财通基金：别用老眼光看“新物种”

在全球资本市场风云变幻、AI革命不断加速的大背景下，A股市场正迎来一场前所未有的AI投资浪潮。

但连续大涨之后的A股投资者，对AI行情始终是既充满期待，又心存疑虑的：AI板块会不会像过去的热门赛道一样，三年一周期，高潮之后就是泡沫？产业链会不会因为高景气度而迅速内卷，导致价格战？AI的商业模式和盈利空间到底有多大？

面对这些问题，财通基金副总经理、权益投资总监金梓才日前在“财通基金2026年投资策略会”上给出了详尽的分析和回应。

作为近年业绩出色的基金经理和投资总监，金梓才的该场演讲在当时的会场内有很大反响，也引起了外部的高度关注。

（以第一人称摘录，内容有小幅删节，未经演讲者审核）

金句：

1、 在长期向好的行情里，我们要找一个高景气、可以持续的方向，作为底仓；对于机构投资者而言，追求一些主题性行情可能是非常不划算的。

2、 美国市场AI的渗透率上升带来了消费的短暂回落，这一点我们并不悲观，原因是很多轮技术革命的初期，都是伴随着阵痛开始往前走。

3、 从2024年“9·24”至今，我们最预料不到的是AI的估值。通常，作为本轮行情的主线板块，估值应该很快走到不太便宜的阶段，但一年半过去了，分歧并没有消失，估值可能依然处于相对合理的区间。

4、在此之前，A股基本面产业趋势的投资节奏通常是第一年关注景气度，第二年关注业绩兑现，第三年警惕股价回落。因此在今年年初，市场对AI的分歧较大。

5、之所以我们提出AI是“长投行情”，一方面是AI的产业趋势强劲，行业能见度较高，另一方面，来自产业供应链缩圈所带来的高确定性。

6、制造业的去库存已经接近尾声，2026年我们认为供给端对周期性行业来说非常有利，预期PPI可能会回升甚至为正。

7、财通基金的核心投研框架：一是股价要有赔率；二是公司有一定壁垒；三是需求边际变化，景气度中短期增速没问题；四是远期空间非常大。

北美处于新旧动能转换

AI对于美国经济整体的影响，是我们最近路演时大家问得非常多的一点，认为好像AI目前造成美国就业的问题，对经济拖累可能较大。

实际上，AI的渗透已经在北美很多国家发生了，只是这样的发生可能是“不显山露水”的。AI最主要的应用是替代人力，比如说现在发生的一些AI固定场景的应用渗透，一定程度上带来美国目前就业市场的结构性失衡。

2022-2025年，美国新增的非农就业人口一直趋弱，这里面有经济周期的问题，但是有相当一部分原因是AI的渗透，而且对于美国来说，它的初级就业人数出现明显的回落。

美国主要靠消费驱动，收入预期下滑一定程度上会冲击美国当下的消费水平。我们看到，美国个人商品服务消费支出的增速，是在往下走的。而美国这段时间通胀压力没有像2022年到2024年周期这么明显。所以与居民消费相关的一些服务领域，最近在北美压力比较大。

可能有的人基于这个数据，会得出相对悲观的结论，但我们没有那么悲观。原因就是我们看到很多轮技术革命的初期，都是伴随着这样的阵痛开始往前走：当蒸汽机发明了以后，可能马车夫下岗了，但这是第一阶段。后面会有越来越多使用机器的岗位涌现，高技术工人们又会重新上岗。所以在技术革命的初期，往往伴随着增长有一阶段的压力，但如果把时间拉长看，AI是一个非常高效率的生产工具。

目前美国零售业也处于调整进程当中，制造业呈现复苏的迹象，这是我们对美国现在制造业的一个观点。有点类似我们10年前、20年前走过的路，消费在趋弱，但是制造业投资在提升，这是一个此消彼长的过程，这是我们现在对北美这个市场最大的判断。大家看到它的制造业回流，很多的制造业比如光伏、新能源这些也逐步建厂，这一定会拉动它的制造业的投资。

所以我们看美国的投资增速是分化的，科技产业的投资是明显加速的，制造业的投资也是可以的，其他行业可能相对来说低迷。

最后对整个经济的影响会是什么样的？

AI的投资渗透慢慢也会渗透到其他制造业领域，我们看到AI投资不仅拉动了它的数据中心，还拉动了电网、配套基础设施等与建筑业相关的投资。从2025年以来，这些相关领域的投资对北美的经济的贡献度已经明显上升。

