持有AI资产，做新时代的“分红人”——德适-B（02526.HK）的价值观察

文|董暖

审视中国 AI 产业的长期价值，视野不应局限于模型性能排行榜。

模型排行榜回答的只是技术性能的高下，但一个产业能走多远，取决于算力供给的持续性、技术与生产流程的融合度、客户付费意愿，以及企业将收入转化为利润与现金流的能力。对投资者而言，更核心的命题是：这些增长，是否已经被股价充分定价？

中国 AI 正在经历的，是一场从技术突破到产业组织、再到资本价值的系统性跃迁。理解这场深层变革，才能回答一个与每个参与者息息相关的问题：除了使用 AI 工具，我们能否通过持有相关权益资产，分享这场生产力革命的长期成果？

一、中国 AI 的机会：并非海外行情的简单复刻

中国 AI 的投资价值，根植于两条并行演进、驱动力迥异的产业路径。 一条是嵌入全球 AI 基础设施供应链。光模块、印制电路板、封装测试等环节的中国企业，依托全球竞争力承接海外资本开支的订单红利。另一条是本土算力、模型与应用体系的内生建设，增长动力来自国内产业数字化升级与技术落地需求。

J. P. 摩根在 2026 年 6 月 18 日的中国股票策略报告中，正是沿着这两条路径拆解中国 AI 的独特机会，并预计中国境内 AI 数据中心资本开支将由 2026 年的 550 亿 - 690 亿美元，扩容至 2029 年的 950 亿 - 1510 亿美元。

【中国 AI 资本开支规模预测（2023-2029E），来源：J.P. 摩根】

这意味着，中国 AI 的投资叙事远不止 “能否诞生全球顶尖模型” 这一条主线。即便模型厂商的头部格局持续迭代，芯片、光互联、存储、云服务与行业应用赛道仍有望诞生独立的龙头。当然，两条路径的风险结构截然不同：全球供应链赛道受海外资本开支周期与贸易环境影响更大，本土产业链则更依赖技术落地节奏、产能释放进度与国内采购需求。

更深层的产业变化，是竞争逻辑从单点性能转向系统能力。J.P. 摩根 7 月 20 日的中国 AI 芯片研究指出，行业正在从单芯片性能比拼，转向系统级部署能力的竞争，集群互联、软件调度与推理效率的权重持续上升。摩根士丹利 6 月 22 日的行业报告也提出，生态成熟度、软件优化能力与集群部署能力，是国产算力供应商进入云厂商采购体系的核心考量因素。

【预计 2030 年中国 AI 芯片可服务市场总规模将达 910 亿美元，预计 2030 年中国 AI 芯片自给率将提升至 70%。来源：摩根士丹利】

换言之，中国 AI 的竞争力从来不是由单块芯片或单次模型测试定义的，而是取决于整套系统能否稳定、高效、经济地持续运行。

二、从 “输出智能” 到 “交付结果”：价值分配逻辑正在重构

基础设施建设解释了 AI 为何需要天量投入，却无法单独回答投入如何转化为回报。真正串联起产业链的，是客户愿意为可落地的业务结果付费。

J.P. 摩根 5 月 22 日发布的中国 AI 应用调研提出了关键判断：在部分企业场景中，客户可根据价格与性能灵活切换底层模型，商业价值越来越锚定专有数据、工作流程、客户系统整合度与部署交付经验。J.P. 摩根同时强调，上述判断仍以管理层陈述与早期案例为主，有待持续的信息披露验证。这并非否定模型的价值，而是指出：模型能力只有转化为稳定的任务交付能力，才更有机会形成可持续的收费模式。

由此，中国 AI 产业正在呈现值得关注的 “双重效应”：一方面，模型能力的普及化与成本下探，降低了企业采用 AI 的门槛；另一方面，对模型厂商而言，价格竞争可能持续压缩利润空间。

【主流大模型 API 定价对比图，来源：Goldman Sachs】

高盛 7 月 18 日的中国 AI 模型报告，将定价权、成本效率与资金实力列为评估模型厂商的三大核心维度，并提示低价 API 赛道的毛利率承压风险。调用量的增长，与商业价值的增长，从来不是同一个概念。

