吴世春：AI不是一个产品，而是一条产业链

从算力底座到产业应用，AI投资的价值重心正在发生迁移

TECHUB NEWS 香港报道｜记者 Alma Li｜2026年8月25日

核心观点：吴世春将AI投资概括为三条主线：周期为锚、硬科技为核、政策为势。他判断，2026至2030年是新一轮康波周期的战略布局黄金窗口；中美科技博弈的本质是算力霸权之争，“封锁越严，国产替代空间越大”；AI投资的评价标准，正从参数和榜单转向收入、续费与可复制的商业结果。

8月24日，由全球价值投资协会、香港股权投资协会主办的“金融资本与科创独角兽平行论坛”（Financial Capital Meets Sci-Tech Unicorns）在香港举行。梅花创投创始合伙人、全球价值投资协会副会长吴世春以《AI投资机会与思考》为题发表演讲，从康波周期谈到中美科技博弈，从“十五五”规划谈到AI产业链的价值迁移，并对未来三年的投资机会给出判断。

从“泡沫”谈起：榜单会变，框架要稳

演讲开场，吴世春以“泡沫”为引子。他打趣说，没上车的人容易把它看成泡沫，上了车的人，往往觉得价值很扎实。话题轻松，指向的却是早期投资最基本的矛盾：市场热度变化很快，企业成长和产业成熟却需要时间。

他提到，这两年大模型领域的排名几乎每隔两三个月就会变化一次。如果投资判断始终跟着榜单走，很难建立稳定的方法。

吴世春把自己的框架概括为三点：周期为锚、硬科技为核、政策为势。周期用于判断技术革命所处的位置，硬科技决定企业能否形成难以复制的能力，政策则影响资金、产业资源和市场制度的配置方向。

人生发财靠康波

“人生发财靠康波。”这是吴世春反复讲的一句话。康波，即康德拉季耶夫周期，跨度约50至60年，由“周期天王”周金涛系统阐释，技术革命是驱动它轮动的核心引擎。一个人一生中，真正改变命运的康波机遇只有三次，财富的积累，本质是对周期红利的捕获，而不是劳动的简单叠加。

那么现在处于什么位置？他的判断是：第五轮康波萧条期接近尾声，第六轮康波——以AI为驱动的智能革命——刚刚萌芽，2026至2030年是这一轮的战略布局黄金期。他把当下类比为1995年的互联网：基础设施建设期刚开始，未来会诞生一批万亿市值的科技公司。与互联网和移动互联网相比，AI带来的不只是效率工具，而是对生产力和生产资料的重构，这个红利期可能持续数十年。

演讲开场，他还讲了自己的一笔老投资：十多年前，以数百万元天使投资珞石机器人，是其最早的天使轮投资方；这家公司近期在香港上市，账面回报约10亿元。他用这笔交易说明长期主义的含义：投资赚的是对时代认知的钱。

中美博弈，本质是算力霸权

谈到中美科技竞争，吴世春的表述很直接：这场较量的本质，是算力霸权之争。

他梳理了制裁路径：2022年高端GPU断供，2023年实体清单扩容，2024年制造设备封锁，2025年延伸到先进封装。但他得出的结论相反——“封锁越严，国产替代空间越大”。假如高端芯片和关键设备可以完全自由流通，很多本土产业未必会在这么短的时间里获得如此密集的资本投入。

由此，他划出三条黄金赛道：算力层，国产GPU、算力调度、智算中心；制造层，先进封装、Chiplet；应用层，工业软件、行业大模型、AI原生应用。越接近关键瓶颈，技术价值可能越高，相应的研发难度和商业风险也越大。

支撑这个判断的，是他归纳的中国四重优势：庞大的制造业基础与丰富的产业场景，国家资本、地方产业资本与社会资本的协同能力，持续的工程师红利，以及完整的产业链。“中美科技博弈不是短期摩擦，而是一场长达20年的马拉松。”他说，硬科技既是国家竞争力的支撑，也是时代给投资者穿越周期的礼物。

政策给出方向，企业仍要完成验证

政策，是吴世春框架中的第三条主线。已经发布的《中华人民共和国国民经济和社会发展第十五个五年规划纲要》将数智化发展单独成篇，并提出统筹推进算力设施、模型算法和高质量数据供给。

资本市场制度也在提高对未盈利科技企业的包容度。2025年6月，中国证监会发布《关于在科创板设置科创成长层、增强制度包容性适应性的意见》，重启未盈利企业适用科创板第五套标准，并将适用范围扩大到人工智能、商业航天、低空经济等领域。资金端，国家集成电路产业投资基金三期注册资本3440亿元，为研发周期长、投入规模大的硬科技企业提供更长期的资本支持。

不过，方向清楚并不意味着投资变得简单。吴世春把未来数年的投资环境比作一场“开卷考试”：题目已经摆在桌面上，政策可以标出重点，但企业仍要解决技术、产品、客户和现金流问题，投资机构也仍需独立验证，并为判断失误承担成本。

用他的话说，从资金、产业、需求到退出，中国已经构建起“全球最具确定性的硬科技政策闭环”。

五层蛋糕：底层决定上限，顶层决定价值

讲到具体怎么投，吴世春借用了黄仁勋提出的“五层蛋糕”框架：能源层、芯片层、基础设施层、模型层、应用层，自下而上，层层依赖。

“底层决定上限，顶层决定价值。”能源和芯片是AI的“硬基础”，决定算力天花板；模型和应用是“软引擎”，决定商业厚度。按他的测算，芯片层价值占比最高，约35%；基础设施层约20%；模型层、能源层、应用层各占约15%。

这套结构的意义，是避免把AI等同于大模型。目前产业价值较多集中在芯片和模型层，随着技术扩散，价值会继续向算力基础设施和应用端流动。对早期投资机构而言，更大的增量机会可能来自应用层，即能够进入企业核心流程、提升实体经济效率的产品。

未来三年：三个判断

算力供给仍将偏紧

吴世春预判，算力供给偏紧的状态可能持续到2028年，算力调度和先进封装是核心瓶颈。衡量算力投资不能只看设备数量，还要看能源成本、集群利用率、互联效率和软件调度能力。

AI应用将更多进入企业核心流程

他预计，AI应用将进一步由面向消费者转向面向企业，工业制造可能成为价值最集中的场景。企业对降本增效、质量控制、研发提速和生产安全有明确需求，能够嵌入真实流程、产生可衡量结果的产品，更容易形成稳定收入。

国产替代进入深水区

“有没有”的问题解决之后，市场会进一步追问“好不好用”：性能、可靠性、成本和生态成为新的筛选标准。只靠概念和政策标签的公司会被淘汰，真正掌握技术、能完成产品化并赢得客户的企业才会留下。

演讲最后，吴世春把话题收束到写在演示文稿最后一页的一句话上：“一个人的财富，本质是他对时代认知的变现。”

编辑说明：本文由TECHUB NEWS记者Alma Li根据2026年8月24日论坛现场录音及演示材料整理，有删节，已经分论坛主办方同意发布。正文采用第三人称报道体，仅保留能够从现场录音、演示材料或公开权威资料确认的内容；无法核准的专有名词、案例和数据未予采用。文中政府公开文件链接已经核实。

免责声明：本文仅作信息交流，不构成任何投资建议。