迈睿动态丨专访CEO王浩宇：AI革命的终局是低成本

导语：

当市场还在讨论大模型究竟有多强、算力究竟有多贵时，真正决定未来产业格局与投资机会的，或许是另一个更底层的变量：智能，正在成为一种越来越便宜的资源。

如果说过去的工业时代，最重要的是能源成本；互联网时代，最重要的是信息传输成本；那么在人工智能时代，最值得重视的，很可能就是单位智能成本的持续下降。

近日，迈睿资产管理（Merit Asset Management）首席执行官王浩宇在一场深度访谈中，系统谈及AI革命的历史定位、技术演进、中美竞争，以及在此背景下资本市场的重估逻辑与资产配置方向。

在他看来，AI不是短期题材，也不只是概念叙事；它更像电力、蒸汽机、半导体那样，正在缓慢但坚定地重塑生产效率、商业模式与全球资本流向。

以下为访谈纪要。

主持人：如果把这一轮AI浪潮放到更长的历史周期里看，您会如何定义它的位置？

王浩宇：如果从历史纵深来看，我认为这一轮AI革命的意义，很可能不亚于互联网，甚至更接近于电力、蒸汽机、微处理器这类底层技术革命。

很多人觉得AI是这两三年忽然爆发的，但实际上，它已经走了很长的路。

若从1943年神经网络的早期研究算起，到今天已经超过80年。

也就是说，我们今天看到的，并不是一个突然出现的新事物，而是一场长期技术积累，在算力、算法和数据三者共振之后，进入了加速兑现阶段。

但即便如此，我们依然处于非常早期的位置。

ChatGPT推出至今不过3年左右，今天市场上主流的AI产品，未来回头看，大概率会像我们今天回看早期DOS系统一样——很重要，但也很原始。

所以从投资角度讲，AI不是一个已经走完的故事，而更像是一条刚刚进入主升段的长期产业曲线。

对我们而言，关键不只是看短期估值波动，而是看它能否持续提升全社会的生产率，并形成新的盈利池。

主持人：您刚才提到“底层变量”，如果只用一句话概括，您认为AI时代最关键的变量是什么？

王浩宇：我认为最核心的变量，不是模型越来越聪明，而是智能的单位成本正在快速下降。

这件事非常重要，因为它决定的不是一个产品能不能火，而是整个产业能不能大规模普及。

过去几年，大家直觉上会觉得AI很贵。

训练成本高，推理成本高，芯片贵，服务器贵，调用也贵。

但如果我们把时间拉长，会看到一个非常清晰的趋势：无论是token价格、推理成本，还是单位算力价格，都在明显下降，而且下降速度可能比过去半导体行业遵循的摩尔定律还要快。

