上半年A股整体震荡上涨，一季度美伊冲突爆发带来阶段性调整，二季度在地缘冲击缓和后风险偏好快速回升。具体来看，上半年沪深300、中证500、中证1000、创业板指、科创50分别上涨7.55%、20.97%、15.99%、35.58%、64.25%。 去年下半年以来，我们在组合中增加了科技硬件类公司的配置，但出于对不确定性的考虑，整体比例一直控制在较低水平。上半年市场风格分化极致，这部分仓位大幅上涨，而组合中非AI相关的公司几乎全部下跌，科技硬件的占比因此被动提升，但仍显著低于市场平均的配置水平。组合的业绩也持续承压。 受益于数据中心投资总额的扩张和光通信连接数量的提升，组合中部分公司在过去实现了跨越式的利润增长，以未来盈利预期衡量，估值似乎并不算贵。尽管如此，我们仍把组合中科技硬件的整体比例控制在较低水平，主要原因将在后文阐述。此外，我们加仓了部分近期下跌明显，性价比进一步突出的公司，包括商用车、两轮车、平台型央企等。

过去一段时间，人工智能是主导市场涨跌的核心矛盾，以下是我们对行业的一些观察。 1. 大模型应用的快速渗透 2026年上半年，随着模型能力的提升，以及以Claude Code为代表的智能体框架走向成熟，大模型的应用范围大幅拓宽。首先被全面渗透的是软件开发工作。更重要的是，强大的编程能力成为了模型与智能体框架自身进化的加速器——训练和研究的完全自动化（即所谓“递归自我改进”）尚未实现闭环，但AI以深度介入软件开发的方式，切实加快了技术进步的速度，模型使用工具、执行长程任务的能力都获得了显著提升。 我们的直观感受是：以目前的模型和智能体框架，几乎没有什么泛知识型工作是模型做不了的，差别只在于需要多少人为的指导和干预。以我们自身的主动权益投研工作为例，过去的工作界面大致由三类工具交叉构成：金融终端（万得、同花顺等）、文档工具（Word、各类笔记软件）和表格工具（Excel、WPS等）。而现在，Claude Code、Codex等大模型应用可以横跨这三类界面之上，自主调用数据接口和工具，完成研究任务。随着框架不断完善、模型能力继续进步，任务过程中所需的人为干预正变得越来越少。 一类常见的批评是：大语言模型存在广泛的“幻觉”，因此无法通达通用人工智能，是一条死路。我们认为，即便“幻觉”确实存在，也并不意味着模型不能有效产出——人类思考时同样存在大量的错觉和偏差，这并不妨碍人类从事知识工作，正如工程师需要查阅手册、医生要做术前核对一样。过去一段时间，行业发展出了一系列工程规范——工作框架、技能、数据接口协议等——为大模型赋予工具和规则，约束其“异想天开”的天性，使其能稳定产出有效的工作成果。值得注意的是，这种智能正显得越来越“通用”：一年前，大模型已能在国际数学奥赛中达到金牌水平，却操作不好一张Excel表格；而如今经过针对性训练的模型，已能熟练使用电脑上的各类工具，甚至按需要自己制造工具。 2. 大模型的单位盈利能力 在2025年四季报中，我们讨论过头部大模型公司的盈利能力：当时以OpenAI、Anthropic为代表的公司，其年化收入（ARR）与所租用算力规模的比值约为100亿美元/GW/年，低于对应的成本，且随着规模扩张，亏损不断扩大。 过去半年，情况发生了一些变化。自2025年末的Claude Opus 4.5以来，Opus系列模型的定价保持坚挺，每百万Token的输入/缓存读取/输出定价稳定在5/0.5/25美元（缓存读取的定价同样重要——在长流程任务中，不断累积的上下文会产生巨大的缓存读取量）；新一代的Fable 5更是在此基础上翻了一倍。 尽管定价昂贵，领先的模型能力仍吸引了绝大多数软件开发者，一些企业甚至以Token消耗量的排名来衡量员工对AI工具的使用程度。任务形态也发生了根本变化：从过去一次问答消耗几千Token的对话式使用，演进为一个智能体独立执行长程任务时消耗数十万乃至上百万Token。当模型能够独立工作更长的时间，单位时间的Token消耗自然出现数量级的提升，“全力消耗Token”（Token Maxxing）一度成为硅谷的流行语。 定价坚挺而用量激增，Anthropic的收入随Token消耗量出现了指数型增长。作为结果，其每GW算力带来的年化收入已显著超过100亿美元，我们粗略估计达到了200-300亿美元/GW/年的水平。另一方面，即便模型参数量仍在增大，在软件持续优化和硬件迭代的基础上，单位Token的成本应是持续下降的。若定价得以维持，模型厂商将获得丰厚的利润。 3. 行业的整体回报 受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。 但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。 指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。 因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括本文的撰写），长远来看也毫无疑问会深刻地改造世界，但商业闭环仍存在较大的不确定性。 3. 行业的整体回报 受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。 但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。 指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。 因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括协助本文的撰写），长远来看也毫无疑问会深刻地改造世界，但考虑到商业闭环的巨大不确定性，我们仍将组合中科技硬件的敞口保持在较低水平。