\n \n 来源｜聪明投资者（ID: Capital-nature ）\n \n \n
\n \n \n 作者｜聪明投资者（ID: Capital-nature）\n \n
\n \n
\n \n
\n \n \n \n \n “\n \n \n \n \n \n \n \n \n 投资面对的是一道非常迷人的难题。你\n \n \n \n \n \n \n \n \n 总是\n \n \n \n \n \n \n \n \n 试图比别人解得更好，尽管这里没有任何绝对有效的\n \n \n \n \n \n \n \n \n 法\n \n \n \n \n \n \n \n \n 则。\n \n \n \n \n
\n\n \n \n \n \n 投资\n \n \n \n \n \n \n \n \n 是我还在一层层剥开的洋葱\n \n \n \n \n \n \n \n \n ，且\n \n \n \n \n \n \n \n \n 永远不会真正剥完\n \n \n \n \n \n \n \n \n 它\n \n \n \n \n \n \n ……这恰恰\n \n \n \n \n \n \n \n \n 是它有意思的地方。适合做投资的人，应该就是\n \n \n \n \n \n \n \n \n 享受这种状态的\n \n \n \n \n \n \n \n \n 人。\n \n \n \n \n \n \n \n \n ”\n \n \n \n \n
\n\n \n \n \n \n “\n \n \n \n \n \n \n \n \n 人生最重要的事情之一，是带着思考生活，\n \n \n \n \n \n \n \n \n 不要只是随波逐流。\n \n \n \n \n
\n\n \n \n \n \n 这就是我理解的\n \n \n \n \n \n \n \n \n ，过一种觉醒的人生\n \n \n \n \n \n \n \n \n 。一个人也正是通过这种方式，才有可能有意识地走向人生中更高的阶段。\n \n \n \n \n \n \n \n \n ”\n \n \n \n \n
\n\n \n \n \n \n “\n \n \n \n \n \n \n \n \n 今天投资行业里，谁会在未来\n \n \n \n \n \n 10年取得最大的成功？在我看来，答案是：最理解AI及其能力和影响的人\n \n \n \n \n \n \n \n （注意，是最理解而不是最看好）\n \n \n \n \n \n \n \n \n 。\n \n \n \n \n \n \n \n \n ”\n \n \n \n \n
\n\n \n \n \n \n “\n \n \n \n \n \n \n \n \n 在涉及人性的领域里，在未来不可预测、事情不按机械规则运行的地方，仍然存在更高一筹的洞察可以发挥作用的空间。但如果没有更高一筹的洞察，你不会成功。\n \n \n \n \n \n \n \n \n ”\n \n \n \n \n
\n\n \n \n \n \n 80岁的霍华德\n \n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 被一个\n \n \n \n \n \n 39岁的\n \n \n \n \n \n 创业者\n \n \n \n \n \n /\n \n \n \n \n \n 投资人激发出\n \n \n \n \n \n \n 了一场很不一样\n \n \n \n \n \n \n 的分享。\n \n \n \n
\n\n \n \n \n 作为橡树资本的联合创始人、《投资最重要的事》和《周期》的作者\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 霍华德被问过太多次\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 现在该买什么\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n 、\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 周期到了哪里\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n 、\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 对市场怎么看\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 但这一次\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 他坐在了一个完全不同的提问者对面。\n \n \n \n
\n\n \n \n \n 对方\n \n \n \n \n \n \n 叫尼基尔\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n （\n \n \n \n \n \n Nikhil Kamath\n \n \n \n \n \n ）\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 印度最大零售券商\n \n \n \n \n \n Zerodha的联合创始人。\n \n \n
\n\n \n \n 1987年生\n \n \n \n \n \n ，\n \n \n \n \n \n 14岁辍学进入呼叫中心打工，21岁和哥哥成立Zerodha，把印度散户开户成本压到了行业的零头。截至2025年底，福布斯估算他身价33亿美元。\n \n \n
\n\n \n \n \n 从\n \n \n \n \n \n 2024年3月起，他开了一档叫“\n \n \n \n \n \n WTF is”\n \n \n \n \n \n \n 的播客，节目的受众主要是\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 印度裔创业者，年龄大概在\n \n \n \n \n \n 25岁到30岁之间，正在想着怎么投资市场、交易市场、创业，或者从零开始做一些东西\n \n \n \n \n \n ”\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 卡马特不是传统意义上的金融访谈主持。他的提问常常从个人经验出发，不追求新闻式的逼问，而是不断把话题从投资引向更宽的层面\n \n \n \n \n \n \n ：\n \n \n \n \n \n \n 人生、运气、野心、学习、衰老、创业、\n \n \n \n \n \n AI、人性\n \n \n \n \n \n ……\n \n \n \n
\n\n \n \n \n 而这种问法真正的价值，是让霍华德一次次离开他熟悉的答题区，做出了\n \n \n \n \n \n \n 许多\n \n \n \n \n \n \n 过去访谈里少见的自我解析。\n \n \n \n
\n\n \n \n \n 被问到\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 为什么选择债券，一个上涨有限、下行可能归零的领域\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n ，他没有从风险收益比讲起，而是先承认\n \n \n \n \n \n \n ——这个选择本身，首先是人格选择，其次才是理性选择。\n \n \n \n
\n\n \n \n \n 被问到\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 怎么从随波逐流变成有意识做选择的\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n ，他给出的答案不是某个开悟时刻，而是\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 我内在的惯性，被一种不太可能发生的方式克服了\n \n \n \n \n \n \n ”。\n \n \n \n \n \n \n 那个转折点\n \n \n \n \n \n \n 就是被妻子和合伙人推着创办了橡树资本\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 被问到\n \n \n \n \n \n \n “\n \n \n \n \n \n 80岁怎么保持敏锐\n \n \n \n \n \n ”\n \n \n \n \n \n \n ，他没有讲方法论，而是把这件事归到了和投资同一个根源上\n \n \n \n \n \n \n ，即\n \n \n \n \n \n \n 改变想法、学习新东西的能力，本身就是更高一筹洞察力的一部分。\n \n \n \n
\n\n \n \n \n 卡马特问的不是\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 接下来怎么投\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n ，而是\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 你是怎么变成你的\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n 。这让霍华德这一次，讲了很多他自己的\n \n \n \n \n \n \n “为什么”\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 而所有这些\n \n \n \n \n \n \n 根源\n \n \n \n \n \n \n ，最终都汇向了他这次\n \n \n \n \n \n \n 一再\n \n \n \n \n \n \n 强调的两件事\n \n \n \n \n \n \n ：\n \n \n \n \n \n \n 一是过一种觉醒的人生\n \n \n \n \n \n \n ，二\n \n \n \n \n \n \n 是更高一筹的洞察\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 也很喜欢这种交流的坦诚感，有赞成、有反对、有质疑也有巨大共鸣的时刻。聪明投资者在精译整理时也保持了这种沉浸式围观的原汁原味感。\n \n \n \n
\n\n \n \n \n 以下为\n \n \n \n \n \n \n 2.3万字的\n \n \n \n \n \n \n 对话实录全文。\n \n \n \n
\n\n \n \n \n \n \n
\n \n \n \n 在大学里学到的\n \n \n \n \n \n “无常”的思维\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我们能不能先从您本人聊起？从纽约皇后区一路走到华尔街，您的经历是怎么开始的？您会怎样讲述自己的故事？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 嗯，我出生在纽约皇后区。皇后区是纽约所谓的\n \n \n \n \n \n \n “外区”之一，也就是曼哈顿以外的几个城区。\n \n \n \n
\n\n \n \n \n 我的成长环境是典型的中产阶级。父母都没有上过大学，但我父亲非常聪明，是一名会计师。他工作做得不错，所以我们家过的是一种还算舒适的中产生活。\n \n \n \n
\n\n \n \n \n 我读的是纽约的公立学校。那个年代，纽约公立学校还能提供很好的教育，我觉得自己确实受到了不错的教育。\n \n \n \n
\n\n \n \n \n 很有意思的是，我高中时选了商业法，后来又学了会计。我一下子就喜欢上了会计，喜欢它的秩序感和对称性。它很对我的胃口。\n \n \n \n
\n\n \n \n \n 所以我决定去读商学院。\n \n \n \n
\n\n \n \n \n 我申请了沃顿商学院，那是美国最好的本科商学院。当时有人告诉我，我肯定进不去，但最后我进去了。我刚进沃顿时学的是会计，后来把专业改成了金融。\n \n \n \n
\n\n \n \n \n 之后我又去了芝加哥大学商学院，拿了会计方向的\n \n \n \n \n \n MBA。\n \n \n
\n\n \n \n \n 在商学院两年之间的暑期，我去花旗银行的投资研究部门工作。我很喜欢那份工作，毕业后就又回去了。\n \n \n \n
\n\n \n \n \n 这大概就是我的背景。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您觉得沃顿现在仍然是最好的商学院之一吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我没有理由认为它不是最好的本科商学院。当然，也有很多很好的研究生商学院，它们和沃顿很有竞争力。\n \n \n \n
\n\n \n \n \n 不过我不是这方面的专家，这句话我在这次录音里大概会说上一百遍。但我相信，沃顿仍然是最好的本科商学院。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您在沃顿还学过日本文学？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。我去沃顿的时候，有两个非常开明的要求。一个是你必须上一学期外国文学；另一个是你必须有一个非商业方向的专修，也就是我们今天说的辅修。\n \n \n \n
\n\n \n \n \n 那些特别\n \n \n \n \n \n \n 喜欢\n \n \n \n \n \n \n 钻数字\n \n \n \n \n \n \n （脑子里面想着赚钱和商业）\n \n \n \n \n \n \n 的人，可能会去学统计、经济学或者政治科学。\n \n \n \n
\n\n \n \n \n 为了完成文学要求，我也不太记得为什么，就选了日本研究，也就是日本文学。也许是因为它有一种异域感。结果我一下子喜欢上了。\n \n \n \n
\n\n \n \n \n 后来我又上了第二学期日本文学，接着学了两个学期日本文明，最后还学了一学期日本艺术。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这些东西教会了您什么？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 教会了我很多。但我带走的最重要的东西，是日本哲学中的一些观念。其中最重要、也和我最相关的，是一个叫\n \n \n \n \n \n \n “无常”的概念，日语里叫“mujo”。\n \n \n \n
\n\n \n \n \n 放到日常生活里，它的意思就是：变化不可避免。变化是必然的，也是不可预测、不可控制的。\n \n \n \n
\n\n \n \n \n 我们能做的，不是幻想自己可以控制变化，而是适应变化，并尽力在变化中把事情做好。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 一个人应该预期变化吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 当然应该。变化是不可避免的，所以当然应该预期变化。\n \n \n \n
\n\n \n \n \n 但你不应该预期某一种具体的变化，因为具体会发生什么，是不可预测的。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 我不相信预测\n \n \n \n \n \n \n \n \n ，但认为可以为预测做准备\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我曾经在某个地方读到一种说法：如果连续下了五天雨，西方人会预期第六天还会下雨；而一个东亚人，比如日本人，可能会预期第六天不会下雨，因为像您说的，钟摆会回到均值。这在文化上真实吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我没有理由认为这是对的。我不知道。\n \n \n \n
\n\n \n \n \n 但我会这么说：如果下雨的概率是五五开，有些人认为，连续下了五天雨，说明第六天还会下，因为趋势会延续；也有些人认为，连续下了五天雨，说明第六天不会下，因为雨好像已经\n \n \n \n \n \n \n “用完了”。\n \n \n \n
\n\n \n \n \n 而我的看法是，第六天的概率仍然是五五开。前面几天发生了什么，并不影响第六天。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这和博弈论有关吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 天气这个例子可能不完全精确，因为天气背后确实有一些物理因素在起作用。\n \n \n \n
\n\n \n \n \n \n 但我是一个很相信事件独立性的人。我认为，这也是\n \n \n \n \n \n \n “无常”所包含的一层意思：事件之间存在独立性。\n \n \n \n \n
\n\n \n \n \n 所以，如果你抛一枚硬币\n \n \n \n \n \n \n 连续\n \n \n \n \n \n \n 十次\n \n \n \n \n \n \n （\n \n \n \n \n \n \n 硬币比下雨是一个更好的例子，因为下雨还有物理条件的影响\n \n \n \n \n \n \n ），\n \n \n \n \n \n \n 十次都是正面，第十一次抛出正面的概率仍然是五五开。因为每一次试验都是独立的。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您相信博弈论吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 博弈论？我相信人可以制定策略。\n \n \n \n
\n\n \n \n \n 你可以判断，哪一种行动有最高的预期回报，或者最高的最大潜在回报，或者发生糟糕结果的概率最低。你也许还可以策略性地判断，对手会怎么做。\n \n \n \n
\n\n \n \n \n 所以，我相信策略。至于这是不是和博弈论完全一样，我不知道。\n \n \n \n
\n\n \n \n \n 但正如我前面已经暗示的，\n \n \n \n \n \n \n \n 我真正不相信的是预测\n \n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 人性中有一种对模糊性的厌恶，所以人们总想做预测。因为他们希望知道自己将要面对的是一个什么样的世界，然后据此采取行动。\n \n \n \n
\n\n \n \n \n 问题是，如果他们过度依赖预测，就会围绕一个自己以为将要出现的世界建立理论。但那个世界真实出现的概率，往往没有他们想象的那么高。这样一来，预测就会变得具有误导性。\n \n \n \n
\n\n \n \n \n 大约二十多年前，我写过一篇备忘录，题目叫《你无法预测，但你可以准备》。这其实就是核心。而这一点，很明显来自我对\n \n \n \n \n \n \n “无常”的理解。\n \n \n \n
\n\n \n \n \n 我们无法预测未来，也无法控制未来。但我们可以为未来做准备。\n \n \n \n
\n\n \n \n \n 当然，这里会出现一个有趣的内在矛盾：如果你不知道未来会是什么样子，又怎么为它做准备？\n \n \n \n
\n\n \n \n \n 答案是：你可以为一个不可预测的未来做准备。\n \n \n \n
\n\n \n \n \n 放在投资里，你可以构建一个投资组合。它不是那种只有在某一种特定未来出现时，才会取得最大成功的组合；而是一种在好几种不同未来出现时都能表现不错，在另外一些未来出现时也不至于太糟的组合。\n \n \n \n
\n\n \n \n \n 当然，你不可能同时把正尾部和负尾部都准备到极致。\n \n \n \n
\n\n \n \n \n 如果你的组合完全是为了防灾，它就很难抓住一个大好未来；如果你的组合完全押注繁荣，一旦未来急转直下，你又会缺乏足够的防护。\n \n \n \n
\n\n \n \n \n 但如果你愿意在概率分布中间的一系列可能结果上做某种取舍和次优化，你是可以进行准备的。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 为什么会有周期\n \n \n \n \n \n \n \n \n ？因为过度与修正\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这和硬币的例子是不是有点矛盾？您刚才说，如果连续十次抛硬币都是正面，第十一次的概率仍然是五五开。也就是说，我不能靠过去的数据来预测未来，甚至也不能用它来为未来做准备。\n \n \n \n
\n\n \n \n \n 那我到底应该怎么准备？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我认为区别在于，抛硬币是独立事件。前面几次抛硬币的结果，对下一次没有影响。\n \n \n \n
\n\n \n \n \n 但我所工作的领域不是这样。最重要的是，历史，也就是已经发生的事情，以及人们对历史的反应，会对未来产生某种半可预测的影响。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 不是历史本身，而是人们对历史的反应？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 与其说是历史本身，不如说是人们对历史的反应。当然，历史本来就是人们过去做过什么的记录。\n \n \n \n
\n\n \n \n \n \n 人们过去做过什么，本身也会对明天、下个月、明年将要发生的事情产生影响。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 所以某种意义上，您是在说，人的心理、群体心态在某种程度上会保持相似。因此，相比具体事件，人的心理更容易被理解和建模？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 当然。事件很大程度上就是人们所做的事情，而人们所做的事情，又很大程度上来自他们的心理。\n \n \n \n
\n\n \n \n \n 我确实认为，未来事件在某种程度上是可以推断的。因为过去行为的影响，在某种程度上可以推断；未来行为本身，也在某种程度上可以推断。\n \n \n \n
\n\n \n \n \n 比如经济和市场中已经发生的事情，很可能会诱发未来的某些行为\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 你对此可以知道一点点。\n \n \n \n
\n\n \n \n \n 而且，当历史和过去行为变得非常极端时，你从中推断未来的能力会提高。\n \n \n \n
\n\n \n \n \n 我写过一本关于周期的书，也就是我提到过自己在印度旅行经历的那本书。周期主要是由行为驱动的。比如在上行周期中，人们会夸大，会过度概括。\n \n \n \n
\n\n \n \n \n 上行周期里，本来有一条趋势线。比如\n \n \n \n \n \n GDP增长，它有一条趋势线。但有时候，经济增长会高于这条趋势线。为什么？我认为很大程度上是因为乐观情绪。\n \n \n
\n\n \n \n \n 人们乐观，所以愿意花钱；生产者也对自己产品的需求感到乐观，于是他们建新工厂、雇更多人、购买机器。\n \n \n \n
\n\n \n \n \n 所有这些加在一起，就会形成一段高于趋势水平的增长期。\n \n \n \n
\n\n \n \n \n 但随后，当生产者为未来增长做了过度准备，消费者的需求也已经被充分满足之后，事情就会开始放缓，经济可能又会进入一段低于平均水平的增长期。\n \n \n \n
\n\n \n \n \n 所以，我写那本书\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 大概写到三分之二\n \n \n \n \n \n \n 的\n \n \n \n \n \n \n 时候\n \n \n \n \n \n \n （\n \n \n \n \n \n \n 我研究周期、也亲身经历周期，已经快六十年了\n \n \n \n \n \n \n ），\n \n \n \n \n \n \n 我问自己：\n \n \n \n \n \n \n “我们到底为什么会有周期？如果GDP的平均增长率是2%，为什么它不是永远增长2%？为什么有时是3%、4%，有时是1%、0%，甚至是负1%？”\n \n \n \n
\n\n \n \n \n 答案就是：过度与修正。\n \n \n \n
\n\n \n \n \n 先是出现过度，然后出现修正；接着可能走向负面，而负面本身又是一种过度，之后再修正回趋势线。\n \n \n \n
\n\n \n \n \n 所以，与其像大多数人那样，把周期理解成单纯的上上下下，不如把它理解为\n \n \n \n \n \n \n “过度与修正”。\n \n \n \n
\n\n \n \n \n 围绕趋势线的波动\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 这个现象在股市里最容易看出来。比如你看标普\n \n \n \n \n \n 500指数\n \n \n \n \n \n ，\n \n \n \n \n \n \n 过去\n \n \n \n \n \n 100年里，平均年回报大约是10%。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这期间标普\n \n \n \n \n \n 500的成分股已经换过很多次了。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的，但平均回报率并没有因此改变。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 标普的情况我不太确定。我更熟悉印度的指数。过去几十年，印度市场的年化回报大概是\n \n \n \n \n \n 11%，但我们还有货币贬值，每年大概4%到5%。所以如果让我猜，标普500的实际回报可能在6%左右。\n \n \n
\n\n \n \n \n 不过我觉得，用指数来做基准也未必完全公平。因为标普\n \n \n \n \n \n 500里的公司，就像我们本土市场的指数一样，会随着市值变化不断更换。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 确实会更换。但我的重点是，不管标普\n \n \n \n \n \n 500在不同阶段由哪些公司组成，过去100年里，它的平均年回报大约就是10%。\n \n \n
\n\n \n \n \n 它并不是每年稳定地赚\n \n \n \n \n \n 10%。20世纪90年代，它的年化回报接近20%；到了2000年代，它的年化回报几乎是零。\n \n \n
\n\n \n \n \n 所以，它当然不是稳定的。\n \n \n \n
\n\n \n \n \n 更有意思的还不只是这一点，而是另一个事实：标普\n \n \n \n \n \n 500的长期平均回报大约是10%，但它每年的实际回报几乎很少落在8%到12%之间。\n \n \n
\n\n \n \n \n 这是一个非常有意思的数据。\n \n \n \n \n \n \n \n 为什么\n \n \n \n \n \n \n “常态”反而不是“平均值”？\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 贪婪和恐惧。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 过度与修正。乐观过度，然后修正；悲观过度，然后修正。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 真正导致衰退的，是生产减少\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 如果市场里不再有人类参与，只有\n \n \n \n \n \n AI模型在交易，那么10%的长期回报会不会真的变成每年10%？因为那时就没有乐观和悲观了。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这又是一个我得说\n \n \n \n \n \n \n “我没有聪明到知道答案”的\n \n \n \n \n \n \n 问题\n \n \n \n \n \n \n 。\n \n \n \n
\n\n \n \n \n 从道理上讲，似乎会这样。如果我们把\n \n \n \n \n \n AI编程成去寻找那些过去曾经带来成功的要素和模式，然后让它自己运行，而我们又被告知，AI没有贪婪、恐惧、乐观和悲观，那么你会认为，回报应该会更平稳。\n \n \n
\n\n \n \n \n 这样想是有道理的。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我听过您一年前和挪威主权基金的尼古拉\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 坦根（\n \n \n \n \n \n Nicolai Tangen）的访谈。他是我的朋友。\n \n \n
\n\n \n \n \n 当时他问您：\n \n \n \n \n \n \n “我们现在处在周期的什么位置？”您说：“大概在中间附近。”\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 那次访谈是在\n \n \n \n \n \n 2024年4月。之后，市场从2024年4月继续上涨\n \n \n \n \n \n ，\n \n \n \n \n \n \n 过了大概\n \n \n \n \n \n 21个月，市场走到了明显更高的位置。\n \n \n
\n\n \n \n \n 当然，如果从经济角度看，人们讨论经济时，通常会问这轮复苏已经持续了多久。经济复苏又\n \n \n \n \n \n \n 多\n \n \n \n \n \n \n 了两岁，股票牛市也又延续了将近两年。\n \n \n \n
\n\n \n \n \n 不过，先说经济。\n \n \n \n
\n\n \n \n \n 要判断这轮经济周期到底有多\n \n \n \n \n \n \n 长\n \n \n \n \n \n \n ，或者说它处在什么阶段，是非常非常困难的。因为我们经历了疫情。\n \n \n \n
\n\n \n \n \n 疫情期间，我们做了一件非常特殊的事：为了减少疾病传播，我们关闭了世界经济。这打断了经济的正常运转。\n \n \n \n
\n\n \n \n \n 按照负责判定衰退的人所说，那确实造成了一次衰退。但那是一次非常不寻常的衰退，因为它只持续了一个季度。\n \n \n \n
\n\n \n \n \n \n 我一直以为，衰退是连续两个季度\n \n \n \n \n \n GDP负增长。\n \n \n \n
\n\n \n \n \n 而且，这次衰退并不是通常意义上那种由\n \n \n \n \n \n \n “乐观过度，然后出现修正”导致的。它是人为造成的，也很快被修正了。\n \n \n \n
\n\n \n \n 2020年第二季度，是美国GDP历史上最糟糕的一个季度。然后到了第三季度，又成了历史上最好的一个季度。\n \n \n
\n\n \n \n \n 从判断周期的功能意义上说，那到底算不算一次真正的衰退？还是说，它只是某种噪音？\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我可以在这里再问一个问题吗？如果我把\n \n \n \n \n \n GDP理解为一个经济体的总产出，而消费者会尽可能消费这些产出，那我能不能说，真正的衰退，是经济里生产出来的东西变多了，但消费自然下降了？\n \n \n
\n\n \n \n \n 所以您觉得，用\n \n \n \n \n \n GDP来判断是否衰退合适吗？因为疫情期间，消费者其实是被人为隔离开的。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我觉得你这个衰退定义不太对。因为你说的是生产更多、消费更少。但在我看来，消费减少才是衰退的主要因素。\n \n \n \n
\n\n \n \n \n 制造商通常愿意生产商品来满足需求。衰退主要意味着需求下降，而需求下降会让制造商不愿意继续生产。\n \n \n \n
\n\n \n \n \n \n 真正导致衰退的，是生产减少。更少的人在工作，生产和消费的商品也变少。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 所以在疫情期间，生产下降了，但消费需求其实没有真正下降，只是市场被关闭了一段时间。因为一旦重新开放，人们又开始大量消费了。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。从某种意义上说，底层需求没有下降。\n \n \n \n
\n\n \n \n \n 比如，人们本来想举办派对，只是他们不被允许举办派对。对派对的心理需求还在，但对宴会厅、乐队、食物、礼服这些东西的经济需求，当时并不存在。\n \n \n \n
\n\n \n \n \n 这也正是我说\n \n \n \n \n \n GDP在某种程度上被人为压低的原因。它实际上是被政府决策压低的。\n \n \n
\n\n \n \n \n 当我们说这轮复苏已经持续多久时，问题就在这里：那到底算不算一次真正的衰退？\n \n \n \n
\n\n \n \n \n 如果它算一次衰退，那么这轮复苏现在已经持续了六年。如果它不算衰退\n \n \n \n \n \n \n ……\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那就是\n \n \n \n \n \n \n （繁荣持续）\n \n \n \n \n \n 28年？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不，是\n \n \n \n \n \n 17年。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 为什么是\n \n \n \n \n \n 17年？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 因为上一次衰退是在\n \n \n \n \n \n 2009年。所以如果从那时算起，到现在就是17年。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但您能把衰退和周期简单地归结为年限吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不能。这也是我不相信预测的原因之一。\n \n \n \n
\n\n \n \n \n 不过，它似乎有某种常态。我们过去总说，一轮复苏的平均长度大约是\n \n \n \n \n \n 8年。到了2010年代，那轮复苏持续了10年以上，所以我们称它为历史上最长的一轮复苏。\n \n \n
\n\n \n \n \n 通常来说，如果某一年发生了衰退，我们不会预期两年后又发生一次衰退。因为复苏通常会持续若干年，平均看起来大概是\n \n \n \n \n \n 8年。\n \n \n
\n\n \n \n \n 我解释不了为什么。我也不认为有人能告诉你为什么。也许答案只是，平均来看，\n \n \n \n \n \n 8年足够让上一次衰退的影响过去，也足够让下一次衰退具备发生的条件。\n \n \n
\n\n \n \n \n 但我不认为你可以精确预测。\n \n \n \n
\n\n \n \n \n 我写过那本关于周期的书。后来英国有人说：\n \n \n \n \n \n \n “不，这些不是周期，因为它们不可预测。”他认为，像无线电波、正弦波那样的东西才叫周期，因为它们是可以预测的。\n \n \n \n
\n\n \n \n \n 我认为，在真实世界里，在非科学、非机械的世界里，模式当然不是规则的。但它们确实会反复出现，会上上下下。\n \n \n \n
\n\n \n \n \n 它们的出现是可以预期的，\n \n \n \n \n \n \n 只是\n \n \n \n \n \n \n 具体时间不可预测，幅度也不可预测。\n \n \n \n \n \n \n 而且，\n \n \n \n \n \n \n 它们确实会反复发生。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n AI领域\n \n \n \n \n \n \n \n 确实\n \n \n \n \n \n \n \n \n 正处在繁荣之中\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那\n \n \n \n \n \n \n 我们现在处在周期的什么位置？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我认为，这轮复苏已经持续了相当一段时间。它已经不是刚刚开始，也不是青春期阶段，但也还没有进入老年阶段。\n \n \n \n
\n\n \n \n \n 我觉得它处在中年阶段。而且我认为，如果你说的是美国经济，那它现在是健康的，表现也相当不错。\n \n \n \n
\n\n \n \n \n 如果预示下行的东西，是上行阶段出现的各种过度，那么现在你找不到太多这样的迹象。\n \n \n \n
\n\n \n \n \n 比如我去一座城市，会看天际线上有多少建筑起重机，用来判断那里是不是正在出现建筑热潮。\n \n \n \n
\n\n \n \n \n \n 大多数繁荣到某个时候都会走向萧条。但在美国大多数城市里，我没有看到这种情况。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但库存正在增加。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 库存增加有两个原因。\n \n \n \n
\n\n \n \n \n 消费疲弱的时候，库存会增加，因为人们不买制造商生产出来的东西。\n \n \n \n
\n\n \n \n \n 消费强劲的时候，库存也会增加，因为制造商会提高产量，想提前应对他们预期中的需求激增。如果后来证明这种预期并不成立，这种库存增加往往会预示后面的下行。\n \n \n \n
\n\n \n \n \n 但我现在没有看到这种情况。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 某些行业里也没有吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 也许有。但我没有细到可以告诉你具体行业数据的程度。\n \n \n \n
\n\n \n \n \n \n 卡马特\n \n \n \n \n \n \n AI领域也许有？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 当然，我们通常不会说\n \n \n \n \n \n AI有什么“库存”\n \n \n \n \n \n ，只是\n \n \n \n \n \n AI领域的资本投资显然正处在一轮繁荣之中。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 有人可能会说，硬件、能源、算力，也可以看成一种库存。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。你看，现在确实有大量围绕\n \n \n \n \n \n AI基础设施的建设。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 就像盖楼一样。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 也像起重机。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 没错。这确实是美国经济中正在繁荣的领域。\n \n \n \n
\n\n \n \n \n 至于它会不会破裂，我需要那些比我更懂\n \n \n \n \n \n AI的人来告诉我。\n \n \n
\n\n \n \n \n \n 问题在于，所有这些建设，或者其中一部分建设，是不是超出了真实需求？我不认为现在有人能给出答案。\n \n \n \n \n
\n\n \n \n \n \n 但我们确实知道，这个领域正处在繁荣之中。\n \n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 保持\n \n \n \n \n \n \n “饥饿感”，\n \n \n \n \n \n \n \n 80岁\n \n \n \n \n \n \n \n 仍去\n \n \n \n \n \n \n \n \n 开垦一个新领域\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 霍华德，以您的年纪，您是怎么保持这么敏锐的？我看过很多您的访谈，也读过您这些年来写的很多东西。作为一个一辈子都在股票市场里的人，我觉得自己能从您身上学到太多。\n \n \n \n
\n\n \n \n \n 但您今天是怎么还能保持这样的敏锐？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我不觉得\n \n \n \n \n \n \n ……我的意思是，我很幸运。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 是基因上的幸运吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我觉得我在基因上非常幸运。因为我父亲活到了\n \n \n \n \n \n 101岁，而且到最后都相当敏锐。\n \n \n
\n\n \n \n \n 我们每个人在某个时间点都会开始衰退。唯一的问题是，它什么时候开始，又以什么速度推进。\n \n \n \n
\n\n \n \n \n 你看沃伦\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 巴菲特、查理\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 芒格，他们是我的榜样，也是我的朋友。他们在九十多岁中后期，依然非常敏锐。\n \n \n \n
\n\n \n \n \n 当你问我\n \n \n \n \n \n \n “怎么保持敏锐”时，我并不会说自己是去健身房练出来的。当然，我确实做很多谜题，也阅读，而且读的并不只是自己专业领域里的东西。\n \n \n \n
\n\n \n \n \n 我仍然在试图获取知识，拓宽自己。我确实会努力去开垦新的领域。\n \n \n \n
\n\n \n \n \n 真正的问题\n \n \n \n \n \n \n 是\n \n \n \n \n \n \n ，人到什么年龄会停止这样做？\n \n \n \n
\n\n \n \n \n 比如我最近两篇备忘录\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 一篇写于\n \n \n \n \n \n \n 2025年\n \n \n \n \n \n 12月9日，另一篇我记得是\n \n \n \n \n \n 2026年2\n \n \n \n \n \n \n 月\n \n \n \n \n \n 25日，都是关于AI的。为了写它们，我必须做很多学习。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您对\n \n \n \n \n \n AI的看法也改变了。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我改变了看法。但首先，是我挑战了自己的看法。\n \n \n \n
\n\n \n \n \n 特别是第二篇备忘录，我和\n \n \n \n \n \n Claude进行了一次非常深入的对话，从中学到了很多。\n \n \n
\n\n \n \n \n \n 快到\n \n \n \n \n \n 80岁的时候，还能去开垦一个新领域，这是一件非常令人兴奋的事。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您觉得这可能和雄心、饥饿感有关吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这肯定是一种饥饿感\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n \n 是对学习的饥饿感，是一种希望自己不被时代甩开的饥饿感，也是一种希望自己继续受到刺激、继续被新东西激发的饥饿感。\n \n \n \n \n
\n\n \n \n \n 至于你说\n \n \n \n \n \n \n “雄心”，这个词通常一开始会和美元符号联系在一起。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那不一定哦。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 好吧，也可以说，这是一种不被时代淘汰的雄心。用你的说法，就是保持敏锐，而不是让自己慢慢萎缩。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我觉得，不被时代甩开，也许是每个人最核心的雄心。金钱只是很多人一开始选择的手段，但到了后来，它未必还是终点。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 大多数雄心一开始确实带着美元符号。在比较开明的情况下，它会转向非金钱的东西。但不是每一种情况都这样。\n \n \n \n
\n\n \n \n \n 人是不一样的，不能一概而论。我记得可能是马克\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 吐温说过：\n \n \n \n \n \n \n “所有概括都是有缺陷的，包括这一句。”所以不能泛泛而论。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 要去追求一种\n \n \n \n \n \n \n “觉醒的人生”\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 就像您说过的，我听过您谈运气在人生中的作用。您会把那些完成转变的人称为开明，还是称为幸运？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 现在你问得很深了，因为你说到的是决定论和个人意图之间的关系。\n \n \n \n
\n\n \n \n \n 我认为两者都有\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 这些东西很难拆开来分析，尼基尔。\n \n \n \n
\n\n \n \n \n 有些人，我觉得是自然而然完成转变的。随着成长，也许他们变得更有智慧，开始明白有些东西比金钱更重要，或者至少，有些东西和金钱一样重要。\n \n \n \n
\n\n \n \n \n 所以他们是以一种自然的方式完成转变，而不是刻意为之。\n \n \n \n
\n\n \n \n \n 当然，我想也有人是有意识地这样做的。有人会走上山，去冥想、去思考，然后得出结论：\n \n \n \n \n \n \n “你知道吗？到了人生这个阶段，我确实应该改变自己的关注点了。”\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您自己做到过吗？我一直对这个想法很着迷：走到山上，在脑子里形成某种进化性的想法，让自己主动转向另一个阶段。您有过这种体验吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我没有真的走上那座山。\n \n \n \n
\n\n \n \n \n 但我想，关键在于一种生活方式。我最近也开始写一本书，刚写了开头几页。里面其实想说的，正是这个问题：人生最重要的事情之一，是带着思考生活，让自己的头脑真正参与进来。\n \n \n \n
\n\n \n \n \n 不要只是任由河流把你带走，而是要不断追问：正在发生什么？为什么会这样？这意味着什么？它对我有什么影响？我应该怎么回应？\n \n \n \n
\n\n \n \n \n \n 这就是我理解的\n \n \n \n \n \n \n \n \n ，过一种觉醒的人生\n \n \n \n \n \n \n \n \n 。一个人也正是通过这种方式，才有可能有意识地走向人生中更高的阶段。\n \n \n \n \n
\n\n \n \n \n 我脑海里反复出现的画面是：你是任由河流把你带走，还是试着看清河流的方向，想清楚哪里才是更好的去处，然后努力抵达那里。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我人生中也许有一两次，感觉自己好像看见了那条河。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 看见了河？\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 对，那条河。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我觉得到了今天这个阶段，我确实能够更有建设性地思考这种人生进程。\n \n \n \n
\n\n \n \n \n 如果回头看我年轻时的经历，那不是几年，而是几十年的时间。从\n \n \n \n \n \n 1960年前后读高中开始，到1995年创办橡树资本之前，整整35年过去了，我也已经快50岁了。\n \n \n
\n\n \n \n \n 那段时间里，我其实一直是在随波逐流。我没有做太多主动选择，更多是任由那条河把我带着走。很幸运的是，它把我带到了几个不错的地方，也让我在人生的不同方面都有了不错的结果。\n \n \n \n
\n\n \n \n \n 但如果我回头看自己当时的行为，我不会说那是深思熟虑的，也不会说那是有意为之的。\n \n \n \n
\n\n \n \n \n 所以我只是很幸运，尽管自己并没有特别主动地规划人生，最后还是到了一个不错的位置。\n \n \n \n
\n\n \n \n \n \n 创办橡树资本，可能是我人生中第一次真正主动做出的重大决定。从那以后，我才开始更有意识地做选择。\n \n \n \n \n
\n\n \n \n \n 但如果你问我，在那之前我是怎么选职业、怎么找第一份工作、怎么决定读研究生，又怎么会在\n \n \n \n \n \n 1978年从股票部门转到债券世界，并刚好赶上高收益债券兴起，我只能说，那里面有太多偶然和被动。\n \n \n
\n\n \n \n \n 那时候的我，并不是在主动规划人生，更多只是被机会和环境推着往前走。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 创业其实\n \n \n \n \n \n \n \n \n 是\n \n \n \n \n \n \n “违背自己的本性”做\n \n \n \n \n \n \n \n \n 的\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 是什么改变了这一点？在创办橡树资本的时候，您是怎么从那种无意识的、随波逐流的状态，变成更有意识地做选择的？别人也许可以从中学到一些东西，我也想知道，自己能不能抓住这种转变。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 简单说，是我妻子推动我更认真地思考这件事，也推动我独立出来创办橡树资本。\n \n \n \n
\n\n \n \n \n 我的合伙人布鲁斯\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 卡什（\n \n \n \n \n \n Bruce Karsh）也和我一起做了这件事。他的参与给了我很大鼓励。\n \n \n
\n\n \n \n \n 但无论如何，创办橡树资本这件事，确实需要我主动做出决定。\n \n \n \n
\n\n \n \n \n 在那之前，我职业上最大的一次变化，是\n \n \n \n \n \n 1985年从花旗银行转到TCW（信托西方）。但那一次是他们来找我的，不是我主动去争取的。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我问的不是创办橡树资本这件事本身，而是从\n \n \n \n \n \n \n “任由河流带着走”，到“看见那条河”，这个转变到底是怎么发生的？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我想，一旦我决定参与创办橡树资本，我就不能再随波逐流了。因为我成了橡树资本的领导者，我必须主动做决定。\n \n \n \n
\n\n \n \n \n 这变成了我的工作。\n \n \n \n
\n\n \n \n \n 也许后来我慢慢适应了这一点。也许在做出创办橡树资本这个主动决定，并且真的把它做起来之后，我会想：\n \n \n \n \n \n \n “嘿，这感觉不错。”\n \n \n \n
\n\n \n \n \n 我想，也许我是喜欢领导的。而领导这件事，本质上就是主动的。\n \n \n \n
\n\n \n \n \n “被动地领导”，这两个词放在一起，本身就是矛盾的。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 嗯，这两个词确实是矛盾的。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 所以我想，谢天谢地，我当时还是抓住了那个机会，和布鲁斯以及其他合伙人一起离开信托西方，创办了橡树资本。\n \n \n \n
\n\n \n \n \n 但我不认为自己当时真的想过：\n \n \n \n \n \n \n “好，现在我要开始掌控自己的人生了；现在我要开始有意识地行动了；现在我要成为一个领导者了。”\n \n \n \n
\n\n \n \n \n 我只是觉得，那件事已经不可避免。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这很有意思。听起来，您是在说，创业和承担风险，可能会把一个人从\n \n \n \n \n \n \n “顺着河流漂”，推向“看见河流”。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 有些人天生就有创业冲动。\n \n \n \n
\n\n \n \n \n \n 我认为，创业精神就是主动性的极致。它就是我们常说的，主动抓住牛角。\n \n \n \n \n
\n\n \n \n \n 所以，创业者天然做的事情，正好就是\n \n \n \n \n \n \n “随波逐流”的反面。\n \n \n \n
\n\n \n \n \n 但我自己并不是天生的创业者。我\n \n \n \n \n \n \n 对在\n \n \n \n \n \n TCW做的大多数事情，其实都还挺喜欢。\n \n \n
\n\n \n \n \n 只是后来，在布鲁斯\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 卡什和我妻子的鼓励下，再加上\n \n \n \n \n \n TCW对我的一些做法，也算是从另一个方向推了我一把，我内在那种不愿改变的惯性才被打破。\n \n \n
\n\n \n \n \n 我会这样描述它：那不是一个特别主动的决定，不是说\n \n \n \n \n \n \n “好，我们现在就开始干吧”。更准确地说，是我内在的惯性，被一种不太可能发生的方式克服了。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这有点像鸡和蛋的问题？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 非常像鸡和蛋的问题。\n \n \n \n
\n\n \n \n \n 重要的是，我离开\n \n \n \n \n \n TCW并不是因为我天生就有创业精神。有些人是那样的。我认识一些人，他们一直梦想赚很多钱，一直梦想经营自己的公司，不愿意当雇员，觉得自己必须出来创业。\n \n \n
\n\n \n \n \n 但那从来不是我。\n \n \n \n
\n\n \n \n \n 所以某种意义上，我确实做了一件可以称作创业的事。但如果让我描述，我会说，我是\n \n \n \n \n \n \n “违背自己的本性”做了这件事，而不是因为我天生就有那种创业冲动。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 做高收益债是符合本性，而时间地点又恰恰好\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 霍华德，我过去\n \n \n \n \n \n 20年一直是股票投资者。您这一生大部分时间都在做债券。\n \n \n
\n\n \n \n \n 为什么您会选择一个上涨空间有限、下行风险虽然也有限，但很多情况下最坏可能归零的资产类别？相比之下，股票可能有指数级的上涨空间。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这是个很好的问题，而且过去很少有人这样问我。我的回答可能会有点长。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 没关系，请展开。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 你这样提问，如果假设人是完全理性、完全客观的，那确实很有意思。\n \n \n \n
\n\n \n \n \n 但这个问题忽略了一点\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 人并不是完全理性的。每个人都有自己的性格底色、心理偏好和风险承受方式。\n \n \n \n
\n\n \n \n \n 换句话说，\n \n \n \n \n \n \n \n 选择做股票还是做债券，不只是理性计算的问题，也和一个人是什么样的人有关。\n \n \n \n \n \n \n \n 这一点我待会儿再讲。\n \n \n \n
\n\n \n \n \n 首先，我从股票部门转到债券部门，并不是我自己主动做出的选择。我在股票部门待了\n \n \n \n \n \n \n 9\n \n \n \n \n \n \n 年，所以这也不是一开始就发生的事情。\n \n \n \n \n \n \n 9\n \n \n \n \n \n \n 年在当时对我来说已经很长了。\n \n \n \n
\n\n \n \n \n 我\n \n \n \n \n \n 1978年从股票部门转到债券部门，不是因为我自己想明白了，觉得债券更适合我。\n \n \n
\n\n \n \n \n 我\n \n \n \n \n \n 1969年9月加入花旗银行时，花旗投资的是所谓“漂亮50”，也就是当时被认为美国最好、增长最快的50家公司。人们觉得这些公司不会出问题，股票也没有所谓“太贵”。\n \n \n
\n\n \n \n \n 但如果你在我\n \n \n \n \n \n 1969年9月上班那天买入这些股票，并且坚定持有五年，大概会亏掉95%。\n \n \n
\n\n \n \n \n 其中很多公司后来确实出了问题，而所有这些公司的价格都太高了。按我的记忆，它们的市盈率大多在\n \n \n \n \n \n 60倍到90倍之间。\n \n \n
\n\n \n \n \n 对那些投资\n \n \n \n \n \n \n “漂亮50”的人来说，这是一场真正的灾难。当时大多数大型货币中心银行都买了这些股票。\n \n \n \n
\n\n \n \n \n 到\n \n \n \n \n \n 70年代中期，我已经是研究主管，所以我也是这个过程的一部分。\n \n \n
\n\n \n \n \n 后来我们聘请了一位新的首席投资官，他想换一个新的研究主管，我还帮他找了我的继任者。\n \n \n \n
\n\n \n \n \n 然后他问我：\n \n \n \n \n \n \n “你下一步想做什么？”\n \n \n \n
\n\n \n \n \n 我说：\n \n \n \n \n \n \n “我不知道。也许可以做这个，也许可以做那个。”这很典型，我并没有非常认真地思考，也没有很好地评估自己的优势和弱点。\n \n \n \n
\n\n \n \n \n 他说：\n \n \n \n \n \n \n “我希望你去债券部门，创办一只可转换债券基金。”因为他之前所在的机构有这样一只基金，而且做得非常成功，而我们没有。\n \n \n \n
\n\n \n \n \n 我说，好。\n \n \n \n
\n\n \n \n \n 这就是我当时所谓的主动性，几乎等于没有。\n \n \n \n
\n\n \n \n \n 现在回头看，我有时会说，虽然这可能有点夸张，但我很幸运没有被解雇。那时候美国公司基本上还提供近乎终身雇佣。\n \n \n \n
\n\n \n \n \n 所以第一，我转去债券部门并不是完全自愿的，当然，我本来也可以说\n \n \n \n \n \n \n “不”。\n \n \n \n
\n\n \n \n \n 第二，你说债券上涨空间有限，而违约会带来下行风险。这当然是真的。但它适合我，因为我从小接受的教育非常保守。\n \n \n \n
\n\n \n \n \n 我的父母在大萧条时期已经是成年人。你的父母可能那时候还没出生。现在我认识的大多数年长者，他们的父母在大萧条时期也只是孩子。但我的父母当时已经是成年人了。\n \n \n \n
