在ChatGPT刚发布后的两年里，AI投资的圣杯交易就是美国的七家AI科技巨头“七姐妹（Magnificent Seven，出自2016年电影《豪勇七蛟龙》）”；所谓圣杯交易，指的是无论市场环境如何都能大概率确保盈利的理想状态下的投资。 在2023-2024年，这七家公司合计贡献了标普500超过一半的总回报，市值占比从2022年底的20%升至三分之一。于是，持有个股也罢，指数也罢，AI在资本市场的投资表现和七姐妹有很大关系。

但现在，这个圣杯正在出现很大裂缝。如图1所示，如果我们对比自2024年底到2025年初不同企业的市值高点和今天的市值，则只有英伟达和谷歌实现了35-60%的增长，苹果基本持平，其他包括微软、特斯拉、亚马逊、Meta都普遍跌了10%以上。2026年以来，七姐妹全部下跌，跌幅在3.34%-18%之间。有人可能会认为这是市场的普遍下调（同期纳斯达克100指数下跌3.33%）。但让我们看一下同样与AI相关的存储芯片的表现，今年以来，美光、闪迪、三星、海力士，即便面临中东战局的动荡，涨幅仍然在35%-180%之间。显然，随着AI商业的演化，企业的机遇和挑战在发生一些结构性改变。

这就带来了一个价值千金的问题：这个改变的逻辑是什么？

提出“七姐妹”概念的分析师Michael Hartnett提醒道：“下一个七姐妹，将是那些能证明AI正在从根本上重塑其庞大业务的巨头……别忘了，那部电影里，只有少数人活了下来。”

这个改变也发生在中国。让我们回顾一下去年以来的中国科技投资变化（图2）：2025年初DeepSeek-R1发布后，以恒生科技指数为代表的中国科技公司们迎来了一轮“小阳春”，随后是全球关税战的冲击，到了10月，也就是刚刚抹平关税战影响、回到开春高点之后，恒生科技指数又开始了一轮持续近半年的下行周期，一批曾经被认为是最佳商业模式的“平台”科技公司，也普遍表现不佳。

与此同时，进入2026年，无论中美，有一类公司表现强势：能源、材料、公用事业领跑两国的市场——高盛将其命名为“HALO”（“Heavy Assets”、“Low Obsolescence”，意为重资产、低淘汰率）投资。我们看到，很多百年老店类的公司正在重新成为资本市场的明星，比如闪迪、美光、西部数据、康宁、通用电气、卡特彼勒等等（图3）。

所以，“买入指数或者七姐妹，回家睡觉”的圣杯交易已经失效，AI基础设施和应用型企业表现分化，HALO交易崛起。资本市场这些让人困扰的折腾，其实自ChatGPT面世以来，我们已经见证了很多次（图4）：当ChatGPT出现时，谷歌被宣判“可能会在1-2年内死掉”，英伟达暴涨；当DeepSeek-R1发布时，英伟达单日蒸发6000亿美元市值，恒生科技指数拉升；到现在，SaaS末日论和智能危机论同时出现，HALO交易崛起。

这种折腾的本质是，每当技术拐点出现，资本市场几乎从来不会“理性地重新定价”，而是围绕旧框架的失效、新概念的出现展开“暴力的结构性重估”。回过头看，这里面有真有假，有对有错。但有一点是确定的：这种跨越阶段时的混乱，往往也是最佳的投资机会。

所以，我们要在理解智能体拐点的同时，寻找新的圣杯投资机会。

当下的技术拐点当然就是，智能体拐点的到来。

2026年2月的财报会中，黄仁勋宣布了这个消息：“现在，智能体已经到达拐点，而且就是在过去两到三个月内发生的。在产业内部，我们更早感知到，大概六个月前我就已经看到了端倪，但现在整个世界都已经意识到了这一点。” 

