本篇研究是拾象团队过去半年关于 AI 投资的思考总结，既包括 AI/LLM 前沿趋势追踪，也有对二级市场 AI 板块投资主线和关键公司的分析，我们希望在一二级融合的视角下，为市场输出更全局的 AI 投资参考。本研究总结了拾象团队对AI投资的半年思考，涵盖前沿趋势和二级市场AI板块分析。我们旨在提供全面的AI投资视角。一级市场方面，AI创业公司颠覆巨头的能力有限，往往为大公司提供创新样本，价值多被大公司捕获。二级市场上，AI正成为科技股增长的驱动力。例如，Mag 7公司均有AI布局，特别是英伟达，其股价2023年显著超越S&P 500和Nasdaq 100。拾象推出的AGIX指数ETF $KraneShares Artificial Intelligence and Technology ETF(AGIX)$ 因追踪AI受益公司表现优异。AGI的潜力巨大，类比Apple自2008年iPhone发布以来股价的巨大增长。我们认为，科技革命带来的长期投资回报难以预测，这也是我们看好英伟达市值将达5万亿美元的原因之一。文章还详细分析了英伟达的增长路径。在二级投资中，拾象聚焦5大AI投资主线：算力、云基础设施、端侧、互联与软件，并对AGIX指数中的英伟达、Amazon、Apple、博通及Servicenow等重要公司进行了基本面梳理。01. 如何在二级市场捕获 AI Alpha？当一个大的科技革命到来的时候，长期的投资回报是非常可观的：iPhone 在 2008 年上市，Apple 当年的股价从 8 美元涨到了 10 美元，16 年过去后，Apple 现在的股价在 230～240 美元之间。16 年的时间里，Apple 公司的股价涨了 15～16 倍。考虑到我们现在其实还处于 AI 革命的早期，所以

2025年1月，AGIX 指数发布正好半年，我们在做半年回顾的时候，DeepSeek R1 引爆美股，成为2025年科技股的第一只黑天鹅。而 AGIX 指数扛过了波动，成为一个明显的受益者。 其实从 2024 年 6 月发布后至今，AGIX 一直在跑赢 Nasdaq100 （即跑赢 QQQ），并在 AI 叙事从硬件向 Infra、应用迁移的过程完美覆盖了 $Palantir Technologies Inc.(PLTR)$ 、 $Vertiv Holdings LLC(VRT)$ 、 $博通(AVGO)$ 、 $多邻国(DUOL)$ 等 AI 牛股的最大涨幅，其中， PLTR 从 AGIX 发布到今天涨幅已经超过 4 倍。 在整理 AGIX 指数表现的过程中，我们也看到了不少让人惊喜的数据，这些数据具像化、定量地论证了 AGIX 方法论的有效性，对于长期关注 AGIX 的美股投资者朋友们来说，通过这些数据也能更容易理解为什么 AGIX 指数可以成为“一键参与 AI 投资”的最强辅助： • 2024 年，AGIX 全年回报为 44.64%（Nasdaq100 为 27.00%）， • 2024 年 7 月，Kraneshares 推出了追踪 AGIX 指数的 ETF 产品 $通用人工智能 ETF-AGIX(AGIX)$ ，在这之后的半年， AGIX 的回报就达到

道琼斯工业指数代表了工业革命的成熟，纳斯达克 100 指数代表了互联网科技革命，而我们设计并发布的 AGIX 指数 $KraneShares Artificial Intelligence and Technology ETF(AGIX)$ 代表的是新一轮 AI 革命。 作为技术热爱者和 AGI 的坚定信仰者，拾象团队全身心投入到硅谷一线，走访和调研 LLM 行业，对模型技术和 AGI 进程有深入理解；作为投资人，我们坚持研究全球最优质的公司，亲身感受到从移动互联网到云计算，再到 AI，每一次技术范式的转变，都需要全新的框架和 mindset 来做判断。 AGIX指数是我们过去三年研究海外科技公司和 LLM 行业后沉淀的产品，我们既对 AGI 的远期未来抱有坚定信仰，也希望用客观的框架观察近期的动态演进。 AGIX 指数从上千家上市公司中层层筛选至 50 家左右，并随着行业发展调整数量和权重，帮助我们感受 AI 价值在不同领域和板块之间的流动。根据对过去六年的回测，AGIX 的年化收益率为 29%，今年的 YTD 涨幅是 22.69%。 随指数一同发布的还有 AGIX 潜力模型，AGIX 潜力模型是纳入 AGIX 指数公司的框架标准，由此我们能更直观感受到优秀的 AGI 公司，如何从早期探索者逐渐成为行业 leader，也更期待随着 AI 时代“苹果”、“英伟达”的上市，他们可以不断被纳入 AGIX 指数。 AGIX 指数将延续拾象一直以来坚持的开源精神和“公共品”属性，欢迎更多朋友一起讨论和提出建议，共同把 AGIX 指数打磨成 AGI 浪潮中的价值工具。 (1) Why Now：为什么现在需要 AGIX 指数？ 我们正站在新一轮超级生产革命的开端。 过去两年，我们经历了 AI 行业动人心魄的

