中国基金报记者 方丽 曹雯璟 孙晓辉
AI应用商业闭环逐步跑通，垂直场景迎来价值重估。在AI板块大幅回调之际，AI应用逆势爆发，7月27日以来的10个交易日，AI应用概念指数上涨超13%。
此次AI应用逆势反弹的原因是什么？这波行情是短期风格切换，还是长期拐点显现？哪些细分赛道值得关注？
对此，中国基金报记者采访了六位公募投资人士：创业板人工智能ETF南方的基金经理潘水洋，中银智能制造基金经理周斌，长城基金国际业务部副总经理、基金经理曲少杰，德邦基金基金经理陆阳，诺德基金基金经理周建胜，恒生前海高端制造混合基金经理龙江伟。
受访基金经理认为，AI应用行情逐步从主题炒作转向基本面驱动，具备真实落地场景、稳健变现能力和垂直行业壁垒的优质标的，有望持续收获超额收益。
多因素助力AI应用逆势走强
中国基金报：近期AI板块出现分化，AI硬件一度大幅回调，AI应用相关主题逆势走强。这背后的原因是什么？
曲少杰：这是多重因素共振的结果。一是资金再平衡，前期算力硬件交易与持仓高度拥挤，叠加海外对AI资本开支可持续性出现质疑，资金开始关注AI应用的价值；同时，AI应用板块配置处于历史较低水平，具备承接外溢资金的筹码条件。
二是估值逻辑切换，市场叙事由“资本开支扩张”转向“投资回报率（ROI）与盈利兑现验证”。
三是应用端叙事回暖。企业策略从追求Token最大化转向注重性价比优化；开源与低价模型能力快速追赶，OpenAI等厂商将入门及主力模型大幅降价，进一步降低了产业落地成本；模型厂商的行业Know-How、客户关系与入口价值得到凸显，AI应用厂商迎来价值重估。
周斌：AI硬件回调是高位筹码拥挤、算力资本开支预期降温、前期估值透支等多重原因所致；AI应用逆势反弹的底层逻辑，主要源于AI新叙事，基础大模型成本下降，带来下游应用商业化兑现出现拐点，叠加资金高低切换，共同推动AI应用开启反弹。
周建胜：此次AI应用反弹的原因主要有两点：一是AI硬件板块前期因交易拥挤度较高，叠加市场对资本开支持续性产生分歧，出现大幅回调，部分资金从硬件流向应用。二是AI应用商业化兑现加速：OpenAI大幅降价，使得应用成本显著降低；DeepSeek-V4-Flash等模型性能出色，WorkBuddy等AI应用产品市场反响良好。
潘水洋：我们倾向于将其理解为AI主线内部的资金再平衡，而不是资金流出AI领域。我们观察到，被资金选中的方向具备三个特征：持仓结构相对干净、估值分位较低、在本轮回调中被“错杀”。同时，产业端也在同步配合，国产模型在能力与成本方面出现双向改善。对应用侧公司而言，模型调用成本明显下降、单位经济性改善，这也是判断本轮应用行情具备产业基础，而非单纯补涨的主要依据。
龙江伟：近期AI应用板块逆势走强，核心在于产业逻辑从“硬件基建”切换至“商业落地”。海外映射上，Palantir二季度营收大增93%，这一成绩扭转了市场此前“AI或取代传统软件”的悲观叙事；国内产业端，Kimi等国产大模型集中升级，推理成本的显著下降降低了应用开发的门槛，打开商业化空间；资金面，前期涨幅巨大的硬件板块深度回调后，仓位需要出清，而应用板块估值处于低位，恰好形成高低切换。
陆阳：近期AI应用逆势走强，核心逻辑在于企业级AI需求迎来实质性的业绩验证。以微软为代表的云巨头财报持续超预期，Azure增速逐季加快，Copilot生态渗透率快速提升，这些都标志着企业客户从“实验试用”全面转向“生产部署”。海外云计算需求的高景气，印证了AI商业化闭环正在加速成型。当前市场定价重心正从“算力基建”向“应用变现”切换，AI应用板块的反弹，本质上是企业AI落地进入放量周期的反映。
AI板块估值“整体偏高、结构分化”
中国基金报：经过此次调整，AI板块的整体估值如何？
潘水洋：本轮调整后，AI软件和硬件的估值均有所消化，但绝对水平仍然不低，板块处于“整体偏高、结构分化”状态，后续走势更多由各环节的业绩兑现节奏决定，而不是整体估值的高低。