（截图来源：Goldman Sachs ）

中国庞大的产业应用场景，既是增长的沃土，也是商业化的考题。企业数据天然非标准化，医院、工厂、金融机构不会因为模型能力提升就自发重构工作流程。只有能够完成系统对接、流程适配、质量验证并证明投入产出价值的企业，才能将 “场景丰富” 转化为商业壁垒。未来的产业赢家未必集中在同一层级：平台型企业提供算力与分发能力，模型厂商攻坚高价值垂直场景，专业服务商则凭借行业理解与交付能力锁定客户。

三、分享 AI 红利，为何需要建立资产视角

AI 的价值会通过多重路径惠及全社会：消费者获得更普惠的服务，劳动者借助工具提升效率，企业降本增效、拓展新品类。这些收益的获取，并不以持有股票为前提。

但如果希望进一步分享 AI 企业成长带来的资本增值，仅仅作为使用者远远不够，还需要通过股权、基金等方式持有相应的权益资产。使用 AI，是掌握新的生产工具；持有 AI 资产，则是拥有这些工具与服务背后的企业所有权。二者并不矛盾，是参与技术变革的两种不同方式。

这也是 “做新时代的分红人” 的准确内涵：不是押注某只股票必然上涨，也不局限于上市公司的现金分红，而是在承担相应风险的前提下，参与分享产业成长的红利。资本市场正在持续拓宽参与渠道。

瑞银在最近德关于中国 AI 企业指数纳入的研究中，将自由流通比例、指数编制规则与互联互通资格作为分析重点，说明投资者结构与交易机制也是资产定价的重要变量。但交易通道的拓宽，不代表企业盈利的改善，更不构成投资收益的保证。

四、布局 AI 资产：先看懂不同的盈利逻辑

中国 AI 的投资研究，可以沿着四类不同的收入来源展开。以下企业构成产业观察名单，不构成任何价格的投资建议。

第一类：AI 基础设施赛道，受益于资本开支扩张

中际旭创、长电科技、北方华创、中微公司，以及寒武纪、中芯国际等，分别覆盖光模块、封装测试、半导体设备、芯片设计与制造等环节。它们的业绩不依赖于单一模型厂商的胜出，但同样具有产业周期属性。研究的核心是订单能否转化为收入与现金流、客户集中度、扩产节奏，以及技术路线迭代对现有产品的影响。

第二类：平台型企业，依托云服务与既有业务协同

阿里巴巴、腾讯、百度等企业，既可通过云与基础设施输出 AI 能力，也可将 AI 注入广告、搜索、办公等既有业务实现提效。对这类资产的判断，不宜只看独立 AI 业务的收入，更要观察 AI 对原有业务效率的提升，以及新增资本开支的回报周期。充沛的现金流是投入的底气，却不代表每一笔投入都能产生对等的回报。

第三类：模型厂商，直接参与通用大模型竞争

智谱、MiniMax，以及拥有可灵等 AI 产品的某手，构成了模型赛道的核心观察标的。它们的跟踪指标体系各不相同：基础模型关注能力迭代节奏、定价策略与客户留存；内容生成类产品还要看付费转化率、使用频次与内容生产的经济性。尤其需要注意的是，不能将单月收入简单年化后的运行数据，与经审计的全年收入或可锁定的续费收入等同看待。

第四类：垂直应用厂商，将 AI 嵌入专业生产流程

金山办公、金蝶国际代表办公与企业软件赛道，晶泰控股、英矽智能代表生命科学研发方向，德适科技则是医疗影像领域的典型样本。它们面临的共同命题是：客户付费的核心驱动力，是一次性试用、定制化项目，还是持续解决核心问题的能力？这一层面最值得挖掘的，不只是 “应用了 AI” 的企业，而是能让客户持续复用、愿意持续续费，并持续优化交付成本的企业。

