AI浪潮中,保持自我定力
一方面是激动。工具持续增强，曾经耗时的工作如今能够大幅压缩，不少构想首次获得了迅速验证的机会。另一方面是担忧。模型、产品与方法层出不穷，学习容易沦为追逐：忧心错失工具，忧心判断失误，忧心当下的努力明日归零。起初，我将这种焦虑归结于自身学习速度不足，直至观看B站所长林超与付鹏的访谈，获悉佩雷斯的产业周期理论、企业资本投入及多元投资策略后，方才领悟，这不仅关乎个人效率，更是技术狂热阶段向每个人施加的重压。当技术趋势真实存在、市场情绪确实过热的背景下，普通人应如何介入，才能避免被狂热先行吞噬？经济学家卡洛塔·佩
人工智能产业发展格局与周期性演进预测
综合美国硅谷发展现状、全球产业资本流向、中美科技竞争态势，结合算力半导体硬件、具身智能新兴领域两大核心方向，先进行宏观周期定位，再分析产业演进路径、资本市场节奏、企业盈利节点、潜在风险因素，最终形成可执行的赛道投资策略框架。风险提示：以下仅为产业发展逻辑推演，不构成任何投资建议，市场流动性、地缘政策、行业产能周期均会影响行情走势。一、宏观产业发展核心判断：本轮AI属于跨越十年的技术革命周期，当前处于牛市中期起步阶段1、对标三十年互联网发展历程，本轮AI产业实现多维度升级上一轮信息技术革命主要依托软件应用、
赵建：借镜日韩产业演进，审视中国AI变革中的战略方位
日韩产业周期显示，日本深耕上游材料设备，韩国垄断HBM存储，均受益AI制造业革命。中国凭借工程化优势、全产业链及超大规模市场，定位全球AI硬件制造与商业化落地核心，走出差异化发展路径。看待日韩的产业发展周期，不能孤立聚焦单一产业赛道，必须结合二战后重塑的国际政治秩序、全球地缘博弈格局、跨国产业链分工体系三重底层逻辑综合分析。严格来讲，日本、韩国近百年经济腾飞与产业迭代的政治根基，全部源自第二次世界大战遗留的全球权力洗牌格局。两国依托美国战后扶持完成工业化追赶，先后接力成为全球制造业核心，如今在AI第五次工
AI能接棒房地产吗？
近日，李迅雷在文章中指出：当前AI投资尚不足以替代房地产成为经济增长的核心引擎。这一判断直指经济转型中最关键的议题——新旧动能转换的时间差。我们不妨通过数据对比，一探究竟。一、房地产：正退出的“旧引擎”曾几何时，房地产是中国经济最强劲的驱动力。2014年，房地产投资占GDP比重达14.9%，行业对GDP的直接与间接贡献合计约25%。它不仅是最大单项投资，更是钢筋、水泥、家电、装修、家具等数十个产业的“总枢纽”，连地方财政的“土地财政”也依赖于此。然而，这台引擎正在熄火。2025年，全国房地产开发投资完成8
人工智能：良性泡沫与恶性泡沫之辨
她随后将泡沫划分为良性与恶性两类。当前的AI行业中，也不乏跟风炒作之辈，部分企业仅靠包装概念、缺乏实际营收、无现金流支撑，套上AI的外壳，凭借高杠杆融资却无落地项目，基本可归为恶性泡沫。比如，某些公司，对，点名批评的就是你。但更多的，还是营收稳健、订单充足、盈利丰厚、现金流充沛的企业，如算力芯片（英伟达）、存储芯片（美光）、光模块（易中天）、基础大模型（OpenAI），它们均拥有实实在在的优良业绩，且连续多年表现亮眼，正在共同构筑AI产业的基础底座。这些领域，几乎不存在泡沫，即便有泡沫，也是良性泡沫。那么
人工智能产业终局及A股走势周期预判：高速增长期落幕，2027上半年迎全新开端
引言：所有新兴行业，终将从无序高速迈入常态发展 回望工业革命以来的历次技术浪潮，没有哪个新兴产业能永葆爆发式增长态势。不论是电力应用、石化工业、计算机推广，还是移动网络，一切突破性技术的演进，都遵循一条不变的铁律：早期政策与要素集中倾斜、产业粗放扩张、资本盲目涌入、行情透支预期；中期边际产出递减、资源瓶颈浮现、增速自然回落；后期进入技术深耕、场景渗透、业绩匹配估值的平稳增长阶段。产业进步绝不会出现“三年跨越百年技术积淀”的跳跃式奇观。科技的突破，始终是基础理论突破→实验验证→产业转化→市场反馈循环→反哺基
AI终端与机器人纪元：基础设施周期迈向新阶段
S3系列至此，我们已全面剖析了一条产业脉络：然而，若仅将此视为“AI终点”，可能陷入一个认知陷阱：AI产业链的起步期并未终结，只是完成了底层设施建设。若将S3精髓浓缩为一言：AI基础设施的构建周期非终点，非价值锁定，而是：中际旭创 / 新易盛 / 天孚通信沪电股份等北方华创 / 中微公司工业富联 / 浪潮信息👉 核心在于：AI基础设施的工业化架构进程以往市场聚焦于：但当前演变趋势是：AI已非孤立难题，而是：复杂系统工程不仅关乎芯片，更在于：从“单一龙头崛起” 转向“整体系统协同升级”若将S3误判为终点，将
AI产业加速奔跑，投资逻辑悄然转变
