11月18日,巨杉资产发布观点称,2026年以来,市场反复考验投资者的耐心:年初地缘冲突推升能源价格,年中以来以AI叙事为驱动的公司股价大幅回撤,10月海外围绕AI需求可持续性的叙事再度发酵,A股相关板块随之调整。这些冲击是真实的,但它们改变的是价格,而不是中国产业效率持续积累的进程,也不是资本回报均值回归的规律。情绪的演绎常常迥异于基本面,管理人能做的,是避免情绪的影响,尽可能把投资判断建立在后者的时间尺度上。
中国制造的竞争优势,正在从规模成本转向技术与品质
判断中国资产的价值,最终要回到产业,化工提供了一个比较清晰的样本。
经历近五年下行与竞争深化,中国化工各子行业普遍沉淀出独特的工艺know-how。这类积累难以通过外包建厂或外部采购获得,一旦团队与工艺流失便难以再生。结果是头部与追随者的毛利鸿沟持续拉大:以醋酸为例,同行毛利率自景气高点约50%降至个位数,具备成本优势的龙头仍维持在30%上下;纯碱、氨纶等子行业也呈现各自的分化。竞争格局稳定后,这类企业的盈利稳定性明显提高,与市场早期印象中的强周期行业已有本质区别。
供给端的约束也在系统性增强。环保标准趋严使高门槛环节的中小产能持续退出,“反内卷”进一步压缩无序价格竞争。化工覆盖面广、普遍存在供给受限特征,机会是结构性的。
AI产业革命的中国位置:绕不开材料、机械与电力
市场对AI的关注集中在算力芯片与大模型,但从产业落地看,大规模商业化最终绕不开材料、机械与电力。恰是在这些“物理世界”的环节,中国工业体系的完备性构成难以替代的优势。
例如:数据中心供电方式从燃气轮机向固体氧化物燃料电池演进,正拉动上游特种材料与化学品景气;电力需求长期扩容,使核电及其上游资源具备明显的长周期特征。应用侧也是类似的逻辑:AI在国内的落地更多由真实需求驱动,服务型行业“员工薪酬/收入”之比越高,往往意味着效率提升空间越大。
市场最担心的问题:AI会不会“急刹车”
10月市场下挫的叙事集中在两件事:海外个别头部模型公司披露的收入数据大幅下挫,以及海外政治周期变化后对AI数据中心建设的负面态度,由此引发对AI建设急刹车、硬件需求滑坡的担忧。这些担忧巨杉资产逐项做了评估。
先看投入产出。2026年全球AI数据中心资本开支约1万亿美元,两家头部模型公司的AI业务收入合计约1700亿美元,对照确实突兀。但这个口径忽略了两家以外的需求增量:以2023年为AI元年,把头部科技公司的新增收入与新增资本开支都视作AI相关,按新增业务EBITDA利润率约60%测算,现金流与累积资本开支的比值中枢约25%,仍属积极水平。
再看需求结构。看第三方Ramp提供的数据,头部1%用户的使用量仍以几何级数提升,中位数用户温和提升,表明真正的爆发来自企业端——全球大量的B端企业通过部署模型正在重构业务流程。这会是一个比Coding更具商业闭环的结构性需求。
再看成本端。GPU卡与存储因紧缺而价格飞涨,相关环节毛利率长期高企,直接制约了AI投资的回报率。但AI要走向大范围渗透,Token价格就必须持续下行,也就需要GPU卡和存储价格的同步下降,因此,更大规模、更低成本的半导体产能扩张是绕不开的解法。中国半导体制造业因此成为这一轮技术革命中不可或缺的一环,也蕴含持续的战略机遇。
如何面对波动
中国制造业依托规模与成本优势,为全球市场提供了大量高性价比的产品,也使相关行业的资本回报在过去一段时间处于相对低位。但这背后有一个朴素的道理始终成立:同样的产品,长期来看,成本低的终将战胜成本高的。中国生产要素的结构性力量,是影响全球经济发展格局的核心因素之一。政治和关税壁垒可以压低优质生产力一时的回报率,却无法激励落后生产力的大幅扩张。资本回报的均值回归是产业周期最本源的驱动力,优质生产力不会长期在低回报率的阶段徘徊,低迷持续得越久,离回报率回归的拐点就越近。
市场的大幅波动,为优质资产提供了更有吸引力的价格,因此也蕴含着更具吸引力的回报水平。价格终会回到价值——中国产业的效率仍在提升,时间站在这一边。
(文章来源:新京报)