让我们为智能体拐点下一个定义：进入智能体商业第二年，以OpenClaw（小龙虾）的崛起为代表，智能体类似互联网的基础设施级框架已经诞生，并正在带来智能体使用的跳跃级普及。在开发者侧，这个开源智能体框架不到100天就超过了霸榜十年的ReAct和Linux，登顶GitHub Star榜单（如图5），也就是开发者收藏和调用的频率榜单。这意味着什么？ReAct是Meta主导的全球最主流Web前端框架，而Linux则是驱动全球绝大多数服务器的操作系统内核，两者都是互联网级别的主要基础设施项目。所以，开发者们正在用行动表明，Openclaw是智能体应用的基础设施级框架。在应用侧，国内，已经至少有八家科技公司推出了自己版本的龙虾产品，无数消费者排队安装，甚至愿意付费安装。

这个黄仁勋眼中可预测的智能体拐点是如何发生的？回到OpenAI提出的AGI五阶段路线，实际上AI商业在每个阶段，都是在技术、应用、效率三个维度上的协同发展而成（图6）。理解这三个维度的不同价值是重要的，因为很多人常常会把AI商业和大模型技术混淆，而忽视不同玩家的机会和带来的价值。让我们来看在过去一年中，这三个维度的发展如何促成了现在的智能体拐点：

• 技术：过去一年中，三种重要的技术基础设施能力落地：（1）代码能力：代码是AI真正颠覆的产业。随着大模型代码能力的不断提升和自然语言化，大模型拥有了能被常人使用的脚手架，让更加广泛和深入地进入应用场景成为可能；（2）协同框架：由Anthropic提出的MCP协议，是连接现有App的协议；（3）任务定义框架：也是由Anthropic提出的技能（Skill）框架，自2025年12月成为开放标准。这三种能力，实际上是让使用者能够通过自然语言，用智能体来处理各种场景中的任务和分工，并协同其他智能体和应用。自此，智能体有了作为硅基工作者，与自然语言的人类协同工作的技术基础设施。

• 应用：以OpenClaw（小龙虾）为代表，基于现有模型和基础设施能力，创造性地组合出一个有用户价值的消费级应用，和场景、数据实现双向奔赴；

• 效率：过去一年中，单位token成本已经下降了90%，其中有芯片性能的跨越式进步，也有算法工程的优化（比如DeepSeek为代表的很多中国算法玩家）。

智能体拐点带来的AI需求是爆炸性的、惊人的。根据OpenRouter的数据显示（图7），相比2025年最后一周，token消耗量在两个半月的时间里已经增长了近200%。中国各地的“养虾热”，正是拐点的写照。

前段时间被很多人争议的AI投资过热问题，也因为智能体拐点的到来而不证自答。显然，这是对算力需求的巨大利好，所以真正的问题是谁能接住这个机会，以及对不同产业环节是福是祸。

下面，我们将从三个方面讨论智能体拐点意味着什么：算力基础设施、应用和中国的大模型机会。加在一起，这可以帮助我们对于智能体拐点之后的商业确定性，以及圣杯投资的新方向，有更好的了解。

智能体拐点会带来巨大的算力需求。显然，对算力基础设施的投资，是圣杯投资的重要方向。

但这并不意味着算力供给方可以躺赢。我们还需要问，这样的算力需求，和之前有什么不同？谁有能力承接这些需求？供给侧的能力会是一个有门槛、可持续的结构性赛道，还是像过去的新能源车、光伏产业一样，很快演化成为很卷的周期性繁荣？

什么样的计算？

• 产业需求：从推理模型开始，智能开始追求思考时间的规模定律（scaling law of test time），即不追求单次回答中“惜字如金”般的精准度，而是用长思维链拆解复杂问题，用更多的输入和输出换取更高质量的结果。落到硬件，就是用低精度换高吞吐量。更强的计算性能，意味着对硬件的升级需求，包括：更高效的基板（高端PCB）、更强的散热系统（100%液冷）、更坚韧的电源架构（高压直流）。

