文章核心观点 - 当前AI领域存在估值高企、资本扎堆、概念炒作泛滥等现象，与1995-2001年的互联网泡沫有相似之处，市场存在以AI为概念的炒作泡沫 [1] - 但AI本身并非泡沫，正如互联网泡沫破灭并未摧毁互联网，而是淘汰了缺乏商业模式的投机者，AI将带来新质生产力 [1] - 面对AI泡沫，恐慌与放弃是下策，应成为“理性乐观主义者”，泡沫破灭后价格回归理性时，正是加大战略性投入的时机 [3] 历史经验与启示 - 互联网泡沫破灭后，真正持久的巨大价值沉淀于支撑整个生态的“基础设施”公司，如提供网络硬件的思科、芯片的英特尔、操作系统的微软，它们作为数字世界基石的价值在后续数十年得到验证 [2] - 泡沫破灭的积极意义在于为技术“民主化”和应用大爆发扫清障碍，互联网泡沫后宽带普及、开源软件兴起、开发工具成本骤降，创业门槛大幅降低，直接催生了Web2.0黄金时代，诞生了Facebook、YouTube等应用 [2] - 真正的技术革命可能不会源于少数通用大模型，而是来自医疗、金融、教育、工业设计等垂直领域的深耕者，他们利用平民化的AI工具解决具体问题 [2] 行业发展趋势 - AI发展将遵循互联网的路径，当前大模型训练与推理成本高昂，技术门槛将中小玩家挡在门外 [2] - 泡沫破裂将倒逼技术提供商优化成本、推出更易用廉价的API服务，让AI技术从实验室和巨头军备竞赛中“解放”，真正赋能千行百业 [2] - 泡沫退去后，将是AI技术在各垂直领域进行伟大实践的开端 [2] 对各市场参与者的建议 - 对于政策制定者，应鼓励基础研发，建立适应性监管框架，为后泡沫时代的技术应用铺路 [3] - 对于投资者，泡沫期需保持警惕，聚焦有技术护城河和清晰商业路径的企业，泡沫破裂后则应逆势布局核心基础设施和优质应用企业 [3] - 对于企业和个人，当下正是学习、实验和积累AI能力的黄金时期，当技术成本下降，提前准备的主体将率先把AI转化为生产力，构建竞争优势 [3]

文章核心观点 - 当前围绕AI的狂热叙事使美联储陷入政策困境：效仿格林斯潘因预期生产力提升而降息是“死路”，因当前通胀环境不利且忽视历史教训；若不降息则是“绝路”，因未来通胀若卷土重来将迫使紧缩，可能无意中刺破资产泡沫 [1] - AI对经济的影响路径（是带来通缩性生产力繁荣还是推高均衡利率）尚无定论，这将导致截然相反的货币政策路径，是美联储当前面临的核心困境 [1] 美联储的政策困境与历史参照 - 美联储面临两难选择：若仅因预期AI提升生产力而效仿1996年格林斯潘降息将极度危险，因当前通胀环境远不如90年代有利（当时核心PCE通胀率趋势性低于2%），且忽视了格林斯潘在2000年因同样因素转向鹰派的历史教训 [1] - 若不降息，美联储可能在无意中将市场推向绝境，风险在于若通胀在2026年卷土重来成为首要问题，美联储将被迫紧缩，届时加息本身可能成为压垮骆驼的最后一根稻草 [1] - 格林斯潘的策略是“清理，而非干预”，即不主动刺破泡沫，只在泡沫破裂后收拾残局，预计其继任者，尤其是可能由特朗普任命的、对科技持鼓励态度的主席，将继续遵循这一信条 [2] - 简单地喊出“学格林斯潘降息”是选择性解读历史，格林斯潘的经历揭示了美联储面对技术革命时的两难：究竟是拥抱其带来的通缩效应，还是警惕其推高均衡利率的潜力 [4] 格林斯潘的“双面遗产”与政策范本 - 