月报-2024年12月

一、2024年投资回顾

1.2024年我们构建的组合相对“分散”

除了个别公司我们认为胜率高赔率也不错从而投资比例较高之外，组合中其他公司的投资相对分散。我们认为在胜率不是足够高，能力圈外的变量多影响大（国际局势变化大扰动多）的情况下，尽量多的寻找IRR不错、不同来源的alpha，相比集中投资在少数公司上，前者是更优选择。

如果是集中投资的方法，年初可能会买更多的AI应用，结果AI应用起来比预期晚了1年。此外，如果是集中投资，一些事后看给我们带来可观收益的机会可能完全不会参与。

2. 我们投资方法会出现卖早的问题，但同时也会避免踩一些坑

当前的投资方法（根据竞争和长期空间、成长路径的判断，算出投资收益机会，和概率，得出一个仓位，结合一些“顺势而为”的因子优化仓位），容易出现有的公司泡沫化的一波机会抓不住，会卖早，部分原因是基本面超预期了，部分原因是市场的投资情绪高涨。

但另一方面，因为“保守”，也避免了一些坑，比如某饮料公司，在价格透支了基本面时，即使基本面没有出现恶化，因为投资收益机会变小，就已经开始减仓了。当后面基本面变差时避免了损失。

此外，这个投资方法帮助我们从覆盖的研究中挑出了最好的一批公司，比如在SAAS、半导体、互联网、消费品我们过去一年都挑到了最好的一批公司。

3. 2024年有更多不同alpha的来源

相比此前，2024年有更多的alpha来源，除了继续把握AI和互联网的机会（这是2023年收益的主要来源），2024年我们从消费（体育用品、餐饮、媒体）、汽车、新兴市场（拉美/中亚互联网和数字银行机会）和金融科技角度寻找了更多机会。即使是原有AI和互联网领域，也扩大了投研范围。

二、展望2025年：结构性机会，AI、人形机器人、新兴市场等

11月美国大选落地，但影响可能才刚刚开始。新总统的政策方向中，既有加关税等增加通胀压力的因素，也有减税、提升政府效率和放松管制等提振经济的因素，还有削减政府开支等影响经济增长的因素……对经济增长和降息的综合效果、影响的节奏和幅度都很难判断，此外还有全球其他国家如何应对也有不确定。因此未来面对的市场波动可能加大。另一方面，目前美国风险溢价已经处于历史（2002-2022）的低水平，尽管无风险收益率还有一定下行空间，但我们很难指望市场综合折现率还有很大下行空间。

中国面临内需不足的问题，一方面是房价下跌导致居民财富缩水而负债刚性，另一方面是收入增长预期变弱和失业风险增加了不安全感，导致居民倾向于存钱而不是消费。出口在2024年对GDP增长有1个点的正贡献，2025年全球贸易保护抬头使得出口推动GDP增长面临挑战。目前政策已经转向，通过降息、化债、刺激消费和改善福利来“托底”，但国内政策传导和激励机制决定政策效果可能更多还是体现在投资端，提振内需和“稳增长”依然有挑战。随着后续进一步降息，中国无风险收益率还有下降空间，而风险溢价此前已经显著下降，在中长期问题解决之前，进一步下行空间有限，总的来说提估值有空间，但空间不大。

因此展望未来，我们需要增加alpha的来源，机会来自于新东西，包括AI、人形机器人、新消费和新兴市场。

1. AI应用起飞，AI产业价值链分配正在重构

• Scaling law在预训练、后训练、推理端都存在，但前者投入的边际效用下降且面临ROI算账和数据瓶颈，后者的投入能带来应用和收入，有显著吸引力。

• AI应用起飞的契机：

1）推理成本大幅下降，让经济账能算过来；

2）模型能力提高，Agent这类应用体验大幅提高，可以完成完整任务，效果可量化评估，经济账算得过来；

3）Agent的对标往往是人的价值，特别在美国，人的价值很高，6万美金人均收入，提升20%效率就是1.2万美金，从中拿走20%就是1年2000+美金，每个月200美金，很多SAAS公司每个月的ARPU也就是100美金甚至更低的水平。

• AI产业价值链分配正在重构

之前AI产业的价值分配向Nvidia极端倾斜，打个比方，云厂商投入10块钱买芯片，自己获得收入不到1块钱，10块钱中8-9块钱都被Nvidia拿走了，TSMC拿到几毛钱~1块钱。未来对大集群卡需求没有那么迫切，CSP开始自研ASIC，AVGO和MVRL等要求毛利率50-60%，台湾厂只要20-30%毛利率，在价值链分配上，TSMC可以分到更多，同样花10块钱买卡的情况下，TSMC有望拿到2块钱（50-60%毛利率下）~3-4块钱（20-30%毛利率下），价值链占比提高。

2. 人形机器人元年即将到来

今年很可能看到几千~上万台级别人形机器人上产线，和人一起加入工厂工作。

目前受限于速度、良率和补能问题，可能还需要3-4个机器人对标1个人类工人的工作，并且以汽车产线为例，可能还只能胜任总装线10-20%的工作。

但后续的迭代可能会比较快，后年也许就能看到大几万台的人形机器人上产线，甚至面向市场销售：

• 一方面是因为基于视觉的感知-识别-执行的能力在汽车自动驾驶上已经得到建立，这个能力可以复用到机器人上。

• 另一方面数据的短板，行业龙头公司拥有最好的应用场景可以逐步解决。

如果能力问题能够解决，人形机器人在工厂场景应用的经济账很容易算得过来，特别在美国，汽车流水线工人年薪在工会谈判后达到6-7万美金（起薪也有4-5万美金），人形机器人的成本可能1台3.5~4万美金，可以用好几年，未来成本随着量产和设计优化还能下降。

长期看，人形机器人的市场潜力是和汽车差不多体量，每年出货几千万甚至上亿台。

3. 新兴市场Super APPs

我们发现在很多成熟市场巨头都做不到的集数字金融、电商、本地生活、旅行、生活缴费等于一身的Super APPs，在部分新兴市场却可以实现，原因多种多样：1）可能是人口规模看上去不够大不足以吸引巨头加入但本地公司实现了用户的高渗透率和强粘性，通过服务的广度和深度解决的规模和盈利能力问题；2）也可能是各种应用的履约基础设施没有三方化但被本地的平台率先做成了；3）还可能因为地理、文化等因素导致巨头的成功经验不能照搬，而本地公司因地制宜的方案效率最优。

新兴市场一旦当地产生了Super APPs公司，且不用担心竞争问题以后，规模的成长性和盈利能力问题往往非常好。

机会在哪儿

• AI是中长期alpha的重要来源，人的价值越来越高，而AI因为提升人的效率甚至替代人，价值也相应不断提高，目前才刚刚开始，天花板非常高；

• 追求健康和更关注自我的生活方式的改变，会不断有消费方面的机会；

• 金融科技等新兴投资机会；

• 新兴市场（拉美、亚洲等）的机会。