如何给美光等存储公司估值？方法与案例 上篇：PE与PS估值的基本框架、逻辑与适用边界 一、PE（市盈率）估值：锚定盈利的成熟企业定价工具 1. 核心公式与含义 • 公式：PE=总市值/净利润=股价/每股收益（EPS） • 含义：投资者为获取公司每1元年度净利润所支付的价格；理论上代表回本年限（如15倍PE对应15年回本）。 2. 底层逻辑 • 核心假设：盈利稳定、可预测、现金流扎实，利润能持续支撑股东回报。 • 定价本质：对持续盈利能力的定价，盈利确定性越高，市场愿意给的PE倍数越高。 3. 适用对象 • ✅ 盈利稳定的弱周期行业：消费（茅台、海天）、公用事业、医药（成熟药企）。 • ✅ 现金流稳健、利润无大幅波动的成熟制造业。 • ❌ 周期股（盈利大起大落，高点PE极低、低点PE极高）。 • ❌ 未盈利/亏损企业（PE为负，无意义）。 • ❌ 高成长早期企业（利润被研发/扩张压制，PE失真）。 4. 关键口径与陷阱 • 口径：静态PE（去年年报）、滚动PE（最近四季，NTM）、动态PE（预测，依赖可靠性）。 • 陷阱：周期高点低PE陷阱、利润造假/一次性损益导致PE失真、高负债企业盈利脆弱。 二、PS（市销率）估值：锚定收入的成长/周期底部替代工具 1. 核心公式与含义 • 公式：PS=总市值/营业收入=股价/每股销售额 • 含义：投资者为获取公司每1元年度营业收入所支付的价格，反映对营收规模与增长的定价。 2. 底层逻辑 • 核心假设：收入增长是核心驱动力，利润终将随规模/毛利率提升释放；或利润受周期/短期因素干扰，收入更真实。 • 定价本质：对市场份额、营收扩张能力的定价，高增长赛道可支撑高PS倍数。 3. 适用对象 • ✅ 未盈利/亏损但营收高增长的成长股：早期互联网、创新药、AI芯片（如寒武纪）。 • ✅ 周期行业底部：利润为负/微利，PS可规避周期陷阱（如2025年部分化工、存储）。 • ✅ 轻资产、高研发投入企业：利润被压制，收入更能反映行业地位。 • ❌ 营收停滞/下滑、低毛利/高亏损企业（高PS伴随高风险）。 • ❌ 成熟稳定、盈利清晰的企业（PE更有效）。 4. 关键口径与陷阱 • 口径： trailing PS（历史营收）、forward PS（预测营收，常用于分部估值SoTP）。 • 陷阱：忽略成本与盈利能力（营收高但巨亏，PS低也危险）、不同行业PS差异大（科技5–20倍vs传统消费0.5–2倍）。 三、PE与PS的核心差异与选择逻辑 • 核心差异：PE看“赚多少钱”（盈利质量），PS看“做多大生意”（营收规模与增长）。 • 选择逻辑： ◦ 成熟稳定、盈利可预测→PE ◦ 高成长、未盈利/周期底部→PS ◦ 多元业务、成长与成熟板块并存→SoTP分部估值（不同业务用不同倍数）。 下篇：UBS美光估值深度拆解——从SoTP（PS）到整体PE的史诗级重估 一、前序：SoTP分部估值（PS框架）——周期股的传统定价 1. 估值逻辑（2026年5月前） • 核心判断：美光是强周期存储公司，仅HBM业务受益AI、增长更快，DRAM+NAND仍为周期属性。 • 方法：分部加总（SoTP），HBM与核心业务按不同PS倍数估值。 2. 完整数据（无遗漏） • HBM业务：2027年预计收入278.9亿美元，给予6倍P/S，对应每股132美元。 • 核心DRAM+NAND业务：2027年预计收入1,877亿美元，给予3倍P/S，对应每股405美元。 • 原目标价：132+405=535美元。 • 隐含倍数：整体约4.5倍PS，符合周期股折价逻辑。 二、剧变：整体PE估值（15倍NTM）——去周期化的成长定价 1. 估值逻辑（2026年5月26日更新） • 核心判断：美光因AI需求+长期协议（LTA），盈利稳定性被系统性抬高，不再是单纯周期股，而是穿越周期的成长型AI存储龙头。 • 方法：放弃分部，采用整体PE估值，锚定长期稳态盈利。 2. 完整数据（无遗漏） • 核心参数：15倍NTM P/E（对标英伟达），锚定2029年EPS=117美元，12%股权成本折现回2028年。 • 目标价：15×117=1,625美元（从535美元上调，涨幅204%）。 • 选择2029年的原因：包含一轮温和存储下行周期，若仍能赚100+美元EPS，证明是穿越周期的盈利能力，非周期高点盈利。 三、估值切换的核心催化剂：LTA（长期协议）——存储行业的“去周期化”革命 1. LTA核心条款（UBS调研） • 期限：3–5年（3年固定+2年浮动或5年固定）。 • 机制：固定量承诺+部分固定价格，锁定出货量与价格区间。 2. 