尽管OpenAI凭借其高昂的投入和大众知名度在人工智能领域占据主导地位，但其竞争对手Anthropic（同时也是AGIX $通用人工智能 ETF-AGIX(AGIX)$ 持仓之一）正凭借截然不同的商业策略，悄然崛起为更具实力的商业竞争者。据《华尔街日报》报道，这家由亚马逊和谷歌支持的公司，正在企业服务市场展现出强大的盈利能力。 两家公司的核心差异在于其收入策略。OpenAI主要通过消费者产品ChatGPT盈利，其企业客户收入仅占总收入的约30%；而Anthropic则将业务重心完全放在企业客户上，其企业收入占比高达80%。这种专注企业服务的模式正带来丰厚回报。目前，Anthropic的年化收入已达到约70亿美元，并有望在年底接近90亿美元。虽然这一数字低于OpenAI的130亿美元，但考虑到其用户规模，Anthropic的单位用户收入远高于对手。 Anthropic的成功源于其产品Claude模型在企业核心应用场景中的卓越表现。在编程、法律文书和金融分析等对准确性和可靠性要求极高的领域，Claude备受赞誉。一项调查显示，在AI开发者中，Anthropic占据了42%的编程市场份额，而OpenAI仅为21%。甚至连OpenAI的最大合作伙伴微软，也已宣布将Claude模型集成到其Copilot软件中。独立的行业评估也表明，在多项商业导向的基准测试中，Claude的表现优于OpenAI的最新模型。 与此同时，OpenAI虽然拥有庞大的用户基础，但在商业化上却面临挑战。其消费者业务的变现途径有限，而大众化的平台定位（例如近期允许成人对话等举措）也可能使其在注重合规与精确度的企业客户眼中显得不够专业，从而削弱其作为商业工具的吸引力。 尽管OpenAI的首席执行官Sam Altman曼依然是公众焦点，但

大模型的发展离不开超大规模数据中心的支持，随着 AI 模型规模的不断扩大，所需的算力随之增加，这直接导致了对电力的巨大需求。电力是支撑数据中心运行的基石。例如，一个 10 万 GPU 的集群仅在电力上的年支出就高达 1.239 亿美元，相当于 15 万个家庭一年的用电量。因此，除了以 $英伟达(NVDA)$ 为代表的芯片股之外，电力概念公司同样也是 AI 浪潮下的受益者。值得关注。 目前，数据中心的电力问题主要体现在两个方面：供应能力和成本控制。 目前还没有单个数据中心能够承载10万GPU集群所需的150MW电力。这导致必须将集群分布在一个园区内，而非单一建筑，增加了设计和运营的复杂性。 电力成本占据了数据中心总成本的很大一部分，如何有效控制电力成本成为数据中心运营的关键。 面对电力挑战，数据中心运营商和硬件供应商正在探索多种解决方案。其中包括： 优化设计：通过优化数据中心的机架布局和网络设计，减少电力损耗，提高能效比。 采用新技术：使用更高效的电源供应单元(PSU)和网络接口卡(NIC)，减少每个GPU的额外功耗。 开发可再生能源：利用太阳能、风能等可再生能源，降低数据中心的碳足迹，同时可能减少长期电力成本。 在此背景下，我们也精选出一些电力相关公司进行总结： $Bloom Energy Corp(BE)$ ：能源技术公司，专注于固体氧化物燃料电池（SOFC）技术 Bloom Energy 是一家美国能源技术公司，专注于开发和销售固体氧化物燃料电池（SOFC）系统，这些系统通常被称为Bloom Boxes或Bloom Servers，这些产品旨在通过使用天然气或生物气等燃料产生电力和热量。其燃料电池系统通过电

芯片是 $KraneShares Artificial Intelligence and Technology ETF(AGIX)$ 的重要组成板块，AGI 大基建时期的当下，芯片是一定能捕捉到最多价值的板块，短期的市场波动并不影响芯片股们捕捉价值的能力。如果科技公司持续在 AI 进行投入，那么芯片就值得押注。在这个领域除了提供最大共识 $英伟达(NVDA)$ 外， $博通(AVGO)$ 、 $迈威尔科技(MRVL)$ 、等“互联”概念股同样涨势优异。 为什么互联值得关注？ 前几天 Elon Mush 高调披露的 10 万卡液冷 H100 超级算力中心备受关注，大规模算力中心建设，不光是掏钱买卡的事情，如何把千卡、万卡、十万卡规模的设备高效互联互通，才是难点。否则，即便投入海量资源建设算力中心，如果卡的性能因为互联原因受限，也难以实现投资价值。xAI 就采用的是英伟达的 Spectrum-X网络连接解决方案。 互联环节是计算中心除了计算芯片之外的第二大 Capex，并且随着 datacenter 规模的提升，互联成本的占比也会增加。以 Meta 的 24k-GPU 计算集群为例，Compute 部分成本为 68.2%，而互联占到了 23.9%。剩余部分则是存储、电力等。 Meta 24k-H100 集群支出 而在 100k-GPU 的情况下，互联则占到了 25.8%，计算芯片的占比为 65.5%。 为了适配下一代模型训练，扩容仍是数据中心的升级方向。在这一背