睿远基金金宇：AI产业的投研思考

近日，睿远基金董事总经理金宇在参加 “睿见”沙龙时表示，看AI不能只看大模型，一个合理的、健康的、可以自我循环的产业结构，应该是倒金字塔型的，应用在上面产生最大的价值，继而逐级反哺下层。

以下为沙龙分享内容，略有删节。

非常高兴有机会做一个分享，也非常感谢投资者的信任，AI是目前关注度最高的话题，我主要围绕AI产业简单谈一些思考，欢迎一起交流。

AI产业的两个“不平衡”

当前AI产业投入产出不平衡。若将2027-2028年的预测一并计入，近五年资本开支规模预计超过四万亿美元。这是一个非常巨大的资本投资规模。然而，一个系统要良好运转，一定要有外部的收入。从外部收入来看，今年全球AI相关ARR加总约在1500亿美元，换算为全年真实收入仅600-700亿美元。四万亿的投入对应600亿的外部产出，投入产出比极度失衡，类比到房地产投资，租金回报率仅百分之一点几。

当然，这个计算口径是比较严格的。我看的更多是与生成相关的一些服务，比如Claude、OpenAI，还有像微软的Copilot，也就是从真正在消费者端或企业端赚钱的视角去统计。云厂商买算力的收入，我们认为那是系统内的收入。

另一方面，AI产业内部的发展也非常不平衡。英伟达的CEO黄仁勋讲过一句话：看AI不能只看大模型，应该把它看成五层蛋糕。最顶层是应用；往下一层是模型，比如OpenAI向开发者收费；再往下是云，像微软、AWS亚马逊；再下一层是芯片、半导体，包括英伟达、AMD、谷歌的TPU；底层是能源。

从五层蛋糕的视角看，一个合理的、健康的、可以自我循环的产业结构，应该是倒金字塔型的，应用在上面产生最大的价值，继而逐级反哺下层。但我们现在看到的产业结构是金字塔型的：上面应用的收入比较少，大部分资金实际上被用来买硬件。

基于上述两种失衡，市场形成两派争论。一方认为AI是巨大泡沫，投入远大于产出，产业结构也不平衡；另一方则认为这是为更美好未来做投资。

我认为两个观点都有一定道理。一方面，历史上电力革命、互联网革命都经历过类似的安装期，投入与产出存在迟滞。但另一方面，投资人对未来的想象和热情常导致投入过度超前。最有名的就是从1997年开始的互联网浪潮，到2000年出现互联网泡沫。更早期的美国经济大萧条也一样，那时候美国基于石油工业革命开始有福特T型车、收音机等各种各样的创新，投入量非常大、市场预期也比较乐观，最后出现了美国历史上一次很大的经济调整。

不同投资风格的关注点

接下来，基于以上背景我跟大家分享一下，现在AI行业里不同投资风格的关注点是什么，比如价值型投资者关注什么，成长型/趋势型投资者关注什么。

价值投资的特点是经过对企业的评估，基于内在价值与市场报价的比较，在安全边际下买入。举个例子，巴菲特买苹果的时候，苹果的估值大概只有10倍不到。他的假设是：这个公司如果今年赚100块钱，我并不假设它未来每年增长多少，我就假设它每年都能挣100块钱。基于此，10倍市盈率买入对应10%的回报率。但是，当前AI已将市场预期推至遥远未来，若完全不做预测，便无从决策。

此外，AI对整个社会的影响早已超越单一行业和技术范畴，渗透客服、制造等各行各业。这不仅是潮起潮落，更像一场海啸，站错位置便会被卷入。一位湾区朋友跟我讲得特别好： “如果你假设AI只是潮水的涨落，但它实际上是一场海啸，你在旁边观察，只要你站的距离不对，大概率就会被卷进去。” 比如，2023年我们还认为ChatGPT可能是偏互联网入口的一个变化；但现在看，它肯定不仅仅局限于互联网，对很多行业的影响都很大了。当AI是一场摧枯拉朽式的海啸时，简单说"我能躲开它"也不容易。

因此，偏价值型投资者绕不开这几个问题：我选择的标的跟AI的相关性是什么样的？即使认为"AI现在过热了，不想追高"，也要思考持有的公司在AI大发展下，究竟会受到多少冲击？还是有可能反而受益？例如，AI发展带来了对能源的大量需求，如果你选择的标的受AI冲击不大、公司估值比较低，又处于能源侧，就有可能还会受益。

