先说结论，免得你划走。
9月16日，北京，新浪财经主办的AI投资峰会，主题叫“AI基建时代的确定性机会”。中信建投证券党委委员、执委会委员、未来产业和政策研究院院长武超则来了。
她没把AI说成遍地黄金，也没顺着“泡沫论”踩一脚。
我坐在下面听，最大的感受是：这不是一场打鸡血的演讲，更像一张产业地图。地图上不只有金山，也有沟壑。而且沟壑还挺深。
先别急着喊泡沫过去四五十年，ICT产业怎么走过来的？
武超则把它切成三段：
80年代到2000年左右，PC互联网时代；
2000年到2018年，大约二十年的移动互联网时代；
2018年之后，数字化、智能化时代。
每一个大周期，都像一次地壳运动。底层技术一翻，全要素生产率往上跳，旧秩序被撬动，新巨头从裂缝里长出来。
人工智能，是这二十年的主线引擎，也是核心生产力。
但这次，和上一次，真的不一样。
哪里不一样？我本来想用“爆炸”这个词，但想了想，不对。爆炸是一瞬间，AI这个更像潮水，涨得慢，但一直在涨。武超则点出的关键，是资本开支的量级。
移动互联网那二十年，中美底层资本开支大概每年1000亿美金。
今天谈人工智能，桌子上摆的基本是万亿美金级别。今年北美CSP厂商资本开支大概8000亿美元左右，中国也有一定规模，加起来大概就是每年万亿美金。
10倍量级。
注意，10倍资本开支背后，可能带来10倍甚至更高的预期回报。但前提是——你得先把这10倍资本开支投下去。
这不是加个零，这是换牌桌。
还有全球化。十年前，全球共享一个供应链、一套规模经济。今天呢？逆全球化抬头，中美科技竞争和科技革命同时发生。
十年前，创业者不用考虑底层操作系统，iOS和Android就在那里，直接做互联网创业。
今天，不仅要谈怎么做大模型、做智能化时代的操作系统，还要谈算力、芯片、先进制程、半导体设备材料。
一边冲刺产业革命，一边修两套供应链。
这就像一边造车，一边铺两条铁轨。武超则说，除了10倍于自身产业革命特征的资本开支，还要解决两套供应链的问题。直观来看，投资规模可能就是上一轮的20倍，甚至更高。
听到“20倍”的时候，我笔尖顿了一下。不是小数。
所以她的判断是：接下来，高资本开支、高预期回报、高利率，以及中美资本开支差距的补充，这几件事非常确定。
你可以不同意，但她的逻辑链挺完整。
大模型这四年，像四级跳从ChatGPT出来到今天，大模型迭代速度有多快？
武超则总结了四个大阶段。
第一阶段，2023年自然语言大模型。机器像人一样能说会道，提供情绪价值。
第二阶段，会工具。从“能说”变成“能解决问题”。
第三阶段，所谓“DeepSeek时刻”。推理模型、规划决策模型、慢思考模型出现。大模型不再只是一个能说会道的助理，而是具备强大推理能力。
下一代模型迭代趋势，是预测模型。比如AI for Science，涉及医疗、金融、科研等问题。
短短三四年，用“超预期”来形容，真不算夸张。
那泡沫呢？我也想问。
她没绕。武超则坚持一个观点：并没有所谓的泡沫。更多的泡沫，来自底层巨大的资本开支和今天看到的商业模式闭环之间的鸿沟，而不是模型或人工智能本身发展进程中的能力。
这话我琢磨了一下，挺狠的。
因为模型能力可以卷，闭环卷不出来，才是真问题。只要模型能力还在不断延展，大家还在高速竞争，这件事就很难倒退回去。
我不太喜欢“AI全是泡沫”这种一棍子打死的说法。太省事了，但没信息量。武超则这个判断，至少把风险指得很具体：不是模型不行，是钱砸下去之后，商业闭环能不能跟上。
算力、模型、应用：三根柱子，但高矮不一样武超则把AI产业链切成三大部分：算力、模型、应用。
算力，再拆成海外链和国产链；
大模型，分为基础大模型、多模态、机器人及自动驾驶；
应用端，分为C端和B端。
北美和日韩的强项，在计算环节：GPU、CPU、存储、代工等，占产业链价值量的70%。
中国产业链的强项，在传输和电源等领域：光模块、连接器、PCB等，约占产业链价值量的30%。
