在资本市场，AI技术的迅猛迭代给了资本市场巨大的想象空间。近期，美股AI应用概念股來源：券商中國
作者：趙夢橋 吳琦
華爾街AI新寵年內股價上漲7倍。
人工智能（下文簡稱「AI」）熱潮持續高漲。各類大模型如繁星點點，向社會上每個角落滲透，各類應用場景不斷拓展，插上AI翅膀的千行百業正經歷着一場深刻而廣泛的變革。
在資本市場，AI技術的迅猛迭代給了資本市場巨大的想象空間。近期，美股AI應用概念股$Applovin (APP.US)$備受全球矚目，年初至今股價漲幅超700%，市值超千億美元，股價屢創歷史新高，續寫AI神話。A股市場，繼AI算力側誕生一批大牛股外，AI應用再度掀起「AI」熱，一批AI下游應用公司吸引資本市場目光，機構競相調研佈局，股價異軍突起。
不過，個股的普漲難掩基本面分化的事實，在板塊整體估值高企之際，有基金經理指出，當前板塊內的溢價呈現明顯分化，在投資時需要甄別，挑選出一些團隊優質、業務場景與AI技術結合潛力大的AI應用公司。
AI應用熱度乍起
AI應用不斷湧現，在資本市場掀起投資浪潮。
近期，廣告商起家的美股上市AppLovin11月份披露的三季度業績大超預期，該公司近年來在移動廣告和應用分析領域持續進行戰略佈局，通過AI工具助力廣告變現率提升。
AppLovin成爲華爾街「AI新寵」，年初至今股價漲幅超700%，市值超千億美元，收盤價屢創歷史新高，續寫AI神話。
A股方面，AI應用板塊持續走高，多隻個股股價短期翻倍。港股方面，廣告營銷公司$匯量科技 (01860.HK)$11月累計漲幅超3倍，AI互動終端網絡公司$趣致集團 (00917.HK)$近10個交易日累計漲幅超過55%。基金方面，數字經濟、傳媒等AI應用相關主題基金淨值崛起。
近期AI應用板塊受到廣泛關注，永贏數字經濟智選基金經理王文龍認爲，首先驅動力是北美經過2年左右時間的算力投資交易開始往應用遷移，這不僅僅是股票交易選擇，同時也是美股不少應用公司開始出現AI相關收入的超預期表現，AI應用開始出現業績驅動股價上漲的狀態；第二是因爲國內開始出現一些能夠產生規模AI收入的公司，規模的大模型訂單、AI助手收入、廣告提效等都能看到，這部分今年還是以訂單的形式爲主，明年將可能規模體現在收入報表中。
民生加銀基金經理朱辰喆分析，雖然大家去年所期待的殺手級AI應用遲遲沒有出現，但近期AI應用已經在很多場景落地，很多傳統的工作流程都已經融入AI功能。
朱辰喆表示，從B端看，AI率先落地廣告、電商、金融財稅等場景，增厚報表端業績，成爲Applovin、$Shopify (SHOP.US)$等海外AI應用公司業績超預期的驅動力之一。新一批以OpenAI o1爲代表的模型在邏輯推理、準確率等方面有顯著提升。“我們預計醫療、法律、工業的AI化革新有望加速。從C端看，頭部應用訪問量在高基數下仍持續增長，ChatGPT、Perplexity AI、豆包、Kimi等產品的10月訪問量，較6月漲幅均超15%。同時一批現有互聯網產品也已融入AI功能，包括百度文庫、騰訊會議、微信輸入法等。”
AI應用之所以受到關注，寶盈基金基金經理容志能認爲，是因爲美國多家相關公司發佈了業績，股價創新高傳導至A股，A股中先是映射了AI教育，後來開始在IP玩具等終端發酵。「A股行情的發展方向很清晰，還是圍繞AI在發力應用和終端。傳統行業，如廣告、教育、搜索等都會被AI賦能，同時也會有新的形式，AI Agent會落地到各類終端，如耳機、玩具、音箱等。」容志能表示。
