□本报记者 魏昭宇
冯炉丹，复旦大学金融学硕士。2016年7月加入中欧基金管理有限公司，历任研究助理、投资经理、投顾代表、研究员，现任基金经理。
2023年以来，AI赛道成为A股市场最强主线之一，相关板块历经多轮显著上涨，不少龙头个股涨幅惊人。站在当下，这轮行情的可持续性、产业链利润分布的变迁方向，成为投资者关注的焦点。经历了三年多的演进，AI投资是否进入停滞期？还是正处于继续爆发的中场蓄力阶段？
近日，中欧基金的基金经理冯炉丹在接受中国证券报记者采访时表示，AI产业链的价值正在从基础设施层向模型层迁移，模型层的收入增长正在成为最核心的观测变量。她认为，当前阶段的核心特征是“模型即应用”，而未来真正的AI原生应用仍处于早期酝酿之中。
产业链价值正在发生迁移
冯炉丹对AI产业的演进划分始终围绕模型能力的跃迁，这一视角贯穿了她三年的研究脉络。“2022年底大语言模型推出是第一个里程碑，当时市场第一次看到了Transformer架构下大语言模型的通用能力，这个阶段最紧缺的就是GPU等算力基础设施。”到了第二个阶段，思考模型产品落地，市场第一次意识到模型具备了“思维链”能力，推理模型的出现让AI从“玩具”向“工具”迈出了关键一步。当前产业正处于第三个阶段，大模型在代码（Coding）这一垂直领域的落地能力已经得到验证，“模型不仅能回答问题，还能独立完成复杂的编程任务，这意味着AI已经开始真正创造商业价值”。
这种产业演进直接推动了价值链的重构。按照业内提出的AI“五层蛋糕”模型：从下到上依次为能源（850101）、芯片、基础设施、模型、应用。“早期投资我们聚焦芯片和基础设施层，因为这是当时最紧缺的环节。后来大家发现美国电网建设滞后，能源（850101）成为制约算力扩张的瓶颈，但我们的测算显示，能源（850101）在整个AI投资中的占比其实是下降的。”
她认为，当前价值迁移的最显著特征是模型层的占比快速提升：“过去大家用AI的频率低，付费意愿弱，但最近半年多个产品的用户付费率大幅提升，头部模型公司的ARR(年度经常性收入)增长曲线是过去几十年从未见过的陡峭斜率，持续的现金流让模型公司成为了整个产业链的资金源头。”
她特别提示，当前阶段“模型即应用”。“在Coding领域，模型已经取得了非常不错的战绩，金融、法律等垂直企业用户领域的收入也在快速起量，甚至普通用户端AI漫剧等产品的商业化已经初见端倪，这些应用和模型本身是密不可分的。”
对于当前市场热议的三类AI公司，冯炉丹有着清晰的定价逻辑。第一类是已实现利润兑现的上游硬件公司。“只要资本开支的景气度还在，这类公司的收入和利润就会持续释放”。第二类是收入高速增长但尚未盈利的模型公司。“市场愿意给予高估值，核心是认可模型能力的壁垒，以及未来ARR持续增长的确定性。之前大家用PS（市销率）给SaaS公司估值，现在模型公司的收入增速太快，PS指标已经无法反映其价值，市场开始用ARR来估值。”第三类是面临被颠覆风险的传统软件公司，尤其是工具类、标准化的SaaS企业，“SaaS行业的本质是发达国家人工成本高，企业通过软件优化流程、节省人力成本来获取收益，但AI替代人工的效率远高于传统SaaS，成本却更低，这类公司的底层商业模式正在被颠覆。”
对于模型公司是否会通吃所有红利，冯炉丹持开放态度:“模型能力迭代越快，能力越趋向平权。未来有开源社区之后，怎么把先进模型做到每个人易得——老人会用、小孩也会用——目前门槛还很高，到了那个阶段，应用的机会会大量出现。”
她以移动互联网类比：“参考移动互联网的发展规律，智能手机诞生多年后，各种通讯类国民级应用才逐步普及。AI应用或许也会遵循类似的节奏，未来会涌现出大量脱离大模型的独立原生应用。”在她看来，当前模型仍然是通用泛化的，更适合Coding等大规模标准化场景，但未来针对不同垂直场景的定制化应用会大量出现，“就像移动互联网成熟后，各类细分应用百花齐放一样，AI应用的爆发或许才刚刚开始”。
厘清商业化边界后的差异化布局
作为深耕科技成长领域的基金经理，冯炉丹将AI产业链划分为“0到1”和“1到10”两个阶段，分别对应技术迭代期和商业化爆发期。“0到1阶段是技术快速进步，但还没有跨越大规模商业化门槛的时期；1到10阶段是技术突破后，商业化落地加速，收入和利润进入可预测爆发期的阶段。”她表示，两个阶段的投资逻辑完全不同，必须严格区分。
在她看来，当前人形机器人（886069）、端侧AI等都处于0到1的阶段。其中人形机器人（886069）是物理AI的核心载体，是连接虚拟世界和现实世界的桥梁，“未来它的市场空间完全可以比肩大语言模型，但目前还处于非常早期的阶段”。她表示，当前国内头部机器人企业的订单多来自科研、展演场景，尚未触及大规模商业化的临界点，“我们想看到的是机器人真正进工厂、进家庭，这需要两个核心条件：一是智能化能力足够成熟，二是成本降到可接受的范围”。
