袁立 - 基金投资策略和运作

一、市场和操作回顾二季度A股整体上涨，但行情结构高度分化：沪深300、中证500、中证1000、创业板指表现分别为11.90%、18.56%、15.62%和36.35%。指数层面看，成长风格显著占优。去年下半年以来，我们在组合中增加了科技硬件类公司的配置，但出于对不确定性的考虑，整体比例一直控制在较低水平。上半年市场风格分化极致，这部分仓位大幅上涨，而组合中非AI相关的公司几乎全部下跌，科技硬件的占比因此被动提升，但仍显著低于市场平均的配置水平。组合的业绩也持续承压。 受益于数据中心投资总额的扩张和光通信连接数量的提升，组合中部分公司在过去实现了跨越式的利润增长，以未来盈利预期衡量，估值似乎并不算贵。尽管如此，我们仍把组合中科技硬件的整体比例控制在较低水平，主要原因将在后文阐述。此外，我们加仓了部分近期下跌明显，性价比进一步突出的公司，包括商用车、两轮车、外贸平台型央企等。二、对人工智能行业的观察1. 大模型应用的快速渗透2026年上半年，随着模型能力的提升，以及以Claude Code为代表的智能体框架走向成熟，大模型的应用范围大幅拓宽。首先被全面渗透的是软件开发工作。更重要的是，强大的编程能力成为了模型与智能体框架自身进化的加速器——训练和研究的完全自动化（即所谓“递归自我改进”）尚未实现闭环，但AI以深度介入软件开发的方式，切实加快了技术进步的速度，模型使用工具、执行长程任务的能力都获得了显著提升。我们的直观感受是：以目前的模型和智能体框架，几乎没有什么泛知识型工作是模型做不了的，差别只在于需要多少人为的指导和干预。以我们自身的主动权益投研工作为例，过去的工作界面大致由三类工具交叉构成：金融终端（万得、同花顺等）、文档工具（Word、各类笔记软件）和表格工具（Excel、WPS等）。而现在，Claude Code、Codex等大模型应用可以横跨这三类界面之上，自主调用数据接口和工具，完成研究任务。随着框架不断完善、模型能力继续进步，任务过程中所需的人为干预正变得越来越少。一类常见的批评是：大语言模型存在广泛的“幻觉”，因此无法通达通用人工智能，是一条死路。我们认为，即便“幻觉”确实存在，也并不意味着模型不能有效产出——人类思考时同样存在大量的错觉和偏差，这并不妨碍人类从事知识工作，正如工程师需要查阅手册、医生要做术前核对一样。过去一段时间，行业发展出了一系列工程规范——工作框架、技能、数据接口协议等——为大模型赋予工具和规则，约束其“异想天开”的天性，使其能稳定产出有效的工作成果。值得注意的是，这种智能正显得越来越“通用”：一年前，大模型已能在国际数学奥赛中达到金牌水平，却操作不好一张Excel表格；而如今经过针对性训练的模型，已能熟练使用电脑上的各类工具，甚至按需要自己制造工具。2. 大模型的单位盈利能力在2025年四季报中，我们讨论过头部大模型公司的盈利能力：当时以OpenAI、Anthropic为代表的公司，其年化收入（ARR）与所租用算力规模的比值约为100亿美元/GW/年，低于对应的成本，且随着规模扩张，亏损不断扩大。过去半年，情况发生了一些变化。自2025年末的Claude Opus 4.5以来，Opus系列模型的定价保持坚挺，每百万Token的输入/缓存读取/输出定价稳定在5/0.5/25美元（缓存读取的定价同样重要——在长流程任务中，不断累积的上下文会产生巨大的缓存读取量）；新一代的Fable 5更是在此基础上翻了一倍。尽管定价昂贵，领先的模型能力仍吸引了绝大多数软件开发者，一些企业甚至以Token消耗量的排名来衡量员工对AI工具的使用程度。任务形态也发生了根本变化：从过去一次问答消耗几千Token的对话式使用，演进为一个智能体独立执行长程任务时消耗数十万乃至上百万Token。当模型能够独立工作更长的时间，单位时间的Token消耗自然出现数量级的提升，“全力消耗Token”（Token Maxxing）一度成为硅谷的流行语。定价坚挺而用量激增，Anthropic的收入随Token消耗量出现了指数型增长。作为结果，其每GW算力带来的年化收入已显著超过100亿美元，我们粗略估计达到了200-300亿美元/GW/年的水平。