中泰資管田瑀：AI時代的價值投資和科技投資并不對立，價值判斷需滿足三個條件

今年以來市場的分化格局讓“老登買酒、小登科技”的話題較為火熱，也有人因此將價值投資和科技投資擺在對立的兩面。

10月30日，中泰資管的基金經理田瑀發布了題為“價值投資者很難享受AI時代的紅利？”的推文。田瑀在文章中指出，價值投資并不與科技投資對立，能評估價值的領域都是價值投資的范圍，這其中自然包括科技，差別在于不同領域的價值評估所需要的門檻并不相同。11月5日，田瑀以直播形式就上述話題進一步展開，他表示價值投資并不區分成長行業或傳統行業，如果能滿足“長期需求的下限能判斷”、“生意模式可評估，且不會因為技術變革發生大的變化”、“企業的護城河可評估”這三個條件，價值評估和判斷就可以進行。在田瑀看來，AI的發展會使得未來很長一段時間內半導體行業的整體需求增速快于過去10年，當下我們仍處于這次科技變革的初期。結合我國半導體產業的長期發展來看，無論貿易摩擦是階段性緩和還是加劇，國產化的方向都不會變。對于晶圓代工、存儲、模擬芯片行業而言，AI帶來了需求增長，但并沒有改變生意模式，反而擴大了護城河的價值。田瑀，現任中泰資管權益公募投資部總經理兼研究部總經理。復旦大學材料學學士，復旦大學物理學碩士，擁有13年投研經驗（其中10年投資管理經驗）。曾任安信基金特定資產管理部投資經理、中泰證券資管權益投資部高級投資經理、基金業務部副總經理。他堅持價值投資理念，善于尋找具有寬闊護城河的成長股，分享企業成長的價值。

下文是投資作業本課代表基于田瑀直播分享整理的主要觀點：

1、蘋果算是科技的尾聲，這個取決于你對科技怎么定義。要是回到工業革命之前，那電力也是科技，但如果你買電力的時間點晚一些，可能在大家的印象里就不算科技了。

2、那投資大師買蘋果，算不算是科技投資？我覺得算，但它不是很突出的科技。就美股來看，這一輪以AI技術變革為代表的科技公司，我們通常指的不是蘋果，因為蘋果在AI領域可能并不突出。其他幾家可能更突出。

3、價值投資者判斷一家公司價值是否可判斷的前提條件都類似：

一是長期需求的下限能判斷；二是生意模式可評估，且不會因為技術變革發生大的變化；三是企業的護城河可評估。如果這三個條件都滿足，那它的價值就可以評估判斷。

4、科技股投資，如果生意的護城河有，長期的需求有，且盈利能力也在，當期賺不賺錢就不重要。像汽車、智能駕駛，可能前幾年也不太有利潤，一旦產品的護城河累積起來，未來賺錢的可能性和空間都是巨大的。

5、為什么大多數人會形成“價值投資和科技投資對立”的刻板印象？一是從客觀結果來看，投資科技的價值投資者比較少。二是價值投資者很難也很少去講自己的科技投資案例，所以讓大家形成這樣的刻板印象。

6、無論有沒有AI，晶圓代工都是有護城河的生意、能評估的生意。AI帶來的算力需求，沒有改變晶圓代工的生意模式，而是擴大了護城河的價值。

7、用CPU為計算核心的時代，計算方式是順序計算，中間過程較少需要存儲數據，而AI計算利用的是神經網絡模型，循環計算，計算后輸出的結果需要被儲存后再繼續計算。計算模式的變化帶來計算次數和存儲次數的比例發生了巨大變化。

之前大家都是根據原有CPU線路的技術研發方向去做計算設計的，所以當AI快速被大家認可使用起來后，計算機計算的底層范式發生了變化，存儲的供給端就成為了瓶頸，無論是存儲的帶寬還是容量都成為瓶頸。

8、追求半導體領域的自主可控過程給國內企業帶來了產品采購、合作研發等多種機會，幫助其解決了先有雞還是現有蛋的困境，一旦跨越過去，很多領域我們就很有可能實現從追趕到反超。在這樣的背景下，我們國家的晶圓代工、存儲制造等環節就具備了誕生優勢企業的可能性。