从价值视角来说，当我们做预测的时候，我们希望能够理解AI长周期的TAM（总潜在市场），它究竟能够改变哪些领域，这些领域能够产生多少价值。此外，我们也在看这个系统对外的融资能力，观察谷歌、亚马逊、Meta等大公司的融资借贷的利率，以及美国市场CDS（信用违约互换）保费的变化。如果你是一个好的借款人，你的保费就低；相反，如果大家认为你的还债能力会下降，保费可能就高。

坦率讲，基于真实的客户或企业端的收入数据流，增长相对来说还是不够快；亚马逊的保费也开始上升，但还没有到不能承受的状态。

另一方面，成长/趋势型投资者则更侧重边际信号。一些重要指标是变好还是变差？如果变差了，我需要离开；变好了，我就可以继续持有。在过去两年我们看到有各种各样的信号来跟踪AI怎么发展，比如，云厂收入增速、模型厂的ARR、长期待交付订单等。

2025年，模型公司宣布合作就能带来股价大涨，比如OpenAI与Oracle宣布合作。到了今年4月后，好消息对股价的提振明显减弱，市场开始追问“投入能否产生可持续回报”。此外，随着美国国债利率上行，大型公司的融资成本会进一步上涨，市场也开始担心AI相关企业持续融资能力。

例如，市场预测2027年英伟达收入增长约40%，而最近英伟达业绩会上直接给出2028财年（对应2027日历年）增长70%的指引。如果是一个正常的行业状态，股价大概率会大涨30%，因为超预期太多了。但实际上，那天英伟达股价涨了一点，之后两天又下调了，股价波动也没有那么大。

这意味着，价值与成长的博弈力量趋向均衡，市场不再单纯为成长叙事买单。

对AI的三点研究理解

AI这个行业发展快三年半了，我们也在不断研究。就像摸这头大象，因为大象太大了，我们承认可能无法一下子尽收眼底，但我们也开始看到一些局部，慢慢知道有些东西我们看的可能是对的。尽管这个"对"只代表局部，并不能非常充分地解释AI，但有些心得，我给大家分享一下。

在AI研究层面，我们归纳出三个重要认知。

第一，大语言模型的本质是压缩。

大模型压缩的是信息、知识、流程。为什么我单独把“压缩”这个词拿出来讲？因为我们由此可评估各类商业模式的脆弱性。信息、知识和流程冗余度越高，越易被压缩。很多已经上市的公司，我们可以一方面看它在多大程度上会受益，另外一方面也评估它可能被冲击的风险。

举一个最简单的例子。刚开始大家认为ChatGPT冲击的是谁？冲击的是谷歌。因为谷歌是做信息分发的。我们去问一个问题，理论上最简洁的方式是获取一个答案，但谷歌相当于给了我们无数个与这个问题相关的链接，而且里面还加了广告，所以它的商业模式里信息的冗余度是非常高的，所以它具有容易被大模型压缩的风险。

再比如，网约车平台的商业模式是：用户去找你司机，平台把最近的、最高效的司机推送给用户。这种商业模式本身信息的冗余是非常低的，如果用大模型或者建一个语音助手通过对话交互，对消费者来说带来的不是效率提升，很多人发现要说半天。

运用这个视角，我们可以去理解哪些公司是信息被压缩了，哪些公司是知识被压缩了。此外，大部分软件实际上是一种多步骤的流程，而流程也是一种信息流，所以也可能被压缩。另外，大模型压缩的是信息比特（bit），所以如果你是物理性的，比如制造业，可能不太容易被压缩。

第二，大模型是制造业。

过去二十年，科技行业的赢家几乎都是渠道和分发，不管是做旅游的、做电商的、做信息分发的，总体上来说都是distribution（分发）。而这一轮科技变革，大模型是制造业。我们可以像理解"大模型是压缩"一样，去理解"大模型是制造业"能给我们带来哪些启发。

AI 本质上是把电力和算力加工成 Token，再把 Token 转化为可消费的智能，这就是一种新型制造业。而制造业讲究成本（cost）、质量（quality）、交付效率（delivery time）。所以，回头看特别有意思：我们去评估云厂商也好、模型的开发商也好，最后发现我们评价它们竟然跟评价一个电风扇是同样的维度： cost够不够低，模型能力够不够强（quality），然后就是效率（delivery time）。