另一方面，即便模型参数量仍在增大，在软件持续优化和硬件迭代的基础上，单位Token的成本应是持续下降的。若定价得以维持，模型厂商将获得丰厚的利润。3. 行业的整体回报受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。按每GW约500亿美元造价、设备7年折旧的口径推算，要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括本文的撰写），长远来看也毫无疑问会深刻地改造世界，但考虑到商业闭环的巨大不确定性，我们仍将组合中科技硬件的敞口保持在较低水平。

一、市场和操作回顾二季度A股整体上涨，但行情结构高度分化：沪深300、中证500、中证1000、创业板指表现分别为11.90%、18.56%、15.62%和36.35%。指数层面看，成长风格显著占优。去年下半年以来，我们在组合中增加了科技硬件类公司的配置，但出于对不确定性的考虑，整体比例一直控制在较低水平。上半年市场风格分化极致，这部分仓位大幅上涨，而组合中非AI相关的公司几乎全部下跌，科技硬件的占比因此被动提升，但仍显著低于市场平均的配置水平。组合的业绩也持续承压。 受益于数据中心投资总额的扩张和光通信连接数量的提升，组合中部分公司在过去实现了跨越式的利润增长，以未来盈利预期衡量，估值似乎并不算贵。尽管如此，我们仍把组合中科技硬件的整体比例控制在较低水平，主要原因将在后文阐述。此外，我们加仓了部分近期下跌明显，性价比进一步突出的公司，包括商用车、两轮车、外贸平台型央企等。二、对人工智能行业的观察1. 大模型应用的快速渗透2026年上半年，随着模型能力的提升，以及以Claude Code为代表的智能体框架走向成熟，大模型的应用范围大幅拓宽。首先被全面渗透的是软件开发工作。更重要的是，强大的编程能力成为了模型与智能体框架自身进化的加速器——训练和研究的完全自动化（即所谓“递归自我改进”）尚未实现闭环，但AI以深度介入软件开发的方式，切实加快了技术进步的速度，模型使用工具、执行长程任务的能力都获得了显著提升。我们的直观感受是：以目前的模型和智能体框架，几乎没有什么泛知识型工作是模型做不了的，差别只在于需要多少人为的指导和干预。以我们自身的主动权益投研工作为例，过去的工作界面大致由三类工具交叉构成：金融终端（万得、同花顺等）、文档工具（Word、各类笔记软件）和表格工具（Excel、WPS等）。而现在，Claude Code、Codex等大模型应用可以横跨这三类界面之上，自主调用数据接口和工具，完成研究任务。随着框架不断完善、模型能力继续进步，任务过程中所需的人为干预正变得越来越少。一类常见的批评是：大语言模型存在广泛的“幻觉”，因此无法通达通用人工智能，是一条死路。我们认为，即便“幻觉”确实存在，也并不意味着模型不能有效产出——人类思考时同样存在大量的错觉和偏差，这并不妨碍人类从事知识工作，正如工程师需要查阅手册、医生要做术前核对一样。过去一段时间，行业发展出了一系列工程规范——工作框架、技能、数据接口协议等——为大模型赋予工具和规则，约束其“异想天开”的天性，使其能稳定产出有效的工作成果。值得注意的是，这种智能正显得越来越“通用”：一年前，大模型已能在国际数学奥赛中达到金牌水平，却操作不好一张Excel表格；而如今经过针对性训练的模型，已能熟练使用电脑上的各类工具，甚至按需要自己制造工具。2. 大模型的单位盈利能力在2025年四季报中，我们讨论过头部大模型公司的盈利能力：当时以OpenAI、Anthropic为代表的公司，其年化收入（ARR）与所租用算力规模的比值约为100亿美元/GW/年，低于对应的成本，且随着规模扩张，亏损不断扩大。过去半年，情况发生了一些变化。自2025年末的Claude Opus 4.5以来，Opus系列模型的定价保持坚挺，每百万Token的输入/缓存读取/输出定价稳定在5/0.5/25美元（缓存读取的定价同样重要——在长流程任务中，不断累积的上下文会产生巨大的缓存读取量）；新一代的Fable 5更是在此基础上翻了一倍。尽管定价昂贵，领先的模型能力仍吸引了绝大多数软件开发者，一些企业甚至以Token消耗量的排名来衡量员工对AI工具的使用程度。