AI资产估值的“终局思维”

作为二级市场基金经理，我将结合一线投资实践，分享我们对AI板块的估值认知与应对框架。本报告主要包含两部分内容：一是估值指标的选择，二是AI板块的行情演绎与后市展望。

估值指标的选择及隐含假设

估值指标的选择，本质上是投资哲学的映射。投资者选用何种指标评估企业，直接决定了其交易体系的构建，以及对“贵”与“不贵”的认知边界。

传统的PE指标，本质上是对企业盈利的线性外推。选用该指标，意味着投资者将标的视为成长型企业，且认为其未来盈利具备可预期性。在景气上行期，超基准的成长是企业创造价值的主要来源，因此，以PEG为代表的策略，本质上是捕捉高景气阶段的成长投资或趋势投资。

PB指标则常用于刻画周期型企业。选用该指标，意味着投资者认为企业的周期性大于成长性，其核心价值来源于波动而非持续成长。通过PB Band在低点买入、高点卖出，是基于均值回归的信仰。这本质上是一种价值型投资偏好，即相信企业处于波动而非单向向上的进程中，稳健型投资者借此寻找拐点以构建投资体系。

例如，在制造业中，若收入增速的二阶导数放缓，基金经理往往倾向于卖出，因为市场通常会提前3至6个月对周期下行做出反应，即便此时盈利尚未转负。这是成熟市场及A股的通行模式。

然而，PE与PB指标均适用于企业处于相对稳定的阶段，要求盈利（E）与净资产（B）具备稳定性。但AI产业恰恰处于0到1的爆发期，其盈利、销售、经营壁垒及资本格局等评估要素均极不稳定。在这一指数级上升的初始阶段，传统估值体系往往失效，市场认知容易陷入混乱。

无论是特斯拉还是Anthropic、OpenAI等美国企业，其股价表现均脱离了传统PE、PB的估值框架，令教科书式的价值投资者难以理解。此类现象在中美这两大有效市场中长期存在，若仅以“泡沫”来概括显然过于简单。

对于二级市场投资者而言，若因惧怕泡沫而完全回避，往往会错失行业爆发期企业增长最快的阶段。因此，在爆发期对企业进行估值，是投资者无法回避的命题。为此，我们越来越多地引入总市值估值模式，以追求“模糊的正确”。

总市值估值指标通常被基金经理在行业爆发期采用。所谓总市值，主要涉及三个要素：

其一，是对行业终局规模的预估，即行业爆发完成后所能带来的市场总量——无论是互联网、当年的新能源车爆发还是本次AI浪潮，市场参与者都会试图预判未来市场的整体规模。

其二，是市场份额，即企业在高速成长期过后能够切实分到的“蛋糕”。以互联网企业为例，据腾讯相关人士介绍，微信推出后，腾讯股价基本与用户数同步变动——用户数增长带动股价上涨，用户数停滞或放缓时股价亦趋平缓。在互联网时代，用户数在很大程度上可视为市占率的衡量指标，因为锁定客户即意味着锁定未来的市场份额。

其三，是风险折扣。由于对十年甚至更长时间之后的市场情况进行预估，不确定性较高，因此需要对市值进行折价处理。这一估值过程在二级市场中有所体现，且在一定程度上愈演愈烈，尤其在科技创新推动作用日益增强的背景下。

首先探讨市场总量的问题。市场总量的预估颇为困难，从不同角度会得出不同结论。以上一轮电动车替代为例，可大致将传统汽车市场中有多少份额将转移至电动车进行估算。在此过程中可以发现一个值得关注的现象。2020年，特斯拉在Model 3这一颠覆型产品横空出世时，企业尚未实现盈利，但其市值已超越传统风险定价框架，这反映了市场对其进行的重定价过程。在AI领域，类似情况在一定程度上亦有显现。

自2025年10月以来，美国标普500软件与服务指数在半年多时间内市值蒸发约2万亿美元，与此同时，市场预估最大的两家受益方——OpenAI与Anthropic——合计估值接近2万亿美元。这虽然是一个粗略的数据对比，不能断言两者之间存在必然的对应关系，但总市值在数量级层面的比较，确实有助于判断谁失去了市场、谁成为赢家，以及市场蛋糕的规模是百亿级、千亿级还是万亿级。

