1. 本轮A股和港股反弹的的核心逻辑是什么？除了Deepseek带来的预期外，是否还有其他因素？
凌晨：我们可以从以下几个方面来分析当前的问题。首先，从估值角度来看，在本轮反弹之前，恒生科技指数中的互联网公司初始估值相对较低。例如，当时阿里巴巴的估值尚未包含云业务的价值，而腾讯的估值相对较高，但开年被美国防部黑名单也砸一波。总体而言，中国互联网资产相对于美国互联网资产而言，价格明显较低。
从资金流动的角度分析，外资的长期持有策略（long-only）显示出对中国资产的长期低配状态。特别是自9月24日以来，外资观望情绪愈发浓烈，选择等待两会后政策方向和国内经济回暖的信号，再做决策。
然而，本轮DEEPSEEK的发展显然让许多外资措手不及。此外，DEEPSEEK不仅推动了国内科技资产的崛起，还引发了美股市场对本土AI及其战略链的信仰危机。这部分资金规模庞大，即使是很小比例的资金流出，也足以对中国市场产生显著影响。
以上是从估值和资金的角度来看，从根本性来看的话本轮实际上是针对中国科技资产的重新评估。自去年下半年以来，从“黑神话悟空”到宇树科技人，再到DEEPSEEK，我们已经看到了许多微观层面的例子，表明中国的科技资产正在逐步走向主舞台。过去有一种观点认为，中国科技受到制裁，类似于《三体》中的质子，可能会阻碍中国科技进步的步伐。但从过去两年的情况来看，即使国内的AI企业在GPU供应上面临一些挑战，他们仍然能够开发出具有商业价值的成果和世界级的AI模型。
因此，国内科技资产的这种自信正逐渐获得主流资金的认可，即便是那些长期看衰中国的外资，也开始积极学习并进行投资。
2. 当前AI行情面临技术突破与市场波动的双重博弈，您认为支撑其持续性的核心逻辑是什么？若行情非长期趋势，算力基础设施、算法应用、终端硬件三大赛道中，哪些领域具备更强的韧性？
凌晨：我们对中国AI的发展持较为乐观的态度，核心观点是“后发也可以先制”。对于AI整体行情，我个人比较乐观的，并将其总结为两条曲线：
1）模型技术进步曲线：从GPT-3到GPT-4，乃至未来的GPT-5，模型的“智商”正在不断进步。过去海外在这一领域确实有降速趋势，但国内并未出现这种情况。我认为这条曲线并非线性上升，而是呈现非线性的跳跃式上升。例如，强化学习技术路线一旦得到验证，模型的“智商”可能会实现大幅跃进。因此，我对未来技术进步曲线持乐观态度。
2）技术扩散到应用的曲线：从应用角度来看，其扩散趋势已经从一个点逐步扩展至“满天星”的状态。以聊天机器人类应用为例，在豆包、DEEPSEEK国内的教育推广下，用户渗透率正在快速提升。DEEPSEEK有望成为国民级应用。此外，企业软件中的各种Agent也在加速部署，无论是政府还是终端企业都在积极推进。只要这两条曲线持续向上发展，AI行情就不会落幕。这是我们对AI的整体看法。
当然，AI领域内部可能会出现分化。在刚刚提到的几个赛道中，我认为应用领域更具延续性，包括企业软件和AI硬件赛道。相对而言，算力方面延续我在大师课「寻找下一个“英伟达”」中的观点，它可能不会成为AI下半场的焦点，虽然也会增长，但从性价比、投资胜率和赔率来看，不如应用领域更具吸引力。
3. 目前美股的估值逻辑是否发生改变？英伟达等科技龙头能够继续维持高估值？
凌晨：从年初以来收益率来看，美股的M7（苹果、微软、谷歌、特斯拉、英伟达、亚马逊以及Meta Platforms）指数整体表现不如去年和前年那般强势，且内部分化明显。在M7成分股中，Meta表现突出，股价上涨超过20%，而其他公司如Amazon仅有个位数上涨，部分公司甚至出现负收益。
