三大蓝筹长期收益测算：招行、长电、移动谁是复利之王 投资核心逻辑：长期持有个股的复利收益，趋近企业常年盈利水平，买入价位、持续分红再投、经营稳定，是收益三大关键，高价入场会直接压缩实际收益。 通用测算公式：长期年化收益=企业年均盈利水平roe÷买入净资产溢价倍数bp×分红收益调节值 依托稳态经营、分红不变、红利复投、行情平稳四大前提，测算三大龙头长期真实收益。 长江电力常年盈利水平约一成五，市场买入溢价接近三倍。公司业态稳固、现金流充足、分红长久稳定，是市场公认避险核心资产。但过高的买入溢价，抵消了超强赚钱能力，最终拉低整体收益，测算长期年化收益8.12%，稳健有余，上涨空间受限。 中国移动常年盈利水平约一成，买入净资产溢价不足一点五倍。个股经营平稳、分红丰厚、抗波动能力强，短板是内生发展动力不足，盈利提升空间有限。即便入手价格合理，受自身盈利上限制约，长期年化收益仅7.6%，三者之中收益最低。 招商银行未来稳态盈利水平回落至一成，当前买入价格低于实际净资产，处于深度折价状态。市场普遍看淡其盈利下滑，却忽略低价入场带来的巨大收益优势。同等盈利水准下，低价布局大幅拉高实际回报，叠加红利持续复投，测算长期年化收益高达10.62%。 收益清晰排序：招商银行＞长江电力＞中国移动。 长江电力胜在极致安稳，败在价格偏高；中国移动赢在低波动，输在盈利偏弱；招商银行虽市场预期低迷，凭借极致低价优势，成为长期复利最优选择。 投资不靠热度与名气，不靠短期行情起伏，唯有依托合理买入价位，坚守优质标的长期持有，拿到稳定可持续的复利回报，才是长线投资的根本真谛。

最近全球AI股都涨的很离谱！ 那股价的核心，到底是什么？ 很多人以为，股价是资金炒上去的、是消息推上去的、是情绪带上去的。 这些，全是表象。 股价长期唯一的核心，就是公司的内在价值，也就是它未来能赚多少钱、能分给股东多少钱。 记住一个最简单的公式： 股价 = 每股收益 × 市盈率 💡每股收益（EPS）：公司真实赚的钱，是基本面、业绩、价值。 💡市盈率（PE）：市场愿意为一块钱利润付多少钱，是情绪、热度、泡沫。 短期看，股价是投票机，靠情绪、靠资金、靠题材。 牛市情绪好，PE 从 15 倍涨到 30 倍，业绩不变，股价直接翻倍。 熊市情绪差，PE 从 30 倍跌回 15 倍，业绩不变，股价直接腰斩。 但长期看，股价是称重机，只认业绩、只认价值、只认真金白银。 把时间拉长到 3 年、5 年、10 年： ❌大盘涨跌，不重要； ❌板块轮动，不重要； ❌题材概念，不重要； 唯一重要的：公司能不能持续赚钱、持续分红、持续回购。 大牛股，从来不是炒出来的，是业绩涨出来的。 股价和业绩，长期一定同步。 股价跑赢业绩，就是泡沫，迟早跌回来； 股价跑输业绩，就是低估，迟早涨上去。 一句话总结： 短期看情绪，长期看价值；情绪决定波动，价值决定方向。 你在股市赚的钱，只有两种： ❗️企业增长的钱（价值）—— 稳、久、可持续； ❗️市场情绪的钱（泡沫）—— 快、险、不可持续。 真正的投资，只赚价值的钱，不赌情绪的钱。

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。

Anthropic 企业采用率 34.4% 首次超 OpenAI 的 32.3% 一年前才 9% OpenAI 同期增长 0.3% 0.3%。。。 不过这个数据是Codex四月份大放异彩之前的 可以期待一波codex带来的改变

中小企业 AI 落地最大的真相,不是找不到场景。 是找到场景之后,90% 的人做出来的东西,扛不住第二周的真实业务。 然后他们以为是 AI 的问题。 我见过太多被包装成"AI 工作流"卖出去的东西。 打开一看,本质上是三段 prompt 用复制粘贴串起来。 输入一变，模型一更新，整个东西崩了。 然后他得出一个结论：AI 还不行。 不是 AI 不行，是你买的那个东西，从来没被当一个完整的系统，工程化的构建过。 5月23-24，深圳，有一个闭门工作坊，大家坐在一起，把你的业务拿出来，当场装AI，当场跑通，带走你能用的一切。

石油企业高管和分析师预计，一场严峻的清算即将颠覆能源市场相对平静的局面。如果霍尔木兹海峡继续关闭，短短几周内，关键燃料就可能面临严重短缺，价格也将随之飙升。

【重点企业观察】 观察一：华为昇腾产业链龙头 国产算力最具确定性方向，昇腾2025年���货约52万颗，2026年Q1已确定出货15万张910系列卡。产业链从"凑合用的备份"转成主动选国产替代的阶段。作为昇腾生态核心合作伙伴，将深度受益国产算力爆发。 观察二：光模块CPO双雄 1.6T光模块大规模放量，DPC陶瓷基板产能最紧缺。作为光模块上游材料核心供应商，产能供不应求。是光模块产业链中最具预期差的环节。 观察三：国产算力芯片龙头 A股算力芯片核心标的，2026年Q1业绩亮眼。国产替代加速期，深度绑定国内大模型厂商。具备全栈技术能力，是国产AI算力最具竞争力的芯片企业。 观察四：光通讯全产业链龙头 6英寸外延片产能全球前三，DFB/EML芯片月产能12KK。通过全流程IDM模式，产能利用率与交付效率显著提升。外延片自供与对外供货双轮驱动，夯实国内绝对龙头地位。 观察五：先进封装龙头 国产高性能AI芯片主要封装供应商，深度绑定国产算力厂商。2.5D先进封装产能紧张，订单饱满。具备CoWoS-S和CoWoS-L多种先进封装能力，是国产芯片制造不可或缺的环节。

