主播
节目简介
来源：小宇宙
各位听众朋友，这里是德邦基金财经列车，聪明的投资者都在这！今天我们来聊一篇干货内容：Wade Gao整理的大摩最新Astra报告核心解读，带大家好好拆解一下Astra这次发布背后，藏着的AI市场新变化。
看完大摩这份最新的Astra研报，很多人会有一个疑问：这次Astra GPT6的发布，到底重要在哪？
其实大家别简单把它当成一次普通的模型迭代升级，不要觉得它只是又一次砸了十万块GPU训练出来的常规更新。以往这类模型升级，基本都是顺着Scaling的老叙事走，靠堆芯片、堆算力提升性能，运行成本也会跟着芯片数量增加水涨船高。但Astra的亮点，或许不在于参数和算力的堆叠，更有可能是能力广度和互操作性的实质性突破。主要体现在四个很关键的前沿方向：复杂推理能力、专业工程能力、电脑自主操作能力，还有物理世界任务落地能力。
简单来说，前沿AI现在不只是单纯会聊天、会答疑了，大概率是跨上了一个新台阶：能独立搞定复杂逻辑推理、完成专业工程任务，还能直接操控电脑系统，甚至落地处理现实场景里的各类任务。从这点来看，Astra或许算是AI模型从“常规迭代升级”到“全新叙事变革”的一次关键突破。
除此之外，它还有一个很关键的变化，大概率会把市场的讨论重心，从之前的需求侧争议，重新拉回到物理供给瓶颈上。回顾七八月份的市场下跌行情，那段时间整个市场争论的核心，基本都围绕一个问题：当下已知的AI市场需求，到底需要多少基建配套？说白了，大家当时都在质疑，AI基础设施是不是已经过度投资、存在泡沫了。但Astra的出现，或许会彻底扭转这个讨论方向。市场的疑问可能会从“AI基建是不是建多了”，慢慢变成“随着AI模型智能度大幅提升，后续会诞生多少具备经济可行性的全新工作场景”。
这是一个很根本性的叙事切换。之前大家纠结的是AI真实需求够不够、有没有虚火，现在大概率要变成AI供给能力，能不能跟上快速爆发的全新需求。
Astra背后最核心的经济学逻辑，大概率是提升了每一块钱能买到的AI智能量。性能更强的模型，往往能带来很强的弹性效应。当我们每投入一美元，能换来更高的AI智能度和实用价值时，AI推理相关的工作量、运行时长、任务复杂度，大概率都会同步提升。
这其实很贴合经典的杰文斯悖论：技术效率的提升，未必会减少资源消耗，反而有可能带动整体消耗进一步扩大。当单位成本的AI智能产出变高，AI落地应用的经济门槛就会大幅降低，很多以前落地不划算、商业价值不成立的场景，现在或许都有了落地的可能。这也是这次Astra发布后，市场情绪相对亢奋的核心原因。如果Astra的这些新能力，能顺利转化为落地的商业应用，那AI可触及的市场收入池，大概率会迎来大幅扩容，远远超出目前以聊天、编码为主的单一应用场景，对整个AI产业链的整体市场空间，或许会形成结构性利好。
顺着这个逻辑，我们再重申一下当下的瓶颈叙事。
Astra的问世，大概率把AI行业的核心瓶颈，从“需求端能不能起来”，重新拉回了物理供给约束。现在行业的核心问题，可能不再是AI有没有真实需求，而是能不能规模化、稳定地交付更高阶的AI智能能力。以前大家单纯看Token消耗判断行业热度，现在模型已经能独立、高效完成各类物理世界任务，评判逻辑早就不一样了。
目前来看，市场好像还没有完全消化Astra带来的变化，有三个核心动态，大概率是被低估的。
第一，Astra GPT6刚刚正式发布，这波全球科技产业链的受益标的，大概率还没被市场充分定价，后续存在补涨空间。
第二，AI供给紧张的周期，或许会比大家之前预期的更长。
一方面，很多核心环节很难实现快速、实质性的产能扩张。就比如ABF载板，根据大摩报告的预测，到2030年，ABF载板的供需缺口还会进一步拉大，供需比或将达到130%，而且新产能的落地周期至少要两年，短期很难缓解紧缺局面。
另一方面，AI硬件的制造复杂度还在持续提升，就像HBM4E的后道工序，难度相比以往大幅增加，进一步拖累产能释放节奏。
说到底，AI行业的核心竞争和稀缺环节，依然绕不开老生常谈的三大板块：AI算力、网络传输、存储芯片。
最后我们聊聊大家最关心的投资问题。近期很多人都在纠结：当下低配AI产业链，和过度配置AI产业链，到底哪个风险更大？市场也一直分为两派，争议不断。
如果我们站在“低配风险或许更高”的角度来看，Astra的落地，大概率就是支撑这个判断的核心催化剂。
它大概率验证了一件事：AI的需求天花板还没到，之前提到的效率弹性效应，目前还在持续释放、没有见顶。同时，它把市场的投资争论，彻底拉回了供给端逻辑。而ABF载板、HBM4E、BEOL这些核心环节的供给紧张，都是有明确数据、可以持续追踪验证的，并不是空穴来风。
