雪球·财经有深度

欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫当市场集体抛弃银行股：一个基于“永恒逻辑”的逆向投资框架，来自cp73。

悲观的一致，往往是错误的开始。
当前的中国资本市场，呈现出一种高度一致的预期：机构低配，个人投资者远离，银行股被贴上了“价值陷阱”“增长停滞”“坏账黑洞”的标签。优秀区域银行的股息率普遍超过5%，市盈率徘徊在4至6倍，市净率长期破净——市场定价所隐含的假设是，这些银行正在走向“僵尸化”。

然而，百业兴衰，银行永恒。
本文试图论证一个逆向命题：市场对银行股的悲观一致预期，恰恰创造了罕见的预期差；银行作为经济系统的“平均利润”载体，其永续增长属性被严重低估；优秀区域银行在当前估值下的长期持有收益率，具备创造指数级回报的条件。

一、预期差的来源：市场在定价什么，错在哪里
首先是对于机构的“三座大山”叙事，当前机构投资者对银行股的悲观，集中体现在三个叙事框架中：

叙事一：净息差持续收窄，盈利空间不可逆压缩。中国商业银行净息差已从二零二一年的约2.08%降至二零二六年一季度的约1.35%，累计收窄73个基点。市场线性外推，认为这一趋势将无限延续。
叙事二：地方债务和房地产风险暴露，资产质量面临系统性压力。部分中小银行的不良率上升，房地产市场深度调整引发的抵押物价值缩水，被解读为区域银行的“定时炸弹”。
叙事三：直接融资挤压间接融资，银行被时代抛弃。资本市场改革持续推进，企业越来越倾向于发债和股权融资，银行的信贷中介角色被边缘化。

其次是预期差在哪里？这三个叙事并非全错，但存在关键性的认知偏差：

预期差一：净息差的非对称修复已开始。二零二六年一季度，上市银行净息差环比上行1个基点至1.35%，光大证券明确指出“年内息差向上拐点已基本确立”。存款成本的滞后重定价，正在从侵蚀利润的因素转变为修复利润的动力。市场定价了息差下行的全部历史，却没有定价息差企稳的未来。

预期差二：资产质量的“时间窗口”正在打开。银行的资产质量恶化，是企业利润恶化的滞后映射。二零二六年一季度，规模以上工业企业利润降幅收窄，G D P增速5.4%超预期，经济复苏正在改善企业的还款能力。银行的不良率是“过去式”指标，而市场将它当作“未来式”来定价——这是典型的认知错位。

预期差三：区域分化中的“强者恒强”。全国性银行受制于房地产和地方政府债务，但优秀区域银行深耕经济高增长地带——长三角、珠三角、成渝都市圈——它们的信贷需求旺盛、企业活力强劲、居民资产负债表修复速度远超全国均值。市场用“银行业”的平均悲观，掩盖了“区域银行”的分化现实。

最后是悲观共识的逆向价值
当机构和个人都不看好银行股时，意味着两件事：第一，负面的信息已经被充分定价；第二，任何边际改善，都会带来超预期的估值修复。最大的预期差，往往诞生于最坚实的悲观共识之中。

二、银行的永续性：百业兴衰，银行为什么永恒
首先，银行是经济系统的“镜像”，而非一个“行业”
制造业、科技、消费——所有行业的增长都是阶段性的。智能手机替换功能机，电动车替换燃油车，技术迭代意味着任何一个产业都可能在长期被颠覆。但银行不是“一个行业”，它是所有行业的镜像。

它的贷款组合覆盖了农业、工业、服务业、科技业、房地产业。当某一个行业衰退时，总有另一些行业在兴起。银行的资产结构，会随着经济结构的变迁而自然演进——从十年前的地方融资平台，到如今的新能源产业链、科技企业设备融资、专精特新贷款。银行不赌任何一个产业的未来，它跟随整个经济体系共同呼吸。这是它永续性的根本来源。

其次，银行的利润来源是社会平均资本回报率的忠实映射
我们在此前的分析中详细论证过：银行赚的不是某个企业的超额利润，而是整个经济系统的平均利润。

马克思在《资本论》中论证的平均利润率规律，在银行身上找到了最忠实的表达。银行的贷款组合横跨所有行业、所有区域、所有规模的企业，它获得的净息差（当前约1.35%），恰好处于中国实体经济加权平均资本回报率的中间地带——不是最高的，但一定是最稳定的。

当钢铁行业暴利时，银行只收取固定利息；当钢铁行业亏损时，只要企业不违约，银行的利息依然照收。这种“不极致”的定位，使银行拥有了穿越产业周期和经济周期的制度性能力。

最后是银行的制度保护，它不仅是企业，更是信用中枢
银行与普通企业的本质区别在于：银行的负债端是社会的支付系统：存款不仅是一种负债，更是经济运行的基础设施；银行获得央行的最后贷款人保护：当流动性危机来临时，央行会通过再贷款、再贴现等工具注入流动性；银行受存款保险制度的保护：这使银行在经济下行期不会遭遇“挤兑”这一致命打击。