行业与美光渗透数据（无遗漏） • 2027年行业DDR出货：20%–30%被LTA覆盖。 • 美光LTA份额：约20%。 • 超大规模客户（Hyperscaler）：已锁定行业Server DDR5约60%–70%的量。 3. 对盈利的影响 • 收入/利润可见度：显著提高。 • DDR价格波动：峰谷波动被压低约50%，周期属性大幅弱化。 四、重估本质：从“HBM单独重估”到“美光整体重估” • 旧框架（SoTP-PS）：周期折价，仅HBM享成长溢价，核心业务按周期低倍数，目标价535美元。 • 新框架（整体PE）：成长溢价，LTA+AI驱动盈利稳定性，整体对标AI成长股（英伟达15倍PE），目标价1,625美元。

终于有人把“”换手率”说清楚了，一个必须搞懂的指标！ 炒股不懂换手率，阅尽股票也枉然！ 同时“换手率”是找主力的最好方式，此文无价，献给炒股圈里所有的人。 啥叫换手率？ 就是股票买卖交易的频率，它反映的是该股票的活跃程度。大盘的换手率就是指大盘的活跃程度。 换手率高达60%，证明该票充分易手，为什么说股票市场是互道小可爱的地方呢？ 就是，买的人说：傻B啊你，强势股每次下跌都是买入的机会。 卖的人说，你才傻，我已经赚了50%了，现在不卖、更待何时？ 所以，不要觉得自己的决策一定是正确的，想想那些和你做相反交易的人，是什么理由？ 偏听则暗、兼听则明。多问几个为什么，你会理智很多。 换手率高的股都是被爆炒的股，是众人关注的焦点。 毕竟波动小、不温不火的，谁也不会注意它，没有眼球效应。换手高也有好处，就是流动性好，只要单子不是太大，想买就能买，想卖就能卖掉。不同换手率，对应股票不同的状态。 1.1%-3%，萎靡不振，机构不理，游资不爱，一般是大家伙，飞不动，或者题材过于传统，不够性感。 2. 3% - 5%，有人试探性建仓，依然不活络。 3.5% - 7%，多空双方有分歧，连续多日换手率一直在小幅波动，股价慢慢抬升，有可能是主力资金在缓慢吸筹。 4.7% - 10%，主力资金买盘较为积极，如果是下跌，有可能是主力在打压股价、缓慢洗盘，动作依然比较轻柔。 5. 10% - 15%，主力想要控盘，吸筹力度加大，吸筹完毕就是拉升。 6.15% - 20%，交易活跃、波动加剧，若股价依然在低位，底部放量，可能是启动前兆。如果是高位放量下跌，需要警惕。 7.20% - 30%，多空博弈激烈，如果是低位，主力资金可能是暴力吸筹，想通过这种方式，吸引散户跟买；如果是高位，那可能是在出货。别盯着大单看，为迷惑小散，现在的主力早就学会将大单拆成小单，慢慢卖，一是为了降低摩擦成本，二是担心散户跟着砸盘，卖不出好价。 8. 30% - 40%，很高的换手率，只有题材性感的热门股才会有这么大换手，一般来说，主力吸筹喜欢用悄咪咪的方式，毕竟痕迹太明显，价格容易被炒高，影响买入成本。这种，有可能是主力出货，把筹码置换给接盘侠。 9. 40% - 50%，关注度巨高，股价大幅波动，一般人根本HOLD不住，这种票风险很高，谨慎入手。 10. 50% - 60%，这就是我给的图了，有可能因为某个消息产生巨大分歧，股价高位，卖出的人一般是前期赚到钱的，买入的一般是想趁机回调接盘的。 11. 60% - 70%，可以说是极度疯狂了，买卖双方互道SB，这种如果是底部的话，一般是突发超大利好，顶部的话，就是上面说的这种情况。 12. 70% - 80%，脱离正常轨道，股价不确定性极大，如果是下跌，我劝大家千万不要接飞刀，因为可能有你不知道的利空消息，而且，下跌有着极大的惯性，这种级别的换手，后续行情大概率继续大幅度颠簸，想想今年初，因为雪球产品敲入，很多小股票出现炒高换手，大家争相卖，出现踩踏。 13.80% - 100%，几乎所有筹码都在易手，情绪疯狂到极致，我劝诸位，这种票，只可远观不可亵玩，等稍微平静点，再介入不迟。 总之，低位放量上涨，值得关注；高位放量下跌，我个人不会介入，更不会在股票连续下跌时接飞刀。再看好一只票，也会在企稳后，右侧介入。 该怂怂，不与趋势对着干，是我对它的尊重。 股票的便宜和贵，兄弟们真的懂了吗？ 问兄弟们一个问题，股票的便宜和贵，在你心里是怎样的一个衡量标准？ 是不是你会觉得70元的股票比7元的股票便宜？ 大多数股民都是表示以股票二级市场的现价来分辨所谓的便宜和贵，我想说的是四个字“大错特错”！ 看一只股票便宜还是贵，绝对不是看现价，而是看其内在价值，打个比方，一只股票现在70元，市盈率现在是10倍，另外一只股票，现价是 7元，市盈率是负数，请问哪只便宜？相信大多数人会认为是7元的便宜，其实，正确答案是70元的便宜，虽然，市盈率不是判定股票贵和便宜的绝对指标，但是也是其中之一，今天我就教大家一个简单的方法，然后你好好看一下你现在所持有的股票，是便宜，还是贵！ 