中信证券2026年资本市场会议
——韧链强基，科创自立
CITICS Capital Market Forum 2026
中信证券2026年资本市场会议于2026年5月27日-29日在上海举办，会议以“韧链强基科创自立”为主题，全面展望全球经济走势与市场投资策略，深入探讨地缘冲突下的全球产业链重构、科技自立自强、新兴产业前沿趋势及重点赛道投资机会等热点议题。以下为28日下午“分会议6：私募高峰交流”嘉宾观点分享：
主持人：各位领导、各位嘉宾、各位投资者，大家下午好！欢迎来到中信证券2026年资本市场会议私募高峰会议的现场，我是主持人。今年是我们私募高峰会议举行的第九个年头，感谢各位新老朋友的支持和捧场。九年来，我们一共举办了17场私募高峰会议，有100多位嘉宾及市场大咖，陪伴着我们与私募行业共同成长，也见证了中国资本市场变革中的机遇与挑战。
下面进入私募高峰会议的环节，首先，让我们有请中信证券执行委员李勇进先生为本次会议致辞！
私募高峰会议
分会议6
领导致辞
李勇进 中信证券执行委员
各位嘉宾，各位朋友，大家下午好！欢迎大家莅临中信证券2026年资本市场会议的私募高峰会议。我代表中信证券向出席本次会议的各位嘉宾、业界同仁、各位投资者，致以最热烈的欢迎，向长期以来信任、深耕并鼎力支持中信证券的各位伙伴致以最诚挚的谢意。
2026年是“十五五”规划的开局之年，也是中国经济向高质量发展转型，资本市场深化改革的关键之年。全球产业格局以AI为代表的新质生产力加速走向产业落地，成为引领市场的核心主线，在此背景下，A股市场活力持续提升，市场生态更具韧性，更加稳健，当前中国资本市场正从存量博弈迈向增量配置的新阶段。资本市场的蓬勃发展为私募行业注入强劲动能。截至今年4月底，证券私募基金管理规模由上年末的7.08万亿元增至7.85万亿元，行业扩容势头稳健。与此同时，监管常态化持续深化，扶优限劣导向明确，合规化、专业化正成为行业发展的核心共识。低效存量产品有序出清，行业马太效应持续强化，增量资金与产品加速向头部集中。今年前四个月，已有24家私募机构新晋百亿规模，百亿私募机构总数上升至136家。
本次会议汇聚众多业内资深投资大咖，将共同研判后市走向，探讨量化投资发展趋势、大类资产配置思路，交流私募行业合规发展与转型升级路径，希望大家充分交流、有所收获。谢谢大家！
主持人：感谢勇进总的精彩致辞，下面让我们开始进入本次会议的研讨环节。本次会议分为两个部分，第一个部分是嘉宾主题演讲，有五位嘉宾将带来他们对市场的深度思考。第二部分是私募圆桌交流，有五位私募嘉宾将展开一场精彩的高端对话。
首先，第一位嘉宾是盘京投资合伙人兼基金经理粘洪峰。粘总是保险资管资深老将，拥有20余年港股投资经历，先后供职于国寿资产、新华资产，深度参与保险资金投资港股通政策的制订，是国内首批布局港股的专业机构投资人，曾执掌超500亿港股投资组合，今年2月，正式加入盘京投资。下面有请粘总带来港股投资展望的分享。
港股市场展望
粘洪峰 盘京投资合伙人兼基金经理
各位嘉宾，下午好！感谢中信证券提供这次机会。我参与港股投资已20年，心情一直比较波动。回顾去年此时，若在此分享港股观点，市场反应应会相当积极，尤其是产品发行阶段，大家都会讲“含港量”。
回顾去年此时，市场看好港股的一个重要逻辑在于人民币走强、美元走弱。历史上看，美元和港股是呈现负相关关系：美元走强的时候港股走弱，美元走弱的时候港股走强。去年下半年至今发生了什么事情？美元对人民币汇率下跌约四五个百分点，人民币确实走强，但是港股依然疲弱。这一现象与历史规律相悖，由此引发市场疑问：为什么会出现这种情况？
根据我们的统计，港股的盈利长期走势和指数整体走势非常接近。从历史上看，港股的走势和业绩表现是正相关的。去年下半年开始，恒生指数业绩出现了比较明显的下滑，主要原因有两点：一是AI投资，科技公司加大AI投入，对利润造成了负面影响，头部几家公司累计投入超一千亿元，导致利润下滑。另外，我们历史上的统计显示，恒生指数走势和制造业PMI高度相关。因为港股上市公司的市值，内资企业市值占70%，占据主导地位，所以港股与中国经济深度绑定。同时，港股和内地基本面、流动性也存较强相关性。
回顾去年港股表现疲弱的原因，通过对比多个指数可以发现，恒指是盈利预测下调最明显的曲线。美伊冲突后，纳指、标普500、创业板、韩国KOSPI等AI相关市场盈利预期继续上修。恒指盈利预测修复力度相对偏弱，这是港股走弱的一个很明显的特征。
但是往后看，近期上海房价，包括港股地产股，已经走强一段时间。我认为下半年因为基数较低，EPS增速有望上升。以外卖行业为例，外卖去年投入1200亿元，主要集中在下半年；今年如果外卖行业全年依旧投入1200亿元，上下半年各600亿元，则下半年较去年同期实际减少投入600亿元。到下半年，很多顺周期股票的业绩受基数影响，不会那么差。综合来看，我认为盈利层面可能出现见底迹象。
另一个就是美元指数。大家知道，美元指数和恒指是负相关关系。历史上看，美元走弱，资金会流入港股。然而，这一规律并非绝对。除了去年出现的背离情况之外，2023年10月，我当时在保险公司从事港股投资，我们当时数据是符合市场普遍认知的，但随后两个月，尽管美元走弱，但港股并未走强，反而走弱。为什么？因为2023年底我国房地产和宏观经济出现了较大问题，同时科技股遭遇大幅下挫，因此核心还是盈利部分。
现在看，我认为美元指数长期走势是由全球经济强弱决定的，而港股的盈利基本面主要来自中国大陆。因此，中国经济预期才是能够解释恒指中期方向的核心变量。当中国经济基本面预期没有同步改善的时候，美元指数回落也未必能带来港股趋势上涨。反过来，如果中国经济预期改善，即使在美元走强阶段，港股仍具备上涨动力。2018年的时候就曾经出现过美元和港股同步走强的情况。所以我觉得核心还是关注中国宏观基本面。
再看财政政策和货币政策的问题。当前来看，除了美元因为近期的地缘冲突、通胀因素发生变化之外，其他国家，包括欧洲、德国、日本、韩国，其实都处于财政扩张阶段。在财政和货币政策处于相对宽松的情况下，全球主要经济体整体呈上行趋势，所以整体宏观经济趋势尚且稳健。但是风险点在于，若地缘冲突预期带来通胀压力，导致货币政策转向，可能会有一些风险。
再就是恒指的成分股。恒指成分股在很大程度上是偏平台和消费板块，A股更侧重于制造和硬科技。我们可以看到，恒指里面有很大一部分是金融、消费、传统互联网、科技，还有地产、能源板块，这些和中国宏观经济非常相关。这也是为什么说港股历史与中国经济强相关。
回顾2024年港股表现强于A股，以及2022年重新开放的时候，这两个阶段存在一个共同点，就是大家对中国经济预期比较高。当大家对中国经济预期很高的时候，港股走势往往强于A股。当前，AI硬件，还有石油石化，因为地缘冲突表现不错；电气设备、机械也与AI相关；还有出口行业。其实今年港股的高股息资产表现并不差。我们统计，如果拿香港比较优质的高股息股票来看，在港股可获得约十几个点的稳定收益。
表现相对较弱的是消费、互联网、医药这些公司，这些领域仍需盈利验证和基本面修复。但是也可以看到，恒指权重结构已发生显著变化。过去我们做香港投资的时候，恒指主要由金融、地产占30%，科技占30%，以及少量消费板块构成。现在不一样了，随着近几年新股上市，港股里面科技成长类公司越来越多。恒指里金融和科技逐渐成为主线。最近几年大量高科技公司上市，短期对香港市场有一定“抽血”作用，但中长期来看，我觉得这是一个可以吸引长期资金入市配置的方向。恒生科技指数的成分结构也将随之变化，与以往相比已呈现出不同的特征。
现在很多公司到香港上市，越来越多科技类、战略核心资产计划去香港上市，港股的标的和成分股也会发生变化。
从南向来看，这些年南向资金一直在净买入。去年南向资金买入了1.4万亿元，今年可能少一点，我估计可能有大几千亿元。这笔资金对香港市场构成了长期稳定的支持。而且当前，南向成交占比已经到20%到30%，很多股票可能占比更高。这也是港股市场现在能够长期稳定的一个最主要力量。
而且，南向资金很有特点。最近几年可以发现，南向资金尤为偏好逆向操作，在市场下跌阶段往往加大买入力度。对此我在保险公司深有体会。2019年到2024年，港股跌幅最为剧烈的阶段，也往往是我所在的保险公司加仓力度最大的时期。当时我们保险公司的港股仓位翻倍，累计转入了约三四百亿元。据我们统计，这些钱的80%都是来源于这种逆向抄底操作。
然后是险资的行为，其实险资一直在加大H股的配置比例。我记得过去我们公司配港股和A股的比例可能是1比9，1是港股，9是A股。但是后来这几年，港股配置比例可能已提升至两成左右。不过，当前险资的配置方向与传统的港股投资有所不同，主要聚焦于高股息资产上。
港股2025年出现了大量险资举牌事件，累计举牌超过三十多次，创下历史第二高峰。保险公司为什么买这么多港股？以我本人在保险公司的从业经历为例，当时管理保险公司账户，我们买入证券约有4个点，加上非标资产有六七个点，负债成本约4个点，在此情况下，仅靠配置债券即可满足投资收益要求。但是现在成本变成3个点，但是我们国债的收益率仅有2个点，单纯依靠债券投资已无法完成收益目标。不买股票，仅靠债券，会有利差损，形成不了足够收益。
那怎么办？只能去买股票。保险公司一年增量资金差不多两三个点，保险公司总资产差不多39万亿元，一年保险公司要买股票，将近小一万亿资产。这些资产买什么？AI这种弹性股票，保险公司扛不起其中的波动，所以它更多是买稳定的资产。
最近出现了一个OCI账户。什么叫OCI？即你买入OCI的股票，它的股价波动不影响保险公司的利润，只有分红影响利润；它的利润波动只是影响资产负债表，不影响利润表。所以，保险公司为了追求利润稳定，会大量买入OCI账户。保险公司通过OCI账户买股票的时候，主要关注股息率这一核心指标。港股的股息天然高于A股，保险公司买高股息资产又有一定税收优势，所以它会大量买港股的高股息资产。
你会发现，最近几年港股高股息股票走势明显优于A股，同时也出现了大量保险公司，比如平安这类机构，在香港大量买入银行股的情况。所以我认为未来，高股息资产仍有增量资金的支撑。
外资配置方面，没有特别明显的增加。至于估值方面，港股的优点是估值便宜，缺点是港股长期以来都比较便宜。港股历史上从未只是因为估值便宜就上涨。
然后再看大家可能关注的IPO问题。近两年港股IPO确实活跃起来，且具备赚钱效应，所以最近IPO市场热度较高。去年全年募资额达到三千亿元，今年一季度也有可观的新股发行。但是现在可能热度回落，因为港股IPO和市场热度高度相关。市场情绪高涨时募资规模较大，市场走弱时则发行会面临一定难度。这个对港股流动性有影响，但是基本是同步的。