这些制度安排，使银行拥有整个经济系统中最强的“生存权”。历史上，绝大多数实体企业活不过30年；但优秀的银行可以跨越百年——花旗银行成立于一八一二年，汇丰银行成立于一八六五年，招商银行至今已36年且仍在高速增长。

三、长期回报的数学：平凡收益率+持久时间=指数级奇迹
首先是银行长期增长的“铁底”：G D P+通胀
银行的资产规模、营收和利润，与名义G D P高度绑定。它的贷款余额增速约等于名义G D P增速；中间业务收入增速约等于企业盈利和居民财富增速。

中国名义G D P增速目前约5%至6%，优秀区域银行深耕的经济高增长地带，名义G D P增速可达7%至9%。这意味着：全国性银行的长期利润增速底线约5%至6%，优势区域银行的长期利润增速：约7%至10%甚至更高。这个增速看起来不起眼，远远落后于新能源、A I等热门赛道的阶段性爆发增长。但核心在于：它几乎是永续的。只要中国经济增长不停滞、物价不陷入长期通缩，银行的规模就会持续扩张。

其次是长期持有收益率的双引擎：股息率+增长率
长期持有的总收益≈股息率+利润增长率。
以当前优秀区域银行为例：股息率在5%以上，利润增长率在7%至10%，合计长期年化回报约12%至15%。这个收益率看似平常，但经过复利累积，其长期效果惊人。

复利的核心从来不是年化收益率有多高，而是这个收益率能持续多久。其他行业的高增长是阶段性的——智能手机爆发十年后趋于饱和，新能源车渗透率达到50%后增速必然放缓。而银行的增长是永续的——只要经济在增长，信贷需求就永远存在。

最后是当前市场估值的“双击”潜力
当前优秀区域银行的市盈率约4至6倍，意味着市场只愿意为1元利润支付4至6元的价格。这一估值隐含的假设是：这些银行的利润将很快下滑，或者当前的利润质量极低。

但事实可能恰恰相反：净利润在息差企稳、资产质量改善后，将进入修复通道；若估值从4至6倍修复至8至10倍，股价将迎来盈利增长+估值修复的双击效应。

一个简单的敏感性测算：假设某区域银行当前股息率5%，利润年增长8%。若5年后其估值从5倍市盈率修复至8倍市盈率，则年化回报将远超上述的13%，进入15%至20%甚至更高的区间。

四、优秀区域银行：为什么“局部最优”优于“全国均值”
首先是区域经济的“独立梯度”
我的理论框架是成功的分目标训练，要求各模块在特定环境下独立逼近局部最优解。

优秀区域银行，正是银行体系内的“分目标训练”模块。
它们不追求全国性大行的资产规模，不涉足复杂的跨境业务和衍生品交易，而是将资源集中投入到属地经济的存贷循环中：深耕长三角的银行，受益于民营经济活力、出口企业韧性和居民高储蓄率；深耕成渝的银行，受益于产业转移、基建投入和消费升级；深耕珠三角的银行，受益于科技创新产业集群和财富管理需求的爆发。

这些区域的名义G D P增速，显著高于全国均值；这些区域的银行，其贷款增速、资产质量、息差稳定性，也显著优于全国银行的平均水平。

其次是“局部最优”的实现路径
优秀区域银行的“局部最优解”，不是一个全能冠军，而是：存贷利差：负债成本与全国性银行虽不占优势，但在目前降息周期末期却存在息差翘尾的红利； 资产质量可控：不做异地高风险信贷，不良率长期低位；股息率可持续：利润真实、拨备充足，分红比例稳定在30%以上；不做跨界冒险：不搞财富管理“大跃进”，不涉足投行业务的复杂产品。这正是我的理论框架所论证的：不追求“全能型银行”的虚幻目标，而是在存贷业务的局部梯度上，做到极致。

五、复利链条的稳定性：为什么银行比实体企业更“持久”
首先是实体企业的复利链条，长期面临断裂风险
科技公司必须不断迭代技术，一次路线选择错误可能葬送全部积累；消费企业必须不断迎合变化的口味，一个品牌的衰落可能只需要几年；制造业必须不断进行资本开支，一次产能过剩足以吞噬数年的利润。实体企业的增长，伴随着巨大的“再投资风险”。每一年的利润，都面临着“要不要投、投向哪里、会不会打水漂”的抉择。一次重大失误，复利链条就此断裂。

其次是银行的复利链条，天然更稳定
银行的利润，几乎不存在“再投资风险”：银行的“产能”就是它的资本金和信贷额度，不需要新建产线、不需要技术突破；银行的增长，只需要跟随经济扩张——G D P增长5%，贷款余额自然增长5%，利润同步增长； 银行的分红，来自真实的现金利润（而非需要不断再投入维持的会计利润），股东可以自由支配。

