返回

港湾观点︱噪声与风险

东方港湾投研部  2024-09-12

本月美股延续上月大幅波动。事实上,在长期投资的过程中,即便是十年长牛的股票,大部分时间也处在波动的过程,只是波动大小各异。以纳斯达克为例,在过去十年的时间里(截至8月30日),真正创新高上涨的时间仅占了22.6%,大部分时间(77.4%)都处在波动的过程中。这种情况在个股当中更是普遍,以长牛走势的美股七大公司为例,在过去的10年的时间里,N公司、M公司、F公司、G公司、AM公司、AP公司和T公司的股价波动时间,分别占了75%、76%、83%、83%、82%、82%和93%。即便是十年牛股,大部分时间也是百无聊赖,甚至是煎熬的。而在这些波动的时间里,最大级别的回撤甚至分别达到了-66%、-35%、-42%、-76%、-55%、-35%及-72%。但这并不妨碍这七大企业为投资人创造了丰硕的成果,他们在过去十年间分别上涨了256倍、9.4倍、4.5倍、5.7倍、9.4倍、9.2倍和10.1倍。

月报1.png

图片来源:东方港湾


就像生活在高纬度地区的人们,在冬天里要忍受寒冷且漫长的夜晚。漫漫长夜里常常会衍生各种魑魅魍魉的“鬼故事”,口耳相传,触碰着投资人敏感且脆弱的神经,便有了各种“追涨杀跌”的投资行为,还往往穿着一套套“理性分析”的外衣。漫漫长夜也为投机者带来许多可乘之机,他们纵横于不同板块的涨跌轮动之中,挣波动的钱是“聪明资金”所无法放下的诱惑,他们忍受不了长时间的寂寂无为,总想着做点什么发挥自身聪明才智。但这两者的初衷和结果都将与长期价值投资背道而驰。漫漫长夜里,长期价投更多需要的是牢牢抓住事物发展的主要矛盾,甄别干扰投资的“噪音”,分清波动与亏损,对心底所坚守的“信念”以及背后所支撑的事实与逻辑,用更新的数据进行反复校验和拷问。只有长期“颠簸不破”的信念,才能支撑我们穿过黑夜收获成果,才是芒格所称“延迟满足”的源动力,同时也保护着我们免于“屁股决定脑袋”,陷入万劫不复的亏损深渊。

比如,本月N公司的财报前后,股价就经历了大幅的波动,最大回撤高达-36%,业绩发布当日最大跌幅高达-8%。市场在担心N公司的新产品Blackwell生产受阻,在担心客户购买芯片的投资回报率不及预期,在担心竞品对公司护城河造成的冲击。我们在往期观点中多次阐述过对该等质疑的分析,而N公司在本期财报中,也用实际的经营数字和逻辑描述给出新的支持。

首先,市场担心Q3指引低于预期,我们则认为最终会达到或超过市场预期,无须过多担心。公司Q3指引(325亿)低于买方的预期(340亿),但指引的环比增速(300到325增长8.3%)却高于Q2的指引环比增速(260到280增长7.7%)。按照企业每个季度都较为保守的指引,最终Q3业绩出来大概率在340亿-360亿之间,达到甚至超过目前的市场预期数值。实际上,在B系列即将上市之际,H系列的需求非但没有减弱,反而逐季增强,从Q1到Q4实际和预期收入分别为260、300、340和400亿美金。而从Q4开始,N公司还将开启B系列的收入贡献(预计Q4为40亿美金收入),延续N公司每个季度收入的环比增长。如果按照当下指引,公司2024自然年的收入将近1300亿美金,按照指引毛利率75%,扣减税费后净利润应该在700亿上下,即EPS约为2.86美元,净利率54%,业绩是相当不错了。

其次,令人欣喜的是,N公司宣布新增分红回购授权金额500亿美元。去年二季度宣布的250亿分红回购计划,目前还剩余75亿美元的权限。而本次新增的500亿美元,相当于24年预期净利润的70%比例,相当于23年实际净利润的168%!一个当前利润增速高达282%的公司,利润分成比率依然这么高,实属难得。虽然500亿美元相当于1.67%的股息率,并不算高。

再者,新产品B系列(推理成本将大幅下降)推出在即,H系列芯片需求不降,却依然迭创新高,这是对芯片投资ROI的最好侧写。黄仁勋上季度给过Llama的例子,用以说明部署N公司芯片的投资回报率ROI数值;这次业绩会又被问到,黄仁勋没有直接给出数字,而是以逻辑阐述了客户购买GPU的“三类需求”的本质,也很好地回应了ROI的问题。

黄仁勋所述的第一类需求是客户自身业务发展的需要。大部分的客户,由于业务的扩张本就需要投算力,过去是CPU的投资,现在的GPU集群性能提升非常大,用GPU替代过去的CPU投资,效果是立竿见影的(Meta内部的ROI是2.3倍),因为“并行计算”的加速效果太明显了,这是第一性原理所决定的。这部分跟AI可能没太大关系,而是跟加速计算的效率有关,如推荐系统、数据处理系统等业务。如果业务发展的需求是当下亟须的,那么企业面临的就不是在B系列和H系列之间选择的问题,而是在CPU和GPU(当下只有Hopper芯片)之间选择的问题了。即便B系列推出了,因为业务发展的需要,在B系列产能未充分释放之前,H系列的需求也依然会得到延续。

