投资的本质，是把目之所及的未来现金流折叠到现在，打包成交。
对一家公司的估值，是无知者的傲慢，也是知者的敬畏。
估值是盲人摸象，不管是交易中的我还是市场。
估值是动态变化的
要勇于给公司估值，但每一次估值都应该谨慎小心
主题
第006期-估值
投资的本质是估值的交易
看烟花！！！
不应该用消费者视角去做生意判断
任何人类群体，无论是囚犯、原住民、飞行员还是病患，都会发展出自己的一套生活方式，这样的生活方式是有意义的、合理的。不管它们看起来如何猎奇，只要你靠近它，就会发现这一切再正常不过。（Erving Goffman,《Asylum》,1961）
主观困难。肤浅观察的危险。不要“以为”。不要以为看见了就知道了。不要做任何道德评判。不要惊讶。不要发怒。尝试在原住民社会中生活。谨慎选择证词。观察时力求客观，叙述时亦当如此。说你知道的，说你知道的一切，只说你知道的。(Marcel Mauss,《Manuel d`ethnographie》,1950)
做高品质的产品，其竞争烈度可能比做低品质更高。
长期主义中，高品质存活率更高也许仅仅是幸存者偏差以及高品质所需要具备的条件和壁垒更高。但这不意味着高品质一定是简单的好生意。
深刻认识中国金融结构变迁 提升金融服务实体经济适配性--潘功胜
深刻认识中国金融结构变迁
摘要一篇央行行长在《求是》杂志的文章。
2025 年社融增量 35.6 万亿元里，企业债券+政府债券+股票融资合计占比约 47%，首次超过贷款。
2013 年以前这个数字长期在 80% 以上，基本都由贷款构成。
即使剔除积极财政政策下政府债券净融资增多、专项债置换隐性债务、银行加大不良核销这些因素，融资结构的变化也是显著的。
从企业融资的角度看，企业债券融资增量与同期贷款增量之比从 2023 年的 7% 上升到 2026 年上半年的近 20%。
从存量的角度看，社融里间接融资余额占比降至 2/3 左右，贷款余额占比降至 60% 左右，直接融资余额占比升至 1/3 左右，债券融资占比升至 30% 左右。
这是央行行长在《求是》公开确认的一个结构性转折——间接融资主导的时代结束了。
信贷资源的行业分布也发生了根本性的迁移。
近 10 年来，房地产和基础设施建设新增贷款在全部贷款中的占比，从 60% 以上降到了 10% 左右。
科技金融、绿色金融、普惠金融、养老金融、数字金融这「五篇大文章」领域的新增贷款占比升到了 70% 以上。
科技型中小企业贷款增速保持在 20% 左右，普惠小微贷款年均增速也大约在 20%。
绿色贷款和养老产业贷款都是两位数以上的增长，明显高于全部贷款增速。
这种结构变化不一定体现为贷款增量，但会提高资金使用效率——央行的原话是「不能简单以信贷增速衡量金融支持实体经济的力度」。
这句话对整个市场的解读框架都是一个信号。
中国金融市场规模的量级已经不容忽视。
A 股上市公司超过 5500 家，总市值超过 110 万亿元，位居全球第二。
其中「专精特新」企业达到 2000 多家。
1997 年银行间债券市场成立的时候余额不足 5000 亿元，现在总规模突破 200 万亿元，稳居世界第二。
债券市场「科技板」落地一年多，科创债券累计发行大约 3 万亿元。
从「以信贷市场为主」发展成「股票、债券、货币、黄金、票据、大宗商品、衍生品各子市场协同」的现代金融市场体系。
这不是一个渐进的过程，是一个已经完成大部分的既成事实。
央行行长明确判断——货币化进程已基本结束。
潘功胜给出的存量数据是这样的：社会融资规模存量超过 460 万亿元，广义货币余额超过 350 万亿元，贷款余额超过 280 万亿元。
分母如此庞大之后，金融总量增速有所下降是自然的。
过去中国金融总量增长较快，主要是因为经济的货币化进程和高速增长带来的大规模货币需求——改革开放以来越来越多的商品、住房从实物分配转向以货币标注价值。
这一进程基本结束以后，金融对经济的服务更多体现在结构优化和适配度提升上，而不是宏观金融总量的持续扩张上。
翻译过来就是：不要再期待信贷总量的高速增长了——这是央行本人在给市场做预期管理。
融资市场已经从供给约束转向需求约束。
过去的问题是「借不到钱」，现在的问题是「有效融资需求能不能得到满足」。
央行的判断是有效融资需求能够得到充分满足，社会融资条件仍然是相对宽松的。