• 玩家应对：

• 英伟达快速从Blackwell跳升到Rubin架构， 后者的核心目标就是要做到低精度计算，但token成本降低十倍，吞吐量提升十倍。这是因为，持续推理不需要预训练阶段的极致精度，而是在给定成本约束内最大化token产出。
  

• 从竞争格局看，英伟达通用芯片（GPU）最重要的竞争对手是专用芯片（ASIC的TPU），两者之间的差别是性能与性价比的取舍。与英伟达更加激进的方式不同，谷歌在2026年更多是一种渐进式的改进。也因此，随着智能体拐点的到来，因为英伟达更加激进地改变芯片性能来应对，竞争的天平很可能再次向GPU生态倾斜。

什么样的网络？

• 产业需求：芯片网络的瓶颈在于，过去20年，计算的性能（FLOPs）提升了6万倍，但芯片间数据传输的带宽（电气互联）只增长了30倍。这是因为传统的电气互联方案（铜）有天生的物理极限。所以，从电互联到光互联的转变是产业的共识（光作为传输的介质，速度更快、能效更高、可承载的数量更大）。这个转变主要分为两个阶段：第一阶段（现在）是光电共存，即以可插拔光模块为核心，将光模块插在交换机上，在交换机内将电信号转化为光信号；第二阶段就是共封装光学（CPO），即直接将光学引擎封装到GPU旁边，最大程度减少电信号的参与，也往往被认为是带宽瓶颈的终极方案。

• 玩家应对：
  

• 如同计算，英伟达是最激进的玩家。在业绩会中，英伟达明确提出目标：“到年底，英伟达的网络业务收入要超过其他所有网络半导体供应商的收入总和”；在供应链整合中，英伟达继续着“循环投资”的故事：不止是订单承诺，而且是直接对光互联的上游核心供应商进行投资：投资Lumentum和Coherent各20亿美元，这个投资规模超过了Lumentum全年的营收总额，相当于Coherent全年营收的1/3，全年利润的4倍。对英伟达来说，当下最高优先级就是借助GPU的断代领先，尽快打造出一个“AI芯片的iOS生态”：性能/功耗都是最强、软件层开放共存（CUDA）、硬件层垂直整合（NVLink和独有的CPO供应链）。所以，CPO是英伟达强力推广的终极战略。
  

• 反过来，博通作为网络层的龙头，对待CPO的态度更加理性。Hawk Tan（博通CEO）在3月的业绩会表示：“为了AI，我们确实需要尽可能地提升XPU之间的互联能力。而实现这一点的最佳方式就是使用直连铜缆，它具有最低的延迟、最低的功耗、最低的成本。最终，CPO终会到来，但不是今年，也许也不是明年。”从博通的角度，其建立的以光电共存为核心的产业链开放分工体系（博通负责交换机，生态负责可插拔光模块）是最完善的，也是博通以性价比为主打的ASIC芯片的重要组成部分，所以不难理解其对电气互联的坚持。

• 而从需求的角度看，一方面，为了追求AGI，模型厂商和数据中心都有动力部署性能最好的算力集群（英伟达）；但另一方面，从工程的角度，当前的可插拔光模块为主的方案相比CPO更加灵活，数据中心运营起来更方便，所以不太愿意过快地接受一体化的CPO方案。

• 综上，我们认为，在未来三年，无论是英伟达的iOS路线还是博通的安卓路线，无论是铜互联生态还是光互联生态，都会是共存，不会出现通吃的赢家。对任何一方的过度看好或看空都是有偏的。

什么样的存储？

• 存储的终极未来是什么？黄仁勋在今年的CES有所表述：“我们显然希望智能体能伴随我们一生，并记住我们与它的每一次对话。因此，这种最初适合放入HBM的上下文记忆（大模型阶段的解决方案）已经不够大了”。这意味着，在提升存储和计算之间的效率之外，存储还需要扩容，同时兼顾成本。在经历了上一个所有人共同追逐带宽的阶段后，接下来，AI的存储芯片进程开始演化为平衡带宽、容量、成本的“不可能三角”的过程。