\n\n \n \n \n 所以我从小听到的是什么？不要把所有鸡蛋放在一个篮子里；要为雨天存钱；要避免风险，等等。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我觉得印度父母也经历过\n \n \n \n \n \n \n 类似的\n \n \n \n \n \n \n 时期。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 类似。没那么糟，但确实有相似之处。\n \n \n \n
\n\n \n \n \n 你作为股票投资者看债券，会说：\n \n \n \n \n \n \n “没什么上行空间，还有一些下行风险。”而我看债券，会说：“结果相对可预测，而且几乎每次都能兑现。”\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 真的能做到吗？因为您投的很多困境债券，票息都相当高，它们的下行风险难道是零吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我说的是\n \n \n \n \n \n \n “几乎每次”。\n \n \n \n
\n\n \n \n \n 正如我刚才说的，我在\n \n \n \n \n \n 1978年5月转到债券部门。\n \n \n
\n\n \n \n 1978年8月，我接到了一个改变人生的电话，是债券部门负责人打来的。他说：“加州有个人，好像叫米尔肯还是什么，他做一种叫高收益债券的东西。你觉得你能弄清楚那是什么吗？”\n \n \n
\n\n \n \n \n 因为有客户想要一个相关投资组合。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 迈克尔\n \n \n \n \n \n \n ·米尔肯（Michael Milken），垃圾债券？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的，垃圾债券。所以我说：\n \n \n \n \n \n \n “可以，我能做。”\n \n \n \n
\n\n \n \n \n 这件事把我带到了今天。\n \n \n \n \n \n 48年后，我还在这里。\n \n \n
\n\n \n \n \n \n 如果你读过马尔科姆\n \n \n \n \n \n \n ·格拉德威尔（Malcolm Gladwell）的《异类》（Outliers），你就知道“正确时间、正确地点”有多重要。\n \n \n \n \n
\n\n \n \n \n \n 我当时就在正确的时间，站到了正确的位置。这让我在高收益债券刚刚兴起时，就进入了这个领域。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我见过迈克尔\n \n \n \n \n \n \n ·米尔肯。因为他后来也经历过一段不幸，所以这不可能只是正确时间、正确地点。至少对他来说，有一段时间事情并没有那么顺利。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。对他来说，一些条件共同作用，后来导致了一段时间里很糟糕的结果。\n \n \n \n
\n\n \n \n \n 但对我来说不是这样。我是在一开始就进入了这个领域。\n \n \n \n
\n\n \n \n \n \n 格拉德威尔那本书真正讲的是，排在队伍最前面是一件很好的事。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 他讲的是人口结构上的运气，对吧？正确时间，正确地点。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 对，正确时间，正确地点。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但问题是，你怎么知道哪里是队伍的最前面？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我不知道。有人说：\n \n \n \n \n \n \n “请你站到那条队伍里去。”\n \n \n \n
\n\n \n \n \n 我环顾四周，发现自己是队伍里的第一个人。你明白吗？这就是运气。\n \n \n \n
\n\n \n \n \n 要靠自己判断哪\n \n \n \n \n \n \n 支\n \n \n \n \n \n \n 队伍才是最前面，难多了。而且，并不是所有一开始站在队伍最前面的人，都是因为他们想清楚了那是正确的队伍。很多时候只是机缘巧合。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 而且也不是所有人最后都做得好。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 没错。并不是所有人都做得好。\n \n \n \n
\n\n \n \n \n 但重点是，我已经在高收益债券领域做了\n \n \n \n \n \n 48年。以我们的经验看，99%的债券都按承诺支付了利息和本金。\n \n \n
\n\n \n \n \n 所以我认为我可以说\n \n \n \n \n \n \n “几乎每次”。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 如果平均收益是\n \n \n \n \n \n 10%，那只要90%的时候是对的就可以了。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不，不是这样。因为如果你有\n \n \n \n \n \n 10%的债券违约，而且你损失了10%的本金，而其他按时付息的债券给你带来10%的利息，最后你的回报就是零。\n \n \n
\n\n \n \n \n 你必须把损失控制在远低于\n \n \n \n \n \n 10%的水平。你必须在97%、98%、99%的时候是对的。\n \n \n
\n\n \n \n \n 而我们\n \n \n \n \n \n 99%的时候是对的，因为我认为我们做得高于平均水平。\n \n \n
\n\n \n \n \n 重点是，这种可靠性很吸引我。我不是未来主义者，也不是乐观主义者，所以我很适合这个领域。\n \n \n \n
\n\n \n \n \n 后来，布鲁斯\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 卡什在\n \n \n \n \n \n 1987年加入我之后，我们进入了困境债务业务。我们推出了由主流机构发行的第一只困境债务基金，或者至少是最早的一批之一。\n \n \n
\n\n \n \n \n 这些基金由布鲁斯管理。自\n \n \n \n \n \n 1988年以来，他在这个领域管理过大约700多亿美元，规模远远领先。\n \n \n
\n\n \n \n \n 就他的总盈亏来说，超过\n \n \n \n \n \n 90%是盈利，亏损不到10%。所以我仍然认为，可以说是“大多数时候”。\n \n \n
\n\n \n \n \n 因此，债券回报的规律性、契约性很吸引我。这也是为什么我一直很适应这个领域。\n \n \n \n
\n\n \n \n \n 还有一点，说实话，投资里的很多成功，是由别人决定的。\n \n \n \n
\n\n \n \n \n 如果你进入一个所有人都喜欢的领域，而且大家都非常喜欢，已经把价格推得很高，那么你的回报通常不会太高。\n \n \n \n
\n\n \n \n \n 但如果你进入的是一个所有人都看不到优点的领域，大家都说：\n \n \n \n \n \n \n “我拿十英尺长的杆子都不愿意碰它。”而你看明白了它其实不错，最后也证明它确实不错，那么你就有可能在较低风险下获得出色回报。\n \n \n \n
\n\n \n \n \n 所以，在很大程度上，我很幸运。更准确地说，在我做出这些决定时，不管那些决定是主动还是被动，我进入的都是别人不喜欢的领域。\n \n \n \n
\n\n \n \n \n 你刚才用了\n \n \n \n \n \n \n “垃圾债券”这个词，这是一个带贬义的说法。没有人会说“垃圾股票”，对吧？\n \n \n \n
\n\n \n \n \n \n 但所谓垃圾债券，其实比股票可预测得多，结果人们却把它们叫作\n \n \n \n \n \n \n “垃圾”。这就是一种偏见。也正是这种偏见，让我能够以便宜价格买到它们。\n \n \n \n \n
\n\n \n \n \n 这是一件非常好的事，而我看到了这一点，也利用了这一点。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 困境债务的现状，以及如何把这项业务做到有优势\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您能不能解释一下困境债券所处的环境？比如，美国财政部、美国政府现在以\n \n \n \n \n \n 4%的利率借钱。再比如谷歌发行100年期债券，借款利率是6%。\n \n \n
\n\n \n \n \n 那么，在困境债券这个生态里，通常是什么样的公司？它们支付的回报率、利率大概是什么水平？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这里先要澄清一点。橡树资本和我做的信用业务，大致可以分成两类。\n \n \n \n
\n\n \n \n \n 一类是正常履约信用，也就是\n \n \n \n \n \n performing credit，借款人还在正常付息还本；另一类是机会型信用，也就是 opportunistic credit。这是现在对困境债务比较委婉的说法。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 如果你们干脆把它叫作\n \n \n \n \n \n \n “垃圾”，不是反而更有利吗？这样更多人会避开，你们的安全边际也会更高。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的，如果他们真的听我的话，如果我有那么大影响力的话。你这个想法，是很好的逆向思考。\n \n \n \n
\n\n \n \n \n 但另一方面，我们现在业务中很重要的一部分，是向那些需要\n \n \n \n \n \n \n “救援贷款”的公司提供资金。它们并不喜欢和“困境”这个词联系在一起。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这倒也是。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 所以，如果我们把它叫作\n \n \n \n \n \n \n “机会型”，更容易拿到这些业务。\n \n \n \n
\n\n \n \n \n 在正常履约信用领域，我们会把钱借给一些公司。\n \n \n \n
\n\n \n \n \n 市场可能认为，这些公司不还钱的概率是\n \n \n \n \n \n 3%、4%、5%或者6%。但如果我们判断，它们真正不还钱的概率只有1%或2%，我们就愿意借钱给它们。\n \n \n
\n\n \n \n \n 换句话说，如果市场认为一家公司有\n \n \n \n \n \n 5%的违约概率，因而要求它支付一个与5%风险相匹配的利率；而我们判断，它真实的违约概率其实只有2%，那如果我们判断正确，我们就等于多拿了一部分本不该属于风险补偿的收益。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 怎么理解？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这部分收益就叫超额回报。这就是我们做的事情，也是放贷的本质。\n \n \n \n
\n\n \n \n \n 你为什么愿意把钱借给一家并不是百分之百会还钱的公司？迈克\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 米尔肯的答案是：你可以要求它支付一个足以补偿风险，甚至超过风险补偿所需的利率。\n \n \n \n
\n\n \n \n \n 当你因为承担某种风险而获得的报酬，超过了真正需要的补偿，那多出来的部分，就是超额回报。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 所以橡树资本的能力，就是判断这个利差吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 可以这么说。\n \n \n \n \n \n \n \n 但更准确地说，橡树资本最基础、最重要的能力，是比别人更准确地判断违约概率。这才是关键。\n \n \n \n \n
\n\n \n \n \n 如果没有这个能力，就谈不上取得优异表现。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 这个能力是公司层面的、个案层面的，还是说你们能更好地判断整个市场周期，所以做得更好？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不是宏观判断\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 而是微观能力。\n \n \n \n
\n\n \n \n \n 我们有非常优秀的分析师研究公司，也有一套分析框架。框架是必要的，但光有框架还不够。真正让框架发挥作用的，是优秀的人去执行它。\n \n \n \n
\n\n \n \n \n 没有出色执行，流程本身没有意义。但我们两者都有。\n \n \n \n
\n\n \n \n \n 过去\n \n \n \n \n \n 40年里，高收益债券平均每年大概有3.6%到3.7%会违约。而我们的违约率大约只有这个数字的三分之一。\n \n \n
\n\n \n \n \n 这就是我们的优势。它来自一个个案例、自下而上的研究和执行。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 所以您说的优势，不是流程本身，而是运行流程的人？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那这种优势来自什么？更关注细节？还是更能跳出框架思考？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不是简单地说关注细节，或者跳出框架。\n \n \n \n
\n\n \n \n \n 为什么我们的违约率更低？首先，我认为我们作为一家机构，在这个领域的经验比大多数人都深。我们做得更久。\n \n \n \n
\n\n \n \n \n 其次，我们创造了一种环境，让人可以长期留在分析岗位上。\n \n \n \n
\n\n \n \n \n 你知道，我\n \n \n \n \n \n 1969年刚到花旗银行时，每个分析师的目标都是成为投资组合经理。因为那才是最有光环的位置。\n \n \n
\n\n \n \n \n 但如果所有分析师都想离开分析岗位，机构就很难在研究端积累真正的能力。你需要让优秀的人在这个岗位上持续积累，并且愿意留下来。这样，机构才能长期受益于他们的经验和判断。\n \n \n \n
\n\n \n \n \n 我们建立了这样的体系。如果一个人很擅长做分析师，他完全可以一辈子做分析师，而且做得非常成功。这一点很重要。\n \n \n \n
\n\n \n \n \n 也正因为如此，我们有些人已经做了很多年，甚至几十年，我们可以持续受益于他们的专业积累。\n \n \n \n
\n\n \n \n \n 我们还有机构经验。这种经验让我们在市场情绪剧烈波动时保持稳定。别人过度兴奋，或者过度悲观的时候，我们通常不会跟着走。这对我们帮助很大。\n \n \n \n
\n\n \n \n \n 另外，我们有一套流程，列出了八个研究领域，每个领域下面还有很多细分问题。每个人都必须遵循这套流程。\n \n \n \n
\n\n \n \n \n 当年我在花旗做研究主管、开始推行类似流程时，就有人说：\n \n \n \n \n \n \n “你这是在扼杀我们的创造力。”但我们的回答是：流程必须遵守，但你可以创造性地遵守。\n \n \n \n
\n\n \n \n \n 这套流程的核心，是每次都把所有关键问题覆盖到。每研究一家公司，都要系统地问完该问的问题，不能因为某个亮点太突出，就忽略其他地方。\n \n \n \n
\n\n \n \n \n 否则，在你熟悉的股票世界里，你经常会看到这样的研究报告：\n \n \n \n
\n\n \n \n \n “买这家公司，因为管理层很棒。”但它不谈产品。\n \n \n \n
\n\n \n \n \n 另一份报告说：\n \n \n \n \n \n \n “买这家公司，因为产品很好。”但它不谈管理层。\n \n \n \n
\n\n \n \n \n 还有一份报告说：\n \n \n \n \n \n \n “买这家公司，因为税务结构很好。”但它既不谈产品，也不谈管理层。\n \n \n \n
\n\n \n \n \n 我一直认为，重要的是每一次都把关键问题问完整。\n \n \n \n
\n\n \n \n \n 当你\n \n \n \n \n \n \n 查看\n \n \n \n \n \n \n 一个投资组合，发现里面有一只股票跌了\n \n \n \n \n \n 80%，\n \n \n \n \n \n 通常\n \n \n \n \n \n \n 是因为某个关键问题当初没有被看见，或者没有被认真分析。\n \n \n \n
\n\n \n \n \n 分析不够有纪律，没有把所有重要问题都覆盖到。\n \n \n \n
\n\n \n \n \n \n 这也是股票和债券之间的一个区别。我们这些做债的人，有点像\n \n \n \n \n \n \n “数豆子”的人，像老派会计，戴着绿色眼罩，一项一项核对。\n \n \n \n \n
\n\n \n \n \n 但至少，我们应该把这件事做得好、做得稳定。\n \n \n \n
\n\n \n \n \n 股票投资者有想象力、有远见、有创业精神。但在分析的一致性上，往往不如我们。\n \n \n \n
\n\n \n \n \n \n \n
\n \n \n \n 未来在投资上能取得最大成功的，是\n \n \n \n \n \n \n \n 最理解\n \n \n \n \n \n AI及其能力和影响的人\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 如果今天让您重新开始一段职业生涯，面向未来\n \n \n \n \n \n 40年，您还会选择债券，而不是股票吗？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 你是说对我来说？\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 对您来说。或者说，对普通\n \n \n \n \n \n \n 受众\n \n \n \n \n \n \n 来说。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 如果是对普通\n \n \n \n \n \n \n 受众\n \n \n \n \n \n \n 来说，我认为，我们当年非常幸运。我们进入一些债务市场的时候，它们还没有被充分发现，也没有被充分理解。\n \n \n \n
\n\n \n \n \n 我们受益于别人对这些市场的反感和偏见。但那些机会已经属于过去了。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那今天，哪条队伍排在最前面？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 如果你问，\n \n \n \n \n \n \n \n 今天投资行业里，谁会在未来\n \n \n \n \n \n 10年取得最大的成功？在我看来，答案是：最理解AI及其能力和影响的人。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 也可能是一个逆向投资者，一个不相信\n \n \n \n \n \n AI的人。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这正是我说\n \n \n \n \n \n \n “最理解”的意思\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 我没有说\n \n \n \n \n \n \n “最看好”。\n \n \n \n
\n\n \n \n \n 如果\n \n \n \n \n \n AI最终令人失望，而现在市场对它的预期又非常高，你作为股票投资者也知道，当一件东西承载了很高预期时，只要这些预期没有兑现，就很容易亏钱。\n \n \n
\n\n \n \n \n 所以是的，也许今天最理解\n \n \n \n \n \n AI的人，反而会因为看明白它被过度定价，并押注它回落，而赚到很多钱。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 现在市场对\n \n \n \n \n \n AI的预期，几乎不是反乌托邦，就是乌托邦。我觉得这很疯狂。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我不知道。如果你读过我的备忘录，尤其是最近那篇，你就会知道，我自己和\n \n \n \n \n \n AI、和Claude互动的经历，让我非常震惊。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但您也说过，您没有因为\n \n \n \n \n \n AI解雇任何人，也不打算这么做。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我现在的看法是这样，但我还不敢说自己知道得足够多，可以非常有把握。\n \n \n \n
\n\n \n \n \n 我认为\n \n \n \n \n \n AI最强的地方是发现过去的模式，把这些模式向外推演，并且用非常有纪律、通常也非常准确的计算和逻辑去执行。它不会受到人类心理起伏的影响。\n \n \n
\n\n \n \n \n 但我认为，投资中的卓越不止于此。它还包括创造新的模式，看到那些过去从未出现过的东西的潜力。\n \n \n \n
\n\n \n \n \n 如果\n \n \n \n \n \n AI做的主要是从已有模式中补全模式\n \n \n \n \n \n ，\n \n \n \n \n \n \n 那么当它面对一个没有既有模式的东西时，它该怎么办？面对真正全新的东西时，它该怎么办？\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 真的有这种东西吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我\n \n \n \n \n \n \n 9\n \n \n \n \n \n \n 年或\n \n \n \n \n \n \n 10\n \n \n \n \n \n \n 年前写过一篇备忘录，叫《没有人的投资》（\n \n \n \n \n \n Investing Without People）。那还算是比较早期的时候。\n \n \n
\n\n \n \n \n 那篇备忘录分了三个层次：指数化和被动投资；算法化或系统化投资；人工智能和机器学习。\n \n \n \n
\n\n \n \n \n 我的记忆告诉我，在那篇备忘录里，我提出过一些问题\n \n \n \n \n \n \n ：\n \n \n \n
\n\n \n \n AI能不能坐下来，看五份商业计划书，然后判断哪一份会成为亚马逊？\n \n \n
\n\n \n \n AI能不能坐下来，见五位CEO，然后判断哪一位会成为史蒂夫\n \n \n \n \n \n ·\n \n \n \n \n \n \n 乔布斯？\n \n \n \n
\n\n \n \n \n 这已经超出了模式识别。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我会赌它做不到。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我也会赌它做不到。\n \n \n \n
\n\n \n \n \n 如果这是对的，如果我们判断正确，那就意味着人仍然\n \n \n \n \n \n \n 有重要\n \n \n \n \n \n \n 角色。不过在你进入下一个问题之前，我必须插一句：大多数人也做不到。\n \n \n \n
\n\n \n \n \n 这说明，\n \n \n \n \n \n \n \n 在一个\n \n \n \n \n \n AI世界里，仍然有杰出人才的角色\n \n \n \n \n \n \n 。\n \n \n 这就是我的结论。\n \n \n \n
\n\n \n \n \n 我希望自己是对的。我希望自己是其中之一，也希望我的公司仍然是其中之一。\n \n \n \n
\n\n \n \n \n 但如果这是真的，如果有些事情\n \n \n \n \n \n AI做不到，而有些人能做到，那就是我想继续做的事。\n \n \n
\n\n \n \n \n 我去芝加哥大学读研究生的时候，大概是\n \n \n \n \n \n 1968年\n \n \n \n \n \n 。\n \n \n \n \n \n \n 教授说：\n \n \n \n \n \n \n “大多数共同基金都跑输标普500指数，而且还收很高的费用。那为什么它们不直接把标普500里的每只股票都买一股呢？”\n \n \n \n
\n\n \n \n \n 当时还没有指数基金，也没有指数化投资这个概念。这个东西后来是在\n \n \n \n \n \n 1974年前后出现的，主要是约翰\n \n \n \n \n \n ·\n \n \n \n \n \n \n 博格（\n \n \n \n \n \n Jack Bogle）推动的。\n \n \n
\n\n \n \n \n 现在，共同基金里的大部分股票资金，都是用被动或者指数化的方式管理。为什么？因为费用低。\n \n \n \n
\n\n \n \n \n 但这只是唯一原因吗？不是。另一个原因是，主动管理没有做好。它没有成功，却还为这种不成功收取高费用。\n \n \n \n
\n\n \n \n \n 不过即便主动管理的费用很低，甚至和指数基金一样低，只要主动决策本身不够好，指数化仍然会比主动管理更好。\n \n \n \n
\n\n \n \n \n 所以低费用不是根本原因，它只是让问题变得更严重。真正的原因是，主动管理表现太差。\n \n \n \n
\n\n \n \n \n 因此，我的回答是：指数化投资之所以发展到今天这个地步，并不是因为它本身有多了不起，而是因为主动管理太糟糕。\n \n \n \n
\n\n \n \n \n 但我仍然相信，人可以做一些\n \n \n \n \n \n AI做不到的事。\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那是否也可以说，指数化和\n \n \n \n \n \n ETF之所以占据上风，是因为过去市场整体一直在上涨？如果市场变得更波动，主动管理也许就更有意义。到了经济萧条时期，主动管理\n \n \n \n \n \n 也许\n \n \n \n \n \n \n 更有意义。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 坏时候确实会给主动管理创造机会。但这仍然很难，而且没有多少人能做好。\n \n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n \n \n 更擅长处理人类心理的人，可以获得优势\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 为什么坏时候会创造机会？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 因为恐慌会压低股票价格。但同样的恐慌，也会让大多数人陷入恐慌。这意味着，大多数人没法在恐慌中站出来买入。\n \n \n \n
\n\n \n \n \n 以前有一位老派交易员，叫沃利\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 迪默（\n \n \n \n \n \n Wally Deemer）。他说过一些非常好的话，后来还把这些话整理成了一本小书。\n \n \n
\n\n \n \n \n 他最精彩的一句话是：\n \n \n \n \n \n \n “真正该买的时候，你不会想买。”\n \n \n \n
\n\n \n \n \n 动荡会创造机会，这个想法在逻辑上是正确的。但它在现实中并不容易成立，因为大多数人的心理障碍，会阻止他们利用动荡带来的机会。你明白吗？\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 也许可以把主动管理和\n \n \n \n \n \n AI结合起来，用AI尽量把情绪拿掉。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这有可能行得通。确实可能行得通。\n \n \n \n
\n\n \n \n \n 如果\n \n \n \n \n \n Claude能给你打电话，或者发一条消息说：“这就是我们之前谈过的那类机会。别犯傻，赶紧动起来，买点东西。别躲在自己的洞里。”那也许会是一件好事。\n \n \n
\n\n \n \n \n \n 但我仍然认为，当你进入那些不是机械连接的领域，也就是物理法则并不决定一切的领域时，人类心理就会在事态发展中发挥作用。\n \n \n \n \n
\n\n \n \n \n \n 而这告诉我，那些更擅长处理人类心理的人，可以获得优势。\n \n \n \n \n
\n\n \n \n \n \n 我认为，投资就属于这一类。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我同意。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 但不是每个人都可以。最终总会回到\n \n \n \n \n \n \n “不是每个人”这件事上。\n \n \n \n
\n\n \n \n \n 我们这个行业里有句话，我在英国的一位朋友把它用作一本书的书名，叫《简单，但不容易》（\n \n \n \n \n \n Simple But Not Easy）。\n \n \n
\n\n \n \n \n 我们的工作很简单。我们要找到最好的管理人、最好的公司、最好的想法、最好的产品。我的儿子是风险投资人，他做得很好。他要找的是最好的创始人。\n \n \n \n
\n\n \n \n \n 这个任务很简单。我刚才用十秒钟就能把它说出来。但它并不容易。\n \n \n \n
\n\n \n \n \n 因为是什么让你在寻找创始人这件事上更优秀？为什么更好的创始人会来到你这里，而不是去别人那里？\n \n \n \n
\n\n \n \n \n 查理\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 芒格曾经对我说过一句话，正好可以和\n \n \n \n \n \n \n “简单但不容易”放在一起。\n \n \n \n
\n\n \n \n \n 我完成第一本书《\n \n \n \n \n \n \n 投资\n \n \n \n \n \n \n 最重要的事》之后，和查理一起吃午饭。当我起身要走时，他说：\n \n \n \n \n \n \n “记住，\n \n \n \n \n \n \n （投资）\n \n \n \n \n \n \n 这些事没有一件是容易的。任何觉得它容易的人，都是蠢货。\n \n \n \n \n \n \n ”\n \n \n \n
\n\n \n \n \n 这是别人对我说过的最棒的话之一。因为查理就是用他那种典型的直截了当的方式说出来的。\n \n \n \n
\n\n \n \n \n 要比所有其他聪明、努力的人更聪明、更有纪律，不可能是容易的。这其实也是有效市场假说的意思。\n \n \n \n
\n\n \n \n \n 虽然我从没见过它被这样写下来，但意思就是：\n \n \n \n \n \n \n \n 所有这些聪明的、高度自我驱动的、受过良好教育的、擅长数字的、熟练使用计算机并且彼此高度连接的人，都在努力变富。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 那现在，还有哪张没人捡起来的\n \n \n \n \n \n 10美元钞票？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我认为它在\n \n \n \n \n \n AI周围。\n \n \n
\n\n \n \n \n 但问题是，所有人都对\n \n \n \n \n \n AI感到兴奋。所以如果你的兴奋程度，也就是你的洞察水平，只是平均水平，你就没有优势。\n \n \n
\n\n \n \n \n 如果你参与\n \n \n \n \n \n AI，而你的洞察只是平均水平，那么你的表现也会是平均水平。如果AI奏效，你会随大流一起受益；如果AI不奏效，你会被狠狠打击。\n \n \n
\n\n \n \n \n 优异表现最终都归结为一点。\n \n \n \n
\n\n \n \n \n 你把我们到目前为止的谈话、查理说过的话等等都浓缩起来，最终都会回到\n \n \n \n \n \n \n “\n \n \n \n \n \n \n \n 更高一筹的洞察\n \n \n \n \n \n \n \n ”。\n \n \n \n
\n\n \n \n \n 美国有一位作家，叫加里森\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 凯勒（\n \n \n \n \n \n Garrison Keillor）。他写过一本书，里面有一个虚构社区叫沃比冈湖。如果我没记错，它在威斯康星州。他说：“在沃比冈湖，所有孩子都高于平均水平。”\n \n \n
\n\n \n \n \n 但我们知道，不存在这样一个地方，所有孩子都高于平均水平；也不存在这样一个地方，所有投资者都高于平均水平。\n \n \n \n
\n\n \n \n \n 所以我对世界的看法，不是一个科学意义上的看法。\n \n \n \n
\n\n \n \n \n \n 我的看法是，在涉及人性的领域里，在未来不可预测、事情不按机械规则运行的地方，仍然存在更高一筹的洞察可以发挥作用的空间。\n \n \n \n \n
\n\n \n \n \n \n 但如果没有更高一筹的洞察，你不会成功。\n \n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 我不会把自己包装成一个了解印度股市的人\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 霍华德，我大部分投资都在印度。我现在\n \n \n \n \n \n 39岁。我知道您最近向印度配置了一定资本，大概是40亿美元，但您还没有专门写过一篇关于印度的备忘录。\n \n \n
\n\n \n \n \n 我的假设是，印度正在以大约\n \n \n \n \n \n 7%或者6%的速度增长，而且会持续一段时间。人均GDP会上升，所以消费会表现不错，能源也会表现不错。随着人均GDP上升，比如超过5000美元，能源消费也会上升。\n \n \n
\n\n \n \n \n 那么，如果我在未来二三十年里，保持比如\n \n \n \n \n \n 80%的股票配置，会不会没问题？如果可以的话，您有没有看好的行业？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我一直在提醒你，有些事情我不太懂。而在这个问题上，我可以说得更明确一点：我完全不知道印度最好的行业是什么。\n \n \n \n
\n\n \n \n \n 我不会把自己包装成一个了解印度股市的人。\n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 和年轻人交谈，是保持敏锐的一种方式\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 好\n \n \n \n \n \n \n 的\n \n \n \n \n \n \n 。我读到过，疫情期间，您和儿子安德鲁住在同一栋房子里。安德鲁一定从您身上学到了很多。那有没有一件事，是您从安德鲁身上学到的？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我从他身上学到了太多东西。这也和我们一开始的谈话有关。\n \n \n \n
\n\n \n \n \n 你问我：\n \n \n \n \n \n \n “你是怎么保持敏锐的？”\n \n \n \n \n \n \n \n 和年轻人交谈，就是保持敏锐的一种方式。\n \n \n \n \n
\n\n \n \n \n 如果我只和同龄人交谈，我还能学到什么呢？\n \n \n \n
\n\n \n \n \n 和年轻人交流，才是你学习的方式。他们知道你不知道的东西，因为他们还在学习，而且他们学到这些东西的时间更近。\n \n \n \n
\n\n \n \n \n 希望你也能给他们一些东西作为交换，那就是他们还没有的经验，因为他们没有活到\n \n \n \n \n \n 80岁。\n \n \n
\n\n \n \n \n 安德鲁基本上和你同龄。那段经历之后，我写了一篇备忘录。三代人生活在同一个屋檐下，对我来说非常有价值。那篇备忘录叫《\n \n \n \n \n \n \n 关于价值\n \n \n \n \n \n \n 》（\n \n \n \n \n \n Something of Value）。\n \n \n
\n\n \n \n \n 我选这个标题还有另一个原因，因为我们大部分时间讨论的是所谓\n \n \n \n \n \n \n “价值投资”。\n \n \n \n
\n\n \n \n \n 但我从他那里得到了很多。他推动我去看见那些我本来看不见的东西。而且，如果我不保持敏锐、不继续往前走，他是不能容忍的。\n \n \n \n
\n\n \n \n \n 你知道，一个人到了\n \n \n \n \n \n 80岁，怎么继续往前走？这其实才是真正的问题。但我不认为这是不可能的。\n \n \n
\n\n \n \n \n 我立刻想到的一个很好的例子，是他曾经指出的一点。\n \n \n \n
\n\n \n \n \n 他\n \n \n \n \n \n \n 说\n \n \n \n \n \n \n ，关于当下的、唾手可得的量化信息，不可能成为成功的关键，因为所有人都有这些信息。\n \n \n \n
\n\n \n \n \n 这几乎像是一个启示。\n \n \n \n
\n\n \n \n \n 投资成功，就是比别人做得更好。投资是一个很有意思的领域，因为做到平均水平很容易，做到高于平均水平非常难。\n \n \n \n
\n\n \n \n \n 我在那篇备忘录里谈到，\n \n \n \n \n \n \n \n 巴菲特之所以能够领先别人一步，成为巴菲特，其中一个原因是\n \n \n \n \n \n \n \n \n ，\n \n \n \n \n \n \n \n \n 他在没有别人去寻找、没有别人去努力研究的时候，就主动去寻找并研究那些信息。\n \n \n \n \n
\n\n \n \n \n 我刚进入这个行业、还在做研究的时候，想想当时的流程\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 比如我说：\n \n \n \n \n \n \n “我今天走进一家商店，买了一个产品，我很喜欢这个产品。我觉得这家公司也许有前途，我想了解一下它。”\n \n \n \n
\n\n \n \n \n 你会怎么获得信息？想象一下，如果你今天早上在纽约有这种经历，你会怎么做。\n \n \n \n
\n\n \n \n \n 那时我们怎么做？你知道我们那时怎么做吗？\n \n \n \n
\n\n \n \n \n 我们给公司写一封信，向它索要一份年报。这封信要花一周时间才能到公司。\n \n \n \n
\n\n \n \n \n 公司把它放在一堆信件的最下面，然后从最上面开始处理，给那个人寄年报。可能又要一两周才轮到我的信。\n \n \n \n
\n\n \n \n \n 然后他们拿一份年报，装进信封，写上我的地址，贴上邮票，放进邮箱，又要一周才寄到我手里。\n \n \n \n
\n\n \n \n \n 当然，我有点夸张。但重点是，要拿到一份年报，可能要一个月。然后我才能开始研究这家公司。\n \n \n \n
\n\n \n \n \n 那时没有互联网。没有维基百科，也没有你现在可能使用的各种信息来源。唯一的替代选择，是一些叫《穆迪手册》（\n \n \n \n \n \n Moody’s Manuals）的\n \n \n \n \n \n 工具书。\n \n \n \n
\n\n \n \n \n 每一本都有这么厚。\n \n \n \n \n \n \n （比划了下）\n \n \n \n
\n\n \n \n \n 你从书架上把它拿下来，里面用的是一种\n \n \n \n \n \n \n “\n \n \n \n \n \n \n 洋葱纸\n \n \n \n \n \n \n ”\n \n \n \n \n \n \n ，非常非常薄，上面印着极小的字，真的很小，你得戴眼镜才能看。\n \n \n \n
\n\n \n \n \n 里面有每家公司的财务数据，当前的财务数据。但没有太多叙述，没有什么分析，也没有对未来的讨论。基本上就是每家公司的财务数据。\n \n \n \n
\n\n \n \n \n 在你收到公司邮寄来的年报之前，这就是你能拿到的全部信息。\n \n \n \n
\n\n \n \n \n 等年报到了，你也许才能开始真正研究这家公司，研究它的业务和潜力。\n \n \n \n
\n\n \n \n \n 如果你是巴菲特，坐在奥马哈的办公室里读《穆迪手册》，而别人都不愿意读，因为它实在太枯燥，那你就可以获得优势。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 他当时就是这么做的吗？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我想是的。我\n \n \n \n \n \n \n 只是对\n \n \n \n \n \n \n 他所做事情\n \n \n \n \n \n \n 进行了一些描述，\n \n \n \n \n \n \n 也许他做得更多，\n \n \n \n \n \n \n 只是\n \n \n \n \n \n \n 我不知道\n \n \n \n \n \n \n 而已。\n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 投资\n \n \n \n \n \n \n \n \n 必须拥有更高一筹的洞察力\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 霍华德，我没有资格恭维您，但如果可以的话\n \n \n \n \n \n \n ……\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 哈哈，\n \n \n \n \n \n \n 可以。恭维我一向接受。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我觉得，您到了\n \n \n \n \n \n 80岁还能保持这种灵活性和改变的意愿，是您身上最令人印象深刻的地方。每当我和真正成功的人交谈时，我都觉得这种特质比其他任何特质都更能说明他们是谁。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 谢谢你这么说。我也希望这是真的。\n \n \n \n
\n\n \n \n \n 但这也说得通，不是吗？\n \n \n \n \n \n \n \n 因为改变想法、改变思维方式、学习新东西的能力，本身就是更高一筹洞察力的一部分。而更高一筹的洞察力，正是你必须拥有的东西。\n \n \n \n \n
\n\n \n \n \n 投资是一场竞争游戏。它就像高尔夫。\n \n \n \n
\n\n \n \n \n 假设我告诉你：\n \n \n \n \n \n \n “我今天打了74杆。”你不知道我是赢了还是输了。唯一重要的是，别人打了多少杆，对吧？\n \n \n \n
\n\n \n \n \n 如果我告诉你：\n \n \n \n \n \n \n “去年我的股票组合赚了13%。”这是好还是坏？看起来不错。标普500指数的长期平均回报是10%。但如果去年标普500涨了18%，那13%就很糟糕。\n \n \n \n
\n\n \n \n \n 所以投资是一场竞争游戏。重点不是你对不对，而是你是不是比别人更对，或者更少错。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 您之所以能够改变，是不是因为您有意识地放下了自我？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我觉得这会有帮助。\n \n \n \n
\n\n \n \n \n 如果一个人有太强的自我，而且是错误的自我，他可能会说：\n \n \n \n \n \n \n “我一直都是这么做的，过去也很有效。我已经这么成功了，也有这么多财富，那我为什么还要改变方法？”\n \n \n \n
\n\n \n \n \n 但你必须不断改变。要么创新，要么消亡。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 什么能触发这种改变？如果我们要给正在观看的人一些建议，您会怎么说？他们怎样才能意识到自己需要不断改变？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这很有意思。过去九个月里，这一直是我的一个主题。\n \n \n \n
\n\n \n \n \n 每次遇到像你这样的问题，尼基尔，我都会这么说：真正困难的问题，都是以\n \n \n \n \n \n \n “如何”开头的。\n \n \n \n
\n\n \n \n \n 我如何学会自己需要进化和成长？我如何学会比别人看得更好、更清楚？我如何学会成为一个比别人更能判断违约概率的信用分析师？我如何成为我所说的\n \n \n \n \n \n \n “第二层思维者”，也就是能在更高层次上、比别人更好地理解事情的人？\n \n \n \n
\n\n \n \n \n 所有这些\n \n \n \n \n \n \n “如何”，我都没法告诉你。\n \n \n \n
\n\n \n \n \n 我怎么才能在\n \n \n \n \n \n 80岁仍然保持敏锐？我也没法告诉你。\n \n \n
\n\n \n \n \n \n 我能告诉你的是，你必须做哪些事，才可能成为优秀投资者。我只是没法告诉你具体怎么做到。\n \n \n \n \n
\n\n \n \n \n 这也让我想到我的第一本书\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 一共有\n \n \n \n \n \n 21章。每一章都叫“最重要的事是……”，后面接不同的内容。因为重要的事情实在太多了。\n \n \n
\n\n \n \n \n 当时我把这本书的想法告诉哥伦比亚大学出版社，他们想出版这本书，就让我给他们一章样章。\n \n \n \n
\n\n \n \n \n 于是我写了一章，标题是\n \n \n \n \n \n \n “最重要的事是第二层思维”。在那之前，我其实没有非常系统地思考过这个概念。它只是突然击中了我，我就把它写了下来。\n \n \n \n
\n\n \n \n \n 它讲的东西很简单\n \n \n \n \n \n \n 。\n \n \n \n \n \n \n 如果你的想法和所有人一样，你的行动就会和所有人一样；如果你的行动和所有人一样，你的投资表现也会和所有人一样。\n \n \n \n
\n\n \n \n \n 所以，如果你想取得超过平均水平的表现，就不能只是和大多数人想得一样、做得一样。这个道理听起来很简单。\n \n \n \n
\n\n \n \n \n 但问题是，怎么做到？怎么做到？\n \n \n \n
\n\n \n \n \n 我在书里说过，我可以告诉你第二层思维的重要性，但如果你问我怎么成为第二层思维者，这就像篮球里我们说的，\n \n \n \n \n \n \n “身高是教不出来的”。\n \n \n \n
\n\n \n \n \n 世界上所有教练加在一起，也不会让你的球队变得更高。\n \n \n \n
\n\n \n \n \n 如果你想成为成功的投资者，你必须成为第二层思维者。但我没法告诉你具体怎么做。\n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 逆向思维并不是简单地和别人不一样\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 如果我再往前推一步，第二层思维在某种意义上也是逆向思维。您觉得，像\n \n \n \n \n \n AI这种本质上擅长预测的工具，未来能不能被训练出逆向思考能力？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 这正是难点所在。\n \n \n 因为\n \n \n \n \n \n \n \n 第二层思维或者\n \n \n \n \n \n \n \n \n 说\n \n \n \n \n \n \n \n \n 逆向思维，并不是简单地和别人不一样。\n \n \n \n \n
\n\n \n \n \n 只是不同，并不够。你必须既和大多数人不同，又比大多数人更对。\n \n \n \n
\n\n \n \n \n 我不知道怎么给\n \n \n \n \n \n AI编程。但我假设，你可以对Claude说：“以后你分析每家公司时，都必须给出一个不同于市场共识的答案。”\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 或者说，必须和共识相反？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n “相反”这个词太绝对了。我们可以说，偏离共识。你可以告诉它：“这里不欢迎共识思维。”\n \n \n \n
\n\n \n \n \n 你当然可以这样做。你可以让它变得不同。但问题是，你能不能让它变得更好？\n \n \n \n
\n\n \n \n \n 难点就在这里。\n \n \n \n
\n\n \n \n \n 因为在投资市场里，你面对的竞争者也很聪明，受过良好教育，能读会算，会用电脑，也非常有动力。他们其实已经相当不错了。很多时候，他们的判断已经接近正确答案。\n \n \n \n
\n\n \n \n \n 如果你认为共识已经是大多数聪明人所能达到的、相对接近正确的判断，那么你对\n \n \n \n \n \n Claude说“我只要非共识观点”，它很可能会给你一个错误答案。\n \n \n
\n\n \n \n \n 这并不是好事。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 某种意义上，\n \n \n \n \n \n AI在投资里也许只有在所有投资者都使用AI时才会有效。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不，我不这么认为。因为如果所有人都使用\n \n \n \n \n \n AI，而我们假设所有人的AI都一样……\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 不一样，是不同的。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 它们真的不同吗？这就是问题。\n \n \n \n
\n\n \n \n \n 也许这就是我的合伙人布鲁斯\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 卡什，这位\n \n \n \n \n \n \n “改过自新的律师”会说的“门槛问题”：有些AI模型真的比其他AI模型更聪明吗？\n \n \n \n
\n\n \n \n \n 它们都有超高智商，都有算力，也都在同样的历史数据上训练。那么，有些模型真的会比另一些模型更聪明吗？我不知道，这需要有人告诉我。\n \n \n \n
\n\n \n \n \n 但如果它们一样聪明，而每个人都对自己的\n \n \n \n \n \n AI说：“请写出一套能够带来投资成功的流程。”\n \n \n
\n\n \n \n \n 理论上，它们都会写出同样的流程。因为它们同样聪明，训练材料也一样。\n \n \n \n
\n\n \n \n \n 如果它们又都完美执行这套流程，结果就会一样。那就没有谁比谁更强，也就没有超额收益。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但这样所有人都会赚\n \n \n \n \n \n 10%，没人赚8%，也没人赚12%。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 对。但如果你只是赚\n \n \n \n \n \n 10%，你能凭什么拿报酬？\n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但\n \n \n \n \n \n AI不需要拿报酬。\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是，但谁在雇\n \n \n \n \n \n AI？雇它的人想拿报酬。没人是为了好玩才雇AI。人们雇AI，是因为他们想变富。\n \n \n
\n\n \n \n \n 而在投资里，变富靠的是比别人更强，不是靠平均水平。\n \n \n \n
\n\n \n \n \n \n 问题仍然是：你怎么获得这种优势？\n \n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 人可以从历史中学习\n \n \n \n \n \n \n \n \n ，\n \n \n \n \n \n \n \n \n 最主要\n \n \n \n \n \n \n \n \n 的教训\n \n \n \n \n \n \n \n \n 是关于人性\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 我本来不想问您这个问题，您可以选择不回答。您觉得世界会走向社会主义吗？\n \n \n \n \n \n AI正在推动这一点吗？\n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我不认为自己是未来主义者。我不参与那类思考。那种思考我们通常叫\n \n \n \n \n \n \n “蓝天思考”。\n \n \n \n
\n\n \n \n \n 在这个问题上，我更认同阿尔伯特\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 爱因斯坦的一句话。他大概说过：\n \n \n \n \n \n \n “我不思考未来，它很快就会到来。”\n \n \n \n
\n\n \n \n \n 但我会思考过去吗？会。我思考过去，是为了从中学习。\n \n \n \n
\n\n \n \n \n 我很喜欢引用别人的话。在这个问题上，我最喜欢的是马克\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 吐温那句话\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n “历史不会重复，但会\n \n \n \n \n \n \n 押着同样的韵脚\n \n \n \n \n \n \n 。\n \n \n \n \n \n \n ”\n \n \n \n
\n\n \n \n \n 历史里有一些主题，会在不同事件之间反复出现，像押韵一样。它们大多和人性有关。\n \n \n \n
\n\n \n \n \n 我认为人性变化得极其缓慢。比如我们谈\n \n \n \n \n \n \n “战斗或逃跑”反应时，人们会讲到石器时代的人，讲到水坑边的危险。那是几百万年前的事情了，但这些反应今天仍然相关。\n \n \n \n
\n\n \n \n \n 所以重点是，\n \n \n \n \n \n \n \n 我认为人可以从历史中学习\n \n \n \n \n \n \n \n \n ，而\n \n \n \n \n \n \n \n \n 最主要学到的是关于人性的教训。\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 拿破仑也说过\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n “历史是由明天的胜利者书写的。”所以我们甚至不知道，自己接触到的历史到底有多准确。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 不过，至少在金融史里，我们还有数字。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 金融史，对。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 当你有数字化的历史时，它可能就没有那么主观。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 但导致这些数字的心理，也许并不清楚。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 对。我刚读了安德鲁\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 罗斯\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 索尔金（\n \n \n \n \n \n Andrew Ross Sorkin）的新书《1929》。那是一本很棒的书。我很喜欢。\n \n \n
\n\n \n \n \n 我\n \n \n \n \n \n \n 在\n \n \n \n \n \n \n 谈私人信贷\n \n \n \n \n \n \n 的\n \n \n \n \n \n \n 新的备忘录里\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 也提到了这本书。\n \n \n \n
\n\n \n \n \n 索尔金在书里非常生动地解释了导致\n \n \n \n \n \n 1929年大崩盘的那些事件，让你看见一幅很清楚的图景。我认为里面有很多东西值得学习\n \n \n \n \n \n ，并\n \n \n \n \n \n \n 试图在备忘录里提炼一些\n \n \n \n \n \n 1929年的教训。\n \n \n
\n\n \n \n \n 我希望索尔金描述的历史是真实的历史。因为如果历史本身不准确，那从中得出的教训也就没那么可靠。我只能这么说。\n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 投资面对的是一道非常迷人的难题\n \n \n \n \n \n \n \n \n ，而我很喜欢\n \n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 霍华德，最后有什么话想送给我们的观众吗？有什么建议？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 我通常会对人们说，投资是一道难题，而且是一道很有挑战性的难题。\n \n \n \n
\n\n \n \n \n 我对投资的定义是：安排好你的资本，让它能够从未来的发展中受益。\n \n \n \n
\n\n \n \n \n 但我也说，未来的发展无法被准确预测。所以，你需要更高一筹的洞察，让自己比大多数人更接近正确答案。但你不可能每一次都正确。\n \n \n \n
\n\n \n \n \n 如果你一定要每次都对，\n \n \n \n \n \n \n 而\n \n \n \n \n \n \n 你的性格\n \n \n \n \n \n \n 又\n \n \n \n \n \n \n 决定了\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 只要不是每次都对你就会非常难受\n \n \n \n \n \n \n 。\n \n \n \n \n \n \n 那就不要做投资人。\n \n \n \n
\n\n \n \n \n 纳西姆\n \n \n \n \n \n \n ·\n \n \n \n \n \n \n 塔勒布（\n \n \n \n \n \n Nassim Taleb）在《随机漫步的傻瓜》里谈过投资和牙科的区别。他说，如果你去读牙医学院，学会了怎么补牙，然后每次都用同样的方法补牙，你每次都会成功。\n \n \n
\n\n \n \n \n 如果你必须每次都成功，那就去当牙医。或者去当工程师。比如土木工程师说：\n \n \n \n \n \n \n “我要从这里到那里建一座桥。”他做计算，需要多少钢材、多少混凝土。每一次，桥都会立起来。\n \n \n \n
\n\n \n \n \n 但在我看来，那没有那么有意思。\n \n \n \n
\n\n \n \n \n \n 投资面对的是一道非常迷人的难题。你试图比别人解得更好，尽管这里没有任何绝对有效的法则。\n \n \n \n \n
\n\n \n \n \n \n 这很有意思，\n \n \n \n \n \n \n \n \n 所以\n \n \n \n \n \n \n \n \n 我\n \n \n \n \n \n \n \n \n 很\n \n \n \n \n \n \n \n \n 热爱它。\n \n \n \n \n