一个好的商业模式可能是垄断的，但如果它偏制造业，那么市场可能是分层的。可能会有寡头，但很难走到完全垄断。这也部分解释了美国闭源模型与中国开源模型过去6个月的竞争格局。这跟我们基于"制造业"这个判断去推演和理解，实际上是有点相似的。

另一方面，当我们认为大模型是制造业的时候，另外一个话题的讨论就越来越热烈了：制造产品就得面临着产品和渠道的关系。比如，历史上宝洁和沃尔玛的关系，平台和上游商户的关系，而我们现在开始讨论比较多的是几个大云厂（亚马逊、谷歌、微软）和模型开发商的关系。

当然，并不能说因为它是制造业，我们就这件事情就完全理解了。同样是制造业，家电、汽车、能源之间差别还是很大的，它们的一些相关的共性，能对我们在做一些判断的时候提供支持。

第三，狐狸与刺猬策略各有利弊。

今年我们内部分享说，投资方式可能有两种，一种是刺猬，一种是狐狸。“刺猬”会有一个比较坚定的信念。比如，对做深度价值的投资人来说，他的深度信念就是"我不能买贵的"。还有一种“狐狸”的信念，就是根据市场环境，不断进行优化和调整。

有一句话对我来说蛮受用的：当你不知道一个事情的边界的时候，大概就说明你不太懂这个事情；如果你理解一个事情，你应该就懂得它的边界。我在跟大模型沟通的时候，这方面的感受特别强烈：凡是在我不懂的领域，我就觉得大模型简直是神人；但在我的专业领域内，我就可以看到大模型很多问题。我觉得这在投资上也一样。当你选择做刺猬的时候，你应该避免什么才不会挂掉；而当你选择做狐狸的时候，你也要知道你的风险在哪。

做“刺猬”的核心是什么？刺猬的核心是有一个坚定的信念，因此要确定所锚定的信念是正确的。如果锚定的信念是错误的，却又很坚定，就会出现很大的问题。在一个巨大变革的市场里面，有两类信念可能是正确的：第一类是特别普世的真理。但即使是普世的真理，像牛顿定律，也是有边界的。只不过总体来说，普世真理的边界足够大，所以大概率是正确的。第二个，就是特别简单、特别明确的可以确认的事实。这些是可能正确的，但也有巨大的变化空间。比如说，我自己原来看互联网行业，总结了很多规律，但在人工智能时代，如果我还用这个视角去看，我可能就错了。一个深度价值投资人最大的风险是什么？是踩到价值陷阱。所以“刺猬”一定要知道信念边界，这个很重要。

“狐狸”型投资人，总体来说比较灵活、信息比较敏锐。我以前对量化不太关注，但现在大语言模型已经开始能够处理以前主动投资用人来处理的信息了，所以我现在感受到量化也在创新、也在变化。“狐狸”型投资者胜利是靠信息更丰富、对信息处理更快更敏感，但从长周期来看，可能已经注定要输给计算机了。

在AI发展的浪潮里面，我们现在看到的是：一方面这个系统本身还是以非常快的速度在发展；另外一方面，这个系统的张力越来越大，面临外部资金的制约等方面越来越大。一个比较好的选择可能是哑铃型的配置。比如，一端配置系统里面bottleneck（瓶颈）的环节；另外一端，找相对受系统冲击比较小、比较稳定的，甚至能从这个系统发展中受益的、护城河比较深的公司。

这样一个系统只有两种结局：一种结局就是崩掉；另外一种结局是后端应用收入崛起使整个系统自洽。无论是哪种结局，我们都意识到一件事：这个系统整体上会越来越往应用、往越来越健康的方向走，向应用端、向真实买单的用户倾斜。

这是我现在的一些思考，希望对大家有些启发。

本文系睿见沙龙活动现场观点整理，内容为嘉宾个人观点，不构成任何投资建议或收益承诺。

风险提示：本资料不作为任何法律文件，所载观点均为当时观点，不代表公司对未来的预测，所载信息仅供参考，不构成任何投资建议。投资人购买基金时应当仔细阅读相关基金合同及招募说明书等法律文件，了解基金的具体情况。投资有风险，基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。

阅读最多

王焜

点❤最多

如来