新财富白金分析师、中信建投证券执委委员、机构业务委员会主任武超则，8月初在CF40青年论坛上，围绕“AI资产估值逻辑”这一主题展开演讲，

就AI行业发展现状、各种“泡沫论”的背后，市场目前对AI的担忧等实质话题，一一进行了回应，通过深度的拆解，给出了她的判断观点。

公开资料显示，武超则自2011年7月加入中信建投，从研发部分析师起步，后历任通信行业首席分析师、TMT行业首席分析师及研究发展部、国际业务部行政负责人；

长期深耕人工智能、5G、云计算、半导体等TMT领域研究，积累了深厚的研究经验，斩获诸多殊荣。

2013年至2020年连续八届获得新财富最佳分析师通信行业第一名，并曾荣获新财富白金分析师称号。

此次演讲中，武超则指出，

自2022年底GPT-3.5问世以来，大模型以6-12个月为周期迭代，

参数规模从千亿级扩张至4万亿级，规模定律持续生效，

市场格局从一家独大，演变为多极竞争，中美顶尖模型差距已缩短至3-6个月。

编程作为商业模式最清晰的方向，已经验证了大模型的真实盈利能力。

当前市场担忧的核心在于，

美国资本开支已接近8000亿美元，明年恐难以维持70%至80%的增速，

即便后年开支达到1.2万亿美元，

增速也可能从百分之大几十的高位回落至20%-30%，进而引发行业估值整体回落。

但在绝对值层面，

全球每年约1万亿美元、中国约1万亿人民币的资本开支，仍处于高速增长区间，年增量约2000亿美元。

同时相比之下，中国资本开支的空间更为广阔。

从估值角度看，当前AI行情具备真实盈利支撑，这与2000年科网泡沫有本质区别。

2000年左右，行业龙头思科占据了约80%的市场份额，但净利润持续增长仅维持三个季度；

而如今的行业龙头英伟达在最近13个季度中，有11个季度利润增速超过50%，业绩支撑明显更为强劲。

她以中际旭创，寒武纪等公司现阶段估值为例，

认为总体来说，头部AI公司估值处于合理区间，

但二三线公司基于线性外推的估值存在风险，行业呈K型分化格局，最终胜出者可能仅占1%-2%。

在此基础上，武超则表示对国产AI链依然保持乐观。

一方面，中国资本开支仅为美国的1/7至1/6，

远低于移动互联网时代水平，增长空间广阔；

另一方面，国产链正从“从0-1”迈向“从1-N”的放量阶段，

软硬件协同的飞轮效应已然形成。

最后，她以马拉松类比，认为此次AI产业变革仅行至半程，格局远未落定，不宜轻言泡沫破灭。

在本轮波动之后，国产链在估值容忍度与资产审美多样化方面均值得期待。

投资报整理提炼了武超则交流的精彩内容：

大模型采用PS估值法

Anthropic约10倍PS对应1万亿美元

Anthropic在一级市场的最新估值约为1万亿美元，

按年化收入约1000亿美元计算，对应约10倍市销率（PS）。

PS估值的合理性通常建立在边际增速——无论是收入还是利润增速——持续提升的基础上，

尤其是利润增速远快于收入增长的企业，才适合采用PS估值法。

当前大模型企业以年化ARR为基础进行年度PS估值，与亚马逊当年的情况类似。

2015年，云计算公司边际成本下降，

亚马逊曾连续五到六个季度利润增速快于收入增长，市场给予约10倍PS。

因此，我们认为，全球最赚钱的公司、最顶级的模型具备估值基础，其环比增速及年化收入预期，均能找到历史锚点及基本面支撑。

相较之下，国产模型的情况如何？

以智谱为例，

其年化收入约为10亿美元，估值达600亿美元，直观上较美国头部模型更为昂贵。

我们与外资投资机构交流后认为，

在一个行业快速变化、格局极不稳定的阶段，所谓的精准PS等估值指标可能失效。

例如，6个月前，无法根据当时的90亿美元年化收入，推演出Anthropic如今700亿美元的年化收入。

在当前极度不稳定的行业环境下，

无论是悲观还是乐观的线性外推，结果都可能与实际相差甚远。

这也是当前大模型行业估值面临的最大挑战。

与2015年看待亚马逊或阿里、腾讯时的情形不同，

彼时行业已趋于稳态，云服务格局清晰，

中国龙头为阿里和腾讯，美国龙头为AWS，给予10倍估值具有明确依据。

而当前大模型行业格局尚不明朗，最终胜出者尚未确定，

但市场已按头部胜出企业的标准给予估值，且绝对值远超当年水平——

中国模型起步价已达万亿人民币，美国则为万亿美元级别。

这就是时代背景下的相同与不同之处。