\n\n \n \n \n \n 它仍然是一道难题，是我还在一层层剥开的洋葱\n \n \n \n \n \n \n \n \n ，且\n \n \n \n \n \n \n \n \n 永远不会真正剥完\n \n \n \n \n \n \n \n \n 它\n \n \n \n \n \n \n ……这恰恰\n \n \n \n \n \n \n \n \n 是它有意思的地方。\n \n \n \n \n
\n\n \n \n \n \n 适合做投资的人，应该就是\n \n \n \n \n \n \n \n \n 享受这种状态的\n \n \n \n \n \n \n \n \n 人。\n \n \n \n \n
\n\n \n \n \n
\n \n \n \n \n 尾部事件真正发生的频率太低\n \n \n \n \n \n \n \n \n ，完全据此投资有点乏味\n \n \n \n \n
\n\n \n \n \n \n 卡马特\n \n \n \n \n \n \n \n \n \n 很有意思，您会对塔勒布产生共鸣。因为不知为什么，我读您的东西和读他的东西时，总觉得你们像是在光谱的两端。\n \n \n \n
\n\n \n \n \n 我觉得塔勒布当年管理基金时，买的是极度虚值的看涨期权和看跌期权，等待\n \n \n \n \n \n \n “黑天鹅”事件\n \n \n \n \n \n \n 出现。而您某种意义上是在做相反的事：您买的是困境债务，押注真正成为黑天鹅的比例，会低于市场以为的水平。\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。从这个意义上说，我认为我们确实不同。\n \n \n \n
\n\n \n \n \n 我前面说过，我相信应该构建一个在概率分布主体部分表现良好的投资组合。而他主张的是保护，尤其是尾部保护。\n \n \n \n
\n\n \n \n \n 这种保护可以买得很便宜，因为它只针对尾部事件。尾部事件很少发生，所以人们会低估这种保护的价值。\n \n \n \n
\n\n \n \n \n 你可以用很低的价格，买到针对低概率事件的保护。从理论上讲，这是一件好事。但问题是，这种事件发生得太少了，所以这种被低估的尾部保护，并不会经常体现出价值。\n \n \n \n
\n\n \n \n \n 如果我没记错的话，虽然我大概是\n \n \n \n \n \n 22年前读的那本书，但塔勒布自己在书里也说过，投资就像俄罗斯轮盘赌。只不过枪里不是六个弹膛里有一颗子弹，而是一百个弹膛里有一颗子弹。\n \n \n
\n\n \n \n \n 所以，那颗子弹很少会被触发。\n \n \n \n
\n\n \n \n \n 我的意思是，你当然可以每年花\n \n \n \n \n \n 1%的资金去买尾部保护\n \n \n \n \n \n ，\n \n \n \n \n \n \n 但如果这就是你全部的投资方式，我觉得那会是一种很乏味的存在。\n \n \n \n
\n\n \n \n \n 因为尾部事件真正发生的频率太低了。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 而且他还说，即使是新冠疫情，也不是\n \n \n \n \n \n \n “黑天鹅”事件\n \n \n \n \n \n \n 。所以如果新冠都不是，那什么才是？\n \n \n \n
\n\n \n \n \n \n \n 马克斯\n \n \n \n \n \n \n 是的。显然，新冠并不是人类历史上第一次大流行。\n \n \n \n
\n\n \n \n \n 但我会说，它是现代\n \n \n \n \n \n \n 的\n \n \n \n \n \n \n 第一次大流行。也是第一次遇上数字经济、全球化，以及许多其他现代条件的大流行。\n \n \n \n
\n\n \n \n \n 所以，它在很多方面是独特的，或者至少是有新意的。\n \n \n \n
\n\n \n \n \n 我想我们可以说，有些人应对得更好，有些人应对得更差。对我来说，这正是让一件事变得有意思的地方\n \n \n \n \n \n \n ，\n \n \n \n \n \n \n 不同的人，会有不同的应对水平。\n \n \n \n
\n\n \n \n \n \n \n 卡马特\n \n \n \n \n \n \n 谢谢您，霍华德。感谢您今天抽出时间。这场对话非常有意思，我觉得自己从您身上学到了很多。\n \n \n \n
\n\n \n \n \n \n 马克斯\n \n \n \n \n \n \n \n \n \n 我也从和你的交流中学到了东西，也很享受这次谈话。你的很多问题都很新颖，也很有启发性。\n \n \n \n
\n\n \n \n \n \n \n \n
\n\n \n
\n \n
\n \n \n
\n \n \n\n \n \n 版权声明：\n \n \n \n 本内容版权归原创方或原作者所有，如转载使用，请注明来源及作者、文内保留标题原题以及文章内容完整性，并自负版权等法律责任。本号转载文章大部分已获原创方或原作者授权，但部分文章推送前我们未能与原创方或原作者成功取得联系，若涉及版权问题，请通过本号微信后台联系我们。\n \n
\n \n\n \n
\n \n
\n
\n\n\n \n \n Buy on the cannons, sell on the trumpets.\n \n \n \n \n 在炮火声中买入，在号角声中卖出。\n \n \n
\n
\n
\n \n \n 海外的半导体和芯片厂有先进制程，所以在韬定律无论理论上还是实践上肯定投入不够的，不够重视的。华为是倒逼出来的，唯一活路，在韬定律上肯定理论、技术、实践都是投入巨大，迭代速度快。那华为在这方面的先发优势就很大，一步快步步快，最终形成深厚的护城河。\n \n \n
\n\n \n \n \n 韬定律的本质是通过全栈协同优化，将竞争维度从单一制程工艺转向系统性能。这与歼\n \n \n -\n
\n \n \n
\n \n \n
\n \n 为什么我说\n \n 中芯国际是韬定律下最大赢家\n \n \n ？因为中芯国际有很成熟和庞大的的\n \n \n 2\n
\n \n 这个转变非常重要，再强调一遍:非常重要。\n \n
\n\n \n \n
\n\n
\n
\n
\n Codepilot 这种大型代码库 Vibe Coding 非常依赖于文档体系去控制 AI。\n
\n
\n 自从 Claude Code 的 Plan 模式废掉以后，我连计划写的都是计划文档，整个文档体系的复杂度和占代码的比例都在快速大幅上升。\n
\n
\n 这里的 Plan 模式废掉，是因为在大型代码库下，它的 Plan 模式会产生非常多的幻觉。一旦任务变大，这种幻觉是非常致命的：\n
\n
\n 没有办法审查，因为计划内容不在项目里，是临时的；其他 AI 也无法进行审查，因为它是直接吐出来的。所以它不如文档直观，也不如文档可协作。\n
\n
\n 所以，文档体系的管理，以及 AI 和人协作下的文档梳理，在整个大型代码库中其实是非常重要的。\n
\n
\n 我让 Codex 分析了一下 CodePilot 目前的文档体系，以及它跟代码之间的关系。\n
\n
\n 目前 CodePilot 里面有 26 万行代码和 5.6 万行文档，文档占代码的比例大约是 21%。\n
\n
\n 说一个事实：\n
\n
\n 从 CodePilot 的第一个版本到现在，我没有动过一行代码，因为现在确实看不懂了。\n
\n
\n 但目前基本上所有已知的 bug 我都能修复，所有想要实现的能力也都能实现。\n
\n
\n 这是当前 Vibe Coding 我自己的一个实践，也是我自己的一个上限。整个重构本来预期是两周，但实际持续了超过一个月零三周。\n
\n
\n 顺便通知一下，昨天藏师傅吭哧瘪肚重构了一个多月的版本 0.55 已经上线，可以去体验了。\n
\n
\n\n \n 0\n \n \n /\n \n \n 0\n \n
\n\n
\n\n 继续观看\n
\n\n Anthropic万字长文：当AI开始构建自己，人类该何去何从？\n
\n\n
\n\n \n \n 《当 AI 开始构建自己》\n \n \n
\n\n \n \n 在 AI 的大部分历史中，开发周期的每一步都由人类驱动。但在 Anthropic，我们正在将越来越多的 AI 开发工作交给 AI 系统自身来完成，而这正在加速我们的工作。\n \n \n
\n\n \n \n 如果把这个趋势推到极致，并给予充足的算力，它所指向的终点，是一个能够完全自主地设计和开发自己下一代的 AI 系统。这就是所谓的\n \n \n \n \n \n 递归自我改进\n \n \n \n \n \n 。\n \n \n 我们还没有走到那一步，递归自我改进也并非必然发生。但它到来的速度，可能远超大多数机构的预期和准备。\n \n \n
\n\n \n \n 借助公开基准测试以及此前从未对外披露的 Anthropic 内部数据，Anthropic 研究院正在展示一个事实：AI 已经在加速 AI 系统自身的开发。仅举一例：如今 Anthropic 的工程师平均每季度交付的代码量，是 2021 年至 2025 年间的 8 倍。\n \n \n
\n\n \n \n 本文所讨论的技术趋势表明，AI 系统在未来几年将变得更加强大。这些趋势蕴含着巨大的影响。能自己构建自己的 AI，将是技术史上的重大里程碑，它可能在科学、医疗等领域为世界带来巨大的福祉。但完全的递归自我改进也可能加剧人类失去对 AI 系统控制的风险。如果系统有能力完全自主地构建自己的继任者，那么我们对它们的安全防护、监控和行为塑造就变得更加重要。\n \n \n
\n\n \n \n 构建一个前沿模型需要两大类工作。\n \n \n
\n\n \n \n 一类是\n \n \n \n \n \n 工程\n \n \n \n \n \n ：编写代码、搭建基础设施、监督模型训练。另一类是\n \n \n \n \n \n 研究\n \n \n \n \n \n ：决定运行哪些实验、解读实验结果、想清楚下一步该尝试什么方向。\n \n \n
\n\n \n \n 在工程和研究这两个方面，我们看到的图景是一致的。在工程领域，Claude 可以接手一个描述模糊的问题并自行找到解决方案；人类提供目标，但不再需要提供方法。在研究领域，对于一个定义清晰的实验，Claude 已经能够匹配甚至超越熟练人类的执行水平。然而，在运用判断力来选择目标这件事上，无论是工程还是研究，Claude 与人类之间仍然存在显著差距。这正是今天的 AI 与一个能自主设计自己继任者的未来系统之间的鸿沟。\n \n \n
\n\n \n \n 在 Anthropic，员工随着经验积累，通常会接手越来越开放、越来越重要的任务。早期阶段，你执行的是别人指定好的任务，比如\"导出按钮坏了，请修一下。\"积累了经验之后，你会拿到一个目标，然后自己设计实现路径，比如\"排查一下网络在高负载时为什么变慢。\"到了最高层级，你要决定的是哪些问题值得去解决：\"团队下个季度应该做什么？\"我们可以用 Anthropic 的内部数据来看看，Claude 在处理这些不同层级的任务时已经\n \n \n \n \n 走了多远。\n \n \n
\n\n \n \n 一个需要说明的地方是：代码行数是一个不完美的衡量指标，因为它度量的是数量而非质量。所以 2026 年第二季度\n \n \n \n \n \n 每位工程师每天 8 倍的代码行数\n \n \n \n \n \n ，几乎可以肯定是对真实生产力提升的高估。尽管如此，它仍然指示了一种加速。在 Anthropic，我们不以代码行数来衡量员工的贡献；团队成员产出更多代码，纯粹是因为他们在使用 AI 系统来编写更多代码。\n \n \n
\n\n \n \n 代码行数的增长与主观感受到的巨大生产力提升是吻合的。2026 年 3 月，一项覆盖 Anthropic 研究团队 130 名员工的内部调查中，受访者的中位数估计是：在他们本来就会去做的那些项目上，使用 Mythos Preview 大约让他们的产出变成了不使用任何 AI 模型时的 4 倍。我们预计 3 月的真实提升幅度会略低一些。但我们认为这个整体判断是可信的，也与我们的其他观察一致：Anthropic 相当比例的技术人员，完成核心工作的速度已经是无 AI 辅助时的数倍。\n \n \n
\n\n \n \n 我们还看到，Anthropic 员工在用 Claude 做一些原本根本不会发生的工作：比如构建探索性工具、处理长期积压的清理任务。举个例子，2026 年 4 月，Claude 交付了超过 800 个修复，将一类 API 错误的发生率降低了一千倍。负责监督 Claude 的工程师估计，如果由人类来做，这项工作需要四年才能完成；修复别人的 Bug 是缓慢而痛苦的，人类很难同时在脑中持有那么多不熟悉的上下文。\n \n \n
\n\n \n \n \n \n \n
\n \n \n \n Claude 写出的代码\"够好\"，并且还在变好。\n \n \n \n \n \n \n \n
\n\n \n \n \"好代码\"有两层含义：它能用，而且写法能让另一位工程师看得懂、接着往下开发。在第一个标准上，证据非常清晰。过去一年里，Anthropic 员工纠正 Claude、在任务中途接管、或将 Claude 引回正轨的频率在持续下降，即使是在最复杂、最开放的任务上也是如此。所谓开放的任务，指的是没有明确规格说明的问题，工程师自己也不确定答案长什么样。下面的图表展示了 Claude 在不同难度任务上的成功率随时间的变化。Claude 写的代码确实能用。\n \n \n
\n\n \n \n 在\n \n \n \n \n 最开放的任务上，Claude 的成功率在 2026 年 5 月达到 76%，六个月内提高了 50 个百分点。举一个属于这个难度层级的例子：一次常规升级导致数万个训练任务崩溃。一名工程师只给了 Claude 一些文本内容和集群访问权限，就把它指向了这个正在进行中的事故。Claude 逐一检查运行中的任务、逐个测试环境配置项，最终定位到了一个导致崩溃的冷门调试标志位，稳定地复现了问题，并确认了修复方案。Claude 大约花了两小时，完成了通常需要两到三天的工作。\n \n \n
\n\n \n \n 第二个标准是写出其他工程师能看懂并在此基础上继续开发的代码。在这一点上，人类和 AI 之间的差距仍然存在，但正在快速缩小。Anthropic 内部并非完全一致，但许多人认为：2025 年末时 Claude 写的代码质量仍然不如 Anthropic 人类工程师的水平，而到了今天大致达到了同等水平。我们预计年内 Claude 的代码质量将超过人类。\n \n \n
\n\n \n \n 这已经改变了 Anthropic 审查自身代码的方式。我们对代码库的变更提交，现在会先经过一个自动化的 Claude 审查器，它会在代码合并前检查 Bug、安全漏洞和其他缺陷。我们用这个工具做了一次回溯分析，发现如果对代码库的每一次变更都做自动 Claude 审查，大约三分之一曾经\n \n \n \n \n 在 claude.ai\n \n \n \n \n 上引发过事故的 Bug 本可以在进入生产环境之前就被拦截。而写出那些代码的工程师，是全世界构建这类系统最优秀的人。Claude 现在正在捕捉他们遗漏的错误。\n \n \n
\n\n\n\n \n \"2025 年末，Claude 写的代码质量还略逊于 Anthropic 人类工程师的代码，到今天大致持平，我们预计年内将明确超越。\"\n \n
\n
\n\n\n \n \"现在的格局大致是这样的：人类有想法，模型能够以比以前快一个数量级的速度去实现、测试和验证这些想法。\"\n \n
\n
\n\n\n \n “这些工作 Claude 几乎在一到两天内就完成了，我几乎没怎么插手。我觉得如果一个初级同事在同样的时间里交回这样的结果，我会小有惊喜。未来已经到了。”\n \n
\n
\n \n \n \n Claude 在将研究会话引向有价值发现方面越来越出色。\n \n \n \n \n \n \n \n
\n\n \n \n 我们检视了 2026 年 1 月至 3 月间的真实 Claude Code 会话，这些会话中 Anthropic 研究员与 Claude 协作解决一个开放式的探索性问题——比如查明某次训练运行为何持续崩溃，或某个模型在基准测试上表现不佳的原因。\n \n \n
\n\n \n \n 在每个案例中，我们都找到了一个研究员\"绕了弯路\"的时刻：他们追了一个方向，导致会话偏离正轨，之后才回到正确路径上。然后我们只将偏离之前的工作内容展示给不同版本的 Claude 模型，问它下一步会怎么做。另一个能看到整个会话最终走向的 Claude 实例则负责评判：是 AI 还是人类给出了更好的下一步建议。\n \n \n
\n\n \n \n 由于我们刻意选取的（n=129）都是人类判断有改进空间的时刻，这并不是一个模型与人类判断力之间的公平对比。这些时刻给我们提供的，是一组真实的、有挑战性的情境——正确的下一步并不显而易见，而人类的选择可以作为一个有用的参照标尺来比较模型随时间推移的进步。\n \n \n
\n\n \n \n 按照这个指标，2025 年 11 月我们最好的模型（Opus 4.5）有 51% 的时间给出了比人类更好的选择；到 2026 年 4 月（Mythos Preview），这个比例增长到 64%。研究的日常工作在很大程度上就是这样一连串\"下一步决策\"的链条，因此这是一个衡量模型最终能否独立开展调查的相关指标。我们将这一结果视为一个早期信号：AI 系统正在越来越擅长做出 AI 研究所依赖的那种判断。\n \n \n
\n\n\n\n \n \"就目前而言，人类的比较优势仍然在于看到更大的图景，在直接任务的范围之外去思考。\"\n \n
\n
\n \n \n 证据表明，在 AI 开发流程的每一步中，人类的角色都在收窄。一旦人类和 AI 编写的代码质量达到同等水平，人类将完全停止写代码，转而只做审查。但如果他们审查代码的速度跟不上 Claude 生成代码的速度，人工审查就会成为 AI 开发的新瓶颈。同样的，当 Claude 能够自己运行实验时，问题就变成了\"这些实验中哪些值得去做？\"\n \n \n
\n\n \n \n 简单来说：\n \n \n \n \n \n 执行层面\n \n \n \n \n \n 的工作，写代码、跑实验、产出结果，在人力时间上的成本已经趋近于零，尽管在算力层面仍然有成本。\n \n \n
\n\n \n \n 人类目前仍保有比较优势的领域是研究品味和判断力：选择哪些问题重要、哪些结果可信、什么时候一条路走不通该及时止损。\n \n \n
\n\n\n\n \n \"工作（和生活）过去运行在人与人之间小恩小惠的礼物经济上。'能帮我把这个脚本跑起来吗？'……每一次都创造一点点人情债，一点点彼此的联结。Claude 更快，它不产生任何人情债，但每一次这样的替代，都是一次人际协作的机会的失去。\"\n \n
\n
\n\n\n \n \"在一切顺利的日子里，我忍不住觉得自己做的事都不重要了，一切都被自动化了，而且比我做得更好更快。但总有些日子，所有东西都在崩溃，我不知道为什么，那时候我才意识到，我已经不太清楚自己到底一直在干什么了。\"\n \n
\n
\n \n \n 对上述证据一个自然的反驳是：仍然掌握在人类手中的那部分工作，选择要解决哪些问题才是最关键的。没有这种判断力，Claude 只是一个能干的助手，而非一个能独立驱动 AI 进步的系统。\n \n \n
\n\n \n \n 今天的训练方法和架构能否释放这种能力，确实尚不清楚。但 AI 的进步很少依靠\"灵光一现\"。在 AI 的近代史上确实有过几次这样的时刻，比如 Transformer 架构和混合专家模型，但这种范式级的突破相隔数年才出现一次。在两次突破之间，大部分进展都是渐进式的：我们把某个东西做大，看看哪里会出问题，修好它，再试一次。而这恰恰是 Claude 现在最擅长的工作流。爱迪生说天才是 1% 的灵感加 99% 的汗水。但我们看到的是，那 99% 的汗水正在被越来越多地自动化。\n \n \n
\n\n \n \n 事实已经越来越清楚：推动前沿进步的工作中，相当大一部分是可自动化的。大规模研究进展在很大程度上取决于工具和资源，它们决定了你能多快地运行实验、同时运行多少个、以及多快拿到结果。\n \n \n
\n\n \n \n 即使假设 Claude 永远无法拥有良好的研究品味，对我们证据的保守解读仍然意味着一种复合式的加速。如果人类将大部分时间花在仅占个位数百分比的方向设定工作上，而 Claude 处理剩下的一切，那就意味着每位工程师或研究员所驾驭的工作规模远超从前。我们看到的证据表明，Anthropic 的员工既在更快地推进，也在覆盖更广泛的领域。实际上，这意味着 AI 已经让 Anthropic 比有效 AI 工具出现之前运转得快得多。\n \n \n
\n\n \n \n 更大胆的解读则是：Claude 在研究判断力上的早期改进信号——虽然今天还很有限，但这恰恰说明这项能力本身也在提升。所谓\"研究品味\"可能只是又一项 AI 能力，AI 系统会在这上面失败一段时间，然后变好。我们在其他定性技能上见过同样的模式，比如 AI 系统理解一个笑话为什么好笑、展现心智理论能力、以及解开语言谜题。\n \n \n
\n\n \n \n 接下来会发生什么，取决于两件事：趋势是否延续，以及如果延续，我们选择如何应对。我们至少可以设想三种未来情景：\n \n \n
\n\n \n \n 另一种可能是，AI 进步的约束不在模型本身，而在供应链：推进和普及前沿技术所需的能源和算力，可能超出了当前的供给能力。芯片制造、电网扩容或互联带宽的速度可能才是真正的瓶颈，而非智能本身。我们也不能排除某种外部冲击对 AI 生态系统造成严重拖累，比如算力或电力供应的突然收缩，这两者中的任何一种都会减缓进步，并使实验室的前瞻性投资变得更加昂贵。又或者存在某种我们尚未预见到的其他障碍。\n \n \n
\n\n \n \n 即使模型能力被冻结在今天的水平，我们也预期世界将发生重大变化。Project Glasswing 就是一个早期信号：在启动后的最初几周里，Mythos Preview 在全球最重要的系统中发现了超过一万个高危和严重级别的软件漏洞，以至于网络安全防御的瓶颈已经从发现漏洞转移到了能否足够快地修补它们。\n \n \n
\n\n \n \n 而当前这些模型向更广泛经济领域的扩散仍处于早期阶段，在那个世界里，一家 100 人的公司越来越有可能做出 1000 人公司的体量，因为每个员工都将坐在一个由智能体组成的金字塔的顶端。\n \n \n
\n\n \n \n 我们列出这个情景是为了完整性，但我们并不认为它的可能性很高。我们能测量到的每一项能力，包括那些感觉更\"软\"的，比如代码质量和开放式任务的成功率，到目前为止都遵循着同一条曲线。我们还没有看到这条曲线出现弯折。在我们考虑的三种未来中，这一种会给各国政府和社会留出最多的适应时间。我们更担心的是接下来两种，它们的推进速度更快，留给准备的窗口也小得多。\n \n \n
\n\n \n \n 在这个情景中，AI 开发被大幅自动化，但人类继续设定研究方向、评判研究结果。使用 AI 系统的组织将随着时间推移变得高效得多，因此我们可以预期每个人身上出现显著的生产力乘数效应。100 人的公司可以完成一万人甚至十万人组织的工作量。这将彻底改变知识工作的面貌，但也可能被用于有害目的，从对全体国民的威权式监控，到针对每一个个体量身定制的操纵行动，这种行动的规模远超任何人类团队的能力上限。Anthropic 这样的公司中，人类的角色将发生转变。人们将与 AI 系统搭档来扩展研究规模、产生新的洞见，并共同构建用于验证 AI 输出可信度的系统。\n \n \n
\n\n \n \n 我们呈现的证据表明，我们很可能正在进入这个情景。但加速一个流程的某个环节，往往只是把瓶颈转移到了别处：整体速度受制于那些没有被加速的部分。在计算机科学中，这被称为阿姆达尔定律，同样的逻辑也适用于组织。Anthropic 已经遭遇了阿姆达尔定律的一个典型症状：当我们在组织内部推送越来越多的代码时，人工代码审查成了新的瓶颈。\n \n \n
\n\n \n \n 我们在工程之外也遇到了同样的摩擦。由于 Anthropic 员工与高能力模型的协作，新的想法、计划、工具和模拟呈爆发式增长，远远超出了我们有能力去追踪的范围。一个组织能多快地发现并消除这些瓶颈，这本身可能是一种随时间推移会不断精进的技能，也可能成为任何组织最重要的能\n \n \n 力。\n \n \n
\n\n \n \n 如果推动能力进步的技术趋势持续下去，\n \n \n \n \n \n 并且\n \n \n \n \n \n AI 系统能够发展出蕴含人类变革性创造力的那些能力，那么 AI 系统有可能设计和改进自身。\n \n \n
\n\n \n \n 在这个世界里，AI 发展的速度将完全取决于可用算力（或者在算法训练和推理层面发现各种效率提升的速度）。人类在 AI 开发中的角色将大幅缩减，大部分精力可能转向对一个不断扩张的 AI \"虚拟实验室\"进行监督、验证和确认。我们预计，一个有能力自动化 AI 研发的系统，其技能也能迁移到其他科学领域，从而开始革新更多学科。\n \n \n
\n\n \n \n 在这个未来中，对齐问题会如何被解决——或者无法被解决，是我们最不确定的部分。模型可能被证明足够对齐，也足够具备研究品味，从而发现并实施我们尚未触及的新颖解决方案。它们也可能足够审慎，在条件不成熟时选择暂停开发。另一种可能性是，今天模型中偶尔出现的对齐偏差，在模型构建自己继任者的过程中不断累积，但越来越难以被理解，直到我们失去对它们的控制。也有可能，我们根本无法构建、整合和验证那些我们需要的工具，去判断自己到底处于哪条趋势线上。\n \n \n
\n\n \n \n 我们对这个世界会是什么样子缺乏好的直觉，因为我们当前的经济体系是由人类和人类构建的工具驱动的。就其本质而言，\n \n \n \n \n 随着其能力全面超越人类，\n \n \n \n \n 一个由快速递归自我改进驱动的世界，可能会被那个自我改进的模型所主导，并在更广泛的经济体系中扩散。如果人类劳动不再具有竞争力，很难预测经济将呈现什么面貌。\n \n \n
\n\n \n \n 即使模型开发变得完全自动化和递归化，我们也无法预测这对大多数人的日常生活意味着什么。阿姆达尔定律在这里同样适用。递归智能可能让 Machines of Loving Grace 中描绘的许多愿景得以实现，在某些领域甚至很快。我们预计具身智能（即机器人技术）可能会紧随递归智能而来，并走上一条类似的\"投入递减而回报递增\"的路径。更强大的智能可能帮助我们更快地在物理世界中建造事物、更高效地开展救命药物的临床试验、发展出新型的协作形式。\n \n \n
\n\n \n \n 但仅仅实现递归改进，并不意味着工业生产、社会组织或市场运行方式会立即改变。再多的智能也无法缩短一种药物在几十年使用中才能暴露的效应，无法让选举早于宪法规定的时间举行，也无法在一个周末把陌生人变成老朋友。对大多数人而言，这个未来的体感速度，仍然由瓶颈决定——即使上游的实验室已经在以算力的速度运转。这个碰撞点以越来越快速度构建自身的递归智能遭遇人类世界、人际关系和治理结构，这一切是这个未来中我们同样无法预测的另一面。\n \n \n
\n\n \n \n 如果能有效地减缓这项技术的发展速度，从而为我们争取更多时间来应对其巨大影响，我们认为这很可能是一件好事。但如果减速只是让最不谨慎的参与者在技术上追赶上来，那最终可能让所有人都更不安全。在没有全球协调机制的情况下，企业和政府将不得不在竞争压力和地缘政治压力下做出关于安全的艰难决定。\n \n \n
\n\n \n \n 我们相信，让世界拥有减缓甚至暂时暂停前沿 AI 开发的\n \n \n \n \n \n 选项\n \n \n \n \n \n ，从而让社会结构和对齐研究能跟上技术前进的步伐，对世界是有益的。Anthropic 研究院\n \n \n \n \n 与其他许多机构合作\n \n \n \n \n 开展研究并采取行动，帮助建立一个可信的减速或暂停所需要的体系。这些体系将使前沿 AI 开发者能够核实其他参与者是否在全球范围内确实已经停止或减速，以及是否有不良行为者利用协调减速的掩护秘密抢跑。如果这样的体系存在，我们预计我们会选择减速或暂时暂停，当然前提是其他处于或接近前沿的开发者也以可验证的方式这样做。\n \n \n
\n\n \n \n 有意义的减速或暂停需要多家\n \n \n \n \n 分处多个国家、处于或接近前沿\n \n \n \n \n 资源充沛的实验室在相同条件下达成停止协议。它还要求各方能够验证其他方确实已经停止。由于 AI 系统的独特特性，这个军控问题中的可探测性（一个低于可验证性的标准）要素，比其他技术困难得多。\n \n \n
\n\n \n \n 训练运行比导弹发射井更容易隐藏，其投入物都是通用的，而且在别人暂停时悄悄继续的诱惑巨大，因为谁在别人停下时继续前进，谁就可能继承领先地位。一个可信的暂停还必须明确规定什么条件触发它、什么条件解除它、以及由谁来裁定。\n \n \n
\n\n \n \n 这些在原则上都未必是不可能的，世界曾经为其他复杂技术建立过核查机制（例如中导条约），但那些机制花了几十年才建立起基础设施和信任。我们没有那么多时间。\n \n \n
\n\n \n \n 相比之下，一家实验室的单方面暂停可以立即执行，但效果要有限得多：它会改变谁是领跑者，但不会创造出当前所缺少的更广泛的审议进程。\n \n \n
\n\n \n \n 在未来几个月，我们将组织政策制定者、研究者、公民社会和其他 AI 公司之间的对话，共同帮助回答本文提出的一些问题：尤其是围绕完全递归自我改进以及如何创造更好的协调与审议选项。\n \n \n
\n\n \n \n 我们会公开讨论的成果。共同探究这些问题的窗口就在眼前，而 AI 公司之外的人也应该参与这场讨论。\n \n \n
\n\n \n \n \n \n \n \n 以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。\n \n \n \n \n \n \n
\n\n \n \n >/ 作者：Marina Favaro、Jack Clark\n \n \n
\n\n \n \n >/ 投稿或爆料，请联系邮箱：\n \n \n wzglyay@virxact.com\n \n \n
\n\n
\n 说实话，我很久没关心 crypto 和比特币了。也许是对它们的兴趣以及包裹周围的叙事，也和比特币价格一样，一路往下走。毕竟下坡路最好走了。\n
\n
\n 其实这也不是我一个人的问题，所有人都喜新厌旧。这个行业的注意力已经迁徙好几年了，所有人的注意力都已挤在了 AI 大陆上。前两天和一个朋友聊天，他说如果事情有变化，多半也是因为华尔街的注意力又被新东西吸走了。钱跟着注意力走，流动性跟着钱走，留下旧故事在角落里慢慢萎缩。新人不见旧人哭。\n
\n
\n 话虽如此，但如果我们站远一点看，这也没什么好奇怪的，每一轮技术革命走的都是这条路：先吹个泡，吹个金融大泡泡，泡泡里有金子也有杂质，鱼龙混杂，把故事和技术一起带起来，向天上飘。\n
\n
\n 然后泡沫消散，真正有用的东西，包括制度、系统和技术，留下来沉淀成了一个更高的台阶，让人类站了上去。\n
\n
\n 当年的铁路是这样，互联网是这样，Crypto 现在看起来好像正在上演。而下一集，不管是什么，大概率剧情也差不多。\n
\n
\n 这么一想，泡沫其实是个英雄。真实的技术太沉重了，如果没有泡沫的浮力把它托起来，它可能永远沉在水底。\n
\n
\n 所以泡沫的宿命就是破裂。它破裂自己，背负骂名，却胸怀广大，包裹着真正的金子，上一个新的台阶，托举我们整个人类前进的步伐。它牺牲自己之后留下的东西，往往就是我们后来习以为常的新世界。泡沫真伟大。\n
\n
\n 不过还有另一种可能：有些泡沫不会消散，而是固化成一种更坚固的东西，变成一种资产（或者创新？）。以另一种方式嵌入这个世界。\n
\n
\n 还是推荐大家订阅Substack阅读全文，上一篇文章坚持了不到6个小时，但我都会在Substack上保留一份完整的，也会有一些增加的内容。\n
\n
\n Substack订阅方法：进入网址 https://wenli.substack.com/，点“订阅”输入您的邮箱地址，后面新的文章会点对点直接发到您的邮箱里。\n
\n 此内容因涉嫌违反相关法律法规和政策发送失败，查看\n \n 对应规则\n \n
\n\n
\n \n \n
\n \n \n
\n \n \n 来自 Anthropic 黑客马拉松获胜者的完整 Claude Code 配置集合。\n \n \n
\n\n \n \n \n \n \n
\n \n 不止是配置文件，而是一整套完整系统：技能体系、本能行为、记忆优化、持续学习、安全扫描，以及研究优先的开发模式。 包含可直接用于生产环境的智能体、技能模块、钩子、规则、MCP 配置，以及兼容传统命令的适配层——所有内容均经过 10 个多月高强度日常使用与真实产品开发迭代打磨而成。\n \n
\n\n \n 可在\n \n \n \n Claude Code\n \n \n \n 、\n \n \n \n Codex\n \n \n \n 、\n \n \n \n Cursor\n \n \n \n 、\n \n \n \n OpenCode\n \n \n \n 、\n \n \n \n Gemini\n \n \n \n 及其他 AI 智能体框架中通用。\n \n
\n\n \n 该插件现已\n \n \n \n 全面支持 Windows、macOS 和 Linux\n \n \n \n ，并与主流 IDE（Cursor、OpenCode、Antigravity）及命令行工具深度集成。所有钩子与脚本均已使用 Node.js 重写，以实现最佳兼容性。\n \n
\n\n \n 插件自动检测你首选的包管理器（npm、pnpm、yarn 或 bun），优先级如下：\n \n
\n\n \n CLAUDE_PACKAGE_MANAGER\n \n \n \n \n .claude/package-manager.json\n \n \n \n \n packageManager\n \n \n \n 字段\n \n \n \n ~/.claude/package-manager.json\n \n \n \n \n 要设置你首选的包管理器：\n \n
\n# 通过环境变量
export CLAUDE_PACKAGE_MANAGER=pnpm
# 通过全局配置
node scripts/setup-package-manager.js --global pnpm
# 通过项目配置
node scripts/setup-package-manager.js --project bun
# 检测当前设置
node scripts/setup-package-manager.js --detect
\n \n 或在 Claude Code 中使用\n \n \n \n /setup-pm\n \n \n \n 命令。\n \n
\n \n 使用运行时标记调整严格度或临时禁用特定钩子：\n \n
\n# 钩子严格度配置文件（默认值：standard）
export ECC_HOOK_PROFILE=standard
# 以英文逗号分隔的钩子 ID 列表，用于禁用指定钩子
export ECC_DISABLED_HOOKS=\"pre:bash:tmux-reminder,post:edit:typecheck\"
\n \n \n 最低版本：v2.1.0 或更高\n \n \n
\n\n \n 由于插件系统处理钩子的机制发生变更，本插件要求 Claude Code CLI 版本不低于 v2.1.0。\n \n
\n\n \n 查看当前版本：\n \n
\nclaude --version
\n\n\n \n 警告：\n \n \n \n 贡献者请注意\n \n \n \n ：请勿在\n \n
\n\n \n .claude-plugin/plugin.json\n \n\n \n 中添加\n \n\n \n \"hooks\"\n \n\n \n 字段。回归测试已强制禁止该操作。\n \n
\n \n Claude Code v2.1+ 会\n \n \n \n 按照约定自动加载\n \n \n \n 已安装插件中的\n \n \n \n hooks/hooks.json\n \n \n \n 。若在\n \n \n \n plugin.json\n \n \n \n 中显式声明该文件，会触发重复检测错误：\n \n
检测到重复的钩子文件：./hooks/hooks.json 指向已加载的文件
\n \n \n 历史说明\n \n \n \n ：该问题曾在本仓库中引发多次「修复-回滚」循环（#29、#52、#103）。因 Claude Code 版本间行为变更导致混淆，现已添加回归测试，防止该问题再次出现。\n \n
\n\n \n 仓库提供了插件安装方式：\n \n
\n/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc
\n \n 手动安装也写了详细步骤（注意不要重复安装 rules）。安装后就能直接用\n \n \n \n /ecc:plan\n \n \n \n 之类的命令。\n \n
\n \n 当然，multi-* 系列高级命令还需要额外装 ccg-workflow 运行时。\n \n
\nhttps://github.com/affaan-m/ECC\n \n \n \n
\n \n \n \n
\n \n \n
\n \n \n
\n \n \n \n 如果你觉得这篇文章不错，别忘了\n \n \n \n \n \n 点赞、在\n \n \n \n \n \n \n 看、转发\n \n \n \n \n \n 给更多需要的小伙伴哦！\n \n \n \n
\n\n \n \n \n 技术 / 产品交流\n \n \n \n 扫码加入交流群，备注格式：\n \n \n \n 「开发语言-城市-昵称」\n \n \n \n
\n\n \n \n 其他合作\n \n \n \n \n 请注明来意\n \n \n
\n\n \n
\n \n
\n \n \n \n
\n
\n \n \n 要点\n \n \n
\n \n\n \n 2026上半年市场的核心主线只有一个，有AI和没有AI，前者如A股创业板和韩国，后者如港股恒科，前者如A股科创，后者如A股消费。但即便强如A股，也有几百只股票创出924以来新低，即便弱如港股，也有大模型和IPO的显著涨幅。\n \n 因此，与其非得说港股有什么不同，倒不如说港股更“真实”的反应了中国基本面强者更强，弱者更弱的分化。\n \n 毕竟港股指数中的权重股都与消费大盘有更紧密的联系。\n \n \n
\n \n \n
\n \n \n 对于港股上半年相对“落寞”的表现，我们并不意外，我们去年底的多项判断，\n \n 如整体指数空间有限，年初亢奋时提示风险，不建议用人民币升值与外资流入和港股表现划等号，以及不建议因为没涨就切换到消费上，\n \n 多数得到验证。\n \n \n
\n \n \n
\n \n
\n \n 往前看，\n \n 当前K型的经济与K型的市场能否收敛、谁向谁收敛？港股还能否迎来机会，如果有，机会来自哪个方向？不同板块的赔率和胜率如何？\n \n 我们对下半年港股市场的前景做了一些思考，供投资者参考。\n \n
\n\n \n \n \n 点击小程序查看报告原文\n \n \n \n
\n\n \n
\n \n
\n \n \n Abstract\n \n \n
\n\n \n \n 摘要\n \n \n
\n\n \n
\n \n
\n \n 经历了2025年的大幅上涨，2026年的港股显得有些“落寞”，内有A股创业板对比，外有韩国美股衬托，使得资金与关注度都大不如前。\n \n 对此，我们并不意外。我们在去年底的多项判断，尤其是与主流观点不同的看法，多数得到验证：\n \n 如整体指数空间有限，年初情绪高亢时提醒风险，不建议用人民币的叙事来照搬到港股表现上，不建议仅仅因为没涨就高切低到消费上等。\n \n
\n\n \n
\n \n
\n \n \n 一、港股落寞的背后：恰是“更直接”反映了中国信用周期的走向和分化\n \n \n
\n\n \n
\n \n
\n \n 但何以至此？不解释清楚过去，就难以展望未来。\n \n 一是基本面，\n \n 除了前置发力外，看似强劲的一季度增长实则掩盖的是更加明显的内部分化，科技和外需强，消费和内需弱，\n \n 这与我们在去年底判断中国信用周期走向整体震荡但结构分化是一致的。\n \n 港股恰有大批与消费内需大盘相关的权重股，如互联网、电商、电动车甚至新消费，但指数中缺少AI硬件与外需。所以，\n \n 与其说港股有什么不同，倒不如说其恰恰“更直接”反映了中国基本面强者更强、弱者更弱的K型分化。\n \n \n
\n\n \n
\n \n
\n \n \n 二是流动性，\n \n 去年底的广泛共识是国内和海外流动性都将维持甚至更加宽松，如美元走弱、海外央行持续宽松、人民币升值吸引更多外资，南向资金延续等流行的叙事，对此我们有疑虑。结果，\n \n 港股反而成了今年内外部流动性收紧“最受伤”的交汇点：\n \n 美元没有如期走弱，四大央行有两个将走向紧缩，南向与海外资金都明显缩水等等。\n \n 展望下半年，港股市场的前景与配置方向也藏在这两者的变化之中。\n \n \n
\n\n \n
\n \n
\n \n \n 二、中国周期走向的抓手：外需与实际利率\n \n \n
\n\n \n
\n \n
\n \n \n 有两个数据的“转折点”可以生动的诠释中国信用周期的分化。\n \n 一是居民信贷增速首次转负。经历了2024年下半年到2025年中短暂的企稳后，居民信贷增速2025年下半年开始再度快速下行，并跌入负区间。如果从更长维度看，2017年地产见顶，尤其是2021年三条红线后，居民信贷增速下行已延续了10年。\n \n 二是指数Wind全A和创业板指均创历史新高。\n \n \n
\n\n \n
\n \n
\n \n 理解这种分化与转折背后的含义，\n \n 就要从理解中国增长所处的内外部环境、政策的长短期目标约束出发。\n \n \n
\n\n \n
\n \n
\n \n \n ► 外部环境提供了外需的“宝贵”窗口：\n \n 2019年尤其是2021年之后，因为地产周期下行和政策引导，大量信贷资金流向制造业，客观上也造成了政策支持方向如汽车制造等供需失衡问题。但过去三年，全球环境的几个重要变化客观上提供了外需的宝贵窗口：1）两次地缘冲突造成的能源转型需求；2）两次贸易摩擦带来的新兴市场供应链重构对中间品的需求；3）AI的崛起拉动的新增投资。当然，还有很大的成本优势，\n \n 所以才有了过去两年不断扩大的出口和顺差，支撑了增长的企稳。\n \n \n
\n\n \n
\n \n
\n \n \n ► 出口强劲给政策提供了腾挪空间，以利用这一宝贵战略窗口期发展科技和升级产业，\n \n 应对未来不可逆甚至随时可能更为严峻的供应链重构。从长期角度，即便外部环境不进一步升级，科技自主与产业升级也是战略之举，是经济发展阶段的需要，这从“十五五”规划、今年两会强调智能经济与未来能源，以及财政更多向“两重”等倾斜是一致的。\n \n
\n\n \n
\n \n
\n \n \n ► 那也就意味着除非外需失控拖累整体增长，政策重心或仍将以科技与产业为主。\n \n 虽然进入二季度，内需再度转弱，但外需和科技的强劲足以对冲，使得政策重心依然放在产业与科技上。\n \n 换言之，只要外需和就业不出大问题，财政可能没有很大紧迫性在当前水平上大举加码、并向内需倾斜，\n \n 毕竟现在全社会总债务比例已经处于较高水平，尤其是政府债务过去5年增加较快。\n \n 因此，财政脉冲将与去年持平且向科技和产业倾斜依然是我们的基准假设。\n \n \n
\n\n \n
\n \n
\n \n \n ► 因此，内外需与科技的分化或仍将延续。\n \n 外需在额外份额和新增能源转型和科技需求下或仍将保持韧性，除非全球因持续的高油价进入衰退且主要央行激进加息。相反，内需在缺乏外力支持下的自我修复仍然缓慢，\n \n 因此整体信用周期震荡和结构分化不仅未收敛，反而可能进一步加大。\n \n \n
\n\n \n
\n \n
\n \n \n 判断基本面走向的另一个重要抓手是实际利率，也是决定信用周期的关键。\n \n 名义利率走低（当前10年国债1.7%）、PPI中生产资料走高、PPI中消费产品尤其是CPI中猪价不断下行，构成了一个“有意思”的组合，\n \n 即外需与科技通胀上行、内需尤其是消费修复偏慢，\n \n 因为前者面临更高的回报（5.4%）和较低的实际利率（3.7%），带来更高的业绩弹性，后者面临原本低迷的回报（消费3%、购房-3%）和反而更高的实际利率（消费2.6%、购房2.1%）[1]，\n \n 货币政策或许很难直接解决这一问题，财政重心如上所述也主要在科技端，汇率相比利率可能会起到更有效的调节作用，不过或许要等整体政策思路调整才可能有更大期待。\n \n 所以，我们一直不同意只用通胀下行来概括中国的经济，太过狭隘，\n \n 更恰当的总结应该是整体通胀下行掩盖下的流动性过剩和局部通胀上行，这与市场的结构性分化是一致的。\n \n \n
\n\n \n
\n \n
\n \n \n 三、流动性变化的堵点：油价与中期选举\n \n \n
\n\n \n
\n \n
\n \n \n 相比A股，港股因其特殊环境对流动性更为敏感，\n \n 流动性强时（如2025年南向大举流入1.4万亿港元，海外资金一度超配，美联储降息），港股市场表现领先；流动性弱时（如今年至今南向资金流入不到3000亿港元，海外资金配置下降，美联储紧缩预期升温），港股则明显落后。\n \n
\n\n \n
\n \n
\n \n 我们预计国内流动性环境应该会继续维持宽裕，尽管二季度可能面临边际收紧，居民再配置也仍有空间，\n \n 但对港股而言，南向资金能否再度大举流入取决于港股表现好坏，并且海外流动性的变数更大。\n \n 目前，市场预计欧央行与日央行大概率6月加息，会形成阶段性的紧缩环境。但我们认为，市场现在预期美联储年内加息还是太悲观了，毕竟加息的门槛很高（我们测算，油价需要冲击150美元并维持在120美元以上直至年底），这意味着预期伊朗局势一直无解。这对于选情已经较为紧张（特朗普整体支持率已降至39.8%，通胀议题更是低至28%）的特朗普可能是难以承受的，且越临近年底、风险越大。\n \n
\n\n \n
\n \n
\n \n \n 所以，流动性堵点来自油价，背后是中期选举的压力。\n \n 伊朗局势缓和油价回落带动美债利率下行，至少可以缓解港股分母端的压力，如果能有进一步基本面催化，也可以推动更多资金配置的正循环。\n \n
\n\n \n
\n \n
\n \n \n 四、配置的思路：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n
\n \n
\n \n 基于我们对整体中国信用周期的判断，\n \n 我们维持对港股指数中性震荡的看法，基准情形下恒指点位27,000-28,000。\n \n 考虑到紧张的流动性环境和长期低迷，后续的边际变化（如美债利率回落、又或是互联网龙头在AI投入上的催化）\n \n 都可能带来恒科等成长板块一定低位的估值修复，即赔率不差。\n \n \n
\n\n \n
\n \n
\n \n \n 从配置角度，市场极致分化的背后恰是信用周期分化的直接映射。\n \n 科技如若一枝独秀，内需也就相对疲弱，资金也难以轮动，更多是短期躲避高估值和高拥挤资金行为。\n \n 所以，我们在配置上还是建议紧跟信用能扩张的方向。一是科技，\n \n 整体AI产业没有到普遍泡沫的程度，阶段的透支是有的。例如美国五大云厂商的经营性现金流已被资本开支基本耗尽，国内头部云厂商自由现金流还维持正值，但边际也已出现收敛。不过从渗透率看，当前中国AI渗透率约16-19%，距历史超额行情见顶的20-25%的阈值仍有一定距离，所以走到现在需要以每一个业绩期作为关键检验点。\n \n 二是周期，但偏左侧，\n \n AI投资的深化与美债利率回落和海外财政增量都是周期的信用扩张催化。\n \n 三是泛外需，\n \n 但需要更多全球基本面修复的拉动。相反，\n \n 如果信用扩张方向难以为继，内需也无法接棒，那分红与稳定增长方向可能会重新吸引投资者，\n \n 这也是港股具有特色吸引的方向，如银行和本地需求，今年表现也并不差。\n \n
\n\n \n
\n \n
\n \n \n 我们进一步根据微观流动性、美债利率敏感性、基本面预期改善情况、动态估值，测算了各板块的赔率与胜率，发现：\n \n 1）互联网、医疗设备、汽车与零部件赔率与胜率情况都相对较好；2）半导体、周期品、创新药、机械、电气设备胜率较好，但赔率不高；3）消费板块整体赔率靠前；4）科技硬件、公用事业、贸易公司等行业胜率与赔率均不占优，\n \n 与上面的结论大体一致。\n \n \n
\n\n \n
\n \n
\n \n 所以总结而言，\n \n 科技看海外；外需看油价；内需看政策。\n \n \n
\n\n \n
\n \n
\n \n \n 风险提示\n \n \n
\n\n \n
\n \n
\n \n 海外地缘局势及主要央行政策路径存在不确定性；国内信用周期、政策效果、AI产业链景气及资金面均有不确定性；本文涉及的盈利预测、指数测算和行业配置判断等可能偏离实际\n \n
\n\n \n
\n \n
\n \n \n 目录\n \n \n
\n\n \n
\n \n
\n \n \n 2026上半年回顾：分化的市场、落后的港股\n \n \n
\n\n \n \n 宏观环境：强者更强、弱者更弱\n \n \n
\n\n \n 信用周期走到哪了？整体震荡下是结构进一步分化\n \n
\n\n \n 信用周期的走向？K型分化继续，除非外需承压\n \n
\n\n \n \n 中观视角：结构市的历史特征与拐点判断\n \n \n
\n\n \n 结构市的历史经验与表现特征\n \n
\n\n \n 如何判断景气产业与行情的拐点？\n \n
\n\n \n \n 市场趋势：短期弹性看美债，长期空间靠盈利\n \n \n
\n\n \n 指数空间：基准27,000-28,000、乐观30,000、悲观21,500\n \n
\n\n \n 企业盈利：增速3-4%，市场预期仍偏高\n \n
\n\n \n 估值水平：基准空间2-3%，修复动力主要来自利率\n \n
\n\n \n 资金面：延续紧平衡，打新仍或受关注\n \n
\n\n \n \n 配置建议：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n 配置思路：基准科技与分红轮动，乐观从科技到周期再到外需\n \n
\n\n \n 择时策略：结合拥挤度的短期轮动辅助\n \n
\n\n \n 组合筛选：高景气、外需映射、困境反转、高分红\n \n
\n\n \n
\n \n
\n \n \n Text\n \n \n
\n\n \n \n 正文\n \n \n
\n\n \n
\n \n
\n \n \n 2026上半年回顾：分化的市场、落后的港股\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 2026年上半年的港股明显落后于A股和全球股市，且内部的分化加大，不过我们对此并不意外。回顾去年底我们在\n \n 《2026年展望：“牛市”的下一步》\n \n 做出的一系列判断，尤其是一些和市场主流观点不同的看法，无论是：\n \n 1）整体信用周期偏弱震荡，市场指数层面上行空间有限；\n \n 还是\n \n 2）“高切低”向泛消费扩散的行情难以出现，仍需关注景气结构；\n \n 又或是\n \n 3）人民币强不代表股市一定强，反而可能压抑南向资金的配置意愿，\n \n 目前来看都得以印证。\n \n
\n\n \n
\n \n
\n \n 然而，在整体港股表现不佳的背后，那些贴合产业趋势的高景气结构则表现亮眼，AI大模型、半导体科技赛道涨势强劲，只不过在指数里很少得以体现。与此同时，港股IPO打新的火热程度也比我们预想的更强。\n \n
\n\n \n
\n \n
\n \n \n ► 为何整体表现不佳？信用周期震荡，传统部门趋弱、核心权重股不在市场关注点。\n \n 宏观层面，我们判断今年国内信用周期从2025年的修复走向震荡，这会约束指数的上行空间，\n \n 正是基于此，年初恒指一度触及28,000点时我们明确提示谨慎、不建议追高。\n \n \n
\n\n \n
\n \n
\n \n \n 传统需求再度走弱，\n \n 也使得与消费等传统需求相关的指数权重股如互联网、电商、新能源车表现乏力，再加上行业竞争导致的盈利承压。相反，作为今年全球交易主线的AI硬件却在港股主要指数内鲜有踪迹，传统互联网大厂AI布局滞后、技术迭代偏慢、缺乏核心成长弹性，也在这一轮AI行情中明显落后。\n \n
\n\n \n
\n \n
\n \n \n ► 为何行情极致分化？资金紧平衡导致资金更聚焦景气方向。\n \n 今年全球主线高度集中于算力、半导体与储能等AI的瓶颈硬件资产，市场分化加大，这也是全球的普遍现象，A股创新高的背后仍有超60%的公司是下跌的。尤其自4月指数快速上涨以来，仍有超400家公司股价创2024年“924”以来新低，A股中证消费指数甚至已跌回“924”前水平。港股也是如此，少量贴合全球热点的硬科技标的，如宁德等涨幅甚至优于其A股，一些IPO上市后表现也非常亮眼，这背后都是景气方向，也是信用扩张的方向。\n \n
\n\n \n
\n \n
\n \n \n ► 为何资金面“紧平衡”？国内资金“跷跷板”与海外市场分流。\n \n 我们在年初发布的\n \n 《港股资金面透视》\n \n 中便提出，港股资金面今年整体“紧平衡”。人民币升值导致内资南下资金面临汇兑损益，A股指数创新高与港股不温不火的对比也压抑内地投资者配置港股意愿，南向流入较去年显著降温，一季度公募港股配置比例回到“924”前水平。此外，韩国与中国台湾等硬科技盈利高增、在全球指数权重已超中国大陆，虹吸全球主被动资金。\n \n
\n\n \n
\n \n
\n \n \n ► 为何港股IPO再超预期？优质公司与资金的共振。\n \n 我们自2025年中便提示关注港股IPO打新机会（\n \n 《港股IPO市场与打新收益分析》\n \n ），但今年的热度与收益比我们预期更火热。公司层面，港交所18C规则的包容性吸引了智谱与Minimax等贴合全球AI主线但尚未盈利的公司，政策支撑与前期A转H公司优异表现也使越来越多A股公司如兆易创新、澜起等赴港。此外，资金的紧平衡、优质方向的稀缺，反而使得资金更加集中，这从部分IPO更高的认购倍数上也可以得到体现。\n \n
\n\n \n
\n \n
\n \n 图表1：港股尤其恒生科技的下跌盈利占主导，相反领涨的创业板与标普500则均为盈利贡献\n \n
\n\n \n
\n \n
\n \n 图表2：尽管整体表现不佳，但港股内部贴合全球科技主线的科技实际表现不输A股\n \n
\n\n \n
\n \n
\n \n 图表3：年初以来港股有18%的标的跑赢恒指20%以上，但也有25%的标的跑输恒指20%以上\n \n
\n\n \n 注：数据截至2026年5月30日\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 宏观环境：强者更强、弱者更弱\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 信用周期走到哪了？整体震荡下是结构进一步分化\n \n \n
\n\n \n
\n \n
\n \n 2026年开年以来，港股宽幅震荡、结构分化加剧，这与我们在年度展望中的判断基本一致。\n \n 我们此前将2026年基准情形定义为“信用周期震荡放缓、产业趋势继续”，\n \n 即指数层面难以全面扩散，但科技、外需和部分产能出清方向仍有结构机会。\n \n
\n\n \n
\n \n
\n \n 中国经济总量不算弱，一季度实际GDP同比增长5.0%。但这种“不弱”不是传统顺周期复苏，一季度经济开门红后，4月经济数据再度走弱，体现为高度结构化：\n \n 生产强于需求，企业强于居民，外需强于内需，新兴产业强于传统部门。\n \n \n
\n\n \n
\n \n
\n \n \n ► 生产强于需求。\n \n 工业生产保持韧性，1-4月规模以上工业增加值同比增长5.6%，其中4月同比增长4.1%，较3月放缓；结构上，高技术制造业1-4月同比增长12.6%，快于整体。投资端分化明显，多集中在设备更新、高端制造和产业升级方向，1-4月全国固定资产投资同比下降1.6%，高技术产业投资增长6.1%，其中计算机及办公设备制造业、信息服务业投资分别增长13.9%和18.1%。\n \n
\n\n \n
\n \n
\n \n \n ► 外需强于内需。\n \n 2026年前4个月外贸保持较强韧性，出口累计同比增长11.3%。结构上，出口仍主要由机电产品和高附加值制造品支撑，前4个月机电产品出口同比增长17.6%；其中电动汽车、锂电池、风力发电机组等绿色低碳产品出口分别增长68.1%、43.2%和40.7%，工业机器人出口增长30%。这表明中国出口优势继续向新能源、智能制造和供应链中间品集中。\n \n
\n\n \n
\n \n
\n \n \n ► 消费和地产依然偏弱。消费修复偏温和，\n \n 1-4月社会消费品零售总额同比增长1.9%，低于去年同期的4.7%，且4月单月仅增长0.2%，服务消费好于商品消费，整体需求弹性仍不足，以旧换新分项同比两位数下滑。居民行为也显示预防性储蓄仍强：一季度全国居民人均可支配收入名义增长4.9%，但人均消费支出仅增长3.6%，消费支出增速继续低于收入增速。\n \n 地产仍未系统修复，\n \n 1-4月全国房地产开发投资同比下降13.7%，新建商品房销售面积下降10.2%，销售额下降14.6%，个人按揭贷款下降31.7%。虽然核心城市二手房阶段性成交改善，但仍不足以确认居民信用周期进入右侧拐点。\n \n
\n\n \n
\n \n
\n \n \n ► 价格回升更偏成本型，非全面需求型再通胀。\n \n 一季度CPI同比上涨0.9%，4月同比上涨1.2%，仍属温和修复；PPI一季度同比仍下降0.6%，但3月转正至0.5%，4月进一步升至2.8%。关键在于结构：4月PPI中生产资料价格上涨3.8%，生活资料价格下降1.0%；工业生产者购进价格同比上涨3.5%，高于出厂价格2.8%。这说明价格上行主要来自上游、能源和原材料成本，向中下游和终端消费的传导仍不顺畅。\n \n
\n\n \n
\n \n
\n \n \n 因此，上半年中国经济呈现“K型分化”与“政策前置发力”两大特征。一方面，结构分化显著：\n \n AI产业链在外需拉动和国内资本开支驱动下发展，带动相关出口与投资，企业信贷脉冲修复；传统内需侧，受居民消费意愿较弱等因素影响，居民信贷脉冲走弱。\n \n 另一方面，政策超前发力后可能会观望甚至逐步退坡：\n \n 一季度政策前置发力，助推经济实现“开门红”；进入二季度，政策力度自然退坡，叠加外部地缘局势扰动加剧，内生动能不足问题随之显现。这种“产业冷热不均”与“政策支撑脉冲”的交织，映射为权益内部科技与外需方向占优的分化格局。\n \n
\n\n \n
\n \n
\n \n 图表4：一季度GDP增长体现为高度结构化\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 图表5：价格回升更偏成本型，而非全面需求型再通胀\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 信用周期的走向？K型分化继续，除非外需承压\n \n \n
\n\n \n
\n \n
\n \n \n 判断中国信用周期能否修复，关键看投资回报能否覆盖融资成本。\n \n 过去几年反复证明，流动性充裕、储蓄较高和利率下行，并不必然带来居民消费和地产销售的大幅提振，或股票市场的全面增量资金。\n \n 信用扩张的原动力来自相对回报，\n \n 即预期回报要高于成本，尤其是私人部门投资，扮演逆周期调节机制的政府财政支出看似短期不受此约束，但如果考虑短期经济回报以外更广义的社会回报，也是如此。\n \n
\n\n \n
\n \n
\n \n 基于这一框架，我们去年底在\n \n 《2026年展望：“牛市”的下一步》\n \n 中的判断不断得到验证，当前中国信用周期震荡放缓、结构分化：\n \n 1）居民信贷脉冲持续走低，\n \n 本质上因为预期回报难以覆盖加杠杆成本；\n \n 2）企业信贷脉冲回暖，\n \n 但内部分化明显，传统内需板块投资回报不足，外需链条有订单和利润支撑，科技和新兴产业则受政策支持，政策支持可以降低企业信用扩张所需的实际回报门槛；\n \n 3）财政脉冲前置发力，但边际动能开始减弱，\n \n 对私人部门需求的对冲效果有限。\n \n
\n\n \n
\n \n
\n \n \n 从总量看，下半年信用周期自发修复的动能有限。\n \n 原因在于，\n \n 中国当前的实际融资成本仍高于经济内生回报水平，\n \n 我们测算中国实际利率0.55%与自然利率0.34%之差为0.21ppt，二者差值较2025年6月2.5ppt已大幅收缩了2.3ppt，但依然高于美国的-0.09ppt。政策924以来有效避免私人信用进一步大幅收缩，今年一季度前置发力，但更多是企业端和财政端托底，居民信用仍然偏弱。\n \n 因此，要让信用周期重新进入全面扩张，还是需要更强的财政刺激。\n \n 我们测算，需要新增6万亿元以上赤字，广义财政赤字脉冲才能抬升至约4%，接近2022年中以来高位。\n \n
\n\n \n
\n \n
\n \n \n 但现实中却很难达到这一水平：\n \n 一方面，政策对于短期快速透支未来加杠杆空间持谨慎态度；另一方面，短期增长并不差，也使得政策并不急于新增刺激，而是更多服务于科技创新、产业升级等中长期战略方向。\n \n
\n\n \n
\n \n
\n \n \n 什么会迫使政策短期偏离这一战略目标？\n \n 增长明显走弱，类似于924之前，但在当前主要是外需出问题。否则，外需的继续强劲和内需的企稳组合就可以构成相对温和的增速，使得政策重心依然放在产业与科技上。换言之，只要外需和就业不出大问题，财政大举加码发力并向内需倾斜的必要性降低。这一情况下，\n \n 我们预计下半年财政维持托底的可能性较大，信用周期整体或继续偏弱。\n \n \n
\n\n \n
\n \n
\n \n 图表6：下半年信用周期整体或继续偏弱\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表7：中国实际利率（0.6%）低于美国（1.3%），自然利率（0.3%）低于美国（1.4%）\n \n
\n\n \n 资料来源：Wind，Bloomberg，美联储，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 居民：信用再度收缩，地产K型修复\n \n \n \n
\n\n \n
\n \n
\n \n \n 整体居民信用再度收缩，脉冲角度已经回到924之前，且消费地产持续偏弱：1）消费：\n \n 五一档票房7.58亿元，仅同比微升；五一居民出游人次同比增长约3.5%，但人均花费同比下降约0.6%，延续“量增价弱”的特征。\n \n 2）地产：\n \n 2026年以来“小阳春”带动北京、上海等核心城市二手房市场阶段性企稳，但热度尚未充分传导至新房市场，地产仍未系统性修复。\n \n
\n\n \n
\n \n