1996年，格林斯潘坚信官方数据低估了生产力增长，并以此说服鹰派同僚暂缓加息，事后证明其判断正确，最新数据修正显示90年代生产力增速远超当时统计，互联网泡沫时期生产力年均增长贡献了约1.5个百分点 [3] - 但到2000年，格林斯潘态度发生180度大转弯，指出持续的生产力繁荣已推高了均衡利率（r*），美联储需要加息以防止货币政策变得过度宽松，他认为由供给侧因素驱动的强劲需求必须通过更高的实际长期利率来平衡 [3] - 美联储在2000年5月的FOMC会议上加息50个基点，加速紧缩步伐，此举连同内部人士开始抛售股票的信号，共同导致了互联网泡沫的最终破裂 [3] AI对经济的潜在影响路径 - **AI作为通缩力量**：若生产力加速增长而工资增长保持稳定，单位劳动力成本会下降，企业可将成本节省通过降低价格转移给消费者，若新技术加剧市场竞争，企业将被迫这样做 [7] - **AI作为通胀推手**：AI引发的资本支出热潮可能推高均衡利率，新技术提高了资本的预期回报率，鼓励企业大规模投资，在储蓄不变的情况下，更多投资需求意味着均衡利率（r*）将会上升，若央行此时不加息，货币政策就会在无形中变得过于宽松 [7] 决定美联储政策路径的三大关键问题 - **第一，科技行业大规模资本支出是否具有通胀性**：尽管英伟达等公司创造价值，但大量设备从海外进口，更大的贸易逆差会掩盖部分通胀影响；数据中心非劳动密集型，难以导致劳动力市场过热；最明显的通胀风险在能源领域，数据中心因冷却系统消耗惊人电力 [6] - 美国数据中心用电占比从2005年的约2%预计将在2030年升至12% [6] - 总体而言，AI资本支出对均衡利率的推升作用有限，只是美国经济能够承受比2010年代更高利率的又一个理由 [6] - **第二，AI能否带来1990年代式的生产率大幅提升**：研究人员实验发现，AI能让编程等特定任务效率提升40%，但只有约30%的经济任务能部署该技术，这意味着整体经济生产率提升约12%，并分散在采用期内 [10] - 关键问题在于只有小部分就业基于认知或知识密集型活动（建筑、制造和专业服务仍有很强物理成分） [10] - 各方对AI年度生产率贡献的估计差异巨大：麦肯锡预测达4%，而麻省理工学者阿西莫格鲁仅预测0.5%，重现1990年代生产率增幅（年均增加1.5个百分点）的难度很大 [10] - **第三，生产率提升的收益由谁获得**：历史经验表明，工人而非企业会获得主要收益，1990年代中期，尽管格林斯潘和耶伦认为工人被数字化“创伤化”，但实际上工资快速增长，工人并未大规模失业 [11] - AI的“拉平效应”数据显示，低能力工人受益最大，这与1980-1990年代的劳动力市场两极化不同，当时劳动者要么“技能升级”进入金融等互补行业，要么进入低技能劳动密集型岗位，AI更可能帮助中产阶级，推动工资更快增长 [11] - 1990年代的实际情况是：工资增长超过了生产率增长，企业利润占GDP比重在1990年代中期见顶后持续收窄，即便股市继续飙升，这说明是工人而非企业获得了生产率提升的收益 [5] 美联储的潜在行动与市场风险 - 格林斯潘的“事后清理、不事前阻止”策略已成为美联储传统，他认为央行无法实时识别泡沫，且试图通过加息遏制泡沫只会对更广泛经济造成不必要的附带损害（额外加息100个基点不会阻止追逐巨额回报的投资者，却会伤害未出现泡沫的经济部门） [12] - 可以确定的是，特朗普任命的美联储新任主席不会主动刺破资产泡沫，但如果通胀在2026年重新成为首要问题，情况将变得微妙 [12] - 央行有刺破泡沫的习惯，即便通常是无意的，当前通胀动态远不如1990年代有利——1990年代核心PCE通胀率持续低于2%，为格林斯潘式的宽松政策提供了空间 [12] - 这意味着试图“复制格林斯潘”的做法面临更高风险，可能在抗击通胀的同时意外引爆科技泡沫，这正是投资者需要警惕的最大风险 [12]