投资框架本文旨在阐明一个核心观点：人工智能产业远未触及天花板，但相关标的普涨的黄金时期或许已宣告终结。接下来的市场，将不再满足于描绘愿景，而是聚焦于谁能真正实现盈利。同一个AI赛道，产业扩张或许仍在提速，但资本市场却可能从全面做多转向精选个股。源材料的要义并非“AI走向末路”，而是“AI产业周期与AI股票周期出现背离”。从产业维度审视，数据中心、GPU、高带宽存储、网络设施、光模块、电力装置仍有增长潜力；从交易维度观察，市场已不再甘于一句“需求前景广阔”的笼统说辞。眼下更值得深思的问题包括：资金从何而来？
AI泡沫还能持续多久？
AI泡沫的本质，反映了时间维度与市场定价预期之间的深层博弈。美光科技业绩被冠以"王炸"之称，关键在于其存储芯片的供需状况直接反映了AI基础设施建设的实际消耗水平，这比云端大模型的参数规模更具说服力。然而，资本市场对此仍存疑虑，根本问题不在于AI技术的实用性，而在于当前资本投入强度能否实现商业模式的持续盈利。产业演进角度看，庞大的资本支出（CapEx）构成了AI领域的首个关键分水岭。科技巨头们的竞争基于"占位逻辑"，在通用人工智能（AGI）尚未明确商业化落地前，算力资源被视作核心战略高地。依据Gartner
企业AI新篇章：业务令牌工厂引领落地新阶段
近两年来，企业人工智能的探讨主要聚焦于三大核心话题：更庞大的模型、更低廉的推理成本、更宽广的上下文窗口。这些方向本质上都在提升「大模型处理广泛信息的能力」，然而当图形处理器算力不再构成制约、开源模型性能赶超顶尖闭源模型、检索增强生成与智能体框架变成通用工具时，企业AI的「通用基础设施红利」已触及天花板。迈入2026年的新产业纪元，核心焦点正发生显著转变。这两家企业各自代表了两种技术路径：Databricks从数据湖仓平台向上延伸进行语义封装，SelectDB从数据库核心向上实施语义内嵌，路线各异，却共同指
人工智能热潮还能持续多久？
本次围绕AI产业是否存在泡沫？泡沫的破灭机制？及其影响？旨在为投资者提供应对策略和风险认知。1. AI产业存在泡沫吗？任何进入资本市场的产业趋势，都会经历“发展-壮大-泡沫-破裂-重生”的周期性循环。资本市场本身就是一个“潮起潮落”的系统，其运行规律决定了泡沫的必然性。因此，AI产业作为一个进入资本市场的趋势，也必然会产生泡沫，并遵循其周期规律。2. 泡沫的破灭机制？泡沫破裂的信号并非产业本身开始亏损，而是增长的加速度由正转负，即增长率开始低于上一年。另一个信号是，当一个产业吸引了全社会绝大部分的资金，导
AI制造浪潮的深层驱动力与投资路径
全球AI制造崛起的底层逻辑、动力来源与长期趋势——基于美元体系、中美博弈与产业演进的深度解析 一、报告概要 本报告从货币体系、地缘博弈、产业周期三大视角，剖析全球AI制造浪潮的“实现路径”与“持续动力”。研究发现，美国为维系美元主导地位所推行的“科技-金融”协同策略、中美在AI产业链上的“对抗-协作”关系，以及AI对制造全环节的“系统性重塑”，共同促使本轮AI浪潮具备“周期更长、爆发更强”的特质。未来5至8年，AI制造将经历“技术突破—商业落地—全球推广”的完整阶段，建议围绕“全球协作”与“自主可控”两条
AI 专业未来恐成就业陷阱？
一、又是那个"比高考更严峻"的抉择时刻每逢六月，百万学子走出考场，家长们随即卷入另一场没有标准答案的博弈——填报志愿。近年志愿填报榜单中，"人工智能"四字几乎常年领跑。2025 年百度热搜高考大数据显示，AI 稳居热门专业前三。截至 2026 年，全国超 620 所高校已备案或获批人工智能本科专业——这意味着近半数本科院校都在开设 AI 课程。家长的心态不难理解：ChatGPT 风靡、大模型重塑世界、企业高喊缺人、新闻宣称 AI 人才缺口达 500 万……时代浪潮至此，若不
双云巨头逆势提价，AI算力通胀潮全面来袭
点击上方『研投社』可关注并“星标”本号。所有文章仅代表《研投社》观点，不构成具体投资建议。3月18日，阿里云与百度智能云相继发布通知，宣布对AI算力、存储等核心产品实施大幅涨价，部分涨幅竟高达30%以上！自2006年亚马逊AWS问世以来，云计算领域长期遵循“规模效应+摩尔定律”带来的持续降价规律。各大厂商甚至不惜亏损，也要通过降价策略抢占市场份额。然而今日，这一延续二十年的行业惯例被彻底打破。云基础设施正式迈入“通胀时代”。为何突然调价？因为在“供需”这把剪刀差面前，巨头们已难以支撑。需求端井喷：AI A
AI牛市能走多远？
一、眼下，确实已处于拥挤区域。A股：全市场前5%个股（约270只，以AI算力/光模块/芯片为主）成交占比峰值46.5%~49%，突破45%的历史。其中，算力细分又吃掉近30%成交，形成抱团里的抱团。美股：AI七大龙头+算力10家标的市值占标普500比重40%，对标1999互联网泡沫、70年代漂亮50巅峰集中度z年内指数85%涨幅由TMT单一板块贡献。日、韩基本都是这个趋势，不赘述。但是，高集中度≠牛市终结，但短期波动必然放大。集中度不是卖出理由，是景气度的映射。二、分时间维度预判行情持续性 我说的不一定对