张湧：科技股的投资出现新变化……

lameihua

　　伙伴们，大家好！

　　今年是科技年，大家对科技的关注度非常高；

　　但是目前，科技全行业的投资红利期已经过去了，“哪个赛道热就投哪个”的办法已经行不通了；

　　上两周，我在内部直播里邀请到诺安基金研究部负责人、诺安科技组带头人邓心怡，对科技股的投资做了深度的交流。

　　我一个总的感觉是：普通人想要在科技股里面寻找机会越来越难了。

　　“前瞻再前瞻一些”，这是她在投资时一再强调的原则。

　　在产业趋势初露苗头、市场还没有充分定价前就进入，这才是能立于不败之地的关键。

　　“既馋AI的风口，又怕波动的风险”的普通投资者，在面对科技股时，还是要把专业的事情交给专业的人去做。

　　在邓总看来，现在的科技股的投资思路是什么？

　　核心就是要抓住“大模型迭代”这个主线，这是驱动产业的关键节奏；同时也要关注“自主可控”的推进节奏。

　　01

　　“大模型”就类似一把铲子：从人类已有的海量知识中，“挖”出对人类有用的信息。

　　直到2022年底ChatGPT一夜之间爆火之后，人们发现：大模型也可以在“挖掘”这件事上和人类媲美，甚至超越人类。

　　当大模型超越人类的“挖掘”能力，则会极大提高生产力，催生新需求，人们从未见过的工作类型将会“涌现”出来，催生的新需求和资金投入。

　　所以科技板块在未来是有非常强的确定性的。

　　为什么大模型是这一轮科技投资浪潮的“纲”呢？

　　邓总对此的总结非常生动：

　　大模型是目前科技产业的“发动机”，它的每一次“升级”，都会“点亮”上下游的某一个领域；

　　应用方面，比如去年GPT-o1发布后，带火了文生图、文生视频的大模型，那些先天有图片、视频基因的公司商业空间被打开，股价飞起；

　　今年谷歌发布的Gemini-3，突出的能力是“生成世界”，大幅提高了游戏等强交互产品的生产效率，游戏板块也迎来一波巨大的涨幅。

　　硬件方面，每次大模型迭代之后，需要新的硬件来支持和适配，市场需求就会爆发。

　　举个例子，2024年9月发布的GPT-o1，最大的突破是开始模仿人类的“思维链”；

　　这导致专用型算力芯片的需求爆发，代替过去的通用算力芯片，成为新的投资主线。

　　核心就在于：能否尽早甚至提前把握技术迭代的节点，找到下一步大模型迭代的方向。

　　到目前为止，这个逻辑依然是科技投资的核心主线。

　　02

　　邓总本科毕业于清华大学（化工），硕士毕业于宾夕法尼亚大学。

　　她对技术迭代引起的投资周期的变化非常敏感。

　　去年9月份GPT-o1发布之后，首次引入了模仿人类思考的“思维链”能力，包括后续的DeepSeek也是这条路径上的延续。

　　这次模型的迭代，她找到下游被“点亮”的应用是智能体（Agent）。

　　智能体的投资热情最高点是在DeepSeek出来之后，而她的布局点其实提前到了去年5月份。

　　而在寻找被点亮的下游硬件时，她的操作更加出彩了。

　　GPT-o1之前的大模型都是“全科人才”，适配的硬件是“通卡”（英伟达B系列）；

　　GPT-o1之后的方向则是某个领域的“专家”，适配硬件的是“专卡”（即ASIC专用芯片）。

　　适配“全科人才”的英伟达芯片（B系列）供应能力跟不上，导致“全科人才”这条路暂时遇到瓶颈。

　　所以这时，她首先去配置了被GPT-o1点亮的下游应用，以及“专卡”硬件厂，节奏把握非常准。

　　大模型目前处在一个“算法等硬件”的状态。

　　而今年5月底，英伟达季报中提到GB200已经开始稳定出货，之后她就开始进行配置结构的切换。

　　03

　　根据她的分析，总结了接下来的三大核心投资机会。

　　应用端来看，国内国外都在高速增长：

　　25年7月，谷歌Tokens调用量达到980万亿，3个月完成翻倍；

　　根据国家数据局数据，截至25年6月底，我国日均Tokens调用量突破30万亿（月均900万亿）；

　　和24年初日均消耗1000亿相比，1年半增长超300倍。

　　谁在用这些Token呢？

　　这些Token的使用量，来自于AI对千行百业的赋能对生产力，也就是AI渗透广度和深度的提升。

