投資A股時，怎么看硬科技公司？

如今，AI正作為新一輪科技革命的新引擎，重塑著全球投資格局。在A股市場，地產、金融等傳統板塊熱度消退，而AI引領的半導體、算力基建、高端制造等則在持續“吸金”，這其實是中國經濟換引擎、國家戰略調整、資本市場重定位的合力寫照。

中歐國際工商學院決策科學與管理信息系統學教授譚寅亮認為，在未來較長一段時間，A股最值得關注的結構性機會，并非泛泛意義上的“科技股”，而是處于人工智能產業鏈關鍵環節，同時位于國家戰略、產業升級與全球競爭三重交匯點的硬科技資產。其中，圍繞AI算力基礎設施形成的產業鏈，有可能成為A股新一輪核心資產重估的主線。

01

國家戰略下，為硬科技重新定價

要想理解A股科技板塊的價值重估，應先理解資本市場自身功能的變化。

過去討論資本市場，更多強調其融資、交易與財富管理職能。但在中國經濟邁向高質量發展的新階段，資本市場被賦予了服務國家戰略和新質生產力發展的特殊使命。

2024年4月發布的新“國九條”提出，提升對新產業、新業態、新技術的包容性，更好服務科技創新、綠色發展、國資國企改革等國家戰略實施和中小企業、民營企業發展壯大，促進新質生產力發展。加大對符合國家產業政策導向、突破關鍵核心技術企業的股債融資支持。

2025年政府工作報告提出“持續推進‘人工智能+’行動”“支持大模型廣泛應用”。

2026年政府工作報告提出，深化拓展“人工智能+”，促進新一代智能終端和智能體加快推廣，推動重點行業領域人工智能商業化規模化應用，培育智能原生新業態新模式。

這意味著，資本市場對科技企業的支持，已從單純的融資工具，演變為創新體系的有機組成部分。

科技企業天然具有研發周期長、資本開支大、跨周期融資需求旺盛、產業生態協同要求高等特征。如果資本市場不能有效發揮跨期資源配置功能，關鍵核心技術突破的社會成本將顯著上升。

從這個意義來看，A股對硬科技企業的重新定價，并不是簡單的風險偏好回升或主題炒作，而是市場功能調整后的內生結果。

真正具備長期生命力的科技企業，必將是那些能夠服務國家產業升級、突破關鍵技術瓶頸，并最終形成穩定商業閉環的企業。

02

AI競爭的本質

AI已成為全球科技競爭的主戰場。全球科技博弈的焦點，正從傳統貿易、制造、互聯網平臺領域，進一步向AI模型、先進芯片、算力基礎設施、能源供給與供應鏈控制能力等縱深領域延伸。

AI競爭看似算法與軟件之爭，但其底層邏輯是硬件與基礎設施之爭：沒有足夠的算力，大模型訓練無法開展；沒有高效的數據中心，大規模推理難以為繼；沒有穩定的電力供應、先進封裝、高速互聯與散熱系統，AI應用就難以大規模落地。

這一判斷已為權威數據所印證。國際能源署（IEA）于2025年預測，到2030年全球數據中心用電量將達到約945太瓦時，較2024年水平接近倍增；據部分研究機構測算，2026年全球數據中心耗電量可能達到1000太瓦時；咨詢機構Gartner曾預測，2025年全球生成式AI支出達到6440億美元，較2024年增長76.4%，其中約80%流向硬件領域，尤其是集成AI能力的服務器與計算設備。

國際科技巨頭的資本支出節奏，提供了另一個直觀注腳。

根據公開披露數據測算，亞馬遜、谷歌、微軟、Meta這4家國際科技巨頭2024年合計資本開支約2300億美元，2025年合計指引約3200億美元。到2026年，全球九大云廠商，合計資本開支預估上修至8300億美元，同比增幅高達約79%。

中國頭部互聯網企業同樣加快布局。字節跳動2025年資本開支已超過1500億元人民幣，2026年預算指引進一步上調至約1600億元，其中約一半用于AI芯片采購；阿里巴巴宣布，2025—2027年累計投入3800億元以上資金用于云與AI基礎設施建設；騰訊2025年資本開支已達到千億元級別。