经过市场多轮博弈，估值会逐步趋向于模糊的正确，而非随机结果。以OpenAI为例，其尚未盈利但估值已近万亿美元。资本市场隐含的逻辑是，它从软件行业切走了近2万亿美元的价值——因为原有市值所代表的价值，最终转移至模型端。赢家将获得相应市值，价值只会发生转移。在未来的成长过程中，线性PE估值阶段能够反映蛋糕上限的规模。

资本市场的残酷性在于，它会迅速区分赢家与输家，将输家的价值转移至赢家，并在追求模糊正确的过程中，给出一个基于量级的大胆预估，继而衡量未来风险大小以及企业能否真正获取相应份额。这一过程在历史上多个阶段不断重演，是爆发期对总市值进行估值时的典型映射。

其次是市占率的考量。对于AI而言，除市场总量外，份额分配同样至关重要。二级市场对应的是具体个股，而非抽象概念。因此，预估每个企业未来能获得多少市场份额，是一项重要工作。

当前市场关注的重点集中在美国的少数几家头部企业——去年还包括谷歌及Gemini，现在更多聚焦于OpenAI和Anthropic。但近期中国K3的出现，使得Anthropic在一级市场的估值在近一个月内出现波动。这背后除了技术因素外，最直接的原因在于“蛋糕”最终如何分配。

此前市场普遍认为可能仅有两家企业能够形成寡头垄断格局，但随着中国企业的追赶步伐加快，这一预期受到质疑。虽然中国在技术上并非最领先，但仍有可能分得部分“蛋糕”，甚至可能使整体盈利水平出现较大不确定性，从而影响“蛋糕”的分配格局。

这一话题更为复杂，因为“蛋糕”分配取决于对企业、竞争格局等多重因素的理解，尤其对于仍处于相对早期阶段的AI产业，仍存在诸多不确定性，此处暂不展开论述。

简言之，常态下，基金经理通常采用PE、PB等估值方法匹配不同的投资理念。根据企业属于逐步成长型还是周期波动型，选择相应的估值指标，匹配不同的投资策略，构建差异化的估值体系。但对于爆发型企业或在特定发展阶段的企业，市场上越来越多的投资经理选择采用总市值估值法，以一种终局思维来追求模糊的正确。

除了前述的价值转移与“蛋糕”规模预估，还有一个涉及风险控制的维度，即通过相近相关行业现有企业的总市值进行常识性横向比较。例如，2014年四季度，因牛市环境下证券公司盈利大幅提升，佣金率维持较高水平，券商板块总市值迅速扩张。在当时乐观情绪的短期线性外推下，市场对证券公司杠杆化成长带来的盈利增速寄予厚望。

截至2024年底，中信证券的总市值一度达到高盛的50%。高盛一直是国内券商对标海外券商的主要参照。但当中信证券总市值处于高盛50%至70%的区间内，即便其盈利持续增长，中信证券的股价后续也难以继续上行。除了关注短期PE和盈利的超预期增长外，投资者还需从长期视角考量，在跨国对标中，该公司相对于参照对象的价值究竟处于何种水平——是达到其一半，还是基本持平。

类似的情形也出现在券商股东方财富身上。在2020年至2021年蚂蚁集团上市前后，资本市场对互联网金融表现出极大狂热。彼时，传统券商被视作“旧时代”的代表。尽管东方财富作为互联网券商的典型，其市值在2021年及此后多次逼近中信证券，却始终未能实现有效突破。

这背后是中国市场对“谁是市值最大券商”的常识性认知约束——央企与民企的属性差异、商业模式的根本区别，都在总市值的横比中形成了隐形的估值天花板。这种比较未必十分精确，但在一定程度上刻画了常识性的估值约束。除总市值的横向比对外，英伟达与SK海力士的比较亦是值得探讨的话题。

除了常识性的横向比较，总市值估值法本质上是在追求一种模糊的正确，它并非一种精确的定价工具。在实际操作中，即便已经给出大致量级的预估，基金经理仍会持续跟踪PS、PE等经营指标。一旦企业在销售、盈利等经营指标上未达预期，无论是在中国市场还是美国市场，对远期估值法下短期盈利指标未达预期的惩罚都会很重。

