袁立 - 基金投资策略和运作

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%，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 5.0%。 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%，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。

三季度市场大幅上涨。沪深300上涨 17.9%，创业板指上涨50.4%。多数行业上涨，但涨幅分化明显，通信、电子、电力设备涨幅居前，均上涨超40%；银行、交运、石油石化等行业相对跑输，分别下跌10.19%、上涨0.61%、上涨1.76%。本基金净值三季度上涨约8.3%，明显落后于市场整体水平。这样的结果虽不尽人意，但也在情理之中。过往季报曾提到，由于对安全边际和确定性重视，组合里多数公司处在相对成熟的行业，格局稳定，业务增长不会太快。在过去一个季度市场风险偏好显著提高、成长风格占优的环境下，这类组合的相对表现大概率遭遇逆风。本季度，我们减仓了部分机械设备公司，增加了上游资源类公司以及科技硬件公司的配置。截至三季度末，组合行业分布更加多元，组合整体估值水平略有提升。人工智能领域的技术创新接踵而至，商业应用不断涌现，令人应接不暇。在此提供一些我们对行业的观察。其一是企业级应用的放量。不同于我们在今年初的认识，虽然尚未诞生爆款级的原生消费者应用（近期推出的 Sora 可能改变这一现状），但 AI 不断进步的推理能力带来了更广泛的可用性。头部模型在深度研究、编程、多模态等领域的出色表现，开始在企业内部和创作者群体中得到积极应用。AI 率先突破的是 SaaS（云端软件服务）市场，如企业内部知识检索的 Glean、整合客户服务的 ServiceNow、音乐创作的 SUNO、3D 建模领域的 Meshy 等等。相较过去的 SaaS 创业公司，这一批公司在创业不久便不断创下 ARR（年度经常性收入）里程碑。相较于我们在大语言模型诞生初期看到的 Character.AI 和 Midjourney 这类业务，需要深度介入客户业务的企业级应用似乎更好地利用了模型能力，且不易被模型本身取代。不同的是，与传统软件行业相比，AI 的边际成本并非为零，反而在前沿领域极其高昂，换言之资产更“重”。这意味着，无论是模型还是应用，在未来的角逐中，成本领先将成为关键能力。其二是模型初步出现自我迭代能力。我们会看到 Self-adapting（自适应）或 Self-evolving（自迭代）这样的字眼出现在前沿文献中。不同于以往“离线预训练—微调—对齐/强化”的模式，头部企业正在探索让模型在推理过程中持续训练并改进自身的技术。用大模型自己的比喻：“Self-adapting 像给模型加了‘自动变速箱 + 行车记录仪 + 导航回路’，边开车边学路；传统范式更像‘驾校毕业再上路’，上路后主要靠司机经验，偶尔回炉进修。”其三，与前两点相关联的算力投资。如果我们简单测算目前的海量算力基础设施投资及其带来的增量收入，可能会得出 ROI 偏低的结论。那科技巨头们在押注怎样的未来？谷歌前 CEO Eric Schmidt 不止一次谈到他所谓的 San Francisco Consensus（旧金山共识）：大意是，一批身处旧金山的一线科技领袖相信，在几年内 AI 将掌握自我迭代能力，并在不断自我迭代的过程中达到 AGI（通用人工智能），随即达到 ASI（超级人工智能，定义为超越人类智能总和）的水平，并在各个领域带来深刻变革。未能拥有 ASI的云厂商，可能会面临生存危机。当然，共识并不是事实。AI 目前确实在一些前沿研究中辅助科学家完成了若干证明，也能在国际数学和物理竞赛中达到金牌水平，但如 ASI 般颠覆性的智能跃迁能否出现，我们并不知道。当科技领袖们相信这样的叙事，不遗余力的算力投资便像是通往未来世界的一张船票。理性与狂热的边界在这一刻显得很模糊。回到组合投资。日新月异的技术创新和尚不明朗的竞争格局，给追求确定性和安全边际的投资人带来较大困难。我们对行业进展十分关注，但在投资上仍将保持谨慎。在潜力大但不确定性也高的领域，我们将以控制整体暴露、分散个股为原则。