但是港股IPO解禁问题更值得关注。现在看，今年6、7月份可能是一个解禁高峰期，7月解禁规模约三千亿元，9月约五千亿元。但是这些解禁股票比较集中，不是完全分散的。我们统计，很多股票解禁部分远远超过目前上市流通部分，可能解禁部分占流通市值的80%到90%以上。
对于部分市值不大且前期涨幅较多的个股，解禁可能引发交易拥堵，届时或出现一定波动，这是一个需要关注的风险点。但个股层面所受影响存在差异，并非所有股票都会受到冲击。解禁之后的表现，除了流动性之外，更多还是与公司基本面相关。所以这个也不用过度担心，还是要看基本面情况。
我总结一下。首先，我觉得港股市场长期走势是和盈利相关的。当前恒指EPS预期经过一年调整，已经处于比较低的位置，盈利下修可能已经处于尾声。随着下半年PPI转正，地产链压力缓和，消费端去年下半年的低基数效应，所以我认为从恒科业绩角度来看，下半年压力反而比上半年低很多，也可能出现正增长。因此，盈利有效止跌回升将为行情提供基本面的支撑，业绩表现有望改善。
第二，恒指和宏观相关资产权重更高，金融、传统互联网、能源板块占比比较大，指数对内地信用环境、消费预期更敏感。但是随着指数调整，越来越多科技公司将进入恒指，所以恒指未来权重调整方向或更加符合未来经济发展方向，这也是一个结构性机会。
第三，港股估值肯定很便宜，但它也长期以来都比较便宜。还有流动性和资金方面，港股走势和美元走势多数时间是负相关的，但是也有悖论，核心还是中国经济基本面。南向资金持续买入，为港股提供了安全垫。
关于外资配置。大家都觉得外资会配置港股，但如果从全球角度来看，外资去年并没有明显配置港股。真正配港股比较多的，是亚洲区的资金。去年同期，亚洲区资金可能超配港股、低配日韩；今年正好相反，现在大家可能超配日韩、低配港股。去年下半年到今年上半年，资金从港股流向日韩，这是港股表现偏弱的一个原因。但也有好处，就是这部分配置资金流出之后，港股相对低配。后续如果有超预期的东西发生，比如中国经济改善、信用上升，港股仍具备上行机会。
IPO的影响，短期对港股市场有“抽血”影响，但更多好公司来港上市，有利于吸引中长期配置资金。港股IPO取决于港股市场热度。2026年中期有较强的解禁压力，而且比较集中，未来走势更取决于公司的基本面。
我们回顾一下，港股市场和A股市场长期走势有很强的正相关性。因为它们都和宏观经济基本面相关，但是阶段性表现差异很大。我觉得对于配置型资金来说，港股可以起到分散作用；对于交易型资金来说，相当于是一个资产轮动工具。最近可能港股表现偏弱，过一段时间如果宏观经济数据有所改善，港股有可能重新走强。
港股市场另一个显著特点是波动较大。港股市场会经常出现恐慌情绪。当前市场对港股的悲观情绪并非首次出现——回顾过去二十年，这种“港股不行了”的判断周期性地反复出现。与此同时，港股的调整很充分。港股不仅恐慌比较多，而且调整很充分。
我们做过测算，如果在左侧布局港股，历史上看能够取得非常好的收益。以我在保险公司的经历为例，我们取得过翻倍收益，其中过去七八年大概80%都是来源于抄底操作，剩下20%来自其他交易或者配置。相对而言A股很适合右侧。
投资策略上，我觉得哑铃策略依然有效。首先要配置高股息资产，同时成长股也要有长期配置需求。高股息是保险公司每年在港股市场的重要配置方向。另外大家想，今年市场上有50万亿元的定期存款到期。过去定存收益率有3个百分点，现在只有约1个百分点，这部分资金也会部分流入股票资产。在低利率情况下，高股息市场目前在中国是有资金流入的板块，而且很多公司还是实体公司。尤其港股高股息资产的吸引力更强，所以我认为高股息资产还是需要配置的。
成长股也要配置。但是过去我们拿恒科来配置，现在不一样了，现在可能要换一些东西，比如AI相关的领域。
对于市场的看法，我是这么看的。如果利率继续保持低利率环境，AI继续涨，在这种环境下，年初一些比较强势的板块，比如有色等，我觉得还是可以继续配置的。反过来讲，如果出现超预期的油价上涨，比如油价长期到年底还在一百多美元，出现这种情况的话，可能对现在这些板块就有影响。那可能要换成石油、农业、新能源等板块。
还有一种情况，就是如果中国资产出现长期牛市。这个时候所有资产都会轮一遍，顺周期会起来，港股的科技股也有望上涨。但是可能需要一个时间判断。
港股和A股在市场结构上存在明显差异。港股市场80%都是机构，没有太多散户，而且有多空机构。所以你会发现，A股市场做得最好的、操作最猛的是量化。但是量化在港股基本没有，或者影响很小。影响港股市场的是对冲基金。对冲基金有一个特点，就是它相信现在股价已经反映了所有一致预期的信息。如果出现超预期，对冲基金一定要进行交易。如果现在大家一直很强烈地看一个方向，对消费、对其他方向没有任何预期，但如果出现超预期，不需要我们南下资金去买，对冲基金会在底部买入，空头回补，对港股造成很大的上涨。历史上看，如果宏观经济或者其他方面出现重大变化，港股底部放量上涨，往往是靠对冲基金完成的。
最后，尽管当前港股表现低迷，如果拉到更长周期来看，大家会相对乐观。它是一个轮动的东西。我觉得港股市场在低迷的时候要有耐心，要想到做左侧，去选一些股票。目前市场普遍重仓A股和AI板块。但是作为资产配置，不要把一个资产全放在一个篮子里。历史上有一点，就是唯一不变的就是一直在变。所有东西都会变。去年大家看好港股，今年看好AI，前几年看好新能源，但是每一个东西都有周期。所以，当你的钱全放在一个地方的时候，一定要把盈利部分，比如30%，配置到一些还在底部、还没有怎么涨的地方。
这样来看，我觉得港股现在是一个比较好的方向。短期不一定赚钱，但是放长期看，它可能会给你一个比较好的回报。我就说这么多，谢谢！
我们邀请的第二位演讲嘉宾是璞桥资产总经理兼投资总监曹名长。曹总拥有29年证券基金从业，近19年公募基金管理经验，是深度价值投资策略最坚定的践行者之一，曾任新华基金总经理助理、基金管理部总监，中欧基金价值投资事业部负责人，投委会成员，曾获金牛奖15周年杰出基金经理，金牛奖20周年持续优胜基金经理。下面有请曹总带来主题分享《价值投资的坚守》。
价值投资的坚守，不止于坚守
曹名长 璞桥资产总经理兼投资总监
引言：一个被忽视的声音
2026年的A股市场，科技主线依然强劲。AI、机器人、自动驾驶……新概念层出不穷，资金蜂拥而至。在这样的市场里，谈价值投资、谈传统行业，似乎是一种不合时宜的保守。
但5月28日，在中信证券策略会的现场，璞桥资产总经理兼投资总监曹名长，带来了一场题为《价值投资的坚守》的演讲。
曹名长拥有29年证券基金从业经验，近19年公募基金管理经验，是深度价值投资策略最坚定的践行者之一。他曾任职新华基金总经理助理、基金管理部总监，中欧基金价值投资事业部负责人、投委会成员，曾获金牛奖15周年杰出基金经理、金牛奖20周年持续优胜基金经理。
这场演讲原本取了一个更“自嘲”的题目——《老登的坚守》，一定程度上是市场环境的映射，但曹名长认为，投资应当立足长期，理性看待不同投资方法与资产类别。他没有追逐热点，而是回答了三个问题：
成长与价值，真的只能二选一吗？
传统行业，真的没有机会了吗？
在狂热的市场中，投资者该如何自处？
一、成长与价值：并不对立
曹名长开宗明义：成长风格和价值风格不是非此即彼。
此前市场热议量化投资，近期科技赛道又备受关注，很多人将主观价值投资与量化、科技投资进行比较。但在曹名长看来，大家只是投资方法不同、覆盖资产不同，在市场中可以共存，各有定位。
曹名长用一张“产业生命周期”图来解释这个观点：一个行业从萌芽到成熟，会经历高成长期→低成长期→稳健期→分红期。成长投资聚焦生命周期早期的高成长阶段；低估值价值投资则聚焦产业周期中后期，布局增长稳定或具备持续分红能力的资产。
真正的问题不在于哪种方法更好，而在于：你是否在正确的时间，用正确的方法，做了正确的事？
他用现金流折现模型的简化推演，给出了投资回报的本质公式：
这个公式揭示了一个被很多人忽略的真相：回报可以来自增长，也可以来自低估值高分红。
曹名长举了一个直观的例子：
“一个没有增长、10倍估值的资产，全部分红，就是10%的年化收益率。如果分红5%，再内生增长5%，同样可以实现约10%的收益。这在市场中已经是很好的长期回报水平。”
与此同时，科技投资如果能锁定真正高成长的资产，即便不太看估值，长期复合收益同样可观。
“成长投资和低估值价值投资，只是路径不同。”
当然，这也对应着两个陷阱：
价值陷阱：看起来PE很便宜，但业绩持续下滑（G<0），股价越买越跌。
成长陷阱：买在估值高峰，后续增长放缓导致杀估值，业绩涨了股价却不涨。
璞桥资产践行的低估值价值投资力求尽量避免价值陷阱，并用分散持仓来降低小概率事件对组合的整体影响。
二、璞桥资产的低估值价值投资框架：三类资产动态配比
此次分享中曹名长重点分享了璞桥资产的低估值价值投资框架，其将目标资产分为三类。但这三类并非互斥的独立品类，而是在同一组合中同时存在、动态调整仓位占比。
第一类：高分红、低增长甚至零增长的稳定收益资产
处于产业生命周期分红期的企业。增长不快，但现金流稳定、分红率高、业绩确定性最强。这类资产在低估值或合理估值下，可以持续作为组合的压舱石。
第二类：分红与稳健增长兼具的优质资产
分红率与内生增速形成复合收益，长期回报具备吸引力。这类资产在多数市场环境下都可以配置，是组合的核心仓位。
第三类：估值偏低、具备第二增长曲线潜力的资产
处于稳健期但留存利润用于新业务布局的企业。当前估值低提供了安全边际，一旦新业务落地，有望迎来业绩+估值的戴维斯双击，甚至转化为成长型标的。这类资产是组合中提供弹性的部分。
关键：动态调整，而非非此即彼
三类资产并非完全独立，可能有交叉。一个高分红企业也可能隐藏着第二增长曲线；一个成长期权标的也可能同时具备良好的分红能力。真正的操作是在不同阶段调整它们各自的仓位占比：
熊市后期与牛市初期：行业出清、估值处于低位，增配第二类、第三类资产，获取估值修复和成长弹性。
牛市阶段：成长类资产估值高企，高分红资产涨幅相对温和，此时提高第一类资产的配比，作为组合的防守与平衡工具，优化风险收益特征。
其他阶段更多是自下而上选股与自上而下评估相结合后，结合产品目标做综合配置，动态调整。
三、当前市场：传统行业正在经历什么
曹名长认为，当前不少传统行业正处于一个特殊的阶段——周期出清已近尾声，但估值仍被压制。