任务形态也发生了根本变化：从过去一次问答消耗几千Token的对话式使用，演进为一个智能体独立执行长程任务时消耗数十万乃至上百万Token。当模型能够独立工作更长的时间，单位时间的Token消耗自然出现数量级的提升，“全力消耗Token”（Token Maxxing）一度成为硅谷的流行语。定价坚挺而用量激增，Anthropic的收入随Token消耗量出现了指数型增长。作为结果，其每GW算力带来的年化收入已显著超过100亿美元，我们粗略估计达到了200-300亿美元/GW/年的水平。另一方面，即便模型参数量仍在增大，在软件持续优化和硬件迭代的基础上，单位Token的成本应是持续下降的。若定价得以维持，模型厂商将获得丰厚的利润。3. 行业的整体回报受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。按每GW约500亿美元造价、设备7年折旧的口径推算，要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括本文的撰写），长远来看也毫无疑问会深刻地改造世界，但考虑到商业闭环的巨大不确定性，我们仍将组合中科技硬件的敞口保持在较低水平。

二季度A股整体上涨，但行情结构高度分化：沪深300、中证500、中证1000、创业板指表现分别为11.90%、18.56%、15.62%和36.35%。指数层面看，成长风格显著占优，本季度市场整体围绕高景气产业链进行集中定价。行业层面，电子、通信、建筑材料涨幅居前，分别录得90.92%、63.84%、35.20%。其中电子、通信引领AI硬件主线，受益于全球算力资本开支，半导体、光模块等方向景气上行；建筑材料涨幅领先，主因板块内玻璃玻纤等方向受AI硬件需求拉动，AI景气向上游环节扩散。跌幅方面，石油石化、农林牧渔、钢铁表现较弱，分别录得-22.20%、-20.19%、-18.59%，石油石化受国际油价持续走弱拖累，农林牧渔因生猪价格低位运行、农产品终端需求不振承压，钢铁则受制于地产基建需求疲软与行业产能过剩压力。港股二季度整体承压，恒生指数、恒生科技、恒生国企表现分别为-7.69%、-3.82%、-9.74%。行业层面，工业、综合企业、金融业表现相对较好，分别录得6.70%、2.65%、0.18%；原材料、能源、必需性消费跌幅较大，分别录得-26.85%、-22.59%、-18.48%。港股弱于A股，主因美元流动性、高利率环境和外资风险偏好对离岸市场估值的压制；同时港股科技结构更多集中在互联网平台和消费科技，未能充分受益于A股AI硬件链的强景气扩散。管理人秉承以下投资策略和选股策略进行运作：1）投资策略：优选当下价值被低估及未来成长性被低估的公司；立足三年时间维度进行选股，力争个股在三年维度内的年复合收益率能够战胜市场上基金的平均复合收益率。2）选股策略：以低于企业内在价值的价格买入或持有。以可持续、稳健的假设预测和评估企业未来的自由现金流——企业长期的内在价值由其未来自由现金流决定，与市场偏好和当下行业景气度无关。行业空间、成长速度、商业模式、企业文化、企业家精神、竞争优势等仅是评估企业内在价值的工具，而非买入或持有的理由；买入或持有的理由必定来自价值低估。当市场价格远低于企业内在价值时，买入或持有；当市场价格接近或超过内在价值时，卖出。3）基于对上市公司的深入认知及对投资安全边际的审慎思考，动态评估企业内在价值并优化组合，力求使组合所持资产具备较为充足的安全边际。二季度，国际地缘政治风云变幻，美伊冲突走向明朗，油价从高位大幅回落。这不仅缓解了宏观层面的压力，也降低了通胀预期，并提升了股票市场的风险偏好。伴随AI技术持续迭代、应用场景逐步打开，投资人对AI行业高资本开支所驱动的中上游产业链景气给予了很高的估值，隐含着中上游高景气持续时间将远超以往周期的预期，"AI这次不一样"的叙事成为市场主流声音。然而，若理性、冷静、客观地审视历史上的科技革命，会发现其无不伴随着泡沫膨胀与破灭，最终方可进入黄金发展阶段。很多投资者存在一种错误认知，认为只要技术是真实的、具有革命性、市场空间足够大，顺应时代趋势进行投资便不会吃亏；只要技术迭代足够快，供给就追不上需求，泡沫将被填实，从而平稳过渡，不会破灭。