近日，由鳳凰衛視、鳳凰網發起的2026鳳凰之星上市公司評選已全面進入專業評審階段。

本屆評選緊扣全球AI產業變革趨勢，聚焦企業智能化真實落地能力與底層技術創新實力，特設多項AI主題專項獎項，旨在挖掘AI浪潮中具備核心競爭力與長期成長潛力的優質上市公司，為資本市場樹立科技轉型價值標杆。

本次深度專訪特邀本屆賽事評審專家日本NTT數據集團主任研究員王堅革教授，結合多日評審一線調研見聞，覆盤國內各行各業上市公司智能化轉型現狀，圍繞企業AI真僞甄別、算力產業周期、底層技術突破、頭部企業價值研判、產業出海機遇等核心行業議題，輸出一系列極具前瞻性的重磅產業觀點，深度拆解當下中國AI產業的機遇、短板與換道超車核心路徑。

王堅革表示：「國內企業數字化，智能化已經告別單純跟風上系統做表面數字化的階段，大家在經歷了外部環境洗禮以後，創新的思路正在發生深刻的轉變。參照日本企業過往追趕歐美的歷史經驗，越來越多的企業意識到僅僅在成熟賽道實現技術追趕，很難建立長期安全的壁壘，必須得主動佈局下一代技術路線，避免長期被別人設定的技術範圍裏頭受打壓。」

01 國內智能化三大鮮明特徵：底層算力、AI 分層、軟硬件協同成核心矛盾

談及當前國內企業智能化發展現狀，王堅革總結三大行業特徵：

第一，智能化建設不再只是降本增效工具，供應鏈安全、底層技術自主成為硬科技企業核心考量。企業不再只聚焦成熟算力方案，開始佈局光子 AI 芯片等下一代算力方向，看清傳統電子 AI 芯片逼近物理瓶頸，長鑫、瀾起這類存儲企業，是光子計算體系不可或缺的硬件底座支撐。

第二，AI 賽道出現明顯分層，上層大模型應用火熱，底層基礎創新存在巨大短板。行業資本大量湧向現有主流神經網絡路線，但主流方案存在可解釋性瓶頸，在高可靠、高安全工業場景落地存在天然物理約束，業界急需具備嚴密數學支撐、可解釋性更強的全新物理 AI 架構，目前長線基礎研究投入主體十分有限。

第三，軟硬件協同全鏈路佈局成為頭部企業共識，數字化轉型不再是軟硬件簡單堆砌，新算法架構革新必須與底層硬件匹配迭代。當下市場普遍追捧短期變現的 AI 應用，周期漫長的 AI 數學基礎理論、全新架構預研投入嚴重不足。「一旦 AI 底層數學基礎理論實現突破，就有望把算力需求直接降低數千甚至上百萬倍，重塑整個算力產業鏈。我們期待像大疆這類具有前瞻性研發傳統的工業龍頭，能夠更多的關注 AI 數學基礎理論方面的探索。」 王堅革說道。

王堅革判斷，國內智能化正處在關鍵分水嶺：短期大模型應用熱度仍會持續，但長期競爭勝負取決於全新 AI 架構，光子 AI 芯片、可解釋 AI 等底層賽道纔是決勝關鍵，企業需要兼顧短期商業化與長期技術創新，才能在新一輪技術範式中實現換道超車、掌握主動。

02 「特朗普的封鎖，成全了長鑫與瀾起的黃金窗口期」

對於聚焦長鑫、瀾起等存儲企業，王堅革直言，底層存儲技術對比美光、三星仍存在明顯差距，但存儲產業不屬於光刻機最底層環節，具備自主突破空間。「如果國內能實現 28nm DUV 光刻機自主，再疊加 AI 數學基礎理論突破，我們不需要 HBM 高速傳輸通道，依靠成熟 28nm 芯片搭配自研 AI 數學體系，完全有機會搭建自主 AI 芯片。即便現有技術尚不成熟，長鑫、瀾起在底層存儲賽道的可靠性依舊穩固。」

他坦言，國產存儲當下紅利核心來自國產替代，特朗普發起的技術封鎖，反倒為長鑫、瀾起創造了難得的黃金髮展窗口期。「如果要是特朗普不搞封鎖的話，我估計，長鑫跟瀾起這類企業的生存環境是很困難的。正是外部封鎖給我們製造了寶貴機會，能否牢牢抓住這個時間窗口，是企業突破發展的關鍵。」這一外部環境變化，讓國內底層存儲企業獲得了喘息與成長的空間，如何抓住窗口期補齊底層技術，成為產業核心課題。光子 AI 芯片目前在光學器件層面技術日趨成熟，但存儲轉換環節存在巨大短板，光子計算結果需要轉入電子芯片存儲，大量損耗資源，而瀾起、長鑫參與國際光存儲轉換標準制定，拉長計算到存儲完整產業鏈條後，光子芯片效率將大幅超越傳統電子芯片。

03 「AI 本身是工業味精，一定要依附於具體場景才能產生價值」

針對行業大量企業混淆 AI 概念、評審難以客觀評判的行業痛點，王堅革提出五大可落地判斷信號，用於甄別真正具備 AI 核心能力的企業：

AI 與主營業務深度咬合：AI 不能和主業 「兩張皮」，智能化投入必須服務核心產品，嵌入研發、生產、供應鏈關鍵環節，僅用作宣傳噱頭、脫離業務場景的 AI 項目均為概念包裝。「AI 本身是工業味精，一定要依附於具體場景才能產生價值。」