第一，首先，你先看一下你所持有的个股是什么板块的，然后打开这个板块，这样这个板块的所有的股票都会列表出现，接下来，你进行一个市盈率正排序，看看你持有的股票，按照市盈率排序能排第几名？这叫同行业同板块的横向比较法 第二，一个公司的好坏，从大俗话讲，无非就是看它是不是赚钱呗，好，那你就再来一次净利润的正排序，看看你的股票能排第几名。 第三，股东人数，相信大多数人都知道，股东人数减少是好事，好，那你就再来一次股东人数的正排序，看看你的股票能排第几名。 第四，每股净资产：一般每股净资产越高的公司越好，当然，我指的是二级市场的股价还没有被疯狂炒高的，还在离开每股净资产比较近的那些个股，你也来个排序，看看能排第几。 第五，分红能力：对未分配利润这个数据来一次正向排序，看看你能排第几名。 以上排序全部结束后，你就可以自己心里得出一个综合排名分数，满分是100分的话，你的票能得几分，这才是真正的计算出你的股票是便宜，还是贵！ 什么是换手率？ 上面我们说通俗易懂的理解，现在我们说下官方解释：“换手率”也称“周转率”，指在一定时间内市场中股票转手买卖的频率，其数值为某只股票的累计成交量与其流通股本之间的比率，是反映股票流通性强弱的指标之一，可以有效地帮助投资者识别一只股票的活跃度。 举例： 例如，某只股票在一个月内成交了2000万股，而该股票的总股本为1亿股，则该股票在这个月的换手率为20%。在中国，股票分为可在二级市场流通的社会公众股和不可在二级市场流通的国家股和法人股两个部分，一般只对可流通部分的股票计算换手率，以更真实和准确地反映出股票的流通性。按这种计算方式，上例中那只股票的流通股本如果为2000万，则其换手率高达100%。 计算公式为： 换手率=某一段时期内的成交量/发行总股数×100%（在中国：成交量/流通股本×100%） 例子：某只股票在一个月内成交了1000万股，该股票的总股本为 l亿股，则该股票在这个月的换手率为10%。在我国，股票分为可在二级市场流通的流通股和不可在二级市场流通的非流通股，一般只对可流通部分的股票计算换手率，以便真实和准确地反映出股票的流通性。按这种计算方式，上例中那只股票的流通股本如果为2000万，一个月内成交了1000万股,则其换手率高达50%。在国外，通常是用某一段时期的成交金额与某一时点上的市值之间的比值来计算周转率。 通过换手率判定股票的活跃性 由于个股的流通盘的大小不一，仅仅用成交金额的简单比较意义不大。在考察成交量时，不仅要看成交股数的多少，更要分析换手率的高低、高换手率出现的相对位置、高换手率的持续时间。这主要有以下几种情况： 1、低换手率 表明多空双方的意见基本一致，股价一般会保持原有的运行趋势进一步发展，多数情况下是小幅下跌或横盘运行。 2、高换手率 表明多空双方的分歧较大，但只要成交活跃的状况能够维持，一般股价都会呈现出上扬走势。 3、过低或过高的换手率 在多数情况下，过低或过高的换手率是股价变盘的先行指标。一般而言，在股价出现长时间调整后，如果连续一周多的时间内换手率都保持在极低的水平（如周换手率在2%以下），则往往预示着多空双方都处于观望之中。由于空方的力量已经基本释放完毕，此时的股价基本已进入底部区域，此后很容易出现上涨行情。 4、低位高换手率 对于高换手率的出现，投资者首先应该区分的是高换手率出现的相对位置。如果个股是在长时间低迷后出现高换手率的，且较高的换手率能够维持几个交易日，则一般可以看做是新增资金介入较为明显的一种迹象，此时高换手的可信度比较大，由于是底部放量，加之换手又充分，因此，该股未来的上涨空间应相对较大，同时成为强势股的可能性也很大。 换手率识别主力 1、中长线主力运作个股的换手率 考量个股盘面活跃度时需要借助换手率来进行判断。有些个股换手率很低，但是股价始终会上涨，这样的盘面特征表示有中长期主力运作，类似这样的个股就具备非常强的持续性，风险非常小。 2、高位换手和低位换手对股价的预判分析 如何判断一支股票是否处在底部区域有很多种方法，其中最简单的一种方法就是看换手率，如果一支股票在下降通道中运行时，换手率极低，换句话说，这支股票已经没人买卖了，特别是前期主力建仓过的股票，经过洗盘，一旦出现这种情况是需要密切关注的，这说明股价已经在底部区域。 那么能不能笼统地说换手率越高，股价就涨得越高呢？答案是否定的。在股价涨得还不是很高，还处于拉升阶段时，这样说是对的。但当股价涨得相当高，已远离庄家建仓的成本线时，这样说就不对了，不但不对，而且恰恰相反：高换手率成为出货的信号，我们常说的“天量见天价”，指的正是这种情况。