银行是一个“懒人”的理想投资标的：你不需要判断技术趋势，不需要跟踪消费热点，不需要担心产能过剩。你只需要相信一点——中国经济会继续增长，信贷需求会继续存在。这就够了。

六、回到你的投资体系：全局最优解中的“压舱石”
你此前已经构建了一个严密的投资逻辑：将城商行作为“胜率优先”的压舱石，将券商等作为“赔率优先”的冲锋舟，通过顶层再平衡实现全局最优解。

首先对于银行股在你组合中的定位
在这个框架中，银行股承担着不可替代的角色：现金流引擎：5%以上的股息率，为组合提供稳定的现金流入，让你在市场波动时有“子弹”捕捉机会；估值锚点：低市盈率、低市净率，为组合提供安全边际；复利核心：永续增长的确定性，使这部分资产成为你长期财富积累的基石。

其次银行股与券商股等的功能互补
两者形成对冲：经济稳健时，银行贡献稳定回报；市场活跃时，券商等贡献弹性收益。而顶层的再平衡，让超额收益在两者之间合理流动。

七、对市场的回应：当所有人都不看好时
机构和个人都不看好银行股，这不是一个需要回避的事实，而是一个需要利用的条件。
首先，熊市思维已充分定价。悲观叙事中的银行股，已经跌到了“破产价”——但银行不会破产，它们有制度保护，有稳定的利润来源，有不断改善的资产质量。市场在定价一个不会发生的场景。

其次，预期差正在累积。净息差企稳、资产质量改善、经济复苏加速——这些边际变化已经在发生，但市场仍沉浸在此前的悲观叙事中。当事实与认知之间的裂缝越来越大时，就是预期差释放的时刻。

最后，时间是银行的朋友。即使估值长期不修复，5%的股息率+7%至10%的利润增长，依然能为长期持有者提供12%至15%的年化回报。这在任何国家的资本市场，都是一个极具吸引力的长期收益率。而那些追逐高估值成长股的投资者，必须不断判断何时买入、何时止盈——一次错误，可能葬送多年的积累。
而投资银行股，你不需要择时，你只需要等待——等待时间让复利魔法生效。

八、结语：在浮躁的市场里，做一个安静的持有者
百业兴衰，银行永恒。这不是一个口号，而是一个统计事实——近两百年间，银行业始终是全球市值最高的行业之一；银行股是跨越两次世界大战、大萧条、石油危机、金融危机后依然活下来的投资品种。
复利的核心，从来不是年化收益率有多高，而是复利链条有多稳定、能持续多久。优秀区域银行的股息率与增长率之和，已经足以构建一条长坡厚雪的复利曲线。

当市场集体抛弃银行股时，你应该感到兴奋——因为这意味着，你可以用极具安全边际的价格，购买一份近乎永续的年金。这份年金会随着中国经济的增长而增长，会随着区域经济的繁荣而繁荣，会随着时间的流逝而指数级膨胀。在所有人都追逐“十倍股”的时候，你选择了一条更缓慢、更确定、更持久的路。而这条路，恰恰是真正的智慧所在。

欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫能源替代背景下储能的超级预期差，来自柯中。

首先说一下想表达的结论：市场大幅度低估了储能未来的增量以及增速，市场大幅度高估了碳酸锂涨价后对储能增量的压制。
那为什么就仅仅这2个点，市场上却很多人都研究不清楚呢？

因为这里面涉及到3个方面的跨界，第一是碳酸锂，属于有色金属板块，往往在卖方和买方都是研究周期有色方面的研究员在跟踪。而锂电池属于电新板块的研究员在跟踪，而储能目前各地的政策和补贴，以及补贴的细节都完全不一样，又跟政策紧密相关，偏宏观。大家都各司其职。所以真正想有一篇研报，毫无问题的把这3个方向都没有太大毛病呈现出来，基本没有一家做到了。

所以这里面研究起来确实是很痛苦的事情：了解电新的，不懂碳酸锂的金属周期属性，不了解周期的以为一铲子下去就有碳酸锂了，比制造业的硅料还要简单（实际上这个锂矿的开发一点都不比铜矿开发简单），但他们不懂电新的需求变化；了解电新的需求变化的，又不太懂每个地域的政策对储能的影响，算的I R R乱七八糟，还在认为那一点碳酸锂的成本是决定项目I R R的核心，殊不知当地政策以及项目的属性，才是决定I R R的核心。

我们为了证明这2个论点，需要从各方面细节来论证，我们先撘基础框架逻辑。

1、增量需求到底来自哪里。这次爆发是全球性爆发还是就国内的爆发？
这个很容易说明，我们综合从二零二五年以来到今年二零二六年第一季度的全球出货量数据和装机数据。
得出的结论是这次爆发肯定是全球性的爆发，只是目前国内的增速更快了一些。

我们通过统计数据发现，二零二五年国内储能装机量占全球51.9%。当然这个是全球的装机量，并不是储能电芯的出货量。去年E V Tank统计的全球储能电芯的出货量是651吉瓦时，储能电芯，到电池组，再到储能柜和储能系统，再到最终交付装机，这里面是有个9至12个月的周期的，有的项目更是18个月的长度。