曲少杰：当前，在AI板块内部呈现这样一种格局：硬件依靠优异业绩消化估值，AI应用开启价值回归。经过回调，硬件端拥挤度与估值溢价已显著回落，费城半导体指数、韩国综指的动态PE较2025年末下行约13%。软件板块估值虽已回落，但实现重估仍存在较高门槛。中美市场硬件溢价均有所回吐，云板块与头部应用的性价比有所提升。AI应用能否迎来全面重估，仍取决于AI相关收费能否持续上调业绩指引。
周斌：上游AI硬件高位回调之后，估值压力已大幅下降，机构持仓拥挤度明显回落，但仍处于历史相对高点；而AI应用经过长期震荡消化之后，机构持仓处于“洼地”状态，市销率（PS）处于历史低位，短期上涨后或仍具备修复空间。整体来看，AI板块的估值处于近一年来的低位水平。
周建胜：经过本次快速而剧烈的调整后，AI板块的整体估值得到了较好的消化，但分化程度依然较高。对前期业绩兑现度较好的公司而言，当前估值相对较低，特别是切换到明年后可能更显低估；对于业绩尚未兑现，且业绩兑现预期比较远，比如要到2027年下半年才能兑现业绩的公司而言，目前的估值依然不算便宜。
龙江伟：细分维度上，算力硬件环节业绩兑现度相对较好，部分龙头依靠订单与利润增长能够消化一部分估值，估值压力有所缓和；多数AI应用、纯概念类标的，在缺乏实质性商业化落地的背景下，前期估值泡沫集中出清，不少标的估值水平出现大幅回落。往后看，AI板块整体的估值修复将高度依赖半年报及后续业绩验证。具备业绩兑现确定性的产业链环节估值性价比将会提升，而仅靠题材驱动、盈利尚未落地的标的仍存在估值回归压力。
陆阳：当前，算力产业链的国内外需求都很旺盛。随着业绩持续释放，其静态估值和动态估值都处于相对合理区间，考虑到其成长性，我们认为整体估值大概率依然具备较高性价比。应用端，由于AI相关业务占比刚刚跨越发展的“甜蜜点”，还在逐步提升，虽然静态估值不算便宜，但展望未来，AI需求对业绩的驱动会越来越强，动态估值同样具备较强的吸引力。
从“主题投资”走向“基本面驱动”
中国基金报：AI应用强势回归，如何看待这波行情的持续性？是短期风格切换，还是长期拐点显现？
周斌：本轮行情不能简单概括为短期风格切换。随着AI商业化拐点越来越近，算力建设仍处在景气中段，而推理需求爆发预计最终将带动应用端落地。后续板块在普涨修复后可能会出现分化，那些拥有落地订单、付费闭环、垂直行业壁垒的优质标的可持续走强；而单纯依靠“蹭题材”、没有实质业务的概念股，因缺少基本面支撑，预计反弹之后很难延续上涨。
周建胜：关于市场风格切换，自2024年以来，几乎每年都会出现从“硬件主导”切换到“硬件与应用轮动”的强烈预期，然而，这些乐观展望最终都未能兑现。短期来说，前期硬件涨幅较大，应用端迎来阶段性行情具备一定合理性。
至于是否出现长期拐点，则需要慎重看待，一定要有充分和必要的条件。目前AI应用最火的形式之一是Agent，而Agent兴起的时间不长，产业还处在成长的早期阶段，长期拐点出现仍需耐心。
潘水洋：我们的结论是长期拐点显现，但拐点发生在产业价值分配层面，这个过程可能较为漫长，其间股价也会有所反复。当前，板块短期涨幅中包含硬件拥挤度过高后的“高切低”修复的成分，这部分很难具备持续性；真正具备持续性的是AI产业链利润归属由投入侧向产出侧的迁移。
节奏上，我们不做线性外推，主要跟踪三个变量：海外头部模型公司月度环比新增收入的绝对金额能否维持；Token调用量与付费转化的延续性；AI产业上下游的利润分配与议价权是否实质向应用侧倾斜。以上三者共同决定拐点的兑现速度，也决定后续行情的持续时间。
曲少杰：我们判断AI的长期增长趋势非但没有弱化，反而可能正在加强，确定性有望增加。软件、硬件均以营收加速兑现印证自身中长期价值。硬件板块的当期业绩普遍超出预期，未来业绩增长确定性较高；软件叙事逻辑边际好转，但AI应用大Beta的系统性反转时点仍需等待，过程中标的或将显著分化，北美软件修复也率先反映在数据工具、网安等配套环节。本轮调整是全球AI资产的估值再平衡，并非产业趋势结束，后续或将从普涨转向更看重竞争力与盈利兑现的结构性行情。
