据Scaling Law的第一性原理，模型能力的进步离不开更大量算力的堆砌。OpenAI与英伟达的千亿美元合作，本质上就是对‘算力决定模型上限’这一理念的极致押注。这一演变意味着，中国AI产业的发展路径需要转变，“从‘模型追赶’转变为‘构建自主算力底座’，产业发展重心将更加向产业链上游和底层技术倾斜。GPU、ASIC、HBM、高速互联、先进封装、先进制程晶圆制造、半导体设备和材料等一系列环节，都有望成为新一轮科技竞争的一部分。”
张立新基本认同上述观点：“目前，在通用大模型竞争中，中美两国实力已非常接近，差距仅在3—6个月之间，很难再形成代差。在大模型差距方面，中美之间呈现了从接近到拉大再到接近的趋势，背后主要原因还是算力的差距。”
他进一步分析了上述合作事件对产业发展的影响，主要体现在三个方面：一是技术发展路径从Scaling Law到系统工程创新，算力层面采用“集群技术+软件能力”来弥补硬件短板，例如凭借通信设备领域的技术积累，通过超节点集群设计与软件优化，使整体系统能力与海外厂商差距大幅缩小；二是以场景优势弥补基础不足，在通用大模型绝对性能短期难以超越的情况下，丰富的产业门类和海量应用场景是我们最大的优势，国家正推动AI技术在制造业升级、智慧城市、生物医药等垂直领域快速落地；三是推动国产大模型架构创新，从源头优化资源利用，比如DeepSeek通过混合专家模型、多头潜在注意力等技术机制，在保持模型强大能力的同时，大幅缩减实际计算成本。”
数据中心建设有机遇也有挑战
在全球AI竞赛中，中国的脚步从未停歇。国家层面推进的“东数西算”工程，构建起“八大枢纽、十大集群”的超级数据中心网络，互联网巨头也纷纷加码布局超大规模AI集群。
“中国在超级AI数据中心建设方面走得比较靠前，各地智算中心建设较快，产业层面互联网巨头成长迅速。展望未来，伴随GPU供给瓶颈缓解，中国相关进程有望继续加速。”国泰基金表示。
不过，在当前全球AI算力竞赛加剧的背景下，中国发展超级AI数据中心既面临机遇，也难躲挑战。
国泰基金称：“我们最大的机遇，是庞大的市场规模和资源整合。中国拥有全世界最大的互联网用户人群，数据资源得天独厚，在发展AI相关技术时具备天然优势。此外，中国电力资源丰富，面对AI数据中心的巨大功耗更具应对能力。”
郭梁良则强调了市场、政策、场景等三大方面面临的机遇。从市场角度看，中国拥有全球最庞大的网民数量和良好的互联网群众基础，这不仅是AI的市场，也是反哺AI进步的“燃料。从场景角度看，庞大的Token消耗会产生庞大的数据资源，有助于我国厂商训练更强大、更本土化的AI大模型。从政策角度看，党和政府高度重视AI产业发展，将数字经济、建设全国一体化算力体系提升到了国家战略高度。“在‘东数西算’工程引导下，各地方政府也相继出台AI算力建设相关补贴和扶持政策，举国体制的优势能在关键时刻集中力量办大事。”
张立新补充道：“最大的机遇，来自产业政策和下游需求。国家通过‘东数西算’等工程进行顶层设计，引导算力基础设施在全国范围内合理化布局，直接刺激了投资和应用创新。同时，从企业级大模型到消费端AI应用，市场需求呈现爆发式增长，为数据中心提供了明确的商业前景。”
在挑战方面，多位基金经理均提到了技术层面的“卡脖子”问题。
国泰基金坦言：“最大的挑战主要在技术层面。面对美国对出口中国芯片的限制，中国半导体供应链自主可控的建设亟需加速。”
刘忠腾认为，最严峻的挑战来自底层基础设施中的算力卡，即GPU。目前在全球范围内，英伟达凭借CUDA生态垄断了GPU绝大部分市场份额，随着中美博弈深入，美国商务部一度禁止中国采购英伟达算力卡，出现“一卡难求”的局面，也形成了巨大的算力缺口。不过，近年来国产GPU企业取得了长足发展和突破，有望逐步弥补海外算力卡缺失带来的空白。
基金经理：AI投资逻辑重塑
AI竞争的核心，已从“模型追赶”转向“构建自主算力底座”，这一演变不仅影响着产业的发展路径，也重塑了投资的逻辑。
中欧基金权益研究部副总监、科技组负责人杜厚良认为，今年四季度，国产算力会有较清晰的趋势性机会，科技投资的大体趋势是硬件先行，再到软件。明年下半年，AI端侧或有较大的投资机会，海外巨头公司将推出AI眼镜、耳机、折叠屏手机等新品，通过摄像头帮助用户更好地捕捉视觉信息，这一创新突破可能会带动整个端侧的爆发。
“对于消费电子，AI行情从云侧逐步切向端侧是一条重要线索，可能会带来包括端侧设备、算力芯片、通信模组在内的更广泛机会。”诺安基金权益事业部副总经理、研究部总经理邓心怡表示，近期OpenAI针对AI端侧硬件的布局，可能意味着大厂的AI竞争从依靠模型应用来争夺用户的阶段，逐步过渡到了通过用户基础来抢夺端侧入口、努力构建生态壁垒的阶段。
郭梁良则表示：“在当前的市场环境下，会考虑以确定性龙头为基石、以新技术黑马做增强的策略，这样既有望保证组合的稳定性，又有可能抓住产业变革带来的超额收益机会。”龙头企业受益于产业趋势的确定性程度高，抵御风险能力强，且当前估值和业绩匹配程度也比较高，概念炒作的估值溢价低；增强部分，可关注产业发展过程中出现的一些新技术方向，比如OCS、DCI、空心光纤、正交背板等。这些新技术在从0到1的落地过程中，能够享受到供给稀缺带来的利润率溢价，远期广阔空间折现回当前市值定价，也能够提供不错的弹性。
