导读
2023年以来，科技板块投资的主线和胜负手是AI方向，通过大仓位押注光模块为代表的北美算力基建方向，或能获得科技板块的显著收益。但当前时点观察科技板块投资，笔者认为，“躺赢”变得困难，科技板块逐渐呈现了三大特点：
第一，AI应用落地不及预期，直接表现是科技成长方向中，传媒和计算机板块表现靠后。尽管年内曾有SORA模型发布、Llama 3开源、o1模型发布、Apple Intelligence发布、Robotaxi陆续落地等进展，但总体来看，AI仍未有显著提振生产力的故事。
第二，AI投资在北美算力基建方向的拥挤度升高，二阶导放缓，直接表现是9月份市场进入快速反弹之后，机构重仓的光模块方向表现落后。同时，近期N公司披露3季度披露财报后，尽管收入、利润指标略超市场预期，仍然下跌0.76%，且对下季度的收入预期环比增速仅为为6.90%（本季度351亿美金，下季度375亿美金）。
第三，近期国家大力度的出台政策提升了市场对稳增长发力、基本面复苏的预期，全A交易量也重回高位，科技成长板块的股价波动显著加大。这意味着由于“市场先生”变得积极，后续科技板块的投资需要留意低位股票的反弹，即使这些股票可能尚无基本面的好转。
产业进步不及预期但变化层出不穷、高景气方向变拥挤但逻辑尚未破坏、交易量回升使投资不仅要关注EPS增长还要把握PE变化。以上三点使笔者认为，当前在选择科技板块基金时，应更多关注科班出身且有实业背景、产业资源丰富且对科技内核有洞察、能力圈聚焦泛科技（不仅是单一的半导体、计算机、传媒主题）且完整经历过移动互联网行情的基金经理。满足这三点要求的科技基金经理在市场上不多，华安基金的李欣先生是其中一位。
李欣先生于2007年毕业于浙江大学电气工程专业，具有3年实业经验，2012年加入华安基金，自2015年7月开始管理华安智能装备A。在投资中，他聚焦科技板块（含新能源），强调第一性原则，利用产业链交叉验证把握投资机会。
本次访谈时间为2024年10月，访谈内容与顺序经过笔者整理。
业绩表现
【图表 华安智能装备A自李欣先生管理以来的表现】
数据来源：Wind、华安智能装备A-2024年三季报、基煜研究；业绩基准为80%×中证800指数+20%×中国债券总指数；截止日期：2024年9月30日。
风险提示：历史数据仅供参考，我国基金运作时间较短，基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金业绩不构成基金业绩表现的保证。基金有风险，投资需谨慎。
基础研究为主，市场研究为辅
问：如何理解基础研究为主，市场研究为辅的投资理念？
李欣：首先，我们在坚持深度了解公司基本面的同时，也并没有放松对市场的研究，同时我们也非常尊重市场，不会抱着强者思维认为自己看得就是对的，而是以市场作为反馈。有时一家公司的产品做得很好，但市场可能不认可，这有两个可能性：第一是时间还没到，应该等到产品再成熟一些，距离市场更近一些，才可能得到市场的认可；第二是我们看错了，一家上市公司的产品能否大卖或产生持续的盈利，会出现很多外部的不可控因素，可能和当时美好的预想不一样。
之所以我们更注重基础研究，只是我们认为市场研究相对来说更形而上一些，如果想在形而上层面得到深度认知，一定要先对若干形而下的东西有扎实的理解。
举例来看，我们可能认为美国自上而下的科技创新能力很强，但这样一个抽象结论一定来源于扎实的、底层可观察跟踪的事实证据。我们首先可以观察到美国有一批企业与大学在芯片设计、抽象代数、数理逻辑、计算机体系架构等多个细分领域常年处于世界前列；然后可以综合判断出美国在科技领域具有坚实的能力基础；最后可以得出结论认为美国自上而下层面对科技创新趋势有很强的把握力，在上世纪40年代之后的半导体、小型机、计算机、互联网发展趋势中都能成为创新发源地和收获最大科技果实的国家。