迈克尔·伯里对AI泡沫的警告 - 核心观点：迈克尔·伯里将当前AI热潮称为“辉煌的荒唐之举”，并点名英伟达，认为其类似于互联网泡沫时期处于风口浪尖的思科公司，是行业泡沫破裂的先兆 [2] - 伯里因精准预测2008年房地产市场崩盘而闻名，其事迹被改编成电影《大空头》 [2] - 伯里认为，创造性破坏与狂热的荒唐之举是美国成为全球创新中心的原因 [2] 历史类比：思科与互联网泡沫 - 在互联网泡沫时期，思科股价在1995年至2000年间飙升了3,800%，市值一度达到约5600亿美元，成为全球最具价值的公司，但在世纪之交其股价崩盘，暴跌逾80% [3] - 伯里指出，当前AI热潮的中心同样有一家提供“铲子和镐”（基础工具）的公司，即英伟达，历史正在重演 [3] - 互联网泡沫时期由“四骑士”（微软、英特尔、戴尔、思科）主导，当前AI热潮则有五家公开上市的“骑士”：微软、谷歌、Meta、亚马逊和甲骨文 [2] 对英伟达的质疑与做空行动 - 伯里近期在X平台发布帖子，对AI公司（尤其是英伟达）不断膨胀的估值表示怀疑，并批评了其芯片的实际使用寿命以及维持产品需求的能力 [4] - 伯里的对冲基金赛昂资产管理公司购入了超过10亿美元针对英伟达和Palantir的看跌期权 [4] - 此后数周，伯里悄然注销了赛昂基金，实质上退出了代客理财业务 [4] 英伟达的现状与行业担忧 - 英伟达已成为全球市值最高的公司，市值约5万亿美元 [5] - 摩根士丹利财富管理首席投资官丽莎·莎莱特担忧未来24个月内该行业可能迎来“思科时刻” [5] - 围绕英伟达的科技公司“开始相互交织”，形成了一个循环融资圈 [5] - 例如，英伟达在9月承诺向OpenAI投资1亿美元，并于上周宣布将向Anthropic投资100亿美元；作为回报，Anthropic将投资300亿美元，在由英伟达提供算力的微软Azure云平台上扩展其Claude AI模型 [5] 英伟达的回应与业绩 - 英伟达上周公布了亮眼的季度业绩，营收激增62% [5] - 首席财务官科莱特·克雷斯反驳了伯里关于芯片使用寿命的说法，表示得益于CUDA软件系统，英伟达的硬件寿命长且能效高 [5] - 首席执行官黄仁勋驳斥了关于泡沫和循环融资的担忧，表示计划投资的金额仅占其收入的“极小部分”，并称这是六七十年来的首次计算技术彻底革新，建设周期将持续很多年 [6]

美联储政策信号 - 纽约联储主席和理事释放鸽派信号，引发市场情绪转向，投资者从谨慎观望转向试探入场 [2] - 纳斯达克和标普指数出现反弹，风险资产获得短暂喘息 [2] - 政策表态被视为经济和政策交汇点的风向标，促使市场重新思考风险与机会的边界 [2] 人工智能行业 - 人工智能板块近期出现显著反弹，但市场热情中潜伏焦虑情绪 [3] - 大空头迈克尔·伯里指出当前AI狂潮与二十年前互联网泡沫存在惊人相似性，投资者被成长想象力吸引而忽略盈利现实 [3] - 过度自信往往孕育风险，尽管政策制定者公开保证市场安全 [3] 加密货币市场 - 比特币和主要山寨币出现反弹，市场看似迎来阶段性底部 [4] - 数字货币市场受资金流动、情绪波动和制度变数多重因素影响 [4] - 价格波动引导投资者在迷雾中寻找方向，机会与风险相互交织 [4] 市场整体环境 - 市场受政策预期、技术热潮、历史记忆和投资者情绪多重因素叠加影响 [5] - 短期反弹带来希望但需保持警觉，重点在于不确定环境中辨识趋势和把握节奏 [5]