管理人认为，卡洛塔·佩雷斯早已在其著作《技术革命与金融资本》中揭示了答案——每一轮技术革命必将撞上旧时代生产关系之墙。制度的优势（深度适配旧范式）恰恰是其面对新范式时的致命缺陷。投资者容易因长远的产业趋势而高估短期的兑现速度，最终不切实际的预期在客观现实面前破灭。本基金二季度净值下跌9.5%。同期，中证现金流（932365）、红利低波（H30269）、300价值（000919）分别下跌17.11%、12.80%和6.87%，价值风格基金整体遭遇逆风，管理人亦面临较大的业绩压力。面对压力，是"打不过就加入"，抓住短期时间窗口跟上市场后再做决断，还是客观、冷静地评估组合所持资产在长期维度能够带来怎样的回报？管理人选择了后者。承受压力是资产管理工作必须面对的客观现实，不能以投机取巧的方式加以回避。经过审慎评估，整体法下组合PE维持在约7倍的低估水平，隐含着市场对我们所持资产长周期步入衰退状态的定价。但结合管理人的研究，这批资产具有以下特征：1）在行业内具备较强竞争力，而强大的竞争力是避免落入价值陷阱的关键要素；2）短期估值便宜主要归因于周期性不景气或市场定价不充分，如银行、家电、汽车等行业个股，长期来看具备估值均值回归的驱动力；3）部分行业先天具备持续增长潜力，如银行和保险；4）企业自由现金流良好或股息率较高，使得组合在等待估值回归的过程中能够获得持续的现金流入；5）便宜的估值本身即是长期收益的来源——这批资产不仅估值低廉，还具备良好的股息回报，组合整体股息率超过5%，未来整体有望实现高个位数的业绩增长。二季度末，管理人主要配置了银行、保险、非银金融、家电、食品饮料、非必选消费、石油、煤炭、汽车、互联网、建筑和供应链等行业个股。

一、市场和操作回顾二季度A股整体上涨，但行情结构高度分化：沪深300、中证500、中证1000、创业板指表现分别为11.90%、18.56%、15.62%和36.35%。指数层面看，成长风格显著占优。去年下半年以来，我们在组合中增加了科技硬件类公司的配置，但出于对不确定性的考虑，整体比例一直控制在较低水平。上半年市场风格分化极致，这部分仓位大幅上涨，而组合中非AI相关的公司几乎全部下跌，科技硬件的占比因此被动提升，但仍显著低于市场平均的配置水平。组合的业绩也持续承压。 受益于数据中心投资总额的扩张和光通信连接数量的提升，组合中部分公司在过去实现了跨越式的利润增长，以未来盈利预期衡量，估值似乎并不算贵。尽管如此，我们仍把组合中科技硬件的整体比例控制在较低水平，主要原因将在后文阐述。此外，我们加仓了部分近期下跌明显，性价比进一步突出的公司，包括商用车、两轮车、综合外贸平台型央企等。二、对人工智能行业的观察1. 大模型应用的快速渗透2026年上半年，随着模型能力的提升，以及以Claude Code为代表的智能体框架走向成熟，大模型的应用范围大幅拓宽。首先被全面渗透的是软件开发工作。更重要的是，强大的编程能力成为了模型与智能体框架自身进化的加速器——训练和研究的完全自动化（即所谓“递归自我改进”）尚未实现闭环，但AI以深度介入软件开发的方式，切实加快了技术进步的速度，模型使用工具、执行长程任务的能力都获得了显著提升。我们的直观感受是：以目前的模型和智能体框架，几乎没有什么泛知识型工作是模型做不了的，差别只在于需要多少人为的指导和干预。以我们自身的主动权益投研工作为例，过去的工作界面大致由三类工具交叉构成：金融终端（万得、同花顺等）、文档工具（Word、各类笔记软件）和表格工具（Excel、WPS等）。而现在，Claude Code、Codex等大模型应用可以横跨这三类界面之上，自主调用数据接口和工具，完成研究任务。随着框架不断完善、模型能力继续进步，任务过程中所需的人为干预正变得越来越少。一类常见的批评是：大语言模型存在广泛的“幻觉”，因此无法通达通用人工智能，是一条死路。我们认为，即便“幻觉”确实存在，也并不意味着模型不能有效产出——人类思考时同样存在大量的错觉和偏差，这并不妨碍人类从事知识工作，正如工程师需要查阅手册、医生要做术前核对一样。过去一段时间，行业发展出了一系列工程规范——工作框架、技能、数据接口协议等——为大模型赋予工具和规则，约束其“异想天开”的天性，使其能稳定产出有效的工作成果。