比如过去几年，大模型推理成本已经出现了数量级下降；同样的任务，今天调用所需成本与两年前相比，很多场景下降了90%以上。

再往后看，随着模型压缩、架构优化、芯片迭代和供给扩张，这种下降趋势还会延续。

这意味着什么？意味着“智能”会像电力、带宽、存储一样，从少数人可用的高价资源，逐渐变成广泛供给的基础能力。

一旦到了那个阶段，AI带来的就不只是技术进步，而是商业社会的一次成本重估。

主持人：但现实情况是，市场仍然感到算力紧张，GPU供不应求。您怎么看这种现象？

王浩宇：我认为这是一个典型的产业发展阶段问题，并不奇怪。

历史上几乎所有重要基础设施行业都经历过类似过程：先短缺、再扩产、后过剩，最后完成商品化。

今天GPU短缺，本质上是因为AI需求增长速度太快，短期供给没有跟上。

但市场经济有一个很强的自我修复机制：一旦高利润和高预期出现，资本就会迅速进入。

我们已经看到，全球云厂商、芯片厂商、主权资本以及大型科技公司，都在持续加大资本开支。

几家头部科技公司未来几年的资本开支总额，市场预期已经来到数千亿美元量级。

换言之，今天的短缺，本身就在孕育未来的扩张。

所以我们的判断是，未来5到10年，算力大概率会经历从“稀缺品”走向“基础商品”的过程。

届时，真正长期值钱的，未必是“卖算力”本身，而是如何把廉价智能嵌入到具体行业里，形成高附加值的结果。

这也是迈睿在做AI投资时一个很重要的原则：我们既看基础设施，但更重视基础设施一旦便宜以后，谁最先把它转化为利润。

主持人：这是否意味着，未来不会只有“大模型一家独大”？

王浩宇：是的，我们更倾向于把未来AI生态理解为一个金字塔结构。

塔尖是极少数超大模型，承担最复杂、最通用、最难的任务。

这些模型会持续存在，也会继续占据技术制高点。

因为在很多高复杂度场景下，最强模型仍然具备不可替代性。

但塔基会更大，也更有商业厚度。那里会出现大量开源模型、小模型、行业模型和端侧模型。

它们会部署在手机、PC、汽车、机器人、工业终端和企业私有环境里，解决更具体、更高频、更讲究成本效率的问题。

从技术扩散规律来看，小模型对大模型能力的复现周期也在明显缩短。

过去一个领先能力，可能需要两三年才会被普及；现在很多能力，6到12个月内就会快速下沉。

这对投资来说非常关键。

因为这意味着，未来AI不会只是一场“谁最大谁赢”的游戏，而会是一个多层级、多终端、多行业的生态竞争。

塔尖决定高度，塔基决定厚度，而资本市场最终往往更偏好“有厚度、能兑现”的部分。

主持人：您如何看待中美在AI上的竞争格局？

王浩宇：如果客观地看，当前全球AI竞争的主轴已经非常清晰：真正具备系统性竞争能力的，核心就是美国和中国。

美国的优势在于前沿模型、先进芯片、顶级科研体系和成熟资本市场；

中国的优势在于工程落地、制造体系、数据场景、开源推进能力以及庞大的应用土壤。

二者各有长短，但都已经形成完整生态。

我们尤其注意到，中国在这一轮AI产业化过程中的追赶速度非常快。

无论是模型能力迭代、终端落地，还是国产算力替代、企业应用部署，都在加速。

举个更容易理解的例子：当一项技术从实验室走向商业化时，真正比拼的往往不是“谁最先发明”，而是“谁能更快把成本打下来、把产品铺出去、把产业链做完整”。

在这一点上，中国企业往往表现出更强的执行效率。

所以我们对中美AI格局的判断是：不是单边领先，而是双极竞争。

而这背后对应的投资逻辑也很清楚——未来全球最重要的AI资产、AI应用和AI基础设施，仍大概率集中在中美两大市场。

主持人：在这样的格局下，欧洲等其他地区是否正在掉队？

王浩宇：从产业竞争的现实角度讲，欧洲确实在这轮AI竞赛中显得相对被动。

问题不在于欧洲没有科学家，也不在于没有技术积累，而在于它在产业放大和监管平衡上，步伐偏慢。

一个技术革命的早期阶段，最需要的是试错、扩张和快速商业化；但如果一开始就把制度摩擦设得太高，企业的创新活力就会被削弱。

资本市场最怕的不是监管本身，而是不确定性。

对企业来说，如果创新收益还没有兑现，合规成本和法律责任先大幅上升，那么资金自然就会流向别处。

这也是为什么我们在全球配置中，更重视美国和中国的科技资产。

不是说其他市场没有机会，而是AI这样级别的产业革命，最终能承接大部分增量价值的，往往还是最有产业深度、资本深度和政策韧性的市场。

主持人：如果说“智能成本下降”是底层变量，那么商业模式会发生什么变化？

王浩宇：最先变化的，一定是定价逻辑。

现在很多AI服务仍然按token、按调用次数、按算力消耗收费，这没有问题，因为行业还在基础设施阶段，大家更容易按资源来计价。

但长期来看，这只是过渡状态。

一旦智能成本越来越低，客户就不会关心你用了多少token、多少参数、多少显卡。

他真正关心的是，你帮他省下了多少人力成本，提升了多少效率，带来了多少收入增长。

所以未来商业模式一定会从“卖资源”转向“卖结果”，从“按调用收费”转向“按价值收费”。

比如一个AI法律助手，客户不会因为它生成了几万字而付费，而会因为它把合同审阅时间从4小时缩短到20分钟而付费；一个AI销售系统，客户也不是为模型本身买单，而是为更高的转化率、更低的获客成本买单。

