夜雨聆风生命是不够长的，所以人的本性是需要快速看到成功。——凯恩斯
回顾5月，AI 仍是市场的主线，主线内烈火烹油，主线外哀号遍野。渴望快速成功的人性在AI投资中似乎到达了极致。
我们也认同AI的需求真实和极其旺盛的。今年从小龙虾开始，到Claude code和Codex，Agent取代 Chatbot成为主流用法之后，需求呈现出指数级增长。我们看到了AI在很多商业场景下创造了非常好的回报。在相当多场景下，AI对人工的替代是低成本和高效的。
可越是这样乐观的叙事，越容易走向无限的乐观。最常见的一种是市场直接用白领的工资总额和GDP可以被AI自动化的份额，去估算 AI 能创造多大的市场，用宏大的故事来计算前沿模型公司的市值。这个算法是经不起仔细推敲的。
经济学上有一条朴素的道理：企业创造的价值，是收入的上限，而不是最终的收入。企业的实际收入取决于竞争。
如果回顾历史，PC 是一个很好的的例子。个人电脑的普及极大提高了生产力。我们现在很难想象一个没有电脑，只靠用笔计算的世界。如果没有PC，人类的GDP可能要下降80%。一台PC能做的事可能超过5个人，但没有人会为租赁一台电脑支付一个人的工资。电脑公司竞争让用户和企业留存了大部分生产力增长红利。合并来看，电脑公司的回报可能仅仅略高于社会平均回报。即使是微软和 Intel这样在PC领域的垄断者（Wintel联盟），累计赚到的利润和整个GDP增量相比都微不足道。按照我们估算,wintel联盟从PC赚到的累计利润，和PC 带来的人类 GDP 增量相比还不到2%。
事实上，从实证研究的角度也是如此。William Nordhaus 在2004的论文《Schumpeterian Profits in the American Economy》中实证发现:创新者平均只能捕获其创新所创造的社会总剩余的约2.2%,其余98%以消费者剩余和外溢效应漏给了社会。但是资本市场在给创新者定价时会大大高估"可占有性"——投资者错把"创造的社会价值"当成了"股东能捕获的价值"。背后的原因就是技术的扩散比大部分人想象中要更快。
所以用AI创造的超额GDP去倒推 AI 的天花板，大大高估了这个行业最终的价值。问题从来不完全是 AI 创造了多少价值，而是这些价值最终会流向哪里。要回答它，我们就得顺着产业链一节一节地看哪一节留得住价值。差异化，或者垄断是价值留存的关键。
先看大模型。
Anthropic 的ARR增长很快，算力供不应求。但真正的问题只有一个。模型的商业模式会不会越来越来越商品化，这个背后的问题是模型的智能化差距能否扩大。
从数据来看，模型之间的智能差距正在收敛。今天最领先最昂贵的前沿模型的智能水平，并没有和次优的廉价开源模型拉开更大的距离。原因之一是蒸馏：前沿模型靠不断用更大数量级的投入和算力来持续扩大训练规模、堆高参数以及巨大体量的强化学习换来进步，这些进步会被后发的模型吸收过去，代差很难真正拉开。
模型能力当然是最重要的。模型不够聪明、连任务都完成不了，再便宜也没有意义，只会浪费时间和算力。从这个角度看甚至前沿模型是“性价比最高”的。但我们说的是另一种情形：如果未来两年，模型智能持续提升，但是无论前沿模型的投入多少算力，差距始终拉不开，前沿模型的定价能力将受到极大的制约，大模型的公司的商业模式走向商品化。自动驾驶可能是另外一个例子。自动驾驶是一个教科书级别的“巨大增量价值 + 差异化归零 = 商品化” ，这个链条中绝大部分公司的市值都出现显著的下跌。
我们可以想象如果 DeepSeek 这类中国模型，能以 5% 的价格提供 95% 的性能，前沿模型高昂的定价便难以为继。为了多出来的那 5%，你又愿意多付多少？
真正可能改写前沿模型的结局的，或许只有AI自进化。如果哪一天某家前沿模型公司率先让模型自己训练自己和改进自己，或许可以拉开差距甚至走向超级人工智能时代。但这条路同样会受制于算力瓶颈。
再往下一层，是Agent产品。
这里的产品是类似于小龙虾、Claude Code、或者是workbuddy这样的agent产品。产品把模型包装成一个能够干活的 Agent。
最近几个月我们看到harness对模型最终的表现的影响变得更加显著。如果未来模型本身的差距在缩小，"用什么agent去用模型"，就成了创造差异的地方。我们的看法是，产品这一层的商业模式可能比模型公司更值得关注。
从商业模式上看，它更像一个典型互联网产品。首先它有很强的规模效应，边际成本接近零。同时，用户的使用习惯创造了转换成本和用户粘性。尤其同事和客户如果都是用一样的产品，产品粘性就更加强。这些特征很像Office或者腾讯会议。
还有协同的能力。Agent可以调用其他成熟产品，比如视频会议、文档、通讯软件。这个特征让Agent产品的差异化是天然存在的。这种有用户粘性、零边际成本、有网络效应和协同效应的产品是更有可能天然具备可实现的商业模式。
