AI与能源关系的核心哲学观点 - 人工智能是能量找到了自主意识，智能本身是一种能量现象，创造局部有序（如训练大模型）需要消耗能量 [4] - 根据热力学第二定律，宇宙趋向无序（熵增），超级智能必然需要超级能量来支撑 [4][12] - 文明的跃迁，从碳基生命到硅基智能，底层始终是能量获取与组织方式的进化 [4] 美国“AI用电荒”的现状与根源 - 美国“电荒”本质是基础设施与AI需求的结构性错配，其主体电网建于七八十年前，难以承载AI算力中心5%以上的爆发式负荷增长 [6][10] - 当前美国90%的算力依赖天然气发电，而其本土天然气产量预计将在2035年达峰，今日的AI繁荣可能建立在十五年后供给见顶、价格暴涨的“流沙”之上 [6][11] - 美国的缺电已导致数据中心并网要等待五年之久，对AI发展构成了实质性制约 [7][10][32] 中美能源体系对比及对AI竞赛的影响 - 中国得益于完善高效的电网和蓬勃发展的新能源产业，实际上并不缺电，缺的是能完美匹配AI需求的未来新型能源体系 [7][30] - 中国的“缺”是追求更领先能源体系的“锦上添花”，美国的“缺”是亟需“雪中送炭”的能源供给短缺 [7][31][32] - 人工智能的边际成本很大程度上就是能源成本，一个国家若想让人工智能产业具备全球竞争力，就必须在能源成本上做到极致 [7][31] - 未来能源很可能成为AI竞赛中最关键的影响因素之一 [7] 支撑AI时代的能源要求与成本目标 - 要让AI时代真正到来，能源成本必须在现有基础上再降50%甚至80% [9][20] - 化石能源总量有限、达峰在即、成本看涨，难以担当大任，最终答案是基于可再生能源、由AI实时调度控制的能源系统 [9][27] - 可再生能源成本在过去30年下降了99%，太阳照射地球一小时的能量相当于全球人类一年的能源消耗总量 [20] 中美能源结构现状与趋势 - 美国发电结构中天然气占40%以上，风电、光伏合计约20%多 [21] - 中国电力消费中可再生能源（包括水电、风电、光伏）占比已超过30%，且目前电力装机增量主要来自可再生能源 [21] - 在中国，风电、光伏的最低度电成本已可降至0.1元以下，即使配上储能，其成本也远低于煤电和天然气发电 [21] AI对能源需求的颠覆性影响 - 未来，智能世界对能量的需求可能是无止境的，并成为最主要的能量消耗领域 [16] - 从GPT-2到GPT-5，模型参数和复杂度指数级增长，训练能耗也成百倍增加 [16] - 构建“物理人工智能”（如实时模拟整个地球）所需的算力能量，可能是当前最先进大模型的成千上万倍 [16] - 训练GPT-6最大的瓶颈就是能源，其能耗可能是一个天文数字 [17] 未来数据中心建设的核心逻辑 - 未来AI算力中心的核心逻辑是能源逻辑，而非传统的商业地产逻辑，关键是建立具备竞争力且可持续的能源系统的能力 [23][27] - 数据中心公司的关键核心竞争力之一，是对未来能源系统的深刻理解和驾驭能力 [23] - 能源公司做数据中心的优势在于对能源本质有更深理解，能致力于让数据中心最大化使用低成本绿电、摆脱电网带宽限制 [24] 远景科技的实践与模式 - 远景在内蒙古赤峰打造了全球最大的绿色氢氨项目，规划年产能152万吨，首期32万吨已投产，核心是构建了100%基于可再生能源的独立电力系统 [26] - 通过将电力系统与制氢系统深度融合，实现了绿氢、绿氨与灰氢、灰氨的平价，证明了其驾驭和管理复杂未来电力系统的能力 [26] - 该系统背后依赖气象大模型对区域气象的预测，以及能源大模型对复杂流程进行毫秒级实时调控的能力 [26] - 远景的“天机”气象大模型是为自身新型电力系统服务的垂直模型，有明确的价值闭环，不同于谷歌、微软的通用型天气模型 [25] 未来能源体系的核心特征与投资视角 - 未来的能源体系必须具备永续、融合和互相促进的特征，能源网络与智能系统将像生命体的双螺旋一样融合共生 [9][46][47][48] - 