过去几年宏观杠杆率上升较快，有两个原因：一个是宏观政策加强逆周期调节推高债务规模；另一个是物价处于低位，拖累了名义经济增速。
央行明确警告——要避免金融总量增长超过实体经济需要，造成资金空转淤积，进一步推升宏观杠杆率，导致落后产能和低效企业难以出清。
官方文本里少见的直白反对「大水漫灌」。
贷款降速提质是新常态之一。
280 万亿元贷款余额里，房地产和地方融资平台的占比仍然较大，这些领域不仅不再增长，反而还在下降。
2025 年至 2026 年上半年，房地产贷款余额累计下降超过 2 万亿元。
其他领域的贷款要先填补上这个下降的部分，才能带来总量上的增长。
所以「全部信贷要保持过去的增速」是很难的，也是没有必要的。
央行的原话是「盘活低效存量贷款和新增贷款的意义本质上是相同的」——这等于官方承认，看新增贷款数字的时代过去了。
产业结构的「轻型化」正在改写融资的算术。
传统领域的中长期贷款余额与行业增加值之比大于 1——房地产 1.7、交通运输 3.3，意思是每创造 1 元增加值需要投入更多的信贷。
新动能领域的这个比值普遍低于 1，信息服务业仅约 0.1，远低于传统行业。
2026 年上半年，以高端制造等为代表的新动能对经济增长贡献率超过四成。
科技创新、高端制造、绿色低碳这些行业研发投入大、风险不确定性高、投资周期长，企业资产形态也由土地、厂房、设备更多转向技术、数据、品牌和人力资本。
轻资产行业一般对应低负债——同样的 GDP 增长对贷款的胃口小很多。
这个变化本身就意味着，靠贷款总量拉动 GDP 的老路走不通了。
科技型企业的生命周期决定了金融体系必须多元化。
种子期和初创期，商业前景不明朗，私募股权和创业投资是非常重要的资金提供者。
中后期商业模式逐渐成熟，可以通过银行贷款、债券、股权等多渠道融资。
银行擅长的是给技术成熟、抵押物充足的传统产业提供资金。
金融市场擅长的是给技术前沿、高风险高回报的创新产业提供融资。
这带来的是「对贷款的良性替代和分流」——不是替代关系，是分工关系。
这也解释了为什么直接融资的比重必须持续上升。
央行回顾了自己的历史包袱。
20 世纪 80 年代计划经济向市场经济转型的时候，大量企业破产、重组、兼并，国有大型银行积累了不良资产。
国有银行自身体制也滞后于实体经济的需要，进一步加剧了不良资产压力。
所以中央启动了历时十余年的国有银行改革。
2008 年国际金融危机之后，地方政府债务持续扩张，经济增长较多依靠房地产驱动，导致金融资源集中于房地产、融资平台等领域，一定程度上对经济结构调整形成制约。
这段官方陈述里少见的坦白——「金融资源集中于房地产、融资平台，对经济结构调整形成制约」。
这就是接下来结构性转型的历史背景。
货币政策框架的转型信号已经非常明确。
不断优化货币政策中间变量，淡化对数量目标的关注，特别是对贷款单一渠道的关注。
把金融总量更多作为观测性、参考性、预期性指标。
更加注重发挥价格型调控的作用，健全市场化的利率形成、调控和传导机制。
完善短端利率调控机制，进一步优化完善政策利率及配套制度建设，增强央行政策利率的作用。
翻译过来——以后看 M2、看新增贷款的重要性会下降，看利率走廊、看政策利率的重要性会上升。
分析师和投资人的观察指标需要跟着重构。
整治「内卷式」竞争和资金空转被写进了央行的十五五规划。
持续整治金融业「内卷式」竞争、资金空转——这是明确的政策方向。
加强与产业政策协同，引导金融机构科学评估风险，分类施策、有扶有控，抑制部分行业「内卷式」竞争。
「内卷式」这个词从民间用语进入了央行的官方文本，本身就说明问题的严重性。
背后的机制很简单——金融机构之间为了完成规模指标相互压价、追逐同一批客户，最终结果是资金淤积在低效环节，推高杠杆率。
央行现在明确要打断这个循环。
整治「内卷式」竞争和资金空转被写进了央行的十五五规划。
持续整治金融业「内卷式」竞争、资金空转——这是明确的政策方向。
加强与产业政策协同，引导金融机构科学评估风险，分类施策、有扶有控，抑制部分行业「内卷式」竞争。
「内卷式」这个词从民间用语进入了央行的官方文本，本身就说明问题的严重性。
背后的机制很简单——金融机构之间为了完成规模指标相互压价、追逐同一批客户，最终结果是资金淤积在低效环节，推高杠杆率。
央行现在明确要打断这个循环。
结构性货币政策工具已经进入日常化操作。