龙江伟：从长期视角看，国产模型能力已接近全球第一梯队，叠加Token调用价格的显著下降，B端企业的调用量正从“小范围试点”走向“规模化放量”，AI应用从主题投资走向基本面驱动。但需要注意，AI应用板块除代码生成等少数场景外，其它领域尚未形成广泛共识的产业落地逻辑。后续行情能否从反弹走向反转，取决于AI产品能否真正带动软件企业整体营收增速回升。
陆阳：我们对AI应用行情的长期可持续性保持乐观。大模型迭代促使智能成本呈指数级下降，应用端同样存在相似的“飞轮效应”：当企业AI部署门槛足够低，且ROI从“可论证”转化为“可感知”时，应用公司的业绩增长曲线有望呈现出与大模型迭代相似的陡峭度。这种趋势或与当年企业上云节奏相似，其本质是产业周期进入商业化放量阶段，单位算力、单Token及单任务成本的下降与应用体验的优化构成同步发生的双螺旋结构，那些真正能够落地业务闭环的公司有望持续跑出超额收益。
看好编程、视频、广告、办公、医药等
细分赛道
中国基金报：哪些AI应用商业闭环逐步跑通？主要看好哪些细分赛道？
曲少杰：AI发展到今天，从模型训练开始，到应用逐渐走向普及，已验证或接近验证“模型能力—Token消耗—付费转化”的逻辑。编程、视频、广告、医疗等赛道已先行跑通闭环，具备场景卡位与数据壁垒的垂直厂商有望迎来业绩与估值双升。
陆阳：当前重点关注泛工业AI、知识密集型企业AI需求等，以及涵盖AI安全、云计算、数据治理等方向的基础设施领域。
潘水洋：当前，互联网平台具备三个条件：估值分位处于历史相对较低区间、自有云平台、庞大的用户与场景生态，是国内AI产业链上少数能够形成商业闭环的主体。其逻辑在于，云是AI需求落地的第一站，而模型层竞争加剧、领先窗口持续缩短，单一模型的稀缺性在下降，价值量正由模型本身向云与中间层的分发能力迁移——具备分发能力的一方更容易把资本开支转化为可持续的收入和利润，转化路径也因此逐步清晰。
龙江伟：逐步跑通的方向包括：一、企业级AI智能体与软件运营服务（SaaS），这是当前较受关注的赛道；二、AI编程，这是目前商业化闭环比较明确的细分赛道之一，大模型在代码生成领域成熟度最高，企业付费意愿较强；三、AI多模态与影视内容生成加速商业化，看好具有海外平台能力、优质IP、模型等要素禀赋的公司。
周斌：主要看好以下细分赛道：AI编程智能体（代码生成、缺陷排查、研发运维自动化，研发部门降本是刚需，海外工具已验证付费空间）；办公Agent（企业数字员工、流程自动化，个人会员、政企席位付费模式成熟，客户基数庞大）；物理AI（具身智能，工业机械臂、产线巡检、机器人调度，落地工厂运维、仓储物流场景，采用项目定制、模型授权变现）。此外，我们相对看好人工智能生成内容（AIGC）工具、医药研发等下游应用环节。
周建胜：当前主要看好四个细分赛道：一是企业级AI办公：AI正从问答走向任务执行，深度嵌入文档、数据分析、流程审批等环节，订阅付费模式跑通，应用普及阻力较小；二是AI营销：广告素材内容批量生产，按投放效果计费，是变现落地最快的B端场景之一；三是AI短剧：AI大幅度降低制作成本，人类创意+AI工具有望打造全新的内容生态；四是AI金融解决方案：金融领域的风控、合规审核、公文处理、数据处理等非常适合AI应用，客户黏性高、回款较为稳定，是很有潜力的方向。
AI应用具备中长期结构性机会
中国基金报：市场正形成“软硬件再平衡”的共识。如何看待AI应用的中长期行情？行情发展需要哪些催化因素？
潘水洋：中长期对AI应用侧维持偏乐观预期，核心理由是空间与渗透率的错配。应用对应的是AI最终的收入来源，但目前收入体量与产业投入严重不匹配。这种错配决定了应用侧的中长期弹性大于硬件。但兑现是分年度逐步发生的，不会一次性反映出来。
下一轮行情的催化剂，按可验证性分为三类：一是基本面侧，海内外互联网公司AI相关业务收入能否延续增长、投资回报能否覆盖资本开支，这是最“硬”的信号；二是生态侧，Agent产品化落地与分成机制成型，这将决定应用公司有没有稳定的变现通道；三是产业侧，中国开源模型能力再跃升与Token价格进一步下行，持续打开可商业化场景的边界。