人工智能产业现状与市场情绪 - 人工智能产业存在局部过热迹象 但重现类似2000年互联网泡沫的系统性风险可能性较小 核心差异体现在技术落地深度、产业基础扎实度和政策监管引导三个维度[8][9] - 判断是否演变成系统性风险需观察几个关键信号 包括CAPEX增速拐点、债务融资占比、盈利兑现率、政策监管动向等[1][8] - 过去12个月 中国内地企业的人工智能应用率与应用成熟度实现同步提升 65%的中国内地受访者预计其所在企业未来12个月将进一步增加对AI技术的应用 较上一次调查跃升17个百分点[1] 企业AI应用趋势与挑战 - 企业AI应用正从广度与深度双向拓展 且自我开发与第三方技术结合程度领先亚太[4] - 深化AI应用面临三大挑战：成本投入与回报不确定性（40%的中国内地受访企业将其列为首要挑战 中小企业对此更加敏感 49%的中小型企业担忧成本与低投资回报率）、技术与组织适配的挑战、合规与风险管控压力[4][5][6] - 技术适配挑战具体包括：AI输出结果缺乏透明度与可解释性（21%）、对数据安全与隐私保护的担忧（16%）、与现有技术系统深度融合的复杂性（14%） 大型企业挑战在于深度融合现有复杂技术架构（20%） 中小企业更多受限于技术人才短缺（34%）[5][6] 劳动力市场与“人机协同”影响 - AI应用导致岗位结构性调整 人才需求快速分化 调查发现32%的受访者表示过去12个月企业减少招聘初级财会人员 同时18%的企业积极为其财务部门扩招具备AI专业素养的人才[3] - 长期看将推动业务流程转型和岗位重构 “人机协同”趋势进一步显化 就业市场正从“岗位替代”转向“价值升级” 形成“AI处理常规重复工作、人类专注核心价值创造”的新格局[3][4] - 复合型人才将成为就业市场主流需求 兼具财会专业能力、AI与数智技术素养、全球化经验与终身学习思维的人才将持续受市场青睐[3] 企业AI实施策略与平衡之道 - 在自主研发与外部技术引进的平衡策略上 大型企业优先布局核心技术自主研发 将AI能力打造为技术核心竞争力 中小型企业则以引进成熟的外部标准化应用为主 优先选用轻量化第三方AI工具[6] - 企业需结合战略规划和业务需求 将资源集中用于与核心业务紧密关联的场景 综合考虑技术成熟度、成本预算、预期收益、政策要求、合规治理等关键因素[7] - 要降低泡沫风险、推动AI从成本中心转向价值中心 企业需把握三大关键：锚定应用价值避免技术跟风、平衡短期成本与长期能力、把握政策红利对冲周期风险[10][11] 金融领域AI应用与治理 - 金融服务领域生成式AI聊天工具已广泛应用于银行、保险、证券等行业 用于客户连接与个性化咨询 国内多家金融机构已上线智能编码助手、智能合同审核与自动化估值、智慧办公等应用[12] - 风险管控领域 AI大模型和工具在信贷风控、量化投资等核心业务中提升风险识别精准度 量化投资场景已实现成熟落地 国内也有多家金融机构上线了基于生成式AI的反洗钱及合规内审智能应用[12] - 财会审计领域 领先会计师事务所正将大模型与生成式AI技术引入审计、税务与咨询业务 