但别忘了移动互联网时代。以手机产业链为例，中国供应链能分到的更少，远远达不到30%。
更重要的是未来——中国在这些供应链板块已经做得非常成熟之后，到底哪些环节有可能走到那高价值量、高壁垒、高毛利的70%里面去？
国产化主线上，产业变革窗口期、巨大市场、产品能力提升，正在同时发生。能够完成国产替代，或参与全球份额竞争，并且有核心技术的科技企业，是接下来投资上最主要的主线和机会。
她举例：
GPU环节，全球龙头是英伟达、AMD，中国对应的有海光、寒武纪、华为等企业，但目前全球占比还非常低。
存储方面，海力士占全球90%以上的份额，长鑫存储7%以上。未来要解决的，是怎么从7%做到更高。
通信和传输领域，中国已经在全球份额比较高，更多要关注新产品和技术迭代能力，以及产业链上游芯片的自研。
PCB、供电领域，也是类似的逻辑。
未来最好的企业、最好的产业链，要思考中国在这些供应链中，哪些环节有能力走到那高价值量的70%里面去。
现在大模型的定价、硬件竞争、定价和估值，都是全球定价。投资人会看你在全球产业链和环节中处在什么位置，来给估值。
所以，未来科技龙头，一定是在全球竞争下有比较优势的。
应用落地，先看容错率AI应用会先落在哪里？
武超则给了一张两象限地图：复杂场景和容错率。
第一阶段，已经走向现实或闭环的AI应用，场景不是很复杂，且容错率比较高。比如AI搜索、AI编程、办公软件。
下一阶段，目前正在发生。AI应用做得比较好的，是复杂程度比较高、容错率也比较高的象限。比如视频生成、游戏开发。这是多模态的东西，对容错率要求不高，是目前国产模型商业化做得比较好、产业渗透率比较高的部分。
后续，更多是场景简单但容错率低的部分，比如AI金融、法律和教育。
最终，是高复杂且高可靠的领域，如具身智能、无人驾驶、AI科研等。
这里我插一句。别一上来就想着AI替你开刀、替你打官司。先让AI帮你写代码、做PPT，比较现实。容错率越高、场景越简单，越先跑通；越复杂、越要求可靠，越考验耐心。
像2013、2014年？乱，但有机会武超则最后总结：全球AI竞争，很难停下来。
尽管发展过程中有很多安全问题、资本开支带来高债务问题等，但整体来看，大模型依然在高速迭代。它更像移动互联网时代的操作系统和引擎。所以，中美头部模型依然值得投资。
只要模型不断迭代、不断Scale，算力需求仍然非常确定。
今天的算力，更多是一个耗材，而不是简单的一次性资本开支。国产化的主线，未来几年可能增速更快。
她提出：算力接下来更多机会向内看，模型本身更多机会向外看。因为模型目前在海外商业化场景或闭环是更快的。
她认为，大模型最终是会平权的。不管是开源模型，还是模型自身交叉迭代，未来靠的是谁有源源不断的第一手物理世界新增新鲜数据。
“现在所有AI用的实际上还是互联网或历史上存量数据，这就是为什么很多人要去做AI终端、做AI硬件、做AI机器人，更多要的是那个传感器。那个传感器解决的是AI跟物理世界最后一公里的纽带，非常重要。我们非常看好能够获得第一手物理数据做传感器、做AI的公司。”武超则说。
在她看来，AI产业现在发展的位置，更像移动互联网的2013年、2014年：模型高速迭代，算力大幅扩容但依旧供不应求，应用方兴未艾。
目前，在应用快速变化的赛道里，很难买到确定性的。但毫无疑问，它会容纳更多的创新、更多的创意和更多的公司。
未来一段时间，随着模型算力分化之后，这个部分的变化也是最多的，值得持续跟踪。
所以，AI是不是泡沫？
武超则的答案不是简单的“是”或“不是”。她说没有所谓泡沫，更多泡沫来自底层巨大资本开支和商业模式闭环之间的鸿沟。
翻译一下：火是真的，柴也是真的，但火能不能持续烧，得看商业闭环这个炉子搭得怎么样。
现在看，像移动互联网的2013、2014年。乱，快，吵，供不应求，应用方兴未艾。
很难买到确定性。但机会，往往也藏在这些乱快吵里。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。