一系列數據傳遞出一個清晰信號：AI不再只是數字經濟中的一個應用，而是正演化為新一代國家級、全球級的基礎設施。它將同時影響半導體、服務器、光通信、PCB、銅箔、液冷、電源、電網與儲能等多個產業鏈條。

研判AI產業的投資機會，僅盯著模型公司或應用軟件公司遠遠不夠，更重要的是審視支撐AI運行的底層產業鏈——誰能夠解決算力、傳輸、散熱、供電與材料瓶頸，誰就有望在新一輪產業周期中獲得超額價值。

03

Token（詞元）調用量：

理解AI算力需求的關鍵經濟變量

過去市場討論AI算力，更多關注的是大模型訓練。訓練固然消耗大量GPU和高性能服務器，但未來更大規模的算力需求可能來自推理側——特別是來自AI Agent和企業級AI應用所驅動的高頻、持續調用。

一個普通問答場景僅對應一次輸入和一次輸出。但AI Agent完成一項復雜任務，需搜索、讀取文件、調用工具、拆解任務、反復校驗并生成結果，背后可能對應數十次乃至上百次模型調用。

企業級AI應用還會進一步接入ERP、CRM、供應鏈系統、財務系統和審批流程。AI的使用量將不再是線性增長，而是呈現階梯式擴張。

這一判斷已經獲得明確的數據驗證。以國內月活規模最大的AI應用豆包為例，其日均詞元調用量在2026年3月已突破120萬億，3個月內倍增，相比2024年5月首次推出時增長約1000倍；截至2026年3月，其月活用戶達到3.45億。

從供給側觀察，截至2025年6月底，我國在用算力中心標準機架達1085萬架，智能算力規模達788 EFLOPS（FP16精度）。

中國信通院《先進計算暨算力發展指數藍皮書（2025年）》顯示，我國計算設備算力總規模達962 EFLOPS，全球占比約21%，同比增速高達73%，其中智能算力同比增速更高達96%，占比達81%。

這種“調用量與算力供給同步指數級擴張”的現象，正是AI從訓練驅動轉向推理驅動的關鍵體現。

由此可以勾勒出一條清晰的產業傳導鏈條：AI應用滲透率上升→Token調用量加速增長→推理算力需求擴張→AI數據中心建設提速→服務器、GPU、光模塊、CPO、PCB、HVLP銅箔、先進封裝、液冷、電源、儲能、電網設備等環節需求被持續拉動。

這一鏈條的核心命題，不是“AI概念很熱”，而是“AI使用量正在持續轉化為基礎設施需求”。只有當AI真正進入工作流、生產流和生活流時，算力需求才能從階段性投資變為持續性消耗。

當然，模型效率提升是一個重要的對沖變量——更高效的模型可降低單位任務算力消耗，但只要應用擴張速度持續快于效率提升速度，算力基礎設施的總需求仍將處于上升通道。

從當前企業級AI和Agent應用的成熟度看，需求釋放可能才剛剛開始。

04

如何看待A股硬科技瓶頸環節？

看好科創方向，并不意味著所有科創概念股都能獲得長期回報。資本市場最終獎勵的不是概念，而是收入、利潤、現金流與可持續的競爭壁壘。

中國過去10余年的產業實踐已經反復證明這一點。真正能夠穿越周期的企業，往往具備明確的技術壁壘、嚴格的客戶認證、穩定的成本優勢、全球化競爭能力，以及較強的現金流管理能力。

因此，AI算力鏈條中最值得長期關注的，是那些處于真實瓶頸環節的企業。

具體而言，高速光模塊和CPO（共封裝光學）解決的是算力集群內部的數據傳輸瓶頸；高端PCB、CCL和HVLP銅箔解決的是高速信號傳輸和低損耗材料的瓶頸；先進封裝解決的是芯片性能躍升與系統集成的瓶頸；液冷、電源與儲能解決的是高功耗服務器的散熱與供電瓶頸；變壓器與電網設備解決的則是AI數據中心的電力接入與穩定運行瓶頸。