「AI應用火爆行情背後或是AI發展的第一階段基礎設施（算力、數據庫）建設已經接近增速的高點。」華商基金艾定飛表示，未來支持AI行業持續發展的動力或需要來自於AI應用和AI終端的爆發，從而帶動產業鏈各個環節的公司找到適合自己的商業模式，從而利用商業閉環來實現盈利。該板塊當前基本面相對穩定，估值相對合理。
商業化應用「春江水暖」
近年來，AI投資一路高歌猛進，但AI燒掉的巨額資金開始引發華爾街對科技企業的擔憂，短期的投資回報與狂熱的AI投資潮相距甚遠。
不過，AppLovin進入業績兌現期，三季度業績大超預期，是AI應用商業化落地的現實案例，引發了業界的無限遐想。AI賦能預期推動下，機構普遍認爲，AI滲透加快，AI應用商業化逐步落地，有望爲公司提高業績貢獻度。
在各個傳統業務仍在探索AI應用前景之際，越來越多行業開始嚐到「甜頭」。
在朱辰喆看來，廣告營銷和電商板塊是AI落地較快、相關上市公司受益明顯的板塊。在廣告營銷中，AI一方面賦能廣告素材的製作，實現降本增效；另一方面通過大量的數據分析和算法調優，實現廣告投放需求與投放媒體的精準匹配，提高廣告轉化率。在電商板塊，電商涉及上架、買賣家溝通、發貨等一系列重複瑣碎的工作，這些工作形式相對固定，AI落地速度較快。
王文龍也表示，AI從可驗證情況看，A股中，大模型公司可以在訂單上看到顯著增長，做AI agent的公司開始能夠看到小批量收入，AI廣告公司可以看到成本優化，利潤率提升。
嘉實基金基金經理田光遠認爲，人工智能生成內容（AIGC）是目前AI應用的主要領域之一。在面向個人領域，AIGC技術滿足了個人的日常生活需求，涵蓋了如Chatbot、社交、遊戲、教育和內容創作等多個場景。美股上市企業中已有部分AI相關企業開始盈利，國內已有部分算力相關公司的盈利速度在高速提升。容志能也表示，算力板塊，如PCB、光模塊、連接器、服務器等，都得到了業績驗證。
展望後市，朱辰喆看好兩大發展方向：一是軟件端，AI助手、AI搜索和AI視頻流量規模大、增速高，有望與電商、客服、短劇等具體場景結合，打造出爆款應用；二是硬件端，AI眼鏡具有時尚美觀、便攜、使用高頻等特點。隨着多模態技術的進一步發展，未來有望承接更多新的AI玩法，成爲當前最具潛力的AI終端。
王文龍認爲，如果從變革的角度出發，傳統行業中製造業等勞動密集型行業中，企業在生產過程中的流程優化，以及新的需求點挖掘會有顯著提高。而知識密集型行業中，醫療、法律、設計、文娛、金融等，企業和個人的生產效率在AI工具的加持下會明顯提升。
田光遠則表示，伴隨大模型技術和能力指數級躍遷，賦能千行百業的能力不斷提升，未來AI將和萬物結合，所有跟信息技術相關的領域都會迎來一定程度的重塑。短期看，金融、教育、文娛傳媒、辦公、營銷等領域能夠實現快速場景落地；中期看，政務、製造、智慧城市等領域市場潛力不斷釋放；長期看，大模型有望爲醫療、汽車、科研等領域帶來顛覆性變革，推動生產力高質量發展。
沒有基本面支撐的炒作只會是曇花一現
縱使AI看起來前景極好，但當前各個行業仍處於探索的初期，AI在應用端帶來的基本面利好尚不明確。沒有基本面支撐的炒作只會是曇花一現。
A股七連板公司華勝天成就表示，公司AI應用相關產品主要爲「智能客服」「智能數據助手」等，前述業務確認收入佔業務收入比例較小，對公司業績不構成重大影響。在多隻個股股價已經飆升至短期高位時，市場也需要一些冷靜的聲音。
