茅台时代落幕,AI 资产化开场?

昨天已经讲了对茅台业绩的看法，今天再把背后的思考展开讲一讲。业绩不及预期是确定的，而且幅度不小。但真正值得关注的，其实不只是业绩本身，还有十大股东的退出。不得不说，时代的落幕，往往就是这样悄无声息。

上半年公司实现营收 907 亿元，同比增长 1.47%；扣非归母净利润 444 亿元，同比下降 2.04%。但如果剔除一季度、单看二季度，经营压力更加明显。二季度营收同比下降约 9.2%，扣非归母净利润同比下降约 6.88%，整体较机构此前一致预期低约 10%。

这里看到的不只是上半年的低增长，更是二季度收入与利润的同步转弱，经营趋势出现了比较明显的下行拐点。

更有意思的是，截至二季度末，GJD 中央汇金、证金公司均已退出贵州茅台前十大股东名单。相比嘴上的看多与唱多，资金的选择往往更加诚实。真金白银的撤离，永远比声嘶力竭的呐喊来得更猛烈。

品牌、护城河和长期主义，很多时候只是上涨阶段的叙事，却并不是推动上涨的本质。资本市场最终看的，仍然是增速、预期差，以及资金能够获得怎样的回报。

而增速背后，更关键的本质，是国人正在经历从“炒房”到“买房”，再到“躺平”的变化。映射到茅台，就是从过去的“金融属性”，逐步回归“消费属性”，甚至开始走向“可选消费属性”。

过去大家买茅台，不只是为了喝，更因为它能升值、能囤、能送、能流通。当这种金融属性逐渐退潮之后，最终支撑价格和需求的，就只能回到真实消费本身。而真实消费，恰恰是当下最需要重新审视的变量。

许多人讲，消费的第一性原理是人口基数。笔者认为，更准确地说，人口基数决定消费的下限，收入预期决定消费的上限。如果大家相信下个月会比这个月赚得更多，明年会比今年过得更好，谁不愿意吃顿好的、喝瓶贵的、住套新房？反过来，当收入预期下降、不确定性上升，即便账上还有钱，也会本能地降低消费欲望、提高储蓄倾向。所以，消费真正稀缺的从来不只是购买力，更是对未来的信心。这也就是为什么，信心比黄金更重要。

事到如今，还有人期盼上mian来救消费。实话讲，需要救的东西实在太多了。别的不说，大 A 里不也有一群人天天盼着 GJD 赶紧来“解放”自己吗？可打个游戏都知道，资源永远更愿意投向优质资产，而不是无底洞。因为差生实在太难教了。为什么“状元老师”叫状元老师？很多时候，不是因为他能把差生硬生生教成状元，而是因为人家一开始教的，就是状元。所以，真正值得思考的从来不是“谁会来救”，而是谁本身就值得被资源继续配置。 笑…

ZC 可以托底，可以延缓下行，但很难替一个行业重新创造基本面，更不可能长期替代盈利增长本身。除非再来一次逆天级别的大放水，把资产价格和风险偏好重新整体抬起来。但问题是，看看如今的现实约束，再想想这样的大放水意味着什么，它真的还有那么容易发生吗？

放到市场里也是一样。要尽量去打顺风局，尤其是在大 A，而不是非要挑战高难度的逆风局。资金真正愿意持续托举的，往往是那些本身就有产业趋势、盈利改善和增量资金共同配合的方向，而不是哪里跌得多、哪里叙事讲不下去了，就天然应该被“救回来”。

一边是，茅台正在从过去的“金融属性”，逐步降级为“可选消费属性”。另一边，AI 算力工厂却正在从单纯的生产资料，逐步走向资产化。这其实是两个时代非常有意思的交叉。过去被当成资产的消费品，正在回归消费品。过去被当成成本、消耗品的算力基础设施，却正在变成能够持续产生现金流、可以融资、可以证券化，甚至可以被长期定价的资产。

资本从来不会留恋旧叙事，它只会不断寻找下一种更高回报率的资产。

其实，AI 算力并非一种价值会快速消失的技术产品，而更像是一种能够随着技术迭代不断重新配置，并持续创造现金流的基础设施资产。因此，AI CapEx 并不只是简单的资本开支，而是在不断积累未来可以多次商业化变现的算力资产存量。

CoreWeave 最近公布的业绩就展现了这一趋势。即使是已经发布 6 年的 A100 GPU，目前仍然能够签订持续至 2029 年的长期合同，旧型号 GPU 依然保持实际经济价值。

这并不只是供给不足带来的结果，更重要的是客户选择逻辑正在变化。客户并非永远追求性能最高的 GPU，而是在不同工作负载下寻找性能与成本的最佳匹配。最新一代 GPU 主要服务于前沿模型训练和高性能推理，而 H100、A100 等成熟 GPU 则逐步进入普通推理、模型微调和批量计算等场景。这类似于存储领域的“内存分层”，不同性能层级的算力对应不同价值场景，AI 基础设施正在形成新的“算力分层”体系。

笔者此前曾对 H100 的生命周期收益进行过建模。结果显示，即使十年后，H100 仍然可以持续创造收益，累计收益约达到 190.9 万美元，相当于初始硬件成本的约 7.6 倍。其实，越先进的 GPU，累计收益会越高。这也是为什么英伟达前面即使面临一定估值压力，仍能保持横盘消化，而非出现大幅下跌。

当市场对算力的认知发生变化，看待 AI 基础设施金融化扩张的方式也会随之改变。因为如果 GPU 等 AI 基础设施在首份合同结束之后，还能够通过续约反复创造收益，那么它们就不再只是普通电子产品，而会成为一种可以被融资的基础设施资产。

同样的逻辑其实也适用于大型云服务商的自由现金流 FCF。亚马逊曾表示，其服务器和网络设备投资平均在不到 3 年时间内即可达到盈亏平衡点。这意味着，如果包括 GPU 在内的算力资产实际使用寿命超过 3 年，那么超过回收周期之后，剩余生命周期就不再只是收回投资，而是进入持续创造现金流的阶段。

届时，新一代 GPU 带来的新增收入，与现有算力资产通过二次利用产生的收入，将同时释放价值。如果像 A100 这样的 GPU 在发布 9 年后仍然能够继续投入商业使用，那么市场此前关注的投资回收周期，与资产真实经济寿命之间，就可能形成一段相当可观的利润释放区间。

再多讲一句，很多人沉迷于各种估值模型，其实这也是一种典型的本末倒置。估值模型本身并不能创造认知，它只是对未来商业逻辑的一种量化表达。真正决定企业价值的，是产业趋势、竞争格局、盈利能力以及现金流的长期变化。

如果底层逻辑判断错误，再精细的模型也只是建立在错误假设上的数学游戏。而当产业趋势发生重大变化时，市场最终定价的，永远是未来现金流。

因此，笔者使用估值模型的方式，是将其作为判断趋势和验证逻辑的工具，而不是作为限制认知的框架。先理解产业变化，再通过模型衡量价值区间。先找到未来现金流的方向，再讨论估值是否合理。

最后，《CoreWeave 业绩会：AI 算力需求端，新变化？》明日下架，注意保存阅读。

逻辑与技术，我们依然在路上！

注意，笔者近期会加大对长期零互动朋友的清理力度。长期零互动，包括留言、点赞、赞赏、转发等，意味着不能稳定、及时地收到文章推送，关注与否意义不大。再次重申，不要等被清理再来联系，这是永久处理。

▼