投资中也类似，我们对市场的研究不会停留于今年看好红利风格，明年看好成长风格这类结论，基于风格维度的投资判断在市场上有很多，但作为主动基金经理，我们的商业根基是希望在公司基本面和产业链理解上能够领先市场，形成有深度的认知。在此基础上，再和上市公司进行交流，探讨产业未来可能的发展方向，我们不希望和公司的交流停留在,“成长风格很强，今年的风也在硬科技这边，这周刚出了某项政策，对科技成长也有利好，公司下个月订单是多少？” 这个地步。
问：基础研究是指与产业保持密切交流，还是指建立自身对底层技术的理解？
李欣：我们认为需要兼而有之，首先是要对产业和技术的基础有一定的理解，在此基础上通过与产业交流保持对前沿进展的跟踪。比如我在2003年进入到实验室做课题工作，毕业后也做过实业的工程师，但在2009年进入资本市场后，并没有抛弃对实业的研究，例如对于半导体设备和制造工艺的进展与突破，相关材料都会保持学习，如果有不懂的地方，也会和产业人士交流请教。
以从事AI相关业务的H公司为例，从公开信息能看到在2023Q1时，尽管H公司的关注度还不高，股价也处于较低的位置，但我们管理的产品，如华安智能装备已经重仓了该公司。当时买入的出发点也不是因为该公司是AI芯片或国产算力的一个Logo/概念股，而是我们在该公司上市之前就开始关注深度学习和硬件层面优化的方向，也学习过创始人团队的期刊论文，和团队也长期保持了交流。
我们认为，如果想要在科技行业长期能抓到大的投资机会的话，对于行业的认知不应该比上市公司的管理层低太多，这样才能在交流中处于相对平等的地位。当然，知易行难，我们可能在商业化和落地上不如管理层，在细节和操作层面上也没有管理层了解得多，但对于行业的基本认知不应该落后太多。比如AI芯片的并行计算原理，计算芯片的典型架构，如何将缓存、寄存器、调度器、乘加单元组装成SM（Streaming Multiprocessor），如何再把SM组装成单颗芯片，最后如何再组装成一台服务器机柜。
回到产业交流方面，我们也很重视产业资源的积累，也有实验室的同学是国内半导体公司的技术总监、董监高或发起人之一。在此之上，我们也会跟踪和听取卖方研究等市场上的观点。
问：H公司这两年股价波动很大，短期财务表现也欠佳，您如何进行评估？
李欣：我们认为成长股投资中不能单纯看企业当前的资产负债表和未来几个季度的利润表情况，需要结合行业的具体特性进行综合评估。例如半导体不同的细分行业，有着不同的盈亏平衡点，AI算力芯片的盈亏平衡点很高，即使是AMD、Intel这样的龙头芯片设计企业，在AI芯片上的业务也没有传统业务那么成功。
财务的情况是市场上的公开信息，能区分科技投资专业程度的一点，是能否通过企业目前的产品线状况，芯片的设计能力，企业所处的市场环境，如国内对AI芯片的需求，国内的竞争地位等方面，综合动态地判断产品是否有市场空间，市场空间能有多大，企业能获取多少份额，能够获取多少的利润，行业地位带来的利润稳定性如何。
对于H公司而言，我们在买入时，并不是简单基于AI产业趋势起来，该公司市场空间打开，因此进行重仓买入，而是进行了多维度的综合评估。尽管目前市场对他家产品的远期市场空间有相对一致的预期，但这个基础上还需要比较该公司的产品与同类公司的差异，比如各公司产品在具体参数的差异，也可以自己亲自训练一个模型，来感受不同公司的人工智能训练框架的水平。
通过类似的多维度判断，我们可以得到H公司大致的合理价格，再对比当前的股票价格，差额部分可理解为我们和市场对企业发展前景和风险的认知差异，所以我们才敢在市场上关注度很低、股价位置较低的时候重仓买入。
当然具体投资过程中，我们也注意到H公司股价起伏比较大，也会从产业链去交叉追踪企业的出货成本、代工厂的流片出货、新产品的设计迭代、客户侧的导入进展等情况。如果判断企业暂时不会放量，但市场的情绪和股价位置又很高的话，会适当降低仓位。
多维度综合打分，注重壁垒、产品力、管理团队分析
问：如何筛选投资机会？