常见情形是，开盘即下跌20%。这表明，市场虽然认可企业的长期增长逻辑，但也要求其沿着逻辑上沿演进。一旦短期经营指标未能兑现，对十年期预期的调整将非常严厉。

中国股票市场的一个显著特征是，对远期增长通常先给予较为乐观的定价，经常一步到位——这在某种程度上也是资本市场有效性的体现——但一旦被市场在随后的过程中证伪，股价便会下跌，后续亦难以逆转。

只有那些真正能够兑现成长预期的企业，在经过前期高估值的调整后会逐步回归正常的增长阶段，并最终转向传统的PE、PB估值模式。目前，无论在中国还是美国市场，这一估值体系正日益成为投资经理常见的操作模式。

AI行业分析

讲完对估值体系的认识，我们再回到AI领域，看如何运用这一模式（即总市值估值法），来审视AI板块。

我认为AI可分为两大类，即硬件与软件。硬件部分也适用总市值估值法，但硬件本身并不必然对应十年以上的长期视角，大部分硬件企业本质上是制造业模式。行业内常提及所谓“超级周期”，意指若缺乏此类周期，硬件行业的周期性往往强于波动性，因而可采用PE Band模式进行估值，以捕捉周期高点并适时退出。

然而，就本轮行情而言——无论是早期的英伟达，还是当前的存储芯片领域——市场普遍认为已步入“超级周期”，这意味着增长性超过了周期性，总市值估值法在此背景下具备一定适用空间。

市场广泛关注云服务提供商的资本开支（CAPEX），并常以此作为判断依据。但我个人认为，CAPEX并非关键估值指标。无论是传统企业的资本开支，抑或是与Token价值挂钩的商品价格与企业盈利，CAPEX均属于同步甚至滞后指标，其规模并非凭空决定，而是随着大模型的演进及相关主体对未来预期的变化而动态调整，因此并非独立变量，其重要性不宜高估。

就硬件板块而言，当前处于成长性优于周期性的阶段，我们倾向于以PE估值为主，跟踪未来两至三年的盈利预期，并同时通过总市值的横向比较，校正各硬件公司之间的PE估值差异，这也是基金经理在实际操作中的常规做法。

以在韩国股市中剧烈波动、被市场热议的SK海力士为例。个人认为，若以PE衡量，海力士当前估值显著偏低。按2027年盈利预测计算，海力士市盈率仅约4倍，对应约2000亿美元的盈利规模，其股价在近期下跌后有所回升，暂且按1万亿美元市值估算。反观英伟达，其2027年盈利普遍预期为2500亿美元，市值约为5万亿美元，PE在20倍左右。

相比之下，两者市盈率分别在5倍和20倍左右，盈利差距仅为20%至25%，而市值却相差4倍。有人预期海力士市值将接近英伟达水平，即便无法达到4万亿美元，3万亿美元也意味着当前仍有约3倍上涨空间。但如果从总市值约束来看，英伟达在算力体系中，尤其是预训练领域，具有系统重要性地位，加之CUDA生态的构建，其产业壁垒与战略地位远非海力士所能比。

海力士更多因产能受限而在短期内受益明显，仍属于偏周期性的企业。若仅依据PE估值，海力士确实被显著低估。长期来看，市场运作不至于完全失效。当前二者的估值差异实则隐含了市场对两家公司产业地位及长期增长空间的综合判断。以上为硬件层面的分析。

另一个常见讨论议题涉及CAPEX对AI未来发展的制约，以及相关现金流问题。我个人认为，该指标并没有那么重要。实际上，市场自2023年起便反复担忧资本投入能否获得合理回报，即便当时云服务厂商尚未形成成熟的商业模式，甚至缺乏明确用户基础，其资本开支仍持续支撑了2023年至2025年的行业爆发式增长。

当前，技术进步仍在加速，优质模型定价远高于普通模型，这表明只要具备合理回报预期，依托美国资本市场的深厚基础，融资并不会成为AI发展的硬性约束。因此，从硬件角度来看，最终关注的仍是大型语言模型未来的盈利能力及其对更广泛领域的替代潜力，硬件本质上从属于软件的发展逻辑。