他用一张产业生命周期波动图说明：产业并非单一从高增长走向中低速增长，而是伴随周期性波动。在每一个周期低谷，成熟产业、低增长资产都会经历竞争最激烈、估值最低的阶段；一旦出清结束，即便未来增速不高，市场也会给予合理估值，资产可同时享受业绩增长与估值修复。
他举了一个经典案例：2016-2020年的白酒板块。白酒的增速没有2000年初期那么高，但出清后的竞争格局优化，使其获得了与成长期相当的估值水平。
判断行业是否进入复苏初期，曹名长给出了三项核心指标：
被动去产能：需求见底回升，无需主动缩减产能，供需格局自然改善。
毛利率回升：企业盈利触底反弹，盈利能力持续修复。
资本开支持续下降：行业无新增产能投放，竞争格局持续优化。
曹名长在会议上说：“结合2025年年报、2026年一季报数据，当前A股不少传统行业已完成出清，业绩呈现良好增长态势。但因为市场风格和资金偏好的原因，估值仍被压制，正是布局低估值价值资产的优质窗口”。
此外，虽然部分行业仍在出清过程中，但已出现积极迹象。宏观经济波动幅度较以往有所收窄，但周期性依然存在。即便部分行业需求长期趋缓，只要完成充分出清、形成优质竞争格局，企业可凭借定价权实现持续盈利，并不依赖高增长。对于多数成熟行业来说，需求修复叠加出清完成，是很好的投资时点。
四、需求的新方向：科技赋能传统，而非取代传统
谈到未来机会，曹名长并没有回避科技。但他提出了一个不同的视角：科技不是传统行业的敌人，而是其“赋能者”。
他将未来需求方向归纳为六大领域：
1.物理AI落地
AI不只是聊天工具，自动驾驶、机器人等技术将带动汽车、制造等传统产业链需求。这是“物理AI”对传统行业的直接拉动。
2.出海与出口
国内传统行业增速放缓，但海外市场可以提供新的增长来源。在国内完成出清、竞争格局改善后，企业通过出海获取海外增长红利，是弥补国内增速缺口的重要路径。
3.与经济强相关的持续增长行业
AI等新经济可对冲传统基建地产对经济增长的拖累，维持稳健增长。电力、物流、金融行业与GDP增长高度相关。
4.存量更新与结构调整
二手房交易一直活跃，新房交易量承压——这是存量结构的调整，而非总量坍塌。存量房更新、基础设施更新，在增量时代结束后，更新本身就是巨大的市场。
5.服务型、情绪型消费
旅游酒店、免税、潮玩、游戏……消费升级没有结束，只是从物质转向了体验。
6.消费升级的延续
长期来看大家还是希望生活得更好。从传统燃油车到智能电车，从普通住宅到第四代住房，从加工食品到鲜奶鲜果直供——这些不是降级，而是升级。即使是成熟品类，也因技术迭代和品质追求不断焕发新机。
五、给投资者的话：坚守的本质，是了解
演讲的最后，曹名长谈了一个更根本的问题：作为投资者，你了解自己的投资吗？
他以2020-2023年的市场数据做了一个对比：
这三年间，科技类基金（如ARK）经历了爆发式增长，如果把握得好、在高点止盈，短期收益惊人。但如果把时间拉长到三年，科技基金AKR的收益率甚至低于了伯克希尔哈撒韦股价的收益率。当然如果把时间拉长到更长的九年，科技策略与伯克希尔这类价值策略的长期收益差距，其实并没有那么大，不同的路径抵达了同样的终点。
“一年与三年，差异很大。但看更长的时间，可能又没那么大的差异”。
曹名长给出了一个“刺耳”但真实的提醒：“最大的问题不是选错方向，而是在不同风格间反复切换，导致两边打脸——科技很高的时候冲进去，低点又割肉出来，最终两头受损”。
他给出了四点建议：
长钱：用可以长期不动的资金投资，波动本身不是风险，被迫在低位卖出才是。
合适的比例：让整体资产的波动水平处在自身风险预算内。
合理的预期：对可能的波动、长期的收益中枢有清醒认识，对极端风险有准备。
给管理人时间：投资是认知的变现，了解逻辑、选好管理人，然后坚持下去。
“希望你能更多地了解我们，了解你自己投资的基金，它是做科技成长的还是做传统价值的，它是怎么做的，你知道它在不同的市场环境下会怎么表现，然后你能够坚持下去，那么也会取得比较好的收益”。
结语
在这个AI狂飙的时代，价值投资四个字听起来或许不够性感。但曹名长的演讲提醒我们：市场从来不缺机会，缺的是与自身能力相匹配的机会，以及在喧嚣中保持定力的能力。
成长与价值，科技与传统，短期爆发与长期复利——它们不是非此即彼的选择题，而是一道关于“你是谁、你能承受什么、你想获得什么”的思考题。
正如璞桥资产的slogan所言：让每一份托付更安心。这份安心，或许就藏在对自己目标与能力的清醒认知，和对正确方法的长期坚持与持续迭代之中。
本文内容整理自2026年5月28日中信证券策略会璞桥资产主题演讲，仅供参考，不构成投资建议
第三位嘉宾诚奇资产创始合伙人、董事长何文奇，何总曾任美国千禧基金量化研究员，北京尊嘉资产量化投资经理，2013年9月创立诚奇资产并担任董事长，在国内的量化投资上拥有15年的实战经验，为投资者实现了长期稳健的回报，下面有请何总带来《私募量化产品的演进与创新》。
私募量化策略与产品的演进与创新
何文奇 诚奇资产创始合伙人兼董事长
各位嘉宾、投资人，大家下午好！我是诚奇私募的何文奇。今天我结合公司近两年在研究与产品层面的创新实践，以及国内量化行业的整体发展态势，围绕量化策略创新与产品创新两大方向做简要汇报，内容主要分为五部分：量化行业发展现状回顾、量化投资流程与策略分类梳理、近两年AI技术在量化投资中的深度应用、量化产品的创新与发展方向，以及行业总结与展望。
从市场环境来看，2024年9月至今，国内资本市场流动性持续充裕，日均成交额长期稳定在万亿元级别，阶段性峰值达到3万亿元，这一环境对量化机构尤其是具备规模管理能力的大型管理人十分友好。同时，市场风格的演变速度与复杂度较过往显著提升，红利、小微盘、科创板块及各类新兴高科技题材快速轮动，杠铃行情与反向杠铃行情频繁出现，市场结构演绎日趋复杂。监管层面，针对量化交易、程序化交易的监管细则逐步出台落地，行业监管朝着规范化、专业化方向稳步推进。在此向各位投资人澄清，市场中流传的各类关于量化监管的信息绝大多数并不属实，监管部门的政策制定均会经过前期调研、意见征求、规则完善等规范流程，不会以突发方式出台影响市场运行的相关规定。
2025年是国内量化行业的发展大年，当前管理规模突破百亿元的量化私募管理人已攀升至70 家，全行业量化私募管理规模整体提升至2万亿元级别。头部量化机构在研究能力与管理能力持续升级的支撑下，即便在管理规模持续扩张的阶段依然能为投资者创造相对稳定的超额收益。当前量化行业的核心竞争集中在人才储备与算力资源两大维度的博弈与升级，诚奇资产也深度受益于市场与行业的发展红利，2024 年至今近三年的产品业绩表现保持稳定，公司持续加大在 AI 技术研发与算力基础设施上的投入，并针对性开展产品创新，以匹配投资人多元化的投资需求。行业呈现明显的头部聚集效应，头部机构的虹吸效应持续凸显。在近年牛市行情的加持下，量化多头、指数增强、全市场选股等策略，在市场β收益与策略α收益的双重驱动下，整体业绩表现亮眼。
量化投资的完整流程以数据为起点，基于数据开展因子模型研究，将各类因子与模型进行组合并叠加全面的风险控制体系，最终通过程序化交易系统完成订单执行与组合管理。在这一流程中，行业最核心的变化体现在数据维度的持续拓展，从早期的交易数据、基本面数据等标准化信息，逐步纳入分析师研报、新闻舆情及各类新型数据；研究方法也从传统多因子模型，逐步演进至统计套利、机器学习，近两年深度学习与 AI 智能体技术全面融入投研流程。
量化研究策略主要分为因子研究、统计套利、机器学习与深度学习四类。因子研究与主观投资逻辑存在一定共通性，核心是通过人工理解市场价格动量、反转特征及基本面指标变化，抽象为可计算、可验证的量化因子，这类研究以演绎法为核心，早期以人脑分析为主。随着量化研究复杂度提升，统计套利依托数据挖掘技术直接提取具备统计显著性的因子，这类因子通常不具备直观的经济学解释，但在历史数据中呈现稳定的统计规律。在此基础上，行业进一步借助机器学习与深度学习技术，构建高维模型挖掘复杂数据中的潜在规律，开发 AI 因子捕捉传统模型难以识别的收益来源。目前诚奇资产的投研团队保持三类研究并行的模式，兼顾传统策略的稳定性与前沿技术的创新性。
回顾国内量化行业近十年发展，可清晰划分为三个迭代阶段：2015年之前为量化1.0时代，以传统多因子模型为核心；2015至2019年进入量化2.0时代，统计套利技术全面应用；此后步入量化3.0时代，机器学习、神经网络技术深度融入因子挖掘与模型组合环节，2025年以来，AI 智能体更深入地介入投资与研究全流程。从技术应用来看，2020年成为 AI 技术深度渗透量化行业的关键节点：1.0时代仅借助基础机器学习算法实现因子非线性组合与自动搜索；2.0时代以深度神经网络为核心，开展模型优化与端到端模型研发；3.0时代则以 AI 智能体为工具，全面赋能投研全环节。
在数据处理层面，量化行业实现了三级跨越：1.0时代仅能处理日间量价、基本面等标准化结构化数据；2.0 时代拓展至高频量价数据与简单文本信息；3.0时代依托大模型技术，实现复杂非结构化数据的深度处理。过往对分析师研报、新闻舆情的应用仅停留在标题提取、关键词统计等浅层分析，当前通过大模型可按照投研需求，将非结构化文本转化为十余项定量指标，全面融入策略模型。目前行业已开始尝试语音数据的处理与分析，未来视频数据、路演会议内容等多元信息，也有望通过AI技术实现量化分析与数据转化。
因子研究环节，传统模式下整体研发周期长、人力成本高。在AI3.0时代，AI智能体全面替代规范性、重复性工作：研究员可命令智能体自动检索相关学术论文并完成核心观点总结，智能体可直接生成策略代码并自动提交回测输出结果，大幅提升传统多因子模型的研发效率。模型组合层面，过往不同频率、不同类型的因子难以通过统一的非线性模型实现有效融合，借助AI与智能体技术，可通过多层神经网络实现分层优化，整合多元信息，完成组合权重的动态优化。
AI2.0时代的端到端模型直接从数据特征出发生成收益预测结果，依赖超大算力支撑模型训练，但这一阶段的模型研发门槛极高，研究员不仅需要掌握数据逻辑与投研框架，还需精通代码编写与硬件调度。AI3.0时代，AI智能体承担了绝大部分技术执行工作，从GPU硬件适配、代码自动生成、计算资源分配到模型训练、结果输出，均由智能体自动完成。研究员只需聚焦策略逻辑设计、模型结构规划与结果验证优化等核心投研工作。算力基础设施逐步升级，为全维度数据训练提供了强大支撑，最终由人工完成结果判断、回测验证与策略上线，确保模型的有效性与安全性。