周斌：中长期看好基础大模型能力迭代升级催生的AI应用投资机遇，商业化闭环正逐步落地，随着模型持续进化、Agent智能体成熟，产业长期朝着AGI方向演进。
后续行情的核心催化剂包括：基础大模型综合能力大幅进阶，赋能各类智能体；现象级“爆款”应用面世，打开商业化市场；物理AI跨过产业化临界点，打通实体场景落地等。
曲少杰：中长期看好AI应用与算力建设红利，长期底层仍是Token用量与企业付费共同支撑算力与应用双轮驱动，产业趋势未看到系统性拐点。潜在催化剂包括模型能力的持续演进、AI应用的持续突破和破圈验证AI收入的真实性；国产与海外大模型版本升级及API降价打开应用毛利与渗透空间等。
陆阳：长期来看，具备核心投资价值的是那些已经实现企业AI客户订单规模化，并能从订单中沉淀出可复用产品壁垒的企业。未来行情能否持续，主要取决于头部AI应用公司是否有连续超预期的业绩表现。
周建胜：AI应用具备中长期结构性机会，但多数企业尚处在商业化爬坡阶段，需要甄别真实落地能力，回避纯题材炒作。随着推理成本下行、智能体等技术不断成熟，中长期行情的土壤会逐渐培养起来。下一轮行情潜在的催化剂包括技术持续迭代、AI应用范围进一步渗透，以及上市公司业绩验证等。
龙江伟：中长期看，AI应用板块具备结构性机会，但行情会有所分化，核心由商业化兑现能力决定。推理成本持续下行、开源模型能力追赶，大幅降低应用落地门槛，B端政企、垂直行业付费闭环逐步跑通，板块投资逻辑从概念叙事转向订单、订阅收入等真实业绩验证，具备行业Know-How、工程交付能力的标的更能够持续兑现价值。下一轮行情的核心催化剂包括业绩验证、产业技术、政策与招标，以及外部比价与资金再平衡等。
识别高景气背后的风险与不确定性
中国基金报：后续有哪些风险点和不确定因素需要关注？
陆阳：核心风险在于市场竞争。应用端多属于轻资产投资，启动门槛较低，实现商业闭环并构建“护城河”的难度更高。企业如何真正利用好AI技术、如何更好地发挥自身的行业Know-How，以及如何构建数据及垂类场景壁垒等，都是亟待解决的关键问题。
潘水洋：一是波动风险。前期AI硬件交易拥挤度尚未充分出清，杠杆水平仍处于高位。
二是业绩兑现节奏滞后于股价表现。当前应用类公司AI收入普遍处于起步阶段，若后续财报未能确认收入放量，前期涨幅将进入消化期。
三是估值敏感度。A股科技资产估值仍处偏高分位，对流动性与风险偏好的边际变化敏感度较高，波动容易被放大。
四是主题化风险。部分标的AI收入占比极低，主要由概念驱动，缺乏业绩支撑。同时，还需关注大股东减持与定增解禁形成的供给压力。
周斌：一是商业化兑现风险：目前很多项目仅停留在试点阶段，终端付费意愿偏弱；赛道同质化“内卷”，价格战压缩利润，容易出现营收上涨、盈利承压的情况。
二是技术迭代风险：底层基础模型快速升级，通用大模型能力跃升会冲击缺少行业专属壁垒的垂直应用厂商。
三是波动较大风险：相当一部分概念股仅靠“蹭热点”，缺少实质业务支撑，在板块震荡、软硬件资金轮动频繁的情况下，短期波动较大。
曲少杰：主要风险点包括：一是商业化落地不及预期：除代码生成场景外，其余应用场景市场仍存在分歧；B端客户决策链条较长，收入兑现节奏可能慢于市场叙事。二是行业竞争与价格战：模型及应用端持续降价，会挤压行业整体利润率。三是Token实际增速不及市场预期。
周建胜：一是基本面“业绩验证”不及预期的风险。应用商业化短期依然以逻辑为主，要警惕商业化叙事破产后股价面临“杀逻辑”的风险。二是技术路线与竞争格局被颠覆的风险。三是政策与合规监管的“灰犀牛”风险。
龙江伟：首先，多数AI应用仍处于早期阶段，不少产品存在同质化严重、客户付费意愿偏弱的问题，业绩兑现程度可能显著低于市场乐观预期。其次，大模型能力快速迭代，开源模型持续降本，会快速抹平部分应用公司的产品优势，缺乏壁垒的公司容易被颠覆。此外，行业竞争格局尚未固化，互联网大厂凭借算力、流量、模型底座优势向下挤压应用层，中小应用厂商生存压力加大。