在软件领域，估值与市场空间的判断相对更为复杂。从需求端来看，当前仍处于爆发期，且增长势头持续加快。无论是模型的前期预训练、推理阶段，还是下一阶段的应用落地，各环节的前沿探索均展现出显著提升空间，产业界普遍持乐观态度。

从经济价值替代的角度分析，今年最显著的进展体现在以Anthropic为代表的编程（Coding）领域对传统行业的渗透，大模型正逐步替代传统软件职能、就业岗位及相应市值。

以两家头部大模型企业为例，其当前估值合计约1100亿美元。而北美地区白领岗位年度薪酬总额约为10万亿美元，二者相差约百倍。从渗透率来看，信息产业、编程及办公自动化等领域的AI渗透率已从零提升至20%至30%，且长期来看，上述工作中约90%的职能有望被AI替代。因此，大模型的市场天花板仍然十分广阔。

在投资策略上，我们不仅依赖自上而下的宏观逻辑分析，也注重自下而上的产业链验证，涵盖芯片产能、资本开支空间、存储定价及云厂商投资计划等多方面因素。目前市场普遍预期，到2027年，大模型领域在投资与技术进步的双重驱动下，基本需求支撑无忧，相关投资规模预计接近2万亿美元。然而，若大模型在编程等细分领域之外的渗透未能显著突破，2028年的资本回报率或将面临质疑。这是当前资本市场较为普遍的担忧。

但总体而言，我们认为这一轮技术变革的核心驱动力在于科技创新，且技术进步正在加速。回顾过去一年，行业格局变化频繁：谷歌曾因Gemini 3的发布被视为AI时代的领航者，其具备模型、数据、用户、算力及云服务的完整生态；半年后，Anthropic凭借其在企业级AI领域的优势估值大幅攀升，一度超越OpenAI；而近期Kimi K3的发布又带来新的变局。这些快速变化表明，技术演进的节奏远超2023至2025年间OpenAI一枝独秀的阶段。对于2028年的需求前景，我们应保持敬畏，未来一年内仍有诸多变量可能改变当前预期。

关于最新发布的K3模型所带来的冲击，我们认为其影响更多体现在行业竞争格局的重塑，而非对AI整体市场天花板的挑战。当前最领先的模型仍由美国企业主导，其在拓展技术上限方面发挥着引领作用，而中国模型更多扮演追赶者角色。市场格局正由原先的“两家独大”向“百花齐放”演变，这一趋势在未来仍具有较大不确定性，取决于中国开源模型的追赶速度与能力。

这种变化虽对个股估值产生显著影响，但对整个行业的天花板或总市场规模的影响相对有限。产业整体的成长空间，最终仍取决于前沿模型能否持续拓展对传统产业的渗透，并带来新的应用场景与商业模式。

此外，个人认为，对国内开源模型的追赶速度也不宜过度乐观。据我们与硅谷研发团队交流，他们普遍认为，真正具备冲击力的创新仍来自去年发布的DeepSeek等少数案例，当前中国模型在降本方面进步并未对其构成实质性挑战，最优秀的开发者仍致力于提升模型效能、拓展技术上限，而非单纯追求成本优化。

对中国模型的关注更多来自经营层面，而非研究层面。研究人员始终在追求更优的模型性能，并认为这一进程仍在加速，并未放缓。若美国前沿大厂开始转向降本，反而可能意味着技术天花板正在逼近——因为他们最了解技术发展的边界所在。而目前这些企业仍持续投入研发，尚无放缓迹象，这进一步佐证了大语言模型的天花板仍处于上升通道中。因此，关于2028年需求或资本开支系统性下降的担忧，或可留待明年再做评估。

综上所述，当前AI产业的总体市场空间依然充足，行业发展正处于加速期。中长期来看，产业基本面指标持续向好，而金融层面的波动（如交易集中度、杠杆率等）更多属于短期扰动，放在年度维度仅为一次性冲击，并非长期趋势的决定因素。随着市场交易结构逐步走向分散化和多元化，基本面仍将是主导资产表现的核心因素。因此，我们认为短期波动不会改变AI产业的长期向好趋势。

作者阳琨系华夏基金副总经理、投资总监，本文为作者在近期举行的CF40青年论坛双周内部研讨会第207期“AI资产估值逻辑”上所做的主题演讲。文章仅代表作者个人观点，不代表CF40及作者所在机构立场，未经许可不得转载。