AI应用加速渗透带火一众A股 热炒之下关键看业绩兑现

人工智能（AI）热潮持续高涨。当前，各类大模型已如繁星点点，逐渐渗透到社会每个角落。随着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。　　AI技术的快速迭代，也给资本市场带来了巨大的想象空间。近期，美股AI应用概念股AppLovin因收盘价屡创历史新高而备受投资者瞩目——年初至今已累计涨逾700%，市值超千亿美元。A股市场方面，AI潮流再起，继算力侧诞生一批大牛股之后，不少涉足下游应用的上市公司吸引资金入驻，股价也在机构的竞相布局中应声而起。　　不过，个股普涨难掩基本面分化的事实。在AI应用板块整体估值走高之际，有基金经理指出，随着该板块内的标的溢价逐渐分化，投资者需要甄选出那些拥有优秀团队且业务场景与技术结合潜力大的公司。　　AI应用热度乍起　　AI应用不断涌现，在资本市场掀起了投资浪潮。　　11月，作为广告商起家的美股上市公司AppLovin披露的三季度业绩大超预期。近年来，该公司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。　　据此，AppLovin也成为了华尔街的AI“新宠”，谱写AI新“神话”——年初至今股价涨幅超700%，市值攀上千亿美元。　　A股、港股方面，AI应用的投资也是炙手可热，一些概念股走出了翻倍行情。比如，广告营销公司汇量科技11月累计涨逾3倍，AI互动终端网络公司趣致集团近10个交易日累计大涨超55%。受益于AI应用板块的走强，数字经济、传媒等相关主题基金的净值也明显反弹。　　对于AI应用板块当下所处的“风口”，永赢数字经济智选基金经理王文龙认为，有两方面的利好因素不容忽视：一方面，经过了2年左右的时间，投资交易开始由算力往应用迁移，对AI应用板块的投资形成了驱动力。部分美股上市公司的AI应用收入出现了超预期表现，业绩驱动股价的时点来临；另一方面，国内一些公司的AI应用收入也开始走向规模，大模型订单、AI助手收入、广告提效等不再鲜见，明年将可能有规模地体现在收入报表中。　　民生加银基金经理朱辰喆表示，尽管市场所期待的“杀手级”AI应用尚未出现，但近期很多场景都落地了AI应用，很多传统的工作流都已经融入了AI功能。从B端看，AI率先落地于广告、电商、金融财税等场景，增厚了报表端业绩，成为Applovin、Shopify等海外AI应用公司业绩超预期的驱动力之一。从C端看，头部应用的访问量仍在高基数下持续增长，ChatGPT、Perplexity AI、豆包、Kimi等产品的10月访问量，均较6月涨超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。“我们预计医疗、法律、工业等有望加速AI化革新。”朱辰喆称。　　宝盈基金基金经理容志能认为，美股相关AI应用公司的股价基于财报利好而迭创新高，效应进一步传导至A股，先是映射了AI教育，后来又在IP玩具等板块发酵。“A股行情的发展方向很清晰，还是围绕AI在应用和终端发力。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出现，比如AI Agent会落地到耳机、玩具、音箱等各类终端。”容志能表示。　　“AI应用行情火爆的背后，或是AI发展的第一阶段即基础设施（算力、数据库）建设已经接近了增速的高点。”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，从而带动产业链各环节企业找到适合自己的商业模式，并利用商业闭环来实现盈利。　　更多行业尝到了“甜头”　　近年来，AI投资的“烧钱”行为逐渐引发华尔街对科技企业的担忧——短期回报与狂热投资仍相距甚远。不过，随着AppLovin迎来业绩兑现期，业界对于AI应用的商业化落地又重生了无限遐想。不少机构认为，基于AI渗透的速度加快，AI应用为相关公司提高业绩作出贡献是可以预期的。　　实际上，越来越多的行业已开始在AI应用的探索中尝到了“甜头”。　　在朱辰喆看来，广告营销和电商是AI落地较快且相关上市公司明显受益的板块。在广告营销中，一方面，AI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，涉及货品上架、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应用也能较快落地。　　王文龙也表示，从可验证情况来看，A股中大模型公司的订单在显著增长，做AI Agent的公司也开始有小批量收入，AI广告公司则出现了明显的成本优化，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。面向个人领域，AIGC技术满足了个人的日常生活需求，涵盖了Chatbot、社交、游戏、教育和内容创作等多个场景。美股部分AI相关公司已开始盈利，国内部分算力相关公司的盈利速度也在提升，比如PCB、光模块、连接器、服务器等领域的相关公司，都获得了业绩验证。　　