具備可量化落地指標：摒棄 「賦能轉型」 等模糊定性描述，以生產良率、研發周期、規模化部署數量、推理成本、系統穩定運行時長等可覈驗定量成效作為評判依據。

區分應用集成與自主創新：僅調用第三方 API、簡單微調搭建前端應用屬於淺層集成，不具備核心 AI 能力；真正有實力的企業擁有自研算法團隊、專屬高質量數據集，數據集內含真實物理規律，具備長期迭代機制。

長期組織配套與持續投入：跟風佈局AI、僅因行業焦慮短期投入的企業難以走通，完整 AI 佈局需要長期穩定研發規劃與組織配套。

模型滿足工程物理約束、故障可復現：當下主流黑盒 AI 不受物理約束，工業落地穩定性差；優質 AI 系統故障可再現，能夠持續產出規模化真實業務價值，規避大模型幻覺、不穩定等固有缺陷。

王堅革強調，當前行業缺少統一 AI 界定標尺，千人千種 AI 定義，評價極易流於主觀，只有建立以單調收斂、穩定迭代、高可解釋、強泛化性為核心的標準，才能客觀篩選具備長期生命力的 AI 產品。

04 當前英偉達存在巨大產業泡沫，三年之內或將破裂

針對企業盲目跟風佈局 AI、短期投入難見利潤的普遍困境，王堅革給出一套平衡投入與經營效益的實操思路。

首先搭建定量 AI 投入產出評估體系，對 AI 項目分層分類管理：成熟產線質檢、調度、客服等場景，設定 1-3 年回本短期收益指標；新型算法、下一代算力適配等前沿基礎研究，單獨劃定長期研發預算，剝離短期業績考覈，不能強求即時利潤。「OpenAI 不計成本投入多年才取得階段性成果，底層基礎研究天然具備長周期屬性。」

其次，摒棄單一淨利潤財務指標評價 AI 項目，建立多元化價值評估體系。AI 帶來的管理優化、隱性降本等長期管理價值，無法直接體現在短期財報，需要單獨納入長期價值指標考量。他直言當前英偉達存在巨大產業泡沫，單一高利潤壟斷格局難以長期持續。

同時企業可借鑑豐田精益生產模式，採用漸進式改造，分環節迭代優化，不一次性推翻現有體系。長遠來看，隨着 AI 底層數學理論突破，算力成本將大幅下降，智能化門檻重構，企業現階段需同步儲備數字化底層能力，迎接下一代技術變革。此外，產業發展必須嚴控大數據質量，多維度覈驗數據產生邏輯、物理適配性、工程落地價值，夯實產業底層根基。

談及英偉達行業泡沫存續周期，王堅革給出明確預判：「三年之內泡沫就會破裂，電力供給是當前最大瓶頸。」

他解釋泡沫形成根源：現有黑盒大模型缺少高效數學描述工具，行業陷入 「模型規模越大競爭力越強」 的誤區，完全脫離物理約束。「描述蘋果落地，牛頓力學僅需三個參數，現有大模型卻要十億級圖像數據，一旦新型 AI 數學理論落地，算力需求可降低百萬倍，英偉達現有商業邏輯將不復存在。」

泡沫破裂背景下，存儲賽道反而迎來長期機遇。無論未來主流是電子 AI 芯片還是光子 AI 芯片，數據存儲都是剛需，瀾起、長鑫不受算力周期劇烈波動影響，產業成長周期將遠超英偉達等算力廠商。

05 看好長鑫、瀾起、大疆、騰訊

王堅革認為長鑫、瀾起處於存儲剛需賽道，不受單一算力周期制約，長期成長確定性強；大疆堅持前沿技術預研，疊加無人機獨特場景數據優勢，具備底層理論突破潛力。

騰訊資金儲備充足，對被投企業研發約束寬鬆，擁有長期技術翻盤潛力；

針對全球 AI 監管收緊、地緣壁壘抬升、行業預判出海紅利收縮的觀點，王堅革持相反判斷，認為未來三年國內企業數字化出海將持續擴容。

短期各國差異化監管、芯片出口限制會抬高出海阻力，但長期核心競爭力源於國內獨有的工業物理數據優勢。歐美大模型數據多抓取自互聯網，數據邏輯無法覈驗；我國作為世界工廠，沉澱海量可追溯、符合物理定律的產業加工數據，構建海外難以複製的物理 AI 模型壁壘，類似比亞迪突圍日本輕型卡車市場，底層技術突破將倒逼海外市場接納國產 AI 方案。

海外科技巨頭持續鉅額押注閉源大模型，依靠授權賺取商業收益；我國依託制度優勢堅持開源路線，能形成全球稀缺的 AI 供給資源，支撐出海長期擴容。

同時他預判，海外頭部 AI 企業資本承受周期存在上限，參考 Meta 元宇宙投入周期，OpenAI、谷歌等企業最長堅持不超過五年，3 年內大量資本或將離場，留下巨大產業空白，國內底層技術企業有望承接產業轉移紅利。

訪談最後，王堅革表示，國內產業想要抓住新一輪技術革命機遇，必須跳出短期商業化思維，集中資源攻堅 AI 數學底層理論、光子算力、存儲硬件三大核心賽道，依託全產業鏈場景紅利，堅持長期技術創新，最終實現 AI 底層技術換道超車。