所以目前美国呈现的状况是：AI相关投入大幅增长，居民消费在往下走。数据端能看到，美国GDP并不是特别突出，但它处在新旧动能转换的阶段，而新的力量我们认为可能至少是一个三五年的周期。等到一定的人群如果能够转变自己的知识结构，能够重新上岗，后面的消费也未必会一直弱，这点需要观察。

在70年代，当时美国经济也曾有一段低迷期，当时是PC刚萌芽，也是新信息行业有扩张迹象的阶段，跟现在的经济环境是有一点类似。渡过周期到80年代以后，受益于生产力工具效率的显著提升，经济也得到明显的提升。对应到资本市场，90年代美股科技走势强劲。

总体上我们认为，北美市场目前正处在新旧动能转换的阶段，从结构性来说科技向上的力量非常显著。

“9·24”以来最大的意料之外

本轮行情从2024年“9·24”以来，我们坚定明确地看好整体市场的上行，我们当时有句口号：一定要买入具备想象空间大的、有扎实产业逻辑的、具有持续景气的趋势性行业。

我们很早就意识到，AI作为本轮行情的核心主线，可能很快就会走到一个估值不太便宜的位置。但一年半时间过去，大家看到AI行业的估值依然处于相对合理的区间，这种保持持续性的长线节奏，可能是最在我们意料之外的部分。我们在2024年末能预料这些公司可能会涨很多，但是没有预料到在2026年居然还是如此合理，这是我们感到非常惊讶的。

我们曾经经历过2014-2015年，包括2020年的行情，为什么这些公司仍然处于相对合理的区间？而且为什么大家好像一直有分歧？我们分析下来，最重要的原因就是A股从来没见过这样的行情。

A股热门行业在历史上一个很重要的历史规律是“景气度三年周期”——第一年关注未来的景气度，第二年关注业绩兑现，第三年警惕价格回落。比如光伏、新能源车、消费电子，我们的A股一路走来，仿佛习惯了这样的节奏。其中当然有各种原因，有的是因为周期扩张比较没有节制，有的是因为大客户对供应链的议价能力非常强，价格总的来说对供应链的业绩产生了较大影响等。

所以此前成长行业的天花板，普遍还是会有比较大的瓶颈。AI的基本面属于什么样的基本面？每年可能都给你兑现，并保持一定高速增长。

包括最近一些机构路演中，市场（对AI行业）的分歧依然如此之大，这在某种程度上可能导致了当前的估值是相对合理的。

高确定性的来源之一

我们提出AI产业“长投正当时”，是因为我们认为，当下这种估值分歧或相对合理的状态可能会维持相当长的一段时间。

根据产能、客户数据等中期景气度指引，在看得见的能见度里，AI产业仍然是相对优质的方向，我们会保持密切的动态跟踪。

AI产业高确定性的另外一个来源，在于它的供应链缩圈——海外供应链对产品的品质与稳定性的要求是严苛的，而对价格敏感度低，这是其一。

其二是AI产业的技术迭代速度很快，当技术不断迭代和创新时，新进的供应商可能很难拿到份额。

举个浅显的例子，上一代在配套，才有基础去给客户研发下一代产品；如果上一代产品都不在里面，想要跳过直接原创性地去做下一代产品非常难。当一个行业每年都在迭代和创新，供应链是不容易变化的。尤其是在上一代供应链里面，证明过自己交付能力、技术能力都很强的供应商，在景气度高增的时代，大概率不会被轻易换掉。

所以大家不要忽视供应链在缩圈的事实，这也是市场普遍的一个预期差。可能有一些上市公司也在说要进入这个领域，难度可能是非常大的。

慢牛的核心

什么是未来整个市场慢牛的核心？

过去A股市场的基本面往往是阶段性的，或者说是阶段性变化的。比如2019-2021年新能源表现较好，但2022年发生变化，我们也希望就在一个领域长投不要切换，这个行业最好能牛10年，我们就在里面扎10年，没有人希望是不断地去切换的。