我们这里看数据，仅仅只想讨论一个论点，就是储能这次爆发是全球性的。一个行业别说都是持续60%至80%的增速增长了。就是说是个30%至50%的持续高增长都已经算是炸裂了，但是市场却视而不见。

2、今年以来储能招标的增量有点夸张。
我们可以发现，二零二五年储能已经有点爆发了，但是从招标来看，二零二五年也就是1至2月份同比明显增长了一点，但是3至5月份基本同比没有增长太多，但是今年的3至4月份，储能招标全面爆发。

另外海外也是一样爆发：招标项目基本都是9至12个月的项目落地交付的居多，当然还有12至18个月的项目，这些项目周期决定是明年的储能出货量和需求，有点类似订单的意思，所以目前这种招标增速基本保证了未来储能的增速。可以说什么时候招标增速回到15%至20%以内的时候，才有可能是储能增速真正放缓的时候。

有人说什么碳酸锂价格太高，很多项目都延期了，看看招标的强度。假设这里要上100个项目，有20个项目进入犹豫期，但是80个项目的招标就能让市场130%的招标容量增速，如果把那20个项目放进来，是不是就变成150%至180%的增速了？

3、为什么4小时长时储能成为新贵？
要解说这个问题，也是先说一下二零二六年1月30日出的容量电价补偿机制之后的市场行为，因为4小时储能不仅仅单千瓦的成本要便宜8%至15%的幅度，而且I R R最终比2小时储能要高的太多。

我们前面跟大家说过，碳酸锂从6万的价格涨到26万的价格，上涨20万，对一个储能项目的成本提高也就是10%至13%左右，而4小时储能项目因为其他成本摊销等问题，就直接比2小时储能更低了8%至15%的幅度，所以这么看4小时储能的性价比直线炸裂，导致I R R完全不用考虑碳酸锂上涨带来的冲击。

而且容量电价的补偿机制里面也明显地说了，4小时的容量补偿比例比2小时更优。
里面假设的都相对保守的情况下，4小时项目比2小时项目成本单千瓦少了15%左右。我们抛开后面的容量电价补偿机制带来I R R提升，单纯这个下降比例就可以完全覆盖碳酸锂涨到20万的价格带来的影响，只用将储能项目从2小时变成4小时就可以了。

而从今年二零二六年以来，基本65%以上的项目都是4小时的长时储能了，少量的工商储项目和调峰明显的地区还是2小时为主，但是长时储能明显的已经成为趋势。

能源替代背景下储能的超级预期差的最后：我们今天讨论的是储能行业爆发的力度，范围以及持续性，另外成本核算上的差异会对项目带来的影响。

我写这篇文章的初衷就是这次去北京交流后，个人觉得这一轮的储能爆发和二零一九至二零二一年光伏行业的爆发有异曲同工的地方。当年光伏经过了前面2轮周期后，大家都不相信这个行业了，即使在二零一九年给较低的估值，市场都觉得合理（和现在锂电池行业很像，经过了前面两轮周期后，市场认为锂电池就只这个估值）。但是在后面确实需求又因为各种政策和性价比等原因，导致国内外再次一起爆发，从而出现了光伏行业的辉煌三年。

而储能目前的背景和位置和二零一九年的光伏非常的相似，政策的持续更新迭代，看上去一般般，但是实际上更加友好的支持行业的发展，和当年的光伏一模一样。但是实际上大家真正懂这块政策对行业影响的研报太少了。另外这次还有一个海外的因素，导致能源替代下，储能成为最优解，我们忽略了国外一些国家对能源替代的重视程度，哪怕每个国家在未来1至3年时间内，加速那么一点能源替代的预期，这个对储能的增量需求也将是炸裂的。

另外一点就是储能电池以前在整个锂电池行业里面占比并不高，但是经过这1年的发展，目前国内储能的锂电池排产已经来到了40%以上，而宁德前面也无数次强调未来储能和动力电池的产能占比是5比5或者更多。那么我们非常有理由相信，储能在未来1至2年的持续爆发是大概率的事情。从而带动整个锂电池行业持续高增速。

最后我们非常有理由相信，目前决定行业增速的关键并不是需求，而是产能的投产速度。也就是说未来的1至2年时间里面，储能的产能只要出来就会拉满，产品持续是供不应求的状态，交付延迟，订单周期较长。

而所谓碳酸锂从6万的最低价涨20万到26万给储能项目带来的影响，成本提高那么10%至13%的幅度，远不如政策上开始偏向4至8小时储能以及4至8小时储能相对2小时储能带来的降本，以及采用大电芯技术升级带来的行业降本。

所以储能目前的位置确实很低，而储能对锂电池行业增速的贡献，大家都严重低估了，从而导致严重低估了对碳酸锂需求的增量，另外又明显的高估了碳酸锂涨价对储能项目I R R的影响，所以这一系列文章就是来解决这个困惑和预期差的。

欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫互联网投资再思考：业务只是表象 底层仍是科技，来自刘志超。

过往数年，我曾多次在雪球发长文、短推强调一个观点：“科技股不适合封仓式投资”。

对于硬科技行业而言，这一点在行业演进中体现得非常直观，认知分歧不大。真正的认知陷阱，往往出现在“互联网科技公司”身上。
由于行业特点，互联网公司的主要业务通常是互联网+消费、金融、社交或娱乐等行业业务。在技术迭代相对平缓的时期，它们的业绩表现稳定，主要展现出相关业务的行业特征。承平久了，大家会自然地把“业务属性”视作公司的根本，却忘了或不在意支撑这个行业的底层基因依然是残酷且冷峻的“科技属性”。

回想一下距离我们最近的科技迭代——传统互联网向移动互联网的跨越。那时，腾讯在推出微信前陷入了深深的焦虑；阿里倾尽全力推动网页淘宝向“手淘”转型；百度斥巨资收购手机应用分发平台。当年B A T拼尽全力，只为争夺一张移动互联网时代的“船票”。当移动互联真正成为日常，结果我们都看到了：带着焦虑的突围成了王者，全力以赴的越做越大，花钱买入口的最终丢了座次。

一场底层科技的进化，对行业格局的重塑可谓天翻地覆。
然而，若论科技变革的烈度，从传统互联网到移动互联网的转型恐怕无法与如今“工业革命”级别的A I科技创新浪潮相提并论。以及，从P C到手机，曾经的参与者至少还能沿用部分积累的经验与资源；但在当下的A I时代，所有人都是在驶向未知的深空。

现时，绝不会有哪位互联网高管敢担保，A I的创新浪潮不会冲击其现有业务；更没人敢保证，在错失A I之后，公司的生态位还能完好无损。在如此剧烈的科技变革面前，管理者几乎不约而同地将资源与精力重仓押注，拼尽全力去抢夺下一个科技时代的船票。这也是目前中美两国绝大多数互联网巨头的坚决选择。

身处这场剧烈的科技革命中，五年，甚至三年后，行业格局又将如何演变？我想没人能严肃地给出一个图景稍微清晰的答案。
作为投资者，我们理应比管理层多一份冷静的审视，因为相比他们，我们可以有更多的选择。身处A I科技创新的浪潮中，面对底层原本是“科技基因”的公司，万万不要轻易被它们在上个科技周期里形成的、看似极其稳定的“业务表象”所迷惑，从而轻率地根据静态估值做出“封仓十年”的投资决定。

欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫A I狂热的另一面，写着R O I C来自三体人在地球。

腾讯控股似乎已经没有什么能够阻止A I股继续上涨了。
在经历了去年第四季度市场质疑Capex 投资回报率，以及伊朗战争对市场的扰动之后，A I股凭借着极致的业绩释放，让股价再往上走了一个台阶。在这样的市场环境下，A I已经变成了一个“市场正确”的叙事。如果哪家公司不谈A I，甚至只是A I含量不够，市场恨不得马上贴一个“老登股”的标签，和这些“光着站在那里”的公司划清界限。

可是，我不知道市场上有多人认真想过一个问题：公司做A I究竟是为了什么？ 如果回归到做生意的第一性原理，做任何事情当然都是为了赚钱。可你马上就会发现，如果说A I Infra硬件公司还能因为C S P的巨额Capex拿到了实打实的收入和利润增长，那么有些C S P为了投A I竟然已经把利润和自由现金流烧成了负数，甚至需要举债投入。当然，这也不妨碍这两类公司的估值当前同步上升。

但如果我们稍微切换到企业经营者的视角，其实目前这个状况是一个巨大的考验。如果不去拥抱A I，市场不买账，也赶不上生产力革命；但如果不顾一切地去投入，似乎也很难论证今天的资源投入是否真的可以在未来产生正向回报。

对于A I Capex叙事的另一面
也许很多朋友会说，决策A I Capex有什么难的，美国C S P一年都投七八千亿美金了。可是，与世界上其它重资产投入一样，A I Capex也面临着R O I C的风险，只是目前市场好像已经选择性地忽略了。

这段时间，我和几位朋友都讨论过A I产业，而其中有些朋友会把C S P的收入和利润增速看成是一个行业健康、需求稳固的信号，从而判断目前行业估值正处于合理水平。但是，我认为要先看清楚Capex、收入和利润在C S P的报表上究竟意味着什么。

C S P的大部分A I Capex是用于建造数据中心。数据中心向用户收取基于Token的收费，支付诸如电力、人工等等的浮动成本，同时也承担着折旧成本。其实，Token收费本质上是一种基于Capex的租金。因此，不断兴建数据中心，一定程度上就能推动收入的上涨。

这时候可能就有朋友要反驳了。供给增加不一定导致需求增加，因此目前收入不断增长，已经证明了需求也在快速增长，而这种增长很可能还要持续很久。当然，现在确实没有足够的证据来否定这样的可能性。但我觉得市场现在也同样没办法否认其余的两种可能性：