三季度市场大幅上涨。沪深300上涨 17.9%，创业板指上涨50.4%。多数行业上涨，但涨幅分化明显，通信、电子、电力设备涨幅居前，均上涨超40%；银行、交运、石油石化等行业相对跑输，分别下跌10.19%、上涨0.61%、上涨1.76%。本基金净值三季度上涨约8.3%，明显落后于市场整体水平。这样的结果虽不尽人意，但也在情理之中。过往季报曾提到，由于对安全边际和确定性重视，组合里多数公司处在相对成熟的行业，格局稳定，业务增长不会太快。在过去一个季度市场风险偏好显著提高、成长风格占优的环境下，这类组合的相对表现大概率遭遇逆风。本季度，我们减仓了部分机械设备公司，增加了上游资源类公司以及科技硬件公司的配置。截至三季度末，组合行业分布更加多元，组合整体估值水平略有提升。人工智能领域的技术创新接踵而至，商业应用不断涌现，令人应接不暇。在此提供一些我们对行业的观察。其一是企业级应用的放量。不同于我们在今年初的认识，虽然尚未诞生爆款级的原生消费者应用（近期推出的 Sora 可能改变这一现状），但 AI 不断进步的推理能力带来了更广泛的可用性。头部模型在深度研究、编程、多模态等领域的出色表现，开始在企业内部和创作者群体中得到积极应用。AI 率先突破的是 SaaS（云端软件服务）市场，如企业内部知识检索的 Glean、整合客户服务的 ServiceNow、音乐创作的 SUNO、3D 建模领域的 Meshy 等等。相较过去的 SaaS 创业公司，这一批公司在创业不久便不断创下 ARR（年度经常性收入）里程碑。相较于我们在大语言模型诞生初期看到的 Character.AI 和 Midjourney 这类业务，需要深度介入客户业务的企业级应用似乎更好地利用了模型能力，且不易被模型本身取代。不同的是，与传统软件行业相比，AI 的边际成本并非为零，反而在前沿领域极其高昂，换言之资产更“重”。这意味着，无论是模型还是应用，在未来的角逐中，成本领先将成为关键能力。其二是模型初步出现自我迭代能力。我们会看到 Self-adapting（自适应）或 Self-evolving（自迭代）这样的字眼出现在前沿文献中。不同于以往“离线预训练—微调—对齐/强化”的模式，头部企业正在探索让模型在推理过程中持续训练并改进自身的技术。用大模型自己的比喻：“Self-adapting 像给模型加了‘自动变速箱 + 行车记录仪 + 导航回路’，边开车边学路；传统范式更像‘驾校毕业再上路’，上路后主要靠司机经验，偶尔回炉进修。”其三，与前两点相关联的算力投资。如果我们简单测算目前的海量算力基础设施投资及其带来的增量收入，可能会得出 ROI 偏低的结论。那科技巨头们在押注怎样的未来？谷歌前 CEO Eric Schmidt 不止一次谈到他所谓的 San Francisco Consensus（旧金山共识）：大意是，一批身处旧金山的一线科技领袖相信，在几年内 AI 将掌握自我迭代能力，并在不断自我迭代的过程中达到 AGI（通用人工智能），随即达到 ASI（超级人工智能，定义为超越人类智能总和）的水平，并在各个领域带来深刻变革。未能拥有 ASI的云厂商，可能会面临生存危机。当然，共识并不是事实。AI 目前确实在一些前沿研究中辅助科学家完成了若干证明，也能在国际数学和物理竞赛中达到金牌水平，但如 ASI 般颠覆性的智能跃迁能否出现，我们并不知道。当科技领袖们相信这样的叙事，不遗余力的算力投资便像是通往未来世界的一张船票。理性与狂热的边界在这一刻显得很模糊。回到组合投资。日新月异的技术创新和尚不明朗的竞争格局，给追求确定性和安全边际的投资人带来较大困难。我们对行业进展十分关注，但在投资上仍将保持谨慎。在潜力大但不确定性也高的领域，我们将以控制整体暴露、分散个股为原则。

