
中信证券:预计中国头部科技资产吸引力逐步显现 关注国产大模型和算力制程

中信证券发布研报指出,预计 2025 年后中国 AI 资产吸引力将逐渐显现,头部 AI 公司有望实现稳健增长和盈利能力。随着美股科技股面临业绩和估值压力,中国科技资产的相对吸引力将增强,重点关注国产大模型、算力制程等投资机会。
智通财经 APP 获悉,中信证券发布研报称,ChatGPT 推出至今,美国 AI 资产获得全球投资人空前关注,该行判断,2025 年之后,中国 AI 资产的吸引力将逐渐显现,头部 AI 公司持续高投入、快迭代、勇于进取,有望获得稳健增长的营收乃至盈利能力,以及业绩驱动的阿尔法投资机会。头部 AI 公司估值相对美国可比公司具有明显比较优势,一旦美股科技股出现由 CAPEX 增长放缓导致的业绩和估值双重压力,中国资产吸引力将进一步显现。重点关注国产大模型、国产算力制程、智能驾驶和具身智能公司的投资机会。
中信证券主要观点如下:
市场回顾和展望:2024 年美股科技股领涨全球,该行预计 2025 年后中国头部科技资产吸引力将逐渐显现。
2024 年纳指上涨 34%,2022 年底至 2024 年底累计上涨近 100%。英伟达领涨美股科技巨头,2024 年上涨 171%,贡献同期纳指约 19% 的涨幅,2023 年至今累计上涨 831%。美股科技股盈利、估值双升,获得全球投资人空前关注。2024 年上证指数上涨 14%,A 股电子/通信/计算机/传媒/汽车指数分别上涨 17%/28%/17%/19%/19%,港股恒生科技指数上涨 17%,均跑赢指数。该行判断,未来 3-6 个月,AI 技术进步和应用落地或将驱动美股继续上行,直至科技巨头 CAPEX 增长放缓。一旦美股巨头出现盈利增速放缓和估值承压,中国 AI 资产的相对吸引力将进一步显现。2025 年,头部 AI 公司的持续投入有望逐渐体现在业绩中,估值亦较美股可比公司具有明显比较优势,头部港股科技公司的估值优势更显著。
国产 AI 模型:AI 模型公司的业绩有望持续高增长,模型即基础设施驱动 B 端需求,模型即应用驱动 C 端需求。
字节跳动豆包模型能力持续提升,SuperCLUE 通用大模型基准测评 2024 年度榜单现实,豆包处于第一梯队前列。据 aicpb 网站,豆包 APP 的月活用户已达 7116 万,居国内榜首。据 2024 火山引擎冬季 Force 原动力大会,2024 年 12 月豆包大模型日均 token 调用量已达 4 万亿次,较 5 月增长 33 倍。该行判断,豆包的使用量和渗透率仍处于高速增长阶段,日均 token 调用量仍将持续高增长。商业模式看,模型即基础设施,豆包模型能力提升的同时亦显著降价,B 端客户如手机、汽车、智能终端等对豆包的调用量持续提升;模型即应用,C 端客户的 MAU 和日均 token 使用量均有较大提升空间。提示两类相关投资机会:1) 字节跳动算力链 IDC 公司,2) 拥有同类产品的头部互联网公司。
国产算力制程:AI 算力的核心竞争是先进制程芯片能力,晶圆厂作为核心战略资产地位料将持续强化。
外部制裁导致 “可用先进制程” 稀缺性显著增强,供需关系由全球匹配转向有限的国产方案。美国对华 AI 和半导体限制趋严,1 月 13 日,拜登政府正式宣布对 AI 芯片的出口实施新的全球性管制措施,对中国大陆的先进 AI 芯片采购实施严格管控。中国模型公司在采购英伟达芯片的同时,也需战略性考虑国产 AI 芯片供给。对于国产 AI 芯片公司而言,“国际先进制程” 的可获得性降低,“可用先进制程” 的稀缺性提高。国内手机、算力、CPU、智能驾驶等领域将持续拉动先进制程需求,中芯国际 (688981.SH) 作为目前国内领先的具有先进制程能力的晶圆代工厂,可望迎来需求、盈利能力和估值的同时提升。
智能驾驶和具身智能:汽车智能驾驶是 AI 应用率先落地的场景,并可望泛化到具身智能和低空经济领域。
VLM+ 端到端技术驱动汽车智能驾驶从 “可用” 到 “好用”,从 “功能” 到 “体验”。融合高速 NOA 和城市 NOA 的 L2+ 智能驾驶逐渐进入普及期,该行预计 2024、2025 年 L2+ 智能驾驶渗透率分别为 14% 和 30%,主要由于比亚迪 (002594.SZ)、小米、华为等车企将驱动数百万量级的汽车智能化。融合了视觉、语言、动作的 VLA 模型被视为下一代智能驾驶的关键技术,VLA 技术亦适用于机器人。特斯拉 (TSLA.US) 引领汽车企业入局具身智能,小米、小鹏汽车 (09868)、比亚迪等车厂跟进;傅里叶、银河通用、星动纪元、智元机器人等出现在 CES2025 英伟达的发布会上。此外,车企还在积极参与低空经济,如小鹏汇天、吉利沃飞等。
风险因素:
地缘政治和贸易摩擦加剧的风险,产品出口受阻或产品竞争力减弱的风险,宏观经济增速不大预期的风险,AI 技术进展和应用落地速度不达预期的风险等。