所以当下的投资思路，未必是无脑加仓所有AI个股，更关键的是精准布局交叉机会：贴合AI推理周期爆发、锁定产能稀缺、适配内容强度升级、匹配制造复杂度提升的核心细分领域。当然，投资永远不能只看利好，风险也要提前考量。虽然从筹码结构来看，七月那种大幅回调的行情，再次出现的概率已经很低了，但我们也不能完全排除突发风险。这里提几个问题，大家可以自己心里琢磨一下，不用刻意作答。现在市场对AI的预期已经拉得很满，行业表现仅仅达标已经不够，市场需要的是超预期完美。那如果Astra落地后的实际业绩，没能大幅超出市场预期，后续行情会怎么走？
未来一两年，AI行业资本开支有没有可能出现阶段性减速？股市定价看的是二阶变化，如果行业利好没能完全兑现，估值会不会承压？
除此之外，如果后续宏观市场出现重大波动，AI板块又该如何应对？
这些问题，其实没有标准答案，也是所有AI投资者需要持续面对的不确定性。
但抛开这些未知风险，目前有一点相对明确：Astra GPT6的出现，彻底改写了AI的投资叙事。市场的争论，已经从“AI需求是否真实、基建是否过剩”，转变成单位AI智能成本下降后，会催生出多少全新的、具备商业价值的AI工作场景。
在这个全新的叙事框架下，这也是我们接下来跟踪AI行业、布局AI赛道，最核心的观察重点。
注：
本音频仅限于本基金管理人与合作平台开展投教活动之目的使用，禁止第三方机构单独摘引、截取或以其他不恰当方式转播。
德邦基金在本音频中的所有观点仅代表德邦基金在本音频成文时的观点，德邦基金有权对其进行调整；在不同时期，德邦基金可能会发出与本音频所载不一致的观点。
若本音频转载第三方报告或资料，转载内容仅代表该第三方观点，并不代表德邦基金的观点，德邦基金不对这些信息的真实性、准确性和完整性提供任何直接或间接的声明或保证。
基金有风险，投资需谨慎。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。我国基金运作时间较短，不能反映股市发展的所有阶段。基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对基金业绩表现的保证。基金管理人提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
看完大摩这份最新的Astra研报，很多人会有一个疑问：这次Astra GPT6的发布，到底重要在哪？
其实大家别简单把它当成一次普通的模型迭代升级，不要觉得它只是又一次砸了十万块GPU训练出来的常规更新。以往这类模型升级，基本都是顺着Scaling的老叙事走，靠堆芯片、堆算力提升性能，运行成本也会跟着芯片数量增加水涨船高。但Astra的亮点，或许不在于参数和算力的堆叠，更有可能是能力广度和互操作性的实质性突破。主要体现在四个很关键的前沿方向：复杂推理能力、专业工程能力、电脑自主操作能力，还有物理世界任务落地能力。
简单来说，前沿AI现在不只是单纯会聊天、会答疑了，大概率是跨上了一个新台阶：能独立搞定复杂逻辑推理、完成专业工程任务，还能直接操控电脑系统，甚至落地处理现实场景里的各类任务。从这点来看，Astra或许算是AI模型从“常规迭代升级”到“全新叙事变革”的一次关键突破。
除此之外，它还有一个很关键的变化，大概率会把市场的讨论重心，从之前的需求侧争议，重新拉回到物理供给瓶颈上。回顾七八月份的市场下跌行情，那段时间整个市场争论的核心，基本都围绕一个问题：当下已知的AI市场需求，到底需要多少基建配套？说白了，大家当时都在质疑，AI基础设施是不是已经过度投资、存在泡沫了。但Astra的出现，或许会彻底扭转这个讨论方向。市场的疑问可能会从“AI基建是不是建多了”，慢慢变成“随着AI模型智能度大幅提升，后续会诞生多少具备经济可行性的全新工作场景”。
这是一个很根本性的叙事切换。之前大家纠结的是AI真实需求够不够、有没有虚火，现在大概率要变成AI供给能力，能不能跟上快速爆发的全新需求。
Astra背后最核心的经济学逻辑，大概率是提升了每一块钱能买到的AI智能量。性能更强的模型，往往能带来很强的弹性效应。当我们每投入一美元，能换来更高的AI智能度和实用价值时，AI推理相关的工作量、运行时长、任务复杂度，大概率都会同步提升。
