推荐一下Maverick Capital的两位联席 CIO最新播客。

最早市场买的是 GPU，尤其是训练大模型所需的算力。但到了现在，AI 交易已经扩散到更大的范围，包括：

硬件基础设施、数据中心、能源、电力、半导体设备、材料、软件、服务，以及被 AI 影响或颠覆的行业。

也就是说，AI 已经从一个单点技术主题，变成了一个巨大的资本开支周期。

过去四年美股上涨，很大程度上由 AI 建设推动。那么这个趋势能不能持续？

所以关键在于，AI 的商业化兑现速度，能不能匹配当前基础设施建设的速度。

如果基建跑得太快，而应用落地跟不上，中间就会出现问题。

播客中提到了一个概念，air pocket。

它指的是这样一个阶段：

前一阶段，市场主要投资 AI 训练基础设施，比如 GPU、数据中心、电力、半导体设备；

后一阶段，市场期待 AI 应用真正爆发，比如企业软件、AI agent、代码生成、办公自动化、知识工作效率提升。

但问题是，中间可能会有一个断档期。

训练基础设施建设的增速开始放缓，但应用端的需求还没有完全爆发。这个时候，市场会发现：

前面的资本开支已经很大，但后面的收入和生产率提升还没有完全接上。

一个长期正确的产业趋势，也可能在中途出现剧烈波动。

AI 需求能否继续，取决于应用能否从 coding 扩散到更广泛的知识工作。

市场需要看到 AI 应用从代码生成，扩散到更广泛的知识工作场景，比如：企业办公、数据分析、客服、销售、研发、财务、法律、咨询、内部流程自动化等。

只有这些应用真正铺开，才能支持未来几年 AI 基础设施的需求预期。

如果 AI 只是 coding 很强，还不足以支撑整个产业链的远期资本开支预期；必须看到 AI agent 和推理应用进入更广泛的企业知识工作流。

这一轮 AI 和过去二十年的科技投资有一个巨大反转。

在 2000 年代和 2010 年代，科技行业的大部分价值主要集中在软件应用层。

互联网、移动互联网、SaaS、平台型公司，往往是利润最高、估值最高的地方。

但 AI 这一轮早期不是这样。

AI 早期的价值，反而集中到了硬件和基础设施层。

也就是：GPU、芯片、晶圆厂、设备、材料、数据中心、电力。

现在这个趋势可能正在发生变化。

AI 交易可能开始从上游硬件，重新往下游移动。

也就是说，下一阶段的重点可能不只是“谁提供算力”，而是：谁能真正服务 AI，谁能把 AI 嵌入企业，谁能用 AI 改造业务流程。

特别提到几个方向：CPU、数据库、企业工作流、软件栈、AI agent、应用层。

这背后有一个重要认识：过去有人以为，大模型会像一个孤岛一样存在。企业有什么问题，都直接扔给 LLM，LLM 给出答案。

但现实不是这样。

现实中的 AI agent，需要和企业原有系统深度结合。

它要调用数据库，要读取企业内部文件，要连接 CRM、ERP、办公软件、代码库、财务系统、客服系统，还要嵌入原有工作流程。

所以，真正有价值的地方，不只是模型本身，而是：大模型和企业现有软件、数据、流程之间的连接层。价值可能会重新靠近边缘，靠近终端用户。

特别提到了医疗行业，今年医疗行业被 AI 抽血很严重，大量资本从医疗流出，进入 AI 方向。

播客认为，医疗里面也有一些被市场忽视的 AI 受益者，尤其是：生命科学工具公司。

这类公司提供药物发现和复杂药物制造所需的设备、耗材和工具。

它们可能受益于两个趋势。

1、AI 推动药物发现

AI 可以提升药物发现效率，带来更多早期研发活动。

如果药物发现活动增加，那么相关实验设备、耗材、检测工具、制造工具的需求也会增加。

2、制造业回流推动药物制造设备需求

美国制造业回流也会影响医疗领域，尤其是复杂药物制造。

如果更多药品制造回流美国，就需要新的设备资本开支。

未来 3—6 个月，这类制造设备需求可能开始反映在数据中，并带来业绩预期上修。

所以医疗里的 AI 机会，不是简单买 biotech，而是：AI 药物发现 + 生命科学工具 + 复杂药物制造设备 + 美国制造业回流。

AI 产业链的一大风险在于，中国竞争和硬件商品化。

激光、光学、模拟半导体、内存……这些方向现在可能因为 AI 短缺而享受高估值、高利润、高增长，但长期看，如果中国企业加速进入，产能增加，价格下降，供需紧张缓解，那么这些公司的长期利润率和估值可能会受到压制。

很多 AI 硬件公司当前上涨，不是因为它们天然拥有永久垄断，而是因为短期供给受限。

一旦供给被打穿，逻辑就变了。