焦點分析：
- 中國正透過擴建更大的運算叢集和超級集群（Supernodes）來解決人工智能晶片供應短缺的問題，此舉將使光模組、散熱及資料中心基礎設施供應商等「賣鏟人」類企業受惠。
- 儘管其前沿型生態系統正迅速發展，但鑒於競爭激烈，那些具備企業客戶關係及成熟分銷網絡、並提供雲端基礎設施的企業，或許能為投資者提供更均衡的人工智能投資機會。
- 政策支持與日益增加的部署活動，正在為設備、零組件及自動化供應鏈創造各種商機。
「世界人工智能大會」（WAIC）是中國人工智能產業的旗艦級盛會，匯聚了人工智能價值鏈各環節的政策制定者、科技公司、研究人員、投資者及企業採購方。這項活動每年七月在上海舉行，今年吸引了約40萬名參觀者，並有超過一千家參展商展示其產品。參與者涵蓋了從主要科技平台和基礎設施供應商，到國內晶片製造商、前沿模型開發商以及人形機器人企業等各類企業。
WAIC 2026 為何對投資者至關重要
我們認為，WAIC 提供了一個有用的視角，讓我們得以了解資本正流向何處、哪些技術即將步入商業化階段，以及 新的供應鏈瓶頸正在哪些地方浮現。今年最明確的訊息是，中國的人工智能產業正從單一晶片和模型基準測試，邁向系統級運算、企業部署及工業自動化機器人。
在此，我們為投資者整理出本次活動中值得關注的四項重要見解：
1. 中國正透過從晶片層級的競爭轉向系統層級的優化，來解決其人工智能晶片面臨的瓶頸
國內廠商正透過規模更大的超級集群（Supernodes）（將更多晶片串聯成更大系統以提升運算能力），連接更多加速器（AI 晶片），藉此彌補單一晶片效能較弱的缺點。
這似乎是一個切實可行的短期解決方案。然而，隨著連接的加速器數量增加，要讓資料在系統中高效傳輸便變得愈發困難。這是因為較大的叢集會增加通訊損失、功耗及散熱需求。這意味著，相較於外國平台，這些因素可能會導致中國企業的每個 Token 的成本維持在較高水準。
在國內晶片或超級集群（Supernodes）供應商領域中，要預測哪家會勝出實屬不易，尤其是考量到製造產能、軟體相容性、客戶採用率以及成本競爭力等方面仍存在持續的不確定性。
因此，我們較看好人工智能基建相關的「賣鏟人」企業，因為隨著大型產業集群需要規模更大的資料中心，這類供應商很可能因此受惠。這些公司中，包括供應光模組與光學元件、特殊光纖、高階印刷電路板（PCB）以及液冷解決方案的廠商。
2. 中國的前沿人工智能模型正迅速發展，但目前尚未出現明顯的領先者
WAIC 2026 重點展示了 DeepSeek、MiniMax、Moonshot AI（其推出的 Kimi 3 號稱可與 OpenAI 和 Anthropic 一較高下）以及 Zhipu AI 這四家頂尖前沿模型開發商的進展與最新產品。這些案例均展現了快速的技術進步、推論效率的提升、Token價格的走低，以及強勁的年度經常性收入（ARR）成長。
然而，模型的表現變化迅速，在個別人工智能效能基準測試中取得的領先地位，可能僅能維持到下一代模型發布為止。年度經常性收入（ARR）及Token增長並不能保證可持續的收入、利潤或現金流。具有自主性的 AI 或許能帶動龐大的Token需求，但唯有當客戶營收與生產力提升的速度快於推論成本的增長時，才能創造價值。模型的快速升級、激烈的競爭、運算資源的限制、產品差異化程度有限，以及持續的資本資金需求，使得目前難以確立長期的投資論點，也難以辨別哪種人工智能模型將成為明確的贏家。
中國的前沿模型正在迅速擴大規模，但規模優勢未必能轉化為持續的商業成功
資料來源：公司資料、Hugging Face、CLSA，截至 2026 年 7 月 6 日。模型參數是指機器學習模型中經由學習所得的數值，這些數值決定了模型如何將輸入資料映射至輸出結果。這些參數的數值決定了模型的預測結果，並最終影響模型在特定任務上的表現。模型中的參數數量會直接影響該模型捕捉各數據點之間規律的能力。激活率是指大型語言模型中，實際用於針對單一Token或查詢進行資料運算的參數數量，佔該模型總參數數量的百分比。
3. 半導體設備、封裝與元件：AI 領域的「賣鏟人」式商機
中國在半導體本土化方面的努力正逐步擴展至晶圓製造設備、晶片測試及先進封裝等領域。中國的半導體設備國產化率似乎超出預期。在蝕刻和清洗等領域已取得良好進展。儘管量測、檢測、離子注入與光刻技術在當地仍未廣泛普及，但其中的商機依然相當可觀。
我們認為，半導體設備是支撐中國國內晶片產業背後最顯而易見的「賣鏟人」投資機會之一。這項投資論點並不需要我們去判斷哪家 GPU 設計公司最終會勝出。隨著國內晶片製造商擴大產能並逐步替換進口設備，本地設備供應商得以從多家客戶增加的採購支出中受惠。