交易执行环节，采用强化学习智能体持续优化交易策略与下单行为，在大规模资金管理场景下，实现低冲击、低成本的订单执行，提升交易效率与收益留存率。风控层面，AI技术目前仍处于辅助阶段，可完成多维度监控、异常信号自动识别、市场宏观与风格趋势预测等工作，但核心风控逻辑、AI应用边界的界定与把控，最终仍依赖基金经理的专业经验与人工决策，这是无法被AI替代的核心环节。
目前AI技术已全面覆盖量化投研全流程，其中研究环节的应用浓度最高，所有研究员均需依托AI与智能体工具开展工作。量化研究员的能力要求也发生根本性转变：从过往以代码编写能力为核心的"程序员型研究员"，转变为以需求提出、结果审核、逻辑创新为核心竞争力的"思考型研究员"，仅需通过自然语言描述投研想法即可，规范性工作全部由智能体完成。AI3.0时代实现了人工研究与机器学习算力的有机结合，兼顾人工逻辑的严谨性与机器算力的高效性，能够挖掘更多元、更复杂的收益因子，构建更稳健的投资模型。
伴随策略技术的迭代，量化产品也经历了从单一到多元、从补充到主流的完整演进历程。2015年之前，量化投资在国内市场被定义为另类投资，这一阶段的产品以绝对收益为核心目标，主要包括期现套利、ETF套利、市场中性、商品期货CTA等策略，核心要求是与股票市场相关性尽可能低。2015年之后，产品方向从市场中性逐步转向指数增强策略，指数种类逐步扩展，随后根据投资者需求推出混合增强策略，最终演进为全市场选股策略，从单纯追求绝对收益转向β收益与α收益结合的复合收益。
2022至2023年熊市环境下，单一策略阶段性面临收益瓶颈、波动放大的问题，混合策略成为行业创新方向，行业内先后推出定增+量化、套利+打新、中性+CTA、灵活对冲等混合策略，通过多策略叠加平滑波动、提升收益稳定性。近年投资人需求愈发分化，量化产品朝着专业化、细分化方向发展，陆续推出量化债券、红利增强、科创增强、小微增强等特色产品。早期量化策略存在同质化特征，ETF 套利、市场中性等策略随着参与者增加，机会收窄、成本上升、性价比降低；而当前产品创新依托投研能力的差异化，聚焦细分领域构建核心优势，实现差异化竞争，量化研究覆盖面的持续拓展，也为多资产、多策略产品创新提供了技术支撑。
结合行业配置趋势与技术能力，我们创新推出了量化宏观策略，这也是当前公司重点布局的创新产品方向。从海外市场来看，海外对冲基金总管理规模约5万亿美元，纯股票策略占比不足三分之一，衍生品工具丰富，多空策略均衡发展，除股票策略外，相对价值套利、事件驱动、宏观策略等多元策略并行发展，其中宏观策略在海外对冲基金中的占比达到15%，是核心策略类型之一。反观国内私募市场，超过一半的资产集中于股票策略，其中主观股票策略占比过半，量化股票策略为补充，其他策略占比偏低，宏观策略占比不足3%，叠加量化多策略后整体占比约 6%，与海外市场相比，国内量化宏观策略具备极大的发展空间。
传统主观宏观策略依赖基金经理对各类资产、市场趋势的经验认知，而量化宏观策略以量化风险评价体系为核心，通过量化模型分析各类资产的相关性、风险收益特征，实现多资产的科学组合与风险控制。其核心逻辑是在控制组合风险的前提下，精选具备收益能力的细分资产，通过低相关、负相关资产的搭配，提升组合夏普比率、降低最大回撤。量化宏观策略的底层资产涵盖四大类别：量化股票策略、量化国债策略、商品CTA策略、红利策略及避险工具。只看股票与债券两类典型资产的搭配，就可显著优化组合风险收益特征，有效控制熊市环境下的组合回撤。量化宏观策略的典型配置结构为：目标波动率40%-60%，股票资产占比40%-60%，国债资产占比20%-40%，商品资产占比20%-30%，在争取收益的同时，实现整体波动的有效控制，适配追求稳健收益、控制回撤的投资者需求。
当前市场信息的传播速度与数据体量已逐步接近人类分析与理解的极限，量化投资领域仅依赖个人经验与传统逻辑，已难以持续创造超额收益，这是行业全面推动AI技术应用的核心动因。未来，AI技术的迭代速度将持续加快，算力能力每1-2年实现量级提升，AI技术将更深度地渗透至量化研究、投资、交易、风控的全流程，成为行业发展的核心驱动力。传统简单策略将逐步进入存量博弈阶段，传统多因子、量价策略在AI技术普及后，研发门槛降低、拥挤度提升，行业将转向复杂AI模型、多资产配置、宏观视角等创新方向，构建更深层次、更稀缺的收益来源。
同时，我们始终保持理性认知：当前AI技术仍处于辅助阶段，并未实现投研决策的完全自动化，工具使用边界、风险控制把握仍是机构的核心能力。市场存在"AI将替代人工"的观点，但从实践来看，AI工具反而放大了研究员的能力差距，具备创新思路、深度思考能力的研究员，在AI智能体辅助下，能够挖掘更多有效因子、构建更复杂模型；基金经理的经验判断，在模型优化、风险把控、策略决策中依然不可替代。AI技术的核心价值是放大人工的投研能力，而非取代人工。
产品层面，传统量化产品将进入存量竞争，行业将聚焦投资者需求，持续推进创新型产品研发，通过多资产混合、多策略融合，实现机构间的差异化发展，不同机构在量化宏观策略等创新方向上，将形成不同的逻辑框架与实践路径。随着国内资本市场衍生品工具、融资融券业务的持续完善，更复杂、更专业的量化产品将逐步落地，产品创新的核心目标始终是匹配投资人多元化的收益风险需求，而非追求概念噱头。过去五年量化行业在策略研究与产品设计上持续迭代创新，核心目的是通过研究进步挖掘更广泛、更深层的超额收益，通过产品创新满足投资者真实需求，推动量化投资行业朝着高质量、规范化、专业化方向持续迈进。
主持人：感谢何总。接下来有请第四位嘉宾，平方和投资创始合伙人、总经理吕杰勇。吕总曾任职于搜狐、腾讯，从事互联网大数据挖掘研究，2009年投身量化投资，分别于博时基金、中信证券从事量化投资研究工作，2015年创立平方和投资，综合利用大数据及算法技术，构造量化的对冲基金策略模型，多次荣获中国私募界权威荣誉金牛奖，下面有请吕总分享从《AlphaGo到ChatGPT到量化投资》。
十年实践，我们如何界定AI+量化的能力与边界
吕杰勇 平方和投资创始合伙人兼总经理
平方和投资成立于2015年，是国内量化领域的早期探索者之一。十年间，公司始终专注于量化投资策略，目前已形成指数增强、量化选股、市场中性三大产品线。截至2026年第一季度，平方和资产管理规模超过300亿元，多次斩获金牛奖、英华奖等行业权威荣誉。
2026年5月28日，平方和投资创始合伙人、总经理吕杰勇应邀出席中信证券策略会，与投资者进行了一场面对面的深度对话。当前，AI技术正以前所未有的速度渗透入各行各业，量化投资行业也面临着一个无法回避的问题：人工智能在该领域的实战中究竟擅长什么、不擅长什么？研究员和机器的协作边界，应该如何界定？围绕这一核心命题，吕杰勇在策略会上剖析了大模型在量化领域的能力边界与人机协同的发展逻辑。
从AlphaGo到AlphaZero：AI能力的两次跨越
2016年，AlphaGo击败围棋世界冠军李世石。吕杰勇表示，它的突破依赖于CNN、LSTM为代表的深度学习技术，这些技术在时序预测、特征提取方面具有广泛迁移价值，由此引发量化行业对深度学习的系统性关注。
2017年，AlphaZero以100比0碾压前代，进一步实现从有监督学习到强化学习的跨越。吕杰勇认为，这一范式转变意味着AI系统在特定条件下具备自主生成知识的能力，无需人类经验的直接输入。
在吕杰勇看来，这两个事件共同确立了一个判断，那就是AI技术在处理复杂规律、海量数据方面具备显著优势。“但这一优势能否直接迁移到量化投资，以及具体改变了哪些环节，需要结合落地条件来理解。”
AI落地的“三驾马车”：数据、算力、算法
谈及AI在量化领域的有效应用，吕杰勇认为这依赖于数据、算力、算法三个维度的同步支撑。
他指出，海量数据的长期积累，为模型训练提供了充足的“燃料”；大规模计算基础设施的可及性，提高了AI策略的研发效率的上限；而各类算法模型的相继成熟，则推动了量化策略的不断迭代。
“在这三大核心要素的支撑下，AI给量化研究带来了实质性的改变。”吕杰勇在会议上表示。他具体解释道，在因子组合、组合优化、端到端模型中，AI都发挥了关键作用，展现了其在信号预测更稳定、组合优化更灵活、模型表达力更强等一系列优势。
大模型的短板拆解：四个无法回避的现实挑战
吕杰勇在会议上指出，以ChatGPT为代表的大语言模型虽然在自然语言处理领域取得了显著成果，但将其直接应用于量化投资的核心预测任务，仍面临四个结构性挑战。其一，大语言模型与金融场景的预测方式并不完全天然匹配；其二，金融数据噪音较大，容易过拟合；其三，大模型链路较长，更易出现隐性数据泄漏风险；其四，大模型推理成本高、耗时久，在成本与效率两端形成压力。
在他看来，只有认清这些能力的边界，才能理解为什么“人机结合”是当前阶段更为合理的选择。
平方和投资的实践创新：人机协同之路
“机器的优势在于处理复杂问题与持续工作能力，可以摆脱量化对经验型人才的过度依赖。”吕杰勇坦言，“但机器并不能取代人类的核心角色——决策责任和创造性”
他同时指出了当前AI工具还存在三个主要痛点：同质化严重、模型可解释性弱、对极端情况适应性不足。“这三点，恰恰需要人类的判断力加以弥补。”
因此，平方和投资明确提倡增量式创新而非替代式创新——在已有量化体系的因子挖掘、信号预测、组合构造、交易执行等具体环节引入AI工具，逐步验证有效性，让整个系统更加稳定，而非推倒重来。
第五位嘉宾是上海远澜私募创始人、投资总监王凯，王总拥有28年资本市场从业经验，曾任职于东航期货、博创投资、美国亿柏国际。远澜深耕CTA量化、股票阿尔法、全球宏观策略领域，也祝贺远澜一季度新晋升百亿私募梯队，下面有请王总分享《商品和权益投资机会展望》。
商品和权益投资机会展望
王凯 上海远澜私募创始人兼投资总监
各位投资者大家下午好！感谢中信证券的组织。
今天我和大家分享的是在AI大时代背景下，我们能看到的大类资产，特别是商品和权益资产，其演化的趋势和背后所驱动的规律以及分析的框架。我觉得我们处在不可思议的时代，通用人工智能已经把人类带到无人区，也是历史上从来没有进入过的区域。
在这个大背景下看到各种资产都呈现出极其波澜壮阔的变化，有一些资产像气球一样膨胀，有一些资产像漏气的气球一样萎缩。所以在这个过程中，我们应如何建立分析的框架和视角，我试图从这个角度跟大家展开探讨，所考虑的时间尺度更多是年度以上的自上而下的思考，而不是短期月度到季度的投资机会。