值得注意的是，这种智能正显得越来越“通用”：一年前，大模型已能在国际数学奥赛中达到金牌水平，却操作不好一张Excel表格；而如今经过针对性训练的模型，已能熟练使用电脑上的各类工具，甚至按需要自己制造工具。2. 大模型的单位盈利能力在2025年四季报中，我们讨论过头部大模型公司的盈利能力：当时以OpenAI、Anthropic为代表的公司，其年化收入（ARR）与所租用算力规模的比值约为100亿美元/GW/年，低于对应的成本，且随着规模扩张，亏损不断扩大。过去半年，情况发生了一些变化。自2025年末的Claude Opus 4.5以来，Opus系列模型的定价保持坚挺，每百万Token的输入/缓存读取/输出定价稳定在5/0.5/25美元（缓存读取的定价同样重要——在长流程任务中，不断累积的上下文会产生巨大的缓存读取量）；新一代的Fable 5更是在此基础上翻了一倍。尽管定价昂贵，领先的模型能力仍吸引了绝大多数软件开发者，一些企业甚至以Token消耗量的排名来衡量员工对AI工具的使用程度。任务形态也发生了根本变化：从过去一次问答消耗几千Token的对话式使用，演进为一个智能体独立执行长程任务时消耗数十万乃至上百万Token。当模型能够独立工作更长的时间，单位时间的Token消耗自然出现数量级的提升，“全力消耗Token”（Token Maxxing）一度成为硅谷的流行语。定价坚挺而用量激增，Anthropic的收入随Token消耗量出现了指数型增长。作为结果，其每GW算力带来的年化收入已显著超过100亿美元，我们粗略估计达到了200-300亿美元/GW/年的水平。另一方面，即便模型参数量仍在增大，在软件持续优化和硬件迭代的基础上，单位Token的成本应是持续下降的。若定价得以维持，模型厂商将获得丰厚的利润。3. 行业的整体回报受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。按每GW约500亿美元造价、设备7年折旧的口径推算，要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括本文的撰写），长远来看也毫无疑问会深刻地改造世界，但考虑到商业闭环的巨大不确定性，我们仍将组合中科技硬件的敞口保持在较低水平。

2026 年一季度，沪深 300 指数下跌 3.9%，中证500指数上涨约2.0%，本基金净值下跌约 5.0%。 全球经济和资本市场都不太平静，一方面，人工智能技术仍在快速进步，各行业积极推进相关技术的应用。科技巨头一改过往偏轻资产的商业模式，进行着前所未有的积极投资。另一方面，地缘政治冲突加剧，扰动全球能源供给体系，油气及相关大宗商品价格出现明显上涨。本基金希望在风险控制良好的前提下，追求中长期的绝对回报。我们在过往的季报中阐释过，选择公司的两个原则分别是“低估“和”恰当的公司治理“。这样的投资原则阐述起来并不复杂。但实践起来并不容易，一方面要求投资人独立于市场去认识企业。另一方面，要在起伏的市场中耐住寂寞，克制冲动。经历一段时间的上涨，投资人往往会形成一种认识，即只要抓住景气趋势，获利就很容易。但长周期的历史数据告诉我们情况并非如此。回顾过去半年，我们在个别尾部投资决策上确有标准放松的情况，这是值得反思之处。过去几个季度，组合中部分银行、家电等重仓个股表现相对平庸。但从更长周期（如三年及以上）来看，坚持“低估”原则仍为组合贡献了持续收益，只是其兑现节奏与市场往往并不同步，但很少形成实际亏损。目前我们重仓的部分公司受到原材料涨价和景气度低迷影响，阶段性的盈利出现了压力，市场将这种压力线性外推，给予了公司很低的估值水平。但实际上，企业某个季度的盈利增长高低和企业未来很长一段时间的累计盈利不一定相关。当下的悲观预期可能正是未来的收益来源。