第二类需求来自云服务器租用。对于CSP云服务厂商来讲,目前建设的算力设施一般马上会被租用,全球三大云厂商的业务增长提速很清晰地验证了这点,其回报率也是可以算得清楚的(黄仁勋之前提过,高盛本月也出过相关报告)。因此,如果芯片投资的ROI不及预期,首先反映的是各大CSP厂商的云业务增速出现明显持续的下滑,而当下反是加速上行的。

第三类需求来自生成式AI技术的竞争压力。这与一般产能投资的差别很大,一般的产能开支,服从公司内部的投资计划时间表;而当前投资GPU进行生成式AI技术开发和应用的企业(包括传统大厂、模型训练商或创业公司),无论是通过自建数据中心还是租用数据中心的形式,要么在争抢某个领域的技术应用高地,要么在某个传统业务上进行防守希望不被弯道超车,都有非常大的时间成本。这或许是个生死战略的决策,而不是ROI决策。所以,竞争的压力,迫使着这些企业在投资中,更多的是考虑GPU的投资能够产生效果,例如新模型能力的提升,新产品能否带来大量的用户基数,新技术能否替换掉大量的工位等;至于收入利润,是在技术和产品之后,要去设计的商业模式,肯定仍需时间。对于这部分的需求,时不我待,所以即便B系列推出在即,企业依然会花大价钱建设Hopper数据中心,例如T公司的FSD训练中心以及xAi的数据中心,本季度成为N公司最大的收入来源。这种竞争甚至发生在国家之间,N公司这个季度表述:“主权人工智能收入今年预计达到一两百亿美元的收入体量”;而在Q1财报中,相同的表述还只是八九十亿的预期收入,本季度又有所上调。要知道这部分收入在2023年是一无所有的。

这3大类的GPU的投资去向,背后实际上就是黄仁勋所说的两大趋势的表现:“通用计算全面转向加速计算”以及“人工设计软件全面转向生成式AI软件”,虽没有提及具体数字,但听起来也是逻辑自恰的。

我们再比如,在本月指数大幅波动的过程中,也传出了巴菲特大幅减仓美股(AP公司与银行)的消息。作为价值投资的引路人,巴菲特的减持被很多人视为美股见顶的信号,尤其人们开始引用他在2001年采访中提及的“巴菲特指标”(美股市值/美国GDP),来论证美股的风险。巴菲特在此刻大幅减持美股的理由,我们不做过多揣测,毕竟他本人并没有公开发表相应观点;但我们可以对人们反复提到的“巴菲特指标”做个分析。

巴菲特曾在2001年接受采访的时候指出,当“美股总市值/GDP”的比值在70%至80%之间时,市场通常被认为是合理估值;当该指标超过100%时,市场可能被认为是高估;而当该指标显著超过100%时,市场有可能严重高估。而这个数字在过去的二十年里不断创出新高,最新是接近200%,远远超过平均值92%以及2000年互联网泡沫高点的142%。很多人的结论是美股将迎来一次历史性的大崩盘。

月报2.png

这个推断未免有些武断。事实上,从2001年巴菲特提出该指标以来,美国发生了许多变化,可能让该指数变得失真:第一,美国的利率在过去20年降到了0,资本的泛滥大幅提高了市场的资本化率,甚至不少过去的一级市场项目提早地进入了二级市场,这显著提升了美股总市值。第二,如今美股市场不只是美国经济的代表,而是逐渐成了全球优秀公司上市的集中地,例如优秀的中国互联网企业基本扎堆上市美股市场,也造成了美股市值本身的膨胀。第三,美国企业在全球的营收过去二十年迅速扩大,这部分收入并没有反映在分母的GDP当中,使得该指标被夸大。尤其是当下软件与互联网主导的经济结构,网络效应和极低边际成本非常有利于美国企业全球扩张。第四,也是很重要的一点是,这个指标的分母是GDP,是收入的概念,这并未考虑到最近二十年美国企业利润率提升的情况。实际上,在过去的二三十年,标普500的企业净利率从5%整整翻了一倍至平均11%。随着利润率提升,可能会出现PS不断上行,但PE保持在合理水平的情况。

实际上,如果我们用PE来衡量整个市场的估值,纳指综合动态PE为34倍,纳指100动态PE为27倍,标普500在21倍,估值都在平均水平以上0.5倍标准差的位置,不便宜,但也并非不可以接受。具体到美股7大公司的情况亦是如此,这与2000年科技泡沫动辄百倍以上的估值截然不同。我们学习巴菲特,但不能照本宣科,所谓“学我者生,似我者死”,凡事不能刻舟求剑。

