伯恩斯坦（Bernstein）在10月27日发布的中国市场深度报告《China Next Winners: From AI to Alpha》中提出，中国AI产业的机会正从大模型和算力基础设施，向更广泛的实体经济扩散。报告的核心判断是：下一批中国AI赢家不一定是模型能力最强的公司，而是能够把专有数据、规模优势、基础设施、低成本和分发渠道结合起来，将AI转化为可持续经济优势的企业。

这一判断意味着AI投资的核心问题正在变化。市场不应只关注谁在建设算力、谁在训练模型，还要关注谁能利用AI提高生产效率、改善经营表现，并最终把技术优势转化为盈利增长。报告认为，中国进入AI大规模落地阶段具备几项相互关联的条件：国产模型能力持续提升且推理成本相对较低；电力供应相对充足且成本较低，为算力基础设施扩张提供支撑；国产半导体、存储、网络设备和服务器生态也在快速发展。尽管部分先进芯片技术仍受限制，但本土产业链正在形成新的技术供应体系，报告特别提及国产DRAM、AI SuperPod和光互联技术，认为这些领域正在创造新的产业链机会。

在科技硬件领域，报告重点关注国产存储芯片、内存接口芯片和光互联。国产DRAM方面，伯恩斯坦预计长鑫存储晶圆月产能到2028年底有望达到53万片，超过美光；其全球DRAM市场份额预计从2026年的9%—10%提升至2028年的12%—13%。内存接口芯片方面，报告认为智能体AI可能带来新增长机会：随着AI应用从单轮问答走向多步骤任务执行，系统需要处理更多上下文信息、检索结果和工作记忆，内存带宽的重要性随之提升。报告特别看好MRDIMM技术，预计到2030年MRDIMM将占全球服务器DIMM出货量约25%，MRCD和MDB相关产品届时将贡献内存接口芯片市场规模的约73%。光互联方面，近封装光学（NPO）和AI SuperPod是报告关注的另一个方向，认为随着AI集群规模扩大，芯片间数据传输效率更加重要，有望推动光学器件、交换机和相关硬件供应链发展。国产算力系统的发展，也将为ABF载板、交换机、服务器整机及ODM厂商创造需求。

算力扩张离不开电力。伯恩斯坦认为，随着数据中心用电需求增长，电网、储能和电力转换设备将成为AI产业链的重要组成部分。报告预计2026年至2030年中国电网投资将超过5万亿元人民币；数据中心对供电可靠性和可再生能源并网的要求，也将推动储能系统部署。中国在电池产业链上的规模优势为这一趋势提供基础：伯恩斯坦数据显示，2025年中国占全球锂离子电池市场份额约80%，电池制造产能超过3000GWh，是其他地区总和的四倍以上。在相关公司中，报告重点看好宁德时代和阳光电源，前者凭借电池技术和电网级储能系统布局，后者通过逆变器、储能系统、可再生能源并网和电网基础设施参与AI电力需求带来的产业机会。不过报告也预计，中国AI数据中心电力需求的显著加速可能更多出现在下一个十年，到2035年数据中心用电量预计占中国总电力需求的约10%，而美国这一比例预计为16%。

在制造业方面，伯恩斯坦认为中国工业企业正在进入新阶段：部分行业已从国内市场的进口替代逐步转向全球市场竞争，核心支撑是中国工程师人才和本土供应链的深度。不同领域的全球化进程并不一致：商业机器人、人形机器人和机器人视觉系统等新兴行业，中国企业有机会在产业早期建立技术和市场优势；机床、注塑机和激光设备等传统工业设备，则需要先完成中高端国产替代，才能进一步拓展海外市场；工业自动化零部件和工业机器人由于涉及复杂的客户验证和系统集成，全球化过程可能更加渐进。报告还指出，对于部分中国工业企业，海外业务毛利率比国内高出3至23个百分点。在人形机器人领域，伯恩斯坦提出一个值得关注的判断：市场可能高估了谐波减速器的重要性，报告认为谐波减速器并非人形机器人的必需部件，制造商未来可能根据成本、耐用性、扭矩密度、精度和重量等因素，在谐波、行星减速器等不同技术方案之间进行选择。

智能驾驶和医疗是AI应用进入更广泛行业的两个例子。在智能驾驶领域，伯恩斯坦认为中国具备规模、成本和数据优势：大量量产车辆持续产生真实道路数据，形成数据积累和算法迭代的正反馈；与直接从L4自动驾驶起步的企业不同，部分中国企业采取从L2级辅助驾驶向更高级别自动驾驶逐步推进的路径，这种自下而上的模式能够借助量产车辆扩大数据规模，并在技术和商业化之间建立联系。但中国企业能否将这一优势进一步转化为全球市场竞争力，仍是需要观察的问题。医疗领域，伯恩斯坦统计，2023年至2026年三季度，中国AI药物研发企业的研发管线数量从47个增加至219个，超过原来的四倍；AI相关授权交易金额占中国来源授权交易活动的比例已达到约25%。但报告也明确提醒，目前证据更多表明AI能够加快药物发现过程，而不是已经证明其能够提高临床试验成功率，因此AI药物研发的价值不能简单等同于生成更多候选分子，未来真正重要的是能否形成更好的生物学洞察，并提升从药物发现到临床开发的效率。

AI Agent被视为另一个值得关注的竞争方向。报告指出，大模型本身通常不会持续保留用户在不同任务中的信息，而Agent Harness能够通过持久记忆、工具调用、任务编排和技能库，建立持续性的工作环境，因此AI竞争正在从模型推理能力扩展到上下文捕获和工作流程控制。伯恩斯坦重点分析了腾讯和阿里巴巴的机会：腾讯WorkBuddy整合自有模型和第三方模型，并依托其社交、通信和分发能力切入工作场景；阿里巴巴则依托通义、阿里云和钉钉，重点争夺企业数据和工作流程。字节跳动在消费者端拥有豆包的规模优势，但报告指出其消费者端AI产品的商业化仍面临挑战，企业市场则是其下一步的重要方向。在消费行业，报告认为拥有强大品牌和专有消费者数据的企业更有机会利用AI Agent改善经营效率，例如茅台可以利用i茅台积累的销售数据发展面向消费者的智能体，而其他品牌商则可能更多通过零售渠道优化需求预测和运营。金融行业同样是AI应用的重要场景，中国资产管理机构正在将开放权重模型、内部数据和Agent整合到研究、交易和投资流程中，推动AI从生产力工具向投资基础设施转变。

综合整份报告，伯恩斯坦列出的重点中国AI投资标的覆盖多个产业环节，包括腾讯、阿里巴巴、长鑫存储、中芯国际、工业富联、宁德时代、阳光电源、比亚迪、小米、恒瑞医药、信达生物和药明康德，分别对应AI应用、半导体与硬件基础设施、电力与储能、智能驾驶以及医疗等方向。报告最终强调，投资者需要寻找的并不是简单拥有AI标签的企业，而是能够利用专有数据、规模、物理基础设施、低成本、分发渠道和执行能力，建立可持续经济优势的公司——从AI转化为生产力，再从生产力转化为盈利增长，最终形成超额收益，这正是报告标题“From AI to Alpha”所要表达的核心逻辑。