首先简要回顾一下当前的宏观主线，毫无疑问延续过去两年的趋势，AI的经济或者说K型经济上一撇在继续狂飙突进，如果看中国经济继续延续去年以来的复苏经济周期，对商品和权益市场都是适合利多的配置。但是复苏是不均衡的，是不全面的，出口、高科技、先进制造的表现景气度非常强劲。消费、地产，和一些传统金融仍然非常低迷。
主线是逆全球化，我们经历20年左右的全球化历程，从2016年开始到现在差不多10年左右的逆全球化，世界从以和平、贸易、互相信任、合作、WTO的框架下逐渐转向零和竞争、弱肉强食的竞争转变。
今年看到的伊朗战争，前两年到现在还在进行的俄乌战争，都是当中破裂的板块，它所呈现出的一些局部大的断裂。
还有比较值得关注的是新任的美联储主席，毕竟美联储的政策会影响全球经济的流动性，对所有的大类资产都会产生深远的影响，大家知道沃什主张缩表，所以市场可能预期中长期来说美债的需求会下降，我们已经看到美债的收益率到了很高的位置，最近其对商品和权益市场还有一定的压制，这大概是主要的宏观主线。
我想强调的是：AI是最大的宏观，在可预见的未来AI仍然是最大的宏观。从极简的经济学视角看，传统的经济周期是3-4年或者4-5年，逆全球化可能一轮周期是20几年，美联储的政策从降息周期到升息周期也是若干年度的周期。
这次的AI可视为千年一遇的重要机遇。从某种角度看，身处这样一个历史性的时间窗口，既是幸运的——当然，也有许多人将因AI的冲击而面临挑战。我觉得如果把人类历史极其简缩的话，过去发生两次大的事情，一次是工业革命。清朝时候的农具和汉代没有什么区别，几千年没有大的变化，只有到工业革命以后，机器能替代人类的体力劳动，这时候才进入了现代社会。
站在当下时间节点回顾，计算机的发明、互联网的兴起，移动互联网的普及，直到当前ChatGPT3.5后开启的AGI时代，都可以浓缩成一个点，就是AI革命，直到ChatGPT的出现，人们相信人类的脑力劳动真正可以被替代，可以被自动化。这是极其重要的时间节点，我们可以看到预期的增长它的斜率会到新的水平，而且它还可能自己加速持续增长。
在工业时代蒸汽机不能自己生产蒸汽机，第二次革命他也不能自己生产发电机，但是AI是可以自己生产AI，这是非线性的。在所有的问题当中，核心包括宏观的研究，宏观的研究关心的是增长的通胀、货币、信用、财政。这当中最核心的东西还是增长，还是β，AI是最强的β。
其他包括刚刚说的主线，比如说中国的经济能不能持续复苏，可能取决于高科技的景气度，其是否有强劲的盈利能力，能否溢出到其他的板块。逆全球化历史和全球的关系不大，但是未来的关系很大，未来主要是中国和美国的竞争，竞争的核心也是在AI技术上的竞争。
沃什作为美联储主席新的政策，他未来的导向也取决于AI能不能降低通胀，提高生产率，所以从各个方面来说AI本质上是最大的宏观。AI时代宏观有什么特点呢，首先我们看到的是更快的变化，以前邓小平说一年一变样，三年大变样。深圳速度是代表，那是很快的变化，但现在在AI时代，我们看到每过三个月都可能会有很大的变化，你用AI做东西，三个月以前很难，三个月之后忽然解决了。
还有更强的马太效应，强者愈强，所以AI它不是让人更加平等，让组织之间或者国家之间更加平等。它是让你更加不平等，你有AI的能力，你变成超级工程师变成超级组织，现在还有说高水平文科生也能充分使用AI工具，这些都正在变成现实。而其他人缺乏这种能力的，或者缺乏主动性的会相对有非常大的竞争劣势。
我们看到在AI的背景下，资产有更强的抱团效应和非常高的集中度，本质上也是马太效应的折射，我们预期看到AI带来更高的增长，根据权威的分析AI对GDP的拉动预测大概是从零点几个点到一点几个点不等。对于GDP的增长基数来讲这已经非常可观了，而且市场可能尚未充分定价，AI进入奇点以后，其非线性的增长带来的增益仍有待进一步反映。
从就业来看人类很多的工作都有可能被替代，所以相对来说会看到较低的就业率，这跟以前技术革命替代就业不一样，这次AI是通用的能力。所以传统就业会被某种程度永久性替代，传统就业里产生的新的职业机会还是会被AI替代。随着AI所驱动的能看到生产的服务和商品的成本下降和服务和商品供给的极大丰富，原来要律师做一个合同，你要付的成本，对比现在用AI做所付出的成本是非常悬殊的。
从宏观环境年度以上级别我们期望看到更高的增长，较低的就业水平和较低的通胀水平，这意味着对权益类的资产这是一个非常良性的环境，是非常适合做权益资产配置的。较低的就业和较低的通胀水平意味着长期来说政策会倾向宽松，财政政策倾向刺激而不是收缩，这个对权益资产是比较有利的。
对于很多的商品来说具有HALO属性，高的资本性投入，不容易过时。像铜的制造、原油生产，很多的大宗商品生产已经高度机械化了，短期来说AI很难提高它们的生产效率，而它们的生产能力、开发的能力相对有限的，所以他们是相对在AI冲击下的避风港，这是HALO资产的特点。
分析商品市场可能的投资机会，逻辑较为简明，首先我们能看到比较多的因素，美伊地缘政治的因素，我们认为它的影响对商品市场的冲击没有被充分显现，或者说市场有可能相对低估了其影响程度。尽管现在看到缓和的迹象，但是到真正的达成共识和协议，仍需要一个漫长的过程。就像达利欧说的霍尔木兹海峡只有两个结果，美国继续控制它，这意味着美国仍然有石油美元的全球霸权能力，或者美国不能控制它，对于美国的信用和美元的信用是一次不可逆的打击。你不能“既控制又不控制”霍尔木兹海峡。真正达成协议还要一个漫长的过程，而且即使霍尔木兹海峡复航之后，这些已经造成的生产短缺，以及对原油的国家储备消耗是不可逆的。我们认为这部分的影响会作用在原油和更广泛的能化板块上。
随着逆全球化，我们看到铜、铝、锌、镍、原油、铁矿、尿素，包括稀土，更多的这些商品被各个国家列为战略物资，或者是限制出口，或者是加强储备。当然对商品也是利多的因素。由于AI的发展最重的瓶颈是电力，所以电力能源方面的需求，包括国家计划的建设，这是非常确定性的产业趋势。
另一块是过剩产能的问题，比如说生猪，此前政治局会议纪要史无前例地专门提及生猪产业。反内卷的政策从去年开始一直在持续推进，包括继续淘汰落后产能，比如，今年粗钢产能面临减产，这些也会包括反通缩，这些政策的驱动恢复使得低效、偏过剩的产业发生结构性的变化。
房地产没有明显的复苏，但是去年香港市场已经领先反弹，今年一线城市上海基本企稳，边际的改善可能是可预期的。
包括更多的证据表明今年有可能面临比较大的厄尔尼诺现象，一方面将对部分的农产品产生冲击，这对能源的需求会有增量的效应。
此外，如果美国不能控制霍尔木兹海峡，实质上意味着在这个事件上美国是失败的，这对美元的信用影响。包括美债的收益率那么高的情况下，长期的赤字负担怎么解决，都会对美元的信用产生负面影响，导致美元或面临中长期的持续走弱的压力。
从利空的方面来说，有一些商品还是产能比较过剩的，特别是黑色、玻璃、生猪等一些农产品，下游的需求、消费的需求仍然比较弱，短期的沃什冲击有一定的对流动性紧缩的预期冲击，这些因素构成利空。
综合来看，我们认为利多因素明显更多，且更具长期性；而利空因素则相对偏短期。展望未来，商品市场仍将呈现较多的结构性机会，尤其是在多头方向。
回顾一下权益市场，首先是K型经济，过去几十年看到信息科技产业的快速发展，有人浓缩成一句话叫软件吞噬一切，软件是代表着你对信息处理的自动化，现在我们知道知识是更高级别的信息，AI是使得它能够实现知识的自动化，所以它通过吞噬软件再吞噬世界，这些会投射到权益市场，权益市场极度分化，一类资产是站在光里，一类资产是被AI侵害的，还有一类是代表性的像HALO的资产是不被AI所影响，所以相对比较坚挺。
权益市场的极端分化这是已经发生的事情，我们更多关注的是未来会怎么样，更多泡沫会面临崩溃还是未来会有很高的成长性？这是很核心的问题。
首先我说这次是更大级别的东西，是千年一遇的东西，上一轮互联破灭的场景我也印象比较深刻，因为我人生第一次失业就发生在那段时间。现在走到什么地方，首先基本观点是泡沫并不总是坏事，极端的泡沫才是风险，新的产业发展康波周期的演变一定是伴随泡沫的，泡沫才能引导资本向新型的向更高景气度的产业投入。关键看成长的空间。
人类的欲望是没有止境的，当你生产出具体的商品的时候，比如说一个家具或者是小朋友喜欢一套乐高或者玩具，包括一块电池或者一个设备。这些东西变成一个具体的实物的时候，总会发生边际效益递减的情形。但是AI输出的是Token，是智能，你要实现更高级别的欲望就需要有更多的智能，在人类社会的竞争性当中保持更高的竞争性。所以人类对智能的需求是没有止境，没有上限的。而且AI本身从技术驱动来说是能满足没有止境的智能需求。
例如AI自举能力，AI for Science的实质性发展，这基本上是今年上半年我们能看到的技术层面的，所谓自举是AI真的可以自己写自己的代码，自己改进自己。比如说现在Claude Code框架的这些代码大部分是Claude Code写的，Agent里面能看到更多的研究，Agent它如何去提高自己，AI的自举能力在今年上半年已经开始发生了。
然后说AI for Science，以AlphaFold为例，其在蛋白质预测这方面取得重大成就并获得诺贝尔奖，但是在更广泛的领域，我们没有看到更多成功的案例。但是在最近看到AI成功解决以前没有被人类解决的数学问题，这表明AI for Science已开始进入实质性发展阶段。
而且，越来越多的AI系统迟早会演化出群体智能。人需要学习进化，AI也需要学习和进化，区别在于人学到一个东西是个体学到了，群体没有学到。而AI则不同。所以群体智能发展的前景是非常可怕的，AI的驱动使得它能够继续保持强劲的，乃至非线性的指数级增长，满足人类无穷的欲望，这种场景正在发生。
对于其他的方面，我们要考虑估值、财务健康度，当前的AI公司以美国的7巨头为代表，平均的Forward PE大概是30多倍，还是在相对合理的水平，比互联网泡沫的时候低非常多。
从财务健康度，从现金流看，尽管各家公司因大规模投入AI而导致现金状况相对紧张，但与互联网泡沫时期相比，当前的企业财务健康状况明显更优，远未达到过度风险的阶段。
另外，对比上次的互联网革命和这次的AI有什么区别，我认为互联网革命是AI革命的前奏。互联网革命你做好一个东西，服务越来越多的用户，对每个用户生产的边际成本趋向于零，AI服务很多的客户，每个客户都需要Token，这个Token是有成本的，成本会传递到内存的成本、芯片、GPU、电，而这些物理的设备是供给短缺有局限的，这些局限性导致现在的AI很难过度扩张或者过度发展，因为它的发展是受限的。
