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。

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。

企业对人工智能（AI）所带来量化效益的披露正在迅速增加，在标普500成分股中，提及具体AI影响的公司比例从2025年第一季度的13%跃升至2026年第一季度的25%。这种趋势表明，AI的应用已从早期的战略布局阶段过渡到产生可衡量财务或运营成果的阶段，企业正越来越有信心地向市场沟通AI技术带来的实际价值。 来源：摩根士丹利

红帽企业版免费替代品 @AlmaLinux 10.2 正式版发布，新增支持从 Btrfs 文件系统启动以及完善支持 i686。从 10.1 版开始该系统已经支持使用 Btrfs 文件系统，现在则是支持从该文件系统启动，继续支持 i686 则是考虑到旧版专有软件兼容性，社区将继续维护 i686 支持到 2035 年：

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。