华尔街AI新宠年内股价上涨7倍。

　　人工智能（下文简称“AI”）热潮持续高涨。各类大模型如繁星点点，向社会上每个角落渗透，各类应用场景不断拓展，插上AI翅膀的千行百业正经历着一场深刻而广泛的变革。

　　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AppLovin备受全球瞩目，年初至今股价涨幅超700%，市值超千亿美元，股价屡创历史新高，续写AI神话。A股市场，继AI算力侧诞生一批大牛股外，AI应用再度掀起“AI”热，一批AI下游应用公司吸引资本市场目光，机构竞相调研布局，股价异军突起。

　　不过，个股的普涨难掩基本面分化的事实，在板块整体估值高企之际，有基金经理指出，当前板块内的溢价呈现明显分化，在投资时需要甄别，挑选出一些团队优质、业务场景与AI技术结合潜力大的AI应用公司。

AI应用热度乍起

　　AI应用不断涌现，在资本市场掀起投资浪潮。

　　近期，广告商起家的美股上市AppLovin11月份披露的三季度业绩大超预期，该公司近年来在移动广告和应用分析领域持续进行战略布局，通过AI工具助力广告变现率提升。

　　AppLovin成为华尔街“AI新宠”，年初至今股价涨幅超700%，市值超千亿美元，收盘价屡创历史新高，续写AI神话。

　　A股方面，AI应用板块持续走高，多只个股股价短期翻倍。港股方面，广告营销公司汇量科技11月累计涨幅超3倍，AI互动终端网络公司趣致集团近10个交易日累计涨幅超过55%。基金方面，数字经济、传媒等AI应用相关主题基金净值崛起。

　　近期AI应用板块受到广泛关注，永赢数字经济智选基金经理王文龙认为，首先驱动力是北美经过2年左右时间的算力投资交易开始往应用迁移，这不仅仅是股票交易选择，同时也是美股不少应用公司开始出现AI相关收入的超预期表现，AI应用开始出现业绩驱动股价上涨的状态；第二是因为国内开始出现一些能够产生规模AI收入的公司，规模的大模型订单、AI助手收入、广告提效等都能看到，这部分今年还是以订单的形式为主，明年将可能规模体现在收入报表中。

　　民生加银基金经理朱辰喆分析，虽然大家去年所期待的杀手级AI应用迟迟没有出现，但近期AI应用已经在很多场景落地，很多传统的工作流程都已经融入AI功能。

　　朱辰喆表示，从B端看，AI率先落地广告、电商、金融财税等场景，增厚报表端业绩，成为Applovin、Shopify等海外AI应用公司业绩超预期的驱动力之一。新一批以OpenAI o1为代表的模型在逻辑推理、准确率等方面有显著提升。“我们预计医疗、法律、工业的AI化革新有望加速。从C端看，头部应用访问量在高基数下仍持续增长，ChatGPT、Perplexity AI、豆包、Kimi等产品的10月访问量，较6月涨幅均超15%。同时一批现有互联网产品也已融入AI功能，包括百度文库、腾讯会议、微信输入法等。”

　　AI应用之所以受到关注，宝盈基金基金经理容志能认为，是因为美国多家相关公司发布了财报，股价创新高传导至A股，A股中先是映射了AI教育，后来开始在IP玩具等终端发酵。“A股行情的发展方向很清晰，还是围绕AI在发力应用和终端。传统行业，如广告、教育、搜索等都会被AI赋能，同时也会有新的形式，AI Agent会落地到各类终端，如耳机、玩具、音箱等。”容志能表示。

　　“AI应用火爆行情背后或是AI发展的第一阶段基础设施（算力、数据库）建设已经接近增速的高点。”华商基金艾定飞表示，未来支持AI行业持续发展的动力或需要来自于AI应用和AI终端的爆发，从而带动产业链各个环节的公司找到适合自己的商业模式，从而利用商业闭环来实现盈利。该板块当前基本面相对稳定，估值相对合理。

商业化应用“春江水暖”

　　近年来，AI投资一路高歌猛进，但AI烧掉的巨额资金开始引发华尔街对科技企业的担忧，短期的投资回报与狂热的AI投资潮相距甚远。

　　不过，AppLovin进入业绩兑现期，三季度业绩大超预期，是AI应用商业化落地的现实案例，引发了业界的无限遐想。AI赋能预期推动下，机构普遍认为，AI渗透加快，AI应用商业化逐步落地，有望为公司提高业绩贡献度。

　　在各个传统业务仍在探索AI应用前景之际，越来越多行业开始尝到“甜头”。

　　在朱辰喆看来，广告营销和电商板块是AI落地较快、相关上市公司受益明显的板块。在广告营销中，AI一方面赋能广告素材的制作，实现降本增效；另一方面通过大量的数据分析和算法调优，实现广告投放需求与投放媒体的精准匹配，提高广告转化率。在电商板块，电商涉及上架、买卖家沟通、发货等一系列重复琐碎的工作，这些工作形式相对固定，AI落地速度较快。

　　王文龙也表示，AI从可验证情况看，A股中，大模型公司可以在订单上看到显著增长，做AI agent的公司开始能够看到小批量收入，AI广告公司可以看到成本优化，利润率提升。

　　嘉实基金基金经理田光远认为，人工智能生成内容（AIGC）是目前AI应用的主要领域之一。在面向个人领域，AIGC技术满足了个人的日常生活需求，涵盖了如Chatbot、社交、游戏、教育和内容创作等多个场景。美股上市企业中已有部分AI相关企业开始盈利，国内已有部分算力相关公司的盈利速度在高速提升。容志能也表示，算力板块，如PCB、光模块、连接器、服务器等，都得到了业绩验证。