当股价在上涨途中必须保持持续均匀的高换手率，一旦换手率减少，表示高空接力的资金少了，股价上行动力会减弱。 在实战中，投资者通过换手率分析庄家动作的时候，应把握以下几点。 （1）事实上，3％以下的换手率非常普通，通常表明没有较大的实力资金在其中运作。当一只股票的换手率在3％～7％之间时，该股已进人相对活跃状态，应该引起投资者的注意；7％～10％的日换手率在强势股中经常出现，属于股价走势的高度活跃状态，一般来说，这些股票正在或者已经广为市场关注；日换手率10％～15％的股票如果不是在上升的历史高价区或者见中长期顶的时段，则意味着强庄股的大举运作，若其后出现大幅回调，在回调过程中满足日最小成交量或者成交量的1/3法则或1/10法则，可考虑适当介入；当一只股票出现超过15％的日换手率后，如果该股能够保持在当日密集成交区附近运行，则可能意味着该股后市具潜在的极大的上升能量，是超级强庄股的技术特征，因而后市有机会成为市场中的大黑马。 （2）关注换手率一直保持充沛、价涨量增的个股。这表明庄家已深度介入，由于股价上涨会不断受到获利盘和解套盘的卖压，换手越是积极充分，则卖压盘清洗得也就越彻底，持股者平均成本不断提高，上行所遇的卖压也大为减轻。 （3）股价大幅上涨后换手率回落，股价随大盘波动。这种现象现在也很多，一般出现在成长股上，表明大量筹码已经被锁住，庄家长线运作，随着时间的推移股价将再上台阶。 （4）换手率激增，股价波动不大，大盘变化不大。这是一种出现概率并不低的现象，表明有大量的筹码在特定的小区域内换手，一般来说这是事先约定的换手，很有研究价值。 （5）新股上市首日换手率一般是很高的。新股上市首日换手率越高越好，因为在新股申购的时候，股票是以现金进行申购中签获得的，持股相当分散，而在上市首日出现极高的换手率，则说明吸筹积极。 （6）连续多天换手率处于高位，股价随之大涨并远强于大盘。这种现象一直存在，不过结果却有多种，有庄家拉高建仓的可能，也有短线游资炒一把的可能，还有老庄家出货的可能，需要结合其他因素进一步研判。 （7）第一次即将封涨停时，换手率小的通常要比换手率大的好。在大盘处于弱市和盘整市时这一点尤其重要，理想情况是普通股换手低于2％，ST股低于1％。在大盘处于强势时这个换手条件可以适当放宽，对龙头股也可以适当放宽。但无论在任何情况下，不能超过5％，包括涨停被打开后又被封住时换手率的情况。这些对换手率的限定其实也是限定当天就已经获利的买盘数量和说明当天抛压的大小，这时获利盘越小、抛压越小，第二天的上攻余地也就相应越大。 换手率的高低往往意味着这样几种情况 （l）股票的换手率越高，意味着该只股票的交投越活跃，人们购买该只股票的意愿越高，属于热门股；反之，股票的换手率越低，则表明该只股票少人关注，属于冷门股。 （2）换手率高一般意味着股票流通性好，进出市场比较容易，不会出现想买买不到、想卖卖不出的现象，具有较强的变现能力。然而值得注意的是，换手率较高的股票，往往也是短线资金追逐的对象，投机性较强，股价起伏较大，风险也相对较大。 （3）将换手率与股价走势相结合，可以对未来的股价做出一定的预测和判断。某只股票的换手率突然上升，成交量放大，可能意味着有投资者在大量买进，股价可能会随之上扬。如果某只股票持续上涨了一个时期后，换手率又迅速上升，则可能意昧着一些获利者要套现，股价可能会下跌。 一般而言，新兴市场的换手率要高于成熟市场的换手率。其根本原 因在于新兴市场规模扩张快，新上市股票较多，再加上投资者投资理念不强，使新兴市场交投较活跃。 换手率高的操盘原理 1、相对高位成交量突然放大，主力派发的意愿是很明显的，然而，在高位放出量来也不是容易的事儿，一般伴随有一些利好出台时，才会放出成交量，主力才能顺利完成派发，这种例子是很多的。 2、底部放量，价位不高的强势股，是我们讨论的重点，其换手率高的可信程度较高，表明新资金介入的迹象较为明显，未来的上涨空间相对较大，越是底部换手充分，上行中的抛压越轻。 3、新股，这是一个特殊的群体，上市之初换手率高是很自然的事儿，一度也曾上演过新股不败的神话，然而，随着市场的变化，新股上市后高开低走成为现实。

