文章核心观点 - 基金经理陈子扬认为，投资需具备逆周期甚至逆人性的思考与操作，以在周期轮动中获取更理想收益 [1] - 展望2026年，周期板块正步入一个由“新质生产力”强势需求主导、供给长期受限、驱动因素多元化的新格局 [1] 2025年有色金属行情回顾与驱动因素 - 截至2025年12月31日，有色金属（申万）指数年内累计上涨94.74%，接近翻倍，在31个申万一级行业中涨幅第一 [2] - 行情由四重因素共同驱动，系统性重塑了有色金属的定价逻辑 [2] - 驱动因素一：美国债务周期，美国债务与赤字持续攀升引发对美元信用的担忧，多国央行减持美债、增持黄金，推动储备多元化并支撑贵金属价格 [2] - 驱动因素二：结构性需求，AI产业发展与全球能源转型加速催生了对铜、铝等工业金属的增量需求 [2] - 驱动因素三：供应链安全，全球供应链格局从强调效率转向强调安全，各国增加关键矿物、能源、粮食储备以保障产业安全，拉动了大宗商品需求 [2] - 驱动因素四：供给周期变化，有色金属主要品种的资本开支在2011年基本见顶后步入漫长收缩期，行业产出缺口明显，供给端约束持续存在并对价格形成支撑 [2] 投资方法论与选股框架 - 采用基于资本开支周期的投资方法，希望在行业ROE和平均市净率PB都低时进行关注，以实现胜率与赔率的统一 [3] - 选股框架从景气、品质、估值三个维度综合评估标的，坚持以合理甚至偏低的价格投资景气优质企业 [3] - 当景气、品质、估值三者出现矛盾时，景气度被赋予更高权重，估值要求可适度放宽 [3] - 对于周期板块选股，首先关注商业模式，其次关注公司竞争力 [3] - 更偏好上游资源品的商业模式，因其成本更加可控，波动主要源于产品价格变化；而中游周期品（如化工）是类制造模式，成本与产品价格受上下游影响，两头控制难度相对较大 [3] 2026年周期板块展望与看好的方向 - 2026年周期股将更多呈现分化特征，需结合供需结构变化精细化布局 [4] - 有色金属行情仍有望延续，行业高盈利状态或将维持较长周期，在新增需求拉动下，板块已逐渐具备成长属性，理应获得价值重估 [4] - 对比海外同行，国内有色金属企业估值明显较低，但其成长性、核心竞争力并不逊色，且在勘探、采选冶等核心技术领域的持续探索与突破为全球矿业发展作出突出贡献 [4] - 小金属正处于战略储备提升周期，自身面临资源稀缺、新增产能有限的供给约束，投资价值特别值得关注 [5] - 对贵金属保持乐观，各国央行购金与居民资产配置需求两大趋势未见逆转，黄金的长期配置逻辑依然牢固 [5] - 白银方面，尽管年初以来涨幅可观且金银比处于历史低位，但考虑到全球白银库存持续偏低以及相对宽松的流动性环境，短期价格支撑因素依然存在 [5] - 对铜、铝等工业金属持阶段性谨慎态度，但从中长期视角看，基于能源转型与AI发展的需求逻辑未变，依然看好其长期前景 [5] - 化工行业或迎来价值重估，拐点性机会值得关注，当前板块估值分位数处于历史较低水平，而盈利预期正在逐步修复 [5] - 化工行业价值重估逻辑基于三点：行业资本开支下降，新产能投放接近尾声，行业将从过剩走向平衡甚至短缺，盈利能力将修复；“反内卷”背景下化工项目进入门槛越来越高，产能或成为一种稀缺资源或牌照；全球范围内没有其他国家和地区拥有国内这样齐全、高效、具备成本优势的化工产业部门，未来盈利一旦回升，化工资产将会得到重估 [5]