2026 年初，中国人民银行设立 1 万亿元民营企业再贷款，为民营中小微企业破解融资难题。
「聚焦重点、合理适度、有进有退」——央行给结构性货币政策工具的定位是市场化激励方向，不是长期依赖。
政策协同的重点方向是融资担保、风险分担。
再贷款这类工具的存在，本身就是「淡化贷款总量目标」之后的补丁——总量增速降下来了，需要靠精准滴灌保证重点领域的资金到位。
观察这些工具的规模变化，比看新增贷款总量更能反映央行的真实意图。
金融市场基础设施的建设方向也很清晰。
建设和发展多类别、多层次的金融市场体系。
发展股权市场和债券市场的「科技板」。
发展中国的财富管理市场，支持资管行业健康有序发展。
稳妥发展利率、汇率衍生品。
强化国债收益率曲线的基准作用——这一点对债券市场的定价体系是根本性的。
稳步推进金融领域制度型开放，提升中国金融市场的国际化水平。
建设并完善多渠道、广覆盖的跨境支付体系。
统筹发展离岸人民币市场，巩固香港离岸人民币业务枢纽地位。
支持上海提升跨境金融、离岸金融服务能力——上海和香港的分工在这里被明确表述了。
宏观审慎和金融稳定的方向。
在宏观层面把握好经济增长、经济结构调整和金融风险防范的动态平衡。
稳妥化解重点领域风险，继续做好金融支持地方政府融资平台债务风险化解工作。
稳妥有序推进重点地区和重点机构风险化解——「重点地区」这四个字是有分量的。
严肃财经纪律、市场纪律和监管规则。
强化系统性金融风险的监测、评估和预警。
拓展中央银行宏观审慎和金融稳定功能，丰富宏观审慎管理的工具箱。
维护股市、债市、汇市等金融市场平稳运行——央行明确把股市稳定纳入宏观审慎的范围里，这是一个变化。
过去股市稳定主要是证监会的事，现在央行也把手伸进来了。
老马对27年AI的预测
我的猜测是，人工智能将使美国明年GDP增长率大致翻倍，从约2%增加到约4%。也许甚至更多。
真有信心呐！
kimi k3 成本数据，算下来 亏钱
Kimi K3 每吉瓦利润图解读报告
基于 SemiAnalysis（@SemiAnalysis_）2026-09-18 发布的图表，以及后续对口径、假设和售价敏感性的推演。
1. 图表在算什么
来源推文：https://x.com/SemiAnalysis_/status/2101046143320719558
图表标题：Kimi K3 2.8T Agentic Revenue & Profit Estimates per GigaWatt Per Year
它不是公司财报，也不是单卡利润，而是在问：
同样占用 1 GW 市电容量，一年下来，用不同芯片跑 Kimi K3 2.8T 智能体推理，能有多少收入和利润？
电力被当成稀缺资源。纵轴是「每 GW、每年」的美元收入。
推文强调的结论：在他们这套假设下，AMD MI355X 利润率 53.6%，高于 GB200 NVL72 的 44.3%。绝对利润最高的仍是 NVIDIA B300。
2. 原图数字
交互点：P90 约 45 tok/s/user。柱子拆成三层：算力成本、模型授权费、利润。总高度是收入。
| 方案 | 年收入 | 算力成本 | 授权费（收入的30%） | 利润 | 利润率 |
|---|---|---|---|---|---|
| B300（vLLM） | $48.0B | $10.4B | $14.4B | $23.2B | 48.3% |
| MI355X（vLLM） | $38.3B | $6.3B | $11.5B | $20.5B | 53.6% |
| B200（Dynamo vLLM） | $36.4B | $8.9B | $10.9B | $16.6B | 45.6% |
| GB200 NVL72（Dynamo vLLM） | $33.9B | $8.7B | $10.2B | $15.0B | 44.3% |
读法：
- B300：每瓦吐出的 token 最多，收入和绝对利润最高。
- MI355X：收入较低，但 TCO 最低，所以利润率最高。
- GB200 NVL72：在这个点上收入和利润都最低。
3. 这里的「利润」是不是毛利
公式：
Profit = 收入 − 模型授权费（30%） − 算力 TCO
更准确的名称是 模拟毛利 / 贡献利润（modeled profit）。
它接近：收入减去直接服务成本（硬件+电费+机房 TCO，以及模型分成）。