第一是需求跟价格是反比关系，而当前需求的爆发有可能是价格过低导致的。其实，云服务的定价必然会参考成本，只不过在财务上，这里面有很大的操作空间。假如一个数据中心投资6亿元，分6年平均折旧，每年折旧成本在1亿元，假设所有电力、人工成本总共0.5亿，那数据中心每年产生2亿收入，就有0.5亿的利润，也就是25%的利润率。因此，数据中心的定价可以锚定2亿收入的水平来设定。

但是，在这个例子里，最核心的假设并不是2亿的收入，而是6年的折旧年限以及平均折旧这个折旧方法。这也是大空头Michael Burry攻击的点，他认为G P U的折旧年限远远到不了5至6年。而如果你是英伟达另外一种产品——游戏显卡的用户，应该能很明显感知到6年前到游戏显卡和今天游戏显卡的性能差距。而我没有Michael Burry那么激进，但我觉得至少应该用加速折旧法来对G P U进行折旧。这实际上的逻辑是，随着G P U的性能迭代，也许确实能用6年，但产生的单位收益可能是会递减的。因此对应折旧成本也应该是前高后低。

在上面那个例子里，同一个数据中心第一年产生2亿元收入，并不意味着以后每一年都能产生同样多的收入。假如这6亿Capex用3比2比2比1比1比1这样的折旧节奏，第一年的折旧成本要去到1.8亿元。加上0.5亿浮动成本，总成本2.3亿元。这时候如果还是按照2亿元的收入来算，会是一个负的利润率，和6年平均折旧的情况差异巨大。

而在同一个数据中心收入递减的情况下，如果使用平均折旧法，实际上就是高估资产周期前期的利润，把损失延后到资产周期的后期。但在资产快速扩张的阶段，其实需要很晚才能直观地看出这个问题。这是因为随着资产投入不断增长，在同一个时点里，在资产周期前期的新资产会比在资产周期后期的老资产数量多，能够很好地掩盖这样的问题。

第二是需求本身可能也有周期性。当前Token需求里，可能同时包含真实生产力需求、企业试错需求，以及狂热阶段的低效率使用需求。其实真正需要判断的，除了Token用量有没有增长，还包括其中有多少能够沉淀为长期、稳定、可付费的需求。

首先，目前A I工作流就是每家公司互联网公司里最火热的话题。我相信每个大厂的同学，最近几个月都主动或被迫地大量使用了A I工具来工作，尽管最后会发现有时候人工智能表现并不一定好于“能功智人”。而如果这些A I应用投入最终都是由企业来买单，那么当有一天企业对A I的态度从拥抱生产力变成降本增效，这些没必要的A I训练和工作环节很可能会恢复正常。

其次，如果我们忽略目前这种AI狂热潮流的影响，就算大家都是理性地开发自己能长期使用的功能，当前的A I Token需求也有可能处在一个周期性高位上。原因就在于，A I工作流里最消耗Token的是开发阶段。在A I工作流普及初期，人人都热衷于开发适合自己的功能，因此Token用量自然巨大。而随着开发成熟和可流通的Skill增加，A I Token的消耗量并不一定会线性增加。

其实以上讲的2个问题，归根结底就是数据中心的完整生命周期里，R O I C最终究竟是多少。我们看到很多A I硬件、设备公司业绩突飞猛进，其实依靠的是下游C S P不断提高Capex。而C S P的Capex节奏则最终会受到R O I C的影响。尤其是，如果当C S P越来越多去使用债权融资的方式发展数据中心，单个数据中心R O I C迟早会成为一个可被发现并影响巨大的问题。当然，我并不是说未来必然会往最坏的方向发展，只是在当下这个阶段很难排除这样的风险。

对于资产运营并非互联网业务
其实，我觉得强调R O I C这个看法，多多少少是缺乏互联网思维的。可能有朋友会提出这样一个疑问：就算当前A I Capex的全生命周期投入产出确实是负的，那有没有可能这就是一种类似互联网补贴的行为？是不是谁能烧到最后就能做到赢家通吃呢？

我觉得，在A I业务越来越变成一个重资产业务的今天，仍然用互联网业务的视角来看A I业务是危险的。A I业务更像是一个资产运营业务，而它和互联网业务的本质区别在于，互联网业务能够通过规模扩张实现边际成本的下降和边际价值的提升，而资产运营业务不能。

举一个大家更熟悉的例子。国内很多互联网公司曾经混淆过资产运营业务和互联网业务，典型的例子是共享单车。当年行业内几家大厂疯狂投车，但最后都没有收获盈利。在这个业务模式里，在同一个时间段里要多服务一个用户，就意味着需要多投放一台自行车。而用户在同一时间段去选择用哪台自行车，也不会因为规模产生根本的影响。也就是说，就算地铁站外面10台车里只有1台小蓝，其它都是小黄，这台小蓝给用户提供的价值并不会比小黄差。

