近期，谷歌在人工智能领域的一系列动作引发全球市场高度关注，其推出的Gemini 3模型更是成为焦点，不仅带动了AI行情，也引发了关于“人工智能泡沫”的热烈讨论。为此，多位公募投研人士从不同角度对AI产业投资价值进行了深入分析。
谷歌此次凭借Gemini 3 Pro与Nano Banana Pro的发布，在AI领域实现了对OpenAI的反超。南方创业板人工智能ETF基金经理潘水洋指出，谷歌构建了从TPU自研芯片、Gemini大模型到搜索及Waymo应用的全栈式闭环生态，显著提升了模型性能，将模型参数优化周期大幅压缩，展现出软硬一体带来的迭代效率与成本优势。这一生态化竞争策略正推动谷歌重新掌握AI主导权，Gemini 3模型的推出也有望进一步提升算力与存力的需求。
嘉实基金大科技投研总监王贵重认为，Gemini 3在推理、编程和多模态能力上有显著提升，是AI发展中的重大突破。它展示了AI产业可能的进路，包括原生多模态、Agent发展方向等，还呈现出AI从硬件到软件再到服务闭环商业模式的可能性，可看作AI产业过渡阶段的里程碑。
永赢基金权益投资部联席总经理李文宾表示，Gemini 3的发布初步奠定了谷歌在AI领域从追赶到领跑的地位，展示了其技术与生态协同的优势。这一变化让产业在算力基础设施层进入多元化竞争状态，模型和应用层可能向集中化演进，后续需关注产业链重塑带来的投资机会。
对于当前AI板块的基本面和估值水平，以及AI行情的可持续性，投研人士们也有不同看法。王贵重称，目前AI整体估值不便宜但空间巨大，AI主线能否持续取决于国内AI发展能否追上美国，而国内在硬件、算法、应用层面都有追赶优势。李文宾则认为，当前AI板块基本面持续向上，估值合理，预计2026年至2027年高景气将持续，AI作为行情主线具备较强的可持续性。从基本面看，上游算力侧保持高景气度，中游模型侧国内外模型厂商都有突破，下游应用端已出现AI应用雏形，有望大规模推广落地。
关于“人工智能泡沫”与2000年互联网泡沫的异同，投研人士们普遍认为当前并未出现“人工智能泡沫”。博时基金权益投资四部副总经理兼投资副总监肖瑞瑾表示，与2000年互联网泡沫相比，人工智能行业有巨大不同，虽然存在结构性风险，但也对应着潜在投资机会，当前中国具备强大生态的互联网企业处于相对低估值状态，是较为显著的投资机遇。潘水洋也认为，目前AI领域投资增长快、公司估值较高，但产业链盈利持续兑现、基本面良好、流动性相对宽裕，尚不具备传统意义上触发产业剧烈调整的宏观条件，现在说AI出现泡沫可能言之过早。
在AI板块估值及细分领域风险方面，诺德基金基金经理周建胜指出，目前AI板块中部分细分领域存在估值偏高风险，建议将更多仓位放在当下及未来三年确定性相对较强且能兑现利润与现金流的龙头公司上，对于确定性较低、弹性较大的品种，可考虑低仓位、分散持仓。李文宾认为，目前AI板块投资风险不在于短期估值，而在于产业进展是否顺利以及竞争是否加剧影响领先企业产业地位。肖瑞瑾提醒，当前市场AI板块中算力租赁行业和AI初创企业、应用层企业存在一定高估风险，投资中应以防御姿态应对。
对于中国AI产业发展的优劣势及国产算力板块投资价值，西部利得基金基金经理吴海健称，中国AI产业优势在于应用场景和基建能力，包括拥有全球最大的数字市场、丰富的落地场景、强大的基建能力和能源保障；短板在于底层算力和模型架构，如高端芯片受限、芯片制造工艺暂时落后等。从中期看，科技自主可控是长期趋势，伴随先进制程产能释放，国内互联网大厂、运营商算力需求有望快速释放，带来国产算力芯片供应链业绩高速增长。翟森认为，中国在AI上的优势是整体体系的效率与落地速度，在开源生态、算力成本、工程化人才和产业链协同上具备规模化能力，劣势在于受限于高端算力芯片供给，长期依然看好国产算力的成长空间。
在AI应用端发展阶段及商业化路径方面，肖瑞瑾表示，AI应用目前处于高速发展期，看好AI在建模和编程、个人知识库管理、企业生产力工具等多个细分领域的应用前景。李文宾看好有明确商业化路径的应用场景，如AI广告、办公和软件助手、数据与分析平台、AI编程、金融医疗等垂直领域软件平台等。王贵重称，AI正从预期驱动转入真实落地新阶段，在To C端与广告、游戏、个人助理等紧密结合，在To B端，国内部分工作正逐步被AI替代。翟森认为，AI商业化处于初期阶段，尤其To C层面尚未形成大规模、可重复的单点产品模式，先看好传统企业数字生产力进入改造阶段的商业化落地。
对于AI算力、模型、应用三大环节的投资价值，王贵重认为，现在可能处在由“硬三年”向“软三年”过渡的早期阶段，模型和应用将带来巨大投资机会，同时也会给上游算力带来新机会。潘水洋最看好AI产业链上游算力基础设施，近期海内外互联网巨头大幅上调资本开支计划主要投向该领域，且国产替代进程在加速。李文宾最关注算力环节，这与当前全球AI发展阶段有关，同时认为模型端竞赛难下结论，应用端投资需等大模型竞争格局清晰后才有确定结论。肖瑞瑾更看好AI算力基础设施和AI生态应用，认为算力投入仍是必选项，掌握庞大算力资源和应用基础的大型科技企业具备显著优势。
关于未来1 - 2年AI领域可能出现的技术突破和商业应用，李文宾认为可能出现在全模态突破、AI智能体落地、具身智能突破方向。翟森指出，关键突破主要来自算法升级与算力基础设施升级，随着推理成本下降和自动化能力增强，AI将在多个领域快速实现商业化。肖瑞瑾认为值得关注的技术突破是在线学习，商业应用场景最值得关注无人驾驶和人形机器人。
