AI应用的三层研究框架及投资应用20260831

一、核心要点

1. AI应用研究体系采用AB两面逻辑，用于打破传统行业思维局限，挖掘AI投资机会。
   • A面：公司在互联网/移动互联网时代的资源禀赋与生态卡位，如出版国企的牌照资质与人文叙事属性。
   • B面：用三层研究框架分析公司在AI时代的生态布局，具体为表达性内容、生产性内容、决策性内容三层。

二、投资应用

1. 上市公司可按AB两面拆解：
   • 看不清B面的先用传统现金流PE估值。
   • 看得清B面的放入AI三层框架分析。
2. 标的需匹配AI三层框架：
   • 基础大模型。
   • 垂类模型/分发平台（如昆仑万维属于垂类模型与平台层）。
   • 用AI改造供给端的公司。
3. 新AI业务需采用新估值模型，按季度跟踪token消耗、变现及消费端数据迭代。

三、风险与关注

1. 避免被AI标的短期股价动态新闻带偏，需用AI应用、大模型的对应框架跟踪标的变化。
2. 需调整传统增量时代的ROE、净利润增速等核心指标，适配AI分母估值时代的财务跟踪逻辑。

四、音频原文核心内容

1. 任何上市公司均可用A、B两面拆解：
   • A面：公司在互联网/移动互联网时代的资源禀赋与生态卡位。
   • B面：用三层研究框架分析公司在AI时代的生态布局。
2. 三层研究框架：
   • 表达性内容（如影视、游戏，规模约6000亿）。
   • 生产性内容（规模可能达6万亿，如电影衍生创作）。
   • 决策性内容（容错率低，如医疗、税务、量化金融，规模大）。
3. 内容转化与用户反馈：
   • 内容之间可纯转化或串行转化。
   • 角色性内容可能反向成为表达性或生产性内容。
   • 选股范围因内容反馈和消费端数据回流而扩大。
4. 昆仑万维案例分析：
   • 技术大模型偏弱，属于垂类模型与平台层。
   • 拥有垂类模型、三大平台（慢剧、AI音乐）。
5. 估值模型调整：
   • 老业务用传统PE估值，新业务用token消耗、变现及消费端数据迭代。
6. 动态跟踪与指标调整：
   • 用AI应用十三讲和大模型十三讲框架跟踪动态变化。
   • 调整ROE、净利润增速等指标，适配AI分母估值时代。