李欣：在研究端，我们投资的大部分公司都经历了数年甚至十多年的跟踪，长期情况都基本了解，是一个厚积薄发的过程。当特定时点需要对投资机会进行抉择时，不用在研究上花特别大的新功夫，应对性的操作很少，而且我们也不会因为短期听说哪个方向有边际变化，关联个股有哪些，而买入股票。
在投资端，科技板块虽然个股和细分行业很多，但是真正有机会的比较少。首先，实业的发展是连续的，并不会突变，意味着一个方向如果有机会，会持续一定的时间。
其次，在任何一个历史时期，能产生主要价值增量的往往是小部分行业，比如蒸汽机、小型机、互联网，不是所有行业都在系统性、有机地持续创造价值增量。大部分行业可能更多是在宏观经济增长率基础上，增加了一些白噪音，底层逻辑不是持续创造增量价值。例如这两年在通信行业内部，创造增量价值的主要是与AI算力、数据传输关联的标的，并不是板块里面所有方向都有机会。
具体在确定组合在各个主线或者行业的投资仓位时，我们主要会考虑行业向上的盈利增量、超预期概率、下行风险、市场预期饱和度进行灵活调整。
问：您如何对个股进行评估？
李欣：我们在投资中是多维度综合打分，比较重要的有三点。
第一点是产品的竞争环境，重点关注企业是否有较高且持续提高的壁垒。全球来看，N公司就拥有不断增高的壁垒，随着AI模型的复杂度提高，对AI芯片的计算架构和制造封装工艺提出了更高的要求，N公司在设计芯片时，除了制程的迭代，也需要对计算和存储性能等方面进行相机抉择，而且这些改进是没有简单的规律的，需要不断的摸索，通过不同类型模型的适配，逐步找到最优的芯片设计方案。
回到国内，也有壁垒在逐渐升高的公司，例如HG公司，我们认为市场可能低估了x86标准在服务器CPU上的价值和壁垒。服务器端的CPU与GPU不同，GPU更注重算力和吞吐量，但CPU更多使用长尾的指令集，而指令集要实现让客户适配且用得顺手，需要长时间的积淀，这会成为x86架构相比ARM架构在服务器端的优势。
第二点是公司的产品化能力，企业要取得商业成功，首先要知道市场需要什么样的产品，但有时候连客户也不知道自己想要什么样的产品，因此很多科技公司要与客户一起去探究、制定新阶段的产品设计，并且产品要以较快速度进行迭代量产，最后还要有一定的性价比。
第三点是公司的管理团队，这也是前面两点的底层支撑。对于团队来说，核心是德才兼备，“才”是指管理团队在行业积累的深度、经验、敏锐度要高；“德”是指管理团队是否愿意长期奉献，把自己的利益和公司利益相绑定，而不以炒股价为目的。
问：能否谈谈综合打分体系的运用？
李欣：首先，既然最后得分是综合打分体系的结果，那么，如果有单一重要项的得分快速飙升，其最后得分结果也会相应快速上升。客观世界的因果关系往往是非线性的，因此一个客观反映实际的模型，也会体现出非线性，即单一维度的快速变化引起结果的显著变化。比如在2021年的缺芯行情中，一些投资机会就主要来源于周期性的得分升高。
回到2020年初，疫情刚出现时，市场对半导体等高弹性方向普遍很悲观，但我们通过产业交流发现，疫情正促使半导体的国产替代进程显著加速，比如一些手机厂商以往可能主要采购海外厂商的产品，但因为疫情中断了企业间的来往，海外厂商难以为国内客户提供支持服务，手机厂商陆续转化为采购国内厂商的产品。
进入2020年底，代工产能已经开始吃紧，典型信号是国内半导体厂商开始接受代工厂的加价。根据我们对产业的理解，在代工产能比较吃紧时，弹性较高的不仅有芯片代工公司，也包括一些锁定了较大规模的代工产能，并且产品的基础价格和毛利率较低的公司，此类公司往往在“缺芯”的背景下能体现出很高的量和价的弹性。
其次，综合打分体系是对各个维度的统筹，比如另一个周期性的案例是存储行业，但我们参与力度就相对低一些，例如2023Q2，我们注意到AI对HBM需求有所拉动，在2023Q4也注意到政府对海外背景的M厂商进行了安全调查，这些均会成为国内存储企业加速国产替代的好机会。