• 玩家应对：在扩容的路线选择上，三家主要的存储芯片公司（SK海力士、三星、美光）既有共同的动作，也已经有了不同的押注：
  

• 第一种是大家都做的标准动作，就是借用CPU的内存为GPU扩容，这样扩容可以很大（10倍级），但CPU和GPU之间的带宽不足，延迟很高。简单而言，这条路的特点就是大容量、低成本、但低带宽。现在美光是其中把延迟问题解决得相对最好的玩家。
  

• 第二种是三星押注的存算一体架构（HBM-PIM），意思是HBM本身容量的自然增长可能就足够了，只不过需要在HBM内部把一些“垃圾信息”提前处理掉，所以要往HBM内部加入一些逻辑计算电路。这条路的特点是小容量、高带宽、中等水平的成本。
  

• 第三种是SK海力士联合闪迪押注的高带宽闪存（HBF），意思是把容量更大的闪存像HBM那样堆叠起来封装到GPU旁边，同时实现和HBM同等的带宽水平和8-16倍的容量大小。所以，这是高容量、高带宽、高成本的路线。
  

• 无论哪一种方案成为主流，我们可以看到的一个共同趋势，就是存储芯片厂商正在从计算系统的层面，深度参与到与客户的协同之中，而不是CPU时代那种标准化的大宗商品。

至此，我们可以理解智能体拐点给算力基础设施层面带来的影响：整体而言，这不但是一个巨大的算力需求，而且是一个暂时看不到需求上限、同时供给侧扩张门槛极高的结构性机会，是真正意义上的“超级周期”。在需求侧，随着智能体的普及和深化，其计算消耗是持续性推理，使用越深、场景越复杂，消耗就越高，而不是像过去消费硬件那样容易触及“用够了”的饱和点；在供给侧，先进制程芯片的设计和制造高度集中在极少数公司手里，进入壁垒是数十年技术路径的积累，也不像光伏和新能源汽车那样可以依靠资本快速复制产能。

所以，从投资的角度，对算力基础设施的需求是普遍而持续的（投资界所谓的Beta），而识别那些可以推动算得更快、传得更多、记得更久落地的HALO型公司，是未来很长一段时间最重要的差异化机会（投资界所谓的Alpha）。

刚才讨论了智能体拐点对算力基础设施的跳跃性需求，那么这个拐点对于软件应用企业又意味着什么呢？

在当下，如果说算力基础设施（半导体）是整体受益，那么软件就是整体受损，是智能体拐点以来最大的输家。智能体会颠覆什么软件，不会颠覆什么软件，其具体逻辑，我们在2月15日的文章 AI会吞噬软件吗？从Claude Cowork、Claude in excel、OpenClaw看软件的趋势中已经做过详细的讨论，此处不再展开，只讲几个观点。

首先，颠覆式技术不等于产业的颠覆，这是当下很多讨论中被粗糙地忽略的。从商业的视角，所谓颠覆，不是说原有产业中玩家在使用更好的工具改造自己，而是原有玩家格局被重塑、用户价值被改变、商业模式被重新定义、估值和想象力被重塑。

从这个角度看，从ChatGPT发布以来，只有一个行业真正值得被称为颠覆，那就是编程。为什么？从供给侧看，在2023年，GitHub Copilot曾是ChatGPT之外全球最早突破100万付费用户的AI应用，今天，它已基本退出编程智能体的主流讨论，主导这一市场的是Claude Code、Codex、Cursor、Windsurf这些此前根本不存在的公司。从用户群体看，已经从职业开发者扩展到非技术人员，其自然语言化催生了今天的智能体拐点。从商业模式看，其头部产品的定价方式，从12至20美元/月跃升至200美元/月，再到今天可以按token消耗量付费。从行业估值逻辑看，已经从编程工具市场（十亿美元量级）切换至程序员劳动力市场（千亿美元量级）。玩家、用户、定价、估值逻辑四个维度同时的替换，这才是颠覆的完整图像。