9、從原理上來講，摩爾定律放緩幾乎是一個確定性的判斷，從現實中也看到了這一現象。

10、物理極限和半導體制造水平，使得半導體制造可能會成為一個不那么快迭代的行業。以下是投資作業本課代表（微信ID：touzizuoyeben）整理的精華內容，分享給大家：

價值投資和科技投資并不對立

提問：有投資者問，在您看來，為什么有人會將價值投資和科技投資對立起來？矛盾的點是什么？

田瑀：這也是很多朋友問我的問題，其實這個刻板印象的形成有各種各樣的原因。

首先，從客觀的結果上來看，大眾熟知的價值投資大師，或說知名投資人，投資科技的占比很低。包括大眾熟知的價值投資經典案例、大師在傳遞價值投資理念時用到的案例中，都很少用科技標的作為例子。

提問：蘋果不算嗎（談及美股標的僅作為案例使用，不代表投資建議，下同）？

田瑀：蘋果算是科技的尾聲，這個取決于你對科技怎么定義。要是回到工業革命之前，那電力也是科技，但如果你買電力的時間點晚一些，可能在大家的印象里就不算科技了。

大多數（被定義為）科技有個比較重要的特征，就是誕生之初，該技術對全社會的勞動生產率，或給普通大眾生活帶來非常快速的改變。這個階段往往大家把這個技術稱為科技或新科技。

電力最初出現時，對大家生活的改變是翻天覆地的。按照我的理解，當下的AI可能也算是這樣的技術。

那投資大師買蘋果，算不算是科技投資？我覺得算，但它不是很突出的科技。就美股來看，這一輪以AI技術變革為代表的科技公司，我們通常指的不是蘋果，因為蘋果在AI領域可能并不突出。其他幾家可能更突出。

回到原來的問題，為什么大多數人會形成“價值投資和科技投資對立”的刻板印象？一是從客觀結果來看，投資科技價值投資者比較少。二是價值投資者很難也很少去講自己的科技投資案例，所以讓大家形成這樣的刻板印象。

從價值投資的理念來看，第一個非常重要的原則就是價值要可評估，就是一家企業值多少錢，得能算出來。

我們剛才提到，科技在技術發展初期，會對生意、社會、勞動生產率、經濟發展產生很大的沖擊，或說帶來更大的提升。在這樣的沖擊過程中，往往會有較多變量。

這可能會導致價值投資者進行企業價值評估時，在評估商業模式、長期需求等模型變量時會面臨一些困境，但這不意味著所有的都不行。另外，這也有個人選擇的原因，比如有些投資人可能會覺得科技變化太快，在評估價值的時候會有問題，更何況在其他領域也能賺錢。這當然無可厚非，但無形中也導致價值投資者對于科技領域的投資涉獵偏少。

提問：是不是因為科技企業一開始都虧錢？

田瑀：不是，科技企業有賺錢的，一開始就賺錢的也有，比如這一輪的英偉達。科技企業不是必然在起步階段虧錢，但有一部分是的。

有些科技的投入周期是很長，前期的投入可能并不產生收益，或者說前期的投入規模和前期產生的收入規模并不匹配，這就會產生財務上的虧損。

但這并不代表業務不能評估，一旦商業模式確定、長期的付費能力確定、盈利能力確定，短期不盈利并不影響企業價值。就跟我們之前講過的模擬半導體類似，它可能短期也不賺錢，但是不代表它沒價值，恰恰它長期的價值是很高的。

所以，我覺得（虧錢）并不是必然，但也有些當期就賺錢，比如一些做芯片、半導體、算力卡的，有些當期就有利潤、就賺錢的。沒利潤不是科技股的必然，同時在它沒有利潤的階段也不代表它沒有價值。但在這個階段去評估它的價值是有門檻的，不是那么簡單。