2026 年一季度，沪深 300 指数下跌 3.9%，中证500指数上涨约2.0%，本基金净值下跌约 5.2%。 全球经济和资本市场都不太平静，一方面，人工智能技术仍在快速进步，各行业积极推进相关技术的应用。科技巨头一改过往偏轻资产的商业模式，进行着前所未有的积极投资。另一方面，地缘政治冲突加剧，扰动全球能源供给体系，油气及相关大宗商品价格出现明显上涨。本基金希望在风险控制良好的前提下，追求中长期的绝对回报。我们在过往的季报中阐释过，选择公司的两个原则分别是“低估“和”恰当的公司治理“。这样的投资原则阐述起来并不复杂。但实践起来并不容易，一方面要求投资人独立于市场去认识企业。另一方面，要在起伏的市场中耐住寂寞，克制冲动。经历一段时间的上涨，投资人往往会形成一种认识，即只要抓住景气趋势，获利就很容易。但长周期的历史数据告诉我们情况并非如此。回顾过去半年，我们在个别尾部投资决策上确有标准放松的情况，这是值得反思之处。过去几个季度，组合中部分银行、家电等重仓个股表现相对平庸。但从更长周期（如三年及以上）来看，坚持“低估”原则仍为组合贡献了持续收益，只是其兑现节奏与市场往往并不同步，但很少形成实际亏损。目前我们重仓的部分公司受到原材料涨价和景气度低迷影响，阶段性的盈利出现了压力，市场将这种压力线性外推，给予了公司很低的估值水平。但实际上，企业某个季度的盈利增长高低和企业未来很长一段时间的累计盈利不一定相关。当下的悲观预期可能正是未来的收益来源。

2026 年一季度，沪深 300 指数下跌 3.9%，中证500指数上涨约2.0%，本基金净值下跌约 5.8%。 全球经济和资本市场都不太平静，一方面，人工智能技术仍在快速进步，各行业积极推进相关技术的应用。科技巨头一改过往偏轻资产的商业模式，进行着前所未有的积极投资。另一方面，地缘政治冲突加剧，扰动全球能源供给体系，油气及相关大宗商品价格出现明显上涨。本基金希望在风险控制良好的前提下，追求中长期的绝对回报。我们在过往的季报中阐释过，选择公司的两个原则分别是“低估“和”恰当的公司治理“。这样的投资原则阐述起来并不复杂。但实践起来并不容易，一方面要求投资人独立于市场去认识企业。另一方面，要在起伏的市场中耐住寂寞，克制冲动。经历一段时间的上涨，投资人往往会形成一种认识，即只要抓住景气趋势，获利就很容易。但长周期的历史数据告诉我们情况并非如此。回顾过去半年，我们在个别尾部投资决策上确有标准放松的情况，这是值得反思之处。过去几个季度，组合中部分银行、家电等重仓个股表现相对平庸。但从更长周期（如三年及以上）来看，坚持“低估”原则仍为组合贡献了持续收益，只是其兑现节奏与市场往往并不同步，但很少形成实际亏损。目前我们重仓的部分公司受到原材料涨价和景气度低迷影响，阶段性的盈利出现了压力，市场将这种压力线性外推，给予了公司很低的估值水平。但实际上，企业某个季度的盈利增长高低和企业未来很长一段时间的累计盈利不一定相关。当下的悲观预期可能正是未来的收益来源。

2026 年一季度，沪深 300 指数下跌 3.9%，恒生指数下跌 3.3%，本基金净值下跌约 0.3%。全球经济和资本市场都不太平静，一方面，人工智能技术仍在快速进步，各行业都在积极推进相关技术的应用。科技巨头一改过往偏轻资产的商业模式，进行着前所未有的积极投资。另一方面，地缘政治冲突加剧，扰动全球能源供给体系，油气及相关大宗商品价格出现剧烈上涨。本基金始终希望在风险控制良好的前提下，追求中长期的绝对回报，主要投资于竞争力明确、内在价值低估的上市公司。自去年中基金成立以来，组合主要配置于金融、家电、能源、汽车等行业，这些行业整体估值相较市场平均水平存在明显折价。低估状态不可能全无代价，这批资产往往面临行业景气度不佳或缺乏市场关注，但回顾长周期的历史，这些“问题”反而是未来收益的来源。2026年一季度，本基金对权益仓位进行了小幅调整，减持了部分有色金属仓位，增加了消费和能源行业的配置。我们观察到，部分消费领域的优质公司，其商业模式与竞争优势已在较长周期内得到验证，而股价经历明显回调后，估值回到具备吸引力的区间。我们并不确定其股价能否在短期逆转，但是其隐含风险收益比无疑已显著提升。截至去年末，本基金在能源领域已有一定配置，本季度我们进行了适度增持。相关决策并不是对地缘冲突方向的押注，而是基于这几家公司在保守假设下依旧合意的隐含收益率。同时，若当前的极端情景被长期化，组合整体较低的估值水平以及合理的行业分布也可以对我们形成一定保护。