\n \n \n 居民部门内部也呈现明显的“K型特征”，1）资金端，存款搬家但并非全面入市，\n \n 主要是高净值资金流向保险、黄金、私募等，大众化权益基金增长有限。\n \n 2）居民存贷背离，\n \n 居民净存款持续高增，继续维持在11-14万亿元的高位，但贷款增速下行、房贷早偿偏高。\n \n 3）存款来源上，存款创造从传统信贷驱动转向财政投放和出口结汇驱动，\n \n 这也使得资金更多流向财政支持领域、出口制造业和新兴产业。\n \n
\n\n \n
\n \n
\n \n \n 往前看，\n \n 判断2026年下半年居民信用周期能否迎来拐点，仍需关注居民端“回报-成本”差值能否走向扩张。\n \n
\n\n \n
\n \n
\n \n \n ► 居民消费：\n \n 回报用城镇居民人均可支配收入累计实际同比近似代替，成本则用一般贷款利率-CPI累计同比衡量。对于居民消费，实际回报（收入实际同比）从去年3月阶段性高点的5.0%下滑1.8ppt至今年3月的3.2%，同期实际成本（一般贷款利率-CPI累计同比）仅从3.85%下滑1.2ppt至2.6%，回报与成本之间差值反而从1.15ppt收敛至0.56ppt，对应居民信贷脉冲处于弱势。\n \n
\n\n \n
\n \n
\n \n \n ► 居民购房：判断居民购房意愿能否修复，核心仍是比较购房回报与成本。\n \n 购房回报用70城新房价格同比+样本城市租金回报率-CPI同比衡量，购房成本则对应个人住房贷款利率-CPI同比。居民购房实际回报（70城新房价格同比+样本城市租金回报率-CPI同比）从2025年9月前期高点的-0.57%下滑2.46ppt至当前的-3.03%，同期购房实际成本（个人住房贷款利率-CPI同比）从3.36%下滑1.3ppt至2.06%，二者差值从-3.93ppt进一步下行至-4.78ppt。因此虽然按揭利率下行降低购房成本，但房价增速偏弱、租金回报率偏低，使得购房总回报难以覆盖实际按揭成本。\n \n
\n\n \n
\n \n
\n \n \n 政策是否可以改善这一局面？1）融资成本：银行净息差、输入型通胀等压力限制政策空间。\n \n 2026年第一季度货币政策执行报告删除了“降息降准”的相关表述，转而强调政策协同，基调从进一步宽松转向中性，融资成本整体大幅下行的可能性较低。\n \n 2）投资回报：政策传导更偏“托底”而非“再杠杆”。\n \n 以地产为例，2026年以来主要城市地产政策优化，包括限购放松、公积金额度上调、商贷转公积金、公积金贴息、套数认定优化等，这些措施可以缓解房企现金流和提前还贷压力，但要转化为全国性的新增按揭扩张，仍取决于购房回报能否持续修复，尤其是房价预期。\n \n
\n\n \n
\n \n
\n \n \n 往前看，房价预期企稳大概率是一个渐进、分层、由核心城市向外扩散的过程。\n \n 今年地产“小阳春”主要集中在核心城市，且居民尚未重新进入加杠杆周期。“小阳春”期间，4月居民中长期贷款反而明显收缩，一方面或受商转公等因素扰动，另一方面也反映居民购房行为或更谨慎，成交回暖可能更多来自存量需求释放和低总价、低杠杆交易，而非过去总价上移、贷款扩张的换房模式。未来一到两年，部分库存出清较充分、人口和产业支撑较强的城市，我们预计或有望沿着“二手房企稳、新房改善、投资拖累减弱”的路径修复；但库存压力较大、人口流出或产业支撑不足的城市，修复周期会更长。\n \n 因此今年内所有城市房价预期大幅抬升可能性有限，且各城市分化明显。\n \n \n
\n\n \n
\n \n
\n \n 图表8：居民信贷脉冲下行，企业信贷脉冲修复\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表9：2026年下半年居民和企业信用周期分化\n \n
\n\n \n 注：回报成本数据区间：1）消费：2025年3月至2026年3月；2）购房：2025年9月至2026年4月；3）企业：2025年6月至2026年3月\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表10：居民购房回报同样与购房成本差值收敛\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 企业：整体好于居民，但同样K型分化\n \n \n \n
\n\n \n
\n \n
\n \n \n 企业部门整体好于居民，但扩张或集中在经营回报能覆盖实际融资成本的方向，如外需和科技。\n \n 以企业贷款利率-PPI累计同比衡量的企业实际融资成本已从2025年6月的6%高位回落至当前的3.7%，以工业企业累计利润总额/营业收入衡量的经营回报同期从5.1%边际改善0.3ppt至5.4%，回报-成本差值从-0.9%上行至1.5%，对应企业信贷脉冲由负转正，部分行业已具备结构性信用扩张条件。\n \n
\n\n \n
\n \n
\n \n \n 但这并不意味着企业部门全面扩张，拆分看，行业经营回报与实际融资成本依然分化。1）外需链条表现较好：\n \n 海外需求仍在拉动订单、收入和利润，使经营回报能够覆盖融资成本。\n \n 2）科技和先进制造方向较强：\n \n 更多来自产业趋势和政策支持，政策支持实际上相当于降低企业所需的实际回报门槛，通过政府引导、信贷倾斜等方式，提高项目落地概率。\n \n 3）相反，补贴退坡后的部分汽车链条，以及需求不足、价格承压的部分周期行业，则是反例：\n \n 随着需求不足或政策支持边际减弱，即便融资成本下行，企业也可能转向价格竞争、压缩资本开支，而非主动扩张。\n \n
\n\n \n
\n \n
\n \n \n 往前看，上游资源、高景气制造和政策支持方向更具扩张条件：1）部分上游资源品和价格改善行业，\n \n 如有色金属采选、有色金属加工、油气开采（行业累计利润/营业收入）与（企业贷款利率-行业PPI累计同比）的差值较大，截至2026年3月分别为68.9ppt、25.8ppt和24.6ppt，回报大幅高于成本。\n \n 2）全球AI资本开支和算力基础设施带动的行业，\n \n 如计算机、通信和其他电子设备，虽然当前回报与成本差值在所有行业中排序居中，但营业收入累计同比从2025年底的7.4%，已跃升至今年初的双位数增长，4月营业收入累计同比增长15.7%，利润总额累计同比增速则达到三位数，叠加政策支持和政府引导投资或进一步修复。由于企业侧存在更明确的项目载体和产业方向，政策对企业端的支撑或强于居民端。\n \n
\n\n \n
\n \n
\n \n 图表11：企业融资成本回落，经营回报边际改善\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 政策：不急于加码，重心在科技\n \n \n \n
\n\n \n
\n \n
\n \n 2019年尤其是2021年之后，因为地产周期下行和政策引导，大量信贷资金流向制造业，客观上也造成了失衡。但是过去三年，全球环境的几个重要变化客观上提供了宝贵的窗口：1）两次地缘冲突造成的能源转型需求；2）两次贸易摩擦带来的新兴市场供应链重构对中间品的需求；3）AI的崛起拉动的新增投资。当然，还有很大的成本优势，所以才有了过去两年不断扩大的出口和顺差，\n \n 这给政策腾挪提供了重要的空间。\n \n \n
\n\n \n
\n \n
\n \n \n 当前虽然私人部门信用周期修复不均衡、整体经济结构分化加剧，但总量增长并不差，\n \n 生产、外需、新兴产业和部分制造业投资仍具韧性。\n \n 这种分化一定程度上或许也是政策所希望看到的：\n \n 信用和资源不会大规模流向地产和传统基建，而是更多倾斜给科技创新、先进制造、安全发展和外需韧性等部门。\n \n
\n\n \n
\n \n
\n \n \n 这一背景下，当前政策的发力方向和力度仍会服务于长期目标。具体而言：1）长期目标：\n \n 2035年达到中等发达国家水平。根据《党的二十届四中全会〈建议〉学习辅导百问》的分析[2]，大概相当于2035年人均GDP达到20000美元的门槛，对应年均增速4.17%。与过去几年GDP增速相比，尚不构成显著约束。2）短期目标：今年GDP增速目标4.5%-5.0%，市场预期这一目标不难实现，在中国基本面具备韧性的情况下，基准情形下财政大举发力的紧迫性不高。\n \n
\n\n \n
\n \n
\n \n \n 从政策取向看，财政更可能是“托底型”和“结构型”。\n \n 2026年政府工作报告提出赤字率约4%，发行1.3万亿元超长期特别国债和4.4万亿元地方政府专项债，同时安排中央预算内投资和“两重”建设资金，\n \n 财政力度与2025年基本持平，资金投向的重心在于新质生产力、有效投资和产业升级。\n \n 只要外需仍能承接部分增长压力，我们认为政策可能不会从“结构性托底”直接切换为“全面再杠杆”。\n \n
\n\n \n
\n \n
\n \n \n 毕竟，财政大举发力仍受制于杠杆率和收入端。\n \n 1）杠杆率：我们测算，截至2025年底中国政府杠杆率（包括中央政府、地方政府、LGFV）已经达到113%。在调整国内收入后，中国政府杠杆率达95%，超过日本（80%）和美国（67%）[3]。2）财政收入：土地出让收入跌幅持续扩大，2月和3月累计同比达-16%左右，地方政府财政发力因而受限。\n \n 往前看，政策是否会暂时搁置以上限制、边际发力，关键看两道门槛：就业和外需。\n \n \n
\n\n \n
\n \n
\n \n \n ► 就业：\n \n 4月服务业PMI从业人员分项处于45.5的低位，但尚未触及2024年9月的低点，实际工资性收入同比从去年12月的5.3%下滑至今年3月的4.0%。\n \n 当前的就业压力更多体现为结构性问题，政策倾向定向纾困，而非宏观层面的全面财政扩张。\n \n \n
\n\n \n
\n \n
\n \n \n ► 外需：外部冲击主要来自伊朗局势，但对中国而言并非单向负面，原因有两点：1）中国具有“份额优势”，\n \n 首先出口价格下降、实际有效汇率仍低于此前高点，其次中国能源结构仍以煤炭（61%）为主导，可以在伊朗局势扰动他国产能时维持更长时间的正常生产，从而在伊朗局势中提升全球份额；\n \n 2）能源冲击可能催生“新三样”增量需求，\n \n 中国“新三样”（电动载人汽车、太阳能电池、锂离子蓄电池）受益于海外绿电需求，3月出口同比增速仍维持在71.8%的高位，“新三样”在中国出口中的占比也抬升至6.7%的历史高点。\n \n
\n\n \n
\n \n
\n \n \n 因此伊朗局势并不改变中国信用周期“震荡偏弱、内部分层”的判断。\n \n 5月底美伊接近达成一项涉及60天停火延长，霍尔木兹海峡重新开放[4]。但油价难以立即回到冲突前水平，后续也存在局势反复的可能。伊朗局势对中国经济的影响走向，仍要看高油价持续多久，是否会演化为全球需求衰退、主要央行加息。\n \n
\n\n \n
\n \n
\n \n 综合来看，下半年宏观环境的核心判断可概括为：\n \n 总量有一定韧性，但信用难以全面扩张，私人部门修复仍不均衡，流动性也依然只愿意流向少数有回报的资产。\n \n 对于港股市场，这意味着指数层面可能维持震荡，机会仍来自信用能够扩张的方向，比如AI算力、外需映射、部分资源品和政策结构性支持领域。\n \n
\n\n \n
\n \n
\n \n \n 节奏上，三季度可能是观察信用周期边际变化的重要窗口：\n \n 若二季度宏观动能偏弱，7月政治局会议前后政策稳增长诉求可能边际增强，带动广义财政脉冲企稳回升；私人部门也可能在企业端出现边际修复，主要受PPI回升、出口韧性、AI和高端制造资本开支延续支撑，但依然属于结构性修复。此外，若三季度美债利率压力边际缓和，则可能与国内财政边际加力、企业信用修复形成共振。\n \n
\n\n \n
\n \n
\n \n 图表12：政策向投资倾斜，消费小幅平衡\n \n
\n\n \n 资料来源：中国政府网，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表13：2019年尤其2021年后，由于地产周期下行和政策引导，大量信贷资金流向制造业\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表14：如果关税和就业不出大问题，我们判断财政超额发力的可能性较低\n \n
\n\n \n 注：货币单位均为人民币\n \n \n
\n \n \n 资料来源：中国政府网，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表15：信用周期方向：2024年收缩，2025年修复，2026年震荡；结构向投资与科技倾斜\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 中观视角：结构市的历史特征与拐点判断\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 如上文分析，当前信用周期呈现总量持平震荡、结构分化的运行特征，居民信贷脉冲持续走低，企业信贷脉冲边际回暖但内部分化持续加大。对应到中观财报数据，目前新兴产业与传统部门的归母净利润增速也呈现出明显“K型分化”。\n \n
\n\n \n
\n \n
\n \n \n 结构市的历史经验与表现特征\n \n \n
\n\n \n
\n \n
\n \n \n 当前这一分化格局并非首次出现，\n \n 历史上2014年7月至2015年1月、2022年4月至2022年12月曾先后出现与当前高度相似的阶段，\n \n 划分依据是：\n \n 一是居民脉冲均已从高位持续走低一段时间，处于历史低位、尚未上行；企业脉冲仍在扩张趋势中；三是两段区间内新兴产业的业绩增速均高于传统部门。\n \n
\n\n \n
\n \n
\n \n 这两段信用周期的分化对应资产表现有如下特征：\n \n
\n\n \n
\n \n
\n \n \n ► 债市难持续走熊，但波动率有所上行。\n \n 原因在于，居民信贷与地产周期的疲弱使得货币政策较难以转向紧缩；但利率的下行空间也较有限，一方面因为居民信贷周期与地产周期下行的阶段已持续一段时间，已经有所定价，另一方面企业信贷仍有一定韧性、支持信贷需求。\n \n
\n\n \n
\n \n
\n \n \n ► 权益呈现明显结构市。\n \n 两轮行情中，14-15年受政策发力影响，权益市场上行；22年在疫情扰动之下，权益市场没有整体性行情。不过，\n \n 两轮行情里权益市场始终以结构性行情为主：\n \n 14年7月至15年1月科技、非银是主要的上涨结构，而22年4月到12月的结构性主要体现在电新（第二个M顶行情）与消费中体现出结构性。\n \n
\n\n \n
\n \n
\n \n \n ► 股债相关性较低，\"股债跷跷板\"效应不显著。\n \n 两轮行情中股债相关性均较弱，权益结构性行情与利率波动各自受不同因素驱动，二者之间未呈现稳定的单调相关性。\n \n
\n\n \n
\n \n
\n \n 上述三类资产表现特征，本质上是信用总量平稳、结构分化格局在市场层面的直接映射。若进一步下沉到企业经营的微观基本面，\n \n 历史上两个可比阶段，均伴随着产能周期在不同部门间的明显分化。\n \n 在终端需求整体受制约的背景下，由外需、产业趋势等结构性因素驱动的领域，其产能利用率与周转率仍能维持相对景气，例如2013-2014年移动互联网浪潮驱动的TMT板块，以及2022年的电新板块；而同期传统部门则面临相对较大的供需错位与周转压力。\n \n
\n\n \n
\n \n
\n \n \n 与历史阶段类似，当前产能周期的分化特征同样突出，但结构性支撑的来源与强度有所不同：\n \n \n
\n\n \n
\n \n
\n \n \n ► 外需韧性有效支撑了周期与制造板块。\n \n 2014年全球经济复苏乏力、欧洲受欧债危机后遗症拖累，2022年俄乌冲突叠加全球央行快速加息抑制总需求，使得外需都相对偏弱，周期与制造板块均受拖累。\n \n 当前外需可能仍有支撑：\n \n 一是全球需求仍有韧性；二是伊朗局势推高油价中枢，驱动能源转型相关出口；三是高油价下我国部分具有成本优势、且对油气依赖度相对较低的周期品，出口份额或提升。三条路径使得本轮周期与制造板块的景气位置较此前相对更好。\n \n
\n\n \n
\n \n
\n \n \n ► AI产业趋势使得电子与通信板块产业景气更强，AI需求也开始向部分传统领域形成需求扩散。\n \n 2014年移动互联网已进入产业趋势中后期，2022年新能源则处于景气顶部；当前AI产业趋势仍处于上行期，资本开支等仍在扩张通道，景气持续性预期更强，并已开始向部分传统领域形成需求扩散，形成新的结构性增长点。\n \n
\n\n \n
\n \n
\n \n 往前看，本轮推动信用周期与产能周期分化的核心驱动正是AI产业趋势与外需韧性，二者的持续性不仅决定其是否仍是下半年港股市场最核心的结构性主线，也将决定此后整体产能周期的走向。\n \n
\n\n \n
\n \n
\n \n 图表16：历史上有两轮类似的分化行情\n \n
\n\n \n 注1：新兴产业包括：电力设备、电子、通信、计算机、国防军工、自动化设备、乘用车、汽车零部件、医疗器械、医疗服务、生物制品、化学制药、非金属材料、能源金属、金属新材料、小金属、数字媒体、游戏、家电零部件、氟化工、玻纤制造，后同\n \n \n
\n \n \n 注2：以上两部门数据，都基于全部A股非金融地产三桶油的数据计算，后同\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表17：微观视角，若近看总量层面，当前或类似2013年左右\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表18：结构上，不同部门当前产能周期分化明显\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表19：2013-2014年，不同部门之间也出现明显的产能周期分化\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 如何判断景气产业与行情的拐点？\n \n \n
\n\n \n
\n \n
\n \n \n 新兴产业在类似的渗透率阶段内有什么样的资产表现特征？\n \n 考虑2013-2014年手游产业属于轻资产行业，和当前具备较大资本开支的AI产业趋势可比性相对不高，因此我们复盘了中国资产历史上四轮典型新兴科技制造业（2008-2010年智能手机、2020-2022年新能源车、风电及光伏），发现以下结论：\n \n
\n\n \n
\n \n
\n \n \n ► 国内新兴产业趋势的超额收益集中在渗透率10-25%区间，其中超额收益“主升浪”通常在渗透率20%前后接近见顶。\n \n 除光伏较特殊外，在此区间内，产业需求从早期“尝鲜”向大众普及蔓延，终端需求和商业模式逐步得到验证，市场空间快速打开，资金愿意为高增长支付估值溢价。直至渗透率来到20%左右，“主升浪”行情或逐步进入尾声。当渗透率超过25%后，超额收益显著收窄。\n \n
\n\n \n
\n \n
\n \n \n ► 权益行情顶的出现大多领先于业绩增速顶。\n \n 除风电设备外，其余三轮行情的超额收益顶点均不同程度早于业绩增速顶点出现。这表明该阶段超额收益的核心是预期驱动，资金会提前兑现未来增长。\n \n
\n\n \n
\n \n
\n \n \n ► 自由现金流恶化是超额收益终结的关键信号，历史上自由现金流 vs. 营收比值约-10%左右是重要阈值。\n \n 四轮行情的超额收益主升浪均结束于行业自由现金流为负且快速恶化的时点。当资本开支大幅超过经营性现金流时，投资者会提前预期大规模扩产将导致未来供需失衡、行业竞争加剧，进而引发估值收缩。进一步，除光伏相对特殊外，其余三轮行情中，核心行业自由现金流 vs. 营收比值在约-10%左右时超额收益行情或逐渐进入尾声。\n \n
\n\n \n
\n \n
\n \n \n ► 行情见顶后伴随有息负债率的明显提升。\n \n 超额收益顶点出现后，相关行业的有息负债率均呈现明显上行趋势。这反映出企业在经营性现金流不足的情况下，被迫依赖债务融资维持资本开支，进一步加剧了财务风险，也印证了行业从“良性扩张”向“过度投资”的转变。\n \n
\n\n \n
\n \n
\n \n 图表20：在苹果手机催化下，2008-2010年左右智能手机渗透率快速上升，电子具备超额收益\n \n
\n\n \n 资料来源：IDC，Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表21：电子超额收益终结于自由现金流转负且迅速恶化时，市场在Capex顶前先定价过度投资\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表22：2020-2022年，新能源车渗透率快速上行，电池具备超额收益\n \n
\n\n \n 注：电车渗透率以中国数据计算\n \n \n
\n \n \n 资料来源：CAAM，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表23：电池超额收益主升浪终结于自由现金流转负且迅速恶化时\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表24：2020-2022年，风电渗透率快速上行，风电设备具备超额收益\n \n
\n\n \n 注1：以风电发电量占中国发电量比重计算原始渗透率；\n \n \n
\n \n \n 注2：考虑风电占比不可能到100%，因此以终端渗透率[5]参考值，对原始渗透率进行调整；\n \n \n
\n \n \n 资料来源：清华大学碳中和研究院，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表25：风电设备超额收益主升浪终结于自由现金流转负且迅速恶化时\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 当前AI产业趋势走到哪了？渗透率来看，AI产业仍在快速发展区间。\n \n 我们采用微软2026年5月发布的《Global AI Diffusion Q1 2026 Trends and Insights》中的“AI扩散率”来衡量产业趋势。该指标定义为\n \n 每月使用生成式AI工具总时长不低于90分钟的活跃用户占劳动年龄人口（15-64岁）的比例。\n \n 数据基于微软产品遥测数据，并经操作系统市场份额与移动/桌面流量比校准，最终以劳动年龄人口为分母计算各国AI用户占比。\n \n
\n\n \n
\n \n
\n \n 根据该报告，2025年上半年全球AI渗透率为15.1%，2025年底提升至16.3%,2026年一季度提升至17.8%；中国2025年上半年AI渗透率约15.4%，2025年底16.3%，2026年一季度16.4%。\n \n 按此增速线性外推，2026年中国的AI渗透率约处于16-19%区间，距离超额收益“见顶”的阈值或仍有一定距离。\n \n \n
\n\n \n
\n \n
\n \n \n 现金流来看，目前中美头部企业自由现金流整体仍保持为正，不过投资相对需求的 “抢跑” 已有初步迹象。\n \n 根据美股一季报，头部企业自由现金流整体已经出现明显下降，全球五大云厂商资本开支与经营性现金流比例已升至 94%，接近需要外部融资的临界点，且龙头内部分化显著：Meta、微软、谷歌等内生现金流仍能支撑投资，亚马逊自由现金流转负，甲骨文则面临较大偿债压力。国内来看，三大头部云厂商的自由现金流仍处于相对健康水位，压力相对而言较小。\n \n
\n\n \n
\n \n
\n \n \n 短期看，AI产业趋势仍将持续成为市场的投资主线，\n \n 原因是：第一，目前中国的AI渗透率仍未达到20%-25%左右的历史经验阈值；第二，年内全球头部公司的现金流或仍可以维系当前的资本开支规模，自由现金流年内较难恶化至不可维系水平（如，自由现金流vs.营收比值约在-10%）。\n \n 更长远视角来看，AI产业趋势能否继续维持主线地位，核心取决于两点：\n \n 一是全球AI需求能否持续超预期，不断涌现新的应用场景；二是科技龙头业绩是否继续超预期，经营性现金流能否同步增长，覆盖高增的资本开支并维持自由现金流为正。若两者均满足，科技或延续市场主线；若需求、业绩与现金流兑现不及预期，AI板块将面临较大估值回调压力。\n \n
\n\n \n
\n \n
\n \n 图表26：2026年中国AI渗透率约在16-19%区间\n \n
\n\n \n 资料来源：微软[6]，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表27：美股头部企业自由现金流在年内仍能支撑其资本开支强度\n \n
\n\n \n 注：2Q26-4Q26数据是预期值，根据FactSet一致预期计算，TTM口径\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表28：中国头部云厂商整体自由现金流仍维持正值\n \n
\n\n \n 注：2026年数据是预期数据，根据Bloomberg一致预期计算\n \n \n
\n \n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 市场趋势：短期弹性看美债，长期空间靠盈利\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 指数空间：基准27,000-28,000、乐观30,000、悲观21,500\n \n \n
\n\n \n
\n \n
\n \n \n 往前看，港股指数上行动力短期弹性来自美债利率的下行，但长期空间还是要依靠盈利修复。\n \n 结合前文分析，在现有的政策组合和信用周期环境下，企业整体盈利难迎来大幅改善，我们测算2026年市场盈利预计温和增长3%-4%。相比之下，短期美债利率的回落倒是更有可能。\n \n
\n\n \n
\n \n
\n \n \n 1) 基准情形：盈利增长3%-4%，美债利率小幅回落，恒指有望升至27,000左右。\n \n 基准情形下，全年企业盈利增速维持在3%-4%；伊朗局势于二季度缓和，叠加美联储年内降息1次，推动10年美债小幅下行至4.1%；中债随下半年通胀回落降至1.6%。南向交易占比30%，市场主线风格及各板块风险溢价基本不变，恒指中枢预计在27,000-28,000点。\n \n
\n\n \n
\n \n
\n \n \n 2) 乐观情形：财政发力超预期，盈利增速提升至6%-7%，并带动风格切换至高权重的互联网乃至泛消费板块，恒指有望站上30,000点。\n \n 乐观假设下，财政政策落地力度超预期，中债回升至1.8%，企业盈利实现6%-7%的增长，并推动互联网及泛消费板块的风险溢价回落至2025年以来低位；同时，油价约束弱于预期，美联储降息预期升温，美债回到3.9%。在此背景下，外资加快流入，南向占比回落至25%，多重利好共振有望推动恒指突破30,000点。\n \n
\n\n \n
\n \n
\n \n \n 3) 悲观情形：盈利零增长，市场情绪走弱，恒指或下探21,500点。\n \n 极端假设下，伊朗局势持续紧张导致油价高企、加息预期升温，美债重返4.5%甚至更高；中美贸易摩擦反复，叠加国内政策落地不及预期，企业盈利增速归零，中债降至1.4%。结合俄乌局势与去年对等关税初期风险溢价的变化幅度，上述多重不利因素叠加或导致风险溢价抬升至7.5%。外资持续流出，南向占比抬升至35%，恒指或将回落至21,500点附近。\n \n
\n\n \n
\n \n
\n \n 图表29：恒指基准27,000-28,000、乐观突破30,000、悲观21,500左右\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表30：不同假设下所分别对应的盈利、无风险利率与风险溢价水平\n \n
\n\n \n 资料来源：中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 企业盈利：增速3-4%，市场预期仍偏高\n \n \n
\n\n \n
\n \n
\n \n \n 基准情形下，我们预计2026年港股盈利增长为3-4%，\n \n 其中非金融预计增长约6-7%，金融盈利增速预计为1-2%，我们的预测小幅低于当前市场自下而上一致预期的5-6%。去年底展望中，我们对2026年港股盈利的基准判断较市场更谨慎，从最新预期变化看，市场正在向这一判断靠拢。\n \n
\n\n \n
\n \n
\n \n \n ► 收入增长：基于宏观组2026年实际GDP同比增长4.7%、GDP平减指数由去年的-1.0%回升至约1.5%的假设改善，我们预计2026年非金融板块收入或上调至同比增长2-3%。\n \n 今年宏观环境最突出的特征是内外需分化：年初宏观组对全年出口增速的判断约为6%，目前已上调至约12%，出口高增长对制造业投资、设备更新以及AI相关产业链形成支撑。理论上，12%左右的出口增速可对GDP形成约1个百分点以上的拉动，但全年实际GDP预期较去年底小幅下调，说明地产、消费和一般内需仍有较强拖累。对于海外收入占比约20-25%的港股市场，出口增速的大幅上修也很难充分对冲内需拖累。\n \n
\n\n \n
\n \n
\n \n \n ► 利润率：CPI-PPI差值扩大，2026年利润率较去年底预期略有下调。\n \n 宏观组预计2026年CPI同比上行约1.1%，PPI同比上行约2.3%，二者差值扩大。PPI内部明显分化，4月PPI同比上涨2.8%，其中生产资料价格上涨3.8%，生活资料价格下降1.0%。这说明价格修复更多来自上游和成本端，而非终端需求全面改善。对上游资源品和具备定价权的行业，存在利润修复；对中下游制造和一般消费，则可能是成本压力。\n \n
\n\n \n
\n \n
\n \n \n 往前看，盈利修复很大程度上取决于基本面改善情况：1）基准情形\n \n 大概率是托底而非推高，我们预期2026年盈利增速约为3-4%，低于市场共识的5-6%，小幅低于A股2026年盈利增速的6%（非金融+10%，金融+3%）；\n \n 2）乐观情形\n \n 对应财政发力超预期，盈利可以实现6-7%的对应增长预期；\n \n 3）悲观情形\n \n 下政策进展不及预期，盈利可能与2025年基本持平。\n \n
\n\n \n
\n \n
\n \n \n 板块层面，2026年下半年港股盈利更可能呈现两点特征：\n \n 一是非金融好于金融，科技、周期和部分资源品好于传统消费；二是利润率改善集中在有定价权、订单支撑或供给出清的行业，而非广谱扩散。\n \n 当前科技、周期和部分资源品预期盈利增速较高，部分消费板块承压，也与信用周期的走向一致。\n \n 具体看，港股半导体（+76.7%）盈利增速较高，汽车及零部件（+73.6%）、原材料（+59.4%）板块2026年盈利增速居前，且较2025年明显改善。\n \n
\n\n \n
\n \n
\n \n \n 盈利预期对板块切换和市场走势是否有领先性？\n \n 我们发现：1）指数层面，港股走势短期受风险溢价变化影响更大，尤其在信用周期偏弱、情绪波动较大的阶段，指数涨跌往往先由估值驱动，盈利更多起到中期验证作用。但相比静态盈利同比增速，盈利预期的边际调整更具参考价值。2）板块内部，部分板块盈利预期修正方向与幅度有一定参考价值，比如对于半导体和创新药等方向，但并非所有盈利预期上调板块都会上涨。\n \n
\n\n \n
\n \n
\n \n 图表31：市场预期恒指2026年EPS增速为5.5%\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表32：年初以来板块涨跌幅和盈利预期修正幅度基本正相关\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 估值水平：基准空间2-3%，修复动力主要来自利率\n \n \n
\n\n \n
\n \n
\n \n \n 基准假设下，\n \n 短期估值修复主要依靠美债利率从高位回落，\n \n 对应估值上行空间约2%-3%。乐观情形中，\n \n 若政策发力且AI行情向技术层扩散，推动港股权重互联网与泛消费板块情绪修复至2025年以来低位，\n \n 整体估值上行空间有望突破10%。\n \n \n
\n\n \n
\n \n
\n \n \n ► 风险溢价整体并不高，进一步修复空间有限。\n \n 从风险溢价角度看，港股当前估值不能算便宜。1月下旬恒指触及28,000点时，对应风险溢价约4.7%，甚至低于2018年初棚改与地产周期高点时水平；目前ERP虽回升至5.7%，但仍处在历史低位与2024年“924”行情时水平接近。因此难以单纯依靠情绪推动估值上行，唯有市场风格出现显著切换。如果AI行情向技术层延伸，叠加政策发力带动权重互联网与泛消费板块ERP降至2025年以来最低水平，这样有机会实现10%以上的估值修复。\n \n
\n\n \n
\n \n
\n \n \n ► 无风险利率或提振估值2-3%。\n \n 美债方面，若伊朗局势在二季度缓和，美联储年内降息1次，对应10年美债中性利率3.4%左右以及60-80bp期限溢价。中债方面，同样考虑海外局势趋稳，下半年国内输入性通胀或较上半年缓和，中债利率也有小幅下行空间。基准情景下，若美债利率回落至4.1%、中债利率降至1.6%，同时南向资金持仓占比维持30%，将推动港股估值修复2%-3%。\n \n
\n\n \n
\n \n
\n \n 图表33：恒指当前PE已经接近2015年以来均值以上，风险溢价整体下行空间有限\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表34：乐观假设下，互联网与泛消费情绪修复有望带动估值上行空间达10%以上\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 需要注意的是，\n \n 港股从来都不是“一个港股”，内部新老分化十分显著。\n \n 过往市场主要划分为高分红为主的老经济以及以恒生科技为首的新经济两大阵营。如今新经济内部甚至进一步分化为以互联网平台为首的老科技，以及以大模型企业为代表的新科技，估值分化更为明显。具体看，\n \n
\n\n \n
\n \n
\n \n \n ► “老经济”：高分红标的可参考AH溢价，未来更多公司H会比A更贵。\n \n 考虑港股通个人及公募等投资者需缴纳至少20%红利税，AH溢价收敛至125%（100%/0.8）时，投资A或H股在红利层面无实质差异。不过125%的均衡溢价更适用于现金流稳定、以分红为主的如能源、金融、电信等老经济板块。\n \n
\n\n \n
\n \n
\n \n \n 不过未来可能有更多AH两地上市公司出现溢价。\n \n 近期排队赴港的A+H新股多为契合产业趋势、匹配外资投资审美的高端制造与科技标的，估值逻辑与传统高分红行业不同，港股发行规模较A股也有限。因此它们AH溢价有可能出现倒挂。继宁德时代、恒瑞医药之后，今年登陆港股的澜起科技、胜宏科技也出现溢价倒挂现象。假设当前AH溢价已低于125%的公司维持现状，其余公司均降至125%，AH溢价指数短期极致支撑位在110%，但随着越来越多新经济外资青睐的A股赴港上市，整体AH溢价率可能进一步收敛。\n \n
\n\n \n
\n \n
\n \n \n ► “老科技”：估值与风险溢价已在历史低位，具备安全边际。\n \n \n
\n\n \n
\n \n
\n \n \n ► “新科技”：大模型公司短期涨幅显著，存在一定透支。\n \n \n
\n\n \n
\n \n
\n \n \n 智谱、Minimax 6月纳入恒科，若出现波动是否会拖累指数？\n \n 市场担心两家大模型公司进入恒科后可能类似去年泡泡玛特纳入恒指后见顶并拖累指数。调整结果公布后智谱上涨近60%，进一步透支估值预期。\n \n 不过两家公司指数权重较低，分别仅为0.53%、0.36%即便股价回调对指数影响也有限。\n \n 中长期走势则取决产业趋势和基本面，7月中美股二季度业绩为关键节点，若AI仍是核心主线且赛道景气度未有趋势性变化，短期若回调反而可能创造更好价格窗口。\n \n
\n\n \n
\n \n
\n \n \n 资金面：延续紧平衡，打新仍或受关注\n \n \n
\n\n \n
\n \n
\n \n \n \n 供给端：南向与海外资金增量有限\n \n \n \n
\n\n \n
\n \n
\n \n \n ► 南向资金2025年创纪录流入后，为什么后劲不足？\n \n 2025年南向资金全年净流入1.4万亿港元，而今年年初至今仅流入2740亿港元，规模不足去年同期的一半。这背后我们认为主要是：\n \n 1）港股赚钱效应走弱，\n \n 缺少具备持续性的高景气赛道难以吸引去年大规模涌入的个人及交易型资金；\n \n 2）机构持续减配港股，\n \n 去年三季度公募基金港股超配比例一度接近15%，目前已回落至5%-7%；\n \n 3）年内人民币持续走强，\n \n 加剧跨市场资金跷跷板效应，降低了南向资金换汇布局港股的性价比。\n \n
\n\n \n
\n \n
\n \n \n 展望来看，基准情境下南向流入规模有限，预计全年南向累计流入规模在5500-6500亿港元左右：\n \n 1）主动公募配置空间约1000-1500亿港元；2）保险增配规模约3000-4000亿港元；3）交易型与ETF资金受市场情绪、信用周期约束，预计回归常态水平、贡献1000-1500亿港元流入（\n \n 《港股资金面透视》\n \n ）。若后续国内政策发力、市场流动性预期改善，或是美联储加速降息推动人民币走强，叠加港股硬科技板块权重提升、产业结构持续优化。这种情况下，南向资金则有望迎来阶段性回流。\n \n
\n\n \n
\n \n
\n \n 图表35：这一背景下公募港股持仓占比也快速下滑，当前已经回落至2024年“924”前水平\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n ► 海外资金：年初一度小幅回流，但整体配置中国意愿仍较弱。\n \n EPFR数据显示，年初海外主动资金曾出现短暂回流，但持续性偏弱。受赛道错配、全球资金分流影响，港股外资回流力度与节奏显著弱于日韩、中国台湾等周边市场。\n \n 基本面趋弱与全球资金分流共同构成压力。\n \n 国内信用周期震荡偏弱，港股相对周边市场表现不佳。与此同时，全球资金主线聚焦AI硬科技赛道，韩国、中国台湾市场依托半导体、算力硬件等核心资产，在MSCI新兴市场指数权重持续抬升，目前分别约为19%、25%，整体权重已超越中国大陆占比（中资股含A+H+ADR，19%）。在MSCI新兴市场指数1.8万亿美元跟踪规模的体量下，区域赛道优势差异对港股资金形成明显分流。\n \n
\n\n \n
\n \n
\n \n \n 当前外资低配空间已有限，若趋势反转可能被动回补。\n \n 截至3月底，海外主动资金对中资股的低配幅度仍接近1个百分点，后续大幅流出的空间有限。当前新兴市场主动基金对韩国市场超配超4个百分点，对中资股仍低配超1个百分点，仓位结构分化极致。往后看，若市场风格切换，资金回流恒生科技权重占比更高的AI应用端互联网标的，区域型资金可能复刻2025年初DeepSeek“横空出世”时的行情，出现被动回补标配的加仓行为，有望带动港股迎来力度更强的阶段性反弹。\n \n
\n\n \n
\n \n
\n \n 图表36：全球各类主要基金低配中资股约0.85%\n \n
\n\n \n 资料来源：EPFR，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 需求端：打新或受关注，关注解禁与配售需求\n \n \n \n
\n\n \n
\n \n
\n \n 2026年以来港股IPO继续火热，年初以来港股主板IPO首发募资达1654亿港元，已经超过2025年全年的一半以上。再融资同样活跃，年初至今上市后募资约933亿港元，其中宁德4月底再融资392亿港元也创下过去一年以来新高。我们自去年中便提示关注港股打新机会（\n \n 《港股IPO市场与打新收益分析》\n \n ）。不过今年新股认购热度、认购倍数及超额收益依然超出市场预期。本轮打新行情升温，一方面得益于港交所制度优势吸引大量稀缺标的登陆，叠加A+H企业良好表现示范效应；另一方面\n \n 更核心原因在于二级市场缺乏赚钱效应，场内存量资金被动转向一级市场。\n \n \n
\n\n \n
\n \n
\n \n \n 优质科创新股持续供给，吸引投资者关注。\n \n 今年港股打新呈现明显的“新老分化”特征：AI硬科技、A+H龙头标的表现突出，而传统老经济、消费标的热度平淡、收益偏弱。智谱、MiniMax等贴合全球AI高景气赛道的未盈利科技企业登陆港股，凭借稀缺赛道属性受到资金热烈追捧。与此同时，过去两年宁德时代、恒瑞医药等A+H标的持续表现优异，形成良好示范效应。\n \n
\n\n \n
\n \n
\n \n \n 更重要的是，二级市场行情疲软，倒逼存量资金一级打新。\n \n 今年港股资金面紧平衡，二级市场难以找到优质配置方向。相反今年港股IPO平均募资金额由去年的24.5亿港元提升至30亿，市场平均认购倍数也由1640倍抬升至1935倍，多数可比标的认购热度显著高于2025年。结构上分化更加明显：传统耐用消费品、食品饮料等认购热度较2025年明显降温，而AI、硬科技高景气赛道受到资金集中追捧。\n \n
\n\n \n
\n \n
\n \n \n 我们判断IPO打新仍将受关注，尤其是那些“稀缺标的”。\n \n 大批A+H优质硬科技龙头集中排队上市，有望持续吸引资金关注。\n \n 不过行情分化特征也将延续，建议优先布局契合市场主线的新经济、硬科技企业，以及外资认可度较高的A+H标的。\n \n \n
\n\n \n
\n \n
\n \n 图表37：今年以来港股打新市场无论是破发比例还是超额收益都相比过去十年都更为强劲\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 需要重点提示的是，下半年港股将迎来解禁高峰，7月与9月解禁规模位居历史前两位，解禁规模占比对表现影响大。\n \n 短期大规模抛售的确会从基本面角度对股价带来影响，不过并非所有限售股份都会集中抛售，具体需结合股东类型、解禁占比综合判断。例如纯财务类股东缺乏长期产业绑定，解禁后获利了结意愿较强；而产业资本、主权基金、保险资金等长线投资者，减持动力相对有限。从历史规律来看，整体解禁规模对大盘走势影响有限，但对\n \n 个股冲击不容忽视，特别是解禁占比更高的标的。\n \n 我们梳理了2020年以来解禁的公司在解禁前后的表现，\n \n 发现在解禁前1个月区间内跌幅最大，\n \n 平均跌幅达3.4%。而解\n \n 禁后短期内跌幅相对有限，\n \n 一周内平均跌幅1.6%，\n \n 但随时间延长跌幅也在增加，\n \n 解禁后两个月平均跌幅达3.0%。\n \n
\n\n \n
\n \n
\n \n 图表38：解禁整体规模与市场历史表现对比\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 配置建议：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 配置思路：基准科技与分红轮动，乐观从科技到周期再到外需\n \n \n
\n\n \n
\n \n
\n \n \n 综合来看，当前市场极致分化的背后，是信用周期分化的直接映射。\n \n 科技如若一枝独秀，内需也就相对疲弱，资金也难以轮动，更多是短期躲避高估值和高拥挤资金行为。这一格局意味着，港股市场难有系统性指数行情，行业选择仍要紧跟信用结构性扩张的方向，这代表了未来需求和回报预期的核心主线：\n \n
\n\n \n
\n \n
\n \n \n ► 科技成长仍是下半年最具持续性的景气方向，也是基准情形下的核心配置主线。\n \n 整体AI产业没有到普遍泡沫的程度，阶段的透支是有的。例如美国五大云厂商的经营性现金流已被资本开支基本耗尽，国内头部云厂商自由现金流还维持正值，但边际也已出现收敛。不过从渗透率看，中国AI渗透率约16-19%，距历史超额行情见顶的20-25%的阈值仍有一定距离，\n \n 所以走到现在需要以每一个业绩期作为关键检验点。\n \n \n
\n\n \n
\n \n
\n \n \n 结构上，半导体胜率较高。在AI产业趋势仍能持续的情况下，\n \n 半导体为首的AI硬件板块超额行情或仍具备持续性。拥挤带来的市场分歧与短期回撤，反而可能提供了加仓的交易窗口。不过，若交易拥挤度继续抬升，尾部风险的回撤幅度也会相应放大，当短期交易热度升至偏高位置时，投资者仍需适度控制仓位以防范阶段性大幅回撤的风险。\n \n
\n\n \n
\n \n
\n \n \n 值得注意的是，AI基础层的产业逻辑已延伸至更广泛的产业链环节，\n \n AI相关需求已经成为其新的结构性增长点，也因此这些“被新时代重新定义的旧核心资产”今年以来表现亮眼，迎来“价值重估”。\n \n
\n\n \n
\n \n
\n \n \n 互联网与创新药则是科技成长中赔率相对更好的品种。\n \n 相关标的的估值已处于相对较低水位，下行空间有限，已不是“坏交易”。二者对美债利率均较为敏感，如若下半年伴随油价温和回落、降息预期重新升温，则不排除打开上行交易空间。\n \n
\n\n \n
\n \n
\n \n \n ► 周期板块处于偏左侧布局阶段，\n \n AI投资的深化与美债利率回落、海外财政增量均是未来信用扩张的潜在催化。当前趋势尚未明朗，但若上述信号逐步兑现，周期有望承接从科技外溢的配置资金，成为乐观情形下的下一个接力方向。\n \n
\n\n \n
\n \n
\n \n \n ► 泛外需板块需要更多全球基本面修复的拉动。结构上，\n \n 能源转型（光伏、新能源车、锂电等绿电“新三样”）确定性更高，地缘风险反复背景下能源安全的战略价值凸显，但市场预期已较为充分。成本优势类传统外需则更多体现为阶段性交易机会，若下半年油价中枢温和回落、全球需求企稳，相关板块有望迎来窗口期，反之则需警惕回撤风险。\n \n
\n\n \n
\n \n
\n \n \n ► 内需消费板块整体或仍缺乏基本面支撑。\n \n 尽管板块估值、预期等均处于历史低位，但居民收入预期与消费信心修复缓慢，行业盈利改善缺乏坚实基础，难以形成持续市场共识。若出现超预期政策刺激，或存在短暂交易性机会，但需警惕“静态估值陷阱”。\n \n
\n\n \n
\n \n
\n \n \n ► 红利资产作为阶段性对冲工具，根据市场环境动态调整。\n \n 在AI板块交易拥挤度显著抬升、地缘局势反复或市场风险偏好回落时，红利资产能够有效规避尾部风险、降低组合回撤。\n \n
\n\n \n
\n \n
\n \n \n 在此基础上，为进一步刻画各行业的配置与交易价值，我们构建了MSCI中国指数分行业的\"胜率 vs. 赔率\"分析框架：1）胜率端，\n \n 综合考量微观流动性（一年期动量、月度涨跌幅/成交额环比、3个月收盘价波动率）、宏观流动性（基于对美债利率敏感度分4档打分）、基本面预期变化（动态EPS vs. 静态EPS，动态ROE vs. 静态ROE）等维度，采用2019年以来历史分位数计算，并加权得到胜率分数；\n \n 2）赔率端，\n \n 则以动态PE、PB、PS的滚动5年历史分位数水平衡量当前估值的相对高低。\n \n
\n\n \n
\n \n
\n \n \n 整体来看，从胜率与赔率的得分来看：\n \n 1）互联网、医疗设备、汽车与零部件赔率与胜率情况都相对较好；2）半导体、周期品、创新药、机械、电气设备胜率分数较好；3）消费板块整体赔率靠前；4）科技硬件、公用事业、贸易公司等行业胜率与赔率均不占优。\n \n 这一打分情况与我们之前的主观判断大体一致。\n \n \n
\n\n \n
\n \n
\n \n 图表39：MSCI中国指数分行业胜率/赔率表\n \n
\n\n \n 注：以微观流动性（一年期动量、月度涨跌幅/成交金额环比变化、3个月收盘价波动率）、宏观流动性（基于对美债利率敏感度分4档打分）、基本面预期变化（动态EPS vs. 静态EPS，动态ROE vs. 静态ROE）的历史分位数（2019年以来）得分均值衡量胜率，以动态PB、动态PS、动态PE的滚动5年历史分位数衡量赔率，并都用百分位数标准化最终得分。\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表40：基准情况下，产业趋势与外需仍旧是配置主线\n \n
\n\n \n 注1：数据截止2026年5月30日；注2：科技硬件中含有部分通信设备相关公司\n \n \n
\n \n \n 资料来源：FactSet，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 择时策略：结合拥挤度的短期轮动辅助\n \n \n
\n\n \n
\n \n
\n \n 在上述根据基本面和赔率胜率的配置建议基础上，由于结构性行情轮动快速，短期表现也受情绪和交易拥挤度影响，\n \n 因此我们也提供了基于这两个维度的短期轮动辅助指标，从基本面和资金交易两个维度观察：\n \n 1）基本面维度衡量各板块的估值盈利性价比，得分越高说明盈利修复预期越高，且估值和风险溢价积极但不极端；2）资金交易维度刻画各板块交易结构的健康程度，得分越高说明资金活跃但不至于过热，得分较低意味着流动性不足或交易过于拥挤。\n \n
\n\n \n
\n \n
\n \n 根据我们的轮动打分模型，短期\n \n 半导体、化工、油气\n \n 盈利估值和资金交易维度表现较好，可优先布局；\n \n 科技硬件、银行、有色金属\n \n 等基本面强、资金交易打分偏低，可以持续关注等待时机，更适合作为中期底仓或左侧配置。需要说明的是，\n \n 该模型单纯基于短期数据反映板块状态，更适用于长期基本面逻辑外的辅助参考。\n \n \n
\n\n \n
\n \n
\n \n 图表41：MSCI中国（GICS行业分类），相对行业自身历史区间的分位数\n \n
\n\n \n 注：数据截至2026年5月29日\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 基于上述行业轮动模型，我们在每月初构建基于行业分析师建议的行业轮动组合。通过自下而上的选股视角，每次聚焦模型打分最高的5-8个重点推荐行业，由行业分析员在其所覆盖的行业中，选出最看好的股票分别形成A股和海外中资股两个列表。自2026年2月\n \n 《中金行业首选》\n \n 改版以来，在市场波动尤其是港股整体疲弱的大背景下，\n \n 中金行业首选组合跑赢同期MSCI中国指数16.0ppt，并分别跑赢A股上证指数6.4ppt、港股恒生指数10.8ppt，\n \n \n 效果明显。\n \n \n
\n\n \n
\n \n
\n \n \n [1]居民消费：回报用城镇居民人均可支配收入累计实际同比近似代替，成本则用一般贷款利率-CPI累计同比衡量；居民购房：判断居民购房意愿能否修复，核心仍是比较购房回报与成本。购房回报用70城新房价格同比+样本城市租金回报率-CPI同比衡量，购房成本则对应个人住房贷款利率-CPI同比；企业：以企业贷款利率-PPI累计同比衡量实际融资成本，以工业企业累计利润总额/营业收入衡量经营回报。\n \n \n
\n\n \n \n [2]https://www.12371.cn/special/20jsizqh/fdbwdzs/\n \n \n
\n\n \n \n [3]数据来自国家资产负债表研究中心、国际清算银行，Wind汇总统计\n \n \n
\n\n \n \n [4]https://www.reuters.com/world/asia-pacific/axios-says-proposed-us-iran-deal-involves-opening-strait-during-60-day-ceasefire-2026-05-24/\n \n \n
\n\n \n \n [5]https://www.icon.tsinghua.edu.cn/info/1066/1948.htm\n \n \n
\n\n \n \n [6]https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/Microsoft-AI-Diffusion-Report-2026-Q1.pdf\n \n \n
\n\n \n
\n \n
\n \n \n Source\n \n \n
\n\n \n \n 文章来源\n \n \n
\n\n \n 本文摘自：2026年6月1日已经发布的《港股市场2026下半年展望：热闹是他们的？》\n \n
\n\n \n 刘刚，分析员 CFA SAC 执证编号：S0080512030003； SFC CE Ref：AVH867\n \n
\n\n \n 缪延亮 分析员 SAC 执证编号：S0080525060005； SFC CE Ref：BTS724\n \n
\n\n \n 张巍瀚 分析员 SAC 执证编号：S0080524010002； SFC CE Ref：BSV497\n \n
\n\n \n 王牧遥 分析员 SAC 执证编号：S0080525050003； SFC CE Ref：BWT054\n \n
\n\n \n 张典 分析员 SAC 执证编号：S0080525090003\n \n
\n\n \n
\n \n
\n \n \n Legal Disclaimer\n \n \n
\n\n \n \n 法律声明\n \n \n
\n\n \n 特别提示\n \n
\n\n \n 本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。\n \n
\n\n \n 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。\n \n
\n\n \n 中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。\n \n
\n\n \n 本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。\n \n
\n\n \n 一般声明\n \n
\n\n \n 本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。\n \n
\n\n \n 本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。\n \n
\n\n \n 在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访问http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。\n \n
\n\n \n 本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。\n \n
\n\n
\n \n \n 文/李昭，缪延亮，杨晓卿，王添翼\n \n \n
\n\n \n \n \n 点击小程序查看报告原文\n \n \n \n
\n\n \n
\n \n
\n \n \n Abstract\n \n \n
\n\n \n \n 摘要\n \n \n
\n\n \n
\n \n
\n \n \n 宏观流动性或为全球资产胜负手:\n \n AI革命是2026年全球市场最重要的投资主题之一，从科技龙头到资源电力，都受到AI叙事驱动。当AI革命已成共识，资产长期趋势已经确定，半年维度的市场行情高度取决于高预期、高估值、高拥挤度资产能否继续获得流动性支撑。流动性充裕，是牛市延续的燃料。流动性收紧，则是重大风险的触发器。2026年上半年已充分验证上述逻辑：年初科技股、黄金、有色均为共识交易，但1月“沃什冲击”与3月美伊冲突，意外打断市场趋势。两次冲击外在表现不同，逻辑内核其实完全一致，都是导致流动性紧缩预期，引发相关资产大幅回调。展望下半年，我们认为流动性或在更大程度上影响全球资产的上涨弹性与回调风险，重点讨论中国流动性与全球流动性的运行规律及资产启示。\n \n
\n\n \n
\n \n
\n \n \n 中国宏观流动性展望：\n \n 新结构与新规律：宏观流动性是解释与预测股债汇运行的流行分析框架。以社融增速、信贷脉冲为代表的信用指标，常被用作刻画流动性周期的关键变量。进入2026年，社融增速与信贷脉冲持续走弱，股市却震荡上行，4-5月份甚至走出“股债汇三牛”行情，资产表现与信用指标完全背离，并非反映宏观流动性失灵，而是因为近期宏观流动性并不通过信用扩张投放，信用变量的指引意义失效。宏观流动性结构发生重大变化，外汇派生资金成为宏观流动性的关键增量来源，形成“高能流动性”。我们完善传统流动性框架，构建“外汇脉冲”指标，发现其对股债汇市场具有重要启示意义。中国出口竞争力结构性提升，全球货币秩序重构，推动跨境资金回流，叠加居民存款搬家，为中国资产提供长期流动性支持。新结构也意味着新约束，当中国流动性更加依赖外部流动性与跨境资金时，中国资产对美元、美债利率、全球风险偏好的敏感度也将同步上升，海外流动性边际变化或成为中国资产下半年表现的关键影响因素。\n \n
\n\n \n
\n \n
\n \n \n 海外宏观流动性展望：“假风险”与“真机会”：\n \n 海外流动性的关键是美联储政策、美债利率与美元走势。地缘风险、通胀风险与政策风险，形成“地缘冲突—油价上行—通胀抬升—央行紧缩”的传导链条，让市场尤为焦虑。我们认为上述三个风险可能是宽松交易重启前的“假风险”，下半年海外流动性并不会趋势性收紧。由于美伊之间并非“非对称”博弈，且美国中期选举渐行渐近，我们预期美伊局势趋于降温，市场逐渐对地缘风险脱敏。尽管全球主要经济体正在经历“滞胀”挑战，但本轮通胀冲击与2022年俄乌冲突与70年代“大通胀”时期迥然不同，油价冲击更难形成“二次效应”。我们预测全球通胀下半年开始回落，为海外央行重回货币宽松铺平道路。我们认为，新美联储主席沃什可能首先聚焦降息与金融去监管，“缩表”等紧缩政策或推进偏慢，美联储降息时点与幅度可能超出市场预期。展望下半年，我们预期海外流动性有望逐步走出迷雾，为全球资产创造新的机会。\n \n
\n\n \n
\n \n
\n \n \n 资产配置建议：等待海外流动性回潮，下半年市场或渐入佳境，维持超配中国股票与黄金；标配美股、美债和商品，低配中债。\n \n 中国股票估值处于合理水平，AI产业主线明确，外汇派生流动性与居民存款搬家形成正向循环，继续支撑市场表现，建议维持超配。中债收益率已处于历史低位，虽然利率大幅抬升风险有限，但回报空间更为有限，维持低配。我们过去3年坚定看好黄金，2025年末明确提示黄金调整风险。在金价已经明显回调后，我们对黄金更为乐观，建议积极布局，逢低增配。考虑到估值偏高、滞胀冲击与货币秩序重构等约束，我们认为美股配置性价比低于中国股票，建议标配。综合考虑短期滞胀挑战与下半年宽松交易机会，美债风险回报相对平衡，建议标配。商品仍是对冲通胀与地缘尾部风险的良好标的，建议维持标配。\n \n
\n\n \n
\n \n
\n \n \n Text\n \n \n
\n\n \n \n 正文\n \n \n
\n\n \n
\n \n
\n \n \n 宏观流动性或为全球资产胜负手\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 在《\n \n 大类资产2026年展望\n \n 》中，我们建议乘势而上，维持超配中国股票与黄金；在连续2年低配商品后，首次建议增配商品，并预期商品出现普涨，而非有色主导的结构性行情。\n \n
\n\n \n
\n \n
\n \n 2026年初至今，原油领涨大类资产，CRB和南华商品指数表现在各类资产中位居前列。中国股票表现稳健，尤其是科技板块上涨明显，与美日韩科技板块形成共振，反映全球AI科技行情。我们此前反复提示美国通胀上半年将明显反弹，压制美联储降息预期，导致黄金债券等资产阶段性回调（《\n \n 拐点将至：美国通胀的市场启示\n \n 》，《\n \n 黄金牛市还能走多远？\n \n 》）。上半年黄金尽管录得正回报，但波动明显增大，同时全球利率明显上行，验证了此前判断。\n \n
\n\n \n
\n \n
\n \n 图表1：2026年初至今大类资产表现排序：商品>美股>中国股票>中国债券>黄金>美元指数>美债\n \n
\n\n \n 注：截至2026年5月25日\n \n \n
\n \n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 上半年全球资产波动明显增大，应当如何理解？\n \n 我们在《\n \n 大类资产2026年展望\n \n 》中提示，尽管股票与黄金仍处于牛市趋势之中，但2026年面临四类风险因素（政策趋紧、地缘冲击、估值偏高与增长转向），可能形成阶段性扰动。年初以来短短数月，多个风险因素就已落地：1月份沃什被意外提名为下一届美联储主席，导致美元流动性预期明显收紧。2月底美伊冲突爆发，地缘冲击演化为供给冲击，大幅推升能源价格，海外主要经济体通胀快速冲高，全球央行的降息预期全面逆转为加息预期。多种大类资产估值原本就偏高，对负面冲击更为敏感，进一步放大市场波动。为了事前应对潜在市场波动，我们在年度展望首次强烈建议增配商品，正是看好商品的风险对冲价值。\n \n
\n\n \n
\n \n
\n \n 图表2：当前中外股票、商品、黄金、中债估值普遍偏高，甚至处于历史高点，美债估值相对较低\n \n
\n\n \n 注：采用2026年5月22日收盘价。\n \n \n
\n \n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n \n
\n \n
\n \n 进入下半年，AI革命已成共识，从科技龙头到能源有色，都受到AI叙事驱动。预判未来半年维度的市场大势，关键在于判断高预期、高估值、高拥挤度的资产能否持续获得流动性支撑。流动性充裕，是牛市延续的燃料；流动性收紧，则是重大风险的触发器，2026年上半年已充分验证上述逻辑：年初科技股、黄金、有色均为共识交易，但“沃什冲击”与美伊冲突打断原有趋势。两次冲击外在表现不同，逻辑内核其实完全一致，都是通过收紧流动性预期，导致相关资产大幅回调。展望下半年，我们认为流动性或在更大程度上影响全球资产的回报弹性与风险。本文聚焦中国流动性与全球流动性的运行规律、前景展望与资产含义。\n \n
\n\n \n
\n \n
\n \n \n 中国流动性展望：新结构与新规律\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 宏观流动性失效了吗？\n \n \n
\n\n \n
\n \n
\n \n 宏观流动性是解释与预测股债汇走势的流行分析框架。以社融增速、信贷脉冲为代表的信用指标，常被用作刻画流动性周期的关键变量。进入2026年，社融增速与信贷脉冲持续走弱，股市却震荡上行，4-5月甚至一度走出“股债汇三牛”行情，资产表现与信用指标完全背离。\n \n
\n\n \n \n
\n\n \n 图表3：信用周期下行，信贷脉冲走弱，但中国股票走强\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 宏观流动性框架为何失灵？\n \n 一种直观解释是中东局势逐步缓和，风险溢价回落，带动资产价格同步修复，但这一逻辑其实并不成立。若风险偏好为主导变量，市场表现应为股票上涨、债券下跌，而非近期的股债同步走强。油价仍处于高位，全球主要经济体通胀正在共振上行，通胀担忧缓解也并非资产价格上涨的有效解释。\n \n
\n\n \n
\n \n