美资本开支增速回落

市场担忧将引发估值下调

对于资本开支，需明确其支撑内容。

近年来，人工智能行业中，除模型闭环在金融领域实现盈利外，

获利最丰厚的环节当属算力，而算力企业盈利的来源正是云厂商的资本开支。

2026年，北美整体资本开支基本符合预期，约7325亿美元，同比增长76%。

中国约为7000-8000亿元人民币，二者相差约一个汇率的倍数。

2025年美国云厂商资本开支同比增长65%，符合行业高速增长特征，行业整体享有估值溢价。

当前市场担忧的核心在于，

美国资本开支已接近8000亿美元，明年恐难以维持70%至80%的增速，

即便后年开支达到1.2万亿美元，

增速也可能从百分之大几十的高位回落至20%-30%，进而引发行业估值整体回落。

未来国产资本开支空间会更大

当然，这仅是一个粗略判断，产业内部正发生分化。

总体来看，尽管行业增速可能从60%-70%放缓至20%-30%，甚至未来边际增速进一步下降，

但在绝对值层面，

全球每年约1万亿美元、中国约1万亿人民币的资本开支，仍处于高速增长区间，年增量约2000亿美元。

相比之下，中国资本开支的空间更为广阔。

在移动互联网时代，中国云厂商资本开支约为美国的60%-70%，

当前与美国仅差一个汇率的倍数水平，约为美国的1/7至1/6。

因此，我们认为未来国产资本开支空间会更大，

不应简单地因美国增速放缓，而比照美股估值来评估国产链，这一点值得重点关注。

和科网泡沫期相比

当前AI行业具备盈利支撑

在梳理完产业基本面之后，我们再从估值角度进行观察。

首先，看纳斯达克指数，

其整体TTM市盈率约为33倍，而2000年科网泡沫时期约为140倍。

就国内而言，科创综指的PE估值，目前处于历史较低分位水平；

上证指数整体估值约16倍，科创综指和创业板综指当前的PE分别为167倍和42倍，

科创综指处于自身历史的约38%分位数，创业板综指则约为10%分位数。

市场常将当前阶段与2000年科网泡沫时期相提并论。

但二者核心区别在于，当前AI行业具备盈利支撑。

无论是Anthropic、国内头部模型公司，还是上游算力产业链企业，均有实际盈利可循。

2000年左右，当时的行业龙头思科占据了约80%的市场份额，

但净利润持续增长仅维持三个季度；

而如今的行业龙头英伟达在最近13个季度中，有11个季度利润增速超过50%，业绩支撑明显更为强劲。

此外，思科的盈利高增长季度仅有两个，

而英伟达则有大约七个季度；

在毛利率与净利率水平方面，两者亦有显著差距。

中际等估值泡沫不显著

但二三线公司可能存一定泡沫

从另一个维度看，A股光模块龙头中际旭创2026年动态PE约为35倍，

2027年动态估值约为20倍，处于近三年估值平均分位数的80%左右，并未突破近三年估值高点；

寒武纪作为GPU企业，估值相对更高，约63倍，

但处于其近三年估值平均分位数的13%至15%，

这意味着前期估值水平更高，当前利润正在逐步兑现。

在市值增长的同时利润增速更快，说明基本面兑现速度加快。

美国市场情况类似，此处不再展开。

就头部公司而言，我们认为整体行业估值泡沫并不显著。

以存储行业为例，

预计今年行业利润约为9000亿美元，全球存储公司总市值约为4万亿美元（上周数据），行业PE中位数约为4倍。

作为强周期行业，4-6倍的PE水平属合理区间，

市场对龙头公司的定价相对有效。

但二三线公司可能存在一定泡沫，

尤其是基于涨价链线性外推的盈利预测，估值问题较为突出。

本轮下跌中，龙头公司率先企稳，

无论韩国的三星、海力士，还是国内的长鑫存储、中际旭创，均表现相对稳健。

国产链整体反而蕴含机会

近期市场的担忧，主要源于以下几个方面：

其一，存储公司在当前周期中分走了行业大部分利润，引发对利润分配结构的关注；

其二，Meta开始将其多余算力对外出租，一定程度上改变了算力供给格局；

其三，韩国市场出现流动性问题，以及杠杆集中度过高的现象；

其四，亚马逊发行250亿美元美债，认购倍数仅为1.6倍。

此前行业认购倍数通常在4-5倍，市场据此担忧其流动性吸纳能力已近饱和；

其五，中国开源模型对全球输出通缩效应。

市场担忧原本盈利模式清晰的美国模型，在中国开源之后，其收费模式及商业模式面临不确定性。

针对上述担忧，我们从以下几个方面进行回应：