另外，综合打分也是一个动态的过程，一家企业在不同阶段，周期性和成长性的主导程度可能会发生变化。同时，综合打分需要落地在具体公司层面。行业的周期性较强，未必意味着没有高成长性的公司。
例如在新能源等市场认为其周期性较强的行业，我们会进行具体分析。固然，在硅料、单晶硅等产业环节，有一定的重资产特性，从而体现出一定的周期性，但一方面光伏、锂电等行业开始供给侧改革和提质增效，从而带来新技术升级的投资机会；另一方面，逆变器、储能等新能源的细分行业，定制化属性强，软件、算法价值含量高，并和AI电源等电力电子领域有临近效应，其成长属性更为显著。
最后，我们也会对个股形成一个预期收益率，但基准是随着市场变化而变化的，同时需要动态关注行业的上下游变化。例如近期o1模型推出之后，我们注意到该模型的逻辑推理能力明显提高，也提升了对推理端的算力需求，那么对AI不同环节的预期收益率也要做重新评估。
问：如何考虑买入股票？
李欣：我们买入股票的时点，通常是长期研究后对一家公司认可度很高，已经多次想出手买入，但没有找到合适的时点介入，刚好产业有一定突破，叠加估值合适，才选择入手。这类似长期烧水到了95℃，刚好有一个事情推动，使得温度到了100℃。在这种情况下，我们入手的标的，后续如果看错了，下行风险会相对可控，但如果出现了判断错误，我们会深刻反思之前对公司的理解。
另外，我们买入股票的方式，倾向于进行产业链的投资，如果一个产业链发展前景良好，理论上产业链的各公司各有优势，也应该各有机会，同时我们作为投资者，对一家公司的股价变化也很敬畏，因此组合中的个股集中度相对不高。
问：如何看待预期差下的投资？
李欣：预期差在投资中可能表现为阶段性的投资，当上市公司估值相对处于高位时，如果判断市场对某业务的预期比较低，而公司有超预期机会时，进行投资。如果整体估值超过可理解水平，进行卖出。
一个案例是碳化硅行业，当年碳化硅行业在蓬勃发展的时候，A股还没有很好的投资标的，当T公司上市的时候市场已经相当成熟，而且估值不低了，这时候就会更多寻找预期差的阶段性机会。
具体来看，碳化硅的衬底分为导电型和半绝缘型，以前国内会更擅长半绝缘型衬底的生产，主要用于通信基站内部，市场对这部分预期比较高，但一度市场对T公司在导电型衬底的进度预期很低，这时候就会出现比较好的投资机会。
问：对一家公司的产品评估能否简化为量价？
李欣：量价体系可能在多年前的消费电子产业链投资时，市场比较喜欢采用，更多适用于产品没有大的边际变化时。例如可以测算一台手机3个摄像头，1个摄像头10美元，每年降价10%，像素提升能够增加多少单价，最后收入规模能有多大。
但如果产品出现大的边际变化，用一般的量价体系进行评估有些失之武断。比如以前一颗服务器的CPU芯片可能卖数千美金，但现在一颗GPU芯片可能卖3.5万美金，同样的光模块也出现了类似的价格指数级变化，本质上因为光模块内部是光电转换的系统，随着传输速率的提升，难度是指数级增长的。
当然，对于AI所带来的产品高价与高毛利率能否维持，我们认为这类似地球上同时存在外力作用和内力作用，既有内在的动力维持高价，但同时有外在的因素促使毛利率回归常态。
比如光模块行业，这两年正经历向1.6T、3.2T的演进，但如果再过几年，性能的演进变平，毛利率和价格可能有所变化，合理估值也会相应下降，这是一个动态的过程，周期性与成长性并存，需要持续跟踪评估。
问：您怎么看国内科技股的高波动？
李欣：首先，美国的科技股波动其实也不小，例如近期日本加息后，美国科技巨头下跌幅度很高。其实近年来，反而中国的科技企业，竞争力和经营的稳定性与抗风险能力不断加强，2019年以前可能很难找到稳定盈利的半导体设计公司，也很少有半导体设备公司能为客户提供整套解决方案，但现在已经有很多这样的上市公司。
其次，科技行业是一个脉络很清晰和持续的行业，比如N公司这些年一直专注在并行计算；T公司一直专注在更小的面积上供给更大的算力；CIS图形传感器领域，不管外形如何改变，核心是光子照射在半导体，促使能级跃迁，发出电流，最后再检测电流，技术进步的目标是如何敏感、无损、低功耗地检测产生的电流。