而共享单车带给行业的还有另一个教训，那就是资产运营业务对于报表的长期影响。在互联网业务中，平台烧的补贴和广告基本都是当期的支出，公司集中投入一波，拿到客户和规模，让平台飞轮转起来，后面这些投入就不再影响利润。然而，在共享单车这样的资产运营业务里，一开始买车的时候，对利润表的影响不大。然而，这些车会在整个生命周期里持续释放折旧成本，也就是说会持续影响后续3年的利润。

可能有的朋友会说，在A I这个生意里，模型质量会是一个差异化的点。如果某个大厂能烧出一个非常领先的模型，是不是就能赢下这场A I战争，拿到市场的领先份额呢？ 首先，我觉得天量Capex其实也不能保证模型的质量。最好的例子是x A I，虽然投入巨大，但目前对比北美御三家已经出现明显的掉队。其次，有好的模型质量，可能并不一定最终走向赢家通吃的结局，同时也不能合理化资产的盲目投入。还是举上面共享单车的例子，就算小蓝把自行车做得明显比其它厂商好骑，它也无法做到每次用户做选择的时候会只选它，更不能保证他们把单车铺满整个地铁口是一种合理的做法。

因此，基于资产运营业务的这些特点，在投资产的时候做出清晰而理性的规划十分重要。共享单车恰好给我们展示了在行业无序竞争，参与者忽略商业本质盲目投入的情况下，最终形成一地鸡毛的结果。而目前在数据中心这个事情上，似乎又看到了相同的事情在更大的规模和叙事维度上再一次上演。

商业模式往往是讨论A I时最被忽视的重点
在行业和市场的狂热下，我觉得重视A I和大力发展基模已经是行业共识了，但是商业模式这一点，是当下市场里被忽视的。但实际上，如果要把数据中心的ROIC做到一个健康水平，不仅需要考虑投入多少，更需要考虑公司的A I业务面向什么用户，提供什么样的价值。也就是说，一方面围绕用户打造价值，另一方面围绕价值获取利润，形成一个健康的正循环。

在这里首先值得警惕的是一种A I至上主义。如果公司单纯为了迎合市场、提高市值而做A I，实际上会远远低估重资产模式对公司报表的持续性影响。因此在短期内通过创造所谓A I收入迎合了当下市场的口味之后，也许往往在资产生命周期的后段遭到反噬。而且，对于这种做法，市场对A I对狂热期越长，他们投的Capex越多，到后面可能被反噬得越厉害。

而从今天这个时点来看，A I应用可以分为1.0和2.0的时代。在1.0时代，以对话机器人为主导，本质上更像是传统搜索功能的延伸。这样的业务并不能服务好硬核的A I工作用户，而只能够为大众提供对话服务。不过，区别于传统的搜索业务，一方面Chatbot每次回复都对应着Token消耗，而另一方面又很难通过广告或竞价排名变现——因为这会完全破坏用户和Chatbot的信任关系。更重要的是，根据目前市场上的信息，似乎Chatbot的用户日均使用时长比较短，因此很难在上面嫁接其它衍生业务。

而A I产品的2.0时代则是类似Openclaw、Opencode、Codex、Claude Code这样的工作助手。事实上，A I股能够从去年第四季度的投资回报率质疑中再次起来，标志性事件是Claude 以及Claude Code、Claude Cowork的崛起，直接打造了A I生产力的叙事，并且造成了所谓的SaaS末日论。后来，这个A I赋能工作的叙事又被Openclaw进一步加强。

我觉得A I工作助手的意义，在于证明了A I赋能生产力的高价值场景已经出现。产品和模型能力，客户的需求以及付费意愿，在这种A I工作流场景里得到了很好的结合，形成了一个比Chatbot要有确定性得多的应用场景。不过，工作助手这层壳儿，其实每家公司几乎都可以做一个。而这个产品最终的竞争也许取决于两个因素：第一，是这家厂商自有基模的质量。工作助手只是一个入口，用户付费的行为主要取决于模型。因此模型厂有可能自己做工作助手这一层（如Claude Code、Codex），但工作助手这一层（Opencode、Cursor等）要去做一个同样好用的基模则相当困难；第二，是这家厂商自己的生态连接。这种类似Harness的因素，当前往往是被忽略的。如果厂商自己拥有一个全面的内容、商业生态，又只有自家的工作助手能够进行无缝连接，其实对于工作助手来说会是一个巨大的优势。

结尾：尽管我上面说了不少相对悲观的观点，但作为每天都在使用A I工作的人，我对目前A I的能力也有非常显著的感知。因此，我并不是否定A I的价值，只是对狂热叙事下的估值暴涨有天然的警惕。历史上市场已经多次证明，尽管是产业革命，但市场的估值泡沫仍非常脆弱。

