投资方法论与核心逻辑 - 投资分析基于“第一性原理”，认为AI系统的最终表现取决于供应链中最短的短板环节，而非最强的部分 [2] - 科技投资应避免因果倒置，核心逻辑是技术趋势（如大模型参数和上下文长度增加）驱动需求爆发，而非因涨价而看好 [2][11] - 当技术从概念（0到1）走向规模化（1到10）时，利润分配会向扩产速度跟不上需求的“瓶颈环节”倾斜 [10] - 未来的生产力重心正从人力向硬件资产（如算力和存储）转移，持有科技资产是在生产力变革中守住财务分位的关键 [6] AI时代存储行业的投资机会 - 存储是AI供应链的短板，其需求增长因模型多模态化、AI代理时代上下文增加而呈现非线性、加速型增长 [8][11] - 存储增速显著快于GPU，架构上GPU直连SSD等优化相当于平白增加了一块需求，而存储供需本就极度紧张 [11] - 预计到2026年，超过一半的存储采购将来自AI数据中心，需求端对价格不敏感，形成了价格上涨、供给受限、需求不减的结构性变化 [15] - 供给端受限于极高的资本开支（数十亿到数百亿美金级别）、长建设周期以及HBM等高阶存储的技术壁垒（如TSV深度、堆叠工艺），产能增长受限，预计到2027年前年增长约15% [14][15][16] - 存储正从大众周期品走向定制化、常态化和长单化，HBM是纯定制化产品，价格通过长协锁定，盈利波动率下降，估值逻辑从周期品的5-7倍PE转向更合理的水平（如次年10倍PE） [15][16] - 此轮可能是存储的“超级周期”，不仅HBM在涨，因产能资源倾斜，连DDR4等成熟制程产品涨幅也很大，呈现全行业共振 [19] 存储行业竞争格局与标的分析 - 在HBM技术上，SK海力士通过与台积电在设计初期协同，在高层数堆叠良率上具有领先优势，先发优势极强 [5][18] - HBM是跟着下游算力需求迭代的定制化产品，SK海力士持续开发下一代产品，不担心竞争对手短期追赶 [19] - 全球存储龙头中，美光在美股交易更方便，而SK海力士和三星在韩国市场估值更有优势，美光市盈率比后两者贵约1倍 [17] - 闪迪、铠侠在SSD领域占比高，将直接受益于GPU直连SSD等效率提升带来的需求；SK海力士在SSD领域也有相当占比 [29] AI算力基建与其他环节机会 - AI资本开支仍在持续扩张，日本上游器件厂商基于确定的前置订单进行平稳持续的产能扩张，表明远期需求仍在推进 [20] - 光模块是AI建设的前瞻指标（有6个月前置期），因“机柜内连接数”指数级膨胀，需求有支撑，2026年可能还有从“柜外连接”转向“柜内互联”的结构性机会 [20] - 但系统瓶颈可能在存储端爆发，例如预订30GW光模块但存储产能只能支持15GW，因此当前配置更重存储而非光模块 [21] - 大厂资本开支逻辑是“供应链安全”大于“价格”，保供能力是第一位的 [21] - 网络设备价值占比预计将从过去的6%-7%提升至2026年的约15%，存储、网络设备、光学器件、电力等短板环节价值量都会提升 [23] - GPU的总量和利润盘子会变大，但在系统中的价值占比可能下降 [24] - 液冷和电源管理的价值量占比会显著提升，但相关中国公司多为制造业而非高科技企业，利润率和估值水平不同，订单份额像“盲盒” [29] - 英伟达自身股价可能不涨，但其技术变革会带来产业链利润重新分配，其上千亿美金利润的1%划给其他公司就可能带来后者利润的爆炸式增长 [30] AI投资的时代背景与叙事变化 - AI时代出现了对价格敏感度很低的强力购买者（如AI巨头），这改变了如存储等大宗品的定价逻辑，替代与压缩需求的弹性下降 [26] - 叙事经济学框架在2025年起到主导作用，大量不可证伪的叙事或慢变量在资产定价中作用突显，导致PE和估值的提升速度快于盈利提升 [27][28] A股投资与科技应用落地 - A股基本面定价因子通常不超过30%，股价反映预期速度快，专业机构需基于产业真相决策并严苛选择标的 [7] - 2026年AI商业化收入预计主要来自云端（50%）、广告（35%）和订阅（15%），广告领域是典型的业绩兑现 [37] - 从数字助理到全能智能体的演变将引发AI手机、IPC等端侧流量入口的白热化争夺 [37] 1. 美股SaaS逻辑因AI替代人力受损，但中国可能实现“结果交付”的变革，如阿里、腾讯、字节通过AI提升效率，利润盘子可能变大 [37] - 国产算力在2024年也有机会，但国内投资者预期前置，股价高点可能提前于利润兑现出现 [38] 其他行业投资观点 - 创新药投资重点不在于BD（商务合作）本身，而在于合作后产品在海外各阶段的数据进展及未来能产生的现金流，核心永远是现金流 [34] - 对于有高海外权益占比（如40%）的公司，其数据在海外逐步验证后的逻辑可能接近百济神州 [34] - 需要重点规避算力租赁公司（如甲骨文），需监测其单位算力回收周期、续约价格与利用率、资本开支扩张时的资金成本变化 [30][31]