中信建投港美股AI科技汇报：算力框架复盘与产业格局分析

这份AI科技汇报的核心内容是分析AI智能的本质，指出算力与数据堆积是智能的核心基础，算法影响成本与效率但不决定智能上限。同时探讨了AI商业化与智能水平的相关性，强调当前国产模型智能水平已达到半年前海外顶尖模型的水平。汇报还分析了OpenAI等前沿AI实验室的商业化尝试，指出对话式产品交互成本高，更适合ToB高价值行业。此外，汇报还关注代码类业务的广阔市场空间，以及算力与算法对智能贡献比例约6:4的结论，指出价值链正从算力租赁厂商向模型厂商转移。

AI算力赛道的行业发展趋势呈现高景气度，特别是高带宽内存（HBM）已形成高景气共识并反映至业绩。内存公司如美光、闪迪等通过股票回购显示其发展信心，EPS仍有提升空间。CPU板块在代码类业务中的采购比例呈中长期提升趋势，英特尔、AMD等公司年内涨幅均超100%，尽管近期有所回落，但估值仍有扩张机会。同时，嵌入式存储（ESSD）、共置内存软件栈等细分新方向也受到关注，国内创业公司积极布局，但国产厂商因格局碎片化与客户工程能力不足，难以获得高溢价，仅能支撑细分龙头阶段性行情。

这份报告重点分析了AI智能的本质与商业化路径，特别关注算力、数据、算法对智能的贡献，以及AI商业化与智能水平的相关性。报告深入探讨了OpenAI等前沿AI实验室的商业化尝试与效率问题，对比了对话式产品与代码类业务的商业化差异。此外，报告还分析了代码类业务的市场空间与增长潜力，指出增长受限因素为供给侧而非需求端。在技术层面，报告关注了算力价值链的演变，从算力租赁厂商向模型厂商转移的趋势，以及顶尖模型差异化与英法优化层面的差距。最后，报告还分析了内存、CPU等硬件板块的发展动态与细分新方向。

当前AI市场现状呈现多元发展趋势。一方面，AI智能本质被重新认识，算力与数据是核心基础，算法影响效率但非上限，商业化路径多样，产品工程也可适配人类岗位实现商业化。另一方面，AI商业化与智能水平正相关但非严格正相关，对话式产品交互成本高，更适合ToB高价值行业，而代码类业务市场空间充足，头部公司仍有较大拓展空间。在技术层面，算力价值链正从算力租赁厂商向模型厂商转移，顶尖模型差异化仍存在，英法优化层面差距较小。内存板块中高带宽内存（HBM）已形成高景气共识，CPU板块在代码类业务中的采购比例呈中长期提升趋势，产能提升节奏较慢，估值仍有扩张机会。

研报提示了AI市场存在的几项风险。首先，OpenAI相关口径混乱，AR数据存在口径差异，7月AR环比增速放缓，市场存在悲观解读。其次，2025年上半年可能出现Skin Law放缓担忧，若前沿AI模型训练放缓，将冲击产业节奏。此外，四季度将有大量数据中心上线、新卡批量出货，OpenAI、Anthropic等或在四季度发布新模型，短期回调或为布局机会，但需关注供给释放后的增速变化。最后，需持续跟踪AI模型训练节奏、算力供给情况、细分技术方向落地进度等变量，这些因素都可能对AI产业发展产生影响。