包括风险识别、审计数据分析、原始凭证信息提取、异常检测及交付物自动生成等[13] - 构建可信AI治理框架需从“被动合规”转向“主动构建” 企业需建立覆盖AI全生命周期的治理机制 包括数据采集合规性审查、模型透明度评估、隐私保护措施等 出海企业需前瞻性研究目标市场的AI监管政策[13] 技术投入回报评估方法论 - 要搭建“投前–投中–投后”全流程评估框架 投前锁定核心业务挑战并将技术价值与可量化业务指标绑定 投中重点考虑技术可用性、业务渗透率、合规实时性等维度 投后开展定性定量分析形成PDCA循环[14] - 建议分阶段验证以降低无效投入 中小企业可优先采用轻量化第三方AI工具 待验证价值后再逐步加大投入 大型企业可按“试点–推广–深化”路径推进[15] - 企业可依托国内各级政府部门的配套政策 如专项补贴、再贷款、利率等资金扶持 缓解前期技术投入的成本压力[16] 中小企业数字化转型策略 - 中小企业需聚焦核心业务审慎投入 优选成熟、标准化的解决方案以降低采购部署成本和试错风险 并分阶段推进技术应用[17] - 面对技术人才短缺 可通过“数字素养提升”与“场景化工具培训”提升员工使用数字工具的能力 形成“工具善用—效率提升—文化认同”的良性循环[18] 大型企业数据治理与价值释放 - 破解数据孤岛并提升数据资产价值关键在于体系化能力重建：从治理体系、生命周期管理到战略导向 需将数据视为重要战略资产并以制度化流程化管理[18][19] - 数据治理是数字化转型的基础 其核心在于明确数据主权、确保数据质量、满足合规要求 可借鉴《数据管理能力成熟度评估模型（DCMM）》等成熟国家标准与方法论[19][20][21] 全球化市场差异与本地化平衡 - 不同区域市场数字化转型需求存在差异 欧美等成熟市场云基础设施与SaaS生态完备 可直接采用成熟云原生方案 而东南亚等新兴市场可能云节点少、网络质量不稳 需寻找可本地部署或更轻量的方案[22] - 监管差异是关键因素 例如东盟各国网络安全与数据合规呈“碎片化+趋严化”特征 欧盟则有GDPR、DSA、DMA等严格法规[23] - 实现“全球化与本地化”平衡需在科技架构上集中管控与本地适配相结合 在组织与人才上建立中国总部+海外本地团队的双轨人才体系[23][24] 未来技术前瞻与布局建议 - 人工智能预计会更广泛地在不同行业加快垂直化深度发展 更紧密地与行业特性和企业自身的商业模式结合 随着“十五五”规划开展 “人工智能+”驱动的新质生产力发展将为企业带来新动能[2][24] - 从调研结果看 无论中国内地还是亚太区受访市场 前瞻性技术布局前三位一致 分别是人工智能、数据分析和可视化软件、商业智能软件[25] - 2026年企业在这三方面的技术布局要进一步迈向系统化、战略化 从“用人工智能”到“用好人工智能” 从“数据使用”到“数据作为生产力”[25]

核心观点 - 中国银河证券首席经济学家章俊认为AI泡沫确实存在 但演变成危机为时尚早 [1] 与互联网泡沫对比分析 - 国际货币基金组织将当下AI热潮与互联网泡沫进行对比 [1] - 从市盈率和投资热度等指标来看 当前整体情况依然相对可控 [1] - 当前全球处于美联储及全球降息周期 政策风险可控 而美联储加息是刺破互联网泡沫的重要原因 [1] 当前经济环境与风险 - 目前全球经济的韧性远低于互联网泡沫时期 [1] - 因此指标的可比性存在不确定性 [1]