4. 工業用類人形機器人正逐步邁向早期商業化部署
WAIC 2026 顯示，中國的人形機器人產業正朝著早期商業化部署邁進，特別是在工廠、物流中心及倉庫等領域。
政策支持正加速這項轉型。人形機器人已被納入中國「十五五規劃」重點發展方向之一1，而一項政府聯合計畫則目標在 2026 年底前將超過 10,000 台人形機器人投入商業應用。2此外，中國工業和資訊科技部預計，2026年國內人形機器人的產量將超過10萬台，這顯示出強烈的政策意圖。3
工業應用似乎將成為邁向商業化的首要途徑。工廠和倉庫中的工作具有重複性且結構化，因此較容易衡量機器人的利用率、節省的人力成本以及客戶的投資回報。此外，這些環境還能提供受控的運作環境，其要求比家庭或其他消費型環境來得低。
然而，高昂的價格、有限的人工智能大腦功能、短暫的電池續航力，以及不確定的客戶投資回報，意味著投資機會仍處於初期階段。因此，我們傾向選擇那些更有可能從多家製造商的強勁需求中受惠的零組件供應商。
在中國股市中，最具吸引力的 AI 投資機會可能出現在哪裡？
我們認為，推動中國人工智能擴張的基礎設施公司，以及向企業客戶分發模型並將其整合至現有工作流程的大型平台，在未來三至五年內，其風險調整後投資回報率可能比純模型供應商更具吸引力。這些公司可透過雲端服務、企業軟體，以及採用自有或第三方模型的廣告與生產力工具，從人工智能中獲利。與此同時，鑑於類人形機器人仍處於早期發展階段，提供關鍵零組件與基礎技術的企業，可讓投資者藉此參與這項具顛覆性影響的主題。
倘若英文版本與中文版出現歧異，概以英文版為準。
提述個別證券並不構成購買、出售或持有任何證券、投資策略或市場板塊的建議，亦不應假設個別證券有利可圖。 駿利亨德森投資、其聯屬顧問或僱員可能持有前述證券。
1 《中國 日報》，北京將人形機器人列為重點產業，2026年6月2日。
2《財新 全球》，〈中國目標在2026年底前實現1萬台類人形機器人投入商業應用〉，2026年6月10日。
3《中國日報》，中國今年人形機器人產量將突破10萬台：高級官員表示，2026年7月7日。
自主型人工智能：指能在人類介入有限的情況下，自主規劃、決策並執行任務的人工智能系統。
AI 加速器：又稱 AI 晶片、深度學習處理器或神經處理單元（NPU），是一種專為加速 AI 神經網路、深度學習及機器學習而設計的硬體加速器。
先進封裝：一種半導體封裝技術，透過在單一封裝內連接多個晶片來提升性能。
ARR：年度 經常性收入（Annual Recurring Revenue）反映一家公司預期在每個日曆年度內可獲得的可預測訂閱制總收入。
API（應用程式介面）：一種讓不同應用程式能夠相互通訊並交換資料的軟體。
前沿模型：一種運作於當前技術能力最前沿的高度先進人工智能模型。
推論：利用已訓練的人工智能模型來產生輸出或做出決策的過程。
基礎設施：支援人工智能運作的實體系統與設施，包括資料中心、網路設備及供電系統。
大型語言模型（LLM）：一種透過海量文本進行訓練的人工智能模型，能夠理解並生成類人語言。
在地化：以國內生產的替代品取代進口產品或技術。
光模組：一種利用光訊號透過網路基礎架構傳輸資料的元件。
「賣鏟人」：指供應某產業所需產品或服務的公司，無論該終端市場中的哪家競爭對手取得成功，該公司皆能持續營運。
印刷電路板（PCB）：一種用於固定和連接電路元件的機械基板，廣泛應用於手機、平板電腦、智慧手錶、無線充電器、電源供應器及其他電子裝置中。
超級集群（Supernodes）：一種高性能運算架構，透過連接大量處理器或加速器來提升整體運算能力。
Token：AI 模型處理文字的基本單位。人工智能服務供應商通常會根據客戶使用的Token數量來向其收費。
重要資料
請參閱以下與文章相關之基金的重要資料
主要投資風險:
- 本基金投資於股票，須承受證券價值波動的股本證券風險。
- 投資本基金涉及一般投資、貨幣、流動性、對沖、市場、經濟、政治、監管、稅務、有關證券借出、有關反向回購交易、金融及利率風險。在極端的市場環境下，閣下可能會損失全部投資。
- 本基金可使用金融衍生工具降低風險及更有效率地管理基金，並涉及對手方、流動性、槓桿、波動性、估值及場外交易風險，可能蒙受重大損失。
- 本基金的投資集中於中國及香港，或會具較高波動性。
- 本基金可投資於新興市場、中國A股及中國A股連接產品，可能具較高波動性，並承受投資中國證券及滬港通/深港通的風險。
- 投資者不應只根據此文件而作出投資決定，並應細閱有關基金銷售文件，了解風險因素資料。