除了以上两点,在当前波动的市场中,我们真正应该关心的,也是当前人工智能技术发展的风险所在,是马上在年底即将发布的新一代的模型(GPT5或GPT草莓),究竟能否在性能实现质的飞跃。目前新模型预期有两个进化方向:经济实用的多模态以及成熟强大的推理能力。假如新模型的能力进化不能如预期所愿,那么我们所期盼的下一步AI应用生态的成长也将无从谈起,而目前不断加码的芯片资本开支竞争也会变得毫无意义,缩放定律碰壁,算法工程无果,AI的进展也将进入一个冷静期。这才是我们做长期投资所关心的主要矛盾。

其中模型的推理能力进化尤为关键。从Transformer的原理出发,AI模型经过了大批量网络数据的无监督学习,以及标注数据的人工监督学习微调后,学会了语言世界里无数概念之间的“相关性”。所以它能理解人类自然语言,能出口成章,能写代码,也记住了互联网公开数据里海量的知识,也会使用搜索引擎去更新自己。但这些能力,充其量只能被称为“聊天机器人”,规划、推理与反思的能力极差,且常常出现幻觉。例如,到目前为止,在被告知不可使用Python工具的前提下,让GPT4尝试计算两个4位数的简单乘法,结果大概率还是错误的。因为当前的模型能力更多是“知其然”,但不知其“所以然”,模型没有逐步规划、推理思考和验证反思的过程,而是记住了它所学到的各种“对应关联度”。例如人类能够快速说出10乘10等于100,但面对5245乘以8975这样的计算,我们通常要进行分解、逐位相乘和相加来得出最终结果;但大模型只会直接蹦出一个结果(大概率是错误的),而不会像人类一样进行分解运算和验算。它缺少这种能力。

就好像,大模型先从海量互联网数据中模糊地自学了大量知识,又从人类老师整理的“课件”里对这些知识进行了更加精确地梳理,但这样的学习成果最多只能是“知其然”。因为用以训练的海量数据(标注或未被标注),都只是人类所累积的思考结果,并不包括思考和决策的过程——那一般只存在于人脑当中。所以,要让AI学会“所以然”,除了“死记硬背”,还需要让模型尝试着自己去做题,自己去实践摸索,自己根据结果去一遍又一遍地修改和学会“解题过程”。让模型具备这种“规划、推理、反思”的能力,具体的做法可能是让模型在“思维链”的基础上,使用像蒙特卡洛树搜索的方式进行推理摸索,同时让另一个模型为推理步骤进行打分反馈,以学会在某种类型的任务里,学会达到正确结果或最优策略的推理过程。这在学术上被称为“自我强化学习”,当年Alphazero超越AlphaGo登顶围棋界所使用的训练方法,就是这种自我对弈、改进和提升的方法。现在我们可以期望大模型在更多泛化的任务里,也通过自我合成数据和强化学习的方式,能学会这种强大的推理能力。

强大推理能力的意义在哪?它能使模型从“聊天机器人”进化到“任务执行者”,不止会一问一答,还能完成更多复杂的任务,会使用人类所使用的各种软件工具。例如它能每个月根据发生的事件,股价的表现以及我们投资策略的思考,帮助我们综合完成一份《投资观点》;例如它可以根据甲方的设计需求,在两周内去策划完成一个多功能的软件程序;例如它可以根据所有案情搜集的证据材料,给出公安侦查的行动方案或法庭诉讼的辩护策略;例如它可以从纷繁多变的经济数据中,给出可能导致较大系统性下跌的风险提示,等等。这种“任务执行者”可以使AI的应用普及率得到更大的提升,也能让AI的商业模式从订阅,变成按任务价值计费,实现价值的巨大飞跃。值得一提的是,建立和使用AI的推理能力,将极大地提升推理任务所需的算力,这正是N公司新一代芯片Blackwell的优势所在。

总而言之,B系列芯片的问世以及下一代模型推理能力的展现,才是当下我们认为AI发展过程中的主要矛盾,我们需要紧跟此两者未来的发展。如果B卡因为技术的超强发展,始终遇到各种难以解决的技术障碍,或者新模型只是在例如数学或代码领域具备一定的推理能力,而缺乏泛化的能力,那么市场失望是其次,人工智能的发展进程可能要进入一段冷静期。

漫漫长夜,夜长则梦多。我们需要过滤掉各种恐惧所发出的噪声,摆脱来自其他板块轮动带来的诱惑,坚守在时代发展的主线脉络之上。波动与亏损的区别就在于,波动的下跌会很快回来,而亏损可能是永久的。就像《简爱》里所说的:“我们的荣耀并非在于从不跌倒,而在于每次跌倒后都能重新站起来。人生的旅途漫长而艰辛,但每一个坚韧的灵魂都在默默承受、默默奋斗。终有一天,光明会驱散黑暗,我们的努力将得到回报。”

 

2024年8月30日

 

 

 

 

 

 

风险提示及免责声明:市场有风险,投资需谨慎。在任何情况下,文章中的资讯仅供读者参考之用,文中提到的公司亦仅为阐述产业逻辑,所有内容均不带任何投资建议,读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的,东方港湾不负任何责任。