\n \n 对于近期行情，我们的理解是\n \n 宏观流动性框架其实并未失效，只是流动性周期并不等同于信用周期。宏观流动性仍然主导资产定价，但流动性未必通过信用扩张投放，\n \n 还包括其他渠道。在货币秩序重构和AI革命的新趋势下，宏观流动性来源正在发生重大结构转变。真正支撑中国资产上涨的宏观流动性，其实并未被信用指标充分反映。\n \n 今年信用指标对市场的指示意义失灵，但宏观流动性并未失灵。\n \n 应对新的市场环境，本文对宏观流动性框架进行再次修正，增加跨境流动性维度，\n \n 引入“外汇脉冲”指标。\n \n \n
\n\n \n
\n \n
\n \n 此处也简要梳理中金大类资产配置团队对宏观流动性框架的理论探索与应用情况：2021年，我们在《\n \n 捕捉资产轮动的高阶信号\n \n 》中首次提出以“信贷脉冲”这一信用指标为核心构造宏观流动性框架，预测大类资产周期轮动；在2022年展望中完善“信贷脉冲”影响资产价格的具体机制，聚焦资金流向与市场预期变化；2024年，由于资金空转导致信用指标失真，我们提出用“财政脉冲”作为“信贷脉冲”的补充指标（《\n \n 流动性变局重塑资产规律\n \n 》）。\n \n
\n\n \n
\n \n
\n \n \n 流动性结构的新变化：外汇派生成为流动性增量来源\n \n \n
\n\n \n
\n \n
\n \n 我们用M2近似衡量宏观流动性充裕程度，社融近似衡量信用扩张情况。历史上M2与社融常同步扩张，但近期社融增速下降而M2增速抬升，反映宏观流动性的投放正在转向非信用渠道，我们重点讨论两个流动性来源。\n \n
\n\n \n
\n \n
\n \n 图表4：M2上行而社融增速下行，反映流动性周期与信用周期出现背离\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表5：M2同比增量构成：关注财政和外汇派生存款\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 一是既有财政资金投放。\n \n 当财政使用既有资金进行支出时，并不涉及融资发债，只是把财政存款转化为私人部门存款（居民与企业存款），这会推升M2，此时并没有信用扩张，因此不影响社融增速。今年财政支出靠前发力明显，一季度一般财政支出规模达9.5万亿元，创历史同期新高，同比增长2.7%。一季度广义财政支出完成全年预算进度的22.7%，为2020年以来的最高水平。\n \n
\n\n \n
\n \n
\n \n \n 更重要的边际变化是外汇资金加速流入。\n \n 今年中国出口强势超出预期，同时中国资产吸引力增强。贸易顺差结汇以及海外资金流入中国，均会形成新增存款，同样会增加M2，但不会增加社融。随着顺差高增和结汇率提升，银行代客结售汇顺差持续累积，经常账户和资本与金融账户下资金均加速流入，EPFR统计的外资流入中国也有所加快。\n \n
\n\n \n
\n \n
\n \n 图表6：银行代客结售汇顺差近期加速累积\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表7：EPFR显示海外资金加速流入，与证券投资结售汇顺差同步累积\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 如何理解宏观流动性来源的结构性转变？\n \n 本质上，流动性结构的变化是宏观经济内外需分化在货币层面的映射。传统信用扩张周期往往对应地产、基建和居民消费同步扩张，信用派生存款成为流动性主要来源；但当前地产下行、地方投资约束和居民消费增速放缓，使内需相关融资需求偏弱，信用扩张对流动性的拉动作用明显下降。与此同时，中国制造业竞争力提升、“新三样”出口扩张以及全球供应链重构，推动外需维持较强韧性，贸易顺差持续高增。\n \n
\n\n \n
\n \n
\n \n 4月经济数据显示，出口交货值同比进一步升至10.6%，高技术产业工业增加值同比达到12.8%，电子设备、汽车等出口相关行业景气度继续回升；相反，消费、地产和传统投资链条景气度则进一步走弱。内外需的持续分化导致信用与流动性周期走势背离：内需偏弱使得传统信贷、社融等信用扩张指标持续走弱，难以有效反映真实流动性环境；而外需强势带来贸易顺差高增、跨境资金持续流入，叠加财政前置发力，共同构成流动性新来源。\n \n
\n\n \n
\n \n
\n \n \n 引入“外汇脉冲”：外汇流动性对市场的边际驱动显著增强\n \n \n
\n\n \n
\n \n
\n \n 外汇资金派生的宏观流动性虽然在M2中占比不高，但与国内资产表现关联度更高，属于“高能流动性”，对当前市场的指引意义更大。结售汇顺差与中国股市的走势、换手率和市盈率的相关性在2016年后结构性提升，与资金利率和汇率也有较强相关性。\n \n
\n\n \n
\n \n
\n \n 图表8：2016年后，沪深300指数与银行代客结售汇顺差高度相关\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 图表9：银行结售汇顺差与资金利率反向变动\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表10：结售汇顺差与人民币汇率反向变动\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 仿照信贷脉冲的构建办法，我们提出基于结售汇顺差的“外汇脉冲”。具体而言，以3个月窗口对银行代客结售汇顺差作滚动加总，除以GDP（月度插值），得到的比值再和去年同期作差，得到“外汇脉冲”。我们发现外汇脉冲对股市的领先作用在近年来明显增强，与资金利率和人民币汇率反向变动，结售汇资金正在成为中国市场重要的增量流动性来源。\n \n
\n\n \n
\n \n
\n \n 图表11：外汇脉冲领先中国股市3个月左右，外汇脉冲上升指示股票表现走强\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表12：外汇脉冲上升，指示资金利率下行\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表13：外汇脉冲上升，指示人民币升值\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 外汇资金或为中国资产提供长期支撑，但海外“暂时性滞胀”仍可能形成短期扰动\n \n \n
\n\n \n
\n \n
\n \n \n 中长期看，中国出口竞争力明显提升，贸易顺差中枢或已提高，外汇派生流动性在宏观框架中的重要性也随之上升，外部流动性或为中国资产表现提供长期支撑。\n \n 近年来，在关税上升、地缘摩擦加剧的背景下，中国出口展现出超预期韧性，并持续向高附加值领域迁移：2025年中国海关口径商品贸易顺差逆势升至约1.2万亿美元、创历史新高。其中，高技术产品出口5.3万亿元，增长13.2%，拉动我国出口增长2.4个百分点；电动汽车、光伏产品、锂电池等“新三样”出口规模接近1.3万亿元，较2020年增长约3.5倍[1]。中国出口优势已不再只是低成本制造，而是转向依托产业链完整性、规模经济和技术扩散共同支撑的系统性优势。中国贸易顺差中枢结构性抬升，意味着外汇资金供给正在成为影响国内宏观流动性和资产定价的关键变量。\n \n
\n\n \n
\n \n
\n \n 贸易顺差决定外汇供给的基本盘，而企业结汇意愿、汇率预期和跨境配置行为，则决定这部分水源能否转化为境内人民币流动性。全球货币秩序重构正在提高人民币资产的中长期吸引力。随着美元体系不确定性上升，全球资金对多元化资产配置的需求抬升，人民币升值预期也推动企业和投资者结汇意愿显著修复，过往“有顺差、无顺收”的局面持续改善，经常账户顺差加速转化为境内流动性，证券项下跨境资金也持续流入。换言之，国际贸易体系重构决定了“外汇从哪里来”，货币秩序重构则决定了“外汇为什么愿意回来”，二者共同支撑国内流动性环境和中国资产表现（《\n \n 顺差去哪儿了\n \n 》）。\n \n
\n\n \n
\n \n
\n \n 图表14：近年来，顺差更多向顺收转化，结售汇顺差与经常账户顺差相关性明显提升\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 但流动性结构变化也是一体两面：\n \n 外汇供给增强一方面为国内流动性提供了新的支撑，另外一方面也让中国资产表现受外部影响更大。外汇派生流动性不仅取决于中国自身出口韧性和资产吸引力，也容易受到美联储政策、美元走势和全球风险偏好的阶段性扰动。下文将进一步讨论海外流动性的现状与前景。\n \n
\n\n \n
\n \n
\n \n \n 海外流动性展望：假风险与真机遇\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 海外流动性是影响全球资产走势的关键变量，\n \n 核心看三个变量：美联储政策、美债利率和美元汇率。美联储决定美元短端利率，是美债利率与美元走势的政策面决定因素；美债利率决定全球无风险利率，是全球资产定价之锚；美元指数则与跨境资本流动和全球风险偏好密切相关，全球金融周期其实与美元周期高度重合（Rey，2015）。\n \n
\n\n \n
\n \n
\n \n \n 短期美元流动性可见度下降，市场一度迷雾重重\n \n \n
\n\n \n
\n \n
\n \n 近期美元流动性可见度明显下降，从1月沃什被意外提名为美联储主席，到2月底美伊冲突爆发，本质上都是美元流动性收紧的风险上升，导致全球资产明显回调。我们在去年11月发布的年度展望（《\n \n 大类资产2026年展望：乘势而上\n \n 》）中已经明确提示，美元流动性或阶段性收紧，基本得到市场验证。目前地缘风险、通胀风险与政策风险交叉叠加，形成“地缘冲突—油价上行—通胀抬升—央行紧缩”的传导链条，让流动性前景迷雾重重。\n \n
\n\n \n
\n \n
\n \n \n 首先，地缘冲击推升能源价格，海外经济体通胀重新抬头。\n \n 美伊冲突升级后，中东能源供给风险上升，国际油价快速上涨，并通过汽油、运输成本和上游价格向通胀传导。油价冲击之下，美国通胀数据连续超预期，名义CPI同比由2月的2.5%升至4月的3.8%以上，4月PPI同比升至6%、环比升至1.4%，均处于2022年以来高位。PPI连续八个月环比上涨，也显示能源、运输与上游成本压力正在重新扩散。\n \n
\n\n \n
\n \n
\n \n \n 其次，政策不确定性放大了市场对美联储反应函数的分歧。\n \n 沃什长期以来偏向鹰派，经参议院确认出任新一届美联储主席后，市场开始重新评估联储政策方向。美伊冲突爆发之后，全球主要央行集中释放偏鹰信号，海外主要央行2026年降息预期全面逆转为加息预期。流动性预期收紧，十年期美债利率突破4.6%，全球主要经济体利率同步走高，美元指数阶段性反弹，全球风险资产普遍承压。\n \n
\n\n \n
\n \n
\n \n 图表15：美伊冲突后，全球主要央行2026年降息预期发生逆转\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 但需要强调的是，当下美元流动性收紧更多体现在预期层面，而非实质上的流动性收紧。资金市场并未出现系统性美元荒：SOFR-OIS利差持续回落，说明银行间美元融资压力有限；交叉货币基差虽在2月下旬地缘冲突升级阶段一度走扩，但随着3月底伊朗局势缓和，很快重新收敛。短期美元流动性可见度下降，主要源于地缘、通胀和政策三重不确定性叠加，而不是美元体系本身出现严重流动性问题。\n \n
\n\n \n
\n \n
\n \n 图表16：SOFR-OIS利差收敛，表明美国国内流动性整体充裕\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 中期（下半年）海外流动性前景或逐渐明朗\n \n \n
\n\n \n
\n \n
\n \n 我们认为当下市场计入过多流动性紧缩预期，夸大了地缘风险、通胀风险与政策风险的实际影响。我们预期下半年三重风险都可能明显缓解，为流动性重回宽松打开局面。\n \n
\n\n \n
\n \n
\n \n \n ► 地缘风险：美伊局势或总体走向缓和，市场或逐步对地缘风险脱敏。\n \n \n
\n\n \n
\n \n
\n \n \n 地缘冲击是短期美元流动性可见度下降的重要原因，但市场可能高估了美伊冲突长期化风险。\n \n 此前流行观点认为，伊朗破坏海峡成本低，美国保护海峡成本高[2]，且双方诉求差异巨大[3]，因此冲突不易通过谈判较快解决。但这一判断忽视了霍尔木兹海峡的双重属性：海峡既是伊朗的筹码，也是伊朗的软肋。美国未必需要“保护”整条海峡，只需封锁伊朗进出海峡，就可压缩伊朗石油出口、生活必需品进口和外部融资通道，对伊朗造成巨大经济压力[4]。美国与伊朗彼此都有震慑能力，这或将促使双方通过谈判解决冲突。美国中期选举渐行渐近，伊朗经济形势也不支持长期冲突，双方有动力尽快推进停火谈判，因此我们认为美伊局势的风险或逐步下降。\n \n
\n\n \n
\n \n
\n \n 图表17：美伊冲突爆发后，特朗普的民调支持率加速下滑\n \n
\n\n \n 注：阴影区域表示民调结果的合理波动区间，预计约90%的民调结果会落在该范围内。\n \n
\n\n \n 资料来源：Silver Bulletin，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 能源供给扰动仍然存在，但边际影响正在下降。\n \n 当前霍尔木兹海峡通行正在逐步恢复，近期已有部分LNG船和原油船重新通过海峡[5]，显示最极端的“完全封锁”风险有所降温。但航运恢复仍处早期阶段，通行量距离冲突前水平仍有差距，船东、保险机构和下游炼厂对安全性仍保持谨慎。\n \n
\n\n \n
\n \n
\n \n 从产业链角度看，中东原油出口受阻对全球石油产业链的影响仍需时间消化。\n \n 但从边际变化看，供给断崖式收缩风险正在下降。\n \n 一方面，OPEC+仍在通过上调产量目标释放稳供信号，七个核心 OPEC+成员预计将在6月会议上讨论上调7月产量目标，幅度约18.8万桶/日[6]。另一方面，阿联酋退出OPEC及OPEC+后，海湾闲置产能释放和成员国争夺市场份额的概率上升，削弱了OPEC维持价格地板的能力，增加了油价超预期回落的概率[7]。同时，美国、巴西等非中东供给以及大西洋盆地出口正在发挥缓冲作用。IEA 指出，在霍尔木兹海峡通行逐步恢复的假设下，大西洋盆地更高产量和出口将对全球供应形成部分补充[8]。由此看，我们认为，能源冲击虽仍未完全消退，但其边际变化或逐步转向供给修复，油价超预期回落的尾部概率上升。\n \n
\n\n \n
\n \n
\n \n \n 综合以上因素，我们认为地缘局势对美元流动性的压制或逐步减弱。\n \n 短期看，海峡通行量偏低可能仍会推升油价和通胀，压制降息交易。中期看，美伊全面热战并非基准情形，双方已在讨论霍尔木兹复航安排，能源供给断崖式收缩风险下降。回顾2011年以来的9次地缘冲击，我们发现大部分地缘事件造成的市场冲击通常会较快均值回归，其对市场的扰动通常集中在2至3周内逐渐消退。若美伊继续推进和谈停火，市场对伊朗局势可能逐步脱敏，美元也可能重新切换至增长放缓与降息预期主导的下行通道。\n \n
\n\n \n
\n \n
\n \n 图表18：大部分地缘冲击对市场的扰动通常在2至3周左右逐渐消退\n \n
\n\n \n 注：事件统计包含2010年以来的9次地缘冲击。中股选用沪深300指数，美股选用标普500指数\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n \n ► 通胀风险：通胀上行是暂时性冲击，下半年全球通胀或普遍回落。\n \n \n
\n\n \n
\n \n
\n \n 美国通胀前景是中金大类资产团队与市场共识的重要分歧之一，自去年11月展望2026年时，我们相比市场共识就对美国通胀风险更为谨慎。在1月份发布的《\n \n 重估美国通胀风险与市场影响\n \n 》中，我们重申今年上半年美国通胀可能明显上行，阶段性压制美联储降息预期。3月美伊冲突爆发后，我们发布《\n \n 迎接滞胀冲击\n \n 》，进一步提出油价上涨和统计滞后效应将共同推升2026H1通胀读数，全球资产可能面临阶段性滞胀冲击。事后看，虽然美伊冲突难以事前预测，但美国通胀上行时点与幅度、市场对降息预期的修正、全球资产价格调整，与我们此前预测基本一致。伊朗冲突只是进一步抬高了通胀高点，但并未改变我们对美国通胀的方向性判断。\n \n
\n\n \n
\n \n
\n \n \n 短期看，主要经济体未来数月通胀仍可能继续冲高，全球资产仍面临阶段性滞胀挑战。\n \n 汽油价格上涨直接推升名义CPI，推升运输成本，供给扰动对通胀的影响正在显现。纽约联储全球供应链压力指数近期明显上行，显示能源、航运和交付周期压力正在传导，我们预期美国、欧洲、日本等主要经济体通胀可能继续冲高。\n \n
\n\n \n
\n \n
\n \n 图表19：供应链压力指数近期快速上升\n \n
\n\n \n 资料来源：Haver，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 与此同时，我们预测本轮通胀冲击是阶段性扰动，美国等主要经济体通胀下半年或重回下行通道。\n \n 在《\n \n 油价冲击会导致央行加息潮吗？\n \n 》中，我们提出油价冲击对通胀的影响需区分“一次效应”和“二次效应”。一次效应主要体现为能源价格直接推高名义CPI；二次效应则是能源成本进一步传导至非能源商品、服务价格和工资，形成更广泛的核心通胀压力。\n \n
\n\n \n
\n \n
\n \n 货币政策需要应对的不是一次效应，而是二次效应。在央行已经建立信誉之后，只要油价没有导致明显的二次效应，就可以采取“缩减原则”（Attenuation Principle），对短期的油价波动“不予理会”。只有当油价波动影响到了工资、服务等其他价格时，货币政策才需要在稳通胀与稳产出之间做出权衡。当前引发二次效应的宏观条件已经明显减弱：\n \n
\n\n \n
\n \n
\n \n \n 首先，石油在经济中的重要性下降，削弱了油价向核心通胀的传导幅度。\n \n 随着能源使用效率提升以及服务业占比上升，单位产出所需的能耗持续降低。同时，在绿色转型背景下，全球能源结构中石油占比逐步回落，天然气与清洁能源占比提升，削弱了油价波动对宏观经济的影响。\n \n
\n\n \n
\n \n
\n \n 图表20：全球能源结构中石油占比下降，天然气和清洁能源占比上升\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 其次，劳动力市场降温叠加 AI 替代效应，“工资—通胀”螺旋难以形成。\n \n 当前美国就业需求边际走弱，职位空缺回落、工资增速放缓，劳动力市场供需明显缓和，成本冲击向核心通胀扩散的难度上升。与此同时，AI正在部分替代新增用工需求，进一步削弱工资上涨压力。Indeed平台的分职业招聘数据显示，高暴露职业（如软件开发、市场营销、人力资源等）招聘需求收缩更为显著，意味着AI对劳动力需求的抑制效应正在显现。\n \n
\n\n \n
\n \n
\n \n 图表21： ChatGPT发布后，软件开发等高AI暴露职业的招聘需求显著减少\n \n
\n\n \n
\n \n
\n \n 资料来源：Indeed，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 根据中金大类资产通胀分项预测模型，2026H2美国多个关键通胀分项可能重新回落，带动CPI同比增速重回下行。\n \n
\n\n \n
\n \n
\n \n ►\n \n 能源\n \n （占比约7%）：原油期货曲线显示本轮油价冲击更像阶段性抬升，下半年原油价格或重回下行，压低名义通胀；\n \n
\n\n \n
\n \n
\n \n ►\n \n 食品\n \n （占比13%）：领先指标显示食品CPI未来半年上涨压力有限。一般而言，油价上涨也会传导到食品CPI，但能源价格向食品价格的传导系数较小，限制了食品通胀上行幅度；\n \n
\n\n \n
\n \n
\n \n 图表22：领先指标显示食品CPI同比增速上行幅度有限\n \n
\n\n \n 资料来源：Haver，Corelogic，中金公司研究部\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n ►\n \n 房租\n \n （占比约35%）：今年4月份样本轮换补偿效应释放后，房租通胀或仍将回到新租约价格放缓所驱动的下行趋势，是美国通胀下行改善的压舱石；\n \n
\n\n \n
\n \n
\n \n 图表23：领先指标显示房租通胀或继续下行\n \n
\n\n \n 资料来源：Haver，CoreLogic，中金公司研究部\n \n
\n\n \n
\n \n
\n \n ►\n \n 核心商品\n \n （占比约19%）：领先指标显示二手车CPI环比增速即将转负。随着关税传导趋于完成、实际有效税率回落，或带动其他核心商品通胀增速继续缓和。\n \n
\n\n \n
\n \n
\n \n 图表24：其他核心商品通胀增速放缓\n \n
\n\n \n 资料来源：Bloomberg，Haver，中金公司研究部\n \n
\n\n \n
\n \n
\n \n ►\n \n 其他核心服务通胀\n \n （占比13%）：与美国劳动力市场状况密切相关。当前劳动力市场正在降温，工资增速放缓，叠加AI对劳动力的替代效应，或驱动相关分项回落。\n \n
\n\n \n
\n \n
\n \n 图表25：招工困难指数预示其他核心服务通胀继续低位运行\n \n
\n\n \n 资料来源：Bloomberg，Haver，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 综合上述因素，若后续地缘局势不再明显恶化，我们预计美国通胀大概率在夏季附近见顶，并在下半年重新回落。按照原油期货曲线估算，本轮美国CPI高点或出现在5月前后，接近4.2%，下半年有望重回下行。其他主要经济体的通胀路径大致与美国一致，夏季是通胀峰值，下半年逐步回落，与美国同步走出“暂时性通胀”冲击。\n \n
\n\n \n
\n \n
\n \n 图表26：美国通胀可能上半年上行，下半年下行\n \n
\n\n \n 资料来源：Haver，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n ► 政策风险：勿低估美联储降息时点与幅度，缩表可能推进较慢。\n \n \n
\n\n \n
\n \n
\n \n \n 市场对沃什紧缩的担忧可能是下半年海外流动性预期差的另一重要来源。\n \n 在《\n \n “沃什冲击”如何改变全球市场？\n \n 》中，我们判断沃什或不愿意重启QE或主动扩表，但短期开启缩表的门槛也较高。这是因为当前美国财政赤字高企、银行准备金偏低、商业地产和中小银行压力仍在累积，短期重启缩表可能导致金融风险。我们预期更可能的政策组合是：美联储通过更大幅度降息缓解增长和金融市场压力，同时放松部分金融监管约束；财政部则增发短债、压低融资久期，形成新的财政—货币协同机制。\n \n
\n\n \n
\n \n
\n \n \n 这一政策组合能否成立，关键取决于在高通胀背景下，美联储是否有理由“看穿”（look through）短期通胀冲击。\n \n 根据近期沃什表态，我们认为美联储可以采取下述3个理由更快推进降息。\n \n
\n\n \n
\n \n
\n \n 第一，通胀指标选取。沃什青睐使用截尾均值通胀指标（Trimmed Mean Inflation）评估通胀形势，这一指标会剔除涨幅最高和最低的极端分项，对能源、交通等受供给冲击影响大的通胀分项天然不敏感，当前截尾均值通胀明显低于核心PCE等传统指标。即便油价阶段性冲高，如果沃什使用截尾通胀指导货币政策，短期供给冲击更难成为美联储重新加息的理由。\n \n
\n\n \n
\n \n
\n \n 图表27：沃什青睐的截尾均值PCE指标维持低位\n \n
\n\n \n 资料来源：Haver，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 第二，AI压低通胀中枢。沃什多次表示对AI科技革命迅速推进抱有信心。若AI持续提升生产率、降低单位劳动力成本，美国潜在增长中枢可能上移，通胀中枢可能更低。对货币政策而言，这意味着美联储不必机械地因增长韧性而推迟降息，也不必立即因价格扰动而重新转鹰。政策反应函数可能从盯住短期通胀读数，转向更重视生产率趋势和金融稳定。市场把沃什简单理解为鹰派冲击，可能低估了其政策框架中“看穿短期通胀、重视供给改善、维护金融稳定”的宽松含义。\n \n
\n\n \n
\n \n
\n \n 第三，货币政策影响经济存在时滞，需要提前采取行动。沃什在听证会上明确表示，货币政策“存在漫长且不确定的时滞”（works with long and variable lags）[9]，一旦美联储调整政策，其影响往往要在“6个月、9个月或12个月之后才会传导至实体经济”（find its way to the real economy six, nine, or twelve months later）。这意味着，美联储不必等到通胀已经降至低位后才开始调整利率。如果AI正在改变供给侧约束，或油价冲击的二次效应有限，央行就需要基于未来通胀路径作出前瞻性判断，而不是等待滞后数据完全确认后才行动。否则，当政策真正转向时，可能已经错过最佳窗口，反而加剧经济下行压力。\n \n
\n\n \n
\n \n
\n \n \n 综合地缘、通胀与政策这3个维度来看，短期（未来1-2个月）市场仍可能在迷雾中运行，全球资产或需继续应对滞胀交易的余波冲击。但进入下半年，我们预期三重风险逐步淡化，流动性前景日益明朗，市场有望走出迷雾，建议勿低估美联储降息的时点与幅度，宽松交易或重新成为市场主线，\n \n 为全球股票、债券、商品和黄金等大类资产创造新的投资机会，美元重回贬值通道。我们在下一章节讨论具体资产配置建议。\n \n
\n\n \n
\n \n
\n \n \n 2026H2资产配置建议\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 中国股票：维持超配\n \n \n
\n\n \n
\n \n
\n \n \n 外汇回流等渠道有望为中国股票提供流动性支持。海外结汇资金正在成为流动性增量来源，并有望与居民存款搬家及市场“赚钱效应”形成共振。\n \n 2025年中国贸易顺差逆势增长至1.2万亿美元，经常账户和资本与金融账户下资金均加速流入，分别超4000亿美元与400亿美元，前者为十年以来的高点，后者超越了2021年的阶段性高点，银行代客结售汇顺差持续累积，形成增量流动性来源。国际货币秩序重构变局下，美元仍会回归贬值通道，美元资产吸引力相对下降，有助于推动全球资金再配置，对中国股票相对有利。居民存款搬家推动非银存款持续增长，与跨境资金流入形成共振，为A股提供流动性支持。\n \n
\n\n \n
\n \n
\n \n 图表28：美元下行期，非美股票跑赢美股\n \n
\n\n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 除了流动性改善，当前中国股票估值仍处于合理区间。\n \n 尽管当前A股PE估值已处于相对高位，但在低利率环境下，PE估值中枢原本就会上移。因此，相比单纯观察PE水平，更应关注股权风险溢价这一相对估值指标。当前沪深300股权风险溢价大致在5%—5.5%区间波动，历史分位约为50%，处于中游水平，表明市场估值并未明显透支，整体仍相对合理。\n \n
\n\n \n
\n \n
\n \n 图表29：当前沪深300风险溢价处于历史中游水平，相对合理\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n AI科技革命持续落地，为经济提供新动能，提振风险偏好。\n \n AI革命趋势持续演进，推动新质生产力变革，形成对出口与经济的有力支持：从规模看，据有关机构测算，2025年我国人工智能企业数量超过6000家，核心产业规模预计突破1.2万亿元[10]；从产出贡献看，2025年高技术产品出口同比增长13.2%，拉动我国出口增长2.4个百分点，其中集成电路出口增速27.4%，工业机器人增速为48.7%，使我国首次成为工业机器人净出口国。截止到2026年5月31日，2023年末以来科创50指数涨幅100%以上，远超同期沪深300的40%左右。\n \n
\n\n \n
\n \n
\n \n \n 受以上因素支持，我们认为中国股市下半年可能维持上行趋势，建议继续超配。\n \n 但考虑到海外滞胀冲击尚未消退，市场情绪热度仍然偏高，市场波动可能也会有所增大，建议逢低增配。\n \n
\n\n \n
\n \n
\n \n \n 黄金：维持超配\n \n \n
\n\n \n
\n \n
\n \n 近期金价回调的核心原因是地缘冲突引发全球滞胀担忧，推动主要央行政策预期同步转紧。我们认为当前市场可能高估了滞胀冲击的持续性以及央行紧缩的风险。一方面，全球经济对石油的依赖程度已较过去明显下降；另一方面，AI对劳动力市场的替代效应正在削弱工资—物价螺旋的形成基础。因此地缘供给冲击带来的通胀压力更可能表现为阶段性脉冲，而非持续性中枢抬升。一旦冲突缓和，油价不再继续冲高，全球通胀有望明显回落，加息担忧也将随之降温，对黄金的压制明显减弱。\n \n
\n\n \n
\n \n
\n \n \n 我们认为黄金牛市的基本面叙事依然稳固。\n \n 美元信誉长期下降、国际货币体系加速重构的趋势没有改变，黄金作为非主权信用资产的配置逻辑持续凸显。我们预计央行购金仍是黄金市场的重要资金来源，为金价表现提供支撑。据WGC统计，2026年1季度全球央行新增购金244吨，过去一年来稳步抬升；该机构的最新调查数据则显示，43%的受访央行预期继续增加黄金配置。\n \n
\n\n \n
\n \n
\n \n \n 黄金牛市何时结束？\n \n 基于过去50年的历史复盘，我们发现美联储政策转向紧缩与美国经济全面好转（增长上行+通胀下行）是黄金牛市终结的两个关键信号。从美联储政策角度看，我们预期降息周期尚未结束，后续美联储降息时点与幅度或超出市场预期，“缩表”推进节奏可能相对缓慢，因此货币政策尚未真正转向紧缩。从美国经济角度看，2025年，占美国经济总量接近70%的个人消费支出仅增长1.6%，显示居民消费动能仍然偏弱。与此同时，CPI通胀正在接近4%，说明美国经济当前更接近“增长偏弱、通胀偏高”的滞胀组合，而非全面好转。因此，无论是从政策层面还是经济层面，当前都尚未出现黄金牛市终结的明确信号。\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 图表30：美国消费增速正在下行\n \n
\n\n \n 资料来源：Wind，FRED，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 需要注意的是，尽管黄金牛市尚未结束，但当前估值仍然偏贵，市场波动可能增大。\n \n 模型显示，当前金价相对基本面解释值的残差已接近1000美元，说明短期交易拥挤度与估值压力仍不低。因此我们建议维持超配黄金，但减少追涨杀跌操作，采取逢低增配的策略。\n \n 自年初高点以来，黄金下调幅度接近20%，当前可能正是逢低布局窗口期。\n \n \n
\n\n \n
\n \n
\n \n 图表31：黄金模型2.0显示，当前黄金估值仍偏贵，或放大市场波动\n \n
\n\n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 中国债券：维持低配\n \n \n
\n\n \n
\n \n
\n \n \n 当前估值水平下，中国债券利率继续下行的空间相对有限。\n \n 当前中国债券收益率仍与经济运行状态存在较大偏离，估值分位数处于较高区间。与沪深300当前约2.7%的股息率相比，十年国债约1.7%的到期收益率吸引力有限。\n \n
\n\n \n
\n \n
\n \n 图表32：债券利率下行速度相对经济基本面过快\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 风险偏好修复与经济改善预期均可能构成债券回调风险。\n \n 在当前低利率环境中，中国股债呈现负相关，“股债跷跷板”效应依然较强。若AI革命持续推进、地产回暖迹象进一步确认，叠加出口数据连续超预期，市场风险偏好可能继续修复，对权益资产形成支撑，同时对债券收益形成压制。\n \n
\n\n \n
\n \n
\n \n 图表33：当前中国股债相关性为负\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 综上，中国债券当前处于回报空间相对有限、承担风险偏高的区间，配置性价比低于股票、商品与黄金等资产。尽管我们并不预测中债利率下半年大幅上行，\n \n 但维持对中债的低配建议。\n \n \n
\n\n \n
\n \n
\n \n \n 美国股票：维持标配\n \n \n
\n\n \n
\n \n
\n \n 凭借科技创新、商业模式迭代、资本市场效率和制度环境等综合优势，美股配置价值在全球权益资产中位居前列。当前AI科技革命仍在持续推进，不仅提振风险偏好，也支撑企业盈利扩张，支持美股表现，因此我们对美股后市并不悲观。\n \n
\n\n \n
\n \n
\n \n 图表34：剔除通胀后，美股过去四十年的收益波动比在全球股票资产中位居前列\n \n
\n\n \n 资料来源：JST数据库，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 但短期来看，高估值与阶段性滞胀压力正在增加美股波动风险。\n \n 当前标普500的PE在28-30倍之间波动，处于历史80-90%分位数的偏高水平。基于历史经验，在类似估值水平下，美股未来十年的预期年化收益可能接近零，中长期配置吸引力有所下降。与此同时，阶段性滞胀压力仍在扰动市场，美债利率明显上行，增加高估值资产的波动风险。\n \n
\n\n \n
\n \n
\n \n 图表35：历史上美股PE在30倍附近时，未来10年平均回报较低\n \n
\n\n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 综合以上因素，美股仍具备良好长期配置价值，但在当前估值偏高、全球货币政策阶段性偏紧的背景下，短期波动风险有所上升，\n \n 我们对美股维持标配。\n \n \n
\n\n \n
\n \n
\n \n \n 美国债券：维持标配\n \n \n
\n\n \n
\n \n
\n \n \n 滞胀冲击与财政压力对美债形成利空。\n \n 当前多个主要经济体正面临阶段性滞胀冲击，海外主要央行降息预期全面逆转为加息预期。对美国而言，市场已经计入美联储2026年和2027年不再降息，反而会重新加息，推动美债利率上行。与此同时，关税退还削弱财政收入，而“大美丽法案”等政策则增加财政支出，收支两端共同推升财政赤字，并加大美债供给压力，同样对美债价格形成压制。\n \n
\n\n \n
\n \n
\n \n 图表36：期货市场预期美联储未来两年不再降息\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 相对较高的收益率与潜在宽松交易提高美债配置价值。\n \n 当前十年期美债收益率已经在4.5%左右，较高的票息回报能够提供一定安全边际。由于特朗普在美伊问题上存在“TACO”倾向，且下半年美国通胀可能重新回落，我们预期降息交易重新成为市场主线，对美债表现提供支撑。\n \n
\n\n \n
\n \n
\n \n 图表37：当前美债收益率处于高位，票息回报形成较厚安全垫\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 综合考虑之下，\n \n 我们认为美债的风险与收益相对平衡，建议维持标配。\n \n \n
\n\n \n
\n \n
\n \n \n 商品：维持标配\n \n \n
\n\n \n
\n \n
\n \n \n 对冲功能仍是商品配置的核心价值。\n \n 去年11月我们发布年度展望《\n \n 大类资产2026年展望：乘势而上\n \n 》，调整此前2年低配商品的观点。根据各大类资产在不同风险情境下的对冲效果，尤其考虑到海外滞胀与地缘风险，我们明确建议增配商品。\n \n
\n\n \n
\n \n
\n \n 图表38：商品（尤其是石油）是2026年风险因素的良好对冲标的\n \n
\n\n \n 注：加总影响的得分为前五列之和，其中下行箭头为-1，横向箭头为0，上行箭头为1\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 今年上半年石油等商品领涨全球资产，尤其在美伊冲突中大幅冲高，已经兑现对冲价值，\n \n 在当前位置继续增配商品需更加谨慎。\n \n 以俄乌冲突为例，冲突初期商品价格涨幅较大，但中后期则转为高位震荡，部分品种甚至明显回调。\n \n
\n\n \n
\n \n
\n \n 图表39：俄乌冲突中期，商品价格高位震荡，甚至一度明显回调\n \n
\n\n \n 资料来源：Wind，Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 若地缘冲突不再明显恶化，经济和劳动力市场降温等因素或推动美国通胀在下半年重新回落，商品对冲价值可能弱化，不排除高位回落的可能性。对油价而言，阿联酋近期退出OPEC，反映石油供给的长期约束正在弱化。一旦美伊冲突结束，原油供给节奏或快于市场预期，不宜低估油价超预期下行的风险。\n \n
\n\n \n
\n \n
\n \n 综上，我们认为商品当下仍有对冲价值，但冲高回落风险也有所上升，建议\n \n 维持标配。\n \n \n
\n\n \n
\n \n
\n \n \n 《\n \n \n \n \n 宏观流动性之辨\n \n \n \n \n 》\n \n \n \n （2026.05.19）\n \n
\n\n \n \n 《\n \n \n \n \n 资产配置手册（一）：全球资产100年\n \n \n \n \n 》\n \n \n \n （2026.05.07）\n \n
\n\n \n \n 《\n \n 迎接滞胀挑战\n \n 》（2026.04.07）\n \n \n
\n\n \n \n 《\n \n \n \n \n \n 伊朗局势如何影响全球资产\n \n \n \n \n \n 》（2026.03.10）\n \n \n
\n\n \n \n \n \n 《\n \n \n \n “沃什冲击”如何改变全球市场？\n \n \n \n 》\n \n \n \n \n \n （2026.2.6）\n \n \n \n \n \n
\n\n \n \n \n 《\n \n \n \n 大类资产2026年展望：乘势而上\n \n \n \n 》（2025.11.16）\n \n \n \n
\n\n \n \n \n 《\n \n \n \n 拐点将至：美国通胀的市场启示\n \n \n \n 》（2025.8.7）\n \n \n \n
\n\n \n
\n \n
\n \n \n [1]http://www.customs.gov.cn/customs/xwfb34/302330/hgzs2025nqsjdjckqkxwfbh/index.html\n \n \n
\n\n \n \n [2]https://www.washingtoninstitute.org/policy-analysis/military-options-reopening-strait-hormuz-limitations-and-imperatives\n \n \n
\n\n \n \n [3]https://www.news.cn/world/20260218/a15988f69ae24a81b53e6277a9d9ae09/c.html\n \n \n
\n\n \n \n [4]https://www.algemeiner.com/2026/04/22/israel-estimates-us-blockade-strait-hormuz-slash-iran-oil-exports-80/\n \n \n
\n\n \n \n [5]https://www.ft.com/content/9d2cdd87-5f4c-4ce1-a2d1-610729dd4aa9?syn-25a6b1a6=1\n \n \n
\n\n \n \n [6]https://www.reuters.com/business/energy/opec-leaders-expected-up-july-oil-output-target-despite-hormuz-disruption-2026-05-21/?\n \n \n
\n\n \n \n [7]Reuters, UAE leaves OPEC in blow to global oil producers' group, Apr. 28, 2026；Reuters, UAE left OPEC to pump more as end of oil era looms, presidential adviser says, May 22, 2026.\n \n \n
\n\n \n \n [8]https://www.iea.org/reports/oil-market-report-may-2026\n \n \n
\n\n \n \n [9]https://www.rev.com/transcripts/warsh-confirmation-hearing\n \n \n
\n\n \n \n [10]https://www.gov.cn/lianbo/fabu/202601/content_7059420.htm\n \n \n
\n\n \n
\n \n
\n \n \n Source\n \n \n
\n\n \n \n 文章来源\n \n \n
\n\n \n 本文摘自：2026年6月2日已经发布的《大类资产配置2026下半年展望：雾敛潮升》\n \n
\n\n \n 李昭 分析员 SAC 执证编号：S0080523050001； SFC CE Ref：BTR923\n \n
\n\n \n 缪延亮 分析员 SAC 执证编号：S0080525060005； SFC CE Ref：BTS724\n \n
\n\n \n 杨晓卿 分析员 SAC 执证编号：S0080523040004； SFC CE Ref：BRY559\n \n
\n\n \n 王添翼 联系人 SAC 执证编号：S0080126010011\n \n
\n\n \n
\n \n
\n \n \n Legal Disclaimer\n \n \n
\n\n \n \n 法律声明\n \n \n
\n\n \n 特别提示\n \n
\n\n \n 本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。\n \n
\n\n \n 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。\n \n
\n\n \n 中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。\n \n
\n\n \n 本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。\n \n
\n\n \n 一般声明\n \n
\n\n \n 本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。\n \n
\n\n \n 本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。\n \n
\n\n \n 在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访问http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。\n \n
\n\n \n 本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。\n \n
\n\n
\n \n \n
\n\n
\n 金日芒种。时至芒种，麦田待收，秧苗待种。\n
\n 古人总结节气真谛：芒种，一收一种，不误农时。麦子熟了不抢收，淋雨倒伏颗粒无收；秧苗到季不播种，秋后田地空空。\n
\n\n 农事如此，投资同理。\n
\n\n 市场是有情绪的。当资产估值透支业绩、长期回报率下行时，择机落袋为安；优质标的回落至合理回报区间，从容布局播种。\n \n 散户乙用两轮白酒操作，把芒种的收种智慧落地在股市里。\n \n
\n\n 2013年白酒行业遭遇低谷，塑化剂、消费政策双重压制，市场恐慌抛售老窖，散户乙以股权思维逆势重仓，把股票当成一棵能年年结果的果树，依靠稳定分红慢慢摊薄持仓成本，一守便是八年。\n
\n\n 2021年白酒股抱团狂欢，泸州老窖股价大幅冲高，估值早早跑在了企业盈利前面。彼时公司业绩增速已经跟不上股价涨幅，市盈率居高不下，股息率大幅回落，按照他一贯的回本测算，长期股权回报率已经达不到持仓标准。\n
\n
\n 在无数散户跟风追高、幻想股价继续翻倍的时候，他遵循“粮熟即收”的芒种规律，果断减持半数老窖仓位，兑现多年丰厚收益，回笼资金转向高股息、高确定性资产。\n
\n
\n 在他的投资体系里，持股的核心是回报率是否满意，不是市场泡沫催生的股价暴涨。\n
\n
\n 股价提前透支未来数年业绩，等同于庄稼熟透过头，拖延收割只会遭遇行情回落、利润回吐，就像成熟小麦淋雨发霉，到手收成白白损耗。\n
\n
\n 很多投资者败在贪心：明明估值高位、回报率缩水，还贪恋最后一段行情，舍不得落袋，最后由盈转亏。\n
\n 芒种教会农人收麦不恋田，价值投资者同样要克服贪婪，回报率不及预期，再热门的标的也要分批收官。\n
\n
\n 经过连续数年回调，高端白酒板块估值持续消化，股价回落，企业基本面稳健依旧、分红政策稳定，股息率重新回到符合他买入标准的区间。从2023年末开始，散户乙分批重回白酒赛道，陆续建仓茅五泸等优质白酒企业，基本完成新一轮逆向播种。\n
\n
\n 别人恐惧悲观、避白酒如避坑，他看见的是：优质企业没变，只是市场情绪压低了价格，此时买入，相当于芒种时节墒情刚好，下地插秧恰逢其时。\n
\n
\n 投资播种，不在市场火热人声鼎沸时，而是在优质资产被错杀、长期回报率重新满足持仓要求的时候。\n
\n
\n 投资的大道：循时节，守本分，不乱收、不盲种。\n
\n
\n 不以涨跌定买卖，只用回报率定收种。耐得住寂寞，守得住繁华。\n
\n 无论是2013年低位守仓老窖，还是2021年高位止盈、近两年低位建仓，中间都要熬过漫长震荡。\n
\n\n 农人春种之后，要历经夏耘秋收，投资者买入股权，也要忍耐市场波动，静待企业盈利兑现。\n
\n
\n 芒种，忙而不茫。\n
\n 种地之人懂时节，成熟收割、适时播种，岁岁皆有收成；\n
\n\n 投资之人看回报，高估止盈、低估布局，慢慢积攒复利。\n
\n
\n 愿我们顺应时节，收有所得，种有所获，于涨跌起落间，守好自己的一亩三分投资田。\n
\n
\n \n \n
\n \n \n 《从冲浪到潜水（至尊版）》电子版（文本格式）分享\n \n \n
\n\n
\n \n
\n \n
\n
\n
\n \n \n 1、只有科技能赚钱的行情\n \n \n
\n\n \n 极致割裂行情，全市场只剩AI科技一条赚钱主线，\n \n 科技+大成交+高热度，成了量化和热钱的趋势投资共识。\n \n \n
\n\n \n \n 2、市场风格的阶段性均衡化\n \n \n
\n\n \n 中银策略称，\n \n \n 未来一个月市场或迎来阶段性风格均衡化表现，\n \n 大市值、低盈利、低估值或将成为市场占优风格方向\n \n ，可关注北证50、中证2000。\n \n
\n\n \n \n 3、2020年科网叙事VS2026年AI叙事\n \n \n
\n\n \n
\n \n
\n \n 金融时报认为，AI时代的英伟达，盈利增长曲线相比股价涨幅更陡峭，所以\n \n 不能简单对比2020年科网泡沫\n \n 。\n \n
\n\n \n 不过，2000年思科的网络交换机，相比英伟达在训练领域近乎垄断的AI算力卡，行业地位差别很大，也不可简单对比。\n \n
\n\n \n 此外，选择2019年英伟达卡受矿难影响业绩大跌时间点作为起点，本质上也不客观。\n \n
\n\n \n
\n \n
\n \n \n 4、台积电股东会摘要\n \n \n
\n\n \n 美亚利桑那、日熊本厂按计划推进，辟谣中东、非洲建厂传闻，暂无相关落地计划。\n \n
\n\n \n 2025 年资本支出 388 亿美元聚焦先进制程与 CoWoS 扩产，\n \n 2026 年开支维持 360-400 亿美元区间不变\n \n 。\n \n
\n\n \n 依托 AI、自动驾驶、人形机器人长期需求，\n \n 管理层中长期业绩乐观\n \n 。\n \n
\n\n \n \n CoPoS先进封装\n \n \n \n \n 内部试点产线已完成客户验证\n \n ，但量产仍需 2-3 年；短期优先加码树脂基 CoWoS 产能，保障 AI 封装订单。\n \n
\n\n \n AI 正由生成式向智能体迭代，\n \n 属于长达十年的结构性需求，全球算力建设尚处初期，先进芯片供给长期偏紧\n \n ，看好半导体中长期行情。\n \n
\n\n \n \n 5、物理AI\n \n \n
\n\n \n 英伟达正式官宣重磅产品——NVIDIA Cosmos 3，这款面向物理AI的开放世界基础模型，凭借全新混合Transformer架构，打通视觉推理、世界生成、动作预测三大核心能力，成为\n \n 全球首款完全开放的全模态物理AI模型\n \n 。\n \n
\n\n \n \n 6、博通绩后大跌\n \n \n
\n\n \n 博通第二财季\n \n \n 收入：221.9亿美元，yoy+48%，vs预期221.2亿美元。\n \n \n Non-GAAP净利润：120.7亿美元，yoy+55%，vs预期117.7亿美元。\n \n
\n\n \n AI半导体收入\n \n \n 108亿美元，同比+143%，但超出分析师预期的幅度均不大。\n \n
\n\n \n 预计\n \n 第三财季AI半导体收入\n \n \n \n \n 160亿美元，yoy+200%+，vs预期172.7亿美元（低于预期）\n \n 。\n \n
\n\n \n 博通CEO称\n \n 本财年AI芯片销售额将达560亿美元，\n \n \n \n \n 2027财年AI半导体收入超过 1000 亿美元，均低于市场预期\n \n 。\n \n
\n\n \n 过去几个季度，市场买 AVGO 买的是“每次财报都能把 AI TAM 再往上抬一截”；而这次公司只是证明了“AI 需求仍然很强”，但没有证明“比市场想象得更强”。\n \n
\n\n \n \n 7、达利欧：我一直在用AI做投资\n \n \n
\n\n \n 桥水达利欧最近说：我\n \n 一直在用AI做投资\n \n ，AI太强大了，如果不用，你就会被后浪拍在沙滩上。\n \n
\n\n \n 达利欧甚至出了一款AI分身，以GPT为基础，77岁的老达亲自训练喂数据，目前官网开放内测。\n \n
\n\n \n \n 8、全球央行4月重新恢复购金\n \n \n
\n\n \n 据世界黄金协会最新数据，全球央行4月净购金约17吨，\n \n 扭转了3月近30吨净抛售的局面\n \n 。\n \n
\n\n \n 4月，波兰央行以14吨的净购入量蝉联月度最大买家，\n \n 中国央行则以8吨的净购入量加速增持，为2024年12月以来最高单月购金量\n \n 。\n \n
\n\n \n \n \n 今晚就这些了，明天见。\n \n \n \n \n
\n \n \n \n 本人将持续进行市场策略分析。\n \n \n \n \n
\n \n \n 由于目前平台从关注流变为推荐流，有朋友反映不能及时收到推送。需要及时收到的朋友可以\n \n \n \n \n \n 星标\n \n \n \n \n \n \n ，\n \n \n \n \n 转发、在看、点赞、评论，\n \n \n \n \n \n \n 亦会增强你与本人的推送权重\n \n \n \n \n \n \n 。\n \n \n \n
\n\n
\n \n 高通在4月份最低到了124美元，仅仅两个月后就翻倍，当前是250美元。\n \n
\n\n \n 在4月份本人两篇高通的专题文章中，对高通14倍的PE进行了评估，认为即使是放在半导体平均30倍PE中也是低估的，但其实高通的护城河和底盘比很多半导体公司要强。\n \n
\n\n \n 当然，今天我们要讨论的是，在翻倍之后，未来会怎么走？本月24日有一场关键的发布会，很可能会有重大影响，值得一并分析一下。\n \n
\n\n \n 今天会结合昨天文章中提到的“美股的通用规律”来分析一下高通。\n \n
\n\n \n *\n \n
\n\n \n \n \n 我是大宇\n \n ，用大白话讲AI投资，本文约 3600字，推荐将本号“\n \n 加为星标\n \n ”。\n \n \n
\n\n \n
\n \n
\n \n 的原因不是手机业务，苹果基带还在退、联发科还在追、安卓周期还在波动，这里仍然只能给比较低的估值。市场对高通2026 财年的市场共识约 11 美元，同比降约 9%。\n \n
\n\n \n 盈利往下走，股价接近翻倍。市场在买单AI的新故事：\n \n \n \n AI 推理\n \n \n \n 。\n \n
\n\n \n 美股在昨天Dell的文章中，我们讲了几个特点： 一是会为故事买单。 二是只有故事，那会跌回去。 三是如果故事落地，看盈利等客观数据，数据好，就会继续涨。\n \n
\n\n \n 那现在这一波上涨，高通目前暂时还是停在200上方，表现颇为坚挺，而在当前这个节点，能合理推测几件事：\n \n
\n\n \n 1、市场在为高通的AI故事给较高估值，但还很犹豫，没有给足。 2、聪明钱当前不愿离场，他们或许还在观望或期待一些东西。\n \n
\n\n \n 所以，6月24日的发布会可能会是一个关键节点，股价将会在那一天前后变成两个样子，向上还是向下，波动应该会比较大。\n \n
\n\n \n 不过有一个风险点是，即使是大利好，也可能也有利好落地的常见回落，此前6 月 1 日高通在台北 Computex 亮出\n \n \n \n AI数据中心\n \n \n \n 品牌 Dragonfly，当天股价却跌了 9%。同时，像最近美股财报一些头部芯片股，也出现利润超预期，结果还跌的情况。但美股有一个好处是利好落地兑现的下跌，修复也会很快，这和没有内在价值支撑的纯投机完全不同。\n \n
\n\n \n 所以，现在不要因为高通翻倍了就觉得贵了、高了，关键是\n \n \n \n 从第一性原理进行一些推演\n \n \n \n ，看看能否穿过迷雾看清一点。\n \n
\n\n \n 另外，看一眼今天同在 AI 基础设施链上的公司：博通前瞻市盈率约 30 倍，联发科65 倍，纯 IP 授权的 Arm 高到约 180 倍；即使是 Dell 这种组装厂，也被 AI 服务器故事从历史上的约 15 倍重估到 20 多倍。而高通现在约 22 倍，市场给它的定价，更接近一家组装厂，而不是一家做 AI 推理芯片的设计公司。虽然说这种横向比，在潮水退去时会有一些危险，但总体来说，高通值得在现在这个位置挖下去。\n \n
\n\n \n AI 重心正从训练换到推理。\n \n \n \n 训练像造火箭\n \n \n \n ，少数玩家、极高预算、对成本不敏感，英伟达靠 CUDA 把这块攥得很死。\n \n \n \n 推理像供水\n \n \n \n ，AI 一旦变成全社会高频调用，每一次对话、搜索、企业调用、智能体操作都在烧推理成本，竞争就从“模型多聪明”变成“\n \n \n \n 每个token 多少钱\n \n \n \n ”。\n \n
\n\n \n Amon 在 Computex 上给的数字：全球每 10 秒钟的 token 需求，2026 年约 317 亿，2030 年约 1.27 万亿，四年 40 倍。推理对每瓦性能、每 token 成本的敏感，正是\n \n \n \n 非英伟达\n \n \n \n 方案能挤进来的缝。\n \n
\n\n \n 行业测算英伟达在推理市场的份额可能从今天的 90% 以上降到 2028 年的 20% 到 30%；2026 年定制芯片（ASIC）的出货增速约 44.6%，通用 GPU 只有 16.1%。\n \n
\n\n \n 而推理看重的那几件事，\n \n \n \n 成本、功耗、内存、总拥有成本（TCO）\n \n \n \n ，恰好是高通过去二十多年在手机里练出来的本事。\n \n \n \n 手机里\n \n \n \n 功耗是生死线，\n \n \n \n AI 推理数据中心\n \n \n \n 里\n \n \n \n 功耗也是生死线\n \n \n \n 。\n \n
\n\n \n 高通现在做的，就是把低功耗计算、连接和系统集成的能力，从手机和 PC 迁到数据中心。从第一性原理的角度看，高通有潜力。\n \n
\n\n \n 它手里的新牌，是 AI200 和 AI250 两款推理加速器（AI200 2026 年商用，AI250 2027 年），收拢在 Dragonfly 这个数据中心品牌下，覆盖 CPU、推理加速器、定制芯片三类。卖点不是峰值算力，是机柜级推理、内存容量（AI200 单卡 768GB LPDDR）、能效（宣称比传统 GPU 省电 35% 到 70%）和 TCO，也就是\n \n \n \n 推理时代缺的东西\n \n \n \n 。而且，高通为了这一步，其实下了“血本”，它花了24亿美元，收购 Alphawave Semi，补齐了高速互联这块高通过去的短板，创始人 Tony Pialis 现在直接执掌它的数据中心业务。\n \n
\n\n \n 6 月 24 日，高通在纽约开投资者日，官方说的是讲“\n \n \n \n 下一阶段的增长与多元化战略\n \n \n \n ”，Amon 反复让大家来看数据中心的产品路线图、看物理 AI 怎么改变这家公司。\n \n
\n\n \n 这场会重点关注三个方面：\n \n
\n\n \n \n 一是有没有新客户。\n \n \n \n 现在公开确认的大规模机柜硬锚，最实的还是 HUMAIN 一个，沙特主权基金 PIF 旗下的 AI 公司，计划 2026 年起部署 200 兆瓦的 AI200/AI250。高通财报里还提到一家未具名“\n \n \n \n 领先超大规模客户\n \n \n \n ”的定制芯片合作，今年内首批出货，管理层还说这单会改善经营利润率；但定制芯片不等于第二个 AI200 机柜客户。如果 6 月 24 日出现第二个主权 AI 客户、或一个明确的西方云厂商，\n \n \n \n 市场会很快改模型\n \n \n \n 。\n \n
\n\n \n \n 二是 2027 到 2029 年有没有收入路径\n \n \n \n 。AI 故事不稀缺，能进模型的收入才稀缺。Amon 在 5 月底的伯恩斯坦会议上说过，数据中心从 2027 财年起会有“数十亿美元级别”的有意义收入，但这是个区间词。市场想听的是路径：2026 年 AI200 怎么商业化、2027 年 AI250 怎么爬坡、2028 到 2029 年这块能做到多大。只讲市场空间，市场会打折；给出收入框架，估值才有新锚。\n \n
\n\n \n \n 三是 TCO 和软件能不能讲清楚\n \n \n \n 。硬件参数只是门票，软件生态才是门槛。客户买英伟达，买的不只是卡，是确定性，模型能跑、工程师会用、工具链成熟。高通要让客户把一部分推理负载迁过来，得回答：每 token 成本低多少、每瓦性能强在哪、部署链顺不顺、迁移成本多高。它官方的说法是“\n \n \n \n 无缝兼容、一键部署\n \n \n \n ”，而这恰恰需要实战来证实。\n \n
\n\n \n 从\n \n \n \n 第一性原理\n \n \n \n 的角度去推测，什么样的客户真的需要高通？\n \n
\n\n \n \n 第一类是主权 AI 客户\n \n \n \n 。HUMAIN 是样板：有钱、急着建基础设施、缺完整芯片栈，又不愿把命脉押在单一 GPU 供应商上。它们要的不是最强训练芯片，是能部署、能扩展、成本能算清的推理系统。HUMAIN 本身的采购就横跨英伟达、AMD、Groq 和高通，高通先从这类客户打开局面，是产业分工和供应安全的自然结果。\n \n
\n\n \n \n 第二类是 AI 云和新兴云服务商（neocloud）\n \n \n \n 。这类公司需要海量推理算力，但通常没有 Google TPU、AWS Trainium 那种成熟的自研体系。英伟达又贵又紧俏，推理业务又看重成本，只要高通 AI200/AI250 的 TCO 算得过来，就有动力测试。\n \n
\n\n \n \n 第三类是端云协同的巨头\n \n \n \n 。这是高通最独特的位置：手机有 骁龙、PC 有 骁龙 X、汽车有 Digital Chassis、眼镜有 AR 平台、IoT 有 Dragonwing，数据中心又有 AI200/AI250 和定制芯片线索。它讲的“计算连续体”，从毫瓦级终端到千瓦级数据中心、把负载在端、边、云之间动态分配，是别家给不出的叙事。\n \n
\n\n \n 如果 AI 的未来主要在云端，高通不是最核心；如果走端云协同，它的位置会明显上升。而现在英伟达也在讲边缘推理，讲端侧了，而端侧AI这一块其实高通也是最纯的标的。端侧这一块往下也有支撑，FY2029 汽车目标 80 亿美元、其中 80% 已被现有合同锁定，汽车加 IoT 合计目标 220 亿美元（FY2025 起点约 105.8 亿），非手机这条线已经跑在目标曲线前面。\n \n
\n\n \n 当然，上面的是主观推测，属于大概率能往乐观方向走，无论是高通的能力，还是外在的需求都支持这一点。但是风险也有很多，比如万一不成，没有新的大客户，比如数据中心收入会来得比较慢，比如27财年的预期之前官方讲过是“\n \n \n \n 数十亿美元\n \n \n \n ”。另外，高通进数据中心失败过两次，分别是2017 年的 Centriq 服务器 CPU、以及后来没真正兑现的 Nuvia 服务器故事。\n \n
\n\n \n 此外，高通的旧底盘还有一连串没消失的麻烦：\n \n
\n\n \n \n 手机这条主线\n \n \n \n ，和苹果还在继续闹分手，高通的基带 2026 年只剩约 20% 的 iPhone，2027 年归零，丢的是 QCT 的芯片收入（QTL 对苹果的专利授权还在，这门 70% 以上利润率的年金生意不随芯片一起走）。\n \n
\n\n \n \n PC 这条线\n \n \n \n ， 6 月 1 日刚被英伟达正面打：它联合联发科、微软推出了 Arm 架构 PC 芯片 N1X，台积电 3nm 制造，直接对标骁龙 X，秋天就上六家 OEM 的机器；而联发科同时倒向英伟达，对高通是双重打击。再加上三星 Exynos 部分回归、中国厂商自研、约 46% 的收入压在中国市场。\n \n
\n\n \n 后面还会有文章讲一下苹果和高通的恩怨，可能和投资没有紧密关联，但高通这个公司过去让很多合作伙伴都恨得牙痒痒，其实也挺有意思的。简单概括就是高通靠着专利垄断，不但卖你芯片要收钱，还要和你签一堆“不平等条约”，包括我卖芯片同时还要收专利费，甚至你的专利也要反向授权给我，我可以用之类，所以基本上大家是又离不开，又讨厌被卡脖子（卡到窒息的那种），其实我不是特别喜欢高通把利润吃绝的文化，更喜欢潮汕人的能赚10块只赚8块的文化，这个可能周末再来发，届时把高通的商业模式再详细拆一拆。\n \n