三季度市场大幅上涨。沪深300上涨 17.9%，创业板指上涨50.4%。多数行业上涨，但涨幅分化明显，通信、电子、电力设备涨幅居前，均上涨超40%；银行、交运、石油石化等行业相对跑输，分别下跌10.19%、上涨0.61%、上涨1.76%。本基金净值三季度上涨约7.6%，明显落后于市场整体水平。这样的结果虽不尽人意，但也在情理之中。过往季报曾提到，由于对安全边际和确定性重视，组合里多数公司处在相对成熟的行业，格局稳定，业务增长不会太快。在过去一个季度市场风险偏好显著提高、成长风格占优的环境下，这类组合的相对表现大概率遭遇逆风。本季度，我们减仓了部分机械设备公司，增加了上游资源类公司以及科技硬件公司的配置。截至三季度末，组合行业分布更加多元，组合整体估值水平略有提升。人工智能领域的技术创新接踵而至，商业应用不断涌现，令人应接不暇。在此提供一些我们对行业的观察。其一是企业级应用的放量。不同于我们在今年初的认识，虽然尚未诞生爆款级的原生消费者应用（近期推出的 Sora 可能改变这一现状），但 AI 不断进步的推理能力带来了更广泛的可用性。头部模型在深度研究、编程、多模态等领域的出色表现，开始在企业内部和创作者群体中得到积极应用。AI 率先突破的是 SaaS（云端软件服务）市场，如企业内部知识检索的 Glean、整合客户服务的 ServiceNow、音乐创作的 SUNO、3D 建模领域的 Meshy 等等。相较过去的 SaaS 创业公司，这一批公司在创业不久便不断创下 ARR（年度经常性收入）里程碑。相较于我们在大语言模型诞生初期看到的 Character.AI 和 Midjourney 这类业务，需要深度介入客户业务的企业级应用似乎更好地利用了模型能力，且不易被模型本身取代。不同的是，与传统软件行业相比，AI 的边际成本并非为零，反而在前沿领域极其高昂，换言之资产更“重”。这意味着，无论是模型还是应用，在未来的角逐中，成本领先将成为关键能力。其二是模型初步出现自我迭代能力。我们会看到 Self-adapting（自适应）或 Self-evolving（自迭代）这样的字眼出现在前沿文献中。不同于以往“离线预训练—微调—对齐/强化”的模式，头部企业正在探索让模型在推理过程中持续训练并改进自身的技术。用大模型自己的比喻：“Self-adapting 像给模型加了‘自动变速箱 + 行车记录仪 + 导航回路’，边开车边学路；传统范式更像‘驾校毕业再上路’，上路后主要靠司机经验，偶尔回炉进修。”其三，与前两点相关联的算力投资。如果我们简单测算目前的海量算力基础设施投资及其带来的增量收入，可能会得出 ROI 偏低的结论。那科技巨头们在押注怎样的未来？谷歌前 CEO Eric Schmidt 不止一次谈到他所谓的 San Francisco Consensus（旧金山共识）：大意是，一批身处旧金山的一线科技领袖相信，在几年内 AI 将掌握自我迭代能力，并在不断自我迭代的过程中达到 AGI（通用人工智能），随即达到 ASI（超级人工智能，定义为超越人类智能总和）的水平，并在各个领域带来深刻变革。未能拥有 ASI的云厂商，可能会面临生存危机。当然，共识并不是事实。AI 目前确实在一些前沿研究中辅助科学家完成了若干证明，也能在国际数学和物理竞赛中达到金牌水平，但如 ASI 般颠覆性的智能跃迁能否出现，我们并不知道。当科技领袖们相信这样的叙事，不遗余力的算力投资便像是通往未来世界的一张船票。理性与狂热的边界在这一刻显得很模糊。回到组合投资。日新月异的技术创新和尚不明朗的竞争格局，给追求确定性和安全边际的投资人带来较大困难。我们对行业进展十分关注，但在投资上仍将保持谨慎。在潜力大但不确定性也高的领域，我们将以控制整体暴露、分散个股为原则。

三季度市场大幅上涨。具体来看，沪深300上涨 17.9%，中证500上涨25.31%，中证1000上涨 19.17%，创业板指上涨50.4%。风格方面，成长强于价值，小盘跑赢大盘，动量好于反转。行业层面，多数行业上涨，但涨幅分化明显，通信、电子、电力设备涨幅居前，均上涨超40%；银行、交运、石油石化等行业相对跑输，分别下跌10.19%、上涨0.61%、上涨1.76%。情绪方面，三季度全A日均成交2.1万亿，季度环比上行，投资者风险偏好和市场情绪明显提振。两融方面，两融余额约2.4万亿，较上季度末上行，融资买入占比明显提升。本基金主要投资于竞争力明确，商业模式良好，内在价值低估的上市公司。在内在价值的定义上，我们更加关注自由现金流和当下的价值，对于未来成长的价值我们谨慎乐观，因此我们持有的资产普遍有较为便宜的价格和良好的股息率。基金成立以来，我们优先购买估值较低、股息率较高、竞争力明确，从内在价值角度看安全边际较高的资产。而对于2025年三季度这个风险偏好迅速提升的时间段来说，便宜的估值、较好的股息率并没有带来好的回报，股价反而略有回调。但若把组合看做是一家“控股公司”，截至三季度末，它的权益资产目前的市值加权平均ROE约为15.7%，PE约10.5倍，PB约为1.9倍，整体的股息率水平约4.5%。我们预期这批资产有望实现可持续的盈利能力。拉长时间维度，我们希望通过企业稳健的业绩增长、良好的股息率、正向的估值变动来争取获得复利回报。短期偏向成长的市场风格和较高的风险偏好，主要影响的是这批资产兑现收益的节奏和时间。未来，我们将在更多行业中寻找符合我们投资框架的资产进行持有，保持行业的分散度。截止至2025年三季度末，我们持有的公司主要分布于金融、家电、汽车、互联网等行业。虽然市场过去一季度经历了结构性的快速上涨，但是有一部分资产仍比较低估。伴随建仓期接近尾声，预计组合股票的仓位会有一定提高，行业配置会适度分散。