目前整体自上而下希望A股是一个长期持续的、结构性的行情，我觉得自上而下的政策是非常明确，非常高效的。那么未来AI板块自身可能非常契合整体行情的步伐，本质上，我们有了一个需求高增、EPS持续性强、壁垒又高、又有远期空间的方向，并且目前估值还处在“没有泡沫”的阶段。

财通基金的核心投研框架是：第一，股价需要有赔率，第二，有一定的壁垒，供应链缩圈就代表有壁垒，第三，需求边际变化，第四，未来远期空间非常大。这四点缺一不可。简单来讲，既要有赔率也要有胜率，我们不会买一个空间很大、但中短期没有基本面，而纯粹去搏主题的行业，那不是我们的主要方向。

此外，从这两年的资本市场来看，一家公司的海外敞口就决定了其基本面的强弱。出海会给上市公司带来长期的利润增长，也是决定公司基本面弹性的重要变量。

AI的长期空间

我们一直认为，成长股的投资不能站在当下看当下，必须基于未来的视角。所以为什么谈“AI的长期空间”这个概念。

2025年以来，Tokens实现了十几倍的增长，数据已经告诉我们，全行业都在快速用AI模型，后面我们模型推理的数据一定是快速增长。

大家问AI有没有泡沫？我们内部总结过，现在没到大家去看“有没有泡沫”的阶段。当一个应用快速爆发，在用户数和收入预期快速爆发初期，去纠结盈亏平衡其实意义不大。就好比在2012年、2013年你就坚持说你看互联网都没有商业模式，没有人能够现在给你答案，也不是我们当下该关注的重点。

需要关注的是用户数和盈利预期是否持续往上走，这是我们动态跟踪的核心。目前看情况仍然较好。

头部AI厂商的订阅收入会是很大的增长来源。接下来这些厂商也都会做Agent，包括阿里也讲未来会做各种各样的Agent。另外，B端收入也是很重要的一点。一旦与电商集成，未来应用点会非常多。举个例子：用户通过模型完成交易或付费，平台可以抽成，广告也可以抽成。商业模式很多，前提是首先要把住平台和流量入口的核心，

算力投资的增长空间来自哪里？首先我们最早的模型是预训练模型，后面加入后训练，再到加入“思维链”的后训练，这一变化可以让模型能够像人类的思维方式去思考问题。所以算力需求的增长，有一部分来自模型范式的变化。

原来模型回答一个问题，只是给答案，不给逻辑；现在回答你问题会给更完整的思维链，点深度思考模式，模型会给出一个完整的思考。这造成模型范式变化，最大的影响就是对Tokens需求量的显著增加，而且增长非常明显。这部分的算力需求，已经远远超过2023年以预训练为主的阶段。

最早的预训练自监督模式，相当于死记硬背从1数到4，它不知道为什么是“1234”，而带有思维链的强化学习模式，本质上是告诉它为什么是“1234”。这需要让模型的前后输出有一个打分机制，帮助其理解为什么某个结果比另外一个结果好。反复训练后，模型才知道应该怎么做、为什么这么做，这对后面训练Agent、做AI应用有非常大的帮助。

未来，我们就会慢慢步入到每个人有很多Agent的阶段。我一直说一句话：现在这种AI聊天机器人的模式，不会是未来的典型需求。不要站在当下看当下。如果你觉得未来十年以后，我们仍然用这种聊天框输入的沟通方式为主，AI算力就“完蛋了”，说明这十年里几乎没进步。未来人会越来越懒，每个人有好多个Agent，比如点外卖有一个、出行有一个、给领导汇报写汇报有一个；这些Agent之上还会监控、规划任务的Agent；还有调用外部工具的Agent，比如通过MCP协议去做tools。

如果下一步是这样的时代，模型在执行任务过程中的有效运行时间、Tokens输出都会大幅增加，算力需求可能是当下的10-15倍。

黄仁勋在大会上讲了，未来要慢慢过渡到AI智能体时代，在那个时代下算力需求可能是现在的好多倍。现在普通人用得少，是因为模型还不够完善、效果还不够好。所以要用五年、十年的眼光看这个行业。不能像在2013年移动互联网刚出来的时候，只看到电子阅读、看到早期内容形态，就说未来没增长。把时间往后推五年，你会看到手游起来了、直播起来了，各方面的应用起来了。

所以我们认为，AI算力的长期空间非常大，以后“有人的地方就应该有算力”。