更重要的一点是我们很难从财务的角度对AI进行判断，尽管存在对AI泡沫的担忧，例如质疑AI投资需要多少年才能回收，但AI投资不应等同于加油站投资。放在一个全球竞争的宏观图景里面，中美的竞争谁都不可能放弃AI，放弃也就可能意味着在这个桌子上永久性退出。类似的，美国大型科技公司，中国的AI领先公司，他们也不可能放弃，一定是加大投入获得更多的竞争优势，而非简单地套用加油站的财务分析框架。
总体来讲对于AI的成长和驱动，我认为还是比较乐观的，泡沫风险必然存在，但不是最主要的担忧，最主要的担忧反而是今年年初的时候有一篇第三方的报告，给AI描绘了一个悲观的场景，AI能赚很多钱，但是机器不消费，大模型也不消费，而它剥夺了很多的人类工作，人类失去工作就降低消费能力，导致一连串的连锁反应。我认为这个担忧是有道理的，但其中所指的“工作”，是基于当前认知框架下的工作形态。随着时间的推移，可能会出现目前难以预见的全新职业。传统经济主要是满足人类的基础需求，随着人类进入工业革命以后进入现代社会，更多的电影、娱乐、奢侈品、抖音、直播等新兴业态相继涌现，这些东西都是以前很难想象的。它满足的是人类的精神需求，满足的是人类的体验，没有发生的事情很难预测，但是我认为当传统工作更多集中于基础服务领域——例如当前许多失业人员流向外卖、网约车等行业，仍属于基础服务范畴。但是未来可能工作形式会向精神服务领域延伸，比较低层次的是各种娱乐，较高层次的路径则可能是：当某些低附加值工作的性价比显著下降时，部分人群将有意愿转向学习、哲学思考，或发展艺术天赋，在满足自身精神需求的同时，也为他人提供精神层面的价值。这是一个可能的演进方向。
但是这块的乌云确实存在的，我们需要保持很高的关注度。
大家知道现在AI的硬件都是超级强势，下一道光在什么地方，这也是值得考虑的，我觉得考虑这个问题首先需要有基本的思考框架，也许我们可以从成长性和稀缺性这两个维度来分成比如说四象限，举例来讲Token必然是非常非常高的成长性，它可能每半年翻一倍甚至更高的成长。
要生产那么多的Token，就需要那么多的硬件设备，包括有一些硬件设备受物理的限制是短缺的，这些东西是高成长性、高稀缺性。其他的像黄金、核心城市的土地属于较有稀缺性的，但是较低的成长性。
实际上我想提醒大家，还有一个东西是极度稀缺的，是时间和注意力，在AI的时代AI再怎么发展，你能够给予的注意力是相对有限的，你能够花费的时间也是有限的，这种稀缺的东西可能导致相应的投资机会。
下一道光在什么地方，首先市场有一些报告或者预测给出了一些观点，我认为是很有道理的，首先是AI对物理世界的改造，即物理AI方向。去年机器人板块表现突出，机器人是物理AI的重要组成部分，简单来讲,科技的发展还是要去改变和管理物理世界，去把地球塑造成更加宜居的环境，这里有更多的制造自动化、驾驶自动化、具身智能、传感器等相关的投资机会，这些趋势正在发生，而且这些相对能够更多发挥中国制造的产业优势。这些机会我认为是具有较高的确定性。
还有一块是Token的出海，中国目前在AI大模型竞争力方面达到了较高的水准，而且性价比方面具备非常独特的竞争优势，人类对智能的需求是无止境的，智能需求又将转化为Token的需求，全世界所有的人都会有这样的需求，所以Token的供给不仅需要满足国内的人民群众，还要满足全世界的需求，这方面美国就难以实施制裁或对中国进行限制。随着Token需求的扩大，就会有产业链去生产Token，我们看到了一些微妙的变化，比如说DeepSeek V4，其更多是在国产设备上做训练，包括华为最近提出的韬定律，意味着在硬件的版图当中，中国企业不完全是Follow美国的模板，更多是发挥自己产业的制造优势，最后向全世界输出Token，这也能看到一些比较多的投资机会。
第三方面是我个人的观点，AI擅长做什么，我觉得AI是有两个方面是非常非常擅长的，第一方面是它取代人类的传统工作，另一方面是AI可以作为非常强大的造梦机器。某种角度我认为未来传统工作性价比变得非常低的时候，你的体验变得更加重要，人的本质是不断经历和体验的过程，AI巨大的造梦能力，能够给你带来的体验像做梦一样，俗话说梦里什么都有。只不过你受内容制造能力的限制和设备的限制，这个梦看起来不那么完美。但是随着AI技术在这块的发展，它能够给你带来更多的体验，更不可思议的体验，看上去更真实的体验。
这方面带来的体验和投资机会能填补人类失去传统工作的痛苦，我认为这是非常大的机会。而且它解决了一个核心问题：占领你的时间，占领你的注意力。随着技术的发展有更好的东西占领你的时间、占领你的注意力，所以很多的传统的消费时间或者争夺你的时间资产会不可避免衰落，但是会有一些AI应用造梦能力强大，可能在那个方向上可能看到一些比较大的机会。
这个过程映射到资产的波动上是极其波澜壮阔的，有一些东西是从1变成0，有一些东西是从0变成100。刚刚说的Token出海，最核心的是AI设备，这些增长红利主要集中在海外企业。因为国产企业在这些最核心的设备上占比是非常低的，如果从5变到10、15、20，这个增量边际的变化是非常巨大的。可能一些新的机会，比如说具身智能相关的，或者和人类体验相关的这些东西，它现在可能在整个资产大饼当中还是极其微小的部分，但这些领域有潜力增长为相当可观的规模，我觉得这些方面可以值得做更多的关注和进一步的研究。
上海远澜作为量化的团队怎么样去应对这样的新的时代，怎么样去捕获投资机会，我刚刚讨论问题看起来是传统主观研究员或者主观投资者需要考虑的问题，但是我想强调的是对于任何真正关心投资真正从事投资的人，我说的结论不一定对，但是我所关注的这些视角，我所关注的这些问题都是非常根本的，不管你是量化、主观、做权益的投资，或者做资产配置，这些都是非常重要的问题，我试图提供框架能够引起更多的探讨和思索。
我认为所有的人都需要有这样的思考范式，我们叫未来主义的思考范式，未来的变化它不是现在的慢慢地线性的发展，人类总是会倾向去低估长期的变化，未来可能是极其非线性的，有很多的东西是经过奇点之后形成指数的变化，所以一定要有未来主义的思考框架。你想三年以后就业的情况会怎么样，制造的情况会变得怎么样，Token会有什么东西生产，这当中的占比是怎么样，一定要去考虑第一性的原理，最根本性的东西是什么。
作为量化团队来说，我们看到AI的时代投资的方法会变得极其多样化，传统量化从数据清洗到因子到组合优化这样的流水线，但是它不是一个唯一的Solution，这些东西都需要投入，做因子需要团队，做模型需要团队，训练模型需要很多的资源，在这些东西在AI时代变得非常自动化和低成本，你能做的事情，将从收敛于一条固定的流水线，扩展为一个非常开放的问题空间。
而且大模型能够解决很多传统量化回答不了的问题，对于一年以后市场变成什么样，长期的推演，像未来主义一样思考，这些问题传统的量化解决不了，但是以大模型作为工具这些可以变得有可能。
我认为量化也会进入到非常令人兴奋的时代，做的方法会非常丰富，在这种场景下根本上你需要有未来主义的视角，需要有这样的框架能看到哪些地方的鱼更多，你用量化方法去捕鱼，因为传统量化擅长的是做交易、波段、α。用未来主义和大模型的能力发现鱼多的地方，用传统量化的地方在那个地方发掘更多的α和交易性的机会，这是相对比较理想的场景。
我今天就分享到这里，谢谢大家。
主持人：感谢王总充满激情和启发的演讲。接下来私募圆桌交流，这是每年都有的栏目，我们邀请了五位私募管理人聊聊市场，下面我先介绍一下这五位嘉宾。
私募圆桌交流
主持人：
孙 超 中信证券机构股票业务部董事总经理
嘉宾：
许巳阳 银叶投资首席投资官
章秀奇 趣时资产总经理兼投资总监
顾小军 涵德投资创始合伙人兼副总经理
黄 灿 盛冠达基金创始人兼投资总监
童 卓 上海彤心雕珑私募创始人兼董事长
许巳阳
银叶投资首席投资官
许总拥有25年金融从业经验，曾就职于宝盈基金、光大保德信基金、瑞银证券、瑞士银行。作为一家综合型专业资管机构，银叶投资已经形成涵盖固定收益、宏观对冲、权益投资、量化及衍生品策略等多元化的投资体系。
章秀奇
趣时资产总经理兼投资总监
章总拥有19年从业经验。2016年3月创立趣时资产，曾获得中国证券报金牛奖“五年期私募管理公司奖”、上海证券报金阳光“三年期卓越私募公司奖”、中国基金报英华奖“五年期最佳私募投资经理奖”等。
顾小军
涵德投资创始合伙人兼副总经理
顾总拥有19年量化投资经验，曾供职于千禧管理、世坤投资，2013年创办涵德，专注于研究中国期货市场的中高频量化模型和投资组合优化方法。带领公司连续荣获包括金牛奖、英华奖等在内的多项大奖。
黄灿
盛冠达基金创始人兼投资总监
黄总是国内量化投资先驱，Wind中国最佳私募证券投资经理Top50。公司融合前沿算法与智能风控体系，专注量化策略创新，致力于打造顶尖的平台型量化私募。
童卓
上海彤心雕珑私募创始人兼董事长
童总拥有逾20年横跨公募、券商资管及实业创业的复合背景。曾任职于华夏基金、东证资管，并担任睿远基金私募权益投资部总经理。他以“产业认知+交易定价”为核心方法论，主张以实业视角穿越周期。
主持人：首先有请银叶的首席投资官许总。许总，当前市场已经从预期博弈转向业绩验证，在震荡与结构分化加剧的环境下，银叶是如何通过跨资产、跨策略的动态再平衡，既控制回撤又把握科技成长、周期反转等结构性机会的？请许总跟我们讲讲。
许巳阳：前面几位嘉宾也提到，今年市场主线确实比较清楚，AI仍然是最核心的方向之一。但我们做资管产品，不能只看单一叙事。真正落到组合管理里，除了基于产业趋势做中长期判断，还要兼顾回撤、波动和资产之间的平衡。
从我们现在的操作来说，组合仍然是跨资产、跨风格的动态平衡。AI相关资产的暴露程度还是比较高，但在组合另一端，我们也保留了一部分低估值、高现金流、相对稳健的资产，用来作为杠铃结构的平衡器。
这类资产短期可能会受到流动性影响，但在组合里承担稳定器的作用，尤其是在高波动环境下，仍然有比较大的意义。所以在量化和主观组合都对AI产业链保持较高暴露的同时，我们也会配置一定比例的相对价值资产，做动态再平衡。
从产业第一性原理看，资金最终会流向回报效率最高的地方。当前全球最有资本开支能力的一批公司，仍然在持续加大AI投入，这决定了AI仍是中长期最重要的产业方向之一。
但投资里相对价值和交易拥挤度同样重要。如果一个方向交易过于拥挤，哪怕长期Alpha很强，短期也可能因为杠杆、流动性或者宏观变量变化，进入高波动阶段。因此，应对高波环境下的回撤控制和动态再平衡，仍然是我们重点考虑的问题。