美国企业花了 400 亿搞 AI，95% 没有回报 赚到钱的那 5% 做对了什么？ AI 时代最大的陷阱是 “做很酷的东西” 🦊 Cursor 不酷，它只是让写代码变快了。Harvey 不酷，它只是帮律师省了时间。ElevenLabs 不酷，它只是让任何人都能做配音。 真正的护城河 = 垂直数据 + 分发渠道 + 工作流嵌入，不是模型本身 (Claude 和 GPT 不是你的，你也做不了，开发模型要花很多钱) 95% 的 AI 项目烧钱，因为它们在炫技 剩下 5% 在印钞，因为它们在省人力 MIT 2025 年的一份报告我看简中推几乎没人讨论，数据非常惊人： 1、美国企业在生成式 AI 上投了 350-400 亿美元，但 95% 的 AI 试点项目没有产生任何可衡量的 P&L 影响 2、14000 家 AI 创业公司有 40% 在 24 个月内死亡 与此同时，赚到钱的那 5% 公司却赚到离谱 先来看看炫技派们的墓碑 🪦 1、Builderai：微软投的，估值 15 亿，融了 4.45 亿美元 号称 AI 自动生成代码，实际上是后台靠 700 个印度工程师手写，破产时账上只剩 500 万 2、Jasper AI：AI 写文案的标杆。2023 年营收峰值 1.2 亿美元。2024 年暴跌到 3500 万。跌幅 70%。原因很简单：ChatGPT 的文案能力变好了，用户不需要一个"套壳"了 AI Wrapper 数据显示：8500 家活跃 AI Wrapper 公司 只有 2-5% 月入超过 1 万美元，24 个月累计失败率 80-85% 再看看赚钱的有多赚钱 💸 1、Cursor：零营销：17 个月做到 10 亿 ARR，又 3 个月翻到 20 亿 ARR Slack 用了 5 年，Zoom 用了 9 年，Cursor 不到 2 年就做到了 2、Harvey（法律 AI）：3 年做到 1.9 亿 ARR 42% 的美国顶级律所在用。估值 110 亿 3、ElevenLabs（语音 AI）：ARR 超 3.3 亿 从 33 亿估值飙到 110 亿，只用了 3 个月 4、Perplexity（AI 搜索）：ARR 自 2022 年以来增长 1900% 为什么垂直 AI 能赚 10 倍？ 顶级 VC Bessemer给了一个清晰的框架： 传统 SaaS 争夺的是企业 IT 支出——仅占 GDP 的 1% 垂直 AI 争夺的是劳动力支出——占 GDP 的 13% 美国劳动力市场 11 万亿美元，企业软件市场 4500 亿美元，差 24 倍。传统 SaaS 捕获一个员工价值的 1-5%，AI 可以捕获 25-50% Harvey 不是在卖 AI，它是在卖律师的时间 一个 AmLaw 100 律所的初级律师年薪 $20 万+，Harvey 替代掉他 30% 的工作，省下来的钱是任何 SaaS 订阅费的几十倍 而每个赛道都有“Cursor 时刻” 💡 ▪️法律：Harvey 1.9 亿 ARR，Casetext 被 Thomson Reuters 以 6.5 亿美元收购 ▪️医疗：Abridge 估值 53 亿（AI 环境记录），一家医院用 AI 做保险验证，年增收 230 万 ▪️会计：Basis 估值 11.5 亿（AI 报税），CPA 事务所效率提升 30-50% ▪️房产：EliseAI 估值 22 亿，PropTech AI 投资年增长 42% 不是做更通用的 AI，而是做某个行业的"替代人力" 给我的启发是 1、数据"无聊"的 AI 其实最赚钱： 例如 AI 发票自动化、合同审核、销售线索生成，叙事不性感但有人月入 25 万美元 2、90% 的员工在用"影子 AI"： 只有 40% 的公司有官方订阅，但 90% 的员工每天在用个人 AI 工具（牛马们自费开 Claude 写代码，我真的哭死）需求是真实存在的，只是企业产品没跟上 3、AI 公司到 1000 万 ARR 只需 2.5 年 传统 SaaS 需要 6 年 4、最大 ROI 不在销售和营销，在后台自动化 如果你想赚钱，3 条路线可以思考，或者和你的 AI 多讨论 A：做垂直 AI 工具 找一个你熟悉的行业（律师、牙医、房产中介）用现成 API 包装成行业专用工具，月费 SaaS。AI 一直强，重点看你有没有行业 know-how 和分发渠道 B：做 AI 集成 帮企业接入 Claude/GPT API，做定制化部署 MIT 数据说外购成功率高 3 倍，但企业不会自己接（或担心数据风控风险）他们需要人帮忙 C：做"无聊"的 AI 自动化 发票、合同、客服、数据录入。没有人会把这些发到 Product Hunt，但它们的 ROI 最高 今天早上我在公司开会时说： 赚聪明人的钱很难很难，因为聪明人自诩聪明，你能想到的一切他都会自己搭，最好赚的其实是傻子的钱 怎么找到傻子和如何赚到傻子的钱 think think 再 think