\n\n \n 三种结果，看的是发布会拿出什么、市场会怎么反应——不是某个价位。\n \n
\n| \n | \n \n | \n
|---|---|
| \n | \n \n | \n
| \n | \n \n | \n
| \n | \n \n | \n
\n \n 最后总结一下就是，站在当前这个估值去赌6月24日，其实胜率和赔率都不是特别好了，比较清晰的是，今天大盘有回调，如果高通能够给人更舒服的位置，结合我们对他的理解，结合它的可能的好消息，才会变得更有意思。\n \n
\n\n \n 投资里最重要的时刻，不是答案揭晓的那一刻，而是一个问题刚被市场认真提出、却还没有定论的那段时间。\n \n
\n\n \n 高通现在，就站在这段时间里。\n \n
\n\n \n *\n \n
\n\n \n \n 高通研报：布局未来，低估当下\n \n \n
\n\n \n \n 高通财报不漂亮但大涨，怎么看？\n \n \n
\n\n \n \n 传奇陈天桥：体制内裸辞五年成首富，创业与投资智慧全解\n \n \n
\n\n \n 如有帮助，请点赞、收藏、转发，你的支持是我的动力，谢谢。\n \n
\n\n\n\n \n 本文仅为个人研究记录，所涉公司、数据与观点仅供参考，不构成任何投资建议。文中数据来自公开信息，可能存在误差或滞后，请以官方披露为准。\n \n
\n
\n
\n \n \n \n \n \n \n \n 6月3日至4日，中金公司2026年度中期投资策略会在上海成功举办。本次会议以“向新致远”为主题，吸引近4000位机构投资者报名参会。中金公司研究部分析师、行业专家及上市公司管理层围绕科技革命、全球格局演变、资本市场改革与重点产业趋势展开交流。站在“十五五”开局之年，以人工智能为代表的新动能加快成长，全球产业链与资产配置格局持续调整。会议立足中国超大规模市场与完整产业体系，共议中国资产的新机遇与长期价值\n \n \n 。\n \n \n \n \n \n \n \n
\n\n \n
\n \n
\n \n \n 聚焦“向新致远”，共探中国资产长期价值\n \n \n
\n\n \n
\n \n
\n \n 中金公司全球股票业务管理委员会主任张一鸣出席会议并致开幕辞。在全体大会环节，多位来自学界、产业界及金融市场的重磅嘉宾围绕全球经济、能源市场、科技创新与资产配置等议题发表主题演讲。中国石油集团经济技术研究院院长陆如泉围绕中东局势对全球能源市场与世界经济的影响展开分析；自变量机器人创始人兼CEO王潜以《构建物理世界的基础模型》为题发表演讲，分享具身智能与人工智能技术在物理世界中的发展探索。在圆桌论坛环节，来自学界、投资界的多位嘉宾围绕《地缘变局中的资产配置》展开深入交流，共同探讨全球秩序重构背景下的大类资产配置逻辑与投资机遇。\n \n
\n\n \n
\n \n
\n \n \n ▲ 中金公司全球股票业务管理委员会主任 张一鸣\n \n \n
\n\n \n
\n \n
\n \n \n ▲ 中国石油集团经济技术研究院院长 陆如泉\n \n \n
\n\n \n
\n \n
\n \n \n ▲ 自变量机器人创始人兼CEO 王潜\n \n \n
\n\n \n
\n \n
\n \n \n \n \n ▲ 圆桌讨论：地缘变局中的资产配置\n \n \n \n \n
\n\n \n
\n \n
\n \n 中金公司首席经济学家、研究部负责人、中金研究院院长彭文生发表《从规模经济看双循环》主题演讲。他指出，规模经济是理解中国创新发展和全球产业分工的重要线索。中国不仅在制造业具备显著规模优势，在绿色产业和人工智能等新领域也正在形成新的规模经济。绿色产业方面，中国凭借制造能力、基础设施和充分竞争，推动清洁能源成本持续下降；人工智能方面，人口规模、人才储备和应用场景为技术迭代提供重要支撑。面对外部环境变化，中国外循环新模式正在形成，但内需仍是关键短板，未来需通过宏观政策协同、扩大内需和完善社会保障，更好释放规模优势，推动中国从规模经济迈向创新经济。\n \n
\n\n \n
\n \n
\n \n \n ▲ 中金公司首席经济学家、研究部负责人、中金研究院院长 彭文生\n \n \n
\n\n \n
\n \n
\n \n 中金公司研究部资深董事总经理、首席策略分析师缪延亮发表《向新致远：把握不确定性中的确定性》主题演讲。他指出，当前地缘、贸易、通胀、能源及政策等因素交织，市场容易高估短期扰动、低估长期趋势。展望未来，在AI科技革命与国际秩序重构这两大确定性方向的共同驱动下，中国资产的机会不是短期修复，而是长期配置价值重估。短期不确定性难以撼动长期确定性趋势，科技成长、能源转型及中国资产的配置价值值得重视。对于A股市场，他认为，在新秩序、新动能、新生态推动下，市场有望呈现“有底无顶”的慢牛行情。\n \n
\n\n \n
\n \n
\n \n \n ▲ 中金公司研究部资深董事总经理、首席策略分析师 缪延亮\n \n \n
\n\n \n
\n \n
\n \n \n 多维度并行研讨，把握产业变革机遇\n \n \n
\n\n \n
\n \n
\n \n 除全体大会外，本次策略会还设置多场并行分会，围绕7大亮点主题——总量、金融地产、周期、科技、消费、能源制造、医药生物的重点趋势展开系统讨论。此外，会议期间同步举办约400家上市公司的小范围交流及一对一会议，为投资者与上市公司管理层搭建高效、专业的沟通平台，进一步促进资本市场与实体经济之间的信息互通与价值发现。\n \n
\n\n \n
\n \n
\n \n \n 中金点睛Skill Hub亮相策略会现场\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 本次会议期间，中金点睛Skill Hub线下体验展台同步亮相。参会客户可现场扫码进入中金点睛小程序，体验由中金研究团队与产品团队深度共创的分析师Skill。作为业内第一家实现“分析师深度共创+产品技术实现”协作模式的投研服务探索，中金点睛分析师Skill依托中金研究积累的投研资料，并由分析师参与语料筛选、逻辑框架和回答风格打磨，探索“专业研究能力+AI产品化”的智能投研服务模式。面向未来，中金研究将继续发挥研究优势，围绕国家战略方向和产业发展趋势，持续输出前瞻性研究成果，并通过数字化、智能化工具提升研究服务效率，为投资者把握长期机遇、服务实体经济高质量发展提供专业支持。\n \n
\n\n \n
\n \n
\n \n \n Legal Disclaimer\n \n \n
\n\n \n \n 法律声明\n \n \n
\n\n \n 特别提示\n \n
\n\n \n 本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。\n \n
\n\n \n 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。\n \n
\n\n \n 中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。\n \n
\n\n \n 本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。\n \n
\n\n \n 一般声明\n \n
\n\n \n 本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。\n \n
\n\n \n 本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。\n \n
\n\n \n 在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。\n \n
\n\n \n 本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。\n \n
\n\n
\n
\n 1⃣刘刚Kevin：K型分化下的配置思路\n
\n 2⃣宏观 周彭：宏观展望：分化中共振\n
\n 3⃣策略 李求索：A股展望：稳进致远\n
\n 4⃣大类 李昭：大类资产展望：雾敛潮升\n
\n
\n 中金宏观策略周论，每周一早上9点半，旨在以浓缩精华、简单高效的方式，精选宏观策略与行业观点，给投资者提供一站式的观点更新，请大家持续关注，谢谢！\n
\n
\n \n Wind：\n \n
\n \n https://3c.wind.com.cn/l/djsH?shareUserSign=Edctk\n \n
\n 进门：\n
\n \n https://s.comein.cn/b2gkbs29\n \n
\n 见闻：\n
\n \n https://wallstreetcn.com/liveroom/1635\n \n
\n \n \n 文： 男终身黑白 语音：女终身黑白\n \n \n \n \n \n \n \n \n \n \n
\n\n \n \n \n \n \n 终身黑白第1351\n \n \n \n \n \n 篇原创文章\n \n \n \n \n \n \n \n \n
\n\n \n 声明：\n \n
\n\n \n 瑞普生物所产猫三联疫苗“瑞喵舒”为国产首批获批疫苗。\n \n
\n\n \n 2024年，公司宠物板块实现收入 6.9 亿元，其中宠物生物制品实现营业收入 3,744 万元。\n \n
\n\n \n 并且瑞普生物直接持有瑞派宠物医院 9.09%的股权，瑞派宠物医院当前所辖门店近600家，覆盖全国27个省， 70余座城市，与120所高校合作建立人才培养通道。\n \n
\n\n \n 同时2024年收购中瑞供应链，其覆盖7000家宠物医院+3400 家宠物店。\n \n
\n\n \n 形成了宠物药品生产，配送，宠物医院的完整生态链，那么这家企业是否值得关注呢？\n \n
\n\n \n \n \n \n 瑞普生物\n \n \n 是一家服务于动物健康产业的高新技术企业，主要业务领域为兽用生物制品、兽用药物制剂（化学药品、中兽药、消毒剂等）、兽用原料药、兽用功能性添加剂的研发、生产、销售及动物疫病整体防治解决方案的提供。\n \n \n \n \n
\n\n \n \n \n 公司于1998\n \n \n \n 年成立，\n \n \n 2010\n \n \n 年在深交所上市。在过去的二十年间，公司通过收并购和自主研发并重的方式，在兽药、兽苗板块多次做到第一，并在\n \n \n 2012\n \n \n 年进军宠物领域，率先\n \n \n 填补了国产猫三联产品的空白。\n \n \n
\n\n \n \n 截至2025年年报，\n \n \n 公司旗下拥有20多家分（子）公司、 11个规模化生产基地、 94 条生产线，兽药产品批准文号及饲料添加剂备案超过500个，涉及猪、鸡、水禽、牛、羊和宠物用药品、疫苗、消毒剂、清洗剂和功能性添加剂，是中国规模最大、产品种类最全的兽药企业之一，也是国家重大动物疫病防控疫苗生产企业。\n \n \n
\n\n \n \n \n 公司产品基本介绍：\n \n \n \n
\n\n \n \n 如下图分为宠物类、禽类、猪类、反刍类，和原料药。\n \n \n
\n\n \n 宠物类：\n \n
\n\n \n \n 现金流方面：\n \n \n
\n\n \n 经营活动产生的现金流净额和净利润的比率，尚可，有一定的波动性。\n \n
\n\n \n 自由现金流2018年以后均为正值：\n \n
\n\n \n 负债率30%左右尚可。\n \n
\n\n \n \n 截止到目前，我们可以看到，公司宠物药品相关的收入并不高，主要来自宠物物流。但宠物物流总体算是一个偏低毛利率的行业，而同时他的\n \n \n 兽药、兽苗，原料药基本不算高速的赛道，甚至会有一些业绩向下波动的情况。\n \n \n
\n\n \n 同时还有一个较为负面的影响：\n \n
\n\n \n 2026 年一季度，公司实现营业收入8.26 亿元，同比增长0.55%；归属于上市公司股东净利润 1.08亿元，同比下降 7.08%；扣除非经常性损益净利润 9,546.82 万元，同比增长2.15%。\n \n
\n\n \n 主要影响为企业税收政策调整影响：根据国家税务总局2026年第10号公告的规定，生物制品不再纳入简易征税范围，自 2026年1月1日起不再适用3%简易征收方式，统一按13%税率计征增值税。\n \n
\n\n \n 公司表示：剔除上述政策调整的影响后，按与上年同期可比口径计算， 本报告期归属于上市公司股东的扣除非经常性损益的净利润同比增幅超过30%。\n \n
\n\n \n 让豆包大致测算了一下，差不多一季度影响2000万的扣非净利润，全年看影响还是挺大的。\n \n
\n\n \n 所以短期来看，公司的成长性压力是比较大的。我们进一步来看看公司未来的发展逻辑\n \n
\n\n \n 根据中国兽药协会《2024 年度兽药产业发展报告》，中国兽药产业总销售额679.96 亿元，平均毛利率 28.21%。近十年来，产业整体呈上升态势，销售额年复合增长率为 5.68%。\n \n
\n\n \n 截至2024年末，全国共有1681家兽药企业，产业集中度低于海外市场。\n \n
\n\n \n 其中，生物制品企业196家，销售额154.01亿元， 25家大型企业销售额占比 64.95%，毛利占比 71.62%；\n \n
\n\n \n 化药企业1,485家，销售额 525.95 亿元， 75 家大型企业销售额占比 57.4%，毛利占比57.58%。\n \n
\n\n \n \n \n 2025年有一定好转趋势。\n \n \n \n
\n\n \n \n \n 国家统计局数据显示\n \n \n \n 2025\n \n \n 年全国畜牧业生产形势较好，猪牛羊禽肉产量突破亿吨，为\n \n \n 10,072\n \n \n 万吨，比上年增长\n \n \n 4.2%\n \n \n 。\n \n \n
\n\n \n \n 其中，猪肉产量\n \n \n 5,938\n \n \n 万吨，增长\n \n \n 4.1%\n \n \n ，产量创历史新高。\n \n \n
\n\n \n \n 但2025年末能繁母猪、家禽牛、羊存栏量比上年末下降2.9%、3.2%、4.4%、 6.9%。\n \n \n
\n\n \n \n 家禽方面，2025年全国家禽出栏 183.2 亿只，同比增长 5.6%；禽肉产量 2,837 万吨，同比增长6.7%；禽蛋产量3498万吨，同比下降2.5%\n \n \n
\n\n \n 总的来说兽药部分，增长空间比较有限了，只能作为收入的基本盘。\n \n
\n\n \n \n 二、宠物疫苗药品，是增长动力。\n \n \n
\n\n \n \n 首先是国内宠物药占比较低。\n \n \n
\n\n \n \n \n 全球数据来看，兽药市场中宠物用兽药产品所占的份额较大，\n \n \n \n 2023\n \n \n 年宠物及其他兽药产品销售额为\n \n \n 180.4\n \n \n 亿美元，占全球兽药市场总销售额的\n \n \n 44%\n \n \n 。\n \n \n
\n \n \n
\n \n \n 而2024\n \n \n 年我国宠物及其他兽药产品销售额占我国兽药总销售额不到\n \n \n 10%\n \n \n ，与全球市场结构明显不同。\n \n \n
\n\n \n \n \n 其次之前讲的逻辑，国内宠物数量还在一个增长阶段。\n \n \n \n
\n\n \n \n 随着我国养宠人群和宠物数量的增多、宠主防疫保健意识提升，中国宠物兽药市场规模的增长空间还是比较大的。\n \n \n
\n\n \n \n 2025 年中国城镇犬猫数量为 1.26 亿只，较上年增长 1.8%；城镇宠物（犬猫）消费市场规模达3,126亿元，较上年增长4.1%。宠物医疗作为核心刚性需求，展现出极强的市场韧性。\n \n \n
\n\n \n 2025年宠物医疗消费规模约862亿元，占比28%（其中，诊疗体检占比 15.8%，药品疫苗占比 11.8%），虽然为仅次于宠物食品的宠物第二大消费市场，但对比全球数据还比较低。\n \n
\n\n \n \n 当然这个提升必然是一个缓慢的过程。\n \n \n
\n\n \n \n 首先是理念变化，从把宠物当宠物到把宠物当成家庭成员，愿意为他花钱治病，提前预防。\n \n \n
\n\n \n \n 其次是收入的提升，\n \n \n 有余力给宠物花钱。\n \n \n
\n\n \n 目前公司有产品：\n \n
\n\n \n \n 瑞喵舒：\n \n \n 猫鼻气管炎、杯状病毒病、泛白细胞减少症三联灭活疫苗。\n \n \n
\n\n \n 通过国家兽药基础数据库搜索可得，在国产兽用生物制品中，当前生效的企业有14家，其中国内企业有 13 家，国外企业仅有1家。\n \n
\n\n \n 其中，再公司官网上明确列有猫三联产品的公司仅有7家，根据价格划分，大多数疫苗的三针价为100元以上，而一针价在 40-70 元左右。其中，瑞普生物为第一批拿到批文的企业，且具有猫三联的生产能力。\n \n
\n\n \n \n \n 喵干素：重组猫干扰素 ω（冻干型）。\n \n \n \n
\n \n \n
\n \n \n 是国内首批猫干扰素产品。用于猫杯状病毒等病毒病的联合治疗，兼具抗病毒与免疫调节作用；\n \n \n
\n\n \n \n 瑞可林 ：克林霉素磷酸酯颗粒新晶型专利原料。\n \n \n
\n\n \n 抗菌活性比林可霉素高 4倍，具有口服生物利用度高、适口性好、孕宠可用的优势，用于宠物犬皮肤创伤、脓肿和深层感染治疗。\n \n
\n\n \n \n \n 超比欣 ：复方二氯苯醚菊酯吡丙醚滴剂\n \n \n \n \n \n
\n \n \n
\n \n \n 2025年新上市产品，该产品为国家二类新兽药，是国内首款体外犬用三方滴剂，具有趋避、杀卵、灭虫三效协同作用。\n \n \n
\n\n \n \n 莫普欣：吡虫啉莫昔克丁滴剂\n \n \n
\n\n \n 该产品具有触杀和胃毒双重机制，一站式解决犬猫 28 种体内外寄生虫感染；\n \n
\n\n \n 菲比欣：非泼罗尼吡丙醚滴剂\n \n
\n\n \n 该产品为国家二类新兽药，是一款主要治疗和预防跳蚤和蜱虫的犬用体外驱虫产品。\n \n
\n\n \n \n 妙普净：米尔贝肟吡喹酮片。\n \n \n
\n\n \n 2025年新上市产品，该产品为猫专用口服驱虫药，原料获美国 FDA、欧盟 GMP 认证。采用优势崩解剂、超微粉化、专利包衣三重工艺，可解决猫咪蛔虫、钩虫、绦虫等12种体内外寄生虫。\n \n
\n\n \n \n 环舒宁：环孢素内服溶液。\n \n \n
\n\n \n 该产品为国家五类新兽药，用于治疗犬特应性皮炎、猫过敏性皮炎以及多种免疫疾病，采用自微乳释药系统技术，吸收快、生物利用度高、对胃肠道刺激小。\n \n
\n\n \n 2020-2024年宠物药市场规模平均增速达22.2%，2024年突破 209.5 亿元。增长动能来自：\n \n
\n\n \n 1）宠物基数扩大与健康意识提升；\n \n
\n\n \n 2）产品线加速扩充（如慢性病药物、检测试剂）；\n \n
\n\n \n 3）线上线下渠道融合渗透；\n \n
\n\n \n 4）行业标准完善推动合规化发展。\n \n
\n\n \n 宠物药品，虽然天花板较高，但是我个人认为增速不会很快。\n \n
\n\n \n 首先是理念的改变是个缓慢的过程。\n \n
\n\n \n 其次，宠物药品目前进口药依然是主流，国内新兽药以第三类、第五类为主，原始创新不足，且低价竞争突出。。\n \n
\n\n \n 而且相比宠物食品，因为宠物药品我们发展较晚，海外优势企业较多，出海的增长逻辑也比较弱。\n \n
\n\n \n \n \n 三、产业链一体协同是未来助力。\n \n \n \n
\n\n \n \n 瑞普生物收购\n \n \n 中瑞供应链的另\n \n \n \n 一方是\n \n \n 瑞派宠物，\n \n \n 瑞派宠物主要是做宠物医院，\n \n \n \n
\n\n \n \n 瑞普生物直接持有\n \n \n 瑞派宠物\n \n \n 9.09%的股权，同时\n \n \n 李守军（\n \n \n 瑞普生物的实控人\n \n \n ）\n \n \n 通过个人控股的中瑞华普科技持有瑞派宠物约17.82%股权。为\n \n \n 瑞派宠物的实际控制人。\n \n \n
\n\n \n \n \n 瑞派宠物为\n \n \n 国内第二大全国连锁宠物医疗机构（仅次于新瑞鹏）、胡润宠物赛道独角兽企业。\n \n \n \n
\n\n \n \n \n 在营医院548～600 余家，120 家自建、428 余家并购整合而来，覆盖全国 28 省、70 + 城市 + 香港；团队：全员 6000 +人，执业兽医师 1800+、硕博兽医 130+，年接诊宠物 300 万 + 列。\n \n \n \n
\n\n \n \n 整体来看形成了\n \n \n 瑞普生物（宠物医药）、\n \n \n 中瑞供应链（宠物医药物流）、\n \n \n 瑞派宠物（宠物医院）的全产业链。\n \n \n
\n\n \n 目前瑞普形成了，自有的相关产品+依托中瑞配送 + 瑞派医院使用的完整链条。\n \n
\n\n \n 同时瑞派宠物已于2025年12月22日 向港交所递交招股书。\n \n
\n\n \n 最新节点：2026 年 5 月进入港交所聆讯环节，聆讯通过后择时招股、挂牌上市，暂未官宣上市发行日期；\n \n
\n\n \n 对标行业龙头新瑞鹏此前美股IPO撤回，瑞派是目前国内连锁宠物医院唯一有效 IPO 申报主体。\n \n
\n\n
\n \n 事情还要从前阵子\n \n \n 说起\n \n \n ：\n \n
\n\n \n
\n \n
\n \n 我在一个叫小红的卖家那儿买了一斤霍山石斛。\n \n
\n\n \n
\n \n
\n \n 看她经常分享些养生小知识，挺实在，也有不少朋友留言说吃了感觉确实很不错。\n \n
\n\n \n
\n \n
\n \n 我心想，试试呗，说实话，没抱太高期待，毕竟现在各种产品宣传得太玄乎了，而且她家石斛价格也不高。\n \n
\n\n \n
\n \n
\n \n 收到货后却有点意外：石斛小小一颗，颗粒饱满，纹理清晰，闻着一股淡淡的草本清香，跟我以前买的确实不太一样。试着煮水喝，冲泡出来汤色清亮，入口甘润，喝到最后把石斛条捞出来\n \n \n 嚼着吃，\n \n \n 满口粘粘的胶质，没有粗糙残渣，口感很惊艳。\n \n
\n\n \n
\n \n
\n \n 正想着“这次买对东西了，没踩坑”，她的消息就来了：“石斛应该收到了吧？第一次吃的话建议少量开始，如果\n \n \n 觉得品相、口感不满意\n \n \n ，没关系，\n \n \n 直接退回来，我们包运费，不让你亏一分钱。\n \n \n ”\n \n
\n\n \n
\n \n
\n \n 说实话，我买东西这么多年，头一回遇到卖家不是催我写好评，不是催我复购，而是主动问体验，还这么爽快地说不满意可以退货。\n \n
\n\n \n
\n \n
\n \n 我好奇地问：“你们还会这样跟进售后？”她回我：“嗯呐，石斛是滋养人的好东西，我对我家石斛品质有信心，但更希望你们吃到真正有用、合心意的产品。”\n \n
\n\n \n
\n \n
\n \n 就是这句话，让我忽然有点触动。\n \n
\n\n \n
\n \n
\n \n 在这个急着卖货、害怕流失客户的时代，居然还有商家把“你用得好不好”看得比“你买不买”更重要。\n \n
\n\n \n
\n \n
\n \n 慢慢熟了才知道，她是个实在人，在霍山\n \n \n 守着家里三代传下来的种植基地\n \n \n ，自产自销，基本只靠老客带新客慢慢做起来，是实打实的凭口碑做生意、凭诚信做人。\n \n
\n\n \n
\n \n
\n \n ✅\n \n \n \n 霍山米斛（品质首选）\n \n \n \n ：懂行必买的顶配款，正宗龙头凤尾外形，\n \n \n 几乎无渣，\n \n \n 胶质更丰厚，营养价值远超普通石斛，适合追求高品质养生的朋友，滋补效果更出众，\n \n \n 节日送礼\n \n \n 也格外有档次\n \n
\n\n \n ✅霍山铁皮石斛：颗粒饱满，胶质足，每天几颗泡水，神清气爽，适合预算低的朋友\n \n
\n\n \n ✅\n \n \n 石斛鲜条：尝个新鲜，煲汤清甜，很滋润\n \n
\n\n \n ✅石斛花：淡淡清香，泡杯花茶喝起来很舒服\n \n
\n\n \n ✅定制石斛礼盒：节日送长辈、客户，有心意又有面子\n \n
\n\n \n
\n \n
\n
\n \n \n 我是阿冰，\n \n \n \n \n 习八方法择己身道\n \n \n
\n\n \n \n 专注产业趋势，聚焦核心共舞\n \n \n
\n\n \n 点赞发财\n \n
\n\n \n \n \n 感谢旺旺冰粉的“点赞”与“在看”\n \n \n \n
\n\n \n \n \n 如果喜欢阿冰，请多多转发，谢谢~\n \n \n \n
\n\n \n \n \n 风险提示:从事证券投资或期货交易，请通过合法证券期货经营机构进行合机构名单，可到中国证监会网站(www.csrc.qov.cn)查询:北京中富金石咨询有限公司，业务资格证书编号为ZX0017。\n \n \n \n \n 本文由中富金石投资顾问王姝飞执业编号:A0010625090007整理并发布，过往业绩不代表未来实际收益!注意股市有风险，投资需谨慎!文章观点仅供参考，不作为投资依据，据此操作风险自担。\n \n \n \n
\n\n
\n
\n \n 如果你喜欢机器人，又想做一个真正能跑能跳、还能放在桌面上玩的小家伙，那这个项目可能会让你眼前一亮。 这个项目名叫 Micro-Wheeled_leg-Robot，作者穆世博（MuShibo）把它叫做“全球最小的双轮腿机器人”。它把轮子的速度和腿部的灵活性结合在一起，尺寸小到可以轻松摆在书桌上，却拥有不错的运动能力。\n \n
\n\n \n \n \n
\n \n 传统轮式机器人平地快但怕坎，足式机器人能爬楼梯但结构复杂又慢。\n \n \n \n 这个小机器人试图走一条中间路线：平时用轮子快速移动，遇到障碍或需要调整姿态时用腿部发力跳跃或跨越。\n \n \n \n 它体积真的很小，属于典型的桌面级作品。做出来后，既可以当个有趣的桌面摆件，也能实际遥控玩耍，兼具观赏性和可玩性。\n \n
\n\n \n 真实效果可看视频：\n \n
\n\n \n
\n \n
| \n | \n
|---|
| \n | \n
https://github.com/MuShibo/Micro-Wheeled_leg-Robot
\n \n
\n \n
\n \n \n 如果你觉得这篇文章不错，别忘了\n \n \n \n \n \n 点赞、在\n \n \n \n \n \n \n 看、转发\n \n \n \n \n \n 给更多需要的小伙伴哦！若合作或交流入群关注后可获取联系方式\n \n \n
\n\n
\n 最终到达一个叫做Dintor的地方。然后在这个茅草屋里吃中饭。\n
\n\n
\n
\n 吃完饭再搭乘摩托车。在山间一条石子的小路中骑行。\n
\n\n
\n
\n
\n
\n 这样差不多又走了半个小时，就到了可以徒步到村子里的起点。在这里可以花钱买一个木头拐杖。\n
\n\n
\n
\n
\n
\n 村子里是非常好客，但是有严肃的距离，需要先到长老住的最大的那个房子里，完成拜访的仪式。然后才能四处走动拍照。\n
\n\n
\n
\n
\n
\n 这时候山谷的云雾飘了过来。同行的游客中有欧美来的，导游和我说，走到这里，很多人会感动得直哭。他不太明白为什么你们这些城市里的人来到这里，会感动得流眼泪。\n
\n\n
\n
\n
\n
\n 我趁着天亮，仔细研究这些建筑物的内部构造。\n
\n\n
\n
\n 最外头一圈竹竿是用这样藤条围成的巨笼绑住的。然后在竹竿的外面再绑上稻草。\n
\n\n
\n
\n
\n
\n 屋子的最顶上会绑上类似一个牛角一样的崇拜物。整个建筑是挺高的，大概有20-30米左右。\n
\n\n
\n
\n 村里的人很好客。耐心跟我解释我所有的问题。我问他们，这是谁建造了这些房子？财产属于谁。\n
\n\n
\n
\n 他说不知道是最初是谁建的，可能在500年前左右，祖先迁居到这里。现在这些建筑在10年前由NGO资助重新翻修过。财产现在属于全村，每一个大房子里住有4~8家不等。\n
\n\n
\n
\n 这里有点像乌托邦的原始公社。生产资料基本上都是公有。孩子们也在一起玩。\n
\n\n
\n
\n
\n
\n 他们似乎挺开心的，没有什么城里人的烦恼。再牵涉到另外一个问题，一路上楼我和导游在辩论。他说人只有到城里才会学坏。如果在农村，在家庭的怀抱里长大，一个孩子再坏也坏不到哪里去。反正他周围的人都是这样的。\n
\n\n
\n
\n 我脑子里还想着那七个房子。我在想1000年以后。如果不做什么特别的保护的话。那些房子什么也不会留下来。在大自然的怀抱里不留一丝痕迹。我们曾经认为新石器时代早期的人们是半穴居的。比如半坡遗址。但是我们今天能看见的痕迹只有地下的。地上是什么样也许我们完全不知道。我们简单认为他们是半地下居住。其实可能不是。也许地面上他们也有恢宏的建筑。\n
\n\n
\n
\n
\n
\n 导游一路和我吐槽各国游客的裂行。欧美白人傲慢。老毛子粗野，爱酗酒不付钱。老印疑心忡忡。总是担心导游骗他们。法国佬的抠门和穷酸气。\n
\n\n
\n
\n 我问他我们老中呢? 老中有啥毛病? 他犹豫了一下。再三道歉之后说你们老中像克隆人。旅行都是固定线路。每个人都一样。他从接机开始，都不用问，就知道他们要去哪里。然后老中就是抱团\n \n 咔咔拍照打卡，完全不和当地人交流。对当地文化历史一点兴趣都没有。\n \n
\n\n \n
\n \n
\n \n 他说的我哈哈直笑。我说我们大部分老中旅行的目的并不是去看世界，而是是给别人看的。让别人知道自己在旅行。就像爱马仕的包不是用的，是给人看的。\n \n
\n\n \n
\n \n
\n \n 他说你这样没头没脑没计划，天天变行程改机票的老中旅行者比较少见。欧美游客这样的比较多。他们会一个个不辞辛劳跳岛探索到最东边，虽然那么啥风景也没有。老中虽然是好客户，不懒钱，但是他们似乎没有探索的兴趣。\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 科莫多这片岛上还有一个地方我还没去探索。那就是\n \n \n “科莫多岛上的小矮人”。学名叫做Homo floresiensis，外号叫 “霍比特人（The Hobbit）”。\n \n
\n\n \n
\n \n
\n \n 他们\n \n \n 非常小，\n \n \n 身高约 1 米，\n \n \n 体重约 25 公斤\n \n
\n\n 脑容量只有现代人的约 1/3。但他们会制作石器，用火和合作狩猎。他们是除了尼安德特人和丹尼索瓦人之外的第三种最重要的直立人。\n
\n\n
\n
\n 书上说他们是四万年前灭绝了。但是我问科莫多当地人，他们一口咬定100年前还有这种人的存在。如果能拜访到他们，或者和他们有血缘关系的人该有多棒。\n \n 也许我们智人没有那么孤独。\n \n
\n\n
\n
\n 印尼的旅游资源真是丰富。我已经来了三次，依旧有很多要去的地方。只能下次再来一探究竟。\n
\n\n
\n
\n (完)\n
\n\n
\n
\n
\n \n 之前预告过的那个「手机上的 Markdown / HTML 阅读器」做完了,叫 即览。\n \n
\n\n \n 它解决的是一个很小、但最近越来越烦的问题\n \n
\n\n \n 别人从微信、文件 App 或群里发你一份 AI 报告、网页 PPT、Markdown 文档,手机上点开不是空白,就是源码,要么样式全坏,要么根本不知道该用什么打开。\n \n
\n\n \n .md、.markdown、.html、.htm、.txt,还有打包好的网页 ZIP,都可以直接用即览在 iPhone 和 iPad 上打开。\n \n
\n\n \n 本地渲染,本地保存,不需要上传,也不需要注册账号\n \n
\n\n \n 文末有 TestFlight,想试可以直接申请,我开了 8000 个名额。\n \n
\n\n \n 但我做即览,不只是因为缺一个阅读器。\n \n
\n\n \n 更直接的原因是:这段时间我越来越明显地感觉到,在 AI 参与内容生产之后,我们交换内容的格式正在变。\n \n
\n\n \n 很多文本内容开始落到 Markdown,很多展示内容开始落到 HTML。\n \n
\n\n \n 即览只是这个变化走到手机端时,掉出来的一个小工具。\n \n
\n\n \n 前几天看到 Obsidian 作者的一句话,我觉得很准:.md 正在成为 AI 文件交互里的一个 Schelling point。\n \n
\n\n \n \n Schelling point\n \n \n \n :可以翻译成\"谢林点\",意思是没有人强制规定,但大家会自然聚到同一个选择上。\n \n
\n\n \n Markdown 现在就有点像这样。\n \n
\n\n \n 没人规定 AI 应该用 Markdown,标准委员会也没有出来宣布过什么。\n \n
\n\n \n 但在真实使用里,不管是人写给 AI,还是 AI 写给人,最后经常都会落到 .md 文件上。\n \n
\n\n \n 原因也很朴素。\n \n
\n\n \n \n 轻量\n \n \n \n :它是纯文本,模型读写都轻。\n \n
\n\n \n \n 结构\n \n \n \n :它有足够的结构,标题、列表、表格、代码块、链接都能表达。\n \n
\n\n \n \n 开放\n \n \n \n :它又不会像 .docx 那样被包进一层复杂格式里。人可以直接打开,AI 也可以直接处理,版本管理和 diff 都干净。\n \n
\n\n \n 它更像是 AI 工作流里的底层数据\n \n
\n\n \n 我在 CodePilot 里就是这么用的。\n \n
\n\n \n 它没有特别复杂的 memory 机制,很多记忆其实就是一组 Markdown 文件。\n \n
\n\n \n AI 往里写,AI 从里读,我自己也能打开改。\n \n
\n\n \n 更进一步,CodePilot 里的 widget 也可以把这些本地 Markdown 和 memory 当作数据来源。\n \n
\n\n \n 文件变了,组件展示也跟着变。\n \n
\n\n \n 这时候 Markdown 就不只是\"拿来读的一篇文章\"了。它变成了一种很轻的本地数据层:人能看,AI 能读,工具也能基于它生成新的界面和交互。\n \n
\n\n \n 这也是为什么我觉得,最近很多人继续卷 Markdown 编辑器,方向可能有点窄。\n \n
\n\n \n 真正有意思的不是再做一个更漂亮的编辑框,而是把 Markdown 当成数据,去构建新的阅读、管理和人机交互方式。\n \n
\n\n \n 另一端是 HTML。这个趋势最近也越来越明显。\n \n
\n\n \n 上个月我开源了一个 PPT Skill,生成的就是网页形式的演示文稿。\n \n
\n\n \n 它 25 天到 1 万 star,后来我在线下答辩、展会和分享里,也反复见到有人用它做出来的 PPT。\n \n
\n\n \n 这件事让我确认了一点:很多场景里,大家要的并不是一个标准的 .pptx 文件,而是一个能拿上去讲、能被人看懂、能快速分享的展示物。\n \n
\n\n \n 刚好 Claude Code 团队最近也在讲同一件事。\n \n
\n\n \n 他们有篇文章专门写为什么越来越多输出开始用 HTML,而不是 Markdown。\n \n
\n\n \n 理由很直接:HTML 信息密度更高,更容易做视觉层级,更适合展示图表、布局、交互,也更容易被别人打开和阅读。\n \n
\n\n \n 这跟我自己的体验很接近。\n \n
\n\n \n Markdown 适合沉淀内容,但它一长就难读。几千字、几万字的报告堆在一个 .md 文件里,哪怕结构是对的,人也很难真的读进去。\n \n
\n\n \n HTML 反过来。它可以用排版、空间、颜色、图表和交互,把信息组织得更像一个\"可以被消费的东西\"。它不是更适合存事实,而是更适合让人理解事实。\n \n
\n\n \n Markdown 是数据层,HTML 是展示层\n \n
\n\n \n 底层内容用 Markdown 留着,干净、可读、可版本管理。\n \n
\n\n \n 需要给人看、给人讲、对外分享时,再渲染成 HTML。\n \n
\n\n \n 这不是某种宏大的新标准,更像是 AI 工作流里自然长出来的一种分工。\n \n
\n\n \n 内容有了,文件也发出来了,问题出在最后一步:人经常是在手机上打开它。\n \n
\n\n \n 桌面端还好。你有浏览器,有编辑器,实在不行还有 VS Code。\n \n
\n\n \n 但手机不是这样。\n \n
\n\n \n 尤其是你在微信里收到一份 AI 生成的报告、一个网页 PPT、一个 Markdown 文档时,常见体验就是点不开、显示源码、样式坏掉,或者要在几个 App 之间来回跳。这件事很小,但非常烦。\n \n
\n\n \n 微信这种 IM,本质上不是文件阅读器。\n \n
\n\n \n 它的优先级是聊天、预览和转发,不是认真打开一个 Markdown 或 HTML 文件。\n \n
\n\n \n 浏览器也不是为这个场景设计的。\n \n
\n\n \n 浏览器默认处理的是\"你给我一个链接,我帮你打开网页\"。\n \n
\n\n \n 但别人发给你的往往是一个本地文件,不是一个链接。你当然可以绕来绕去把 HTML 丢给浏览器,但整个链路又长又别扭。\n \n
\n\n \n 很多 Markdown 工具也偏编辑、偏笔记,不一定适合临时打开别人发来的文件。\n \n
\n\n \n 更不用说有些工具会要求你导入、同步、建库、注册账号。\n \n
\n\n \n HTML 还多一层安全问题:一个陌生文件里可能带脚本,你不一定希望它默认执行。\n \n
\n\n \n 在手机上,把 AI 工作流里常见的这些文件,安全、顺手地打开\n \n
\n\n \n 这就是即览。\n \n
\n\n \n 即览没有做成编辑器,也没有接 AI,顺便我必须得吹一下 CodeX 画的这个 App 图标,太可爱了。\n \n
\n\n \n 我一开始就想得很清楚,它只做三件事:打开、读、收着。\n \n
\n\n \n 收到文件时,从微信、文件 App 或系统分享面板里选择即览,就能打开。支持 .md、.markdown、.html、.htm、.txt,也支持网页资源打包成的 .zip。\n \n
\n\n \n 所有文件都在本地处理,不上传,不注册账号\n \n
\n\n \n 读 Markdown 的时候,我主要按长文阅读去调。\n \n
\n\n \n 字号、行距、背景可以改\n \n
\n\n \n 长表格可以横向滚动\n \n
\n\n \n 有标题结构的文档可以用目录跳转\n \n
\n\n \n 常见的 Obsidian 写法,比如任务列表、Callout、脚注、Frontmatter、标签,也尽量兼容\n \n
\n\n \n 也支持夜间模式和颜色主题的切换。\n \n
\n\n \n 读 HTML 的时候,我更在意\"可控\"。\n \n
\n\n \n 它用系统 WebView 本地渲染,支持缩放、横竖屏切换,也可以在手机模式和桌面模式之间切。\n \n
\n\n \n 动态脚本默认关闭。陌生 HTML 里到底有没有脚本,你通常是不知道的。所以即览默认不把执行脚本作为前提;遇到确实需要 JS 才能看的页面,再手动打开。\n \n
\n\n \n ZIP 也是为真实场景做的。\n \n
\n\n \n 很多 AI 导出的网页不是单个 HTML,而是 index.html 加一个 assets 文件夹。\n \n
\n\n \n 即览会解压后自动找入口,本地图片和 CSS 也能正常加载,不至于样式全丢、图片全裂。\n \n
\n\n \n 打开过的文件会自动留在本地历史里。下次想回看,进 App 就能找到。\n \n
\n\n \n 重复导入同一个文件不会堆出两份,重要的也可以收藏。\n \n
\n\n \n 这就是它现在的边界。\n \n
\n\n \n 它不做云同步,不做账号,不做编辑,也不接 AI。\n \n
\n\n \n 不是因为这些功能不重要,而是因为一个查看器先应该把\"打开并读完\"这件事做干净。\n \n
\n\n \n 现在回头看,即览不是一个孤立的小工具。\n \n
\n\n \n 上个月我做 PPT Skill,是因为我相信 HTML 会成为 AI 生成演示内容时很自然的一种形态。\n \n
\n\n \n 它不一定取代 PowerPoint,但在\"快速生成一个能讲的东西\"这件事上,HTML 足够轻、足够开放,也足够适合模型直接生成。\n \n
\n\n \n 我做 CodePilot,是因为我相信 Markdown 会成为 AI 协作里很自然的数据和记忆载体。\n \n
\n\n \n 它不是最漂亮的格式,但它最容易被人、模型和工具同时使用。\n \n
\n\n \n 即览接的是第三步:\n \n
\n\n \n 这些格式不能只停在\"生成出来\"那里,还得让人真的能打开、能读、能收起来\n \n
\n\n \n 前两件事偏生产,即览偏消费。\n \n
\n\n \n AI 已经能生成 Markdown,也能生成 HTML。\n \n
\n\n \n 但如果这些文件一到手机上就断掉,那前面的生成体验再顺,也没有真正落到人手里。\n \n
\n\n \n 即览补的就是这个最后一公里。\n \n
\n\n \n 即览现在补的只是最浅的一层:收到一个文件,把它打开。\n \n
\n\n \n 再往后,其实还有几个问题没有解决。\n \n
\n\n \n 管理:很多人的手机、网盘、聊天记录和各种 App 缓存里,已经散落着大量 Markdown 和 HTML 文件。它们不是没有价值,只是太分散,找不到,也管不起来。\n \n
\n\n \n 分享:即览解决的是\"别人发给我,我怎么看\"。但反过来,\"我做了一份 HTML,怎么让别人顺手打开\",仍然麻烦。发文件,对方未必打得开;发链接,又需要自己找地方部署。\n \n
\n\n \n 跨设备:手机上读了一半,回电脑接着看;电脑上生成了一份报告,推到手机上读,这都很自然。但一旦做同步,就会碰到账号、云端、隐私和复杂度。\n \n
\n\n \n 即览现在还很小,小到我不太想把它包装成一个大产品。\n \n
\n\n \n 但它正好卡在我自己每天都会遇到的缝里:\n \n
\n\n \n AI 把内容生成出来了,可我只是想在手机上好好看一眼。\n \n
\n\n \n 你也经常被 Markdown、HTML、网页 PPT 这些文件硌到的话,可以试试。\n \n
\n\n \n TestFlight:https://testflight.apple.com/join/sv7KTqn9\n \n
\n\n \n 也欢迎聊聊你们怎么看这件事:在 AI 参与之后,文档、展示和阅读到底会变成什么样。\n \n
\n\n \n ✦\n \n
\n\n
\n \n 我特别喜欢反思和拆解失败，不论是自己的还是别人的失败\n \n
\n\n \n 因为只有把失败拆解的足够细致\n \n
\n\n \n 你在下一次面对相似场景的时候你才不会犯错\n \n
\n\n \n 交易是这样的\n \n
\n\n \n 你犯的错越少\n \n
\n\n \n 你才能够真正享受复利\n \n
\n\n \n 我高三刚毕业就开始做交易\n \n
\n\n \n 那个时候几万块钱，股票用的打板策略\n \n
\n\n \n 一个失误那就是百分之10到20没有了\n \n
\n\n \n 那个时候就会不断地反思\n \n
\n\n \n 当时市场是什么状态，空间在哪，题材在哪，承接如何\n \n
\n\n \n 这个板为什么炸了，这个板为什么没溢价\n \n
\n\n \n 什么情况会有溢价\n \n
\n\n \n 然后不断地复利\n \n
\n\n \n 期货也是，期货我犯过的所有错误我都记得\n \n
\n\n \n 当然，我们面对错误下意识都是想回避\n \n
\n\n \n 因为直面错误，直面自己的愚蠢是一件很痛苦的事情\n \n
\n\n \n 我18年贸易战大回撤的时候，面对自己的失败也很痛苦\n \n
\n\n \n 但是没办法，再痛苦也要拆解\n \n
\n\n \n 不然不会有进步\n \n
\n\n \n 我后来觉得交易员最重要的一个素养是反思\n \n
\n\n \n 真实的反思，真实的面对这个世界，客观冷静地看待自己的失败，进而更深刻地理解自己。\n \n
\n\n \n 哪怕是我最擅长的欧线\n \n
\n\n \n 我也犯过很多错\n \n
\n\n \n 人犯错是常态，哪有一帆风顺的人生\n \n
\n\n \n 面对错误，是一种选择\n \n
\n\n \n 祝大家一切顺利\n \n
\n\n \n
\n \n
\n \n 我小时候特别爱下象棋，我没学过，只是了解规则之后，每天放学回家就看附近的大爷下棋\n \n
\n\n \n 看了几个月吧\n \n
\n\n \n 后来参加全市的象棋比赛，我和另外两个人并列第三\n \n
\n\n \n 但是我不知道规则，就是分数相同的情况要看小分\n \n
\n\n \n 我最后一局面对的是当时的第二名\n \n
\n\n \n 我们是最后一组结束的\n \n
\n\n \n 用时太长\n \n
\n\n \n 最后就是第五了\n \n
\n\n \n 那个教练问我家长愿不愿意让我学棋，免费的\n \n
\n\n \n 嗯\n \n
\n\n \n 可能这也是我喜欢反思的开始吧\n \n
\n\n
\n \n \n 中金研究\n \n \n
\n \n\n \n 今年，Agent是大模型行业最重要的方向。模型厂商致力于提升模型智能水平同时也在设计能够让大模型高效、稳定工作的系统层，现阶段，业界多将之称为Agent Harness，我们认为后续可能又会被其他名称取代，但模型之外将模型更高效、稳定在生产力场景应用的工程本身会不断动态外延。本篇报告，我们将结合国内外领先大模型厂商的实践，介绍、分析Agent Harness是什么？有怎样的作用？如何看其与模型的关系？\n \n
\n\n \n \n \n 点击小程序查看报告原文\n \n \n \n
\n\n \n
\n \n
\n \n \n Abstract\n \n \n
\n\n \n \n 摘要\n \n \n
\n\n \n
\n \n
\n \n \n Agent Harness是在模型外围构建一套可控、可编排、可验证的系统层，使Agent稳定完成复杂长程任务。\n \n 工程化范式已历经三轮演进。当前Agent Harness主要层级包括：执行环境与沙箱、工具调用、上下文与记忆管理、生命周期与编排、可观测性、验证评估、治理安全等。我们认为Harness实质是模型支持系统，无法通过几层功能堆叠实现良好的效果，更关键的是各层级的职责边界、功能复杂度设置、层级之间的交互规则。\n \n
\n\n \n
\n \n
\n \n \n Agent Harness对模型厂商、Agent平台、用户、生态均有关键影响。\n \n 我们认为：对于模型公司，Harness有助于提升模型能力下限、加速模型迭代；对于Agent平台，记忆管理等功能有助提升用户粘性；对于客户，Harness有助于模型在生产力场景下更加可控且节省成本、安全，进行多Agent协作；此外，Harness是天然的生态入口，有可能创造新的商业形态。\n \n
\n\n \n
\n \n
\n \n \n 模型能力增强将持续Agent能力内生化，但Agent Harness也在动态外延。\n \n 当前模型训练已经明显呈现Agentic导向，越来越多原属于外部Agent Harness的能力，正在被训练进模型中，使Agent能力从“外挂式”逐渐走向“原生化”。长期来看，低层标准化能力可能逐步被模型吸收，而更靠近产品层、企业层与多系统协同层的能力，将继续成为厂商的重要竞争壁垒。\n \n
\n\n \n
\n \n
\n \n \n 风险\n \n \n
\n\n \n
\n \n
\n \n Harness空间被压缩；Agent落地、Harness商业化不及预期。\n \n
\n\n \n
\n \n
\n \n \n Text\n \n \n
\n\n \n \n 正文\n \n \n
\n\n \n
\n \n
\n \n \n 一、什么是Agent Harness？\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 2025年以来，Agent逐渐成为行业主流方向，为了提升Agent能力，模型厂商一方面致力于提升模型智能水平；一方面，在模型之外，致力于设计能够让Agent高效、稳定工作的系统层，这类系统层即Agent Harness。Codex、Claude Code、Cursor，以及2026年逐渐被用户熟知的OpenClaw、Hermes等均一定程度属于这一范畴。\n \n
\n\n \n
\n \n
\n \n \n Agent Harness工程化范式已历经三个阶段\n \n \n
\n\n \n
\n \n
\n \n \n 工程化范畴不断外延，并从单点优化走向系统构建。\n \n 从Prompt Engineering，提示词工程，可以简化理解为怎么给模型下指令，到Context Engineering，上下文工程，可以简化理解为让模型动态看到什么，再到Harness Engineering，可以简化理解为Agent系统怎样工作。\n \n
\n\n \n
\n \n
\n \n 图表1：Prompt、Context及Harness Engineering呈演进状态\n \n
\n\n \n 资料来源：Agent Harness Engineering: A Survey，中金公司研究部\n \n
\n\n \n
\n \n
\n \n ► Prompt Engineering：2022-2024年大模型以ChatBot形态为主，Prompt Engineering聚焦编写和组织提示词，主要是针对单轮生成，进行模型输入优化。\n \n
\n\n \n
\n \n
\n \n ► Context Engineering：2025年左右，Context Engineering进入视野，狭义来说Context Engineering是模型推理期间一系列筛选、压缩、管理信息的策略，解决模型在每一步应该看到哪些信息，包括如何检索和压缩记忆，如何处理上下文窗口饱和问题等。广义来说Context Engineering是一套围绕长短期数据、公私域数据管理的工程，让对的数据在对的时间出现在对的位置。\n \n
\n\n \n
\n \n
\n \n ► Harness Engineering：2025年，模型逐渐具备完成长时间任务的能力，同时，用户对模型稳定执行、交付长时任务的需求也在大幅提升，Harness Engineering需求显现，它旨在设计一套完整的控制系统来指挥模型工作。相比Context Engineering，Harness Engineering还包括工具调用与环境、编排、验证与评估机制、治理与安全等，最终为模型构建出完整的工作环境，达到将模型能力转化为稳定、可落地、可规模化部署的生产力系统效果，实现Model + Harness=Agent。\n \n
\n\n \n
\n \n
\n \n \n Harness Engineering标志Agent进入系统工程时代\n \n \n
\n\n \n
\n \n
\n \n 从Agent Harness开发实践来看，各模型厂商及第三方具体实现方案各异，但本质都是：\n \n 在模型外围构建一套可控的运行机制，让Agent能够更可靠地完成复杂任务。\n \n 业界对于这套机制有多种命名，近期最广为接受的名称是Harness。2025年11月到近期，OpenAI、Anthropic等领先模型厂商陆续发布Harness Engineering技术博客。\n \n
\n\n \n
\n \n
\n \n 图表2：Harness Engineering概念与相关实践发展时间线\n \n
\n\n \n 资料来源：Mitchell个人博客，各公司技术博客，中金公司研究部\n \n
\n\n \n
\n \n
\n \n ► Anthropic持续迭代Harness。最初，采用双模块解决跨会话任务执行问题；随后，升级为三Agent架构，实现生成与评估分离。近期进一步解耦Harness，将大脑与双手拆开管理。\n \n
\n\n \n
\n \n
\n \n ► OpenAI以Codex构建产品的实践引出Harness概念。人类负责指定意图、分解目标、设计反馈循环，Agent负责执行。工程师的角色从写代码转化为设计Harness，从而构建出Agent可理解、可执行任务的环境。\n \n
\n\n \n
\n \n
\n \n ► LangChain提出Agent = Model + Harness[1]，认为Harness是模型外所有代码、配置和执行逻辑。模型本身不是Agent，只有赋予它Harness时，它才能成为Agent。Harness的必要性来源于模型做不到之事：Agent需要实现什么、Model本身已可以实现什么，填充两者间的沟壑便是Harness设计的目标。\n \n
\n\n \n
\n \n
\n \n \n 第三方Agent Harness创新也在跃迁，近年热门的OpenClaw、Hermes本质是Agent Harness创新。\n \n \n
\n\n \n
\n \n
\n \n \n OpenClaw在主动性、入口上创新。\n \n 它设计让Agent发起对话、推送信息，从被动的工具变为主动的助手，同时，它打通主流社交软件，降低了用户的使用门槛。具体实现上，\"主动性\"由一套叫做Heartbeat的巡检机制实现：通过配置定期检查任务，Agent会每隔一段时间自动查看邮件、日历、社交动态，发现重要信息时主动通知用户，不再被动等待用户提问；\"入口\"依赖多渠道消息接入系统，通过统一消息路由层，用户得以在最熟悉的平台与Agent直接对话。\n \n
\n\n \n
\n \n
\n \n \n Hermes亮点在于自我进化。\n \n 它可在完成复杂任务后自动提炼可复用的Skills资产，并依据使用反馈自主迭代、修复优化，实现个性化服务。同时依托四层分层记忆架构实现跨会话的信息持久留存，为Agent进化提供支持。Hermes 还充分利用SQLite轻量级数据库，精简数据存储与读写链路，提高运行时效率。更加具体的实现我们将在后文展开介绍。\n \n
\n\n \n
\n \n
\n \n \n Harness实质是模型的支持系统\n \n \n
\n\n \n
\n \n
\n \n \n 来自卡内基梅隆大学等机构的学者发布《Agent Harness Engineering: A Survey》[2]，提出Agent Harness的ETCLOVG七层分类法。\n \n 包括：1）(E)执行环境与沙箱决定代理代码的运行位置，以及受哪些沙箱约束限制；2）(T)工具接口与协议如何描述、发现、调用外部能力；3）(C)上下文与记忆管理控制模型在短期、会话级和持久化视野内能看到的内容；4）(L)生命周期与编排组织读写该状态的控制流，包含单代理循环、多代理、问题拉取请求的工作流；5）(O)可观测性获取轨迹、成本、故障和可靠性信号；6）(V)验证评估、故障归因和回归反馈；7）(G)治理通过权限、身份、策略、审计和人工监督机制来约束行为[3]。\n \n
\n\n \n
\n \n
\n \n 图表3：Agent Harness的ETCLOVG七层分类法\n \n
\n\n \n 资料来源：中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n Harness实质是模型的支持系统，无法通过几层功能的堆叠实现好的效果，更关键的是各层级的职责边界、功能复杂度设置、层级之间的交互规则。\n \n 各大模型厂商、第三方Harness，对Harness组建有自己的理解和实践，但实质都是构建整一套模型支持系统。Claude Code展示了一个典型的优秀Harness工程实践。Claude Code v2.1.88源码总计约50万行，其中1.6%是直接与模型交互的核心代码，其他98.4%均是围绕模型构建的各式约束[4]。Claude Code[5]将不稳定、概率化的模型能力，装进一套确定、结构化的Harness。参考阿里云开发者[6]对源码的分析，Claude Code中一次真实请求输入到结果输出的简要流程如下：\n \n
\n\n \n
\n \n
\n \n ► 进入控制链：先在启动层确定本次会话的运行边界、模式、权限、上下文，完成进程与会话状态分离。随后REPL（Read-Eval-Print Loop，交互式解释器）作为运行时控制台，整合输入、能力范围、权限状态、任务状态等，封装为完整执行轮次后移交核心循环。再由Query Loop（Agent核心循环）接手，完成多层上下文压缩、记忆预调取、技能检索匹配、流式模型推理。\n \n
\n\n \n
\n \n
\n \n ► 进入执行链：模型如果发出工具调用请求，控制权交给Tool Runtime（工具运行时）负责单次工具调用执行，先经过Permission Decision（权限判定机制）进行规则校验、自动分类、交互确认、沙箱隔离，审核通过后方可执行；执行结果标准化为协议消息，回流到主消息流。\n \n
\n\n \n
\n \n
\n \n ► 进入任务链：流程如果触发子Agent调度或者是后台任务，接入Task Runtime（任务运行时）负责统一管理生命周期、上下文隔离、结果回流、前后台切换）。\n \n
\n\n \n
\n \n
\n \n ► 扩展层：把MCP（多客户端协议）、Skills（技能）、Plugins（第三方插件）转化为系统标准内部对象，为控制链、执行链、任务链持续注入拓展能力。\n \n
\n\n \n
\n \n
\n \n ► 最终所有结果再回到Query Loop和REPL，成为下一轮上下文和用户可见状态。直到模型判断无需再进行工具调用，则输出最终结果、任务完成。\n \n
\n\n \n
\n \n
\n \n 图表4：Claude Code进行一轮完整的输入到输出示意图\n \n
\n\n \n 注：此图仅作示意\n \n \n
\n \n \n 资料来源：阿里云开发者，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 二、Agent Harness应该有怎样的作用？\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 本章，我们将阐述Agent Harness对模型、Agent平台、用户、生态的作用，为了避免作用的总结过于悬浮和技术的分析过于枯燥，我们将在Harness作用分析中，结合Claude Code的实践。但请注意，一个作用、功能通常由Harness多个层级实现，而不是一一对应关系，再次强调上一章的观点：Harness实质是模型的支持系统，无法通过几层功能的堆叠实现好的效果，更关键的是各层级的职责边界、功能复杂度设置、层级之间的交互规则。\n \n
\n\n \n
\n \n
\n \n \n 对于模型公司：Harness提升模型能力下限、加速模型迭代\n \n \n
\n\n \n
\n \n
\n \n \n \n Agent Harness能够提升模型能力下限\n \n \n \n
\n\n \n
\n \n
\n \n 根据LangChain的实践，在不改变模型的情况下，他们通过修改提示词、工具配置和中间件钩子，让其Coding Agent在权威基准评测Terminal Bench 2.0上从Top30上升至Top5，控制变量式地展示了Harness本身的效益[7]。\n \n
\n\n \n
\n \n
\n \n 图表5：LangChain Deep Agents在terminal-bench达到Top5\n \n
\n\n \n 资料来源：LangChain，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 大模型领域专家Sebastian Raschka在阅读Claude Code源码后表示[8]：Claude Code 强大的核心在于其Harness，将其他模型接入该基座并针对性优化后，也能拥有顶尖代码能力。\n \n
\n\n \n
\n \n
\n \n 小米大模型团队负责人罗福莉接受采访时提及Agent 能够有效激发中等模型的能力上限，借助优秀的 Harness 框架，中等模型可以处理除极复杂长程任务、严肃编程之外的绝大多数场景，约85%的任务都能达到Claude Sonnet同级水准[9]，具备高实用价值。\n \n
\n\n \n
\n \n
\n \n \n Agent Harness有助于模型加速迭代\n \n \n
\n\n \n
\n \n
\n \n \n Harness 与 Model 打造双向飞轮，有望持续加速模型迭代效率。\n \n 以MiniMax实践为例，M2系列的Agent Harness以分层 Skills、持久记忆、安全护栏及评估基础设施为核心组件，对内承接模型训练与优化，对外连接 MCP 工具生态，构成模型能力落地与持续强化的基础设施。模型侧，M2.7已具备自主构建复杂Harness、驱动自身强化学习的能力，重点优化复杂 Skills 的遵循率及Agent Harness的适配能力；Harness侧，则持续完成反馈采集、评测集构建及Agent架构/Skills/MCP实现和记忆机制的迭代升级。二者相互作用：模型直接参与 Harness 的构建，Harness驱动模型自我进化。2026年5月，面壁智能联合清华大学、OpenBMB 开源社区正式发布 ForgeTrain——全球首个完全由 AI 编写、零人类代码介入的生产级大模型训练框架。面壁智能将“AI 制造AI”的进化路径划分为L1到L5五个级别，认为其中ForgeTrain对应 L3（AI 端到端闭环产出下一代大模型所需的基础设施）。\n \n
\n\n \n
\n \n
\n \n 图表6：AI研发自主性从操作辅助到自主共治的五级跃迁框架\n \n
\n\n \n 资料来源：中金公司研究部，面壁智能\n \n
\n\n \n
\n \n
\n \n 图表7：MiniMax M2.7模型迭代系统\n \n
\n\n \n 注：图中右上“Agent Harness”模块体现模型与Harness层的双向增强机制\n \n
\n\n \n 资料来源：MiniMax，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 对于Harness平台：记忆管理有助于提升用户粘性\n \n \n
\n\n \n
\n \n
\n \n \n 记忆是Harness重要环节，且逐渐成为Agent壁垒。\n \n 记忆能力决定了Agent能否跨会话持续理解用户，并沉淀用户偏好、历史决策、工作流习惯及高价值上下文，使Agent演进为具备连续服务能力的长期助手。LangChain创始人Harrison Chase指出：若无记忆，同类工具即可轻易复刻Agent，记忆能让Agent持续优化、适配不同用户习惯并沉淀专属数据，对构建高质量、高粘性的体验至关重要，这将形成极强的平台锁定效应[10]。\n \n
\n\n \n
\n \n