它不是净利润。未扣除：
- 人工、销售、研发
- 额外网络、存储、观测、安全
- 折扣、空载、故障、税务
因此图上 44%–54% 不能理解成「云厂商能净赚一半」。
4. 全部前置条件
数字全部建立在这些假设上，改任何一项都会变。
4.1 范围
- 只针对 Kimi K3 2.8T
- 智能体推理，不是普通单轮聊天，也不是固定 8K/1K 压测
- 口径：每 1 GW 全年
- 电力：all-in provisioned utility power（配给机房的市电，不是芯片 TDP 简单相加）
- 数据来源：SemiAnalysis InferenceX / AgentX
4.2 工作负载（AgentX）
- 回放真实 Claude Code 编程智能体会话
- 长上下文、多轮、含 sub-agent
- 公开方法里这批 trace 大约为：
- 中位每次输入约 142k tokens
- 中位每次输出约 444 tokens
- 上下文可到 100 万
- 前缀缓存命中率极高（公开材料提过 95%+ / 96%+）
- 并发按「同时在线的 agent 客户端」计，闭环回放
因此收入结构偏向：大量缓存输入 + 少量输出。
4.3 服务水平
- P90 ≈ 45 tokens/s/user
- 这是保证用户体感的点，不是峰值吞吐点，也不是最便宜的高并发点
- 换 20 或 75 tok/s/user，收入和利润都会变
4.4 硬件与软件
| 硬件 | 软件 |
|---|---|
| B300 | vLLM |
| MI355X | vLLM |
| B200 | Dynamo vLLM |
| GB200 NVL72 | Dynamo vLLM |
隐含条件：精度多为 FP4；软件是当时测到的版本；大模型需宽 TP / 宽 EP / 流水线并行；NVL72 是机柜级 NVLink，MI355X 是 8 卡域。
4.5 成本与产能
- 成本档位：Owning at Large Hyperscaler Volume（超大规模云自持有，不是零售租卡）
- TCO 来源：SemiAnalysis 2026 年 7 月市场调研 + AI Cloud TCO Model
- 单卡小时 TCO：
- MI355X $1.50
- B200 $1.73
- GB200 $1.86
- B300 $2.26
- TCO 一般含：芯片/服务器/网络 capex 摊销、电费、托管、资金成本
- 利用率 60%
- 按一年线性放大
4.6 售价
Moonshot API 标价（不是大客户折扣）：
- 输入 $3 / 百万 tokens
- 缓存输入 $0.3 / 百万 tokens
- 输出 $15 / 百万 tokens
4.7 授权费
- 按收入的 30% 计提
- 这是假设，不是公开合同
- 模型开源免授权，或运营商自己就是模型公司时，这一项应去掉
5. 利用率：卡每天跑多久
图上明确写了 Utilization = 60%。
更接近「已配好的 1GW 产能，全年按 60% 负荷在跑」，而不是瞬时算力利用率，也不是只开 60% 的卡。
换算：
- 24 小时 × 60% ≈ 14.4 小时/天
- 8760 小时 × 60% ≈ 5256 小时/年
SemiAnalysis 同类文章也常用 60%，并提到大型集群电力/产能利用率常见 60%–70%。
注意：TCO 里的折旧通常按「机器买在那里」摊；电费才随负荷变。图上没有再拆固定成本与变动电费。利用率若改成 40% 或 80%，收入和利润会近似同比例变化。
6. 情景一：没有授权费
适用于自己有模型，或模型完全开源。
利润 = 收入 − 算力成本
| 方案 | 无授权费利润 | 利润率 | 原利润（含30%授权） |
|---|---|---|---|
| B300 | $37.6B | 78.3% | $23.2B（48.3%） |
| MI355X | $32.0B | 83.6% | $20.5B（53.6%） |
| B200 | $27.5B | 75.5% | $16.6B（45.6%） |
| GB200 NVL72 | $25.2B | 74.3% | $15.0B（44.3%） |