这其实很贴合经典的杰文斯悖论：技术效率的提升，未必会减少资源消耗，反而有可能带动整体消耗进一步扩大。当单位成本的AI智能产出变高，AI落地应用的经济门槛就会大幅降低，很多以前落地不划算、商业价值不成立的场景，现在或许都有了落地的可能。这也是这次Astra发布后，市场情绪相对亢奋的核心原因。如果Astra的这些新能力，能顺利转化为落地的商业应用，那AI可触及的市场收入池，大概率会迎来大幅扩容，远远超出目前以聊天、编码为主的单一应用场景，对整个AI产业链的整体市场空间，或许会形成结构性利好。
顺着这个逻辑，我们再重申一下当下的瓶颈叙事。
Astra的问世，大概率把AI行业的核心瓶颈，从“需求端能不能起来”，重新拉回了物理供给约束。现在行业的核心问题，可能不再是AI有没有真实需求，而是能不能规模化、稳定地交付更高阶的AI智能能力。以前大家单纯看Token消耗判断行业热度，现在模型已经能独立、高效完成各类物理世界任务，评判逻辑早就不一样了。
目前来看，市场好像还没有完全消化Astra带来的变化，有三个核心动态，大概率是被低估的。
第一，Astra GPT6刚刚正式发布，这波全球科技产业链的受益标的，大概率还没被市场充分定价，后续存在补涨空间。
第二，AI供给紧张的周期，或许会比大家之前预期的更长。
一方面，很多核心环节很难实现快速、实质性的产能扩张。就比如ABF载板，根据大摩报告的预测，到2030年，ABF载板的供需缺口还会进一步拉大，供需比或将达到130%，而且新产能的落地周期至少要两年，短期很难缓解紧缺局面。
另一方面，AI硬件的制造复杂度还在持续提升，就像HBM4E的后道工序，难度相比以往大幅增加，进一步拖累产能释放节奏。
说到底，AI行业的核心竞争和稀缺环节，依然绕不开老生常谈的三大板块：AI算力、网络传输、存储芯片。
最后我们聊聊大家最关心的投资问题。近期很多人都在纠结：当下低配AI产业链，和过度配置AI产业链，到底哪个风险更大？市场也一直分为两派，争议不断。
如果我们站在“低配风险或许更高”的角度来看，Astra的落地，大概率就是支撑这个判断的核心催化剂。
它大概率验证了一件事：AI的需求天花板还没到，之前提到的效率弹性效应，目前还在持续释放、没有见顶。同时，它把市场的投资争论，彻底拉回了供给端逻辑。而ABF载板、HBM4E、BEOL这些核心环节的供给紧张，都是有明确数据、可以持续追踪验证的，并不是空穴来风。
所以当下的投资思路，未必是无脑加仓所有AI个股，更关键的是精准布局交叉机会：贴合AI推理周期爆发、锁定产能稀缺、适配内容强度升级、匹配制造复杂度提升的核心细分领域。当然，投资永远不能只看利好，风险也要提前考量。虽然从筹码结构来看，七月那种大幅回调的行情，再次出现的概率已经很低了，但我们也不能完全排除突发风险。这里提几个问题，大家可以自己心里琢磨一下，不用刻意作答。现在市场对AI的预期已经拉得很满，行业表现仅仅达标已经不够，市场需要的是超预期完美。那如果Astra落地后的实际业绩，没能大幅超出市场预期，后续行情会怎么走？
未来一两年，AI行业资本开支有没有可能出现阶段性减速？股市定价看的是二阶变化，如果行业利好没能完全兑现，估值会不会承压？
除此之外，如果后续宏观市场出现重大波动，AI板块又该如何应对？
这些问题，其实没有标准答案，也是所有AI投资者需要持续面对的不确定性。
但抛开这些未知风险，目前有一点相对明确：Astra GPT6的出现，彻底改写了AI的投资叙事。市场的争论，已经从“AI需求是否真实、基建是否过剩”，转变成单位AI智能成本下降后，会催生出多少全新的、具备商业价值的AI工作场景。
在这个全新的叙事框架下，这也是我们接下来跟踪AI行业、布局AI赛道，最核心的观察重点。
注：
本音频仅限于本基金管理人与合作平台开展投教活动之目的使用，禁止第三方机构单独摘引、截取或以其他不恰当方式转播。
德邦基金在本音频中的所有观点仅代表德邦基金在本音频成文时的观点，德邦基金有权对其进行调整；在不同时期，德邦基金可能会发出与本音频所载不一致的观点。
若本音频转载第三方报告或资料，转载内容仅代表该第三方观点，并不代表德邦基金的观点，德邦基金不对这些信息的真实性、准确性和完整性提供任何直接或间接的声明或保证。
基金有风险，投资需谨慎。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。我国基金运作时间较短，不能反映股市发展的所有阶段。基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对基金业绩表现的保证。基金管理人提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
外观