\n \n \n Harness应具有精细的分层及不同类型记忆、调用时使用LLM对记忆进行语义级选取，再配合周期性触发的Auto Dream（记忆整理机制）。\n \n Claude Code构建了结构化的记忆系统，覆盖多个记忆类型，并灵活采用LLM in the Loop：以 CLAUDE.md 为载体的\n \n 指令记忆\n \n （融合全局规则与用户私有指令）、随会话生命周期存在的\n \n 短期记忆\n \n 、与当前任务强相关的\n \n 工作记忆\n \n 以及\n \n 长期记忆\n \n 。其中，长期记忆按用户画像、行为偏好、项目信息、外部资源位置四类进行记忆分类，并且在调用时异步预取：遍历索引下所有md文件并只读前30行，由Sonnet模型结合上下文筛选相关记忆，不依赖向量和关键词匹配，实现语义级精准选取；此外，Claude Code通过子Agent持续维护\n \n 摘要记忆\n \n 以服务会话压缩，并在满足周期条件时触发\n \n Auto Dream\n \n 机制，对记忆进行全局扫描、矛盾检测与重组整合，实现类人式的离线整理。\n \n
\n\n \n
\n \n
\n \n 图表8：Harness之记忆分层\n \n
\n\n \n 资料来源：阿里云开发者：Claude Code 源码拆解，阿里云开发者：Claude Code在Prompt/Context/Harness的设计与实践，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 各平台通过封闭式架构设计，主动提升记忆迁移门槛。\n \n Anthropic推出托管智能体[11]，将执行与记忆等能力统一封装于API环境；Codex则将历史信息转化为加密式的压缩摘要[12]，仅在OpenAI内部环境中可用。记忆所形成的跨周期粘性与迁移成本，才是Agent商业化阶段关键的留存壁垒。我们认为，头部大模型公司或将持续提升记忆的迁移门槛，争夺这一层重要用户状态资产。\n \n
\n\n \n
\n \n
\n \n 图表9：不同封闭程度的Harness下的记忆锁定\n \n
\n\n \n 资料来源：中金公司研究部，阿里云开发者LangChain\n \n
\n\n \n
\n \n
\n \n \n 对于客户：需要可控且节省成本、安全、多Agent协作\n \n \n
\n\n \n
\n \n
\n \n \n 近期头部模型厂商公司积极落地企业级Agent。\n \n Anthropic和OpenAI此前就积极布局企业场景，Anthropic以Claude Code为基础，陆续推出用于多Agent协作的Agent Teams和企业协作平台Claude Cowork；OpenAI则拥有Codex赋能的云端Workspace Agents，以及用于企业大规模构建、管理并部署Agent的Frontier平台。近期，两家加快节奏，几乎同时成立合资公司，计划通过收购其他AI服务与咨询公司，扩充工程实施团队，将AI系统规模化部署至私募基金的被投企业中[13]。我们认为对于用户，尤其是企业级用户，在模型应用进入了生产力场景后，客户对可控且节省成本、安全性要求较强，对多Agent协作需求也有提升。\n \n
\n\n \n
\n \n
\n \n \n \n 可控且节省成本\n \n \n \n
\n\n \n
\n \n
\n \n \n Harness可以通过多层级、动态组装的系统提示词，协助规范模型输出边界，缩减使用成本。\n \n 以Claude Code的Prompt分割为例，提示词被分割为静态与动态两部分：静态部分为用户所共有，包括Claude身份设定、系统行为规则、工具使用指南、安全准则、语气与风格等，不同会话共享缓存。动态部分依各用户与会话而不同，包括会话特定指导、自动记忆、MCP和临时文件等，不做缓存。再加上Git状态快照、CLAUDE.md、日期时间戳等，组装为最终系统提示词，整体设计利于提高缓存命中率，节省成本。\n \n
\n\n \n
\n \n
\n \n \n 压缩不足会迅速耗尽模型上下文资源，但过度压缩可能导致关键信息丢失，Harness有助于优化上下文管理。\n \n Claude Code采取渐进式的压缩：首先对结构化工具输出进行微压缩，仅对白名单（如 Bash、Read、Grep）工具输出做裁剪，关键状态变更操作（如 Edit）则完整保留；其次在达到阈值时启用会话记忆压缩，直接以历史对话中已生成的摘要替代原始信息，不额外推理并设置单次压缩上限、优先淘汰旧消息；当轻量手段仍不足时，才进一步调用LLM压缩生成结构化摘要。在实际运行中，系统基于剩余上下文空间从轻到重逐级触发压缩机制，实现动态平衡。\n \n
\n\n \n
\n \n
\n \n 图表10：Harness之Prompt分割与上下文管理\n \n
\n\n \n 资料来源：阿里云：Claude Code 源码拆解，阿里云：Claude Code在Prompt/Context/Harness的设计与实践，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 安全与权限约束\n \n \n \n
\n\n \n
\n \n
\n \n 随着大语言模型进入企业生产力场景，安全性成为决定模型能否大规模落地的核心前提。对于企业级用户，AI Agent带来大幅效率提升，也带来安全挑战，提示注入攻击、恶意代码生成、敏感数据泄露等环节的疏漏均可能造成损失。构建严密、可扩展、可审计的安全与权限约束有助于解决效率与安全问题。\n \n
\n\n \n
\n \n
\n \n \n Claude Code的工程实践是在各个关键节点使用规则匹配、独立子Agent等方式做拦截校验，并在沙箱中运行命令。\n \n Hooks系统充当Agent全生命周期的拦截校验钩子，在不干扰模型推理路径的前提下实现外生约束。具体而言，系统在会话启动、工具调用前后等节点触发校验，运用字符串、正则、白名单等规则匹配，或是独立子Agent等进行代码与语义层双重审查。又如，权限系统在工具调用执行前裁决出Allow / Deny / Ask。此外，命令在沙箱环境中执行，将潜在破坏严格限制在可控范围，从而形成“前置审查+运行隔离”的双层安全架构。\n \n
\n\n \n
\n \n
\n \n 图表11：Harness之安全约束\n \n
\n\n \n 资料来源：阿里云：Claude Code 源码拆解，阿里云：Claude Code在Prompt/Context/Harness的设计与实践，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 实现多Agent协作的基础\n \n \n \n
\n\n \n
\n \n
\n \n \n Harness Engineering不仅旨在让单 Agent 更可靠地工作，也是用于优化多 Agent 间协作效果，通过群体智能加速业务创新[14]。\n \n Claude Code将所有执行体统一建模为\n \n Task对象\n \n ，使多Agent协作落地为可工程化维护的系统，不同Agent通过并行协作或统一调度完成任务，并由环境隔离和异步通信确保互不干扰、稳定执行。\n \n
\n\n \n
\n \n
\n \n \n Task 对象\n \n 具备独立生命周期、状态、进度与消息队列，利于解决任务分配、状态管理与异常回收，成为多Agent协作的基础单元。协作模式方面，系统支持多种模式按需调用，\n \n Agent Team模式\n \n 为扁平化并行架构，各组员独立自治，而\n \n Coordinator模式\n \n 为集中式编排架构，各工作者受到统一调度。同时，可通过Git Worktree为每一项任务分配专属空间实现Agent间隔离，通过MailBox机制实现 Agent 间异步通信，并内置Explore、Plan、Verification等专用Agent分工处理不同子任务。\n \n
\n\n \n
\n \n
\n \n 图表12：Harness之多Agent协作\n \n
\n\n \n 资料来源：阿里云：Claude Code 源码拆解，阿里云：Claude Code在Prompt/Context/Harness的设计与实践，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 对于生态：Harness是天然的入口，有可能创造新的商业形态\n \n \n
\n\n \n
\n \n
\n \n \n Harness是天然的生态入口。\n \n 我们认为Harness承担着基础设施与入口层的角色：接入模型、连接企业数据和工具，并负责上下文管理、任务编排、工具调用、安全控制和持久记忆等关键基础能力。随更多接口、服务、企业内部知识库沉淀，\n \n Harness的生态效应也会进一步增强，并有望以此成为商业化枢纽。\n \n 例如，Hermes、LangChain等Agent Harness本身开源，但已预装了Skills，用户在调用Skills时会消耗对应API调用额度与底层服务。\n \n 我们认为Tools和Skills并非越多越好，需要Harness对工具调用描述清晰、调用准确、尽量少占据上下文。\n \n 我们认为，未来，除了大模型本身的商业化，可能Harness作为执行外部工具的枢纽，也可能形成稳定的分发抽成收入、新的商业形态。\n \n
\n\n \n
\n \n
\n \n 传统Agent工具多以函数形式接入，一旦扩展到复杂真实场景，参数校验、权限管控、并发调度、异常处理等通用逻辑分散在各工具单独实现，导致拉高系统复杂度、执行逻辑割裂、维护成本增加等问题。对此，Claude Code做了两层优化：一是为所有工具统一封装输入规范、权限与并发规则，将工具升级为全局可识别的运行时对象；二是引入独立Tool Runtime管控层集中治理。后续新增工具时，新增复杂度统一由于Runtime承接处理，无需各环节重复开发，同时保障了工具执行逻辑统一和运行稳定。\n \n
\n\n \n
\n \n
\n \n \n Claude Code将工具调用建模为受控的可治理对象，同时将工具中的通用逻辑集中到Tool Runtime层统一管控，有助于拓展新工具、在工具执行异常时仍推进运行。\n \n 在这一架构之上，Agent具备三项关键能力：一是基于副作用划分的并发调度策略以提升可靠性；二是模型生成与工具执行并行推进的流式执行机制，优化了长任务效率；三是对参数错误、权限拒绝等异常进行标准化封装并统一返回，从而避免流程中断，支撑复杂任务的稳定运行。\n \n
\n\n \n
\n \n
\n \n 图表13：Harness之工具调用\n \n
\n\n \n 资料来源：阿里云：Claude Code 源码拆解，阿里云：Claude Code在Prompt/Context/Harness的设计与实践，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 三、模型是否会吞噬Agent Harness？\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n Harness是否会随模型增强而消失，Big Harness与Big Model派争议尚存。\n \n AI领域头部工程技术社区Latent Space梳理了多位头部公司核心人物的公开表态，并将这一分歧概括为“侧重模型能力建设与侧重框架工程建设的路线争议”[15]。\n \n
\n\n \n
\n \n
\n \n Big Harness派认为，模型正在快速趋于同质化，真正构成产品壁垒的是记忆、工具调度、评估、工作流编排等系统层能力。\n \n
\n\n \n
\n \n
\n \n Big Model派则认为，正如上一轮中推理模型出现后复杂脚手架变得不必要，Harness也是一种会被更强大的模型所取代的过渡产物，模型外裹着的壳子越轻量化越好。\n \n
\n\n \n
\n \n
\n \n LangChain等案例显示Harness可带来显著提升，但也有SWE-Atlas数据表明不同模型在不同Harness上的表现差异在误差范围内[16]。Harness相关Benchmark、学术研究也暂时比较匮乏，模型能力提升是否会压缩Harness的长期价值，仍待时间验证。\n \n
\n\n \n
\n \n
\n \n \n 2026年模型训练正呈现明显的Agentic导向\n \n \n
\n\n \n
\n \n
\n \n \n 头部公司围绕原生Agentic能力重构模型训练范式。\n \n 模型训练正呈现明显的Agentic导向，即持续引入多步规划、长周期交互、工具调用、自我纠错相关数据与强化学习机制，使模型在训练阶段即学习复杂Agent任务的规划、执行与纠错能力。核心变化在于：Agent能力正从推理时外挂变为训练时内化。我们可以从部分公司披露的模型训练中发现此趋势。\n \n
\n\n \n
\n \n
\n \n \n ► Anthropic & OpenAI：\n \n Anthropic在训练Claude时，有意让它练习如何成为一个Agent。模型会面对大量开放式问题，并通过在多种环境中分步骤思考、调用工具后得出答案，再在强化学习下大量实践习得在有限指导下完成复杂任务的能力[17]；OpenAI则会在虚拟机环境中进行大规模强化学习，模型自主探索文本浏览器、图形化界面、终端等多种工具的最佳使用方式、学习工具编排策略[18]。\n \n
\n\n \n
\n \n
\n \n \n ► 阿里：\n \n 在Qwen3-Coder-Next的训练中[19]，预训练阶段就使模型大规模吸收真实软件工程任务与工具调用数据，建立编程与Agent行为的基础知识；监督微调阶段，直接引入OpenHands、Claude Code等Agent 框架产生的多轮Agent轨迹进行训练；强化学习阶段则将模型置于可执行环境中自主试错，通过环境反馈直接优化决策路径，将成功的行为序列固化为模型参数。\n \n
\n\n \n
\n \n
\n \n \n ► 智谱：\n \n 在GLM-5的训练中[20]引入大量Agent交互轨迹、长代码库与复杂工具调用数据，并在后训练阶段加入Agentic RL，支持模型在上万真实SWE 环境中持续学习任务规划、自我纠错与策略切换能力，使模型能够在真实软件工程、终端、搜索等环境中完成端到端的长周期交互任务。最新的GLM-5V-Turbo更进一步[21]，在30多种任务的强化学习池中联合优化，以多模态感知作为推理、规划和工具使用的核心组件，与图形化界面交互的能力增强，同时显著提升了模型的跨场景规划与适应能力。\n \n
\n\n \n
\n \n
\n \n 图表14：GLM-5运用Agent数据训练并引入Agentic RL\n \n
\n\n \n 资料来源：智谱官网，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 正如LangChain的Agent = Model + Harness，模型Agentic能力提升的过程，一定程度上对应着Harness被打薄的过程。头部厂商通过轨迹数据、强化学习与环境模拟等技术路径，将原本属于外部Agent Harness的功能和编排执行逻辑直接训入模型权重。如是，外部沉重的Agent Harness逐渐被模型内化的原生能力取代，形成模型吸收框架的趋势。\n \n
\n\n \n
\n \n
\n \n \n Agent Harness是模型智能边界的动态外延\n \n \n
\n\n \n
\n \n
\n \n \n 虽然Agent Harness中的部分内容将不可避免地向模型沉降并实现内生化，但是，我们认为：\n \n \n
\n\n \n
\n \n
\n \n \n Agent Harness不会随模型增强而直接消亡。\n \n Agent Harness呈现出“Built to delete”的特性，即旧框架的代码最好可以随时被移除以适配更强的新模型，但是外围确定性的约束与编排框架，能够提升复杂交互的稳定性、可控性。概念与范围会不断演进，Harness Engineering可能后续又会被其他范式取代，但“Agent Harness”本身可能会不断动态外延。\n \n 此外，Agent Harness在真实任务中捕获的Agent行为轨迹数据是训练模型Agentic能力的重要素材。\n \n 例如，NVIDIA推出SWE-Hero Trajectories数据集，依托OpenHands框架采集生成数万条软件工程Agent轨迹，用于大模型指令微调训练[22]。复杂长程任务中的高价值失败场景，也可通过Harness记录、沉淀并转化为下一轮训练数据。谷歌工程师Philipp将这种价值表述为“Harness is the dataset”[23]。\n \n
\n\n \n
\n \n
\n \n \n 偏向产品层的能力将作为厂商差异化的护城河长期存在。\n \n 随基础模型能力增强，其对工具调用、任务分解、链式推理与简单工作流编排的覆盖范围不断扩大，原本由Harness承担的“显式工程逻辑”持续收缩。这其实是对Harness的分层重构：底层标准化能力，如常规调度逻辑、简单状态管理、基础工具调用等具备高度可学习性，最先被模型吸收；但越靠近产品层，越涉及跨系统协同、多Agent协作与具体业务，其强工程属性与场景依赖性难以被统一模型完全替代。长期来看，Agent Harness的重心或将上移：低阶能力被模型吞噬并标准化，高阶的产品化与系统级工程能力成为厂商重要竞争力。\n \n
\n\n \n
\n \n
\n \n \n 投资建议\n \n \n
\n\n \n
\n \n
\n \n \n 关注主动研发自身Harness的模型厂商。\n \n 我们认为对于模型公司，Harness的价值体现在：在模型能力方面，有助于提升模型能力下限、加速模型迭代；在满足客户需求方面，尤其是企业级客户需求上，Harness有助于模型在生产力场景下更加可控且节省成本、安全，进行多Agent协作。此外，Harness是天然的生态入口，有可能创造新的商业形态。我们认为，具备自主Harness研发能力的模型厂商，相比依赖第三方框架者，能够形成更持久的商业竞争优势。\n \n
\n\n \n
\n \n
\n \n \n 关注模型训练呈现Agentic导向的模型厂商。\n \n 模型能力增强将持续Agent能力内生化，但Agent Harness也在动态外延。当前模型训练已经明显呈现Agentic导向，越来越多原属于外部Agent Harness的能力，正在被训练进模型中，使Agent能力从“外挂式”逐渐走向“原生化”。长期来看，低层标准化能力可能逐步被模型吸收，而更靠近产品层、企业层与多系统协同层的能力，将继续成为厂商的重要竞争壁垒。我们建议重点关注在模型训练中系统性引入Agentic数据与强化学习机制的厂商，关注Harness与模型的双向迭代优势。\n \n
\n\n \n
\n \n
\n \n \n 关注记忆与数据粘性高的Harness平台。\n \n 记忆能力决定了Agent能否跨会话持续理解用户，并沉淀用户偏好、历史决策、工作流习惯及高价值上下文，使Agent演进为具备连续服务能力的长期助手。当前，头部平台已经开始通过封闭式架构设计，主动提升记忆迁移门槛。记忆所形成的跨周期粘性与迁移成本，是Agent商业化阶段关键的留存壁垒。\n \n
\n\n \n
\n \n
\n \n \n 四、各厂商在做怎样的Agent Harness实践？\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n OpenAI：重构软件工程生产方式\n \n \n
\n\n \n
\n \n
\n \n \n 2026年2月，OpenAI 以零行手写代码构建起百万行的完整软件产品并发布《Harness Engineering: leveraging Codex in an agent-first world》正式确立Harness Engineering。\n \n OpenAI在过去五个月完成了一款纯AI生成代码的软件产品内部Beta版，从空Git仓库起步，3名工程师驱动Codex，产出约100万行代码，1500个PR，代码编写和审核全部由Agent完成。项目耗时只有传统开发的十分之一，团队后期扩展至7人时，人均吞吐量不降反升，速度与效率均亮眼。\n \n
\n\n \n
\n \n
\n \n \n 人类通过Harness Engineering把控方向，Agent执行落地。\n \n Codex本身能力很强，但缺乏实现高级目标所需的工具、抽象层和内部结构，导致早期进展较慢。当进行不顺利时，工程师基本不会让Agent重复任务，而是介入并追问：“还需要怎样的能力？如何让这个能力对Agent来说既清晰可读又可强制执行？”，从而通过设计开发环境、明确任务意图、搭建反馈回路等做针对性的改进——这就是在做Harness Engineering，以下为核心案例：\n \n
\n\n \n
\n \n
\n \n \n 1）硬性约束：\n \n 仅靠文档无法维持Agent生成的代码库的一致性。因此，团队不再对实施过程进行微观管理，而是选择强制执行架构与规范的不变量“死规矩”，为Agent搭建起严格分层、边界清晰的执行领域。这些架构约束通过自定义静态代码校验器（Linter）和结构测试被机械地自动化执行，严格管控层级间的依赖关系，在全局严守架构边界的前提下给予Agent自主空间，成为Agent的效率倍增器，在保障架构不漂移的同时维持高效交付。\n \n
\n\n \n
\n \n
\n \n 图表15：代码只能“向前”依赖于一组固定的层\n \n
\n\n \n 资料来源：OpenAI，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 2）上下文管理：\n \n 上下文是极其稀缺的资源。OpenAI团队早期尝试用一份长篇大论的 `AGENTS.md` 来指导Agent，但它不仅会挤占有限的上下文空间、导致智能体漏掉关键指令，而且极易过时，人类根本没法机械地核实各规则是否仍准确。于是，团队将策略转为“只给地图，不给说明书”。他们把代码仓库设为唯一的记录系统，将详细的设计和架构文档存入结构化的目录，而 `AGENTS.md` 则精简成约100行的导航索引。这种方式实现了渐进式披露，Agent不再被海量信息淹没，而是从一个精简的入口出发，根据任务需要按图索骥查找深层信息。\n \n
\n\n \n
\n \n
\n \n \n 3）让Agent能看见结果：\n \n 为让Codex有更好的质量核验能力，团队接入Chrome开发者工具协议，让它具备查看并进行操作的能力。每次修改代码后，Agent会启动一个隔离的应用实例（沙箱环境），比对修改前后的截图和运行时日志。可观测性栈服务（observability stack services）也经过了类似处理，可跟随当前代码工作树，生成配套单次开发任务的临时本地监控集群。这套环境让Agent可以直接检查日志与指标，并验证类似“启动时间低于800ms”等较严苛的需求。任务完成后，该临时堆栈及其产生的数据则会被立即销毁，不继续占用资源。此模式协助Codex实现了单次任务运行无需干预便可持续6小时以上。\n \n
\n\n \n
\n \n
\n \n 图表16：Codex中结果可观测性的具体实现\n \n
\n\n \n 资料来源：OpenAI，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 4）垃圾回收：\n \n Agent在开发中会引发系统熵增、模式漂移问题，甚至盲目复现仓库里不佳的既有模式，错上加错。团队最初靠人工每周清理AI产生的冗余代码，效率低且难以规模化。因此，团队将人类的工程品味提炼为数条规则编码进仓库，并建立了自动循环清理机制——由后台Codex任务持续扫描偏差、发起有针对性的重构PR并自动合并，其功能类似于系统的垃圾回收。这种高频小额修复可以避免技术债务累积，实现不良模式的即时发现与修正，保障代码库长期一致性。\n \n
\n\n \n
\n \n
\n \n \n Anthropic：持续推出，持续解耦、打薄\n \n \n
\n\n \n
\n \n
\n \n Anthropic自2025年下半年开始持续探索Harness Engineering，并在其工程博客发布相关研究，从双模块到三代理架构逐步分离职责，到主动去除随模型能力提升而过时的“死权重”，最终解耦架构使Harness更轻薄，具体如下：\n \n
\n\n \n
\n \n
\n \n \n \n Effective harnesses for long-running agents\n \n \n \n
\n\n \n \n \n
\n \n \n \n
\n \n \n 2025年11月，Anthropic提出双模块方案（two-part solution），一套用于稳定长时运行Agent的Harness设计改进。\n \n 复杂任务一般涉及多个上下文窗口，但Agent难以很好地跨多窗口“接力”运行。具体来说，Claude Agent最常出现的失败有两种，一种是因试图一次性完成过多任务而中途耗尽上下文，且由于一些功能只完成了一部分而没有任何文档记录，Agent只得在启动下一会话时猜测进度；另一种是接续的Agent发现部分功能已有进展便过早判定任务完成。若想让Agent在多窗口间稳定地将任务进展下去，需要能弥合各会话信息差的方法，让Agent在开启全新上下文窗口时能快速了解工作状态。\n \n
\n\n \n
\n \n
\n \n \n 双模块方案的核心是拆分两个角色，初始化Agent负责理解任务与制定计划，编码Agent负责执行与验收。\n \n 初始化Agent会在项目开始时生成一份全面且结构化的清单，其上列举待完成的需求并标记为未通过，为编码Agent提供明确目标空间。编码Agent采用“增量进展”（incremental progress），每次只做一个功能（one feature at a time），完成后通过Git回滚等方式保持环境的干净状态；测试时使用浏览器自动化工具（browser automation tools），Agent会像人类用户一样进行交互，并通过截图来验证功能是否正常；会话结束时编写Git提交和进度更新，让下一个会话通过读取前述文档快速上手。\n \n
\n\n \n
\n \n
\n \n 图表17：Agent失败模式与解决方案\n \n
\n\n \n 资料来源：Anthropic，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n Harness design for long-running application development\n \n \n \n
\n\n \n
\n \n
\n \n \n 2026年3月，Anthropic介绍三代理架构，对用于应用全栈构建Agent的Harness进行优化，大幅提升输出质量。\n \n 针对LLM在评估自己的工作时倾向于给出正面评价的问题，团队受生成对抗网络（GAN）启发，将执行任务与做评价的Agent分开，并最终发展出三代理架构：Planner、Generator和Evaluator。Planner负责将简短的Prompt扩展为完整的产品规格说明书，Generator遵循Sprint冲刺模式，即将复杂任务拆解、一次只做一个功能，Evaluator则借助Playwright MCP点击运行中的应用以用户视角测试UI功能、API端点和数据库状态，并根据预设标准评级。由于产品规格书通常较宏观，Generator与Evaluator 会在每个Sprint开始前通过协商达成一份冲刺合同（sprint contract），将抽象需求转化为具体且可测试的技术指标，明确任务完成的定义。此架构通过分离生成与评估减轻了模型的自我评估偏差，并使Generator在Evaluator的严格审计下不断迭代。\n \n
\n\n \n
\n \n
\n \n \n 主动消除“死权重”，为Harness做减法。\n \n Harness并非一成不变，Anthropic的探索过程中有两例可作辅证：\n \n
\n\n \n
\n \n
\n \n 1）部分模型在接近上下文限制时会提前收尾工作。针对该上下文焦虑，Anthropic设计了上下文重置机制，即清空上下文窗口并用结构化工具携带之前的状态。然而随模型迭代到Opus 4.5，上下文焦虑问题已在模型层面消除，重置机制也被从Harness中移除。\n \n
\n\n \n
\n \n
\n \n 2）在Opus 4.6阶段，由于模型原生支持更长任务的规划，复杂的Sprint结构也被简化。\n \n
\n\n \n
\n \n
\n \n Anthropic内部称这类随模型能力增强而过时的约束为“死权重”（dead weight）[24]，上述两个例子揭示了Harness设计的核心特征：需随模型能力提升而动态变化，尤其是去除“死权重”，否则Harness会成为模型的拖累而非助力。\n \n
\n\n \n
\n \n
\n \n \n \n Scaling Managed Agents: Decoupling the brain from the hands\n \n \n \n
\n\n \n
\n \n
\n \n \n 2026年4月，Anthropic将原Harness架构解耦、打薄，新Harness成为负责调度的无状态指挥中心。\n \n 类似计算机操作系统，底层硬件不断变化，但通过定义长期有效的接口，可以让未来出现的软件也能在上稳定运行，Anthropic将Harness也调整为一层稳定抽象。在此思路下，原Harness被主要拆成三部分：会话（Session）、沙箱（Sandbox），剩下的部分为新Harness。Session是记录所有发生事件的追加日志，SandBox是隔离开来的执行环境，新Harness是一套作为指挥中心的循环程序，负责调用Claude模型并将模型提出的工具调用路由至相关基础设施。新Harness本身是无状态的，它的所有状态信息要从Session中读取，新Harness本身也是没有“手脚”的，它要通过SandBox运行代码、编辑文件。\n \n
\n\n \n
\n \n
\n \n 图表18：解耦后的Managed Agents Harness\n \n
\n\n \n 资料来源：Anthropic，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 从宠物到羊群，兼顾强恢复性、高安全性与低延迟。\n \n 宠物式架构需要人工精心养护：任何组件故障都可能导致会话丢失、故障排查困难，还容易形成隐性依赖——当客户需将模型接入自身虚拟私有云时，需进行网络对等配置或在客户环境独立部署框架。通过解耦重构为羊群式架构，则各部分成为可替换的资源，灵活且成本低。具体来说，这一架构转变带来了三大核心优势：\n \n
\n\n \n
\n \n
\n \n \n 1）强恢复性：\n \n 每个组件都能在不影响其他组件的情况下进行替换，强恢复性正是强替换性另一角度的体现。比如，因为会话日志独立于Harness存在，Harness 崩溃后可以重新启动并从上次中断的地方继续；再比如，长任务经常超出模型的上下文长度，传统普遍采取不可逆的压缩，但单独保存的会话日志让模型可以持续保存过往上下文，推理时再按需查询调用。\n \n
\n\n \n
\n \n
\n \n \n 2）高安全性：\n \n 此前代码和凭证（Token）这类系统钥匙运行在同一环境，一旦模型被提示词注入（prompt injection）诱导读取自己的环境，攻击者就能拿到凭证。将SandBox单独隔离后，代码运行时接触不到任何凭证，从结构上杜绝相关安全隐患。\n \n
\n\n \n
\n \n
\n \n \n 3）低延迟：\n \n 过去每个推理都要搭建完整的容器——就算不涉及SandBox也需等待代码仓库克隆、进程启动等。这个过程的耗时是用户感知最直接的延迟，以首令牌响应时间（TTFT），即在接收任务与生成首个Token之间的等待时长表示。解耦后，编排层一从Session中拉取待处理事件，推理就立即开始，且只有真正需要时才启动执行环境，TTFT缩短了约60%至90%。\n \n
\n\n \n
\n \n
\n \n \n Hermes：尝试构建具备自进化能力的Agent系统\n \n \n
\n\n \n
\n \n
\n \n \n Hermes构建Agent直接驱动的Harness自我进化闭环。\n \n Hermes Agent是由Nous Research打造的开源Agent，近期在GitHub等社区热度持续攀升，其独特性在于Harness中的学习闭环设计。根据MiniMax的介绍，Hermes Agent在完成复杂任务后，会自动从中提炼出可复用的Skills，保存为独立文档。在后续的使用中，这些Skills会被按需加载，并根据新的使用反馈不断自我改进。配合持久化的跨会话记忆，自然语言定义的定时任务、以及多个子代理的并行运行机制，Hermes Agent得以成为能长期运行、不断进化的智能体。\n \n
\n\n \n
\n \n
\n \n \n Hermes持续成长，自我进化的具体实现如下：\n \n \n
\n\n \n
\n \n
\n \n \n 1）核心循环：\n \n Agent完成任务后，自动提取可复用的Skill资产并修复错误或过时的Skill。具体来说，所有Skill通过列表形式整理，Agent会在进行任务时按需匹配并渐进式加载。当出现需要5+工具调用才完成的复杂任务、有经过反复修改才过关的任务，或者发现有价值的工作流，Agent都会在进行自我评估后自动创建Skills。Hermes还设有即时的自主修复机制，当技能被调用时被监测出过时或不够好，Agent会主动用补丁工具（patch）修复。\n \n
\n\n \n
\n \n
\n \n \n 2）四层记忆架构：\n \n 提示词记忆层常驻内存、全程加载，会话检索记忆层留存全量运行推理轨迹、支持全文检索，技能记忆层按需惰性加载、兼顾灵活性与稳定性，用户画像记忆层跨会话持久化配置。再配合记忆模块写入规则、安全扫描等机制，既防记忆污染与崩溃，又实现信息归档，为进化提供核心知识底座。\n \n
\n\n \n
\n \n
\n \n 图表19：Hermes Agent的自我进化系统\n \n
\n\n \n 资料来源：MiniMax，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 相比OpenClaw，Hermes在数据库运行的设计上更轻量。\n \n 两者均采用SQLite（公认的轻量级数据库）作为底层存储引擎，以规避传统数据库带来的运维复杂度。然而在\"SQLite扮演什么角色\"这一问题上，两者走向了不同路径。\n \n
\n\n \n
\n \n
\n \n \n ► OpenClaw中Markdown文件是数据的\"真值源\"，SQLite主要被用作索引。\n \n 存储层面，对话历史与长期记忆均以纯文本md形式持久化于磁盘，SQLite中则存储用于搜索的索引映射与向量嵌入。当Agent需要检索数据库内容时，系统先通过SQLite的全文索引或向量搜索定位目标片段，再回溯到原始文件中提取内容并返回，存在额外的读取跳转。在写入层面，每条新记忆需同步更新文件与索引、生成向量嵌入以支持语义搜索，并依赖后台监控进程自动检测文件变更以保持文件与索引的一致性。这样的设计也有优势，比如纯文本原始数据的可迁移性较强。\n \n
\n\n \n
\n \n
\n \n \n ► Hermes将SQLite直接嵌入执行循环核心，弱化了文件系统的作用。\n \n 存储层面，对话历史以结构化形式直接存于数据库，长期记忆与用户偏好则通常以md文件形式存储。检索时，直接通过数据库内建的全文索引实现精确定位，无需额外访问外部文件。写入层面，数据直接写入数据库，无需维护额外的文件同步链路，且默认检索路径对向量索引依赖较弱。\n \n 这一设计的核心优势在于运行时效率：查询路径更短、写入开销更低、无需持续的后台监控进程。\n \n 但相应地，对话历史数据存储于二进制数据库中，无法像纯文本文件一样直接打开阅读，迁移与导出需要相关数据库工具。\n \n
\n\n \n
\n \n
\n \n 图表20：Hermes与OpenClaw数据库对比\n \n
\n\n \n 资料来源：OpenClaw源码，Hermes源码，阿里云开发者，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 风险提示\n \n \n
\n\n \n
\n \n
\n \n \n \n Harness空间被持续压缩风险\n \n \n \n
\n\n \n
\n \n
\n \n 伴随基础大模型训练范式呈现明显的Agentic导向，多步规划、自我纠错与环境交互等工程能力正加速向大模型参数权重沉淀，导致模型内生化许多原本归属于Harness的功能。若模型吸收Agent框架的趋势超预期，Harness本身或面临被边缘化，导致相关厂商的竞争壁垒与长期市场空间被压缩。\n \n
\n\n \n
\n \n
\n \n \n \n 企业级Agent落地不及预期\n \n \n \n
\n\n \n
\n \n
\n \n 企业级严肃生产环境对Agent的稳定性、幻觉控制及实际交付要求较高，且Agent深度涉及私有数据的跨系统流转、状态与记忆管理，以及工具与执行环境的高系统权限调用。若合规安全性存在漏洞，或完成复杂长程任务的ROI未达预期，或导致下游企业IT资本开支放缓，延迟企业级Agent落地。\n \n
\n\n \n
\n \n
\n \n \n \n Harness商业落地与生态变现存在不确定性\n \n \n \n
\n\n \n
\n \n
\n \n 依托Agent框架作为企业级入口、通过Skills及工具生态进行API分发抽成的平台型变现路径仍处于探索早期，分成机制落地与抵御模型厂商自建封闭生态的壁垒仍具不确定性。\n \n
\n\n \n
\n \n
\n \n \n [1]https://docs.langchain.com/oss/python/langchain/agents\n \n \n
\n\n \n \n [2]https://openreview.net/pdf?id=eONq7FdiHa\n \n \n
\n\n \n \n [3]Agent Harness Engineering: A Survey\n \n \n
\n\n \n \n [4]Dive into Claude Code: The Design Space of Today's and Future AI Agent Systems\n \n \n
\n\n \n \n [5]https://mp.weixin.qq.com/s/VHVZV0rrCxYkbrxjuQzIAQ\n \n \n
\n\n \n \n [6]https://mp.weixin.qq.com/s/VHVZV0rrCxYkbrxjuQzIAQ\n \n \n
\n\n \n \n [7]https://www.langchain.com/blog/improving-deep-agents-with-harness-engineering\n \n \n
\n\n \n \n [8]https://x.com/rasbt/status/2038980345316413862\n \n \n
\n\n \n \n [9]独家对话罗福莉：AI范式已然巨变\n \n \n
\n\n \n \n [10]https://x.com/hwchase17/status/2042978500567609738\n \n \n
\n\n \n \n [11]Claude Managed Agents: get to production 10x faster | Claude\n \n \n
\n\n \n \n [12]从模型到智能体：为 Responses API 配备计算机环境 | OpenAI\n \n \n
\n\n \n \n [13]Building a new enterprise AI services company with Blackstone, Hellman & Friedman, and Goldman Sachs \\ Anthropic\n \n \n
\n\n \n \n OpenAI launches the OpenAI Deployment Company to help businesses build around intelligence | OpenAI\n \n \n
\n\n \n \n [14]Harness驾驭工程是AI平权的必经之路？\n \n \n
\n\n \n \n [15]https://www.latent.space/p/ainews-is-harness-engineering-real\n \n \n
\n\n \n \n [16]https://labs.scale.com/leaderboard/sweatlas-qna\n \n \n
\n\n \n \n [17]Anthropic：如何构建更高效的AI Agent？\n \n \n
\n\n \n \n [18]OpenAI Just Released Its Powerful New ChatGPT Agent | Sequoia Capital\n \n \n
\n\n \n \n [19]Qwen3-Coder-Next Technical Report\n \n \n
\n\n \n \n [20]Z.ai - Inspiring AGI to Benefit Humanity\n \n \n
\n\n \n \n [21]GLM-5V-Turbo: Toward a Native Foundation Model for Multimodal Agents\n \n \n
\n\n \n \n [22]https://huggingface.co/datasets/nvidia/SWE-Hero-openhands-trajectories\n \n \n
\n\n \n \n [23]The importance of Agent Harness in 2026\n \n \n
\n\n \n \n [24]Harnessing Claude's Intelligence | 3 Key Patterns for Building Apps | Claude\n \n \n
\n\n \n
\n \n
\n \n \n Source\n \n \n
\n\n \n \n 文章来源\n \n \n
\n\n \n 本文摘自：2026年5月31日已经发布的《人工智能十年展望（二十九）：Agent Harness：模型之外、智能之内》\n \n
\n\n \n 于钟海 分析员 SAC 执证编号：S0080518070011； SFC CE Ref：BOP246\n \n
\n\n \n 车姝韵 分析员 SAC 执证编号：S0080523050005； SFC CE Ref：BTM272\n \n
\n\n \n 王倩蕾 分析员 SAC 执证编号：S0080524100004； SFC CE Ref：BXT568\n \n
\n\n \n 童思艺 分析员 SAC 执证编号：S0080524060015； SFC CE Ref：BVD355\n \n
\n\n \n 李铭姌 分析员 SAC 执证编号：S0080524070025； SFC CE Ref：BTQ513\n \n
\n\n \n 赵丽萍 分析员 SAC 执证编号：S0080516060004； SFC CE Ref：BEH709\n \n
\n\n \n
\n \n
\n \n \n Legal Disclaimer\n \n \n
\n\n \n \n 法律声明\n \n \n
\n\n \n 特别提示\n \n
\n\n \n 本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。\n \n
\n\n \n 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。\n \n
\n\n \n 中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。\n \n
\n\n \n 本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。\n \n
\n\n \n 一般声明\n \n
\n\n \n 本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。\n \n
\n\n \n 本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。\n \n
\n\n \n 在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访问http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。\n \n
\n\n \n 本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。\n \n
\n\n
\n \n \n 中金研究\n \n \n
\n \n\n \n 2026上半年市场的核心主线只有一个，有AI和没有AI，前者如A股创业板和韩国，后者如港股恒科，前者如A股科创，后者如A股消费。但即便强如A股，也有几百只股票创出924以来新低，即便弱如港股，也有大模型和IPO的显著涨幅。\n \n 因此，与其非得说港股有什么不同，但不如说港股更“真实”的反应了中国基本面强者更强，弱者更弱的分化。\n \n 毕竟港股指数中的权重股都与消费大盘有更紧密的联系。\n \n \n
\n \n \n
\n \n \n 对于港股上半年相对“落寞”的表现，我们并不意外，我们去年底的多项判断，\n \n 如整体指数空间有限，年初亢奋时提示风险，不建议用人民币升值与外资流入和港股表现划等号，以及不建议因为没涨就切换到消费上，\n \n 多数得到验证。\n \n \n
\n \n \n
\n \n
\n \n 往前看，\n \n 当前K型的经济与K型的市场能否收敛、谁想谁收敛？港股还能否迎来机会，如果有，机会来自哪个方向？不同板块的赔率和胜率如何？\n \n 我们对下半年港股市场的前景做了一些思考，供投资者参考。\n \n
\n\n \n \n \n 点击小程序查看报告原文\n \n \n \n
\n\n \n
\n \n
\n \n \n Abstract\n \n \n
\n\n \n \n 摘要\n \n \n
\n\n \n
\n \n
\n \n 经历了2025年的大幅上涨，2026年的港股显得有些“落寞”，内有A股创业板对比，外有韩国美股衬托，使得资金与关注度都大不如前。\n \n 对此，我们并不意外。我们在去年底的多项判断，尤其是与主流观点不同的看法，多数得到验证：\n \n 如整体指数空间有限，年初情绪高亢时提醒风险，不建议用人民币的叙事来照搬到港股表现上，不建议仅仅因为没涨就高切低到消费上等。\n \n
\n\n \n
\n \n
\n \n \n 一、港股落寞的背后：恰是“更直接”反映了中国信用周期的走向和分化\n \n \n
\n\n \n
\n \n
\n \n 但何以至此？不解释清楚过去，就难以展望未来。\n \n 一是基本面，\n \n 除了前置发力外，看似强劲的一季度增长实则掩盖的是更加明显的内部分化，科技和外需强，消费和内需弱，\n \n 这与我们在去年底判断中国信用周期走向整体震荡但结构分化是一致的。\n \n 港股恰有大批与消费内需大盘相关的权重股，如互联网、电商、电动车甚至新消费，但指数中缺少AI硬件与外需。所以，\n \n 与其说港股有什么不同，倒不如说其恰恰“更直接”反映了中国基本面强者更强、弱者更弱的K型分化。\n \n \n
\n\n \n
\n \n
\n \n \n 二是流动性，\n \n 去年底的广泛共识是国内和海外流动性都将维持甚至更加宽松，如美元走弱、海外央行持续宽松、人民币升值吸引更多外资，南向资金延续等流行的叙事，对此我们有疑虑。结果，\n \n 港股反而成了今年内外部流动性收紧“最受伤”的交汇点：\n \n 美元没有如期走弱，四大央行有两个将走向紧缩，南向与海外资金都明显缩水等等。\n \n 展望下半年，港股市场的前景与配置方向也藏在这两者的变化之中。\n \n \n
\n\n \n
\n \n
\n \n \n 二、中国周期走向的抓手：外需与实际利率\n \n \n
\n\n \n
\n \n
\n \n \n 有两个数据的“转折点”可以生动的诠释中国信用周期的分化。\n \n 一是居民信贷增速首次转负。经历了2024年下半年到2025年中短暂的企稳后，居民信贷增速2025年下半年开始再度快速下行，并跌入负区间。如果从更长维度看，2017年地产见顶，尤其是2021年三条红线后，居民信贷增速下行已延续了10年。\n \n 二是指数Wind全A和创业板指均创历史新高。\n \n \n
\n\n \n
\n \n
\n \n 理解这种分化与转折背后的含义，\n \n 就要从理解中国增长所处的内外部环境、政策的长短期目标约束出发。\n \n \n
\n\n \n
\n \n
\n \n \n ► 外部环境提供了外需的“宝贵”窗口：\n \n 2019年尤其是2021年之后，因为地产周期下行和政策引导，大量信贷资金流向制造业，客观上也造成了政策支持方向如汽车制造等供需失衡问题。但过去三年，全球环境的几个重要变化客观上提供了外需的宝贵窗口：1）两次地缘冲突造成的能源转型需求；2）两次贸易摩擦带来的新兴市场供应链重构对中间品的需求；3）AI的崛起拉动的新增投资。当然，还有很大的成本优势，\n \n 所以才有了过去两年不断扩大的出口和顺差，支撑了增长的企稳。\n \n \n
\n\n \n
\n \n
\n \n \n ► 出口强劲给政策提供了腾挪空间，以利用这一宝贵战略窗口期发展科技和升级产业，\n \n 应对未来不可逆甚至随时可能更为严峻的供应链重构。从长期角度，即便外部环境不进一步升级，科技自主与产业升级也是战略之举，是经济发展阶段的需要，这从“十五五”规划、今年两会强调智能经济与未来能源，以及财政更多向“两重”等倾斜是一致的。\n \n
\n\n \n
\n \n
\n \n \n ► 那也就意味着除非外需失控拖累整体增长，政策重心或仍将以科技与产业为主。\n \n 虽然进入二季度，内需再度转弱，但外需和科技的强劲足以对冲，使得政策重心依然放在产业与科技上。\n \n 换言之，只要外需和就业不出大问题，财政可能没有很大紧迫性在当前水平上大举加码、并向内需倾斜，\n \n 毕竟现在全社会总债务比例已经处于较高水平，尤其是政府债务过去5年增加较快。\n \n 因此，财政脉冲将与去年持平且向科技和产业倾斜依然是我们的基准假设。\n \n \n
\n\n \n
\n \n
\n \n \n ► 因此，内外需与科技的分化或仍将延续。\n \n 外需在额外份额和新增能源转型和科技需求下或仍将保持韧性，除非全球因持续的高油价进入衰退且主要央行激进加息。相反，内需在缺乏外力支持下的自我修复仍然缓慢，\n \n 因此整体信用周期震荡和结构分化不仅未收敛，反而可能进一步加大。\n \n \n
\n\n \n
\n \n
\n \n \n 判断基本面走向的另一个重要抓手是实际利率，也是决定信用周期的关键。\n \n 名义利率走低（当前10年国债1.7%）、PPI中生产资料走高、PPI中消费产品尤其是CPI中猪价不断下行，构成了一个“有意思”的组合，\n \n 即外需与科技通胀上行、内需尤其是消费修复偏慢，\n \n 因为前者面临更高的回报（5.4%）和较低的实际利率（3.7%），带来更高的业绩弹性，后者面临原本低迷的回报（消费3%、购房-3%）和反而更高的实际利率（消费2.6%、购房2.1%）[1]，\n \n 货币政策或许很难直接解决这一问题，财政重心如上所述也主要在科技端，汇率相比利率可能会起到更有效的调节作用，不过或许要等整体政策思路调整才可能有更大期待。\n \n 所以，我们一直不同意只用通胀下行来概括中国的经济，太过狭隘，\n \n 更恰当的总结应该是整体通胀下行掩盖下的流动性过剩和局部通胀上行，这与市场的结构性分化是一致的。\n \n \n
\n\n \n
\n \n
\n \n \n 三、流动性变化的堵点：油价与中期选举\n \n \n
\n\n \n
\n \n
\n \n \n 相比A股，港股因其特殊环境对流动性更为敏感，\n \n 流动性强时（如2025年南向大举流入1.4万亿港元，海外资金一度超配，美联储降息），港股市场表现领先；流动性弱时（如今年至今南向资金流入不到3000亿港元，海外资金配置下降，美联储紧缩预期升温），港股则明显落后。\n \n
\n\n \n
\n \n
\n \n 我们预计国内流动性环境应该会继续维持宽裕，尽管二季度可能面临边际收紧，居民再配置也仍有空间，\n \n 但对港股而言，南向资金能否再度大举流入取决于港股表现好坏，并且海外流动性的变数更大。\n \n 目前，市场预计欧央行与日央行大概率6月加息，会形成阶段性的紧缩环境。但我们认为，市场现在预期美联储年内加息还是太悲观了，毕竟加息的门槛很高（我们测算，油价需要冲击150美元并维持在120美元以上直至年底），这意味着预期伊朗局势一直无解。这对于选情已经较为紧张（特朗普整体支持率已降至39.8%，通胀议题更是低至28%）的特朗普可能是难以承受的，且越临近年底、风险越大。\n \n
\n\n \n
\n \n
\n \n \n 所以，流动性堵点来自油价，背后是中期选举的压力。\n \n 伊朗局势缓和油价回落带动美债利率下行，至少可以缓解港股分母端的压力，如果能有进一步基本面催化，也可以推动更多资金配置的正循环。\n \n
\n\n \n
\n \n
\n \n \n 四、配置的思路：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n
\n \n
\n \n 基于我们对整体中国信用周期的判断，\n \n 我们维持对港股指数中性震荡的看法，基准情形下恒指点位27,000-28,000。\n \n 考虑到紧张的流动性环境和长期低迷，后续的边际变化（如美债利率回落、又或是互联网龙头在AI投入上的催化）\n \n 都可能带来恒科等成长板块一定低位的估值修复，即赔率不差。\n \n \n
\n\n \n
\n \n
\n \n \n 从配置角度，市场极致分化的背后恰是信用周期分化的直接映射。\n \n 科技如若一枝独秀，内需也就相对疲弱，资金也难以轮动，更多是短期躲避高估值和高拥挤资金行为。\n \n 所以，我们在配置上还是建议紧跟信用能扩张的方向。一是科技，\n \n 整体AI产业没有到普遍泡沫的程度，阶段的透支是有的。例如美国五大云厂商的经营性现金流已被资本开支基本耗尽，国内头部云厂商自由现金流还维持正值，但边际也已出现收敛。不过从渗透率看，当前中国AI渗透率约16-19%，距历史超额行情见顶的20-25%的阈值仍有一定距离，所以走到现在需要以每一个业绩期作为关键检验点。\n \n 二是周期，但偏左侧，\n \n AI投资的深化与美债利率回落和海外财政增量都是周期的信用扩张催化。\n \n 三是泛外需，\n \n 但需要更多全球基本面修复的拉动。相反，\n \n 如果信用扩张方向难以为继，内需也无法接棒，那分红与稳定增长方向可能会重新吸引投资者，\n \n 这也是港股具有特色吸引的方向，如银行和本地需求，今年表现也并不差。\n \n
\n\n \n
\n \n
\n \n \n 我们进一步根据微观流动性、美债利率敏感性、基本面预期改善情况、动态估值，测算了各板块的赔率与胜率，发现：\n \n 1）互联网、医疗设备、汽车与零部件赔率与胜率情况都相对较好；2）半导体、周期品、创新药、机械、电气设备胜率较好，但赔率不高；3）消费板块整体赔率靠前；4）科技硬件、公用事业、贸易公司等行业胜率与赔率均不占优，\n \n 与上面的结论大体一致。\n \n \n
\n\n \n
\n \n
\n \n 所以总结而言，\n \n 科技看海外；外需看油价；内需看政策。\n \n \n
\n\n \n
\n \n
\n \n \n 风险提示\n \n \n
\n\n \n
\n \n
\n \n 海外地缘局势及主要央行政策路径存在不确定性；国内信用周期、政策效果、AI产业链景气及资金面均有不确定性；本文涉及的盈利预测、指数测算和行业配置判断等可能偏离实际\n \n
\n\n \n
\n \n
\n \n \n 目录\n \n \n
\n\n \n
\n \n
\n \n \n 2026上半年回顾：分化的市场、落后的港股\n \n \n
\n\n \n \n 宏观环境：强者更强、弱者更弱\n \n \n
\n\n \n 信用周期走到哪了？整体震荡下是结构进一步分化\n \n
\n\n \n 信用周期的走向？K型分化继续，除非外需承压\n \n
\n\n \n \n 中观视角：结构市的历史特征与拐点判断\n \n \n
\n\n \n 结构市的历史经验与表现特征\n \n
\n\n \n 如何判断景气产业与行情的拐点？\n \n
\n\n \n \n 市场趋势：短期弹性看美债，长期空间靠盈利\n \n \n
\n\n \n 指数空间：基准27,000-28,000、乐观30,000、悲观21,500\n \n
\n\n \n 企业盈利：增速3-4%，市场预期仍偏高\n \n
\n\n \n 估值水平：基准空间2-3%，修复动力主要来自利率\n \n
\n\n \n 资金面：延续紧平衡，打新仍或受关注\n \n
\n\n \n \n 配置建议：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n 配置思路：基准科技与分红轮动，乐观从科技到周期再到外需\n \n
\n\n \n 择时策略：结合拥挤度的短期轮动辅助\n \n
\n\n \n 组合筛选：高景气、外需映射、困境反转、高分红\n \n
\n\n \n
\n \n
\n \n \n Text\n \n \n
\n\n \n \n 正文\n \n \n
\n\n \n
\n \n
\n \n \n 2026上半年回顾：分化的市场、落后的港股\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 2026年上半年的港股明显落后于A股和全球股市，且内部的分化加大，不过我们对此并不意外。回顾去年底我们在\n \n 《2026年展望：“牛市”的下一步》\n \n 做出的一系列判断，尤其是一些和市场主流观点不同的看法，无论是：\n \n 1）整体信用周期偏弱震荡，市场指数层面上行空间有限；\n \n 还是\n \n 2）“高切低”向泛消费扩散的行情难以出现，仍需关注景气结构；\n \n 又或是\n \n 3）人民币强不代表股市一定强，反而可能压抑南向资金的配置意愿，\n \n 目前来看都得以印证。\n \n
\n\n \n
\n \n
\n \n 然而，在整体港股表现不佳的背后，那些贴合产业趋势的高景气结构则表现亮眼，AI大模型、半导体科技赛道涨势强劲，只不过在指数里很少得以体现。与此同时，港股IPO打新的火热程度也比我们预想的更强。\n \n
\n\n \n
\n \n
\n \n \n ► 为何整体表现不佳？信用周期震荡，传统部门趋弱、核心权重股不在市场关注点。\n \n 宏观层面，我们判断今年国内信用周期从2025年的修复走向震荡，这会约束指数的上行空间，\n \n 正是基于此，年初恒指一度触及28,000点时我们明确提示谨慎、不建议追高。\n \n \n
\n\n \n
\n \n
\n \n \n 传统需求再度走弱，\n \n 也使得与消费等传统需求相关的指数权重股如互联网、电商、新能源车表现乏力，再加上行业竞争导致的盈利承压。相反，作为今年全球交易主线的AI硬件却在港股主要指数内鲜有踪迹，传统互联网大厂AI布局滞后、技术迭代偏慢、缺乏核心成长弹性，也在这一轮AI行情中明显落后。\n \n
\n\n \n
\n \n
\n \n \n ► 为何行情极致分化？资金紧平衡导致资金更聚焦景气方向。\n \n 今年全球主线高度集中于算力、半导体与储能等AI的瓶颈硬件资产，市场分化加大，这也是全球的普遍现象，A股创新高的背后仍有超60%的公司是下跌的。尤其自4月指数快速上涨以来，仍有超400家公司股价创2024年“924”以来新低，A股中证消费指数甚至已跌回“924”前水平。港股也是如此，少量贴合全球热点的硬科技标的，如宁德等涨幅甚至优于其A股，一些IPO上市后表现也非常亮眼，这背后都是景气方向，也是信用扩张的方向。\n \n
\n\n \n
\n \n
\n \n \n ► 为何资金面“紧平衡”？国内资金“跷跷板”与海外市场分流。\n \n 我们在年初发布的\n \n 《港股资金面透视》\n \n 中便提出，港股资金面今年整体“紧平衡”。人民币升值导致内资南下资金面临汇兑损益，A股指数创新高与港股不温不火的对比也压抑内地投资者配置港股意愿，南向流入较去年显著降温，一季度公募港股配置比例回到“924”前水平。此外，韩国与中国台湾等硬科技盈利高增、在全球指数权重已超中国大陆，虹吸全球主被动资金。\n \n
\n\n \n
\n \n
\n \n \n ► 为何港股IPO再超预期？优质公司与资金的共振。\n \n 我们自2025年中便提示关注港股IPO打新机会（\n \n 《港股IPO市场与打新收益分析》\n \n ），但今年的热度与收益比我们预期更火热。公司层面，港交所18C规则的包容性吸引了智谱与Minimax等贴合全球AI主线但尚未盈利的公司，政策支撑与前期A转H公司优异表现也使越来越多A股公司如兆易创新、澜起等赴港。此外，资金的紧平衡、优质方向的稀缺，反而使得资金更加集中，这从部分IPO更高的认购倍数上也可以得到体现。\n \n
\n\n \n
\n \n
\n \n 图表1：港股尤其恒生科技的下跌盈利占主导，相反领涨的创业板与标普500则均为盈利贡献\n \n
\n\n \n
\n \n
\n \n 图表2：尽管整体表现不佳，但港股内部贴合全球科技主线的科技实际表现不输A股\n \n
\n\n \n
\n \n
\n \n 图表3：年初以来港股有18%的标的跑赢恒指20%以上，但也有25%的标的跑输恒指20%以上\n \n
\n\n \n 注：数据截至2026年5月30日\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 宏观环境：强者更强、弱者更弱\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 信用周期走到哪了？整体震荡下是结构进一步分化\n \n \n
\n\n \n
\n \n
\n \n 2026年开年以来，港股宽幅震荡、结构分化加剧，这与我们在年度展望中的判断基本一致。\n \n 我们此前将2026年基准情形定义为“信用周期震荡放缓、产业趋势继续”，\n \n 即指数层面难以全面扩散，但科技、外需和部分产能出清方向仍有结构机会。\n \n
\n\n \n
\n \n
\n \n 中国经济总量不算弱，一季度实际GDP同比增长5.0%。但这种“不弱”不是传统顺周期复苏，一季度经济开门红后，4月经济数据再度走弱，体现为高度结构化：\n \n 生产强于需求，企业强于居民，外需强于内需，新兴产业强于传统部门。\n \n \n
\n\n \n
\n \n
\n \n \n ► 生产强于需求。\n \n 工业生产保持韧性，1-4月规模以上工业增加值同比增长5.6%，其中4月同比增长4.1%，较3月放缓；结构上，高技术制造业1-4月同比增长12.6%，快于整体。投资端分化明显，多集中在设备更新、高端制造和产业升级方向，1-4月全国固定资产投资同比下降1.6%，高技术产业投资增长6.1%，其中计算机及办公设备制造业、信息服务业投资分别增长13.9%和18.1%。\n \n
\n\n \n
\n \n
