算力：3000億算力狂潮

首先我們來看基礎層，就是AI的算力基建和數據要素的環節。

AI的算力可以說是AI的引擎，更大的算力意味著同時可以處理更多更復雜的任務，而數據則是AI的燃料。

近期DeepSeek的R-one 模型的出現改變了AI行業的生態，推理算力的需求即將進入上行區間，國產算力廠商的資本開支預計會突破3000億元，帶飛硬件產業鏈。目前主要的硬件產業鏈包括了光模塊+銅連接，液冷+電源和PCB+服務器這幾組。作為數據中心的‘血管網’，800G的光模塊已經進入了量產競賽環節；而GPU的散熱剛需，也就是液冷，滲透率明年有望超過50%；與此同時隨著國產GPU放量，帶動PCB層數升級，服務器廠商的訂單也排到了2026。

人形機器人的‘大腦’也得靠算力，芯片、存儲器需求同步爆發。業內有專家指出，硬件層面的漲勢遠未結束，而技術的周期也才剛剛啟動。

數據：進入資產化時代

接下來我們把目光轉到數據板塊，沒有數據，AI就是空中樓閣。

今年，數據要素正式進入了資產化時代。其中最為明顯的是B端的數據，在工業和醫療等高價值場景數據的閉環中已經催生了千億級的交易市場。

而在數據清洗和標注方面，AI訓練的“鏟子股”需求暴增。

模型：2025大爆發

再往后就到了我們模型，也就是AI的大腦的層面。

這個板塊2025年將會有一個巨大的飛躍，因為2025年模型層的關鍵詞是“落地生根”。成本下降后，大模型將會從理解對話為主的“玩具”搖身一變，成為生產力工具。

舉個例子，騰訊地圖率先蒸餾DeepSeek的R-one模型，與地點提取功能進行聯動，支持用戶生成個性化旅游方案。而在制造業領域，AI質檢員也24小時無休，良品率飆升。

AI應用場景也慢慢的由淺入深，比如金融行業對于大模型的應用需求，從原來僅用于知識庫的搭建和基礎代碼的編寫這類內部提效的場景，逐漸擴展到了對外業務之中。比如投資研究、投資者教育、投資顧問等方面。在銀行領域中AI也大展拳腳，比如貸款審批和盡職調查，幫助銀行科技部門或者業務部門搭建自身業務所需的智能體，實現工作流程半徑的縮短甚至是重構。

應用：機器人+智駕

最后一部分則是我們的應用部分。

應用端可謂是AI最真實的戰場，技術落地已經進入了手術臺、駕駛艙之中，這場沒有硝煙的戰爭，勝負全看誰能把模型應用在真實場景之中。

現在比較熱門的板塊，比如AI和XR的結合，最廣為人知的C端產品應該是AR眼鏡，近期已經從翻譯、題詞這類簡單應用發展出了更多的功能，比如遠程協助、故障檢修和地圖互動，AI手機的端側大模型也在加速落地。

人型機器人近期也是快速發展，宇樹機器人在春晚的表現無疑是對具身智能的一針興奮劑。當然，國產機器人的崛起也為整機、絲杠、傳感器和減速器這類國產替代空間較大的行業帶來了潛在機會。

智能駕駛板塊也在飛速發展。整車廠正在加速布局，應對比亞迪帶來的智駕平權。天神之眼和華為的ADS逐漸搭載在更低價位的車型中，激光雷達、高精地圖車聯網、攝像頭和傳感器產業鏈都將進入飛速發展的時代。

除此之外，垂直領域的數據也值得關注，由于各大企業都掌握著大量專業且有針對性的數據，通過蒸餾DeepSeek等模型后帶來的AI賦能的力量不可小覷，醫療、企服、教育和金融等板塊尤其值得關注。

總體來說，算力和數據是地基，模型是核心，而應用則是未來。AI的長期前景非常值得期待，但短期來看需要警惕過熱風險，我們建議投資者在進行對AI板塊的投資的時候進行分散配置，選擇投研團隊強，能靈活調倉的基金，并主動關注行業動態，理性投資。

風險提示：
投資有風險。基金的過往業績并不預示其未來表現。基金管理人管理的其他基金的業績并不構成基金業績表現的保證。相關數據僅供參考，不構成投資建議。投資人請詳閱基金合同等法律文件，了解產品風險收益特征，根據自身資產狀況、風險承受能力審慎決策，獨立承擔投資風險。
重要提醒：
本文版權為好買財富所有，未經許可任何機構和個人不得以任何形式轉載和發表。