从供应链结构来看，智能机器人涵盖了摄像头、深度视觉等传感器（885946），关节、减速器（886008）等运动执行部件以及各类结构件、控制芯片等环节，中国企业在多数环节都已具备全球领先的竞争力。
“一方面是中国企业的研发响应速度，能伴随客户需求快速迭代产品；另一方面是规模化量产的降本能力，海外企业即使技术上略有领先，但大规模扩产后成本难以和中国企业竞争。当然，目前最核心的是要比拼智能化能力。”她判断，2026年或是机器人量产的元年：“国内企业已经达到千台甚至万台级别的量产规模，海外头部企业下半年也即将启动量产，未来远期目标可观，量产后采集的真实数据会反哺模型迭代，形成良性循环。”
端侧AI同样是0到1阶段的典型赛道。“目前还没有出现杀手级产品，核心瓶颈有两个：一是硬件能力，比如AI眼镜（886085）要做到全天佩戴，重量必须控制在几十克以内，还要有彩色显示能力，续航也要支撑全天使用等；二是软件能力，当前的交互逻辑还是基于手机系统的延伸，但端侧AI的交互应该是革命性的。”她提到，相关行业已经在做各种尝试，比如小型键盘、此前出现的AI项链等产品，都是在探索原生交互的可能性。
AI应用同样是0到1阶段的核心方向，但内部结构已经出现分化。“当前的爆品比如AI视频生成工具以及各类编程助手，本质上还是B端或小B端的效率工具，还没有出现面向普通C端的娱乐级、入口级应用。”她认为，未来AI应用的两大增量空间分别是娱乐类和入口级应用：“娱乐类比如可以根据玩家行为实时生成的游戏（881275），入口级应用则是能深入生活，改变社交、上网、使用AI方式的超级应用，这类应用的价值会远远超过当前的模型公司。”
她特别提到，Coding已经率先进入1到10的阶段：“它的市场空间是从0到1到10的完整增长，而其他应用比如广告素材生成等，更多是节约成本或改善型需求，虽然已经在使用，但单独的市场空间数据还不清晰。”
对于0到1阶段的二级市场布局，她有着严格的纪律：“我们不会像一级市场那样投得非常早期，主要关注两类机会：一是技术变化打开了更大的市场空间；二是技术演进缩短了商业化落地的时间，让我们能更清晰地看到兑现路径。同时我们会严格控制这类标的仓位，因为二级市场对确定性的要求更高。”
冯炉丹特别提醒，要警惕“技术真空期”。“0到1阶段最容易陷入的陷阱是——每天都有新技术发布，技术迭代很快，但要么没有打开更大的市场空间，要么没有缩短商业化落地的时间。这时候技术迭代只是存量博弈，不会带来增量价值，这个阶段就是典型的技术真空期。”
在极致变化中锚定确定性
冯炉丹的投资框架带有鲜明的跨行业研究印记。入行之初，她先后覆盖了银行、有色、金融、传媒、计算机等多个行业，这种看似分散的经历，反而成了她研究AI的独特优势。“研究银行让我对流动性的变化非常敏感；有色金属（1B0819）是典型的周期（883436）行业，让我理解了科技成长本质上是周期（883436）上行阶段的成长，不能脱离周期（883436）谈成长；研究传媒、计算机等TMT行业让我对新兴产业的技术变化、商业模式迭代更敏感。”这种立体的认知框架，让她在面对AI这种兼具高成长和高波动的赛道时，既能把握产业趋势，又能敬畏市场规律，不会陷入“唯技术论”的误区。
对于下半年的投资，冯炉丹明确将ARR作为核心观测指标，“到了现阶段，不仅为投入买单，更需要为收入和利润买单”。她也关注Token结构的变化。随着Agent执行复杂任务带来更高的Token消耗，部分企业开始建立预算、限额、模型路由、缓存和成本监控机制。
这是需求退潮的信号吗？冯炉丹的判断是否定的，她认为这更像云计算（885362）发展过程中的FinOps（财务运营）阶段：当AI从试验性工具进入企业运营体系，成本管理会变得更加精细。短期来看，这会提高市场对模型厂商和应用公司的盈利要求；中长期看，能够降低单位任务成本、提升集群利用率、形成明确ROI（投资回报率）的基础设施和应用公司，反而会获得更高的产业价值。
对于市场热议的“AI是宏观免疫资产”的说法，她也给出了不同的答案：“AI的估值和基本面都高度依赖流动性环境。一方面流动性收紧会通过DCF（现金流折现）模型压低成长股的估值；另一方面，AI资本开支很大一部分来自企业融资，流动性收紧会导致融资规模下降。”但她表示，“我不会把投资建立在宏观预判上，而是做右侧应对。”
冯炉丹的投资决策背后，离不开中欧基金“科技战队”的支撑。据了解，中欧基金在科技赛道实现专业化分工，团队成员分别深耕半导体（881121）、硬件、软件、互联网、AI模型等不同细分领域，通过高频沟通和产业链交叉验证，形成了对科技产业的全方位覆盖。这种协作模式，让她能在快速变化的市场中保持定力。
她坦言，“我们是在做变化很快的成长风格投资。组合层面动态计算整体回撤空间，过程中灵活调整，事后及时复盘，努力将波动控制在可承受范围。市场情绪高涨的时候多考虑风险，市场悲观的时候多考虑利好因素，把预演方案做得更细致。”
