利润坐上过山车,AI估值为何算不明白?

一组数据就可以戳穿AI估值的错误。SK海力士2023年亏损7.7万亿韩元，2025年盈利飙升至47.2万亿韩元，三年间从低谷到高峰，利润翻了十倍。那么英伟达又是怎样的情况呢？2022年下跌了66%，从高点被腰斩两次之后，在两年内增长了十几倍。在AI产业链中，这样的极端波动已经很常见了。传统的估值基础就是盈利可以预测，但是现在这个条件已经不存在了。

DCF的基本思路是把未来的现金流折现到现在，但是你能准确预测出海力士或者英伟达三年之后的利润吗？海力士的利润率由亏转盈，从2024年的30%一路飙升到2026年第一季度的72%，三次跳跃，每次都是跳崖式。用2023年亏损来计算出的内在价值，在2025年的时候就无法与之匹配了。基于很多主观假设搭建起来的估值模型，看起来很精确，其实就是一个假设堆叠另一个假设，一个参数调整之后，整个模型就都失效了。

基于很多主观假设搭建起来的估值模型，看起来很精确，其实就是一个假设堆叠另一个假设，一个参数调整之后，整个模型就都失效了。

根据历史市盈率来选择投资时机也是不可靠的。很多人看到英伟达市盈率高于历史90%分位就认为它很贵，但是公司的盈利从FY2024的298亿美元飙升至FY2026的1201亿美元，盈利中枢整体抬升了。拿着旧地图去测量新的大陆，结果都会出错。当年亚马逊上市的时候，传统的市盈率计算结果都过高了，回头一看才发现那是地板价。并不是因为PE这个工具没有用处，而是人工智能行业天花板一直在被打破，TAM也在不断扩大，静态估值锚已经失效了。可以作为参考，但是不能用来精确定价。

估值失效之后，人们开始转向逆向投资——即"人多的地方不待"。虽然这个想法看起来很独立，但是仍然被市场的氛围所影响。你怎么理解人多呢？当AI全民热议的时候你已经清仓了，但是到了2020年到2021年之间，很多人都在喊纳斯达克泡沫，结果纳斯达克一路创新高，而那些提前下车的人损失了一整年。逆向交易、追涨杀跌本质上都是一种从众心理，前者是跟大众走，后者是逆大众而行，两者做出决策时都只考虑别人的看法而不看自己手中的资产。

逆向交易、追涨杀跌本质上都是一种从众心理，前者是跟大众走，后者是逆大众而行，两者做出决策时都只考虑别人的看法而不看自己手中的资产。

定价工具不能够衡量出AI资产的价值来，那么就换一种方式思考：不要去考虑个股是高是低了，而要关注自己的仓位能不能承受住市场的波动。不需要预测涨跌，只要保证在出现极端行情的时候，自己的生活不会受到影响。

落地就五件事。

第一种方式就是用组合波动来衡量。人工智能板块之间的关联性很强，英伟达、AMD、台积电涨跌方向十分一致。你的重仓了几个AI标的，就相当于把鸡蛋放在了一个篮子里，并且还给它贴上了不同的标签。板块集体下跌的时候，账户就会出现很大的波动。震荡影响到组合稳定性的话，就要加大仓位。

第二，用最大的回撤来确定仓位的上限。英伟达五年最大的回撤是66%，海力士一年之内从高位下跌八九成也并不罕见——这并不是黑天鹅，而是成长股的常态。你就可以这样问自己：持仓下跌了六成之后，会对你的房贷、日常生活开支以及心理状态造成什么影响呢？扛不住的话，就说明仓位已经很高了。上限并不是由市场来决定的，而是由你自己来决定的。

第三种方式就是根据资金的时间来决定仓位。五年以上的闲置资金可以少量配置高弹性的AI；三年之内要用到的资金要远离高波动的赛道。并不是因为AI不好，而是你的资金周期不长，所以不能等它变好。被逼着在低位卖掉股票，这是最糟糕的一种亏损方式。

第四种方法就是固定比例再平衡。把AI总仓位设为15%，上涨到22%的时候减仓，下跌到9%的时候加仓。不管涨跌，不管新闻，不管黄仁勋怎么说。再平衡反人性——涨的时候让你卖出，跌的时候让你买入——但是长期的数据摆在那儿，纪律性的操作比主观的择时要好。

第五种是杠铃。把大头放在国债和货币基金这样的稳健品种上，形成基本盘；小比例配置人工智能等高弹性品种。收益不高并且风险大的品种就不要考虑了。两端都是重的，中间是空的，比均匀撒胡椒面要好一些。

说到底，大多数人选择投向人工智能的原因是用老式的估值标准来衡量新经济实体。DCF是对过去的一种延续，而PE则是对历史平均值的考察，但是AI产业正在创造新的历史。所有的估值结论都是建立在理想化的假设之上的，仅供参考，如果真的那么做的话就会输掉。

DCF是对过去的一种延续，而PE则是对历史平均值的考察，但是AI产业正在创造新的历史。所有的估值结论都是建立在理想化的假设之上的，仅供参考，如果真的那么做的话就会输掉。

风险提示：人工智能产业的发展趋势没有达到预期；地缘政治的风险；市场情绪继续恶化会使得科技股继续下跌；全球流动性环境的变化也会对科技股的估值产生影响。