PDF 直接丢给大模型，表格乱码、公式崩溃、扫描件还认不出字。 这 5 个工具帮你把文档转成 AI 能读的干净格式。 1、Stirling-PDF — 本地 PDF 全能工具箱，85k star 合并、拆分、压缩、加水印、转格式，几十种操作全在本地跑，文件不出本机，隐私敏感的文档放心用。 2、MinerU — 复杂文档转 Markdown，71.7k star PDF、Office 里的表格、公式、图片精准抠出来转成 AI 可读的 Markdown，喂给大模型做问答前必备的一步。 3、docling — 文档为生成式 AI 做准备，62.3k star IBM 出品，把各种格式文档统一转成结构化输出，接 RAG 流程很顺，企业文档处理的热门选择。 4、marker — PDF 高精度转 Markdown，36.6k star 速度快、还原准，长文档、论文转 Markdown 加 JSON，排版和结构保留得好。 5、OCRmyPDF — 给扫描件加文字层，34k star 扫描的 PDF 没法选字搜字，它自动 OCR 加上文字层，扫描件秒变可搜索可复制。

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。

为什么黄仁勋也开始经营自己的X账号，发布第一条公开帖子？为什么马斯克、扎克伯格、奥特曼等科技领袖，即使彼此存在观点冲突，也都开始主动经营自己的个人账号？因为... 因为未来企业竞争的战场，已经不只是产品和市场，而是认知、注意力和生态的竞争。过去企业依靠媒体传播，而今天，创始人本身就是最大的传播入口。X正逐渐成为全球科技圈的重要信息战场，创始人通过自己的账号直接影响开发者、投资者、用户甚至行业方向。 他们经营账号，并不是为了简单增加曝光，而是在建立自己的思想传播渠道。未来企业家的竞争公式会变成： 产品能力 × 组织能力 × 注意力影响力 × 判断力传播能力。 未来顶级企业家不只是管理公司，而是在持续输出对世界的判断，影响别人如何理解未来。所以未来越来越多的 CEO 会成为“思想型 CEO”。 这也是为什么未来很多创业者真正需要的，不只是更多信息，而是更高质量的判断支持。因为机会越来越多，变化越来越快，一个人的认知边界，往往决定了他的选择边界。 我提供的顾问服务，本质上不是提供答案，而是在关键阶段帮助创业者梳理自己的位置、资源、能力和方向，建立更清晰的判断系统。

这篇文章可能让一些人不舒服了。 WAIC 2026观察：Kimi K3只是开始，中国AI正在重写美股估值公式，你还敢梭哈美股AI吗？ Kimi K3一夜吓崩美股，再次上演DeepSeek时刻，有人说，这是短期影响，美股还会涨回来甚至更高。 但在我认真看了这几天的WAIC（世界人工智能大会） 之后，我觉得Kimi K3可能只是开始，以后国产AI可能会时不时出来锤一锤美股AI。 时间拉到正在上海举行的WAIC，你会发现，压力远不止来自Kimi K3一个点，而是中国AI全链条的协同进步，正在从多个维度动摇美国AI的估值逻辑。 Kimi K3：性能追平，成本碾压，开源直击定价权 7月16日，月之暗面发布Kimi K3。2.8万亿参数，全球最大开源模型之一，原生多模态，百万token上下文，在前端代码竞技场排名中超越Claude Fable 5，综合能力接近甚至部分超越OpenAI和Anthropic的前沿闭源模型。 关键差异在于“开源+低价”：权重即将开放，企业可本地部署，调用成本较美国同类模型低约40%。 市场反应迅速。发布当日，纳斯达克100早盘重挫2.7%，费城半导体指数较6月高点累跌20%，进入技术性熊市。摩根大通直言这是“DeepSeek 2.0时刻”的担忧延续，高盛合伙人则警告“算力扩张时代”可能走到尽头。 市场传递的信号很明确：中国模型正以更务实、更低成本的方式缩小差距，这直接冲击了美国闭源模型的高溢价支柱。 WAIC全景：不只模型，更是一套完整产业体系 Kimi K3只是冰山一角。本届WAIC上，国产算力全阵容亮相，东方算芯首发3D AI芯片DF1000，华为昇腾950超节点真机首展，中科曙光展出全国产十万卡集群“曙光8000”。超节点取代单颗芯片成为算力竞争新焦点，华泰证券将2026年称为“国产超节点元年”，预计2028年市场空间达3414亿元。 从芯片到集群，从训练到推理，国产算力已从“能造芯片”走向“能组系统”。 治理层面同样主动出击。习近平主席出席开幕式并发表主旨讲话，29国签署协议成立世界人工智能合作组织（WAICO），并发布《人工智能合作发展行动计划》。中国在规则话语权上的布局，让美国AI的“技术溢价”面临更长期的竞争压力。 估值承压的逻辑：资本开支回报率被重估 美国AI估值建立在两大支柱上：闭源模型的高定价溢价，以及由此支撑的巨额算力资本开支。 Kimi K3这类开源模型出现后，企业（尤其数据敏感型）可选择本地部署，减少对OpenAI、Anthropic付费API的依赖，收入增速与利润率预期随之承压。 当市场开始怀疑“算力扩张时代”的斜率可能放缓，NVIDIA、AMD、美光等远期估值就会被提前修正。 