行业与公司 * 行业：科技行业，特别是人工智能（AI）和数据基础设施领域[43][44][47] * 公司：提及当前AI领域的五大上市公司（微软、谷歌、Meta、亚马逊、甲骨文）以及英伟达（Nvidia）和OpenAI[31][43][44][47][48] * 历史对比公司：1990年代互联网泡沫时期的公司，如微软、英特尔、戴尔、思科、高通、Sun Microsystems等[9][10][11][12] 核心观点与论据 * 当前AI投资热潮与1990年代互联网泡沫（被视为数据传输基础设施泡沫）具有高度相似性，核心问题在于供给侧过度投资而非企业盈利状况[8][16][20][24] * 1990年代纳斯达克指数的上涨主要由盈利丰厚的大盘股（如思科、微软）驱动，而非无盈利的互联网公司[9][10][11][14] * 当时资本市场热情支持数据传输基础设施的建设，例如AT&T每年投入200亿美元，Global Crossing在海底电缆上花费200亿美元[17][18][19] * 资本周期理论（Capital Cycle Theory）是分析狂热驱动投资繁荣的有效框架，其模式显示股市高点通常出现在投资热潮的中期，而非资本支出达到峰值之后[27][32][33][50] * 图表显示标普500净资本投资占名义GDP的比例与股市投机顶点存在关联，股市见顶时资本支出热潮往往尚未结束[25][26][27] * 当前AI基础设施的巨额支出计划可能重蹈覆辙，存在需求无法跟上供给的风险[20][21][43][44] * 五大科技公司及初创公司承诺在未来三年投入近3万亿美元于AI基础设施[44] * OpenAI计划未来8年支出1.4万亿美元，但其收入不足该计划的2%，且处于亏损状态，估值却高达5000亿美元[45] * 市场见顶时往往缺乏明显信号，企业高管在当时仍持极度乐观态度，但投资者等待放缓信号再行动可能会遭受严重损失[38][40][41][42] * 思科CEO在2000年8月仍表示互联网商业变革正在加速，但到2001年思科开始亏损，股价从峰值下跌78%[40][41][42] 其他重要内容 * 对流行历史叙事的纠正：普遍认为互联网泡沫由无盈利的互联网公司驱动是错误认知，实际上是盈利大盘股在泡沫中起主要作用[7][8][14] * 会计问题提示：大型参与者的会计问题（如延长芯片/服务器的折旧年限）是任何狂热泡沫中的常见现象，将在后续部分探讨[47][50] * 人性与市场心理：股票市场奖励巨额支出计划，严重的股票期权激励加剧了这种动力，CEO们容易过度相信股市表现，这是人性难以避免的部分[28][30][37]

文章核心观点 - 文章通过解读Michael Burry的三篇文章，分析了当前AI热潮与历史上互联网泡沫的相似性，核心论点是基于“资本周期理论”，指出供给侧过度投资是泡沫的主要标志，并特别强调了科技巨头通过延长AI基础设施折旧年限来虚增利润的潜在风险 [7][11][13][20][23][25] Michael Burry对AI泡沫的历史对比分析 - 泡沫的核心标志是供给侧贪婪驱动的资本过度投资，而非需求不足，这一规律在互联网泡沫、房地产泡沫和页岩油革命中均得到验证 [7][11] - 1990年代互联网泡沫主要由盈利丰厚的大盘股（如微软、英特尔、思科）推动，而非亏损的互联网公司，当时电信行业在数据传输基础设施上投入数千亿美元，导致2002年仅有不到5%的光纤被真正启用，供需严重失衡 [8][11] - 当前AI热潮与互联网泡沫高度相似，五大AI骑士（微软、谷歌、Meta、亚马逊、甲骨文）和OpenAI计划未来3年投入近3万亿美元，其中OpenAI承诺8年支出1.4万亿美元，但其收入不足该支出的2%，资本市场却给予其5000亿美元估值，该数字与2000年思科市值峰值相当 [12][13] Michael Burry对折旧会计操作的风险警示 - 科技巨头系统性延长芯片和服务器折旧年限，Meta从2020年的3年延长至2025年的5.5年，谷歌和微软从3年延长至6年，甲骨文从5年延长至6年，亚马逊从4年延长至5年，此举直接减少折旧费用，虚增利润 [20][21] - 谷歌仅在2023年调整折旧政策就使税前收入增加39亿美元，Burry估算未来三年此类操作可额外增加约200亿美元报告收入，类似操作曾导致世通公司2002年破产 [21] - 