以光通信為例，預計2024—2029年，全球光模塊市場規模將以約22%的年復合增長率擴張，2029年有望突破370億美元。

研究機構LightCounting預測，2025年全球800G光模塊出貨量將增長到1800萬至1990萬只，1.6T產品也已進入商用元年。

在這一背景下，中國龍頭企業的財務數據表現強勁，不僅在北美超大規模數據中心市場占據領先份額，還在1.6T光模塊、CPO等下一代技術路線上建立先發優勢。

這些環節的共同特征是：它們不是簡單的概念延伸，而是AI算力中心建設過程中須實質性解決的真實約束。

只要全球算力中心繼續擴張，這些環節的需求就會持續釋放，相關企業的收入與利潤彈性就有望持續兌現。

05

全球AI硬科技產業的分工格局

關于A股硬科技的投資機會，須將其置于全球人工智能產業分工的大格局中加以審視。

當前，AI硬科技產業已形成一個高度專業化、深度全球化、彼此強依存的分工體系。不同經濟體憑借各自的技術積累與產業稟賦，分別占據了產業鏈的關鍵環節，共同支撐起全球AI算力的龐大基座。

美國主導高端芯片設計與底層生態。

在AI算力最核心的GPU環節，英偉達占據全球AI服務器加速芯片市場80%以上的份額，2025年成為全球首家半導體銷售額突破1000億美元的供應商，并貢獻了當年全球半導體行業增長的35%以上。

更關鍵的是，美國不僅掌握芯片設計的制高點，還通過CUDA軟件生態、EDA設計工具及高端半導體設備，構筑起難以替代的產業壁壘。

韓國主導HBM（高帶寬存儲）。

AI芯片的算力發揮高度依賴與之配套的高帶寬內存，韓國企業在HBM市場優勢明顯。SK海力士2025年HBM市場份額超過60%，幾乎獨家供應英偉達。

三星電子緊隨其后。在當前的“AI內存超級周期”中，單個HBM3E模塊售價約為同容量普通DDR5內存的10倍以上，存儲巨頭的盈利能力因此大幅提升。

存儲，已從過去的周期性大宗商品，成為AI算力的稀缺戰略資源。

中國在光通信、PCB等高速互聯與連接環節確立全球領先地位，同時加快算力芯片的自主突破。

在連接AI集群的光模塊領域，中國企業已占據全球主導地位，在北美超大規模數據中心市場占據領先份額（前文所述龍頭企業的業績高增長正是這一地位的直接體現）。

在承載高速信號傳輸的高端PCB、CCL、HVLP銅箔等材料環節，中國企業同樣具備較強的全球競爭力。

與此同時，面對外部高端芯片的出口管制，以華為、寒武紀、昆侖芯為代表的國產算力芯片正加速追趕，國產化進程在政策與市場的雙重驅動下持續推進。

這一格局對A股硬科技投資具有雙重啟示。

一方面，中國在光模塊、PCB等環節已具備全球競爭力和真實業績支撐，這些環節既深度受益于全球AI產業的擴張，又不易被單一國家的政策影響，構成了當前確定性最強的投資主線。

另一方面，在高端芯片、先進制程、HBM等環節，國產化既是必然方向，也孕育著長期成長空間，但應清醒認識到，這些環節的突破需要時間，相關企業當前多處于高研發投入、尚未盈利的階段，估值波動也更為劇烈。

理解中國在全球AI產業鏈中的真實位置，是在這一波瀾壯闊的產業浪潮中區分確定性機會與風險性博弈的前提。

06

從產業方向到業績驗證的估值錨定

A股市場的一個顯著特征，是對產業趨勢的反應較為迅速。一旦形成共識，股價往往會提前數年反映未來增長預期。這既蘊含機會，也潛藏風險。

對投資者而言，判斷AI算力基礎設施鏈條不能只看方向是否正確，還要看價格是否充分反映預期。

一個行業長期向好，并不意味著用任何價格買入都能獲利。特別是當某些細分龍頭股價在短期內大幅上漲之后，市場可能已進入情緒定價階段。在這種情況下，股價的后續表現將更多取決于業績兌現速度能否跟上估值擴張速度。