　　比如根据微软的披露，在医疗和金融行业，AI可以显著缩短高价格人工的工作时长：

　　在金融行业，AI应用每年能缩短时长2000多个小时；

　　也可以将医生撰写诊断文档的时间缩短三分之一以上。

　　谷歌、Meta、腾讯等的广告业务接入了AI之后，整体的毛利率是在逐步抬升的，盈利也有所改善。

　　04

　　所以应用端的爆发是真实的，而算力（芯片）是支持应用实现的基础设施，算力的需求也是真实的。

　　算力端，在Agent时代来临后，相比过去的单次问答，推理算力的需求调用数量呈几十甚至上百倍的提升。

　　芯片可以用一个指标来看：全球半导体销售额。

　　一季度的时候，北美半导体销售额增长了40%；

　　而我国5、6月份的半导体销售额只有10%左右的增长。

　　这主要是因为，北美的半导体增长主要来自于AI，而我国主要来自于消费电子。

　　而美国的高性能AI芯片不卖给我们，也限制我们设计的芯片在海外实现高制程量产。

　　而对于其他使用美国芯片的国家来说，其国内主要企业的数据运行在海外的硬件上，数据处理调用了海外的模型；

　　如果使用者没有做到全面充分的安全防护，极端假设下，数据安全将面临风险。

　　所以，“自主可控”对我们来说是一个必然的选择。

　　之前国内AI的产业链一共包括4部分：中国制造+国产芯片+国产模型+国产应用。

　　这个链条存在一个亟待改善的环境，即国产芯片与模型的适配度有待优化提高，从而提升国内芯片的使用效率和投资回报率。

　　而今年7月底的人工智能大会上，阶跃星辰宣布其旗下模型已基本适配主流国产芯片；

　　同期，“模芯生态创新联盟”正式成立——这意味着国模与国芯不匹配的“断点”已成功打通。

　　8月份开始，资本市场才开始逐步反映“国模适配国芯”的价值，开启了一波大涨。

　　在邓总看来，自主可控的价值发现才刚刚开始，而这些公司的商业空间被打开了，理应享受更高的估值。

　　05

　　在AI跟现实交互的终端上，机会主要集中在消费电子和机器人上面。

　　消费电子领域，比如PC时代，键盘是最适合的交互形式；

　　移动互联网时代，触屏是最适合的交互形式；

　　在邓总看来，AI时代也许有比触屏更适合的交互形式。

　　因为触屏是要眼睛看着屏幕的，而AI是语言模型，语言本身就是一个很好的交互载体，而用语言交互的时候不一定要看着屏幕。

　　比如下面这张图展示的是一个贴在胸前的摄像头，它可以帮你观察周围的环境，如果需要看的话它会在你手上投射一个屏幕。

　　目前来看，还不确定什么是最适配AI的产品形态，但是它一定会来。

　　另一个是人形机器人。

　　机器人和AI结合之后，生产力释放的想象空间要比消费电子更大。

　　目前人形机器人的硬件配置已基本满足基础需求，但智能化水平仍有较大提升空间。

　　机器人智能化的核心在于模型训练，目前主要的训练是发生在真实的物理世界；

　　如果机器人能在虚拟世界里去训练的话，训练效率的提升，就可以类比“天上一天、地上一年”。

　　这也是机器人智能化有可能被突破的一个窗口。

　　在投资方面，和机器人模型的大脑关系越近的方向，比如机器人运动控制、传感器、大小脑、操作系统等，将是最受益的。

　　投资机器人还有一个关键点就是能否量产，只有实现了智能化突破的机器人，才具备量产可能性；

　　哪家企业在机器人智能化领域走在前列，就可重点关注其相关产业链的投资机会。

　　06

　　以上是过去一年，诺安稳健回报（002052）最关键的两次配置调整的底层思路。

　　不管是从投资逻辑，还是从产品业绩的角度来看，邓总都是一个“知行合一”的人。

　　基金在过去一年里实现了超过100%的回报，回撤控制的也非常好。

　　这个回报我并不惊讶，因为今年是科技爆发的大年，关键是回撤控制非常好。

　　这主要得益于三方面举措：

　　选取与公司营收直接相关的单一变量（如token数、芯片出货量），验证产业进度；

　　测算3-5年稳态市值，对比当前估值，判断是否“阶段性过热”；

　　避免单一赛道过度集中，动态平衡硬件与应用仓位。