2025年,，AI技術(shù)迎來密集迭代，如Grok 3,、DeepSeek稀疏算法,、GPT-4o免費(fèi)開放等。這些技術(shù)突破不僅優(yōu)化了AI性能,，還降低了訓(xùn)練與推理成本,，加速了AI應(yīng)用的商業(yè)化落地。這一系列事件對A股和港股科技板塊的投資邏輯產(chǎn)生了深遠(yuǎn)影響,，市場投資邏輯從關(guān)注算力基礎(chǔ)設(shè)施迅速向AI應(yīng)用端擴(kuò)散,，“AI+”成為市場關(guān)注的重點。

AI技術(shù)突破重塑了投資邏輯,。李濤指出,，AI技術(shù)突破增強(qiáng)了市場對AI技術(shù)的信心，改變了科技股估值邏輯,，投資者更看重企業(yè)技術(shù)創(chuàng)新與增長潛力,。技術(shù)優(yōu)勢企業(yè)將獲得更高的估值，帶來新的投資機(jī)會,，如AI醫(yī)療等領(lǐng)域前景廣闊,。翟森認(rèn)為,，未來開源基座模型將成為“數(shù)字公共品”,，廠商通過計算服務(wù)、工具鏈優(yōu)化獲取收益,，商業(yè)模式開始逐步清晰,。國內(nèi)與海外的技術(shù)代差消失，國內(nèi)科技巨頭未來有可能從AI產(chǎn)業(yè)的追趕者成為引領(lǐng)者,。張小郭表示,，AI技術(shù)突破不僅優(yōu)化了AI性能，還降低了訓(xùn)練與推理成本,，加速AI應(yīng)用商業(yè)化落地,，催生出新軟硬件產(chǎn)品，推動傳統(tǒng)IT架構(gòu)變革。市場投資邏輯從關(guān)注算力基礎(chǔ)設(shè)施轉(zhuǎn)向AI應(yīng)用端,，“AI+”成為焦點,。鄧心怡提到，DeepSeek的崛起標(biāo)志著中國AI技術(shù)在全球范圍內(nèi)的競爭力顯著提升,，其高性能與低成本的特性不僅推動了國內(nèi)科技股的估值重構(gòu),，還引發(fā)了外資對中國科技資產(chǎn)的重估。李延崢認(rèn)為,，DeepSeek帶來的影響可以總結(jié)為“算力平權(quán)”和“模型平權(quán)”,。算力端證明現(xiàn)階段有限的算力投入后訓(xùn)練強(qiáng)化學(xué)習(xí)，要比投入預(yù)訓(xùn)練增加模型參數(shù)更為陡峭的Scaling Law斜率,。應(yīng)用端,，DeepSeek已使得國內(nèi)各種應(yīng)用可以低門檻接入頂級模型。

DeepSeek-R1和Grok 3策略存在差異,。翟森表示,，DeepSeek-R1通過創(chuàng)新訓(xùn)練與開源模式，打造專業(yè)化,、低成本的推理引擎,，降低訓(xùn)練成本，側(cè)重在有限算力下創(chuàng)新算法,，將算力向推理端傾斜,；Grok 3追求通用性與實時功能，依賴強(qiáng)大計算能力和平臺整合,，沿襲北美大規(guī)模預(yù)訓(xùn)練路徑,。雖然二者策略不同，但投資邏輯本質(zhì)未變,，算法創(chuàng)新和大規(guī)模算力相互依存,。張小郭認(rèn)為，DeepSeek路線降低了AI技術(shù)的使用門檻,，催生AI應(yīng)用端的爆發(fā),，帶來眾多AI垂直應(yīng)用、端側(cè)AI硬件等方面的投資機(jī)會,。Grok路線重點依賴大規(guī)模算力,，投資機(jī)會主要集中在算力芯片、光模塊,、IDC,、云服務(wù)等算力基礎(chǔ)設(shè)施領(lǐng)域。李濤指出,，DeepSeek-R1通過優(yōu)化數(shù)據(jù)和算法,，追求效率和成本降低,，其開源特性推動了AI能力的民主化，促進(jìn)了技術(shù)的快速迭代和創(chuàng)新,。Grok 3則是通過大規(guī)模算力投入實現(xiàn)性能突破,，成為“大力出奇跡”的典型。鄧心怡認(rèn)為,，DeepSeek-R1聚焦“低成本 + 高性能”開源策略,，憑借低推理API價格和優(yōu)質(zhì)蒸餾小模型，降低AI開發(fā)應(yīng)用門檻,，推動技術(shù)普惠與生態(tài)共建,，在端側(cè)智能等領(lǐng)域投資價值巨大。Grok 3借助海外大規(guī)模算力集群,，提升模型邊際能力,，融合多模態(tài)和思維鏈能力，投資邏輯側(cè)重高難度思考推理應(yīng)用及前沿技術(shù)研發(fā),。李延崢表示,，Grok 3是預(yù)訓(xùn)練階段堆算力、做大模型參數(shù)的代表,，而DeepSeek-R1則在后訓(xùn)練和測試時間縮放方向上發(fā)力,，獲得比資源投入預(yù)訓(xùn)練更好的效果。具體到投資上,，預(yù)訓(xùn)練相關(guān)的投資主要依賴于海外AI大廠的資本開支,，而現(xiàn)在范式轉(zhuǎn)變后，應(yīng)用側(cè)和推理算力或會獲得更好的增長預(yù)期,。