首先，关于北美AI资本开支；

当前市场普遍采用线性外推的逻辑进行判断。

去年此时，美国四大云服务厂商（CSP）的自由现金流合计约500至600亿美元，

而目前已基本转负，主要因资金持续投入大模型研发。

虽然这些企业自身现金流在下降，发债认购倍数在下降，

但市场上的流动性，还未到被AI全部吸光的程度。

其次，市场后续需关注几个关键锚点。

Anthropic的边际增速是否会下降，是重要观察指标。

当前Anthropic年化收入约1000亿美元，头部模型厂商的收入增速仍有较大空间。

再次，对于国产产业链，我们始终保持相对乐观态度。

美国自2023年一季度起，连续三年每季度资本开支均实现环比大幅增长。

而国内资本开支真正企稳是始于2022年至2023年，尤其是2023年下半年才逐步回升。

且从绝对值来看，

无论与自身移动互联网时代相比，还是与美国当前水平相比，

国内资本开支仅约为美国的20%左右。

此外，华为近期发布的“韬定律”亦为国产链提供了新的指引。

我们认为国产链整体不存在显著泡沫，反而蕴含机会，

原因在于需求与供给之间，存在较大不平衡。

此前我们做过测算：

美国目前每年等效A100卡供给约为1亿张，

而国产卡供给仅约400-500万张，占比约5%。

国产化供给能力，与美国之间存在数量级差距。

但近年来，国产化在先进制程突破、上游半导体设备材料以及先进制程代工等方面，

已逐步完成“从0-1”的跨越，接下来将进入“从1-N”的放量阶段。

综上所述，从产业整体来看，

AI仍处于快速迭代变化之中，最终格局远未确定，牌桌上的主要参与者仍有较大变数，

不宜简单套用云计算厂商当前情况，甚至互联网时代的经验进行线性外推，轻言估值到位或泡沫破灭。

此次产业变革的量级，若以马拉松类比，当前仅跑至前半程，周期长度与以往不同。

因此，本轮波动之后，

国产AI链在估值容忍度、资产审美多样化，以及估值体系完善方面均值得期待。

2026上半年与华夏基金的对话：

AI定价的核心逻辑

AI类资产定价的核心逻辑在于，

未来三五年AI对科技行业及全行业的影响仍处于不稳态，行业发展远未到终局，

类似五六年前的新能源车赛道，能确定其会对行业产生颠覆性影响、行业发展前景明确，

但难以判断最终的胜出者。

未来三五年AI行业将迎来快速变化，

行业格局呈现“各领风骚几个月”的快速波动特征，大模型领域的竞争格局更是不断更迭；

这也使得AI相关投资标的价值和估值，会出现大幅且超出预期的快速波动。

AI相关股票估值波动剧烈，

对应的研究框架核心，是需持续跟踪产业最新进展，结合相关数据反向验证，

以此在高速动态波动的市场中把握买卖时机。

未来机会将更多出现在AI+行业

随着AI不断演进，投资机会也在轮动，

未来AI领域的重大投资机会将更多出现在传统行业，

需提前研究AI对汽车、农业、金融等传统行业的影响；

AI与各传统行业融合所带来的估值差异和波动才刚刚开启，这也将成为未来资本市场定价的重要影响因素。

面对当前难以判断终局赢家的AI行业，可采用“赛道式投资”策略，

在行业未分化阶段买入赛道指数，其表现往往优于单一公司；

而当产业出现明显分化时，就需要通过独立深度的研究判断，敢于对优质标的布局。

算力向内

模型向外

国产算力因供应链自主迎来更大机遇，应摆脱对海外依赖；

中国开源模型出海凭借更优的盈利效率，可规避国内过度竞争。

尽管当前国产算力资本开支与美国仍有差距，但这恰恰意味着其基础设施未来具备巨大的增长空间。

AI本质是工具，不会长期减少就业，反而会创造新岗位，

实现信息平权与个人能力升维，让普通人也能拥有过去大型机构的能力。

但AI短期会放大个体差距，加剧阶段性分化。

AI会替代信息收集等基础工作，但无法取代辨别真伪、输出定价与逆人性决策的能力，

投资等需要独立判断的工作价值反而会提升。

建议年轻人不要被宏大叙事裹挟，应专注当下、深耕专业，

在碎片化信息时代守住专注力与深度思考能力，这才是拉开差距的关键。

警惕AI过度替代真实情感，避免过度依赖AI引发人际情感淡化、社会性退化；

严防决策权隐性让渡，杜绝长期依赖AI做选择导致独立思考能力退化，牢牢守住人类自主决策的底线，防止出现不可控的风险。

坚持训练专注力，牢牢守住独立思考的能力，在此基础上全力拥抱变化、见证时代奇迹。