提問：門檻是啥？就是你得看的時間長一點？

田瑀：看的時間長不叫門檻，價值投資者都看的很長。門檻是指對這個業務的理解需要門檻，有些業務模式并不容易理解，建立護城河的方式也需要深度的研究。

有些半導體的生意，你要想建立認知，需要很多技術知識（背景），門檻不低。

很多人可能受限于知識背景或其他原因沒有涉獵這類，這也是大家對于價值投資和科技投資之間對立的刻板印象形成的原因之一。

提問：是不是也因為很多科技企業的業務是To B的？

田瑀：也有To C的。To C的也沒那么容易理解。比如AI、自動駕駛很多業務是To C的，理解起來也不像一些傳統業務那么簡單。

公司價值是否可判斷，取決于三個條件

提問：有投資者說，一提到科技，很多時候感覺是未來很廣闊，但當期的報表可能不是很好看。您認為當一家公司達到什么樣的程度，才會認為它的價值是可判斷的？

田瑀：無論是不是科技公司，價值投資者判斷一家公司價值是否可判斷的前提條件都類似：

一是長期需求的下限能判斷；二是生意模式可評估，且不會因為技術變革發生大的變化；三是這家企業的護城河可評估。如果這三個條件都滿足，那它的價值就可以判斷。

至于當期是不是賺錢，這個不重要，只要商業模式定了，未來如果能賺到很多錢也是可以的。對價值投資者來講，如果我們認為一家企業永遠不賺錢，那它就沒有投資價值。但如果生意的護城河有，長期的需求有，且盈利能力也在，當期賺不賺錢就不重要。

看折現模型你會發現，很多優質企業價值大部分是通過后期的利潤來實現的。這樣的企業，它也有價值，只要夠便宜，我們就能買，就能投資。

另外，有些企業有廣闊的未來，不一定當期的報表都不好看。當然，報表不好看的比例在科技里占比可能稍微高一點。

恰恰是因為這項業務本身有廣闊的未來，大家才愿意做很長期的投入，比如芯片的研發、大模型的研發。

以芯片舉例，比如手機端的主控芯片（System on Chip，簡稱SoC），可能每年投一兩百億，得投三五年才能出第一款芯片，第一款芯片可能賣不了多少，也許前五年都不太賺錢。那是不是它就沒價值呢？顯然它有價值。

像汽車、智能駕駛，可能前幾年也不太有利潤，一旦產品的護城河累積起來，未來賺錢的可能性和空間都是巨大的。

這些方面有一些是我們能評估的，有一些我們還缺乏證據或研究條件來輔助我們判斷（它確實行）。那我們就等這些信息出來后再評估。

這就是價值投資判斷價值的一些前提條件，無論科技還是非科技都一樣，有些傳統產業也一樣，如果長期需求的底我們判斷不了，那一樣也沒法判斷企業價值，不光是業務簡單和復雜的問題。

提問：以芯片為例，會不會出現投一兩百億出來一款產品后，后面還得需要不斷地再投入，生意模式就是得一直研發，資本開支下不來？

田瑀：資本開支下不來也可以，收入得上去。如果資本開支下不來，收入也上不去，那就沒價值。就像剛才提到的，企業早晚得能賺錢，如果一直不能賺錢，那對于股東來講沒意義。

提問：那是不是當一個業務，比如說成本穩定或者是開支穩定的時候，價值更好判斷？

田瑀：如果穩定，需要判斷的部分就少，判斷上會更容易，但不代表投資會更容易。其實更多時候需要我們通過研究來知曉未來開支的曲線以及開支與所產生收入的關系。對于科技領域的研究來說，未來開支的曲線以及開支與所產生收入的關系是更重要的問題，厘清這些問題就能進行價值判斷。

比如投一款芯片，我們大概能判斷投入什么規模就夠了，投入金額不會無限制往上增加，它能產生的收入我們也能判斷。

例如，今年第一款手機芯片可能只能賣一千萬個，但以后它能賣1億、2億。它能做得越來越好，能獲得更多的市場份額，這些我們能評估，就能計算，就能知道它的大概價格是多少。

但如果有個業務每年投100億，到最后只能產生100億的收入，那這個業務對投資而言就沒意義。

提問：這個判斷更多時候是靠經驗，還是什么？

田瑀：不是靠經驗，是靠研究，靠深度研究，靠你對這個業務的理解。這就是這類投資的門檻，并不顯而易見。

以手機SoC為例，你需要對這個行業、對競爭對手及他們之間的差異有了解。對于采用第三方SoC的手機廠商，你需要深入研究其采購原則、采購方式、長期的戰略，同時了解產品間的差異、學習曲線、研發團隊的評價。

