2025年，DeepSeek为代表的大模型能力提升了全球资本对中国人工智能板块资产的关注度。在日前“第二十六届瑞银大中华研讨会”上，瑞银分析师在投资展望中指出，综合考虑融资结构、资本开支以及算力真实需求等因素，短期内中国出现AI泡沫的概率远低于美国，算力国产化进程稳步推进，并看好半导体和人形机器人产业链上游设备以及核心零部件、稀土等领域的投资机遇。

短期AI泡沫风险低

“2026年中国互联网、科技大厂以及AI的创业公司会继续推动模型的快速迭代，预计中国模型的平均智能水平跟美国最先进的模型能力的差距在逐渐缩小。”瑞银证券中国互联网行业分析师熊玮指出，中国模型的性价比优势在全球具有竞争力，在逐步提升智能水平过程中降低成本，从而带动大模型本身的普及率。

当前资本市场普遍担忧AI泡沫问题。

“中国的AI泡沫和美国相比，概率小得多，短期还看不到明确的AI泡沫迹象。”熊玮列举三重原因：一是从融资结构来看，中国领先模型厂商多依靠母公司现金流支持研发，循环融资、互相绑定的现象少，资金来源可持续，使得AI泡沫本身比美国更可控一些；其二，中国互联网大厂资本开支方面务实、谨慎，更注重投入产出比和算力利用率，2025年中国头部企业资本开支约4000亿人民币，仅为美国同行的1/10，却能实现相近的模型能力；其三，中国大厂自建数据中心也是采取稳妥、循序渐进的策略，从2024年下半年到现在，在真实工作负载支持下，数据中心平均使用率维持在比较高、比较稳定的水平。

另外，熊玮分析，美国上游已经形成了比较明显的新的流量入口，而中国上游的AI Chatbox竞争更格局分散，MAU（月活跃用户）体量仅1.5亿—2亿，远低于国内10亿级APP；同时，中国的下游企业比美国同行更积极拥抱AI，技术壁垒提升，加大了颠覆难度；另外，垂类领域壁垒难以被轻易颠覆。

从应用落地来看，当前AI Agent虽具长期潜力，但大规模落地仍需时间，云和广告是当前最确定的变现领域。云厂商收入连续季度攀升，AI技术也显著提升了广告业务的增速。对比来看，受益于用户付费习惯，美国AI变现在C端直接变现进程更快。

整体来看，中美逐步形成差异化的AI发展路径。

瑞银中国股票策略研究主管王宗豪指出，中国AI发展聚焦垂直应用场景，与美国AGI（通用人工智能）路径形成差异，且与美股AI板块关联度低，具备分散风险的价值；中国AI投资收入贡献可能不及美国，但回报率并不比美国差。外资看好半导体设备、互联网大厂、算力基建、工业智能化升级相关板块等机遇。

看好半导体设备

中国算力水平在稳步提升。

“2025年国产算力无论是单卡性能还是超节点的技术都在继续稳步扎实地发展，都使得国产算力有希望在2026年拿到更多的份额。”熊玮提示，AI模型开发者也在积极的从算法层面拥抱国产化芯片或者采取更灵活的算力基础设施，共同提高软硬件结合与优化程度，提高算力的使用效率。

放眼全球，AI成为本轮驱动半导体行业高增长的关键因素。据瑞银预估，2025年半导体市场将接近7000多亿美元，在存储涨价驱动下，2026年半导体市场将达1万亿美元，同比增长超40%，2027年达1.18万亿美元，同比增长13%；即便剔除存储芯片后行业仍将保持双位数增长。

“这么持续高速增长在历史上是比较少见到的。”瑞银证券中国科技半导体行业分析师俞佳预计，受AI需求超预期影响，半导体行业增速高点或延后，投资者通常提前1至2个季度反应周期变化，当前市场对半导体投资热情较高，或存在提前反应的情况，预计2026至2027年行业景气度持续上行。

考虑AI基础设施投资与国产替代进程，瑞银看好半导体设备投资机遇。据介绍，半导体设备率先受益于先进制程投产需求，通常需要2至8个季度兑现业绩，相比算力、晶圆厂等资产，设备端投资比较稳定，预计2026年以及明年都有望维持10%增长。需求端，当年国内市场约70%的份额由海外企业占据，未来国产设备提升空间巨大。另外，自动驾驶是确定性较高的高端应用市场。

当前国产GPU等硬科技企业在A股、港股密集上市，提振对国产高端半导体行业信心；同时，半导体行业收并购增多，也有利于提升行业格局集中度。对于半导体企业A股与港股两地上市的影响，俞佳表示，相信绝大部分在中国从事半导体行业的公司，目标市场一定不会仅仅局限于中国，通过海外融资平台，有助于吸引更多的海外人才，便利未来潜在的收并购。

“港股市场对于优质标的愿意给出更高的估值溢价。”俞佳提示，随着更多优质领先的中国内地半导体公司进入港股上市，也有助于其A股的价值发现。

人形机器人行业面临分化

在人工智能发展加持下，人形机器人已从科幻走向现实。

瑞银证券中国工业行业分析师王斐丽预计，2026年全球人形机器人出货量预计达3万台，2030年、2035年将分别增至15万台、100万台，2050年潜在市场规模有望达1.4万亿至1.7万亿美元。

但当前行业仍处于发展初级阶段，“大脑”技术是商业化落地的关键瓶颈。一方面，缺乏用于机器人训练的大规模数据集；另一方面，专业适配机器人的AI大模型缺失。目前行业广泛使用的VLA模型并非专为人形机器人设计，存在局限性。预计工业场景将在未来3—5年率先落地，因为环境相对可控、执行任务相对单一，而家庭侧、服务业机器人需要更通用型智能、执行更多元任务。

“当‘大脑’问题解决之后，相信才会出现人形机器人的‘电动汽车时刻’。”王斐丽表示，未来两三年看好产业链上游零部件以及稀土产品，并不是中游的整机厂商。其核心逻辑是下游量产落地后，上游企业将率先受益；重点关注丝杠、传感器、核心芯片、电池等领域；另外，软件、AI模型、云服务等公司也会从机器人的增长需求中受益。

相比之下，中游整机厂商短期处于“燃烧现金”阶段，现金流压力大于上游企业，行业格局尚未定型，类似电动汽车发展早期。建议关注整机厂商商业化能力、订单落地情况、试用3至6个月后客户复购率。当前，部分企业聚焦“小脑”运控，让客户二次开发，部分与终端客户深度合作（如汽车行业）；部分聚焦娱乐、导览等简单场景。

“经过两三年奔跑之后，（人形机器人行业）会出现一些分化。”王斐丽表示，同质化、门槛比较低的下游将面临激烈竞争，提醒不要盲目投资。