\n \n \n ► 外需强于内需。\n \n 2026年前4个月外贸保持较强韧性，出口累计同比增长11.3%。结构上，出口仍主要由机电产品和高附加值制造品支撑，前4个月机电产品出口同比增长17.6%；其中电动汽车、锂电池、风力发电机组等绿色低碳产品出口分别增长68.1%、43.2%和40.7%，工业机器人出口增长30%。这表明中国出口优势继续向新能源、智能制造和供应链中间品集中。\n \n
\n\n \n
\n \n
\n \n \n ► 消费和地产依然偏弱。消费修复偏温和，\n \n 1-4月社会消费品零售总额同比增长1.9%，低于去年同期的4.7%，且4月单月仅增长0.2%，服务消费好于商品消费，整体需求弹性仍不足，以旧换新分项同比两位数下滑。居民行为也显示预防性储蓄仍强：一季度全国居民人均可支配收入名义增长4.9%，但人均消费支出仅增长3.6%，消费支出增速继续低于收入增速。\n \n 地产仍未系统修复，\n \n 1-4月全国房地产开发投资同比下降13.7%，新建商品房销售面积下降10.2%，销售额下降14.6%，个人按揭贷款下降31.7%。虽然核心城市二手房阶段性成交改善，但仍不足以确认居民信用周期进入右侧拐点。\n \n
\n\n \n
\n \n
\n \n \n ► 价格回升更偏成本型，非全面需求型再通胀。\n \n 一季度CPI同比上涨0.9%，4月同比上涨1.2%，仍属温和修复；PPI一季度同比仍下降0.6%，但3月转正至0.5%，4月进一步升至2.8%。关键在于结构：4月PPI中生产资料价格上涨3.8%，生活资料价格下降1.0%；工业生产者购进价格同比上涨3.5%，高于出厂价格2.8%。这说明价格上行主要来自上游、能源和原材料成本，向中下游和终端消费的传导仍不顺畅。\n \n
\n\n \n
\n \n
\n \n \n 因此，上半年中国经济呈现“K型分化”与“政策前置发力”两大特征。一方面，结构分化显著：\n \n AI产业链在外需拉动和国内资本开支驱动下发展，带动相关出口与投资，企业信贷脉冲修复；传统内需侧，受居民消费意愿较弱等因素影响，居民信贷脉冲走弱。\n \n 另一方面，政策超前发力后可能会观望甚至逐步退坡：\n \n 一季度政策前置发力，助推经济实现“开门红”；进入二季度，政策力度自然退坡，叠加外部地缘局势扰动加剧，内生动能不足问题随之显现。这种“产业冷热不均”与“政策支撑脉冲”的交织，映射为权益内部科技与外需方向占优的分化格局。\n \n
\n\n \n
\n \n
\n \n 图表4：一季度GDP增长体现为高度结构化\n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 图表5：价格回升更偏成本型，而非全面需求型再通胀\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 信用周期的走向？K型分化继续，除非外需承压\n \n \n
\n\n \n
\n \n
\n \n \n 判断中国信用周期能否修复，关键看投资回报能否覆盖融资成本。\n \n 过去几年反复证明，流动性充裕、储蓄较高和利率下行，并不必然带来居民消费和地产销售的大幅提振，或股票市场的全面增量资金。\n \n 信用扩张的原动力来自相对回报，\n \n 即预期回报要高于成本，尤其是私人部门投资，扮演逆周期调节机制的政府财政支出看似短期不受此约束，但如果考虑短期经济回报以外更广义的社会回报，也是如此。\n \n
\n\n \n
\n \n
\n \n 基于这一框架，我们去年底在\n \n 《2026年展望：“牛市”的下一步》\n \n 中的判断不断得到验证，当前中国信用周期震荡放缓、结构分化：\n \n 1）居民信贷脉冲持续走低，\n \n 本质上因为预期回报难以覆盖加杠杆成本；\n \n 2）企业信贷脉冲回暖，\n \n 但内部分化明显，传统内需板块投资回报不足，外需链条有订单和利润支撑，科技和新兴产业则受政策支持，政策支持可以降低企业信用扩张所需的实际回报门槛；\n \n 3）财政脉冲前置发力，但边际动能开始减弱，\n \n 对私人部门需求的对冲效果有限。\n \n
\n\n \n
\n \n
\n \n \n 从总量看，下半年信用周期自发修复的动能有限。\n \n 原因在于，\n \n 中国当前的实际融资成本仍高于经济内生回报水平，\n \n 我们测算中国实际利率0.55%与自然利率0.34%之差为0.21ppt，二者差值较2025年6月2.5ppt已大幅收缩了2.3ppt，但依然高于美国的-0.09ppt。政策924以来有效避免私人信用进一步大幅收缩，今年一季度前置发力，但更多是企业端和财政端托底，居民信用仍然偏弱。\n \n 因此，要让信用周期重新进入全面扩张，还是需要更强的财政刺激。\n \n 我们测算，需要新增6万亿元以上赤字，广义财政赤字脉冲才能抬升至约4%，接近2022年中以来高位。\n \n
\n\n \n
\n \n
\n \n \n 但现实中却很难达到这一水平：\n \n 一方面，政策对于短期快速透支未来加杠杆空间持谨慎态度；另一方面，短期增长并不差，也使得政策并不急于新增刺激，而是更多服务于科技创新、产业升级等中长期战略方向。\n \n
\n\n \n
\n \n
\n \n \n 什么会迫使政策短期偏离这一战略目标？\n \n 增长明显走弱，类似于924之前，但在当前主要是外需出问题。否则，外需的继续强劲和内需的企稳组合就可以构成相对温和的增速，使得政策重心依然放在产业与科技上。换言之，只要外需和就业不出大问题，财政大举加码发力并向内需倾斜的必要性降低。这一情况下，\n \n 我们预计下半年财政维持托底的可能性较大，信用周期整体或继续偏弱。\n \n \n
\n\n \n
\n \n
\n \n 图表6：下半年信用周期整体或继续偏弱\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表7：中国实际利率（0.6%）低于美国（1.3%），自然利率（0.3%）低于美国（1.4%）\n \n
\n\n \n 资料来源：Wind，Bloomberg，美联储，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 居民：信用再度收缩，地产K型修复\n \n \n \n
\n\n \n
\n \n
\n \n \n 整体居民信用再度收缩，脉冲角度已经回到924之前，且消费地产持续偏弱：1）消费：\n \n 五一档票房7.58亿元，仅同比微升；五一居民出游人次同比增长约3.5%，但人均花费同比下降约0.6%，延续“量增价弱”的特征。\n \n 2）地产：\n \n 2026年以来“小阳春”带动北京、上海等核心城市二手房市场阶段性企稳，但热度尚未充分传导至新房市场，地产仍未系统性修复。\n \n
\n\n \n
\n \n
\n \n \n 居民部门内部也呈现明显的“K型特征”，1）资金端，存款搬家但并非全面入市，\n \n 主要是高净值资金流向保险、黄金、私募等，大众化权益基金增长有限。\n \n 2）居民存贷背离，\n \n 居民净存款持续高增，继续维持在11-14万亿元的高位，但贷款增速下行、房贷早偿偏高。\n \n 3）存款来源上，存款创造从传统信贷驱动转向财政投放和出口结汇驱动，\n \n 这也使得资金更多流向财政支持领域、出口制造业和新兴产业。\n \n
\n\n \n
\n \n
\n \n \n 往前看，\n \n 判断2026年下半年居民信用周期能否迎来拐点，仍需关注居民端“回报-成本”差值能否走向扩张。\n \n
\n\n \n
\n \n
\n \n \n ► 居民消费：\n \n 回报用城镇居民人均可支配收入累计实际同比近似代替，成本则用一般贷款利率-CPI累计同比衡量。对于居民消费，实际回报（收入实际同比）从去年3月阶段性高点的5.0%下滑1.8ppt至今年3月的3.2%，同期实际成本（一般贷款利率-CPI累计同比）仅从3.85%下滑1.2ppt至2.6%，回报与成本之间差值反而从1.15ppt收敛至0.56ppt，对应居民信贷脉冲处于弱势。\n \n
\n\n \n
\n \n
\n \n \n ► 居民购房：判断居民购房意愿能否修复，核心仍是比较购房回报与成本。\n \n 购房回报用70城新房价格同比+样本城市租金回报率-CPI同比衡量，购房成本则对应个人住房贷款利率-CPI同比。居民购房实际回报（70城新房价格同比+样本城市租金回报率-CPI同比）从2025年9月前期高点的-0.57%下滑2.46ppt至当前的-3.03%，同期购房实际成本（个人住房贷款利率-CPI同比）从3.36%下滑1.3ppt至2.06%，二者差值从-3.93ppt进一步下行至-4.78ppt。因此虽然按揭利率下行降低购房成本，但房价增速偏弱、租金回报率偏低，使得购房总回报难以覆盖实际按揭成本。\n \n
\n\n \n
\n \n
\n \n \n 政策是否可以改善这一局面？1）融资成本：银行净息差、输入型通胀等压力限制政策空间。\n \n 2026年第一季度货币政策执行报告删除了“降息降准”的相关表述，转而强调政策协同，基调从进一步宽松转向中性，融资成本整体大幅下行的可能性较低。\n \n 2）投资回报：政策传导更偏“托底”而非“再杠杆”。\n \n 以地产为例，2026年以来主要城市地产政策优化，包括限购放松、公积金额度上调、商贷转公积金、公积金贴息、套数认定优化等，这些措施可以缓解房企现金流和提前还贷压力，但要转化为全国性的新增按揭扩张，仍取决于购房回报能否持续修复，尤其是房价预期。\n \n
\n\n \n
\n \n
\n \n \n 往前看，房价预期企稳大概率是一个渐进、分层、由核心城市向外扩散的过程。\n \n 今年地产“小阳春”主要集中在核心城市，且居民尚未重新进入加杠杆周期。“小阳春”期间，4月居民中长期贷款反而明显收缩，一方面或受商转公等因素扰动，另一方面也反映居民购房行为或更谨慎，成交回暖可能更多来自存量需求释放和低总价、低杠杆交易，而非过去总价上移、贷款扩张的换房模式。未来一到两年，部分库存出清较充分、人口和产业支撑较强的城市，我们预计或有望沿着“二手房企稳、新房改善、投资拖累减弱”的路径修复；但库存压力较大、人口流出或产业支撑不足的城市，修复周期会更长。\n \n 因此今年内所有城市房价预期大幅抬升可能性有限，且各城市分化明显。\n \n \n
\n\n \n
\n \n
\n \n 图表8：居民信贷脉冲下行，企业信贷脉冲修复\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表9：2026年下半年居民和企业信用周期分化\n \n
\n\n \n 注：回报成本数据区间：1）消费：2025年3月至2026年3月；2）购房：2025年9月至2026年4月；3）企业：2025年6月至2026年3月\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表10：居民购房回报同样与购房成本差值收敛\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 企业：整体好于居民，但同样K型分化\n \n \n \n
\n\n \n
\n \n
\n \n \n 企业部门整体好于居民，但扩张或集中在经营回报能覆盖实际融资成本的方向，如外需和科技。\n \n 以企业贷款利率-PPI累计同比衡量的企业实际融资成本已从2025年6月的6%高位回落至当前的3.7%，以工业企业累计利润总额/营业收入衡量的经营回报同期从5.1%边际改善0.3ppt至5.4%，回报-成本差值从-0.9%上行至1.5%，对应企业信贷脉冲由负转正，部分行业已具备结构性信用扩张条件。\n \n
\n\n \n
\n \n
\n \n \n 但这并不意味着企业部门全面扩张，拆分看，行业经营回报与实际融资成本依然分化。1）外需链条表现较好：\n \n 海外需求仍在拉动订单、收入和利润，使经营回报能够覆盖融资成本。\n \n 2）科技和先进制造方向较强：\n \n 更多来自产业趋势和政策支持，政策支持实际上相当于降低企业所需的实际回报门槛，通过政府引导、信贷倾斜等方式，提高项目落地概率。\n \n 3）相反，补贴退坡后的部分汽车链条，以及需求不足、价格承压的部分周期行业，则是反例：\n \n 随着需求不足或政策支持边际减弱，即便融资成本下行，企业也可能转向价格竞争、压缩资本开支，而非主动扩张。\n \n
\n\n \n
\n \n
\n \n \n 往前看，上游资源、高景气制造和政策支持方向更具扩张条件：1）部分上游资源品和价格改善行业，\n \n 如有色金属采选、有色金属加工、油气开采（行业累计利润/营业收入）与（企业贷款利率-行业PPI累计同比）的差值较大，截至2026年3月分别为68.9ppt、25.8ppt和24.6ppt，回报大幅高于成本。\n \n 2）全球AI资本开支和算力基础设施带动的行业，\n \n 如计算机、通信和其他电子设备，虽然当前回报与成本差值在所有行业中排序居中，但营业收入累计同比从2025年底的7.4%，已跃升至今年初的双位数增长，4月营业收入累计同比增长15.7%，利润总额累计同比增速则达到三位数，叠加政策支持和政府引导投资或进一步修复。由于企业侧存在更明确的项目载体和产业方向，政策对企业端的支撑或强于居民端。\n \n
\n\n \n
\n \n
\n \n 图表11：企业融资成本回落，经营回报边际改善\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 政策：不急于加码，重心在科技\n \n \n \n
\n\n \n
\n \n
\n \n 2019年尤其是2021年之后，因为地产周期下行和政策引导，大量信贷资金流向制造业，客观上也造成了失衡。但是过去三年，全球环境的几个重要变化客观上提供了宝贵的窗口：1）两次地缘冲突造成的能源转型需求；2）两次贸易摩擦带来的新兴市场供应链重构对中间品的需求；3）AI的崛起拉动的新增投资。当然，还有很大的成本优势，所以才有了过去两年不断扩大的出口和顺差，\n \n 这给政策腾挪提供了重要的空间。\n \n \n
\n\n \n
\n \n
\n \n \n 当前虽然私人部门信用周期修复不均衡、整体经济结构分化加剧，但总量增长并不差，\n \n 生产、外需、新兴产业和部分制造业投资仍具韧性。\n \n 这种分化一定程度上或许也是政策所希望看到的：\n \n 信用和资源不会大规模流向地产和传统基建，而是更多倾斜给科技创新、先进制造、安全发展和外需韧性等部门。\n \n
\n\n \n
\n \n
\n \n \n 这一背景下，当前政策的发力方向和力度仍会服务于长期目标。具体而言：1）长期目标：\n \n 2035年达到中等发达国家水平。根据《党的二十届四中全会〈建议〉学习辅导百问》的分析[2]，大概相当于2035年人均GDP达到20000美元的门槛，对应年均增速4.17%。与过去几年GDP增速相比，尚不构成显著约束。2）短期目标：今年GDP增速目标4.5%-5.0%，市场预期这一目标不难实现，在中国基本面具备韧性的情况下，基准情形下财政大举发力的紧迫性不高。\n \n
\n\n \n
\n \n
\n \n \n 从政策取向看，财政更可能是“托底型”和“结构型”。\n \n 2026年政府工作报告提出赤字率约4%，发行1.3万亿元超长期特别国债和4.4万亿元地方政府专项债，同时安排中央预算内投资和“两重”建设资金，\n \n 财政力度与2025年基本持平，资金投向的重心在于新质生产力、有效投资和产业升级。\n \n 只要外需仍能承接部分增长压力，我们认为政策可能不会从“结构性托底”直接切换为“全面再杠杆”。\n \n
\n\n \n
\n \n
\n \n \n 毕竟，财政大举发力仍受制于杠杆率和收入端。\n \n 1）杠杆率：我们测算，截至2025年底中国政府杠杆率（包括中央政府、地方政府、LGFV）已经达到113%。在调整国内收入后，中国政府杠杆率达95%，超过日本（80%）和美国（67%）[3]。2）财政收入：土地出让收入跌幅持续扩大，2月和3月累计同比达-16%左右，地方政府财政发力因而受限。\n \n 往前看，政策是否会暂时搁置以上限制、边际发力，关键看两道门槛：就业和外需。\n \n \n
\n\n \n
\n \n
\n \n \n ► 就业：\n \n 4月服务业PMI从业人员分项处于45.5的低位，但尚未触及2024年9月的低点，实际工资性收入同比从去年12月的5.3%下滑至今年3月的4.0%。\n \n 当前的就业压力更多体现为结构性问题，政策倾向定向纾困，而非宏观层面的全面财政扩张。\n \n \n
\n\n \n
\n \n
\n \n \n ► 外需：外部冲击主要来自伊朗局势，但对中国而言并非单向负面，原因有两点：1）中国具有“份额优势”，\n \n 首先出口价格下降、实际有效汇率仍低于此前高点，其次中国能源结构仍以煤炭（61%）为主导，可以在伊朗局势扰动他国产能时维持更长时间的正常生产，从而在伊朗局势中提升全球份额；\n \n 2）能源冲击可能催生“新三样”增量需求，\n \n 中国“新三样”（电动载人汽车、太阳能电池、锂离子蓄电池）受益于海外绿电需求，3月出口同比增速仍维持在71.8%的高位，“新三样”在中国出口中的占比也抬升至6.7%的历史高点。\n \n
\n\n \n
\n \n
\n \n \n 因此伊朗局势并不改变中国信用周期“震荡偏弱、内部分层”的判断。\n \n 5月底美伊接近达成一项涉及60天停火延长，霍尔木兹海峡重新开放[4]。但油价难以立即回到冲突前水平，后续也存在局势反复的可能。伊朗局势对中国经济的影响走向，仍要看高油价持续多久，是否会演化为全球需求衰退、主要央行加息。\n \n
\n\n \n
\n \n
\n \n 综合来看，下半年宏观环境的核心判断可概括为：\n \n 总量有一定韧性，但信用难以全面扩张，私人部门修复仍不均衡，流动性也依然只愿意流向少数有回报的资产。\n \n 对于港股市场，这意味着指数层面可能维持震荡，机会仍来自信用能够扩张的方向，比如AI算力、外需映射、部分资源品和政策结构性支持领域。\n \n
\n\n \n
\n \n
\n \n \n 节奏上，三季度可能是观察信用周期边际变化的重要窗口：\n \n 若二季度宏观动能偏弱，7月政治局会议前后政策稳增长诉求可能边际增强，带动广义财政脉冲企稳回升；私人部门也可能在企业端出现边际修复，主要受PPI回升、出口韧性、AI和高端制造资本开支延续支撑，但依然属于结构性修复。此外，若三季度美债利率压力边际缓和，则可能与国内财政边际加力、企业信用修复形成共振。\n \n
\n\n \n
\n \n
\n \n 图表12：政策向投资倾斜，消费小幅平衡\n \n
\n\n \n 资料来源：中国政府网，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表13：2019年尤其2021年后，由于地产周期下行和政策引导，大量信贷资金流向制造业\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表14：如果关税和就业不出大问题，我们判断财政超额发力的可能性较低\n \n
\n\n \n 注：货币单位均为人民币\n \n \n
\n \n \n 资料来源：中国政府网，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表15：信用周期方向：2024年收缩，2025年修复，2026年震荡；结构向投资与科技倾斜\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 中观视角：结构市的历史特征与拐点判断\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n 如上文分析，当前信用周期呈现总量持平震荡、结构分化的运行特征，居民信贷脉冲持续走低，企业信贷脉冲边际回暖但内部分化持续加大。对应到中观财报数据，目前新兴产业与传统部门的归母净利润增速也呈现出明显“K型分化”。\n \n
\n\n \n
\n \n
\n \n \n 结构市的历史经验与表现特征\n \n \n
\n\n \n
\n \n
\n \n \n 当前这一分化格局并非首次出现，\n \n 历史上2014年7月至2015年1月、2022年4月至2022年12月曾先后出现与当前高度相似的阶段，\n \n 划分依据是：\n \n 一是居民脉冲均已从高位持续走低一段时间，处于历史低位、尚未上行；企业脉冲仍在扩张趋势中；三是两段区间内新兴产业的业绩增速均高于传统部门。\n \n
\n\n \n
\n \n
\n \n 这两段信用周期的分化对应资产表现有如下特征：\n \n
\n\n \n
\n \n
\n \n \n ► 债市难持续走熊，但波动率有所上行。\n \n 原因在于，居民信贷与地产周期的疲弱使得货币政策较难以转向紧缩；但利率的下行空间也较有限，一方面因为居民信贷周期与地产周期下行的阶段已持续一段时间，已经有所定价，另一方面企业信贷仍有一定韧性、支持信贷需求。\n \n
\n\n \n
\n \n
\n \n \n ► 权益呈现明显结构市。\n \n 两轮行情中，14-15年受政策发力影响，权益市场上行；22年在疫情扰动之下，权益市场没有整体性行情。不过，\n \n 两轮行情里权益市场始终以结构性行情为主：\n \n 14年7月至15年1月科技、非银是主要的上涨结构，而22年4月到12月的结构性主要体现在电新（第二个M顶行情）与消费中体现出结构性。\n \n
\n\n \n
\n \n
\n \n \n ► 股债相关性较低，\"股债跷跷板\"效应不显著。\n \n 两轮行情中股债相关性均较弱，权益结构性行情与利率波动各自受不同因素驱动，二者之间未呈现稳定的单调相关性。\n \n
\n\n \n
\n \n
\n \n 上述三类资产表现特征，本质上是信用总量平稳、结构分化格局在市场层面的直接映射。若进一步下沉到企业经营的微观基本面，\n \n 历史上两个可比阶段，均伴随着产能周期在不同部门间的明显分化。\n \n 在终端需求整体受制约的背景下，由外需、产业趋势等结构性因素驱动的领域，其产能利用率与周转率仍能维持相对景气，例如2013-2014年移动互联网浪潮驱动的TMT板块，以及2022年的电新板块；而同期传统部门则面临相对较大的供需错位与周转压力。\n \n
\n\n \n
\n \n
\n \n \n 与历史阶段类似，当前产能周期的分化特征同样突出，但结构性支撑的来源与强度有所不同：\n \n \n
\n\n \n
\n \n
\n \n \n ► 外需韧性有效支撑了周期与制造板块。\n \n 2014年全球经济复苏乏力、欧洲受欧债危机后遗症拖累，2022年俄乌冲突叠加全球央行快速加息抑制总需求，使得外需都相对偏弱，周期与制造板块均受拖累。\n \n 当前外需可能仍有支撑：\n \n 一是全球需求仍有韧性；二是伊朗局势推高油价中枢，驱动能源转型相关出口；三是高油价下我国部分具有成本优势、且对油气依赖度相对较低的周期品，出口份额或提升。三条路径使得本轮周期与制造板块的景气位置较此前相对更好。\n \n
\n\n \n
\n \n
\n \n \n ► AI产业趋势使得电子与通信板块产业景气更强，AI需求也开始向部分传统领域形成需求扩散。\n \n 2014年移动互联网已进入产业趋势中后期，2022年新能源则处于景气顶部；当前AI产业趋势仍处于上行期，资本开支等仍在扩张通道，景气持续性预期更强，并已开始向部分传统领域形成需求扩散，形成新的结构性增长点。\n \n
\n\n \n
\n \n
\n \n 往前看，本轮推动信用周期与产能周期分化的核心驱动正是AI产业趋势与外需韧性，二者的持续性不仅决定其是否仍是下半年港股市场最核心的结构性主线，也将决定此后整体产能周期的走向。\n \n
\n\n \n
\n \n
\n \n 图表16：历史上有两轮类似的分化行情\n \n
\n\n \n 注1：新兴产业包括：电力设备、电子、通信、计算机、国防军工、自动化设备、乘用车、汽车零部件、医疗器械、医疗服务、生物制品、化学制药、非金属材料、能源金属、金属新材料、小金属、数字媒体、游戏、家电零部件、氟化工、玻纤制造，后同\n \n \n
\n \n \n 注2：以上两部门数据，都基于全部A股非金融地产三桶油的数据计算，后同\n \n \n
\n \n \n 资料来源：Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表17：微观视角，若近看总量层面，当前或类似2013年左右\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表18：结构上，不同部门当前产能周期分化明显\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表19：2013-2014年，不同部门之间也出现明显的产能周期分化\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 如何判断景气产业与行情的拐点？\n \n \n
\n\n \n
\n \n
\n \n \n 新兴产业在类似的渗透率阶段内有什么样的资产表现特征？\n \n 考虑2013-2014年手游产业属于轻资产行业，和当前具备较大资本开支的AI产业趋势可比性相对不高，因此我们复盘了中国资产历史上四轮典型新兴科技制造业（2008-2010年智能手机、2020-2022年新能源车、风电及光伏），发现以下结论：\n \n
\n\n \n
\n \n
\n \n \n ► 国内新兴产业趋势的超额收益集中在渗透率10-25%区间，其中超额收益“主升浪”通常在渗透率20%前后接近见顶。\n \n 除光伏较特殊外，在此区间内，产业需求从早期“尝鲜”向大众普及蔓延，终端需求和商业模式逐步得到验证，市场空间快速打开，资金愿意为高增长支付估值溢价。直至渗透率来到20%左右，“主升浪”行情或逐步进入尾声。当渗透率超过25%后，超额收益显著收窄。\n \n
\n\n \n
\n \n
\n \n \n ► 权益行情顶的出现大多领先于业绩增速顶。\n \n 除风电设备外，其余三轮行情的超额收益顶点均不同程度早于业绩增速顶点出现。这表明该阶段超额收益的核心是预期驱动，资金会提前兑现未来增长。\n \n
\n\n \n
\n \n
\n \n \n ► 自由现金流恶化是超额收益终结的关键信号，历史上自由现金流 vs. 营收比值约-10%左右是重要阈值。\n \n 四轮行情的超额收益主升浪均结束于行业自由现金流为负且快速恶化的时点。当资本开支大幅超过经营性现金流时，投资者会提前预期大规模扩产将导致未来供需失衡、行业竞争加剧，进而引发估值收缩。进一步，除光伏相对特殊外，其余三轮行情中，核心行业自由现金流 vs. 营收比值在约-10%左右时超额收益行情或逐渐进入尾声。\n \n
\n\n \n
\n \n
\n \n \n ► 行情见顶后伴随有息负债率的明显提升。\n \n 超额收益顶点出现后，相关行业的有息负债率均呈现明显上行趋势。这反映出企业在经营性现金流不足的情况下，被迫依赖债务融资维持资本开支，进一步加剧了财务风险，也印证了行业从“良性扩张”向“过度投资”的转变。\n \n
\n\n \n
\n \n
\n \n 图表20：在苹果手机催化下，2008-2010年左右智能手机渗透率快速上升，电子具备超额收益\n \n
\n\n \n 资料来源：IDC，Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表21：电子超额收益终结于自由现金流转负且迅速恶化时，市场在Capex顶前先定价过度投资\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表22：2020-2022年，新能源车渗透率快速上行，电池具备超额收益\n \n
\n\n \n 注：电车渗透率以中国数据计算\n \n \n
\n \n \n 资料来源：CAAM，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表23：电池超额收益主升浪终结于自由现金流转负且迅速恶化时\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表24：2020-2022年，风电渗透率快速上行，风电设备具备超额收益\n \n
\n\n \n 注1：以风电发电量占中国发电量比重计算原始渗透率；\n \n \n
\n \n \n 注2：考虑风电占比不可能到100%，因此以终端渗透率[5]参考值，对原始渗透率进行调整；\n \n \n
\n \n \n 资料来源：清华大学碳中和研究院，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表25：风电设备超额收益主升浪终结于自由现金流转负且迅速恶化时\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 当前AI产业趋势走到哪了？渗透率来看，AI产业仍在快速发展区间。\n \n 我们采用微软2026年5月发布的《Global AI Diffusion Q1 2026 Trends and Insights》中的“AI扩散率”来衡量产业趋势。该指标定义为\n \n 每月使用生成式AI工具总时长不低于90分钟的活跃用户占劳动年龄人口（15-64岁）的比例。\n \n 数据基于微软产品遥测数据，并经操作系统市场份额与移动/桌面流量比校准，最终以劳动年龄人口为分母计算各国AI用户占比。\n \n
\n\n \n
\n \n
\n \n 根据该报告，2025年上半年全球AI渗透率为15.1%，2025年底提升至16.3%,2026年一季度提升至17.8%；中国2025年上半年AI渗透率约15.4%，2025年底16.3%，2026年一季度16.4%。\n \n 按此增速线性外推，2026年中国的AI渗透率约处于16-19%区间，距离超额收益“见顶”的阈值或仍有一定距离。\n \n \n
\n\n \n
\n \n
\n \n \n 现金流来看，目前中美头部企业自由现金流整体仍保持为正，不过投资相对需求的 “抢跑” 已有初步迹象。\n \n 根据美股一季报，头部企业自由现金流整体已经出现明显下降，全球五大云厂商资本开支与经营性现金流比例已升至 94%，接近需要外部融资的临界点，且龙头内部分化显著：Meta、微软、谷歌等内生现金流仍能支撑投资，亚马逊自由现金流转负，甲骨文则面临较大偿债压力。国内来看，三大头部云厂商的自由现金流仍处于相对健康水位，压力相对而言较小。\n \n
\n\n \n
\n \n
\n \n \n 短期看，AI产业趋势仍将持续成为市场的投资主线，\n \n 原因是：第一，目前中国的AI渗透率仍未达到20%-25%左右的历史经验阈值；第二，年内全球头部公司的现金流或仍可以维系当前的资本开支规模，自由现金流年内较难恶化至不可维系水平（如，自由现金流vs.营收比值约在-10%）。\n \n 更长远视角来看，AI产业趋势能否继续维持主线地位，核心取决于两点：\n \n 一是全球AI需求能否持续超预期，不断涌现新的应用场景；二是科技龙头业绩是否继续超预期，经营性现金流能否同步增长，覆盖高增的资本开支并维持自由现金流为正。若两者均满足，科技或延续市场主线；若需求、业绩与现金流兑现不及预期，AI板块将面临较大估值回调压力。\n \n
\n\n \n
\n \n
\n \n 图表26：2026年中国AI渗透率约在16-19%区间\n \n
\n\n \n 资料来源：微软[6]，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表27：美股头部企业自由现金流在年内仍能支撑其资本开支强度\n \n
\n\n \n 注：2Q26-4Q26数据是预期值，根据FactSet一致预期计算，TTM口径\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表28：中国头部云厂商整体自由现金流仍维持正值\n \n
\n\n \n 注：2026年数据是预期数据，根据Bloomberg一致预期计算\n \n \n
\n \n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 市场趋势：短期弹性看美债，长期空间靠盈利\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 指数空间：基准27,000-28,000、乐观30,000、悲观21,500\n \n \n
\n\n \n
\n \n
\n \n \n 往前看，港股指数上行动力短期弹性来自美债利率的下行，但长期空间还是要依靠盈利修复。\n \n 结合前文分析，在现有的政策组合和信用周期环境下，企业整体盈利难迎来大幅改善，我们测算2026年市场盈利预计温和增长3%-4%。相比之下，短期美债利率的回落倒是更有可能。\n \n
\n\n \n
\n \n
\n \n \n 1) 基准情形：盈利增长3%-4%，美债利率小幅回落，恒指有望升至27,000左右。\n \n 基准情形下，全年企业盈利增速维持在3%-4%；伊朗局势于二季度缓和，叠加美联储年内降息1次，推动10年美债小幅下行至4.1%；中债随下半年通胀回落降至1.6%。南向交易占比30%，市场主线风格及各板块风险溢价基本不变，恒指中枢预计在27,000-28,000点。\n \n
\n\n \n
\n \n
\n \n \n 2) 乐观情形：财政发力超预期，盈利增速提升至6%-7%，并带动风格切换至高权重的互联网乃至泛消费板块，恒指有望站上30,000点。\n \n 乐观假设下，财政政策落地力度超预期，中债回升至1.8%，企业盈利实现6%-7%的增长，并推动互联网及泛消费板块的风险溢价回落至2025年以来低位；同时，油价约束弱于预期，美联储降息预期升温，美债回到3.9%。在此背景下，外资加快流入，南向占比回落至25%，多重利好共振有望推动恒指突破30,000点。\n \n
\n\n \n
\n \n
\n \n \n 3) 悲观情形：盈利零增长，市场情绪走弱，恒指或下探21,500点。\n \n 极端假设下，伊朗局势持续紧张导致油价高企、加息预期升温，美债重返4.5%甚至更高；中美贸易摩擦反复，叠加国内政策落地不及预期，企业盈利增速归零，中债降至1.4%。结合俄乌局势与去年对等关税初期风险溢价的变化幅度，上述多重不利因素叠加或导致风险溢价抬升至7.5%。外资持续流出，南向占比抬升至35%，恒指或将回落至21,500点附近。\n \n
\n\n \n
\n \n
\n \n 图表29：恒指基准27,000-28,000、乐观突破30,000、悲观21,500左右\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表30：不同假设下所分别对应的盈利、无风险利率与风险溢价水平\n \n
\n\n \n 资料来源：中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 企业盈利：增速3-4%，市场预期仍偏高\n \n \n
\n\n \n
\n \n
\n \n \n 基准情形下，我们预计2026年港股盈利增长为3-4%，\n \n 其中非金融预计增长约6-7%，金融盈利增速预计为1-2%，我们的预测小幅低于当前市场自下而上一致预期的5-6%。去年底展望中，我们对2026年港股盈利的基准判断较市场更谨慎，从最新预期变化看，市场正在向这一判断靠拢。\n \n
\n\n \n
\n \n
\n \n \n ► 收入增长：基于宏观组2026年实际GDP同比增长4.7%、GDP平减指数由去年的-1.0%回升至约1.5%的假设改善，我们预计2026年非金融板块收入或上调至同比增长2-3%。\n \n 今年宏观环境最突出的特征是内外需分化：年初宏观组对全年出口增速的判断约为6%，目前已上调至约12%，出口高增长对制造业投资、设备更新以及AI相关产业链形成支撑。理论上，12%左右的出口增速可对GDP形成约1个百分点以上的拉动，但全年实际GDP预期较去年底小幅下调，说明地产、消费和一般内需仍有较强拖累。对于海外收入占比约20-25%的港股市场，出口增速的大幅上修也很难充分对冲内需拖累。\n \n
\n\n \n
\n \n
\n \n \n ► 利润率：CPI-PPI差值扩大，2026年利润率较去年底预期略有下调。\n \n 宏观组预计2026年CPI同比上行约1.1%，PPI同比上行约2.3%，二者差值扩大。PPI内部明显分化，4月PPI同比上涨2.8%，其中生产资料价格上涨3.8%，生活资料价格下降1.0%。这说明价格修复更多来自上游和成本端，而非终端需求全面改善。对上游资源品和具备定价权的行业，存在利润修复；对中下游制造和一般消费，则可能是成本压力。\n \n
\n\n \n
\n \n
\n \n \n 往前看，盈利修复很大程度上取决于基本面改善情况：1）基准情形\n \n 大概率是托底而非推高，我们预期2026年盈利增速约为3-4%，低于市场共识的5-6%，小幅低于A股2026年盈利增速的6%（非金融+10%，金融+3%）；\n \n 2）乐观情形\n \n 对应财政发力超预期，盈利可以实现6-7%的对应增长预期；\n \n 3）悲观情形\n \n 下政策进展不及预期，盈利可能与2025年基本持平。\n \n
\n\n \n
\n \n
\n \n \n 板块层面，2026年下半年港股盈利更可能呈现两点特征：\n \n 一是非金融好于金融，科技、周期和部分资源品好于传统消费；二是利润率改善集中在有定价权、订单支撑或供给出清的行业，而非广谱扩散。\n \n 当前科技、周期和部分资源品预期盈利增速较高，部分消费板块承压，也与信用周期的走向一致。\n \n 具体看，港股半导体（+76.7%）盈利增速较高，汽车及零部件（+73.6%）、原材料（+59.4%）板块2026年盈利增速居前，且较2025年明显改善。\n \n
\n\n \n
\n \n
\n \n \n 盈利预期对板块切换和市场走势是否有领先性？\n \n 我们发现：1）指数层面，港股走势短期受风险溢价变化影响更大，尤其在信用周期偏弱、情绪波动较大的阶段，指数涨跌往往先由估值驱动，盈利更多起到中期验证作用。但相比静态盈利同比增速，盈利预期的边际调整更具参考价值。2）板块内部，部分板块盈利预期修正方向与幅度有一定参考价值，比如对于半导体和创新药等方向，但并非所有盈利预期上调板块都会上涨。\n \n
\n\n \n
\n \n
\n \n 图表31：市场预期恒指2026年EPS增速为5.5%\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表32：年初以来板块涨跌幅和盈利预期修正幅度基本正相关\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 估值水平：基准空间2-3%，修复动力主要来自利率\n \n \n
\n\n \n
\n \n
\n \n \n 基准假设下，\n \n 短期估值修复主要依靠美债利率从高位回落，\n \n 对应估值上行空间约2%-3%。乐观情形中，\n \n 若政策发力且AI行情向技术层扩散，推动港股权重互联网与泛消费板块情绪修复至2025年以来低位，\n \n 整体估值上行空间有望突破10%。\n \n \n
\n\n \n
\n \n
\n \n \n ► 风险溢价整体并不高，进一步修复空间有限。\n \n 从风险溢价角度看，港股当前估值不能算便宜。1月下旬恒指触及28,000点时，对应风险溢价约4.7%，甚至低于2018年初棚改与地产周期高点时水平；目前ERP虽回升至5.7%，但仍处在历史低位与2024年“924”行情时水平接近。因此难以单纯依靠情绪推动估值上行，唯有市场风格出现显著切换。如果AI行情向技术层延伸，叠加政策发力带动权重互联网与泛消费板块ERP降至2025年以来最低水平，这样有机会实现10%以上的估值修复。\n \n
\n\n \n
\n \n
\n \n \n ► 无风险利率或提振估值2-3%。\n \n 美债方面，若伊朗局势在二季度缓和，美联储年内降息1次，对应10年美债中性利率3.4%左右以及60-80bp期限溢价。中债方面，同样考虑海外局势趋稳，下半年国内输入性通胀或较上半年缓和，中债利率也有小幅下行空间。基准情景下，若美债利率回落至4.1%、中债利率降至1.6%，同时南向资金持仓占比维持30%，将推动港股估值修复2%-3%。\n \n
\n\n \n
\n \n
\n \n 图表33：恒指当前PE已经接近2015年以来均值以上，风险溢价整体下行空间有限\n \n
\n\n \n 资料来源：Bloomberg，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 图表34：乐观假设下，互联网与泛消费情绪修复有望带动估值上行空间达10%以上\n \n
\n\n \n 资料来源：FactSet，中金公司研究部\n \n
\n\n \n
\n \n
\n \n 需要注意的是，\n \n 港股从来都不是“一个港股”，内部新老分化十分显著。\n \n 过往市场主要划分为高分红为主的老经济以及以恒生科技为首的新经济两大阵营。如今新经济内部甚至进一步分化为以互联网平台为首的老科技，以及以大模型企业为代表的新科技，估值分化更为明显。具体看，\n \n
\n\n \n
\n \n
\n \n \n ► “老经济”：高分红标的可参考AH溢价，未来更多公司H会比A更贵。\n \n 考虑港股通个人及公募等投资者需缴纳至少20%红利税，AH溢价收敛至125%（100%/0.8）时，投资A或H股在红利层面无实质差异。不过125%的均衡溢价更适用于现金流稳定、以分红为主的如能源、金融、电信等老经济板块。\n \n
\n\n \n
\n \n
\n \n \n 不过未来可能有更多AH两地上市公司出现溢价。\n \n 近期排队赴港的A+H新股多为契合产业趋势、匹配外资投资审美的高端制造与科技标的，估值逻辑与传统高分红行业不同，港股发行规模较A股也有限。因此它们AH溢价有可能出现倒挂。继宁德时代、恒瑞医药之后，今年登陆港股的澜起科技、胜宏科技也出现溢价倒挂现象。假设当前AH溢价已低于125%的公司维持现状，其余公司均降至125%，AH溢价指数短期极致支撑位在110%，但随着越来越多新经济外资青睐的A股赴港上市，整体AH溢价率可能进一步收敛。\n \n
\n\n \n
\n \n
\n \n \n ► “老科技”：估值与风险溢价已在历史低位，具备安全边际。\n \n \n
\n\n \n
\n \n
\n \n \n ► “新科技”：大模型公司短期涨幅显著，存在一定透支。\n \n \n
\n\n \n
\n \n
\n \n \n 智谱、Minimax 6月纳入恒科，若出现波动是否会拖累指数？\n \n 市场担心两家大模型公司进入恒科后可能类似去年泡泡玛特纳入恒指后见顶并拖累指数。调整结果公布后智谱上涨近60%，进一步透支估值预期。\n \n 不过两家公司指数权重较低，分别仅为0.53%、0.36%即便股价回调对指数影响也有限。\n \n 中长期走势则取决产业趋势和基本面，7月中美股二季度业绩为关键节点，若AI仍是核心主线且赛道景气度未有趋势性变化，短期若回调反而可能创造更好价格窗口。\n \n
\n\n \n
\n \n
\n \n \n 资金面：延续紧平衡，打新仍或受关注\n \n \n
\n\n \n
\n \n
\n \n \n \n 供给端：南向与海外资金增量有限\n \n \n \n
\n\n \n
\n \n
\n \n \n ► 南向资金2025年创纪录流入后，为什么后劲不足？\n \n 2025年南向资金全年净流入1.4万亿港元，而今年年初至今仅流入2740亿港元，规模不足去年同期的一半。这背后我们认为主要是：\n \n 1）港股赚钱效应走弱，\n \n 缺少具备持续性的高景气赛道难以吸引去年大规模涌入的个人及交易型资金；\n \n 2）机构持续减配港股，\n \n 去年三季度公募基金港股超配比例一度接近15%，目前已回落至5%-7%；\n \n 3）年内人民币持续走强，\n \n 加剧跨市场资金跷跷板效应，降低了南向资金换汇布局港股的性价比。\n \n
\n\n \n
\n \n
\n \n \n 展望来看，基准情境下南向流入规模有限，预计全年南向累计流入规模在5500-6500亿港元左右：\n \n 1）主动公募配置空间约1000-1500亿港元；2）保险增配规模约3000-4000亿港元；3）交易型与ETF资金受市场情绪、信用周期约束，预计回归常态水平、贡献1000-1500亿港元流入（\n \n 《港股资金面透视》\n \n ）。若后续国内政策发力、市场流动性预期改善，或是美联储加速降息推动人民币走强，叠加港股硬科技板块权重提升、产业结构持续优化。这种情况下，南向资金则有望迎来阶段性回流。\n \n
\n\n \n
\n \n
\n \n 图表35：这一背景下公募港股持仓占比也快速下滑，当前已经回落至2024年“924”前水平\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n ► 海外资金：年初一度小幅回流，但整体配置中国意愿仍较弱。\n \n EPFR数据显示，年初海外主动资金曾出现短暂回流，但持续性偏弱。受赛道错配、全球资金分流影响，港股外资回流力度与节奏显著弱于日韩、中国台湾等周边市场。\n \n 基本面趋弱与全球资金分流共同构成压力。\n \n 国内信用周期震荡偏弱，港股相对周边市场表现不佳。与此同时，全球资金主线聚焦AI硬科技赛道，韩国、中国台湾市场依托半导体、算力硬件等核心资产，在MSCI新兴市场指数权重持续抬升，目前分别约为19%、25%，整体权重已超越中国大陆占比（中资股含A+H+ADR，19%）。在MSCI新兴市场指数1.8万亿美元跟踪规模的体量下，区域赛道优势差异对港股资金形成明显分流。\n \n
\n\n \n
\n \n
\n \n \n 当前外资低配空间已有限，若趋势反转可能被动回补。\n \n 截至3月底，海外主动资金对中资股的低配幅度仍接近1个百分点，后续大幅流出的空间有限。当前新兴市场主动基金对韩国市场超配超4个百分点，对中资股仍低配超1个百分点，仓位结构分化极致。往后看，若市场风格切换，资金回流恒生科技权重占比更高的AI应用端互联网标的，区域型资金可能复刻2025年初DeepSeek“横空出世”时的行情，出现被动回补标配的加仓行为，有望带动港股迎来力度更强的阶段性反弹。\n \n
\n\n \n
\n \n
\n \n 图表36：全球各类主要基金低配中资股约0.85%\n \n
\n\n \n 资料来源：EPFR，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n \n 需求端：打新或受关注，关注解禁与配售需求\n \n \n \n
\n\n \n
\n \n
\n \n 2026年以来港股IPO继续火热，年初以来港股主板IPO首发募资达1654亿港元，已经超过2025年全年的一半以上。再融资同样活跃，年初至今上市后募资约933亿港元，其中宁德4月底再融资392亿港元也创下过去一年以来新高。我们自去年中便提示关注港股打新机会（\n \n 《港股IPO市场与打新收益分析》\n \n ）。不过今年新股认购热度、认购倍数及超额收益依然超出市场预期。本轮打新行情升温，一方面得益于港交所制度优势吸引大量稀缺标的登陆，叠加A+H企业良好表现示范效应；另一方面\n \n 更核心原因在于二级市场缺乏赚钱效应，场内存量资金被动转向一级市场。\n \n \n
\n\n \n
\n \n
\n \n \n 优质科创新股持续供给，吸引投资者关注。\n \n 今年港股打新呈现明显的“新老分化”特征：AI硬科技、A+H龙头标的表现突出，而传统老经济、消费标的热度平淡、收益偏弱。智谱、MiniMax等贴合全球AI高景气赛道的未盈利科技企业登陆港股，凭借稀缺赛道属性受到资金热烈追捧。与此同时，过去两年宁德时代、恒瑞医药等A+H标的持续表现优异，形成良好示范效应。\n \n
\n\n \n
\n \n
\n \n \n 更重要的是，二级市场行情疲软，倒逼存量资金一级打新。\n \n 今年港股资金面紧平衡，二级市场难以找到优质配置方向。相反今年港股IPO平均募资金额由去年的24.5亿港元提升至30亿，市场平均认购倍数也由1640倍抬升至1935倍，多数可比标的认购热度显著高于2025年。结构上分化更加明显：传统耐用消费品、食品饮料等认购热度较2025年明显降温，而AI、硬科技高景气赛道受到资金集中追捧。\n \n
\n\n \n
\n \n
\n \n \n 我们判断IPO打新仍将受关注，尤其是那些“稀缺标的”。\n \n 大批A+H优质硬科技龙头集中排队上市，有望持续吸引资金关注。\n \n 不过行情分化特征也将延续，建议优先布局契合市场主线的新经济、硬科技企业，以及外资认可度较高的A+H标的。\n \n \n
\n\n \n
\n \n
\n \n 图表37：今年以来港股打新市场无论是破发比例还是超额收益都相比过去十年都更为强劲\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 需要重点提示的是，下半年港股将迎来解禁高峰，7月与9月解禁规模位居历史前两位，解禁规模占比对表现影响大。\n \n 短期大规模抛售的确会从基本面角度对股价带来影响，不过并非所有限售股份都会集中抛售，具体需结合股东类型、解禁占比综合判断。例如纯财务类股东缺乏长期产业绑定，解禁后获利了结意愿较强；而产业资本、主权基金、保险资金等长线投资者，减持动力相对有限。从历史规律来看，整体解禁规模对大盘走势影响有限，但对\n \n 个股冲击不容忽视，特别是解禁占比更高的标的。\n \n 我们梳理了2020年以来解禁的公司在解禁前后的表现，\n \n 发现在解禁前1个月区间内跌幅最大，\n \n 平均跌幅达3.4%。而解\n \n 禁后短期内跌幅相对有限，\n \n 一周内平均跌幅1.6%，\n \n 但随时间延长跌幅也在增加，\n \n 解禁后两个月平均跌幅达3.0%。\n \n
\n\n \n
\n \n
\n \n 图表38：解禁整体规模与市场历史表现对比\n \n
\n\n \n 资料来源：Wind，中金公司研究部\n \n
\n\n \n
\n \n
\n \n \n 配置建议：被迫的抱团与分子和分母的赛跑\n \n \n
\n\n \n
\n \n
\n \n
\n \n
\n \n \n 配置思路：基准科技与分红轮动，乐观从科技到周期再到外需\n \n \n
\n\n \n
\n \n
\n \n \n 综合来看，当前市场极致分化的背后，是信用周期分化的直接映射。\n \n 科技如若一枝独秀，内需也就相对疲弱，资金也难以轮动，更多是短期躲避高估值和高拥挤资金行为。这一格局意味着，港股市场难有系统性指数行情，行业选择仍要紧跟信用结构性扩张的方向，这代表了未来需求和回报预期的核心主线：\n \n
\n\n \n
\n \n
\n \n \n ► 科技成长仍是下半年最具持续性的景气方向，也是基准情形下的核心配置主线。\n \n 整体AI产业没有到普遍泡沫的程度，阶段的透支是有的。例如美国五大云厂商的经营性现金流已被资本开支基本耗尽，国内头部云厂商自由现金流还维持正值，但边际也已出现收敛。不过从渗透率看，中国AI渗透率约16-19%，距历史超额行情见顶的20-25%的阈值仍有一定距离，\n \n 所以走到现在需要以每一个业绩期作为关键检验点。\n \n \n
\n\n \n
\n \n
\n \n \n 结构上，半导体胜率较高。在AI产业趋势仍能持续的情况下，\n \n 半导体为首的AI硬件板块超额行情或仍具备持续性。拥挤带来的市场分歧与短期回撤，反而可能提供了加仓的交易窗口。不过，若交易拥挤度继续抬升，尾部风险的回撤幅度也会相应放大，当短期交易热度升至偏高位置时，投资者仍需适度控制仓位以防范阶段性大幅回撤的风险。\n \n
\n\n \n
\n \n
\n \n \n 值得注意的是，AI基础层的产业逻辑已延伸至更广泛的产业链环节，\n \n AI相关需求已经成为其新的结构性增长点，也因此这些“被新时代重新定义的旧核心资产”今年以来表现亮眼，迎来“价值重估”。\n \n
\n\n \n
\n \n
\n \n \n 互联网与创新药则是科技成长中赔率相对更好的品种。\n \n 相关标的的估值已处于相对较低水位，下行空间有限，已不是“坏交易”。二者对美债利率均较为敏感，如若下半年伴随油价温和回落、降息预期重新升温，则不排除打开上行交易空间。\n \n
\n\n \n
\n \n
\n \n \n ► 周期板块处于偏左侧布局阶段，\n \n AI投资的深化与美债利率回落、海外财政增量均是未来信用扩张的潜在催化。当前趋势尚未明朗，但若上述信号逐步兑现，周期有望承接从科技外溢的配置资金，成为乐观情形下的下一个接力方向。\n \n
\n\n \n
\n \n
\n \n \n ► 泛外需板块需要更多全球基本面修复的拉动。结构上，\n \n 能源转型（光伏、新能源车、锂电等绿电“新三样”）确定性更高，地缘风险反复背景下能源安全的战略价值凸显，但市场预期已较为充分。成本优势类传统外需则更多体现为阶段性交易机会，若下半年油价中枢温和回落、全球需求企稳，相关板块有望迎来窗口期，反之则需警惕回撤风险。\n \n
\n\n \n
\n \n
\n \n \n ► 内需消费板块整体或仍缺乏基本面支撑。\n \n 尽管板块估值、预期等均处于历史低位，但居民收入预期与消费信心修复缓慢，行业盈利改善缺乏坚实基础，难以形成持续市场共识。若出现超预期政策刺激，或存在短暂交易性机会，但需警惕“静态估值陷阱”。\n \n
\n\n \n
\n \n
\n \n \n ► 红利资产作为阶段性对冲工具，根据市场环境动态调整。\n \n 在AI板块交易拥挤度显著抬升、地缘局势反复或市场风险偏好回落时，红利资产能够有效规避尾部风险、降低组合回撤。\n \n
\n\n \n
\n \n
\n \n \n 在此基础上，为进一步刻画各行业的配置与交易价值，我们构建了MSCI中国指数分行业的\"胜率 vs. 赔率\"分析框架：1）胜率端，\n \n 综合考量微观流动性（一年期动量、月度涨跌幅/成交额环比、3个月收盘价波动率）、宏观流动性（基于对美债利率敏感度分4档打分）、基本面预期变化（动态EPS vs. 静态EPS，动态ROE vs. 静态ROE）等维度，采用2019年以来历史分位数计算，并加权得到胜率分数；\n \n 2）赔率端，\n \n 则以动态PE、PB、PS的滚动5年历史分位数水平衡量当前估值的相对高低。\n \n
\n\n \n
\n \n
\n \n \n 整体来看，从胜率与赔率的得分来看：\n \n 1）互联网、医疗设备、汽车与零部件赔率与胜率情况都相对较好；2）半导体、周期品、创新药、机械、电气设备胜率分数较好；3）消费板块整体赔率靠前；4）科技硬件、公用事业、贸易公司等行业胜率与赔率均不占优。\n \n 这一打分情况与我们之前的主观判断大体一致。\n \n \n
\n\n \n
\n \n
\n \n 图表39：MSCI中国指数分行业胜率/赔率表\n \n
\n\n \n 注：以微观流动性（一年期动量、月度涨跌幅/成交金额环比变化、3个月收盘价波动率）、宏观流动性（基于对美债利率敏感度分4档打分）、基本面预期变化（动态EPS vs. 静态EPS，动态ROE vs. 静态ROE）的历史分位数（2019年以来）得分均值衡量胜率，以动态PB、动态PS、动态PE的滚动5年历史分位数衡量赔率，并都用百分位数标准化最终得分。\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 图表40：基准情况下，产业趋势与外需仍旧是配置主线\n \n
\n\n \n 注1：数据截止2026年5月30日；注2：科技硬件中含有部分通信设备相关公司\n \n \n
\n \n \n 资料来源：FactSet，中金公司研究部\n \n
\n \n
\n \n
\n \n \n 择时策略：结合拥挤度的短期轮动辅助\n \n \n
\n\n \n
\n \n
\n \n 在上述根据基本面和赔率胜率的配置建议基础上，由于结构性行情轮动快速，短期表现也受情绪和交易拥挤度影响，\n \n 因此我们也提供了基于这两个维度的短期轮动辅助指标，从基本面和资金交易两个维度观察：\n \n 1）基本面维度衡量各板块的估值盈利性价比，得分越高说明盈利修复预期越高，且估值和风险溢价积极但不极端；2）资金交易维度刻画各板块交易结构的健康程度，得分越高说明资金活跃但不至于过热，得分较低意味着流动性不足或交易过于拥挤。\n \n
\n\n \n
\n \n
\n \n 根据我们的轮动打分模型，短期\n \n 半导体、化工、油气\n \n 盈利估值和资金交易维度表现较好，可优先布局；\n \n 科技硬件、银行、有色金属\n \n 等基本面强、资金交易打分偏低，可以持续关注等待时机，更适合作为中期底仓或左侧配置。需要说明的是，\n \n 该模型单纯基于短期数据反映板块状态，更适用于长期基本面逻辑外的辅助参考。\n \n \n
\n\n \n
\n \n
\n \n 图表41：MSCI中国（GICS行业分类），相对行业自身历史区间的分位数\n \n
\n\n \n 注：数据截至2026年5月29日\n \n \n
\n \n \n 资料来源：FactSet，Wind，中金公司研究部\n \n
\n \n
\n \n
\n \n 基于上述行业轮动模型，我们在每月初构建基于行业分析师建议的行业轮动组合。通过自下而上的选股视角，每次聚焦模型打分最高的5-8个重点推荐行业，由行业分析员在其所覆盖的行业中，选出最看好的股票分别形成A股和海外中资股两个列表。自2026年2月\n \n 《中金行业首选》\n \n 改版以来，在市场波动尤其是港股整体疲弱的大背景下，\n \n 中金行业首选组合跑赢同期MSCI中国指数16.0ppt，并分别跑赢A股上证指数6.4ppt、港股恒生指数10.8ppt，\n \n \n 效果明显。\n \n \n
\n\n \n
\n \n
\n \n \n [1]居民消费：回报用城镇居民人均可支配收入累计实际同比近似代替，成本则用一般贷款利率-CPI累计同比衡量；居民购房：判断居民购房意愿能否修复，核心仍是比较购房回报与成本。购房回报用70城新房价格同比+样本城市租金回报率-CPI同比衡量，购房成本则对应个人住房贷款利率-CPI同比；企业：以企业贷款利率-PPI累计同比衡量实际融资成本，以工业企业累计利润总额/营业收入衡量经营回报。\n \n \n
\n\n \n \n [2]https://www.12371.cn/special/20jsizqh/fdbwdzs/\n \n \n
\n\n \n \n [3]数据来自国家资产负债表研究中心、国际清算银行，Wind汇总统计\n \n \n
\n\n \n \n [4]https://www.reuters.com/world/asia-pacific/axios-says-proposed-us-iran-deal-involves-opening-strait-during-60-day-ceasefire-2026-05-24/\n \n \n
\n\n \n \n [5]https://www.icon.tsinghua.edu.cn/info/1066/1948.htm\n \n \n
\n\n \n \n [6]https://www.microsoft.com/en-us/research/wp-content/uploads/2026/05/Microsoft-AI-Diffusion-Report-2026-Q1.pdf\n \n \n
\n\n \n
\n \n
\n \n \n Source\n \n \n
\n\n \n \n 文章来源\n \n \n
\n\n \n 本文摘自：2026年6月1日已经发布的《港股市场2026下半年展望：热闹是他们的？》\n \n
\n\n \n 刘刚，分析员 CFA SAC 执证编号：S0080512030003； SFC CE Ref：AVH867\n \n
\n\n \n 缪延亮 分析员 SAC 执证编号：S0080525060005； SFC CE Ref：BTS724\n \n
\n\n \n 张巍瀚 分析员 SAC 执证编号：S0080524010002； SFC CE Ref：BSV497\n \n
\n\n \n 王牧遥 分析员 SAC 执证编号：S0080525050003； SFC CE Ref：BWT054\n \n
\n\n \n 张典 分析员 SAC 执证编号：S0080525090003\n \n
\n\n \n
\n \n
\n \n \n Legal Disclaimer\n \n \n
\n\n \n \n 法律声明\n \n \n
\n\n \n 特别提示\n \n
\n\n \n 本公众号不是中国国际金融股份有限公司（下称“中金公司”）研究报告的发布平台。本公众号只是转发中金公司已发布研究报告的部分观点，订阅者若使用本公众号所载资料，有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义。订阅者如使用本资料，须寻求专业投资顾问的指导及解读。\n \n
\n\n \n 本公众号所载信息、意见不构成所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。该等信息、意见在任何时候均不构成对任何人的具有针对性的、指导具体投资的操作意见，订阅者应当对本公众号中的信息和意见进行评估，根据自身情况自主做出投资决策并自行承担投资风险。\n \n
\n\n \n 中金公司对本公众号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。对依据或者使用本公众号所载资料所造成的任何后果，中金公司及/或其关联人员均不承担任何形式的责任。\n \n
\n\n \n 本公众号仅面向中金公司中国内地客户，任何不符合前述条件的订阅者，敬请订阅前自行评估接收订阅内容的适当性。订阅本公众号不构成任何合同或承诺的基础，中金公司不因任何单纯订阅本公众号的行为而将订阅人视为中金公司的客户。\n \n
\n\n \n 一般声明\n \n
\n\n \n 本公众号仅是转发中金公司已发布报告的部分观点，所载盈利预测、目标价格、评级、估值等观点的给予是基于一系列的假设和前提条件，订阅者只有在了解相关报告中的全部信息基础上，才可能对相关观点形成比较全面的认识。如欲了解完整观点，应参见中金研究网站（http://research.cicc.com）所载完整报告。\n \n
\n\n \n 本资料较之中金公司正式发布的报告存在延时转发的情况，并有可能因报告发布日之后的情势或其他因素的变更而不再准确或失效。本资料所载意见、评估及预测仅为报告出具日的观点和判断。该等意见、评估及预测无需通知即可随时更改。证券或金融工具的价格或价值走势可能受各种因素影响，过往的表现不应作为日后表现的预示和担保。在不同时期，中金公司可能会发出与本资料所载意见、评估及预测不一致的研究报告。中金公司的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本资料意见不一致的市场评论和/或交易观点。\n \n
\n\n \n 在法律许可的情况下，中金公司可能与本资料中提及公司正在建立或争取建立业务关系或服务关系。因此，订阅者应当考虑到中金公司及/或其相关人员可能存在影响本资料观点客观性的潜在利益冲突。与本资料相关的披露信息请访问http://research.cicc.com/disclosure_cn，亦可参见近期已发布的关于相关公司的具体研究报告。\n \n
\n\n \n 本订阅号是由中金公司研究部建立并维护的官方订阅号。本订阅号中所有资料的版权均为中金公司所有，未经书面许可任何机构和个人不得以任何形式转发、转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容。\n \n
\n\n