這些都有深入的研究之后，你才能評估，如假設它未來能占多少市場份額，長期能產生什么樣的收入，要維持這樣的地位大約每年投入的研發水平是多少，才能評估。

這個研究是有門檻的。

提問：科技行業的研究難度天然比傳統行業大？

田瑀：從統計學意義上來講，科技行業難度應該是更大的。它離我們的生活遠，產品本身也更復雜一些。比如礦泉水、紙巾就更容易理解，產業鏈也簡單。

AI擴大了晶圓代工護城河的價值

提問：您在文章中提到晶圓代工是一個價值可評估的典型。AI帶來的算力需求具體是如何擴大了這個行業原有的護城河？在AI之前，晶圓代工價值可評估的程度好像不是那么高？

田瑀：不，原來晶圓代工就是一門價值可以評估的生意。

晶圓代工存在的時間較久，生意模式很穩定，護城河也是很典型的。

晶圓代工的門檻在哪？是先進制程的代工。在這個領域，你會發現它是一個很有趣的市場。比如，晶圓的制造是按照工藝制程劃分的。工藝制程，一般按照“數字+nm”的形式表達，比如100nm等等。

在22nm之上，它指的是生產半導體的過程中，關鍵器件的最小真實尺寸，比如22nm指的是一個晶體管的柵極最小線寬。

以這個尺度為生產半導體的重要指標，是因為同樣的面積下，生產的晶體管越小，能處理的信號就越多，計算能力越強。

但到22nm以下，就不再是真實的物理意義，它變成了一個等效指標。

原則上，假設我們認為芯片是一個平面結構，晶體管的直線尺寸縮小一半，單位面積上能裝的晶體管數量與其是平方關系，即大概能裝原來的4倍。

在22nm以下，會遇到物理上的限制，產生一些額外的問題，如晶體管會通過其他方式增加單位面積的密度，同時不縮小最小線寬。

提升密度就是單位面積的等效晶體管數量提升，假如原來100億個晶體管，現在是200億個，即使沒有縮小最小線寬，也相當于關鍵尺寸變成原來的0.7左右，它是個相當于的概念。

你會發現，每一代制程的進步大概都是乘以0.7，晶體管的密度翻一倍的程度。

晶圓代工這個領域隨著制程的不斷縮窄，生產線的投資規模會呈指數級往上走，可能從一兩億美金/生產線到百億美金/生產線。

最先進的制程，全球的需求量就這么大。對于全球最領先的晶圓代工廠，它是個利基市場（只能容納一家優勢企業的市場），就我一家能滿足整個市場一半以上的供給，剩下任何人再進來，規模效應都不如我，因為我初始的投資規模太大。

另外，晶圓代工隨著制程的進步，他的學習曲線也是挺陡峭的。

比如4nm或7nm這樣的工藝，生產一片晶圓，工藝步驟可能是200到400步的量級。這是什么概念？

舉個例子，如果每一步良率達到99%，最終的良率低的可憐，最高也就在百分之十幾的水平。如果每一步良率都達到99.9%，最終的良率也不高，大概能達到80%左右。

一旦它在單步驟良率99.9%的水平上再去追求一個小數點的提升，這個難度就極高了，需要很多經驗的積累。

高到什么程度？同一家企業買一樣的設備，在不同的地方開工，可能良率都有差異。這里面的經驗和Know-How的東西就會變得特別多。

所以無論有沒有AI，晶圓代工都是有護城河的生意、能評估的生意。這個生意不錯。AI帶來的算力需求，只不過是把需求的增速拉起來。同時也提升了這個護城河的價值。

比如，原來的CPU，一個產品比另一個產品好一點，你可能并不一定愿意付出更高的溢價，因為產品提升的價值量沒有很高，體驗上差別不大。

但AI算力需要幾萬張卡做集群，你會發現我比你好一點，我帶來的價值量是極高的。所以客戶愿意付出的溢價高。

所以我覺得AI擴大了晶圓代工護城河的價值。

AI提升算力的同時，提高了對存儲的要求

提問：文章里面還提了存儲行業，這個行業最近也挺火的，有公司都停止報價了。這個行業是怎么被AI改變的？

田瑀：AI的計算方式和傳統的計算機的計算方式不同的，這是核心原因。

以用CPU為計算核心的時代為例，那時傳統的計算機計算方式是順序計算，比如先算A到B，再算B到C、C到D，它是一個有先后順序的順序計算。順序計算的好處是中間不用存結果，前面計算完了的結果直接變成下一個計算的輸入就行。

