Are retail investors still chasing after tech giants? Cathie Wood secretly heavily invested in th...

提到AI股票投資，市場陷入了一個常見誤區：過度集中在英偉達等市值最大的巨頭上。但真正握著AI產業發展關鍵鑰匙的，其實是三家鮮為人知的中小公司。這三家公司分別佔據了AI產業鏈的三個不同層級：上游算力創新、中游實體落地、下游生物應用。

Recursion Pharmaceuticals 代表的是AI在生物制藥領域的深度應用。傳統新藥研發是一個極其昂貴且漫長的過程，一款新藥從實驗室到上市需要十多年、耗資數十億美元，成功率卻很低。Recursion用AI直接縮短研發週期、降低成本，這筆節省的成本就是真實的利潤。該公司的獨特之處在於與英偉達合作開發自動化實驗室，用AI調度機器人全自動執行生物實驗，從配藥、培養、檢測到數據記錄完全無人介入，一天的實驗量是傳統實驗室的幾十到數百倍。更重要的是這個閉環迴圈：機器人執行實驗產生數據，AI根據數據設計更優化的實驗，效率會越來越快。雖然通用大模型如Google、微軟的生物大模型訓練數據來自公開論文，但Recursion累積了數百萬次真實生物實驗的獨家數據，這是外部絕對無法獲取的。AI模型的上限由訓練數據決定，這道護城河對手無法跨越。該公司管線已有多個進入臨床階段，今年下半年核心管線將公布二期臨床關鍵數據，這將是重要催化劑。

Symbotic 則是AI在實體經濟落地的印鈔機。倉儲物流自動化走得最快、最踏實，原因很簡單：人力成本不斷上升，招人難、管人難，而全自動倉儲系統24小時無休運轉，效率比人工高好幾倍，長期成本反而更低。對於沃爾瑪這類零售巨頭，倉儲效率每提升一點都意味著幾十億美元的成本節省。Symbotic與沃爾瑪的關係遠超普通供應商合作——沃爾瑪直接將旗下的自動化系統部門出售給Symbotic，相當於把自己的倉儲自動化技術底牌交給了它，形成深度戰略綁定。客户一旦裝上它的系統，整個倉庫的布局、流程、人員培訓都圍繞這套系統設計，換成別家的成本極高，所以客户粘性極強。該公司已經拓展到美國第二大連鎖超市和大型食品批發商，機器訂單已排期數年，未來幾年業績基本鎖定。最近實現盈利更是關鍵的轉折——市場長期擔心它只有收入沒有利潤，如今毛利率持續提升，投資邏輯徹底改變。表面看倉儲機器人技術含量有限，實際上真正的核心壁壘是調度算法。幾萬平方米的倉庫裡數百上千個機器人同時運行，要走最優路線、不碰撞、配合分揀打包，背後的AI調度算法才是王牌。Symbotic十多年運營積累了海量場景數據，算法越來越成熟，對手即使製造出相同機器人，沒有算法與數據積累的效率也會差一大截。

Cerebras Systems 則在最上游的算力層直接挑戰英偉達。雖然英偉達長期壟斷AI芯片，但Cerebras用完全不同的技術路線——全晶圓級計算，把一整塊晶圓直接做成一顆芯片，面積是普通GPU的數十倍，計算單元多得多，算力自然強，數據無需在多個芯片間傳輸，延遲低、功耗優。這個技術路線聽起來瘋狂但已經商用。最初客户主要是科研機構和超算中心進行科學計算，隨著大模型訓練需求爆發，越來越多企業和AI公司開始嘗試用它的算力。在超大規模模型訓練中它具有天然優勢——大模型參數太多，用GPU需要成千上萬張卡連接，通信開銷巨大、效率很低，而Cerebras的晶圓級芯片單顆性能足夠強，需要的芯片數量少得多，整體訓練成本反而更低。它的互補壁壘就是這套獨一份的晶圓級計算技術和專利，對手即使想跟進也需要十多年研發才能趕上。但它的短板是軟體生態——英偉達的CUDA生態發展了三十年，開發者數量龐大，大部分AI框架優先適配英偉達，而Cerebras生態仍在完善。不過生態是可以慢慢建的，只要硬體性能有絕對優勢，開發者自然會過來。

##