代码产业是一个可以帮助我们很好理解智能体和软件产业关系的案例。被归为软件的产业很广，实际上所有的App都是软件，既包括软件工具，也包括各类应用和平台场景。广而言之，软件有界面价值、流程价值、数据价值、和生态价值。

代码之所以成为第一个被颠覆的产业，就是因为，编程工具软件的核心价值就是界面价值（IDE）和流程价值（核心工作可以被文档化、工具化、自动化）。这些可以被编程智能体高程度替代。

而以数据价值、生态价值为核心的软件应用，只要这些价值是独有的，长期而言，更可能是被智能体赋能。Palantir的核心竞争力，是数十年政府和企业数据积累形成的独有数据资产与AI本体引擎的分析能力的组合；AI能力越强，这类资产的价值越高，而这正是Palantir的核心护城河。AppLovin的移动广告推荐引擎，依赖的是AppLovin独有的广告投放平台数据和第一方游戏玩家数据及know how；智能体的迭代使数据飞轮转得更快，而不是替代了数据飞轮。也因此，资本市场已经开始修正：进入3月，在伊朗战争带来整体回调的背景下，头部25家软件股中有23家都实现了上涨。这些企业有未来，只不过要探索出如何用好智能体，更好赋能自己的服务场景和数据。

所以，在算力基础设施之外，对投资者而言，寻找这些被错杀、但有清晰逻辑和强劲基本面支撑的企业，是智能体拐点后第二个重要的结构性机会。

对中国的AI商业来说，智能体拐点带来的是一个意外之喜，也是一个决定性机会。

今年春节至今，中国大模型在OpenRouter上已经霸榜（图13）。直到今天，第三方平台调用量Top5模型中有3个是中国大模型（分别为 MiniMax M2.5、Step3.5 Flash和 DeepSeek V3.2，主要靠自有平台的字节和通义不在统计之内），占Top5模型token消耗量的70%。其中，MiniMax 2.5已经占据榜首一个月。受此影响，在香港上市的MiniMax、智谱都一度突破了3000亿港币市值，超越了携程、百度、京东、快手等传统互联网巨头。

那么，如何客观评价智能体拐点给中国AI商业和投资带来的机会？

• 首先，智能体拐点的出现，对中国的大模型厂商是整体的巨大利好。这是因为，到了智能体广泛落地阶段，模型性能已经不再是唯一的决定因素，成本的重要性在上升。智能体是全天候运行、多任务并发、超大计算量、且按照token消耗量付费的模式，所以影响用户决策的是性能、成本、速度三个要素的平衡。今天，Claude Opus 4.6性能很强，但放到一个全天候运行的智能体上，其成本是大部分用户都难以承受的。这是美国顶尖大模型的痛点，也因此成为中国大模型公司们在实际应用中不断追赶的机会。正如在互联网应用高速发展时期一样，中国企业在应用体验层的竞争力值得期待。

• 但必须承认，在通用模型性能和实际体验上，中国大模型和国际顶尖模型之间还存在差距：在AI的闭卷考评测（即没有被测试过的题目，SWE-reBench）中，前十名全部来自Anthropic、OpenAI和谷歌，中国模型从第十二名开始出现，且与前十名的分差明显大于公开基准中（开卷考评测）的差距。这类评测考察的是面对未知问题时的推理泛化能力，更难通过工程化手段短期提升。这里反映的是基础模型的真实差距。中国真正做到了性能领先的领域，现在只有字节Seedance代表的多模态大模型。

• 同时，国产大模型的崛起不直接等于国产算力的崛起，应该保持冷静和清醒：当前，最强的国产芯片与国际领先芯片之间的代差是真实的。英伟达的CUDA生态超过900个专用库、20余年的开发者积累，形成了远高于芯片本身的系统性切换成本，整体的利用效率仍然是更优的。所以，算力格局的改变比模型需要更多的时间。