从投资视角，评估与AI联动的能源公司需关注：中长期能源成本具备可持续竞争力；公司是能驾驭复杂系统的科技公司；具备与数据中心深度整合、电算一体化的能力 [41] - 可再生能源技术体系被视为中国的“第五大发明”，包括光伏、风电、储能、特高压及智能电网、能源大模型等一整套系统解决方案 [35] 全球能源格局与地缘政治 - 全球戈壁、沙漠地区蕴含的可再生能源潜力足以满足人类当前能源需求的十倍以上 [33] - 构建100%可再生能源的独立系统，可以在全球资源丰富地区（如撒哈拉）训练大模型，这可能规避传统化石能源带来的地缘政治问题 [33][34] - 美国不愿大力发展可再生能源的原因包括：天然气本土供应充足上马快；缺乏完整的可再生能源制造产业链；决策更受短期政治周期和商业利益影响 [36][37]

量化模型与构建方式 1. **模型名称：高景气成长与红利策略轮动择时模型**[59] * **模型构建思路：** 构建一个系统化的定量模型，用于在“高景气成长”策略（以创业板指为代表）和“红利”策略（以中证红利全收益指数为代表）之间进行月度轮动配置，以捕捉不同市场环境下的优势风格[59]。 * **模型具体构建过程：** 1. **信号指标选取：** 从单因子测试中选取五个有效指标：期限利差、社融增速、CPI与PPI四象限、美债利率、资金博弈（ETF、险资、外资）[59]。 2. **信号生成：** 每月底，根据每个指标的状态，分别给出买入高景气成长或买入红利的配置信号（例如，指标值为0或1）[58][59]。 3. **综合打分：** 将五个指标当期给出的信号值取均值，作为最终的复合打分[59]。 4. **配置决策：** 根据复合打分的高低，决定下一个月在成长与红利之间的配置比例。例如，截至2025年12月12日，模型建议红利与成长的配置比例为60:40[55][59]。 2. **模型名称：黄金择时模型**[31][32] * **模型构建思路：** 通过构建一个多维度指标体系，对黄金价格进行择时判断，以区分配置仓位和交易仓位[30][31]。 * **模型具体构建过程：** 1. **指标体系构建：** 选取与黄金价格相关的六大类细分指标，包括：抗通胀属性（美国10年期盈亏平衡通胀率）、金融属性（实际利率）、货币属性（美国联邦政府财政赤字、商业银行总负债）、避险属性（经济政策不确定性指数）、资金与衍生品（CFTC黄金投机净多仓）、需求属性（中国央行黄金储备）以及技术指标（MAMA）[32]。 2. **信号处理：** 对部分低频数据（如月度、周度数据）进行时滞处理，以匹配交易频率。例如，财政赤字数据记录15个交易日时滞，商业银行负债数据记录25个交易日时滞，CFTC持仓数据记录6个交易日时滞，中国央行购金数据记录6个交易日时滞[32]。 3. **观点集成：** 对每个指标给出最新的多空观点（表中以“1”或“0”表示），综合这些观点形成对黄金的择时判断[32]。技术指标MAMA的参数设置为：fastlimit=0.1， slowlimit=0.01[32]。 模型的回测效果 1. **高景气成长与红利策略轮动择时模型**，累计收益193.47%，年化收益17.54%，最大回撤27.08%，年化波动率22.95%，年化夏普比率0.76，Calmar比率0.65[56]。 * **业绩基准（等权配置）**，累计收益60.61%，年化收益5.02%，最大回撤35.22%，年化波动率20.69%，年化夏普比率0.24，Calmar比率0.14[56]。 * **轮动策略相对基准的超额年化收益**为11.77%[59]。 量化因子与构建方式 1. **因子名称：期限利差因子**[59] * **因子构建思路：** 作为成长/红利轮动模型的输入指标之一，反映宏观经济预期和流动性环境，通常利差走阔有利于成长风格[59]。 2. **因子名称：社融增速因子**[59] * **因子构建思路：** 作为成长/红利轮动模型的输入指标之一，反映国内信用扩张程度和实体经济融资需求，影响市场风险偏好和风格[59]。 