这种分化的核心原因在于业绩趋势。从美股过去一个季度的表现来看，Meta在广告业务上的持续超预期表现，部分得益于美国“黑五”和大选竞选广告的拉动。相比之下，云服务领域表现相对较弱，尽管需求稳定，但由于供给端因素（如IDC建设进度等），导致部分公司如亚马逊、谷歌和微软的Q4业绩不及预期。不过，随着这些问题的逐步解决，预计云服务领域的股价有望保持稳定上涨。从业绩来看，特斯拉和英伟达由于产能等问题表现较弱。
总体来看，美股的定价逻辑依然以业绩为核心，业绩趋势良好的公司将继续受到市场青睐。
4. 当前中美AI发展路径出现分化（美国重基建投入，中国重算法优化），这种差异将如何影响两地资本市场定价逻辑？特别是在算力效率提升可能降低资本开支的背景下。
凌晨：对于中美AI产业的发展路径差异，核心在于各国的资源禀赋和实现目标的路径选择。中国在AI领域的资源禀赋主要体现在工程师和算法优化能力上，而美国则在GPU、晶圆代工等基础设施方面更具优势。美国的科技巨头通过堆叠算力和资源投入，推动强AI（AGI）的发展。
从投资角度来看，美股的定价总体上跟随业绩趋势，如AI的GPU以及IDC等乃至AI Power供电领域表现强劲。而A股市场在过去两年更多关注国产替代逻辑，尤其是在芯片被“卡脖子”的背景下。
这一轮，DeepSeek项目是一个有力的例证，表明即使资源有限，中国也能在AI产业中实现事业级的成果。而且它还是开源的，这对整个中国的AI产业，包括下游应用，无疑是一剂强心针。因此，我们可以看到，与前两年相比，这一轮A股市场对AI下游应用的热度显著提升。
5. DeepSeek等开源AI模型对传统AI商业模式有何潜在影响？为何国外开源模型较少？若中国率先或更多地开源AI模型，会给市场带来什么变化？
凌晨：开源模型对传统闭源商业模式产生了较大冲击。从调研情况来看，目前一些拥有内部IT团队的大型机构开始基于开源模型（如DeepSeek）进行定制化开发，以满足自身需求，而非选择外部采购。这种趋势对闭源解决方案公司构成了较大冲击，尤其是在头部大客户中表现更为明显。
从产业逻辑来看，仅专注于大模型开发的厂商，其价值类似于仅做手机操作系统的公司，是不够的。未来的发展方向应是“大模型+应用”的结合，才能为用户创造更大价值。
从技术进步的角度来看，开源模型一旦形成良好的开发者生态，将能够撬动全球开发者的力量进行研发。其研发迭代速度最终可能快于闭源模式。近期，OpenAI也在反思其过去过于封闭的策略，认为这种模式可能会对其技术领先地位构成威胁。
6. AI领域长期存在高估值与低盈利不匹配的现象，当前您对这一“泡沫”问题有何观点？
凌晨：在科技投资领域，我们应关注未来趋势，而非仅看静态估值。因为相关公司的成长是非线性的。当然，目前市场上确实存在估值泡沫，需要甄别。如果无法通过合理计算得出远期估值，那么就需要考虑是否要放弃或出售相关标的。不过，这仍需针对具体公司进行具体分析。
7. 在当前市场环境下，还有哪些AI细分领域最有可能实现商业化成功？
凌晨：从C端市场来看，AI搜索和问答类应用的发展已经非常明确。目前，市场上已经出现了多个千万级月活跃用户（MAU）的产品，如豆包和DeepSeek等。这些产品在规模化发展方面表现出色，未来有望进一步拓展至更广泛的用户群体，甚至成为国民级应用。