全年市场大幅上涨，沪深300、中证500、中证1000、创业板指表现分别为17.66%、30.39%、27.49%和49.57%。从绝对收益角度看，2025年本基金取得了一定的正回报，但落后于沪深 300指数。过去一年，我们错过了不少投资机会，犯了不少所谓”吃手指“的错误。在面对一些技术更迭较快，价格波动较大的资产时，卖出决策亦略显笨拙。但反复权衡后，我们认为更适合自身的方法，仍然是首先保持组合的“韧性”。也就是说，组合的主体须是一批竞争力稳固，现金流充沛，且估值较低的公司。同时我们保持学习和研究，希望在合适的时机出手，为潜力更大的机会承担一些不确定性。借用一位行业前辈的比喻，这样的方式像是”骑驴找马“，找不到好马，或者识别不出千里马的时候，先骑好勤劳的驴。在过往的年报中我们曾提到，本基金力求在熊市中跌的更少，在牛市中跟上市场，很遗憾在过去一年未能做到后者。感谢持有和曾经持有本基金的各位投资人，我们将继续努力，力求在管理好风险的同时，为投资人创造良好的回报。截至年末，本基金的主要持仓包括家电、银行、工业金属、汽车等行业。我们选择了一批竞争力突出，盈利能力稳定的企业纳入组合。基金权益资产的加权平均估值水平较年初有所提高。

A股市场全年大幅上涨，具体来看，沪深300、中证500、中证1000、创业板指表现分别为17.66%、30.39%、27.49%和49.57%。行业层面，有色金属、通信和电子涨幅居前，分别上涨94.73%、84.75%、47.88%；另一方面，食品饮料、煤炭、美容护理表现欠佳，分别录得-9.69%、-5.72%、0.39%。资金方面，全年全A日均成交约1.7万亿，环比明显增长。两融余额约2.6万亿，较上年末大幅上行，融资买入占比回升。市场呈现风险偏好高，成长性、高景气、高估值占优的特点。2025年，市场热点频现，AI算力硬件、国产算力芯片、人形机器人、商业航天、可控核聚变、储能、有色等细分板块均有显著上涨。本基金管理人管理的产品始终聚焦于具备核心竞争力且价值被低估的投资标的。这类资产往往估值较低，股价中已隐含了较为平淡甚至悲观的未来预期。当市场风险偏好上升、投资者更愿意展望远期前景时，这类缺乏热门概念的资产便难以吸引关注，即便估值偏低，也少有资金问津，因此本基金产品在此期间表现明显落后于市场。实际上，在投资过程中，错过机会是常态，否则长期复利回报将趋于无限——这显然并不现实。为什么长期来看指数的年化回报大约在8%，而基金长期年化复利超过12%就已属出色？从长期维度看，股价终将过滤掉由情绪、风险偏好、周期波动等带来的不可持续部分，最终能够积累下来的复利，只源于企业真实的价值创造。若要超越指数的长期收益，途径主要有二：一是选中价值被严重低估的公司，借助其价值增长与估值回归实现超额收益；二是找到具备持续高复利创造能力的公司，以合理价格买入并长期持有。道理看似简单，实践却极为困难。难点在于，回顾过往往往是后视镜视角，答案已然清晰；而面向未来，却始终充满期待与不确定性。本基金管理人认为，市场中低估值优质公司被错误定价的概率，远高于高估值优质公司。其根本原因在于，人们对美好事物的向往常推动股价透支未来（形成高估值），而低估值状态（往往源于景气下行或缺乏热点）反而常是未来收益的来源。在价值投资中，除了陪伴企业价值成长，跨周期配置（从不景气周期布局至景气周期）也是关键一环，体现为“估值便宜时持有，估值昂贵时卖出”。尽管逻辑如此，在较短的时间内，股价波动可能与之完全无关。面对市场起伏，在“避免错过”和“避免犯错”之间，本基金管理人更倾向于后者。我们持续审视持仓，确保组合整体估值水平相对其内在价值保持足够折价，持有人也可从持仓资产的估值结构中窥见这一原则。投资之难，不仅在于识别企业的错误定价，即便认知到位，更难的还在于克服投资过程中的幻觉、嫉妒、从众等心理陷阱。“认得准、拿得住”，是每位投资者都需要长期锤炼的核心能力。