五、德适样本：把医疗专业知识转化为可复用的生产能力

在这张产业资产地图中，德适—B（02526.HK）值得重点拆解，因为它直面一个典型的中国产业命题：医疗设备可以批量采购，影像数据可以持续产生，但高水平医生的专业经验无法以同样的速度复制。如何让优质医疗能力服务更多机构与患者，既有迫切的现实需求，也受严格的临床质量与监管约束。

德适以自研 iMedImage 医疗影像基座模型为核心，通过 iMedLoop 平台打通数据处理、专业标注、模型训练、评测、部署与反馈全链路。其 “模型工厂” 的产业价值，在于实现底层模型能力、工具链与交付经验在不同专科任务间的复用。如果每新增一个专科任务都要从零搭建研发体系，再大的市场需求也会被高成本限制；而共性能力的复用，能让原本开发成本高企的细分场景逐步具备商业可行性。这并非边际成本趋近于零，而是从根源上优化了重复投入的结构。

公司中期业绩显示，2026 年上半年实现营收 1.087 亿元，同比增长 21.0%；其中模型服务收入 9454.1 万元，同比增长 101.3%，占总营收比重达 86.9%。截至 2026 年 6 月末，公司累计推进 158 个模型项目，与 99 家医院达成合作，其中 65 家为三甲医院。这些数据印证了模型能力已转化为业务收入，并积累了跨任务协同的扎实基础；但模型项目不等同于已获批的成熟产品，模型服务收入也不能整体等同于订阅制收入。

另一项核心壁垒，是模型能力向监管产品转化的经验。AI AutoVision 染色体核型图像辅助诊断软件取得国家药监局第三类医疗器械注册证，为行业提供了从模型研发走向合规获批产品的实践样本。医疗 AI 的壁垒从来不是一张证书就能永久锁定的，而是在持续研发中同时满足专业数据标准、临床验证要求、产品管理规范与实际交付能力。这些能力的协同，才构成难以复制的竞争护城河。

9 月 11 日，德适与浙江安诊儿订立三年期合作框架协议，拟探索基层影像云服务与按 Token 用量计费模式，进一步打开了从模型开发向持续调用服务延伸的想象空间。若后续能形成稳定的付费部署，公司的增长动力将不仅来自开发多少项新任务，更来自这些能力被多少机构持续调用。当然，公告明确具体项目与计费安排仍待进一步磋商。对投资者而言，下一阶段的跟踪重点是付费机构数量、实际使用规模、持续服务收入与回款情况，而非提前将框架合作的空间计入业绩预期。

德适最具研究价值的地方，从来不是 “医疗 AI” 这个标签，而是它能否将中国临床场景中长期沉淀的专业知识，转化为可验证、可部署、可复用的标准化服务。这与中国 AI 更宏观的产业命题高度一致：既要创造智能技术，也要构建让智能在真实场景持续创造价值的生产体系。

六、做长期 “分红人”：价格与风险缺一不可

持有 AI 资产，不等于集中押注热门标的。对于难以持续跟踪技术与公司动态的普通投资者，成分清晰、费率合理的相关指数基金，是参与产业成长的可选渠道之一；具备研究能力的投资者，则可均衡配置成熟平台、基础设施与高成长应用赛道，避免组合内的公司高度依赖同一轮资本开支周期。同时，行业主题基金也可能存在持仓高度集中的情况，不能简单认为 “买入多只个股” 就实现了充分的风险分散。

最核心的原则，是将产业判断、公司质地与价格判断分开考量：中国 AI 具备长期发展空间，不代表每家企业都能成功；一家企业具备竞争优势，也不代表任何价格都适合买入。AI 时代，值得配置一份与生产力进步绑定的资产，但更重要的，是具备识别优质资产、持续跟踪验证的能力。

从算力供给到模型服务，从企业数字化到德适探索的医疗影像生产体系，中国 AI 的投资机会正在形成更丰富的层次。普通人不必亲自训练模型，也不必创办科技公司，仍可以通过合适的权益资产参与产业成长。做新时代的 “分红人”，不是追逐一个保证获利的概念，而是在理解价值与风险之后，成为真正创造价值的企业的长期参与者。