WAIC放大这个逻辑：它证明中国不仅能做出好模型，还能在硬件、集群、应用落地上形成完整闭环。单一模型可能是偶然，全景式进展则难以忽视。 格局重塑，长期信号已现 Kimi K3引发短期市场震动，但它更像是中国AI崛起的一个缩影。透过WAIC，我们看到的是中国AI生态的快速迭代：前沿模型追赶、成本与开源优势、硬件集群突破、全球治理布局同步推进。 美国在算法原创、顶尖人才和成熟生态上仍具优势，但资本市场永远定价“未来预期的变化”。WAIC之后，算力资本开支的合理斜率、开源模型的渗透速度、闭源模型定价权的韧性，这些关键变量都将被更严格地重新定价。 竞争格局正在深刻变化，估值逻辑也在随之调整。这不是短期噪音，而是长期结构性信号。对于投资者而言，单纯“梭哈美股AI”已不再是无风险选择。多元化配置、关注中国AI基础设施出口潜力，以及跟踪开源模型实际采用率，将成为更理性的策略。 中国AI，正在用实际行动重写全球AI的竞争与估值公式。Kimi K3只是开始，真正的故事才刚刚展开。

段永平谈投资成功方程式 “ 看到商业模式不好，就像刮奖刮到一个谢字，还要继续往下刮吗？ (2021-10-19 ) Right Business + Right People + Right Price + Time = Good Result (对的生意＋对的人＋对的价格＋时间=好结果）。虽然这个不是投资的充分公式，但好结果却是个比较大概率的事件。（2013-04-19）” 问： 企业文化、商业模式、价格这三者按重要性如何排序？ “商业模式和企业文化排第一和第二，价格排第三。”（2019-05-31） 问：这三个因素的重要性占比是否各占33.3%？ “过滤器啊！前两条是必要条件，第三条要从未来10年以上来看。”（2025-02-12） “也许可以给个未必合适的比喻，商业模式像马，管理层加企业文化像骑师，经营结果就是比赛结果。不过企业经营不像赛马那么短时间而已。”

World Model × Reward Density：递归自我迭代的真正拐点 过去几个月，讨论 AI 递归自我迭代（Recursive Self-Improvement, RSI）时，关注点几乎都放在模型能力和算力增长上。 但研发系统的实验效率相对模型和算力，可能才是真正的瓶颈。 过去一年，这个系统正在发生两个根本性变化：一是 World Model 快速成熟，二是 AI Model Design 的 Reward Density 持续提高。这两个趋势彼此强化，最终指向同一个结果——AI 研发正在从依赖真实实验，转向依赖模拟、预测与自动验证。 World Model 的意义远不只是让模型理解现实世界，更重要的是让 AI 可以构建越来越接近真实世界的原生模拟环境（Native Simulation World）。过去的模拟器主要依赖人工编写规则、物理公式和专家经验，只能覆盖有限场景；未来的模拟器将越来越多由模型生成，直接学习真实世界中的交通、人类行为、企业经营、材料性质、机器人动力学乃至科学规律。模拟世界将逐渐从 Rule-based 转向 Model-based。 这意味着 Simulation 与 World Model 不再是两个独立模块，而是一个递归系统。真实世界提供数据，训练 World Model；World Model 构建更真实的 Simulation；Simulation 为 AI 提供几乎无限的实验机会；实验产生大量高质量合成数据，再反过来继续优化 World Model。 整个循环可以表示为： Reality → World Model → Simulation → Synthetic Experience → Better World Model → Better Simulation → ... 一旦进入这一循环，Simulation 本身开始成为新的数据源。过去互联网几乎承担了全部训练数据来源；未来互联网、Simulation、机器人和自动实验室将共同构成模型训练的数据基础。其中，Simulation 将成为增长最快的数据来源，因为它几乎没有成本，可以无限复制、暂停、回滚、并行和加速运行。 机器人是最直接的受益者。今天机器人最大的瓶颈并非模型能力，而是真实数据获取速度。现实中，一台机器人一年只能积累几千小时经验，而 Simulation 可以同时运行数百万个机器人，在一天内完成现实世界几年甚至几十年的探索。机器人训练因此会逐渐从 Reality-first 转向 Simulation-first，真实机器人更多承担最终校准，而非主要学习过程。 科学研究也将遵循相同路径。