田光远进一步表示，伴随着大模型技术和能力的指数级跃迁，AI赋能千行百业的水平不断提升，未来有望与万物结合，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、营销等领域能够快速实现场景落地；中期看，在政务、制造、智慧城市等领域，AI的市场潜力将不断释放；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。　　展望后市，朱辰喆看好两大发展方向：一是软件端，比如AI助手、AI搜索和AI视频等，其流量大、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，比如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，未来有望承接更多的AI新玩法，是当前最具潜力的AI终端之一。　　王文龙认为，如果从变革的角度出发，在制造业等传统的劳动密集型行业中，企业的生产过程需要优化流程，新的需求点将会得到进一步挖掘。而知识密集型行业中，医疗、法律、设计、文娱、金融等，基于AI工具的加持，企业和个人的生产效率也会获得明显提升。　　基本面支撑仍需验证　　综合来看，当前各个行业针对AI应用的探索仍处于初期，即便前景繁花似锦，若没有基本面的支撑，资金的炒作恐怕也是“昙花一现”。　　上周录得涨停“七连板”的A股上市公司华胜天成就表示，公司的AI应用相关产品主要为“智能客服”“智能数据助手”等，这些业务的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。显然，在相关概念股股价短期飙升之时，市场不能完全丧失理性。　　王文龙认为，当前国内的AI应用呈现了明显的溢价分化。一部分实际上主业有收入有利润的公司，也有AI创新，但长期看估值，溢价并不高；另一部分主业没有可观测估值的公司，因卡位了未来大方向，溢价却非常明显。这也反映了产业发展初期的特征，新冒出来的公司往往能够享受一波快速的预期红利，获得高溢价，而老龙头公司则需要通过不断兑现进展才会获得市场认可，形成盈利与估值的共振。从前景来看，初期阶段新公司溢价更高，但有估值有兑现力的头部公司未来更可能享受到溢价的持续提升。　　朱辰喆同样认为，在新技术发展的过程中，往往会出现很多高估值的公司。回顾2013~2015年移动互联网的发展历程，大量来自游戏、影视、广告营销等领域的公司同样获得了高估值。不仅A股如此，当前很多集成了AI技术的美股SaaS公司，也同样估值较高。因此，在目前阶段，投资者要投资AI应用领域，就需要挑选出一些团队优质、业务场景与AI技术结合潜力大的公司，即便当前其AI应用收入对财务报表的贡献度较低，但随着底层模型技术的发展和应用端的持续调优，也有望实现大规模的商业化，进而获得业绩回报。　　容志能也持有类似观点。他认为，在人工智能的方向上，从算力、大模型再到应用端，不会被证伪，产业趋势没有问题，只是具体到公司，当前被炒作的标的不一定是“天选之子”。“从全球来看，我国AI技术处于第一梯队，产业链足够完整，从硬件到软件、内容生态不一而足，而大部分国家都只是参与其中的一些环节而已。”容志能说。　　田光远则表示，本轮AI应用行情的爆发是产业趋势的必然，不是单纯的技术炒作，“目前还处于AI应用真正爆发的前夕，资本支出快速增长，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将引领社会经济大变革，已是世所公认。在此基调下，投资者应如何厘清投资的方向？　　“目前，A股的AI板块投资更多还是主题性质，因为难以对此类公司进行内在价值的衡量，公募基金的投资也较为理性。”沪上一位基金经理对记者表示，处于早期成长阶段的企业，其估值有一定“艺术性”，短期难以基于企业的收入、利润进行精准评估，因此对其持仓的基金，净值波动也较大。　　在AI落地方面，朱辰喆认为当前主要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。数据质量、数据隐私和数据合规性等，都对AI应用的落地构成了挑战。　　第三是成本问题。AI技术的进一步落地，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、医疗等严肃场景对于准确性的要求。　　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场景来满足用户的社交、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。此外，企业在做AI应用创新的时候也在考量投入产出比，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”，显得非常重要。只有能覆盖，才可持续发展并形成正向循环，但目前看仍有一定距离。 （文章来源：）