3. **因子名称：CPI与PPI四象限因子**[59] * **因子构建思路：** 作为成长/红利轮动模型的输入指标之一，通过分析消费者价格指数（CPI）与生产者价格指数（PPI）的相对位置和走势，判断经济所处的通胀周期阶段，从而对风格资产进行择时[58][59]。 4. **因子名称：美债利率因子**[59] * **因子构建思路：** 作为成长/红利轮动模型的输入指标之一，反映全球无风险利率和流动性预期，尤其影响对利率敏感的高估值成长板块[59]。 5. **因子名称：资金博弈因子**[59] * **因子构建思路：** 作为成长/红利轮动模型的输入指标之一，综合跟踪ETF、保险资金、外资（北向资金）等不同类型资金的流向和行为，捕捉市场情绪和风格偏好[59]。 因子的回测效果 （报告中未提供上述单个因子的独立测试结果取值）

英伟达CEO关于中美AI竞赛的核心观点 - 英伟达CEO黄仁勋预测中国将在AI竞赛中赢了美国，此表态引发科技圈广泛关注 [2] - 该预测被认为可能基于对中国企业执行力和规模优势的认可，而非简单的商业吹捧 [2] - 观点指出AI发展并非零和游戏，未来更可能形成中美双强格局，技术封锁难以阻挡AI全球化浪潮 [5] 中美AI竞赛的关键领域对比 - 芯片领域：英伟达GPU是AI界的关键资源，但美国禁令促使中国加速自研，华为昇腾、寒武纪等国产芯片与领先产品的性能差距正快速缩小 [4] - 人才领域：中国每年培养的STEM毕业生数量是美国的8倍，且海外华人科学家回流趋势增强，但顶尖AI人才仍集中于美国科技巨头 [4] - 应用与基础研究：中国在安防、金融、医疗等AI应用层面走在世界前列，而美国在基础研究和原创算法上保持领先优势 [4] 中国AI产业的核心优势 - 中国企业具备快速从算法研发到应用落地的执行力，发展速度常令硅谷同行惊讶 [2] - 拥有14亿人口产生的庞大数据库，形成了美国难以复制的规模效应 [2] - 发展模式侧重于快速迭代和规模应用，这与美国注重原创研究和生态建设的模式形成潜在互补关系 [7] 对竞赛格局的展望 - AI竞赛更可能类似智能手机时代的iOS与安卓，形成两条平行发展的赛道，最终全球用户受益 [5] - 竞赛的核心在于创造价值，而非零和博弈，中国企业的模式与美国的模式可能构成绝佳的互补关系 [7]

A股市场表现 - A股成交额连续突破2万亿，上涨股票占比超50%，Wind全A跌幅不足0.1%，市场韧性显著 [1] - 受美国"美丽优先政策"影响，港股软件服务和生物医药板块领跌超3%，药明生物和药明康德因60%营收依赖美国客户单日跌10% [4][5] - 行业ETF资金流向出现拐点，上周五单日净流入46亿，春节后首次实现整体净流入，显示部分投资者转向结构性看多 [7][9] 资金流动与市场情绪 - 2月以来宽基ETF和北向资金持续净卖出，而两融和龙虎榜资金成为净买入主力，反映散户与游资活跃度提升 [8] - 机构卖出宽基ETF的资金可能流向港股，市场整体心气提升，指数底部支撑坚实 [11][12] - 民生研究数据显示ETF与外资卖出趋势向上，两融与游资买入趋势向下，资金结构呈现分化 [8][9] AI与科技行业动态 - Wind金融终端疑似接入Deepseek大模型，金融数据与AI结合或提升生产力 [16][18] - 阿里宣布未来三年投入3800亿元建设云和AI基础设施，科创AI ETF（588790）逆势抗跌，场外联接基金快速获批上市 [18] - 腾讯理财通和元宝接入Deepseek大模型，服务稳定性与智能度优于Kimi和豆包 [15][18] 债券市场动向 - 债券市场大幅调整，30年期国债收益率触及1.95%，国债期货现超调迹象 [25] - 年初基金分红达300亿（同比翻倍），主因债券下跌导致机构利润承压需补报表 [22][23] - 债市短期或继续超调，但大幅下跌后可能触底，需谨慎把握介入时机 [25][26] 投资策略跟踪 - 纯债策略维持不动，全球配置策略边走边看 [28][29] - 量化策略提示A股部分行业过热，建议保持风格均衡以享受估值中枢上移 [29]