📰 研报摘要
查看全文 ➔摘要： 本次访谈深入探讨了 2026 年国产 AI 产业链的突破与商业化落地，重点分析了算法优化（DeepSeek 模式）对算力依赖的改变、芯片设计的新路径（“掏定律”）、以及 AI 智能体（Agent）从试点向规模化生产的跃迁。同时讨论了 Token 经济的成本压力与 AI 收费模式的必然性，并推荐关注上证科创板人工智能指数以布局国产 AI 硬科技。
行业主线：
- 技术路径演进：AI 研发从单纯堆叠算力转向通过算法优化（如专家子网络）和工程优化实现性能跃迁；半导体领域提出以时间缩微代替几何缩微的“掏定律”新原则，旨在资源受限条件下实现性能突破。
- 智能体上岗元年：2026 年被视为智能体元年，AI 交互从“脉冲式”对话转变为“持续性”运行，将驱动 Token 消耗量指数级增长，使长尾算力消耗首次可能超过训练和单次推理。
- 商业模式转型：AI 产业从“价格战”转向“价值战”，由于算力成本高昂且不具备互联网早期的边际成本递减特性，收费模式成为产业可持续发展的前提。
关键变化与分歧：
- 政策导向变化：AI 落地从单纯的“鼓励创新”转变为央国企的“量化考核”，推动 AI 从试点探索进入实质性生产阶段。
- 成本与定价分歧：市场出现收费与免费并存的格局，部分厂商通过收费应对算力危机，而部分厂商通过大幅降低 API 价格以追求规模。
受益方向与风险：
- 受益方向：具备自主可控能力的国产 AI 芯片设计与制造（尤其是数字芯片设计）、基础软件以及能实现规模化交付的智能体应用。
- 核心风险：行业整体估值偏高导致的回撤风险；技术路线迭代导致现有技术壁垒被颠覆；中美科技博弈引发的供应链断供或管制升级。