AI的計算，是利用神經網絡這樣的模型，它是循環計算，就是計算后輸出的結果需要儲存，然后再繼續計算，大概是這樣的過程。這種計算模式發生變化的過程中，它的計算次數和存儲次數的比例發生了巨大變化。

原來可能算5次或者8次甚至100次，只需要存一次。現在可能算兩次就得存一次，甚至有些場景算一次就得存一次。同樣計算能力的提升，對存儲的要求會變大，彈性變大。

由于過去的存儲制造環節，大家的發展路徑都是依據于原有CPU線路的技術研發方向去做的，所以當AI快速被大家認可使用起來后，存儲就成為了瓶頸，無論是存儲的帶寬還是容量都成為瓶頸。這是存儲為什么被AI改變的一個原因。

提問：最近比較火爆是因為有什么新的產品或技術？

田瑀：沒有，就是因為需求持續的高增，供給不足。

原來的DRAM（動態隨機存取內存），就是我們的內存條。以前內存都是平面結構的，就一層，里面有各種存儲單元。

在AI時代，它可能是HBM（高帶寬內存），很多層疊在一起。生產一片HBM就會占用通用DRAM的產能。整個產能就這么多，如果AI需求暴增，那就會把整個的供需拉爆。

這就是為什么DDR漲價非常厲害，隔兩三個月就停止報價。現在存儲行業是需求增速會比算力增速更快的一個領域。

其他類型的存儲也都是AI的需求打破了原有的供需關系。

提問：國內企業護城河或者說競爭優勢相比國外我們熟知的那三家是很強嗎？

田瑀：存儲制造和晶圓代工都是芯片生產，它們的護城河構建的方式類似，就是規模經濟。

從全球來看，過去歷史上我們的存儲芯片的制造廠就全球來看不是最領先的。

但這樣的生產工藝，是經驗積累摸索的過程。能不能打破利基市場取決于有沒有客戶愿意嘗試并配合改進以及最開始不賺錢的那部分投資愿不愿意做這兩個因素。

當前中美兩國都在追求半導體領域的自主可控。在這樣的背景下，我們國家的晶圓代工、存儲制造等環節就具備成為領域優勢企業的可能性。

一開始有劣勢沒關系，由于要實現自主可控，給了國產或者可控的產業鏈制造更多機會，包括產品采購、合作研發等。一旦產品出現問題，來回改進摸索，這樣無形中幫助這些企業越過高門檻。這是最困難的部分。

站在客戶的角度，如果沒有自主可控這個背景的話，大家肯定是愿意用成熟的產品，也不愿意試，因為這些企業的成本也不是很低。

但是如果換了之后，一旦出問題會影響業務發展。這個門檻其實很難跨過去，但因為有自主可控的大背景，在這個領域國內的企業有了更多機會。

這會是很大的機會，這些領域以前全球比較領先的企業的盈利能力和股東回報能力是非常好的，以后我們可能也會有這樣的企業。

自主可控的要求會影響評估公司的假設條件

問：自主可控或者說產業安全感覺不是一個通常的商業行為，有點偏產業政策。這以后會不會成為您的研究重點？

田瑀：這個我們只要通過自下而上確認就行。

首先，產業政策其實不用研究，因為邏輯上很合理，國家的表達也很明確，我們更多的是確認。國家提出了自主可控的產業政策，執行程度通過自下而上調研就能獲悉。產業政策的方向不用懷疑，是非常明確的，這個決心不用懷疑。

邏輯上的必要性也是明確的，自主可控，核心技術要掌握在我們自己手里，不受制于人，也不用懷疑。

這影響的是評估公司的前提假設條件。如果沒有自主可控的判斷和有自主可控的判斷，我們對公司企業價值的評估結果是不同的，但是并不是說我們對這個生意的理解不同。

相當于模型沒變，但輸入的參數變了。比如，晶圓代工行業，在全球來看是個大市場，一些晶圓代工企業與國際領先企業相比，原本弱勢地位可能很難改變。

但有了自主可控的要求，它們的弱勢地位就可能會發生變化，會對應到未來市場份額發生變化，對應到未來盈利能力發生變化。這些變化會輸入到我們的模型中，進行重新評估。

比如存儲，以前優勢的企業可能就是韓國企業。但在自主可控的背景下，這個產業鏈跑了一定時間后，我國的存儲制造大概率會在全球范圍內會變得有競爭力。那么，我們對這家企業評估模型的參數就會進行調整，但業務的展業方式沒變。

