AI投资下半年，哪些方向值得关注？
AI投资的核心驱动力——算力
进入下半年，算力在AI投资领域的地位愈发凸显。它不仅是大模型持续迭代的根本动力，更是全球产业趋势投资的关键所在。
算力端的三条投资主线
围绕增量变化
AI服务器形态的转变，从传统的8卡向英伟达NVL36、72机柜方向发展，这一转变带来了诸多新的增量。其中，铜连接和液冷成为了新的关注点。铜连接的用量大幅增长，不仅在服务器内部的多个环节使用，不同机柜之间的互联也开始采用高速铜连接。液冷散热技术凭借其在功耗承载、机房PUE值和运营成本方面的优势，正全面应用于算力领域。
围绕份额变化
随着龙头公司订单的外溢，存储、PCB、电源等板块的产业链都呈现出高景气度，部分公司的市场份额得以提升。存储方面，显存价值在算力中心的占比较高，端侧设备的内存需求也在不断增加。电源方案也在不断升级，服务器采用Rack一体化设计，优化了电源管理。
围绕英伟达业绩增速
英伟达的业绩增速在一定程度上决定了整个算力产业链的估值区间。台积电对AI整体需求的乐观判断，以及其CoWoS产能的扩张，也为算力领域的发展提供了有力支持。
AI走向端侧的趋势与投资机会
端侧AI的主要投资趋势
DRAM的增加
随着端侧模型参数量的升级，对DRAM的需求也在不断增加。苹果和安卓手机在这方面都面临着挑战和机遇，未来手机DRAM的升级将至关重要。
安全问题与隐私计算
端侧设备的个人信息安全成为关键，安全芯片和算法的升级势在必行，部分手机大厂还将自建云上推理中心。
声学的升级
语音交互在AI时代的重要性日益凸显，声学器件的升级成为端侧的重要一环。
电池和散热的变化
端侧芯片算力的提升导致功耗增加，这对电池容量和散热材料都提出了新的要求。
iPhone17硬件新变化带来的需求
iPhone17硬件的新变化可能引发机器视觉检测设备需求的改变。
ArmPC的发展
凭借强大的AI能力、续航优势和相关支持，ArmPC成为各大厂的重点推出产品。
特斯拉引领的自动驾驶变革
特斯拉的FSDBetaV12.3成为首个使用端到端神经网络的FSD版本，在自动驾驶领域取得了显著进展。其数据驱动、上限高、迭代速度快和驾驶体验逼近人类等特点，使乘用车辅助驾驶能力大幅提高。对于L4级无人驾驶，特斯拉仍面临挑战，单车智能尚无法完全实现自动驾驶，国内车路云建设值得关注。
AI应用赋能各行业
大模型的应用在行业中遍地开花，金融、工业、教育、交通、军事、医疗等领域均已开始落地。金融端，大模型成为投研助手、财富管理虚拟人等；工业端，在CAD软件等方面提供人机交互和生成样本；机器人领域，智能化程度提升并替代部分简单任务；军事领域，大模型作为战场助手发挥作用；教育领域，成为虚拟教师；交通领域，车路云协同降低成本并提升管理；医疗领域，在影像和新药研发等方面不断深化。
AI投资面临的风险与挑战
尽管AI投资前景广阔，但也面临诸多风险。北美经济衰退预期增强，宏观环境不确定，国际环境变化影响供应链和海外拓展；芯片紧缺可能影响生产交付；信息化和数字化需求与资本开支不及预期；市场竞争加剧导致毛利率下滑；原材料价格上涨影响毛利率；汇率波动影响外向型企业；大模型算法更新迭代效果不及预期影响商业化落地；汽车与工业智能化进展不及预期等。
在AI投资的浪潮中，我们既要把握机遇，又要警惕风险，做出明智的投资决策。
相关问答
什么是算力在AI投资中的核心地位？
算力是大模型持续迭代的根本动力，决定了AI发展的速度和质量，也是全球产业趋势投资的关键。
端侧AI有哪些重要的投资趋势？
包括DRAM增加、安全与隐私计算、声学升级、电池和散热变化、iPhone17硬件新变化带来的需求以及ArmPC的发展。
特斯拉在自动驾驶领域的变革有何特点？
具有数据驱动、上限高、迭代速度快和驾驶体验逼近人类等特点。
AI在哪些行业有应用落地？
在金融、工业、教育、交通、军事、医疗等领域均已开始落地。
AI投资面临哪些风险？
包括北美经济衰退预期、国际环境变化、芯片紧缺、需求和资本开支不及预期、市场竞争、原材料价格、汇率波动、大模型算法更新迭代效果以及汽车与工业智能化进展等方面的风险。
如何看待大模型在行业应用中的作用？
大模型能提升行业治理能力，为各行业带来创新和效率提升，如金融的投研助手、工业的人机交互等。