再往下一层是应用内嵌AI。
我们认为，最终让世界上几十亿人使用 AI 的方式，既不是今天的 Chatbot，也不是那种为少数专业人士提效的编程 Agent。AI 走进每个人的生活，最可能的入口，是早已躺在手机里的超级 App。在中国，最核心的入口或许是微信里的 Agent；在海外，则更可能是苹果、安卓、Meta 和谷歌。
有一条很有用的"定律"：新用户价值 =（新产品的用户价值 − 旧产品的用户价值）− 转换成本。一个新产品更好用，不代表能自然获得用户，更好用的程度必须超过用户转化成本。而转换成本，往往比大多数人想象的要高得多。
今年以来，市场相信AI 会替代掉一大批软件，颠覆很多现有的软件和互联网产品。今天用 AI编程做一个产品确实容易了很多，但是一个产品要成功，编程可能是最不重要的一环。难的是理解用户的需求，用巨大的代价获取用户，充分考虑和理顺利益，逐步形成一个双边、多边平台。眼下活跃在市场上的这些超级 App，历史上曾经投入的获客成本都是天量的。
反过来，现有巨头也有巨大的紧迫感，驱动这些公司尽快把 AI 嵌进自己的产品。这样的好处是用户是现存的，而且天然对用户有足够的理解。使用现成的APP不必改变用户的习惯，而且商业模式天然存在。新玩家能做的功能，老玩家同样能够实现，而且用户是现成的。一个新产品想要既远远超过旧产品的价值，又跨过那道极高的转换门槛，难度其实非常大。
即使是企业SaaS公司，我们也看到故事在发生变化。今年上半年，软件股跌得最惨，市场担心 AI 的 Agent 会SaaS 连根拔起，软件指数一度大跌。但最新的财报展示的是，AI 贡献的新增收入正在增长：Salesforce 的 Agent force，ARR 已做到 8 亿美元，连同 Data Cloud 同比增长两倍有余；ServiceNow 的 Now Assist，ACV 一年翻了一番，正向 10 亿美元迈进。到五月，被重挫的软件股开始回升。对于那些深度深嵌进大企业工作流、根基难以撼动的SaaS公司，在AI时代也不容易被替代。
相比于Saas公司，互联网平台被替代的风险我们认为更是过度高估了。市场对它们"被颠覆"的担心，我们认为会逐渐淡去，估值也会回到应有的位置。
互联网平台短期的压力在于算力投入在短期内会大幅增加，这对盈利可能会带来阶段性的压力。算力的投入有一部分有很可观的ROI，比如大模型推荐机制优化带来的用户时长和广告转化率的提升，云计算的收入增长，游戏和内容制造能力的极大提升。在中国应用层的创造力是很强的。中国的互联网产品与 AI 结合，或许会催生出更多有创意的商业模式。
算力投入的增加带来的盈利压力是阶段性的。我们认为主要的原因是，从历史数据看，Token成本是在快速通缩的。从海外各种实证研究，我们看到实现同等智能水平的算力成本每年下降10-50倍，大约2-3年下降1000倍。在那些高频的日常场景里替用户担起推理成本，短期看似乎很高，但是很快就会变得非常廉价。
最后说说硬件。
AI 需求爆发后，芯片制造需求的爆发带来半导体行业很多巨大的机会。无论是光模块、存储都是这样。回过头看，需求的几倍的爆发，企业的扩产滞后于需求的增长，带来了盈利的暴增和估值同步的提升。芯片产业链扩产滞后不仅仅是因为过去行业周期性极强，企业历史上大幅扩产都会带来巨额的亏损甚至破产。同时需求来得太猛，不仅企业没做好准备，上游的设备商、材料商也没有做好准备。当然其中最好的标的可能是那些成本占比很低，下游企业对价格极为不敏感，甚至是更为传统和劳动力密集型的细分领域。这些领域企业扩产意愿和能力都很低。
回顾过去一年，在供应受限状态下的需求暴涨带来的机会，其中不少也许是符合我们的投资逻辑的。但我们在半导体研究不深，跟踪时间也很短。我们对行业的技术变化、需求增长和产能扩张的跟踪都相对滞后。当错过了最早的入场时机，投资的难度就会非常大。
虽然目前大部分半导体公司可能存在相当多的泡沫。而且行业在进入暴利的状态下扩产意愿大大增加，下游通过技术路线变化绕开高成本领域的动力也会大幅增加。但我们认为因此完全放弃研究可能也不是最好的选择。我们会继续增加研究的努力。但无论如何，商业模式、长期盈利能力、现金流和安全边际依然是最核心的投资依据。因为担心错过而放弃降低要求也并非我们的策略。
往后看，硬件的短缺不仅仅存在半导体产业链上，随着AI算力中心变得更大，短缺正从芯片产业链本身向外蔓延，蔓延到电力设备、储能、电力基础设施，这些领域我们熟悉得多，我们也有更多的持仓也集中在这些领域。
总体而言，我们组合中的企业拥有出色的商业模式和一流的竞争力，大部分企业不仅没有负债，还拥有巨额的净现金和持续的充沛现金流，同时有着良好的公司治理和足够安全边际，足以应对任何宏观和产业变化。我们对未来依然很有信心。