英伟达芯片迭代加速，产品周期缩短至1年，旧款芯片经济价值快速缩水，但企业仍按6年折旧，严重高估资产价值，Burry预测2026-2028年超大规模企业盈利高估幅度可能达两位数，甲骨文或高达48% [22][23] - 数据中心等基础设施面临快速过时风险，企业在建工程规模达数百亿美元，若行业放缓，可能引发资产减值和私募信贷违约连锁反应 [24] 对Burry观点的市场数据反驳 - Bernstein分析指出，GPU在度过初期burn-in阶段后实际寿命可达6-7年，A100等旧卡租赁需求依然旺盛，2025年租价达1.56美元/小时，贡献毛利率70% [28][29][30] - GPU残值曲线非直线，第一年价格暴跌20-30%，之后趋于平缓，直线6年折旧可能反而高估初期贬值，低估后期残值 [32] - 租赁市场数据显示A100美元性能虽仅为B200的一半，但租价坚挺，因大量遗留负载迁移成本高，用户宁愿支付溢价 [33][35] - 超大规模企业实际折旧政策多在5-6年区间，与Burry指控的3年经济寿命存在差异 [37] 国内AI基础设施市场参考 - 国内数据中心折旧年限未如Burry所述般缩短，A100等旧卡仍大量使用，租赁市场存在因价格波动导致客户违约重新议价的现象 [38] - 文章提供了国内谷歌及英伟达供应链企业梳理，包括光库科技、德科立、英维克等公司在OCS光学器件、液冷、变压器等领域的市占率和订单预期 [40]

文章核心观点 - 将当前AI基础设施投资热潮与19世纪美国铁路建设狂潮进行历史类比，揭示两者在资本周期、发展规律上的惊人相似性 [2] - 技术突破引发资本狂热投资，但过度建设往往导致产能过剩和泡沫破灭，最终价值从基础设施建造者转向使用者 [2][7][10][14] - AI投资已显现狂热期特征，其发展路径可能遵循从设备供应商到高效运营商，再到广泛行业应用者的价值转移规律 [12][14][16] 铁路大跃进历史类比 - 1865-1873年间美国铁路建设呈井喷态势，平均每天铺设20英里新铁轨，投资占GDP比例高达7%-10% [3] - 政府通过《太平洋铁路法案》提供巨额补贴，包括每英里1.6万至4.8万美元贷款和沿线土地赠与，联合太平洋铁路获1200万英亩土地 [3] - 到1873年铁路运力闲置率超过30%，总投资达20亿美元，占同期美国国民总收入90亿美元的超过五分之一 [5][7] - 1873年杰伊·库克银行破产引发经济危机，89家铁路公司破产，1.8万家企业倒闭，失业率飙升至14% [5][6] - 铁路运费从1870年每吨英里2.5美分降至1875年1.5美分，降幅40%，股东回报率从预期15%暴跌至不足5% [7] AI基建狂潮现状分析 - 英伟达H100 GPU拥有800亿个晶体管，训练效率比前代提高9倍，每片售价3万美元仍供不应求 [8] - Meta在亚利桑那州建设270万平方英尺数据中心，用电量超过50万居民家庭总和；微软在威斯康星州投资33亿美元建数据中心 [9] - 未来5年全球AI数据中心资本开支计划达4万亿美元，AI芯片有效寿命仅3-5年，形成持续再投资的"资本黑洞" [9] - 企业陷入"囚徒困境"，微软CEO承认可能过度投资2000亿美元，但认为不投资风险更大 [10] - 高资本支出增长的公司长期表现往往逊于资本保守同行，自1963年以来年均回报低8.4个百分点 [9] 价值转移与周期规律 - 基础设施最大受益者往往不是建造者而是使用者，铁路使美国制造业效率提升约25% [10] - 西门子使用AI优化供应链降低库存成本18%，默克集团利用AI将药物研发时间从数年缩短至数月 [11] - 狂热期特征包括资本支出占GDP比重异常高、新进入者大量涌现、杠杆率快速上升 [12] - 转折点信号包括产能利用率下降、价格竞争加剧、融资环境收紧 [13] - 价值转移路径：设备供应商→高效运营商→行业应用者，AI投资正处于从第一阶段向第二阶段过渡时期 [14]