冯琤听完之后点点头，心中已经在想着如何从这些新质生产力中间选到合适的标的了。

机构交易者跟公众交易者其实差不多，都是由大到小区去筛选。

不过新质生产力那么多，

到底应该按照什么方向去筛选，冯琤一时间也有些懵，她反应可没叶小天那么快。

当下抬头看着叶小天说道

“你帮我划分一个大致的方向吧，我有点乱，

你一下跟我说这么说，

我有点没缓过来。”

看着有些茫然的冯琤，

叶小天笑着说道

“我是打算围绕着ai上下游的产业去找相关的标的。”

见冯琤还是没有反应过来，叶小天继续说道

“今年的春晚都看了吧？你看那个表演跳舞的机器人，

多好呀，

机器人需要用到ai算法吧？这是他的核心，

还有什么芯片、半导体、元器件、it设备、大数据这些，

是不是板块是不是都要考虑进去啊？”

冯琤若有所思的点点头

“你要这么说的话，我就知道了，

我就从这些板块里面找一些别人还没进场的标的，

这两天就筛选一下给你。”

叶小天连忙摆手

“你最好在我这个基础上再拓展一下，

这样才能找到更好的标的，我所说的，都是已经非常明显的，你能看到，

别人也能看到的。”

“这要怎么拓展？”

看到冯琤还是有些茫然，

叶小天叹了口气

“你呀，学盘不光只盯着盘口，

我老说功夫在盘外，

你也要多看看新闻，了解一下这些产业的变化，比如芯片相关的公司有哪些？那些做cpo封装的算不算？”

说着，叶小天调出一段的报表，上面详细阐述了ai和电力之间的关系。

《未来ai竞争的关键将下沉到电力供给能力层面》，核心原因可以从这几个方面理解：

1。

ai对电力的需求呈爆炸式增长，已经成为核心成本

ai大模型的训练和推理都极度依赖算力，而算力本质就是电力消耗：

训练一次顶级大模型，耗电量超过1000个漂亮国家庭的全年用电量；gpt-3单次训练耗电就足够3000辆特斯拉各行驶32万公里。

单台ai服务器的功耗是传统服务器的6-8倍，一个大型ai数据中心的耗电量堪比一座中小城市，电力成本已经占到大型ai模型训练总成本的60%。

2。

电力供给已经成为ai扩张的硬瓶颈

ai算力需求以每年近10倍的速度指数增长，但全球电力扩容和电网升级仅为每年2%-4%的线性增长，供需缺口正在快速显现：

基础设施建设周期错配：电网升级、新建电厂、输电线路的建设周期通常需要数年，远慢于ai芯片和模型的迭代速度，甚至会出现"有芯片没电用"的情况。

现有电网难以承载：以漂亮国为例，北弗吉尼亚数据中心的接入申请容量已经接近当地电网既有容量的两倍，老旧电网的输电、变电能力根本无法满足，不少科技巨头甚至因为电网接入延迟，不得不自建发电厂。

3。

电力能力直接决定ai竞争的胜负

在模型算法、gpu芯片之后，电力已经成为ai竞争的"第四要素"，谁能解决充足、稳定、低成本的电力供应，谁就能掌握主动权：

对企业来说，更低的电力成本意味着更低的推理价格，可以获得更多开发者和用户，已经出现我国ai模型调用成本更低，调用量反超漂亮国的情况。

对国家来说，电力基础设施的规模和能力，已经成为ai产业的核心底盘。比如我国凭借全球最大的电力供给体系、领先的特高压输电技术和充足的备用容量，在这一轮ai电力竞赛中已经占据了系统性优势。