全年市场大幅上涨，沪深300、中证500、中证1000、创业板指表现分别为17.66%、30.39%、27.49%和49.57%。从绝对收益角度看，2025年本基金取得了一定的正回报，但落后于沪深 300指数。过去一年，我们错过了不少投资机会，犯了不少所谓”吃手指“的错误。在面对一些技术更迭较快，价格波动较大的资产时，卖出决策亦略显笨拙。但反复权衡后，我们认为更适合自身的方法，仍然是首先保持组合的“韧性”。也就是说，组合的主体须是一批竞争力稳固，现金流充沛，且估值较低的公司。同时我们保持学习和研究，希望在合适的时机出手，为潜力更大的机会承担一些不确定性。借用一位行业前辈的比喻，这样的方式像是”骑驴找马“，找不到好马，或者识别不出千里马的时候，先骑好勤劳的驴。在过往的年报中我们曾提到，本基金力求在熊市中跌的更少，在牛市中跟上市场，很遗憾在过去一年未能做到后者。感谢持有和曾经持有本基金的各位投资人，我们将继续努力，力求在管理好风险的同时，为投资人创造良好的回报。截至年末，本基金的主要持仓包括家电、银行、工业金属、汽车等行业。我们选择了一批竞争力突出，盈利能力稳定的企业纳入组合。基金权益资产的加权平均估值水平较年初有所提高。

A股：四季度市场高位震荡。具体来看，沪深300、中证500、中证1000、创业板指表现分别为-0.23%、0.72%、0.27%和-1.08%。一、基金收益和运作从绝对收益角度看，2025 年本基金取得了一定的正回报，但落后于沪深 300 指数。回顾过往，对安全边际的重视在熊市阶段保护了组合，但在过去一年的牛市环境中，也对组合表现造成了一定拖累。任何一类投资方法都有其内在弱点，而一个以企业盈利稳定性和价值低估为核心的投资组合，其常见短板正是在市场快速上涨阶段相对缺乏进攻性。对于方法论中这些与生俱来的属性，我们需要予以接纳。当然，在既有投资框架内，我们仍然存在可以改进的空间。回顾过去一年，我们犯下了一些“吃手指(sucking thumb)”式的错误：在面对部分已符合我们投资标准的资产时，未能在价格更具吸引力的阶段及时行动，或在买入时仓位配置不足。截至年末，本基金的主要持仓主要包括家电、银行、工业金属、汽车等行业。我们选择了一批竞争力突出，盈利能力稳定的企业纳入组合。基金权益资产的加权平均估值水平较年初有所提高。二、关于大模型公司的盈利能力虽然在投资上较为谨慎，但见证一项历史级的技术诞生，观察其如何渗透进各行各业，也是十分有趣。基于这一背景，我们也会不定期在季报中分享对AI行业的一些观察。近期，大模型公司的商业模式开始出现一些可评估的线索。由于头部大模型公司如 OpenAI、Anthropic 等尚未上市，其财务数据主要来自媒体零星披露。但结合近期公开的信息，我们可以一窥模型公司的一些经济特点。首先从成本端来看，算力芯片及其配套基础设施几乎每年完成一次代际升级，每一代计算集群的算力水平往往提升一个数量级，能效也显著改善。然而，令人意外的是，在综合考虑设备价格与功率提升后，单位电功率数据中心的总体投资成本却相对稳定。目前来看，每 GW 数据中心的总投资额大致在 500 亿美元左右。结合云服务提供商的租赁价格测算，租赁 1 GW 算力的年化成本约为 100 亿美元，而算力成本占据了模型公司总成本的绝大部分。在收入端，头部模型公司的年化经常性收入（ARR）与以电功率衡量的算力规模增长之间，似乎也呈现出近似线性的关系。根据 OpenAI 披露的数据，截至 2025 年底，其调用的算力规模约为 1.9 GW，对应 ARR 约为 200 亿美元。由此可以估算，其 ARR 与算力规模的比值约为 100 亿美元/GW/年。过去三年间，随着模型能力和硬件性能的持续迭代，在相同电功率下，计算集群输出 Token 的能力可能提升了近百倍，但平均定价也同步下降了约 99%。最终，收入与电功率之间仍然表现出近似线性的关系。这一现象背后，或许体现了竞争这只“无形之手”的作用。尽管部分头部企业声称其“推理毛利率（inference margin）”处于较高水平，但在激烈竞争环境下，若将训练成本一并计入，模型公司的综合毛利率已被压缩至接近盈亏平衡的水平。如此，我们更容易理解为何越来越多的行业领袖开始将“电功率（GW）”作为讨论大模型行业规模与经济性的核心起点。展望未来，我们认为“ARR/算力”这一指标，有望成为衡量模型公司盈利能力的重要观察变量。若每 GW 算力所带来的年化收入能够显著高于 100 亿美元，则模型公司才具备较为扎实的盈利基础。训练成本占比的变化、推理效率的持续优化，以及价格竞争的强弱，最终都将体现在这一指标之中。