摩爾定律放緩是確定性判斷，

半導體制造迭代會變慢

提問：文章里寫了摩爾定律放緩，這個是已經觀察到的現象，還是說您研究產生的觀點？芯片的算力取決于什么，為啥會放緩？

田瑀：從現象上，我們看到了摩爾定律放緩（芯片性能提升逐漸放緩）。最先進的芯片，從14nm到7nm，到4nm再到2nm，甚至到一點幾，速度在放緩，計算能力提升的幅度也在放緩，事實是有的。

從道理上為什么我們堅信這個事情？我是學物理的，從理論上說確實會放緩。為了方便理解，我們可以把半導體的基本組成單元，粗略看作開關。把無數多個開關放在一起，組成一個芯片。

為什么摩爾定律說每隔多少個月計算能力會翻倍？主要原因是，開關變得越來越小，單位面積上的開關越來越多，就能提升算力。但開關能不能變得無限小？其實從物理學上看就不可能。

舉個簡單例子，提到開關我們腦子里可能會出現電燈的畫面，兩邊各一條導線，中間合上就通電了，燈就亮了，這就是開關。開關變小后，兩邊導線間的間距會越來越小，小到一定程度即使斷開開關，它也通電，開關就失效了，芯片也就失效了。

生活中的放電現象也是如此。中間是空氣（具有絕緣性），為什么電流還能通過？就是距離太近。在芯片內發生的是量子隧穿效應。最小的尺寸可能到10nm左右，電子就會有概率隧穿過去。

我們可以這么比喻，兩根導線一旦斷開之后還能通電，那就沒法再小了。再小開關就失效了，所以它就無法無限小。

摩爾定律放緩，我們現在基本上是確認的。現在最先進制程的2nm或者一點幾納米，它的柵極厚度大概十幾納米左右，沒法再短了，結構的創新也遇到了各種問題。

當然我們可以通過各種手段延緩衰減。比如說現在是空氣容易擊穿，換成別的擋一擋能好一點，但作用也有限。

所以從原理上來講，摩爾定律放緩幾乎是一個確定性的判斷，我們現在能做的只是修修補補而已。

提問：這個行業未來有可能會變成一個慢變的行業？

田瑀：對，半導體制造可能會成為一個不那么快迭代的行業，這是我的判斷。

單芯片的計算能力可能就取決于開關的多少。開關越來越小，它就越來越多。那如果要提高單芯片的能力，就可以把芯片做大。但這也有物理上的極限，沒法做得特別大。

這跟半導體制造的水平相關。長期來看，我覺得有可能可以解決，但速度會非常緩慢。12寸的晶圓就這么大，直徑30公分，再大也不能比這個大，拉半導體晶圓的硅棒現在就很難拉得更大。一系列半導體設備的匹配尺寸也沒法更大。所以這一系列產業鏈的原則也會使得單芯片的面積變大也很難。

未來如何提升硬件計算能力為AI提供服務呢？靠的是集群，把更多芯片連在一起用，最后提升整體計算力。

在AI的發展過程中，半導體很多確定性的結論是這么來的，這是基于對產業、對產品、對科技的深入研究，才能得出這個結論。

重要性原則很容易判斷

提問：最后一個問題，田經理文章中提到研究原則是根據重要性，那么如何判斷一個研究是否重要？是以能否給基金凈值帶來正收益為標準嗎？

田瑀：不是。在研究之前，我們并不能確定這個東西能不能帶來正收益，是通過研究后才能得到一些結論。

重要性原則很容易判斷，如果一個事情你不知道它重不重要，那它大概不重要。重要事項的重要性，應該是顯而易見的答案。

比如，AI未來會怎么影響各個產業？比如說半導體晶圓制造、摩爾定律是不是放緩，這些顯而易見是重要的問題。

如果一個問題對你的重要假設、對你的展業模型、對你的公司評估是不可或缺的，沒有它就做不了評估，那就是重要的問題。

免責聲明:本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。