未来药物、材料、催化剂、电池、蛋白质设计等领域，大部分假设将在 Simulation 中完成筛选，仅将最有希望的方案送入真实实验室验证。湿实验将越来越像对 Simulation 的最终确认，而非发现过程本身。 如果说 World Model 解决的是实验环境，那么 Reward Density 解决的是实验反馈速度。 AI Model Design 正在成为所有研发任务中 Reward Density 提升最快的领域之一。过去修改一个 Attention、优化一个训练策略或者调整一个架构，往往需要数周训练才能知道结果，反馈极其稀疏。今天越来越多中间信号已经能够提前提供可靠奖励，包括 Loss Curve、Scaling Prediction、Training Stability、Token Efficiency、Inference Latency、Proxy Benchmark 等。很多决策无需等待完整训练即可获得有效反馈，研发循环开始从周缩短到天、再缩短到小时。 World Model 的加入进一步提高了 Effective Reward Density。过去，一个团队提出一百个模型设计，只能真正训练其中极少数。未来，大部分方案将在 Simulation 中完成预验证，仅保留少数最优设计进入真实训练。单位时间内能够获得的有效反馈数量因此不是线性增加，而可能提高一个甚至多个数量级。 真正发生变化的不是 Reward Density 本身，而是有效 Reward Density： 过去： 100 个想法 → 训练 3 个 → 获得 3 个 Reward。 未来： 100 个想法 → Simulation 验证 95 个 → 训练 5 个 → 获得近百个高质量 Reward。 研发系统开始进入典型的正反馈。 RSI 意味着：Model → Better Model。 但如果拆开来看，其实是： Model → Better World Model → Better Simulation → Better Evaluation → Better Model。 更进一步，World Model 本身也是模型，因此模型不仅开始优化模型，还开始优化整个研发基础设施，包括 Evaluation、Reward Model、Simulation、Compiler、Kernel、Memory System、Chip、Interconnect、Datacenter、Energy 以及 Robot Lab。优化对象从单一模型扩展到整个 Intelligence Stack。 从这个角度看，RSI 的速度可以拆解为五个核心变量： RSI Speed = f(Model Capability × Experiment Speed × Reward Density × Automation Ratio × Compute) 过去几年，模型能力和算力提升最快，而实验速度、Reward Density 和自动化比例一直是限制因素。现在，这三个变量正在同时改善，并形成多个相互强化的反馈环。 Reward Density 提高，实验速度提升；实验速度提升，提高自动化比例；自动化比例提升，进一步增加迭代频率；更高的迭代频率提升模型能力；更强的模型又提升 World Model；更好的 World Model 再提高 Reward Density。 整个系统开始形成真正意义上的递归飞轮，而不是单变量增长。 因此，RSI 更可能表现为阶段性加速，而不是平滑指数增长。每当一个关键瓶颈被突破，例如 Evaluation、Simulation 或 Robot Lab，整个系统都会进入新的增长档位。 基于目前的发展节奏，可以将 RSI 粗略划分为四个阶段。 第一阶段已经开始。AI 能够辅助模型研发，但仍高度依赖人类完成实验、分析和决策，研发循环以周为单位。 第二阶段将在 World Model 和 Reward Density 继续成熟后出现。AI 将能够提出设计、完成 Simulation、自动 Evaluation、自动 Revision，人类只负责批准关键实验，研发循环压缩至小时级。这将是自动 AI Research 真正形成飞轮的起点。 第三阶段将随着 Robot Lab 普及而到来。Simulation 与自动实验室形成闭环，真实实验自动更新 World Model，整个研发流程实现 7×24 小时运行。现实世界逐渐从主要训练场转变为校准场。 第四阶段，也是 RSI 真正意义上的广义扩张。AI 不再只是优化模型，而是持续优化芯片、网络、能源、机器人、制造系统和整个智能基础设施。