因此，在篩選硬科技資產時，不妨重點考察五個維度。

第一，是否真正進入AI數據中心核心供應鏈（而非邊緣配套）；

第二，是否通過關鍵客戶認證并實現穩定批量供貨；

第三，新產品毛利率是否顯著高于公司傳統產品；

第四，擴產之后能否維持供需偏緊的格局；

第五，收入增長能否轉化為利潤和經營性現金流。

只有同時滿足上述條件的公司，才有可能從主題投資標的真正走向長期配置價值標的。

AI基礎設施浪潮帶來的另一個深層影響，是資本市場要重新理解硬科技公司的估值方法。

對于傳統行業，更多關注利潤穩定性、分紅能力與周期位置；對于互聯網企業，更多看用戶規模、網絡效應與平臺變現；而對于硬科技企業，則要同時考慮研發能力、客戶認證、技術路線、產能建設節奏與產業周期位置。

這對投資者提出了更高要求。投資AI算力鏈條，不能只看靜態市盈率，也不能只看短期訂單。

不少硬科技企業在早期階段利潤并不穩定，但若其產品恰好處于關鍵技術升級節點，未來可能獲得顯著的收入彈性。

反之，如果一家企業僅有概念卻缺乏技術壁壘和客戶驗證，即便短期內漲幅可觀，也難以支撐長期估值中樞的抬升。

對監管層與市場機構而言，同樣要推動形成更加理性的科技定價體系。一方面，確保真正具備核心技術與產業價值的企業獲得有效融資支持；另一方面，警惕概念炒作、過度融資與低水平重復建設的風險。

資本市場服務新質生產力發展，絕非簡單地推高科技股估值，而是要切實提升資源配置效率，使資本流向真正具有創新能力和產業貢獻的企業。

07

走向“AI基礎設施主線”

綜合來看，AI正在推動新一輪產業基礎設施建設。它不僅改變了軟件和互聯網行業，也將深刻重塑電力、制造、材料、通信與半導體產業。

對于中國資本市場而言，未來真正值得長期重視的，可能不是短期的AI概念炒作，而是圍繞AI基礎設施形成的硬科技系統性重估。

在當前AI產業的全球分工格局中，中國憑借光模塊、PCB等環節已占據一席之地，并正沿著算力芯片自主化的方向持續突破。這既是產業現實，也是投資邏輯的起點。

當然，長期方向正確不等于短期沒有波動。在進行硬科技投資時，仍要尊重產業周期、估值規律與業績驗證的基本邏輯。

放眼未來10年，中國資本市場的核心資產構成將發生深刻變化，可能更多來自AI基礎設施、高端制造與關鍵技術突破。AI算力中心，正是觀察這一歷史性轉變最重要的窗口之一。

教授簡介

譚寅亮博士是中歐國際工商學院決策科學和管理信息系統學教授。他曾在斯坦福大學人工智能研究院和數字經濟實驗室擔任訪問學者。在加入中歐之前，他是美國休斯頓大學C.T. Bauer（鮑爾商學院）決策和信息科學終身教授，鮑爾講席教授，DBA項目主任，以及供應鏈管理方向系主任。他還擔任了休斯頓大學人工智能研究中心副主任和慧與科技（HPE）數據科學研究中心資深研究員。在此之前，他在美國杜蘭大學Freeman School of Business（弗里曼商學院）管理科學方向擔任助理教授，副教授和戈德林國際教育中心行政主任，并獲得終身教授與講席教授職位。

原文于2026年7月2日刊發于《上海證券報》，本文略作編輯刪減。

投資有風險，入市需謹慎。本文不構成任何具體投資建議。

封面和文中圖片由剪映AI生成。

編輯| 李鈺婷

責編| 岳頂軍

關注中歐官方視頻號

點擊咨詢中歐課程