📰 研报摘要
查看全文 ➔摘要： 本次会议重点讨论了全球 AI 模型商业化进程及其对算力需求的影响，核心观点认为当前算力供给远未过剩，整体处于需求旺盛但供给不足的状态。会议详细分析了 Meta 的算力基建战略及其通过云计算对冲资本开支的逻辑，探讨了海外模型厂商（如 Anthropic, OpenAI, Google）在 Coding 能力上的竞争与架构差异，并对 AI 商业化的演进路径（Coding $\rightarrow$ 企业级服务 $\rightarrow$ 具身智能）进行了前瞻分析。
行业主线：
- 算力供给依然紧张：尽管市场存在过剩担忧，但全球科技巨头持续加大资本开支，现有算力资源基本处于满载状态。
- 商业化路径清晰：AI 商业化将经历从编程能力迭代，到深入垂直行业企业级业务流程（通过 FDE 部署工程师实现），最终在 2028-2029 年进入机器人/具身智能引发的算力需求爆发期。
关键变化与分歧：
- Meta 算力变现逻辑：Meta 采取“先囤算力后寻找用途”的策略，拟通过 MaaS 服务和裸算力租赁，将开源生态流量转化为算力收益，缓解资本开支压力。
- 模型架构之争：分析认为在 Coding 领域，稠密架构在处理长思维链和复杂任务时可能比 MoE 架构更具优势。
- 国内与海外差异：国内模型厂商在 Coding 能力上受限于用户反馈数据飞轮的缺失，但预计下半年将通过引入相关数据缩小差距。
受益方向与风险：
- 受益方向：短期关注 A 股中处于低位且中报业绩预期良好的软件股；长期关注国产算力链及具身智能相关方向。
- 风险：美股科技巨头新一季财报表现不佳导致的情绪波动；宏观加息预期及地缘政治扰动。