王文龍認爲，目前國內AI應用的溢價呈現明顯分化，一部分實際上主業有收入有利潤的公司，也有AI創新，過去長期看估值，溢價並不高；另一部分主業沒有可觀測估值，但卡位未來大方向，做映射投資時會被發現的，溢價非常明顯。這也和產業初期的特徵類似，新冒出來的公司往往能夠享受一波快速的產業預期紅利，給高溢價，而老龍頭們需要通過不斷兌現產業進展才會逐漸獲得認可，形成盈利與估值的共振。從前景來看，預期階段新公司溢價更高，從長揸的角度看，有估值有AI兌現力的頭部公司未來更可能享受持續的溢價提升過程。
朱辰喆同樣相對較爲樂觀，他認爲新技術的發展過程中，往往會出現很多高估值的公司，回顧2013—2015年移動互聯網發展期間，大量遊戲、影視、廣告營銷公司同樣獲得高估值。不僅A股如此，當前很多集成AI技術的美股SaaS公司，同樣估值較高。在目前這個階段，要挑選出一些團隊優質、業務場景與AI技術結合潛力大的AI應用公司，即便當前AI對財務報表的貢獻還很低，但隨着底層模型技術的發展和應用端的持續調優，也有望實現大規模商業化。
容志能也有類似觀點，他認爲人工智能在方向上，從算力、大模型再到應用端，方向都不會被證僞，產業趨勢沒問題，只是落地到公司，不一定是當前炒的這些標的而已。當前風險還算可控，沒漲多少，甚至都沒到去年5月的高點。「我國AI技術在全球來看，處於第一梯隊，且從全球來看，AI產業鏈也只有美國和中國能分享，原因是產業鏈夠完整，從硬件到軟件和內容生態都有，而大部分國家都只能參與其中的一部分環節而已。」
田光遠則表示，本輪AI應用爆發是產業趨勢必然規律，不是單純的技術炒作。目前還處於AI應用真正爆發的前夕，資本支出處於快速增長階段，收入兌現仍需時間，科技板塊的整體估值仍處於比較合理的位置。
釐清投資思路謀先機
AI固然能夠在傳統行業引領巨大變革，但並非「萬金油」，在應用端以及投資方面也需釐清思路辨明方向。
「目前A股對AI板塊更多還是主題性投資，因爲難以對此類公司進行內在價值的衡量，公募基金對於A股AI板塊投資仍較爲理性。」滬上一位基金經理對證券時報記者表示，早期成長階段的企業估值有一定藝術性，短期難以基於企業的收入、利潤進行精準估值，也因此基金的淨值波動也較大。
朱辰喆認爲，AI落地當前面臨四個方面的問題。
第一是技術適配問題。企業在應用AI技術時可能會遇到技術適配問題，包括技術環境、用戶教育和支持體系等。通用大模型往往需要經過進一步的訓練，才能在垂類場景實現很好的落地，因此很多B端客戶對定製化的要求比較高。
第二是數據問題：數據的質量問題、數據隱私和合規性問題對AI應用落地構成挑戰。
第三是成本問題。AI技術落地需要降低算力成本和提高算法性能，否則高成本可能導致AI失去商業價值，難以實現商業化和規模化。
第四是安全性和可靠性。大模型的幻覺問題難以被消除，需要經過大量專有數據的訓練和持續調優，才能滿足工業、醫療等嚴肅場景對準確性的要求。
在王文龍看來，客戶產生應用付費意願的前提是「有利可圖」，要麼能提高工作效率賺取更多回報，要麼能提高使用感受或者創造新的使用需求滿足用戶的社交、情感等需求，因此模型能否精準解決問題，以及應用能否直擊需求痛點會是落地的第一要素；其次，企業在做AI應用創新的時候也是在考量投入產出比，單位算力獲得的回報能否覆蓋推理算力成本+獲客成本+模型訓練的攤銷，如果能覆蓋才可持續發展形成正向循環，目前還有距離。
編輯/rice