排名不变：B300 绝对利润最高，MI355X 利润率最高。只是数字被放大。
7. 情景二：售价降到 API 标价的 1/10
这是按「Kimi 套餐体感约等于 API 的 1/10」做的敏感性测算。
先要分清两盘生意：
- 图上是 按 API 标价卖 token 的推理工厂模型
- C 端会员是 月费换额度（大约 ¥49–699 或 $19–199 一档），有上限和速率限制，不是按 1/10 无限批发
若硬假设：收入打到原来的 10%，算力成本不变（仍 60% 负荷），则：
| 方案 | 一折后收入 | 算力成本 | 再扣30%授权 | 利润 | 不扣授权（自己卖） |
|---|---|---|---|---|---|
| B300 | $4.80B | $10.4B | $1.44B | −$7.0B | −$5.6B |
| MI355X | $3.83B | $6.3B | $1.15B | −$3.6B | −$2.5B |
| B200 | $3.64B | $8.9B | $1.09B | −$6.4B | −$5.3B |
| GB200 NVL72 | $3.39B | $8.7B | $1.02B | −$6.3B | −$5.3B |
四套硬件全亏。 亏得最少的是 MI355X，无授权费时仍约 −$2.5B/GW/年。
只覆盖算力 TCO、不管授权和人工，盈亏平衡大约在：
- MI355X：标价的 16%
- B300：约 22%
- B200：约 24%
- GB200：约 26%
因此：
- 1/10（10%）：低于所有芯片的成本线，必亏
- 约 2 折：AMD 刚过线，NVIDIA 仍亏
- 约 2.5–3 折：四家才能盖住 TCO
- 图上 44%–54% 的利润，建立在 接近标价销售 上
会员看起来能到 1/10，是因为额度被限住了，不能把 1GW 的全部产出都按这个价卖光。Moonshot 自己的账，应把高价 API 和限量会员拆开看。
8. 综合判断
- 原图描述的是：高标价 API + 60% 负荷 + 自持有超大规模 TCO 下，Kimi K3 智能体推理的每 GW 模拟毛利。
- 在该口径里，B300 最能创收，MI355X 因更便宜而利润率更好。
- 去掉 30% 授权费后，利润更高，但排序不变。
- 若按套餐体感把售价砍到标价 1/10，并仍按 60% 跑满 1GW，则全面亏损。
- 保本大约需要卖到标价的 1/6 到 1/4，还不算人工和其他费用。
这张图适合比较「同样一度电，哪张卡更赚钱」；不适合直接当成 Kimi 会员业务或 Moonshot 公司净利润。
9. 使用时最该盯的变量
对结果影响最大的，按敏感度大致是：
- 售价（标价 vs 折扣 vs 会员等效单价）
- 利用率（60% 是否成立）
- 授权费是否存在、比例是否真是 30%
- SLA（45 tok/s/user 偏高，降速可提高每瓦吞吐）
- 软件栈与精度（vLLM / Dynamo、FP4、后续优化）
- TCO 档位（自持有 vs 零售租卡）
任意改这几项，利润可以从「每 GW 赚两百亿美元」变成「每 GW 亏几十亿美元」。
OpenAI 未来五年赚的钱，可能都不够买算力
OpenAI 未来五年赚的钱，可能都不够买算力。
FT 拿到的一份内部预测显示，OpenAI 预计今年收入 360 亿美元，到 2030 年做到 3500 亿美元，五年累计收入大约 8400 亿美元。
但同一时期，算力支出预计高达 8560 亿美元。
也就是说，收入已经涨到这个量级，账还是填不上。2026 到 2030 年，OpenAI 预计累计现金消耗约 2780 亿美元。
现在大家习惯讨论 OpenAI 到底能不能做到几千亿美元收入，但对它来说，更难的问题可能是另一头，模型越强、用户越多、推理量越大，背后的 GPU、数据中心和电力账单也一起往上冲。
3500 亿美元年收入已经是全球最大公司级别的数字了。
OpenAI 的内部预测却在告诉市场即使真的做到这么大，钱可能还是不够烧。
AI 这轮竞赛已经把公司的融资能力也变成了一种核心技术。
智谱偷用户的私人项目数据并上传
grok build 也做过同样的事
只能说，在当前阶段，手段与道德约束很难起效果
以及，这也无法作为判断一家公司是否成功的因子
闽公网安备35018302000421号