这也是迈睿看AI应用公司时非常看重的一点：它有没有嵌入真实工作流，能不能把技术优势转化为可量化的商业价值。

主持人：这是否意味着，应用层的机会可能比模型层更大？

王浩宇：至少从中长期回报的角度看，应用层很可能会跑出更多确定性机会。

模型层当然重要，它是这一轮AI革命的底座。

但任何底层技术在走向成熟之后，能力会扩散，成本会下降，竞争会加剧。

真正能长期留住利润的，往往不是底层能力本身，而是那些最懂行业、最懂客户、最懂流程的公司。

AI真正的护城河，不只在模型，而在垂直工作流的重构能力。

例如，写代码不是简单生成几行程序，背后还包括需求理解、上下文调用、测试、部署、协同；审合同也不是单纯摘要，而要结合法规、行业惯例、风险识别和责任归类。

只有真正进入工作流，AI才会从“好玩的工具”变成“离不开的生产力”。

所以从配置上，我们更看好那些能把多模型、多工具、多数据流整合起来，最终交付结果的应用型公司。

模型是发动机，但真正把车开起来、开到目的地的，是整套系统。

主持人：如果按照时间维度来看，未来1到3年，以及5到10年，您认为资本市场会看到怎样的演进？

王浩宇：如果分阶段来看，我认为可以这样理解：

第一阶段，未来1到3年。

市场仍然会围绕算力、模型能力、Agent框架、应用落地反复交易，波动很大，但主线明确。

这个阶段的关键词是：基础设施扩张、价格快速下行、应用开始筛选。

很多公司会在这一阶段迅速崛起，也会有很多公司因为商业闭环不清晰而掉队。资本市场会很热闹，但分化也会很剧烈。

第二阶段，未来5到10年。

AI会逐渐像电力和云计算一样，退到背景层。

到那个时候，大家不会天天讨论“你用了什么模型”，就像今天很少有人天天讨论“你用的是哪一家云服务”。

真正重要的是，谁利用这套基础能力，改造了行业效率，拿走了最大的利润池。

从资产定价角度看，这意味着价值中枢会逐步从模型层向应用层、平台层和产业升级层迁移。

今天很多所谓AI产品，未来都会被重做、被整合、被替代，这是很正常的。

主持人：回到投资层面。结合迈睿的投资思路，您会如何把这一轮AI革命转化为实际资产配置？

王浩宇：迈睿的思路一直比较明确：不赌单一路线，更重视确定性趋势下的多层次配置。

如果“智能成本下降”是大趋势，那么最直接的配置逻辑通常有三层。

第一层，是受益于需求扩张的基础设施资产。

比如算力芯片、服务器、光模块、数据中心、电力设备、散热系统等。

因为在AI大规模普及之前，基础设施一定先行。这些领域虽然波动较大，但在产业扩张前期往往具备较高弹性。

第二层，是技术扩散之后最先兑现利润的应用和平台。

也就是能把AI真正嵌入垂直场景、形成可复制收入模型的企业。

未来谁能把AI从“工具”做成“工作流”，谁的估值基础就更扎实。

第三层，是与AI并行共振的宏观受益资产。

例如铜、有色金属、电力链、自动化设备、高端制造。

这些看起来不像狭义AI，但它们往往是AI基础设施建设和全社会电气化升级的真实受益者。

我们一直强调，AI不是悬浮在空中的，它最终要落到电、算力、设备、制造与产业资本开支之中。

从区域配置看，我们依然更看好美股中的硬科技核心资产、港股与A股中的科技成长和高端制造主线。

美股的优势在于全球顶级创新资产集中；港股和A股的优势在于估值弹性、产业承接能力和政策支持力度。

主持人：如果用更简单的话概括，迈睿当前在AI时代的资产配置思路是什么？

王浩宇：可以概括成一句话：既配置“卖铲子”的，也配置“用铲子挖到金子”的。

“卖铲子”的，就是基础设施层——芯片、服务器、电力、光通信、数据中心；

“挖金子”的，就是应用层、平台层，以及借助AI实现效率重估的行业龙头。

同时，我们还会注意估值与节奏。因为再好的产业，也不意味着任何时候都可以不计成本地买。

AI是一条长坡厚雪的赛道，但路径不会是直线。

它一定伴随着泡沫、回调、分化和再出发。

所以我们的策略不是追逐最热，而是在确定性趋势中寻找“能兑现、看得懂、估值还能接受”的资产，并通过跨市场、多层次配置，平衡成长性与波动性。

主持人：最后，您如何总结这一轮AI革命对投资者最大的启示？

王浩宇：我觉得最重要的一点是：不要只看“谁更聪明”，而要看“谁能在智能变便宜以后，真正重构产业利润分配”。

因为技术革命走到最后，胜负往往不取决于最初的惊艳，而取决于谁能把新能力做成基础设施，谁又能在基础设施之上建立新的商业秩序。

对投资者来说，真正需要把握的，不只是热点，而是趋势背后的秩序变化。

AI不是一个短期口号，它更像是一场持续十年甚至更久的生产率革命。

而在这样的革命里，最值得重视的，往往不是一时最耀眼的公司，而是那些既顺应技术方向，又能够穿越周期兑现盈利的资产。

结语

回看整场访谈，王浩宇给出的并不是一个单点结论，而是一条相互连贯的逻辑链条：

从历史视角看，AI是一场基础技术革命；

从产业逻辑看，智能成本下降正在重塑供需关系；

从技术演进看，未来会形成“大模型在上、小模型在下”的金字塔生态；

从全球格局看，中美仍是最核心的两个竞争与创新中心；

从投资落点看，真正值得把握的，是基础设施扩张、应用落地和产业升级三条主线。

归根结底，未来最值得关注的，也许不是哪一个模型最强，而是当“智能”像电力一样越来越便宜、越来越普及之后，谁能最有效地使用它，谁又能因此获得最大的利润重估。