递归优化对象从 Software 扩展到整个 Physical Intelligence Stack。 基于上述路径，接下来最值得关注的是五个领先指标：AI 完成一次研发迭代所需时间；AI Model Design 的 Reward Density；World Model 对真实训练结果的预测精度；Simulation 与现实实验的一致性；以及整个研发闭环中自动化完成的比例。 这些指标共同决定了递归自我迭代是否真正开始进入加速阶段。 接下来，Simulation 将成为主要训练场，Reality 将成为最终校准场。 当 World Model 足够准确、Reward Density 足够高、Robot Lab 足够自动化之后，AI 将第一次拥有持续、自主、高频率优化自身的实验环境。这并不意味着智能会瞬间爆发，而意味着决定增长速度的约束正在系统性消失。 当研发系统本身成为优化对象时，递归自我迭代才真正开始。

冷知识 ： 什么是 “返投比例”和“招商引资” ？ 在人民币创投（VC）体系中，“返投比例”和“招商引资”是地方政府引导基金（作为LP）最核心的诉求，也是目前所有双币/人民币GP（如启明创投、红杉中国等）在募资和投资上面临的最大实操挑战。 以下为您精准解析这两个概念，以及它们与“约定资金出处”的区别： 1. 什么是“返投比例”（Reciprocal Investment Ratio）？ 返投，是指GP（基金管理人）在接受了某个地方政府引导基金（LP）的出资后，必须将不低于约定比例的资金，投资于该政府管辖行政区域内的企业。 计算公式： 返投金额=地方引导基金实际出资额×返投比例（倍数） 具体案例： 假设合肥市某区级引导基金向启明创投的某期人民币基金出资 1亿元，双方在合伙协议中约定返投比例为 1.5倍。 这意味着，启明创投在这期基金的投资周期内，必须将至少 1.5亿元（1亿×1.5）投资到注册地在合肥市该区内的企业。 返投认定的变通（“软返投”）： 由于很多高科技项目很难直接在当地发掘，现在的返投认定范围逐步放宽，不仅包括直接投资当地企业，还包括：协助将外地已投企业迁入当地（总部、区域总部或生产基地）。 已投企业在当地设立子公司并产生实际的资本支出或税收。 GP引荐其他外部企业到当地投资落地。 2. 什么是“招商引资”（Attracting Investment）？ 招商引资是地方政府的经济行为，指通过提供土地、税收优惠、产业配套、甚至股权资金支持，吸引外部资金、技术、企业和人才落户本地，以拉动当地GDP、解决就业并形成产业集群。 在创投领域，现在流行的是“基金招商”（以投代招）： 传统招商：政府官员到处跑企业，送政策、送土地。 基金招商：政府当LP，把钱给专业VC（如启明、深创投）。VC在全国范围内筛选优质科技企业，一旦看中某个项目，VC和政府联合投资，条件是企业必须把总部或核心工厂搬到出资的政府所在地。合肥模式（通过投资京东方、蔚来拉动地方产业）就是基金招商的典型代表。

顶级 AI 公司背后，都有一个"超级 2 号位" 这是 AI 行业一个有趣的规律：技术天才负责模型，另一位"超级 2 号位"承包模型之外的一切：融资、招聘、法务、政策、商业化、销售和组织管理。 Anthropic 有 Daniela Amodei（联合创始人/总裁），她曾是 Stripe 创始招聘官，后担任 OpenAI 安全与政策 VP，负责财务、法务、招聘、传播、政策、GTM、企业销售和安全组织。她的哥哥 Dario Amodei 是 CEO，专注技术方向。 OpenAI 有 Fidji Simo（AGI Deployment CEO，2026 年 7 月上任），负责产品、商业、运营，COO、CFO、CPO 均向她汇报。她来自 Meta（Facebook 负责人），后任 Instacart CEO。Sam Altman 则聚焦技术和战略。 SpaceX/xAI 有 Gwynne Shotwell（总裁兼 COO），负责商业销售、政府关系、Starlink 运营、法务和 HR。她是 SpaceX 早期员工，2008 年起任总裁，2026 年 2 月兼任 xAI 总裁。Elon Musk 担任 CEO 兼 CTO。 DeepMind 曾由 Lila Ibrahim 担任 COO（后转任首席 AI 就绪官），负责运营、治理与伦理、政策、传播和 People & Culture。她来自 Intel，后任 Kleiner Perkins COO，2026 年转向政策方向。 这些"超级 2 号位"往往有成熟公司运营经验，能把复杂组织真正运转起来。 技术创始人专注突破，运营操盘手承接落地，这或许是顶级 AI 公司的成功公式。