　　展望后市，朱辰喆看好两大发展方向：一是软件端，AI助手、AI搜索和AI视频流量规模大、增速高，有望与电商、客服、短剧等具体场景结合，打造出爆款应用；二是硬件端，AI眼镜具有时尚美观、便携、使用高频等特点。随着多模态技术的进一步发展，未来有望承接更多新的AI玩法，成为当前最具潜力的AI终端。

　　王文龙认为，如果从变革的角度出发，传统行业中制造业等劳动密集型行业中，企业在生产过程中的流程优化，以及新的需求点挖掘会有显著提高。而知识密集型行业中，医疗、法律、设计、文娱、金融等，企业和个人的生产效率在AI工具的加持下会明显提升。

　　田光远则表示，伴随大模型技术和能力指数级跃迁，赋能千行百业的能力不断提升，未来AI将和万物结合，所有跟信息技术相关的领域都会迎来一定程度的重塑。短期看，金融、教育、文娱传媒、办公、营销等领域能够实现快速场景落地；中期看，政务、制造、智慧城市等领域市场潜力不断释放；长期看，大模型有望为医疗、汽车、科研等领域带来颠覆性变革，推动生产力高质量发展。

没有基本面支撑的炒作只会是昙花一现

　　纵使AI看起来前景极好，但当前各个行业仍处于探索的初期，AI在应用端带来的基本面利好尚不明确。没有基本面支撑的炒作只会是昙花一现。

　　A股七连板公司华胜天成就表示，公司AI应用相关产品主要为“智能客服”“智能数据助手”等，前述业务确认收入占业务收入比例较小，对公司业绩不构成重大影响。在多只个股股价已经飙升至短期高位时，市场也需要一些冷静的声音。

　　王文龙认为，目前国内AI应用的溢价呈现明显分化，一部分实际上主业有收入有利润的公司，也有AI创新，过去长期看估值，溢价并不高；另一部分主业没有可观测估值，但卡位未来大方向，做映射投资时会被发现的，溢价非常明显。这也和产业初期的特征类似，新冒出来的公司往往能够享受一波快速的产业预期红利，给高溢价，而老龙头们需要通过不断兑现产业进展才会逐渐获得认可，形成盈利与估值的共振。从前景来看，预期阶段新公司溢价更高，从长期持有的角度看，有估值有AI兑现力的头部公司未来更可能享受持续的溢价提升过程。

　　朱辰喆同样相对较为乐观，他认为新技术的发展过程中，往往会出现很多高估值的公司，回顾2013—2015年移动互联网发展期间，大量游戏、影视、广告营销公司同样获得高估值。不仅A股如此，当前很多集成AI技术的美股SaaS公司，同样估值较高。在目前这个阶段，要挑选出一些团队优质、业务场景与AI技术结合潜力大的AI应用公司，即便当前AI对财务报表的贡献还很低，但随着底层模型技术的发展和应用端的持续调优，也有望实现大规模商业化。

　　容志能也有类似观点，他认为人工智能在方向上，从算力、大模型再到应用端，方向都不会被证伪，产业趋势没问题，只是落地到公司，不一定是当前炒的这些标的而已。当前风险还算可控，没涨多少，甚至都没到去年5月的高点。“我国AI技术在全球来看，处于第一梯队，且从全球来看，AI产业链也只有美国和中国能分享，原因是产业链够完整，从硬件到软件和内容生态都有，而大部分国家都只能参与其中的一部分环节而已。”

　　田光远则表示，本轮AI应用爆发是产业趋势必然规律，不是单纯的技术炒作。目前还处于AI应用真正爆发的前夕，资本支出处于快速增长阶段，收入兑现仍需时间，科技板块的整体估值仍处于比较合理的位置。

厘清投资思路谋先机

　　AI固然能够在传统行业引领巨大变革，但并非“万金油”，在应用端以及投资方面也需厘清思路辨明方向。

　　“目前A股对AI板块更多还是主题性投资，因为难以对此类公司进行内在价值的衡量，公募基金对于A股AI板块投资仍较为理性。”沪上一位基金经理对证券时报记者表示，早期成长阶段的企业估值有一定艺术性，短期难以基于企业的收入、利润进行精准估值，也因此基金的净值波动也较大。

　　朱辰喆认为，AI落地当前面临四个方面的问题。

　　第一是技术适配问题。企业在应用AI技术时可能会遇到技术适配问题，包括技术环境、用户教育和支持体系等。通用大模型往往需要经过进一步的训练，才能在垂类场景实现很好的落地，因此很多B端客户对定制化的要求比较高。

　　第二是数据问题：数据的质量问题、数据隐私和合规性问题对AI应用落地构成挑战。

　　第三是成本问题。AI技术落地需要降低算力成本和提高算法性能，否则高成本可能导致AI失去商业价值，难以实现商业化和规模化。

　　第四是安全性和可靠性。大模型的幻觉问题难以被消除，需要经过大量专有数据的训练和持续调优，才能满足工业、医疗等严肃场景对准确性的要求。

　　在王文龙看来，客户产生应用付费意愿的前提是“有利可图”，要么能提高工作效率赚取更多回报，要么能提高使用感受或者创造新的使用需求满足用户的社交、情感等需求，因此模型能否精准解决问题，以及应用能否直击需求痛点会是落地的第一要素；其次，企业在做AI应用创新的时候也是在考量投入产出比，单位算力获得的回报能否覆盖推理算力成本+获客成本+模型训练的摊销，如果能覆盖才可持续发展形成正向循环，目前还有距离。