核心观点 - 迈克尔·伯里重申对英伟达的看空立场，将当前人工智能热潮称为“一场壮丽的荒唐之举”，并认为英伟达是AI行业泡沫破裂的前兆 [1] 历史类比分析 - 将当前AI热潮与互联网泡沫时期类比，指出当时技术行业的特点是“高利润大盘股”，包括微软、英特尔、戴尔和思科等“四大巨头” [1] - 强调思科是互联网泡沫破裂时的前沿企业，其股价在1995年至2000年间飙升3800%，市值一度达到约5600亿美元，成为当时全球市值最高公司，但随后股价暴跌超过80% [1] - 认为历史正在重演，英伟达处于当前AI热潮的中心，类似于25年前的思科，英伟达如今成为全球市值最高公司，估值约为5万亿美元 [1] 对英伟达的具体审视 - 近几周加强了对英伟达的审视，关注点包括美国AI企业之间的“循环投资”、收入确认方式以及技术巨头对计算设备的折旧计提方式 [2] - 举例说明，根据与OpenAI达成的协议，英伟达计划向OpenAI投资1亿美元，而OpenAI将使用数百万枚英伟达芯片建设数据中心 [2] - 彭博新闻社提出英伟达的图形处理器会多久过时的问题 [2] - 存在对英伟达AI基础设施支出能否持续的质疑 [2]

文章核心观点 - 知名空头迈克尔·伯里重申看空英伟达，认为当前美国人工智能热潮是一场“壮丽的荒唐之举”，并预期行业泡沫将破裂，英伟达是泡沫破裂的前兆，其角色类似于互联网泡沫时期的思科 [1][3] 对英伟达的看空依据 - 将当前AI热潮与互联网泡沫类比，指出思科在1995年至2000年间股价飙升3800%，市值一度达到约5600亿美元，成为当时全球市值最高公司，但在千禧年之交股价暴跌超过80% [3] - 认为英伟达是当前AI热潮中的“思科”，处于一切中心，其目前估值约为5万亿美元，已成为全球市值最高公司 [3] - 近几周加强了对英伟达的审视，关注点包括AI企业间的“循环投资”、收入确认方式以及技术巨头对计算设备的折旧计提方式 [3] - 举例指出，根据一项协议，英伟达计划向OpenAI投资1亿美元，而OpenAI将使用数百万枚英伟达芯片建设数据中心 [3] 市场对英伟达的质疑 - 彭博新闻社提出疑问，英伟达的图形处理器（GPU）会多久过时 [4] - 市场存在对英伟达AI基础设施支出能否持续的质疑 [4] 英伟达的回应 - 英伟达首席执行官黄仁勋在公司公布季报时驳斥了泡沫担忧，称业务依然强劲 [4]

AI泡沫论观点 - 市场出现关于AI行业存在泡沫的讨论，引发美股、A股和港股AI相关成长风格及整体风险资产大幅回调 [1] - 判断是否形成泡沫主要依据价格偏离价值的程度，以及投资是否超过需求和自身承担能力 [1] - 目前AI龙头公司已产生可观规模营收，AI投资强度被认为仍较为合理 [1] 大空头对AI泡沫的指控 - 知名投资者迈克尔·伯里指出AI热潮重演20世纪90年代末互联网泡沫，英伟达是此轮泡沫的核心 [2] - 英伟达市值约为4.44万亿美元，成为全球市值最高的公司，与1999年思科在互联网泡沫中的地位相似 [2] - 本轮AI热潮由微软、谷歌、Meta、亚马逊、甲骨文等高利润科技巨头主导，计划未来三年投入近3万亿美元用于AI算力基建 [2] - 科技巨头高昂的资本支出不可持续，下游应用端产生的实际收入远无法覆盖数据中心建设和芯片采购成本 [3] - 摩根士丹利预测到2028年全球在AI数据中心和芯片上的总支出将达2.9万亿美元，其中科技巨头提供1.4万亿美元，余下缺口预计通过债务融资填补 [3] 泡沫论的具体论据 - 科技巨头被指控通过延长芯片折旧年限压低折旧费用，虚增利润增速，预计2026年至2028年将使大型科技公司利润虚增1760亿美元 [4] - AI行业投资狂潮与互联网泡沫相似，逻辑从当年的点击率和广告投放转变为如今的算力规模和芯片采购 [3] 英伟达对泡沫论的回应 - 英伟达回应称其战略投资在营收中占比小，在全球资本市场每年筹集约一万亿美元资金中占比微乎其微 [4] - 英伟达强调其GPU因CUDA生态拥有超长使用寿命，六年前的A100芯片至今仍满负荷运行 [5] - 更高的保修成本反映了Blackwell芯片架构的复杂性，但情况已得到恰当核算，坏账费用已计入一般及管理费用 [5] 对AI行业前景的分析 - 判断AI投资是否为泡沫的关键在于AI需求的大小和未来空间，包括降本增效的内生需求和新应用场景的外延需求 [5] - 新应用场景尚未有突破性进展，是美股科技股面临35倍估值顶无法有效突破的根本原因 [5] - AI技术仍蕴含潜能，体现在生产率的提升和应用范围的扩大，短期二级市场波动不影响实体产业投资价值 [6] - 行业结构将走向分化，能将领先模型与多元业务场景深度结合并形成可规模化商业闭环的企业将更有机会受益 [6]

美国经济与市场 - 美联储货币政策从属于财政政策，因政府债台高筑需购债为赤字融资，决策受经济增长、通胀高企和金融稳定三重矛盾制约[1] - 美国回购市场流动性紧张，隔夜逆回购工具近乎归零，美联储大概率停止量化紧缩并重启扩表，扩表方式将影响资产价格走势[1] - 量化模型显示美国经济未来数月将放缓，半导体周期仍在冲高，美股涨幅集中于少数科技巨头和AI相关企业，市场宽度持续收窄[2] - 科技股估值已接近或超过2000年互联网泡沫水平，私人信贷坏账增加、裁员潮显现，消费者信心跌至历史低位[2] - 贸易战未能改善美国贸易赤字，中国制造业优势和稀土行业整合使美国谈判筹码不足，关税政策推高美国通胀预期[3] - 美国财政赤字占GDP比例扩大，每年超万亿美元偿债支出挤压财政空间，国债总额或突破40万亿美元，利好黄金、白银等贵金属及大宗商品[3] 中国经济与市场 - 宏观经济出现积极信号，工业企业利润连续两月超20%增长，上游通缩压力缓解，消费端通胀环比改善[4] - 房地产行业持续下行，但非房地产行业如高科技、高端制造业成为经济增长新引擎，对冲地产下行压力[4] - 依据"十五五"规划，房地产在经济中占比将持续下降，高端制造、AI、芯片、新能源等新兴行业占比提升[4] - 雅江工程标志决策层逆转经济负面预期的决心，推动资产配置从债券转向股票、大宗商品[5] - 人民币实际汇率被严重低估，外资低配中国资产，若资本回流将引发人民币升值和资产重估[5] - 经周期性调整的央行资产负债表处于扩张周期，流动性低点对应A股历史性低点[5] - 量化模型显示中国经济进入"飞龙在天"阶段，上市公司盈利增速修复，港股与A股同步向好[7] - 中国长端国债收益率曲线陡峭化，反映市场信心回归和通胀预期回暖[7] - A股今年涨幅领先全球，但估值相对于流动性条件仍处于历史底部区间，叠加五年规划第一年市场大概率上涨的规律[7] 全球资产配置 - 黄金、白银等贵金属长期仍是对冲美元信用贬值的重要工具，原油价格或在未来三到六个月走强[8] - 美股处于35年大周期顶部，泡沫化风险加剧，中国市场因经济转型、流动性改善和估值优势成为全球资产配置重要方向[8]