回到投资端，市场上过往可能看到一些企业出现了利润和股价比较大的波动，但这并不意味着技术领域很大的变化。例如指纹识别领域，最初是电容，然后是光学，最后是超声波，但原理都是识别指纹在屏幕上影响区间内的光学或电学储存形态。如果特定公司只能擅长做某一种技术，这会导致公司的技术生命周期相对短暂，如果阶段性出现了很高的盈利，我们需要考虑这是企业在技术布局上的时间差，还是企业在该领域建立了长期可持续的技术壁垒。
最后想补充的一点是，投资面临的实际情况可能是许多可投企业的技术壁垒不够深，但这并不意味着没有投资价值，我们仍然可以把握企业的估值水平进行参与。同时，也不能武断地说A股科技的投资价值不如美国科技，其实美国也有很多科技企业的壁垒不高，比如曾经有家做音频芯片的企业，当下游客户更改方案后，经历一轮暴跌，反而如果该公司业务是在国内的话，可能会更稳一些，因为下游不会出现一家独大的情况。
对市场保持乐观，关注AI算力硬件端
问：能否回顾下对AI的投资？
李欣：我们在过往一直对AI保持着观察，也曾上手实验过一些AI模型，相对了解其底层逻辑。重要的节点是在2023年初看到和开始体验ChatGPT的产品，回过头来研究了OpenAI的相关论文，如《Language Models are Few-Shot Learners》，以及Transformer模型的基础论文，如《Attention Is All You Need》，研判认为他们的技术路径具有很强的产品化和商业前景，对AI的潜力更有信心，大概率会是移动互联网之后的一种阶跃性进展，也比同时期一些周期性投资机会好一些，后者虽然阶段性斜率很高，但后面还会下来，而阶跃性的进展，比如电力、互联网，都是人类运用之后，不会再扬弃的东西。
具体在AI内部，首先，云计算（CSP）是AI商业模式的重要一环，CSP厂商采购了大量的AI算力形成CAPEX，并通过AI赋能SAAS软件，提升产品单价与付费率，从而实现了商业上的闭环；其次，AI在教育、广告、营销等领域仍在快速发展，我们也在积极研究和布局相应的投资机会；最后，AI化不仅能提升手机、PC等成熟的终端产品的能力，也将大大推动智能眼镜等新的智能终端的发展，将对SOC芯片、传感器、光学元件等硬件，以及社交媒体等互联网行业带来深远的影响。
结合市场上的可投标的情况，我们主要采用两条并行思路参与AI算力的投资，第一是参与AI产业全球产业链分工并占有重要竞争地位的行业和公司，如光通讯、高速数通PCB、AI服务器等，以及AI电源、温控等领域，第二是AI信创领域，如AI算力芯片、服务器CPU、交换机产业链等。
而在各环节的具体可投标的中，我们会更聚焦一线厂商，前面也提到，AI算力的下游客户集中度很高，下游大厂与供应商是长期合作的关系，对供应稳定性有较大要求，这使得二线厂商的生存和导入相对困难。
问：目前怎么看市场？
李欣：近期国家推出了一系列强有力的政策，我们对后市比较乐观。对于科技成长行业：
在AI方面，从全球视角看，AI对各行业均有生产力的提高，景气度仍有望持续；从国内视角看，相关的进展也比较顺利。
在国产替代方面，由于前些年进步比较快，也取得了显著的成功，后续投资中会有两个方向：一是向更难的创新深水区进发，一是在已经被突破、相对容易的市场内卷。我们会相对规避内卷趋势强一些的板块，例如这两年在模拟板块的投资比较少。
在周期反转方面，我们对反转斜率和戏剧性的预期不高。一方面，我们对科技股的投资还是更加注重行业的成长性，周期性主要作为辅助；另一方面，历史上来看，周期反转的投资机会如果要表现好，仍需要和成长性进行叠加。
VIP课程推荐
APP专享直播
热门推荐
收起
24小时滚动播报最新的财经资讯和视频，更多粉丝福利扫描二维码关注（sinafinance）