而在这样的市场环境下，我认为参与A I股的最佳方式，仍然有两条路。其中一条是做短线，跟着市场情绪走，并赶在叙事发生变化前离开。而另一条路，则是去投资A I 的Free Call。也就是当一家公司有发展A I的意愿和能力，甚至已经开始大举投入且有一定成绩，但市场却没有给公司的A I业务定价的标的。前者波澜壮阔，后者更平淡，但也更安全。毕竟最后大家会发现，比AI更重要的，是能赚钱的A I。

欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫Token经济学：Token产业链投资机会全解析，来自二鸟说。

之前给为大家分析了为什么要从“以运营流量为中心，转向以运营Token为中心”。事实也证明全球各国Token产业链的合作与竞争已经拉开了序幕。

据统计，近期中国大模型的周Token调用量，已连续多周反超美国，峰值拿下全球61%的市场份额。这说明国内Token产业链已日趋成熟，成为全球市场中的重量级玩家，相关上市公司未来有巨大的价值提升空间。下面就来为大家深入挖一挖这其中潜藏的投资机会。

一、国内Token产业链全梳理
Token产业链包括创造Token、输送Token、应用Token等环节，国内已形成较为完善的上、中、下游产业结构。
图表1：国内Token产业链上中下游。

对于上游：提供Token“生产资料”
Token产业链的上游，提供生产Token的“硬件与能源底座”，是重资产模式。核心参与者是提供电力、芯片、通信、存储设备、温控等产品的企业，聚合之后的形态是A I算力中心。

其中电力是“血液”，需要24小时不间断供应；芯片是算力引擎，承担着矩阵运算、上下文编码等任务；通信是“血管”，承担服务器间、芯片间的高速数据交互、参数同步与上下文流转。
A I算力中心将上述原材料或设备集成起来，形成生产Token的工厂，按照“电力到算力到Token到价值”的路径，以每瓦电力产出多少Token作为生产效率指标。

对于中游：连接Token生产与消费的枢纽
Token产业链的中游是整个产业链的调度中心与变现枢纽，核心参与者主要包括两类。一是云厂商或智算服务商，如阿里云、腾讯云、华为云、火山引擎等。二是大模型厂商，如字节豆包、阿里通义、腾讯混元、DeepSeek等。

中游是轻资产模式。靠模型架构、推理优化、算力调度等软件手段，把上游A I算力高效转化为标准化、场景化、高性价比的Token服务，向下游应用进行匹配和分发。这个环节的利润空间主要由提供单位Token的成本和售出单位Token的价格来决定，成本越低、售价越高，利润空间越大。

对于下游：消耗Token并支付费用
Token产业链的下游是A I从技术价值到商业价值转换的关键，处于全链条的最终闭环环节。这是决定上游产能与中游服务能否实现商业价值的核心锚点，为全产业链提供持续运转的动力。核心参与者是A I应用、A I智能体、企业用户、模型开发者等。比如，有些下游企业谋求利用A I应用来提升实际生产力，让Token不再是费用，而是生产性投资。A I模型研发过程中，同样需要消耗大量的Token进行训练。

整体上看，国内Token产业链已经逐步成型：上游造“算力厂房”，中游开“Token工厂”，下游卖“A I产品”。其创造价值的能力和空间不可估量，而且在Token出海方面也形成了较强优势。

二、国产Token出海的竞争优势
目前，国产Token已成为全球A I算力供给的重要增量力量。核心在于，国内Token产业构建了全球难以复制的系统性成本与生态壁垒。

首先是成本优势。根据测算，中国Token综合成本仅为欧美同类服务的十分之一至十六分之一，背后最重要的原因是电力优势（电力占Token成本高达六七成）。国内依托西部绿电成本优势，结合“东数西算”工程、算电协同、特高压布局和峰谷调节能力，电力供应充足且电价仅为欧美的四分之一甚至更低，使得生产Token的度电成本远低于欧美。

其次是全链条自主可控。中国作为全球领先的制造业大国，无论是在硬件端（如芯片、存储、光通信），还是在软件端（如大模型、A I应用）都具备完整的生产和服务体系。实现了从电力、算力、基建、液冷到模型训练的全产业链自主可控，不用担心被“卡脖子”。同时，国内技术迭代较快，降本增效动力足，产品性价比更高。比如，国内芯片设计会采用专用架构，放弃通用G P U冗余能力，专为A I推理优化，较海外同量级产品能便宜一半。

再就是区域优势。中国在出口方面持续降低对欧美的依赖，有能力在Token出海方面主导“一带一路”沿线、东南亚、中东、中亚等非欧美市场。
整体上看，中国正以“电力到算力到Token”的转化优势，重构全球A I产业定价权。国产Token出海的投资机会值得重视。

三、结语
回望本轮 A I 产业浪潮，资本市场在追逐模型、应用与场景的喧嚣之后，终于开始认识到贯穿全产业链的通用硬通货 ——Token，它的价值重估才刚刚开始。现在布局Token产业链，就是先人一步投资A I时代的 “数字石油”。这不是短期题材，而是有望贯穿未来数年的主线，值得我们持续跟踪和研究。