这两年我们体会比较深的一个变化，是AI尤其是AI Agent，已经真正进入到投研和风控流程里。我们把AI Agent用于数据处理、跨资产相关性分析和极端情景测试，帮助多资产策略做得更系统，也让不同团队之间的协同更高效。
综合来看，我们还是会在有Alpha的方向上保持参与，同时做相对价值的动态调整。大家现在比较担心的，是微观流动性和宏观流动性的共振，一旦这些因素叠加，市场波动会明显放大。所以除了抓住核心机会，组合管理里更重要的，是提前把风险研究和应对准备做好。
主持人：接下来请趣时的章总，趣时擅长以行业比较为抓手，自下而上精选个股。在当前AI、半导体、高端制造、消费医疗多主线并存，估值分化明显的环境下，您如何通过行业的景气度与估值性价比的双重选择筛选，在成长确定性和安全边际之间取得平衡。
章秀奇：现在的市场主线并不是很多主线，主线比较单一，从主观多投的角度来说主线目前还是AI科技，如果我们确定这一点我觉得作为主观的配置尤其是趣时，我们有一个Slogan叫做时代的投资人，相对配置比较明确。
问题是AI是不是泡沫或者它是不是真的是产业趋势，这是这几年大家一直有分歧的问题，但是这个问题在今年大家听到的声音越来越少了，因为跟互联网革命不太一样的地方是，AI革命经过几年的发展之后它的一些龙头公司，比如说Anthropic、Open AI的收入在爆发式增长，甚至Anthropic自己披露在今年二季度开始盈利了，本来大家预测2027、2028年正式盈利，这跟当时的互联网有非常大的差异。
互联网从1995年开始很长时间发展得也很快，也是固定资产投资大量的Capex，但是龙头公司是长期亏损的，比如说亚马逊亏损时间十几年。我们发现AI这次革命跟之前有不太一样的地方，以往很多的科技革命龙头公司长期Capex投入长期亏损，这也是一个常态。
比如说很远的运河、铁路、电力革命的时候，电话电报，都是如此。但是这次我感觉人类进步的速度包括科技进步的速度是加速度的增长。
如果它是确定性的产业趋势，那么对于投资决策而言，“确定性”这一核心问题便已得到解决了，这时候要看选择什么样的方向，什么样的方向性价比更高，估值接受程度还有成长性，PB程度如何。
我们看了一下虽然当前市场表现是分化非常明显，但是并没有泡沫化，各个行业的PB分位数和ROE的分位数是呈现沿45度线均匀分布的状态，市场的估值分布，其表明市场是在合理的状态，景气度好的行业和公司给的估值比较高。
反之景气度比较差的行业公司，它确实出现下跌，但是景气度确实比较差，这个市场是相对合理的状态，我觉得只要基于传统的或者说估值和它的成长确定性做筛选，还是相对比较容易做出选择的。
主持人：接下来有请涵德的顾总，2026年很多的量化赛道面临超额收敛、容量约束、风格拥挤和监管升级这些很现实的问题，当行业从比谁跑得快，逐渐转向比谁活得久、走得稳的时候，一家量化机构真正护城河到底是什么，是模型、算力、交易还是更完整的组织和研究体系？
顾小军：做好量化投资其实是这几个层面都需要，基本上是人才先于策略，策略先于业绩，业绩先于规模。不管是头部还是中部做的小一点的，都会在这几个方向有比较多的投入。
在这些之外，我觉得特别关键的是风控，我们2006、2007年开始入行，到现在经历了金融危机、原油宝负油价等各种各样的风险事件，这些很多都是历史上从未发生的。
量化投资这个行业，你赚无数个百分百都不如亏一个百分百。所以在这个过程当中，我们怎么管理好极端风险，怎么在这种极端风险中少受伤，这个是我觉得做量化最核心的点。
从这个点延伸开来，我们刚入行的时候，整个行业还是一片野蛮生长的状态，大家能怎么做就怎么做。后来监管越来越规范，大家做资管也越来越讲道理，行业逐渐走向正规化。在这种正规化下，管理人也好、客户也好，大家都能获得比较好的收益。同样伴随着正规化，整个行业也正处在加速分化的阶段：一方面是头部垄断越来越强，另一方面则是尾部消亡越来越快。因此除了刚才提到的交易风控，合规风控我认为也是关键。
除此之外，我觉得最核心的还是人。首先是人的价值观，量化这个行业离钱太近，如果一个人不靠谱或者私心过重，他就有可能做出完全越界的操作。因此我们在人才建设上，除了能力之外，会更加看重个人价值观。在这个逻辑下，一家量化公司的护城河，在于通过合理的文化建设去吸引靠谱的人才。
主持人：接下来有请盛冠达黄总，您公司新增资深股票α策略团队，选股体系超85%是依托机器学习模型，虽然不到一年时间，产品业绩非常好。请问对股票α策略布局的想法，以及与市场其他机构差异性有哪些？
黄灿：我们公司成立于2013年，秉持稳健发展的风格，目前处于行业中型规模。去年我们引进了业内专业、资深的股票团队，推动实现了股票α策略符合预期的业绩表现。
在策略层面，Alpha一直是我们的核心坚持——唯有在股票端创造稳定的超额收益，才能更好地服务客户。我们的方法论虽与主流趋同，但结果呈现不同特征：我们始终保持极低的年换手率（约10-12倍），配合高度分散的持仓，在低换手框架下依然实现了符合预期的超额收益，且净值曲线符合策略特征。
主持人：接下来有请彤心雕珑的董事长童总。童总，现在市场对AGI和科技基建的讨论分歧很大，有人认为是跨时代的革命，有人担心估值泡沫太重。作为深耕产业一线的团队，您怎么看这轮科技周期的真实含金量，以及接下来的胜负手在哪里？
童卓：彤心雕珑是一家深耕产业的投资机构，我自己也是负责科技行业的研究和投资，我自己做过芯片设计，画过PCB，写过软件，做过算法。投资方面也经历前面两次互联网和移动互联网时代的市场阶段。
现在看AI和前面两次革命也有很大的不同，最大的不同体现在什么呢？前面两次革命，它的数理背景是非常完备的，但是AI里面有很多的Science还没有搞清，大语言模型（LLM）领域应该是Science的问题大部分被解决，或者大语言模型里的Do Research这个事情大部分解决得差不多。但是多模态和世界大模型上应该还有很多的Science问题需要解决，看到这个地方，你就知道整个的AI发展有几座山峰要越过去的。
第一座大语言模型的山峰是已经越过，因为大语言模型的领域里剩下很多是Engineering的事情，它的Research最红利的时代已经过去了，且商业化时代已经来了。这个领域已经确确实实进入了商业化的进程，但是在多模态和世界大模型上，其商业化进程还不一定有那么快，就像DeepMind的哈萨比斯曾经说过的，可能还有两座峰要去翻越。
大语言模型里已经有足够宽广的商业世界去为这些公司提供广阔的舞台了，大家可以看到Anthropic、谷歌等发展非常快。在大语言模型的范畴里，商业化的时代已经开始了，而且前景非常广阔。
机器能够Coding是非常有意义的事情，意味着机器能够和人一样，在数字世界里具备制造和使用工具的能力，这是跟以前有很大的不同。当前，大语言模型在工程前沿领域主要面临两个关键方向：第一是机器学习编码，第二是长程任务处理。我相信在不远的将来，后者也将取得突破。
那么大语言模型里现在三个因素，一个是模型，第二是数据，第三是算力，从这个角度看，现在的主要矛盾点已经收敛到了算力环节。算力只要足够，那么模型的迭代、数据的产生仍有巨大的提升空间。由此可以得到一个结论，大语言模型产业本身的发展已经打开了广阔的空间。当然，在多模态及世界大模型等方面，仍有许多研究工作需要持续推进。但总体而言，这一产业已不再停留在叙事阶段，而是已经真正到了商业化的阶段，而且这扇大门已经打开了。
回到二级市场投资，2015年的移动互联网及“移动互联网+”行情可能是大家记忆中最接近的一轮周期，我是那波行情的亲身经历者。说到产业泡沫，当前所有资产的大幅上涨确实在一定程度上令人担忧，这里面有一个关键点，就是所有的东西涨价也好，紧缺也罢，其实有两种类型，第一种类型可能是完全由供给刚性导致的，第二种类型的创新或者紧缺是由创新驱动的，它能够不断制造新东西，然后导致需求不断增加，并不断降低成本，我认为这两种紧缺是有本质的区别。第一种完全由供给刚性导致的紧缺，这个东西是稍微值得警惕的，因为它在本质上与大宗商品的逻辑差异不大。但是第二种由创新驱动的供给增长，可能是相对良性的，甚至在我们研究的企业里确实存在，它的创新力非常强，但是它在价格上一直在保持克制，比如说涨价只涨一点，远比能涨价的幅度低得多，这样的企业泡沫较小。
所以科技股的投资可以看出来我们团队包括我本人更偏好后面一种，我对于前面那种类型是会保持巨大警惕的。科技股的历史上，最好的投资是什么呢？就是空间有几倍乃至十倍以上的成长，同时这个行业有巨大的创新潜力。
行业竞争格局角度，创新引领的企业一般来说就像参加奥运会项目，只有最头部的那一家企业是最牛的，其他家很难比。这个领域最好不要拼产能，最好拼创新。站在这个角度，回答刚才问题里的后半部分，相关产业的投资中的确是已经有一些泡沫值得警惕，但是还存在非常多的公司，他的市值还有很大的空间。
主持人：接下来请各位对2026年下半年的市场做一个展望。首先请许总，下半年国内政策持续落地，叠加海外流动性环境可能变化，您如何通过宏观维度把握市场整体趋势？在股债搭配和大类资产轮动上，您有哪些调整思路，以把握确定性的投资机会？
许巳阳：过去一段时间，市场对宏观有一定脱敏。不管宏观数据好还是不好，对整个市场风格的影响都没有之前那么直接，一些处在动量中的资产，向上或者向下的趋势都比较独立。
一方面是因为AI产业趋势已经被市场更深入地理解，经过这几年发展之后，大家对产业叙事的认知更趋于一致；另一方面，仓位和共识也在逐渐形成，这就造成了最近大类资产之间的分化。权益之外的资产关注度有所下降，尤其是一季度商品价格经历较大波动之后，大家的关注程度也有所回落。
但往下半年看，我反而会更关注宏观变量的边际变化。产业趋势本身是比较确定的，但资产价格和产业趋势不是线性关系。产业继续向上，不代表资产价格每天同步向上，估值、仓位和流动性都会影响节奏，所以一些细小的边际变化，也可能映射成比较大的动量反转或者波动率变化。
如果回头看一年前，大家讨论比较多的是美元、美债、日本通胀，以及海外流动性和信用利差变化会不会影响云厂商融资环境，进而影响AI资本开支和二级市场表现。类似问题现在讨论少了，但不代表它们完全消失，下半年仍然需要重新纳入观察。
海外方面，我们会重点关注美联储政策沟通方式、前瞻指引和点阵图变化，这些因素都可能影响市场预期。如果这些变化刚好和某些产业主题或者交易杠杆共振，就可能带来超预期的波动。