除了AI搜索，C端的硬件终端也值得关注。例如，AI眼镜、AIPC（人工智能个人电脑）、手机、玩具和耳机等产品正在逐步推向市场。其中，AI手机的商业化前景尤为令人期待。如果手机厂商能够实现AI自动订票、订酒店等功能，将极大地提升用户体验，并可能推动新一轮的手机换机周期。
在B端市场，AI应用相对分散，但部分领域已经取得了显著进展。从技术成熟度来看，编程领域是目前发展最快的。在调研国内IT公司时发现，许多企业的CTO已经开始自上而下地推动程序员使用DeepSeek等大模型的API，以提高编程效率。随着AI模型推理能力的增强，未来AI在金融、医疗和教育等垂直领域的商业化应用也将不断涌现。
综上所述，AI在C端和B端的应用前景广阔，尤其是在搜索、硬件终端和编程领域已经取得了显著进展。未来，随着技术的进一步发展和商业化应用的拓展，AI有望在更多领域实现突破。
8. 在当前市场环境下，如何量化评估技术迭代速度以及中美摩擦、政策监管、资本开支等因素对市场的权重？
凌晨：如前所述，决定AI行情是否可持续的关键在于之前提到的两条曲线：一是技术进步曲线，即技术迭代的速度；二是技术向应用的扩散曲线。这两条曲线是底层决定行情能否持续的核心指标或因素。
由于技术进步难以进行明确的量化评估，但从主观感受来看，目前AI行情仍处于0到1或1到1.5的阶段，大部分应用才刚刚起步，技术进步的速度也未出现停滞。这可能是影响行情的核心权重因素。
此外，板块确实会有一些波动，例如关于美国是否加大对中国的制裁等谣言。但我们认为，这些只是行情的扰动因素，并不影响整体趋势。
首先，这些因素不会阻碍国内AI产业的发展。从DeepSeek的成功可以看出，即使在资源受限的情况下，国内AI仍能保持快速发展的速度。其次，从资本开支周期来看，我们一直强调的观点是：在AI的下半场，算力可能不再是主角，市场焦点应更多地放在下游应用端。这可能是影响行情结构性的一个重要因素。
9. 对于非专业投资者，通过行业ETF（如全球AI指数基金）、主题公募还是龙头个股参与更安全？
凌晨：从个人角度而言，非专业投资者或许更适合将资金交给专业人士管理。因为专业投资者会将大部分精力投入到产业研究中，而个人投资者可能没有足够的时间和精力进行深入研究。
从基金投资的角度来看，主动管理型基金相较于被动型ETF在国内投资环境中更具优势。在海外市场，产业格局相对稳定，ETF的成分股通常涵盖全球行业领袖。在这种环境下，投资ETF是一种较为稳健的选择，能够使投资者享受到产业规模扩张带来的红利。
然而，国内的产业格局并不像海外市场那样稳定，机会分布也并不集中于少数公司。因此，主动管理型基金在国内市场有更大的发挥空间。
10. 除财报数据外，哪些高频指标（如开源社区贡献量、专利诉讼数量）可辅助判断行业趋势？
凌晨：从大模型的智商提升角度来看，广泛跟踪学术界的论文是一个较为有效的途径。在应用层面，我们可以通过付费数据库获取相关指标。例如，对于C端APP，第三方统计公司可以提供APP的流水、用户数、留存率以及相关趋势曲线等数据，这些信息均可进行跟踪分析。
对于B端应用而言，由于缺乏广义上的高频数据，更多需要通过定期与上市公司交流和更新信息来判断行业趋势。
华尔街见闻特邀百亿私募和谐汇一TMT创新精选投资经理凌晨推出大师课「寻找下一个“英伟达”」，一堂课理解AI全产业链投资机会。感兴趣的朋友欢迎点击此处，加入学习。
— 《寻找下一个“英伟达”》课程表 —