• 我们认为，这次智能体拐点，真正属于中国AI商业玩家的机会主要有四种：第一，伴随全球算力需求增长，作为海外领先算力生态的重要供应商的出海机会，包括光模块、PCB、液冷、电力等等；第二，中国制造能力、智能产品的设计能力，和全球化的结合，也就是各类智能消费硬件的崛起与出海，包括机器人；第三，广泛的产业智能体落地的机会；第四，为支持智能体落地的浪潮，国产大模型的机会。

在ChatGPT面世之后，美国AI七姐妹作为圣杯投资标的的崛起，是容易理解的。这些企业代表了从芯片、云计算、大模型到最丰富的数字化应用场景；这些企业并非平行关系：大模型的训练对云计算提出了需求，云计算的数据中心则对芯片提出了需求，而数字化场景则提供了最早的规模化AI落地的可能性。

在过去三年多AI商业的落地至少证明了两件事：第一，英伟达已经成长为全球市值最高的企业，并且营收和利润还在以超过70%的惊人速度增长，说明AI算力基础设施是一个高门槛的结构性机会，很难被卷入的玩家替代。第二，对于具备丰富数字化数据场景的美国平台企业而言，这一次的AI革命已经是现象级的赋能。

智能体拐点的到来，并没有改变第一个趋势。算力机会不但没有出现很多人担忧的投资过度的问题，反而机会被跳跃式地放大了。这对计算、网络、存储，以及底下的供应链提出了更高的要求，但有一点应该是肯定的，这是一个高门槛、大赛道、长周期的机会。很多的千亿美金市值的企业已经诞生，而且还在持续。

第二个趋势则被智能体拐点有所改变。这是因为AI已经颠覆了编程，编程的自然语言化、智能体协同框架、以及智能体任务框架的形成，让大模型可以真正进入各种数据场景，让AI真正产业落地成为可能。在这个背景下，在编程之外，AI到底对于具体产业是颠覆还是赋能，还没有清晰的结论，但是已经打破了原有的圣杯投资的逻辑。对产业颠覆性的讨论，从智能体拐点开始明显升温。

于是我们进入了一个更加分化的经济和资本市场：在经济层面，科技产业和传统产业变革的速度分化；而即便在AI产业层面，算力需求的确定性，以及应用层面的颠覆与赋能的不确定性，也在分化。分化经济反映到资本市场，其特征是无论整体市场还是科技指数，都是分化产业的组合，没有清晰一致的增长斜率。

实际上，AI商业的逻辑并没有改变。那些具备丰富数字化数据的场景，仍然应该被智能体赋能，只不过在过去，软件的多重价值和数字化场景紧密耦合。智能体的出现，会逼迫企业改变工具、流程、甚至商业模式，和数据场景的关系。

我们在文章AI会吞噬软件吗？从Claude Cowork、Claude in excel、OpenClaw看软件的趋势中做过这样一个评论：“在 1980 年代，软件是“让计算机可被使用的程序”；在 2000 年代，软件是“连接人与信息的界面”；而在 AI 时代，我们发现软件的本质其实是“数据和场景价值的一种容器”。那些只装了“界面”和“流程”的容器，正在被打碎，内容物被倒入 AI 的新容器中。那些装了"数据"、"网络"和"生态"的容器，反而变得更加坚固，因为 AI 需要这些内容物，二者是赋能的关系，AI会融入到那些容器中；而随着AI能力的同质化，具备 "数据"、"网络"和"生态"的容器，仍然会占据一个主导的生态位，不会被完全吞噬。另一方面，对于这些容器而言，面对新的AI能力，设计好能用好智能体、同时又有护城河的机制，也非常重要。”

我们在这篇文章里讨论了智能体拐点给中国企业带来的四种机会。在智能体落地阶段，技术、应用、和效率都很重要，并且形成商业飞轮。那个互联网应用时代中国企业成功的逻辑，似乎在这个时代仍然成立，而结合中国制造的力量，机会更大。整体而言，这对中国的AI商业是很大的利好，值得期待。