所以海外宏观流动性仍然是我们重点跟踪的变量。我们不一定能提前准确预测波动什么时候发生，但可以提前把可能的风险场景研究清楚。
国内方面，宏观政策的大框架相对更清楚，更多还是托底和结构转型，宏观流动性大幅收紧的概率不高。但从微观角度看，交易拥挤度、杠杆水平，尤其是海外杠杆的变化，仍然可能对市场形成扰动。因此，我们现在更关注宏观流动性和微观流动性指标的共振。如果组合环境相对稳定，我们会在长久期科技资产上适度提高配重；如果流动性信号转弱，就会增加债券、现金流等更稳的资产和增加防守端配置。
在我们自己的组合管理过程中，这些信号每天都会跟踪和调整。下半年对投资者来说，看到的可能是风格切换；但对我们来说，更重要的是提前把大家讨论较少的宏观风险点研究透，一旦出现问题，能够更快地做出应对。预测风险发生的具体时间很难，但提前做好应对准备，是组合管理里更现实也更重要的工作。
主持人：章总，展望2026年下半年，板块估值分化进一步加剧，成长与价值风格反复切换，想请教您当前更看好哪些具备业绩兑现能力的产业赛道，在个股筛选与组合构建层会重点遵循哪些核心标准。
章秀奇：A股市场经常是成长和价值风格的周期切换，相比之下，美股市场并非如此，美股市场周期切换时间非常长，可能过去十几年是科技成长表现依旧较好，A股喜欢能动是因为A股市场也反映中国的经济周期，他的能动周期和中国经济的周期时间幅度差不多，就是3-4年，持续表现会有3年甚至更长时间。
比如说从2021年，A股市场牛市转熊市以后，到2025年4月份，市场整体都是价值风格占主导，所以市场做的比较好的也是一些偏价值的基金为主。
从2025年的贸易摩擦以后，市场风格转向成长，尤其是科技成长，近一年以来成长风格的表现开始超越价值，所以最近大家觉得传统的价值资产表现比较疲软实际是非常正常的。从风格轮动的角度看，价值风格已经占优3-4年，而成长风格表现优异仅有约一年时间。据此判断，从今年下半年的维度看，我们仍然较为看好科技成长方向，预计其表现将延续超过一年，一般可持续两到三年。
从具体行业来说，我们公司自己的年初策略会上说过一句话：2026年的市场主线是“中国缺算力，美国缺电力，全球缺光和存储”，当下我仍然维持这样的判断。
如何挑选呢，我们有几个原则，第一叫成长的确定性，热点很多，比如说AI相关的细分板块越来越多，研究得很充分，但是我们首先看的是成长或者业绩兑现是不是有确定性。
比如说去年到今年以来有一个板块很热叫液冷，它的成长爆发很强从0到1实现了十倍甚至百倍的增长。但是从龙头公司的业绩兑现角度来说，这一增长始终未能落地，主要是因为液冷领域，中国大陆的公司目前还未触及到产业的核心环节，也不是产业的主导供应链，供应链在美国和中国台湾、中国大陆的公司比较被动，只有少数的公司进入供应链，但还是从边缘做起，所以利润不兑现，成长的确定性还是非常重要的。
另外我们可能要选找一些稳定性高的成长，因为科技变化非常快，一个板块的成长可能稍纵即逝，稳定性极差，此类同样不是好的投资标的。本来做科技成长的投资就非常辛苦，因为它变化非常，如果找到一个辛苦的投资路径里非常卷的行业，可能就属于自找苦吃，这在投资上不是很好的选择。判断成长稳定性的方法就是我们传统的一些投资者筛选的标准，例如壁垒是否足够高、护城河是否足够宽，对于中国很多的行业来说基本上都属于护城河比较浅，壁垒比较低、扩展非常快的行业。
大部分热门行业成长的时间非常短，稳定性非常差，2021年那一波新能源就是如此，你会发现这一波新能源浩浩荡荡的行情下，很多板块的上涨周期仅持续了一年多，原因在于中国的扩产速度极快，一般的扩产周期只有一年一年半，AI的行业也是如此，如果扩产周期在一年以内，我认为需要保持谨慎。
所以我觉得成长的确定性和稳定性是非常重要的，在此基础上我觉得我们要追求成长的速度和空间感，速度是我认为越快越好，空间越大越好，这些没有特别多的要解释的。如果能在前面两个前提条件下，当然是速度越快越好，空间越大越好，这是我的标准。
主持人：顾总，最近大家在讲AI、大模型、机器学习，展望未来随着市场的发展和技术进步，想请您谈谈AI对投资研究的影响，究竟只是把原来的流程做快了，还是改变研究本身的范式？
顾小军：模型的产出相比以前已经有了很大进步，能够不需要人的参与直接做出类似的东西。目前可以明显看到大模型能够自己产出策略，但大模型产出的策略和人做的相比还存在一定的差距，大模型做出的策略大概具备人做出的策略7-8成的功力。不过我认为随着AI发展，模型能力和人的能力的差距一定会趋于接近，甚至可能比人做的更好。
机器生成的内容与人类创作的内容之间，最大的区别是可解释性。人在做策略的时候，不管是人工挖机因子还是深度学习，起码我知道我到底在干什么，即使通过机器学习的方法，我不知道内部是怎么非线性化的，但我起码知道输入给模型的特征是什么，起码我对它的信任度有一定的保证。但如果是纯粹的机器做出来的东西，我怎么确保这个东西是否能用，是否能在市场上真实交易并赚钱，这个是比较需要攻克的问题。
当前的环境下，AI能够提升人的迭代效率。早期，当我有一个想法，我需要先写代码然后再去验证，这样的话，我的思维实际上是从高的一层往下跳了一层，之后再跳回高的一层。现在通过类似Claude Code这些工具，我只要维持在上一层的思考就可以了，下一层对我来说基本是透明的东西。
所以整体来看，模型并不能完全替代人，目前尚未观察到模型能够生成人类无法创造或效果超越人类成果的情况，但是整体的生产、迭代效率在模型的帮助下，确实有了巨幅的提升。更值得思考的，可能是如果未来模型真的产出比人更好的成果，我们怎么能够去更好地应用它。
主持人：下面请黄总，盛冠达是国内老牌的量化私募，公司打造平台型量化私募强调多策略、多资产、一体化研发，请问下半年贵公司主打的是哪个策略，危机未来对平台多策略发展的想法。
黄灿：关于平台化发展，我们很早就确立了多资产、多策略的布局方向。我们的核心理念很简单：投资要分散于多类资产。我们不相信单兵作战，所以坚持在各赛道挖掘优秀团队，整合形成平台。
关于下半年策略，年初我提出三大主线：一是货币超发，二是利率下行，三是逆全球化。关于货币超发：这是过去贵金属牛市以及AI产业泡沫的核心推手。我们认为目前AI产业的发展仍在持续，流动性依然充裕。关于利率下行：无论是中国的经济复苏需求，还是当时看来美国明确的降息周期，都对资产价格构成了积极因素。关于逆全球化：地缘政治的割裂如特朗普的政策倾向，是持续存在的背景。
我们对下半年定调为“谨慎乐观”，流动性虽好，但估值扩张受限。我们预判大宗商品（农产品、工业品）的表现值得关注，这可能影响美联储降息决策。不同资产类别的表现可能轮动，我们会关注大宗商品等资产的配置价值，以增强组合的风险分散能力。
主持人：最后给童总，作为主观多头策略的管理人，资产配置不能押注单一赛道，面对复杂的宏观环境，你们公司在科技之外还看到哪些系统性的投资机会？组合如何进行多元化的布局？
童卓：我们彤心雕珑的合伙人都是做产业出来的，比如说消费品的合伙人，最后一份工作是蒙牛战略投资部的总经理。具有产业背景的人往往有一个共同特征，那就是保持乐观。从市场的角度看，一个K型的市场是对投资特别有利的，高的可以很高，低的可以很便宜，所以K型的市场是肯定存在投资机会。如果市场都是往下跌的也有机会，我们其实最“怕”的是全部这么使劲的上涨。
因为在我们这边,当前涨幅最为显著的是我负责的科技领域，与此同时，负责医药和消费板块的合伙人同样看到了诸多机会——如果就这些领域展开论述，我的专业性可能不及他们。
我们做生意经常有一句话：没有不赚钱的行业只有不赚钱的企业，所以一般来说投资里普涨肯定是有错误的，像科技股这样的普涨肯定蕴含着错误的。同时像消费、医药这些行业普跌就肯定蕴藏机会，所以K型的市场对自下而上看产业和选企业的投资来说是蛮有利的。
在AI领域，我持续采取收敛策略，不断严格标准、缩小范围。相反我们在跌的比较多的那些行业里，的确能看到很多优秀的企业，或者是说真的估值很便宜的投资机会。
至于均值什么时候回归，或者机会什么时候表现，只能够留在市场等待观察，而我们能做的就是基于产业的研究和对于行业和企业的风险定价，然后做出我们主动的选择，所以我们的策略也蛮简单的，就是看你的风险回报比。
因为科技股是我最熟悉的领域，这个领域里我们是不断在缩窄的。正如我刚刚说的，当前的确是非常伟大的时代，但是这里面如果站在投资的角度来说，我是在不断严格标准和收敛聚焦，毕竟，我是2015年行情的亲身经历者。
在那些跌幅较深、估值较低的行业中，现在其实已经有很多企业具备较好的性价比，所以我们觉得投资的机会还是蛮多的。
另外我们是研究企业和产业的自下而上选企业的投资，我们一直控制规模，规模很小，而且控制规模一直是我们策略中很重要的部分，只要控制好规模永远可以找更高性价比的企业，这是投资最根本的事情。当前K型的市场基于产业做价值的投资还是相对有利的，涨的地方可以给我们很好的兑现机会，跌的地方给了我们很好的进入机会。
做投资中有一句话叫“智则始而愚则终”，这个规律永恒不变，一轮一轮下来都是这样。
主持人：感谢五位管理人的分享，今天下午的私募会议到这里，谢谢大家！
5月28日上海
? 相关文章
主会议part1
主会议part2
会议09：与技术同行：系统化投资的策略与实践
会议10：地缘政治冲击下中国供应链韧性
会议11：六大未来产业前瞻专场
会议12：重构新生态：科技、地缘、资源剧变下的战略机遇
本会议为非公开闭门会议，相关会议内容仅面向参会人，未经发言人及主持人授权，请勿直接或重新整理外传会议的声音、画面、讲稿、纪要等信息。对违反上述要求的行为我司保留追究的权利。
本文所载的资料、观点及预测仅用于信息参考及投资逻辑分享，而不构成任何具体的投资操作意见。投资者在进行具体投资决策前，还须结合自身情况并配合其他分析手段。本文提及的任何证券或金融工具均可能含有重大的风险，投资者不应单纯依靠相关信息而取代自身的独立判断，还须自主作出投资决策并自行承担投资风险。中信证券不对使用本资料所产生的任何直接或间接损失或与此有关的其他损失承担任何责任。市场有风险，投资需谨慎。
本资料若涉及任何问题可能对嘉宾观点形成宣传或进一步扩散的行为，还请事前征求发言嘉宾本人意见。涉及会议纪要内容的任何解读行为，还请联系相关客户经理协助您进行确认。感谢您的理解与配合。
特别声明：特邀参会嘉宾在交流中表达的观点属个人意见，不代表中信证券立场。
关于我们
中信证券研究网站：
https://research.citics.com
添加权限请联系您的对口客户经理