寻找 AI 大周期下的 beta 和 alpha ｜AGIX 投什么
本篇是「AGIX 投什么」系列的第 4 篇。在这个系列中，我们会以一二级融合的视角，为市场输出更全局的 AI 投资参考。
AI 早期的叙事下，更多的价值是被大公司捕捉到的，身处于 AI 技术革命早期，只有找到“高 AI 纯度” 的公司，才能在技术演进和市场震荡带来的不确定性中找到确定性。
我们的二级策略工具分为两类，目标分别指向 AGI-beta 和 AGI-alpha。
二级市场 beta 策略即 AGIX Index 指数，它是拾象面向 AGI 革命推出的指数产品。上个月，美国 ETF 资管机构 KarneShares 推出了追踪 AGIX Index 的 ETF 产品，KraneShares Artificial Intelligence & Technology ETF（Ticker：$AGIX），并在 Nasdaq 交易所上线。
Alpha 策略和 Index 产品是相辅相成的。在 AGIX Index 覆盖公司研究基础上，我们在二级市场通过择时、结构化交易等主动操作策略来平抑市场波动，增强投资者的持有体验。
在这篇内容中，除了对两类工具的定位和底层理念进行分享，我们还结合 AI 技术一线的观察对 AGIX Index 覆盖的重要公司表现进行了解读。
💡 目录 💡
01 如何捕获 AI 大周期的 beta 和 alpha
02 宏观展望
03 重要公司半年报解读
01.
如何捕获 AI 大周期的 beta 和 alpha
拾象团队最近一直在思考一个问题：“在这一轮 AI 变革的前期，到底是一级创业公司，还是现有的公司受益更多”。
从历史上看，每轮变革都是从硬件开始，再到 Infra、软件的一个逐步受益的过程。后期肯定是软件公司占大头，但早期都是硬件和 Infra 受益，而硬件和 Infra 基本上都是二级公司。所以从去年到今年，英伟达、SMH 以及其他硬件公司都涨了很多。
所以，我们认为需要通过二级的策略来捕获 AI 变革早期阶段大部分的价值创造。
前段时间，Google 前 CEO Eric Schmitt 在斯坦福的演讲中提到的一个例子很具有启发性：电力引入工厂并没有带来更多的生产力，而 30 年之后的分布式电源改造了车间布局，才推动组装系统的出现，实现了生产力质的飞跃。
现在和当时的情况有些类似。
我们其实在去年就提过，AI 和电是非常相似的，今年和很多企业交流后更加深了这个感受。企业从 Anthropic 或者 OpenAI 拿到的 Off-shelf 的 API 很难直接用起来，还需要进行大量的协调工作（orchestration）和数据处理，才能让 LLM 真正融入自动化流程并与现有的工作相结合。所以，Anthropic 研究可解释性就像变压器对电的意义，它使得模型变得可控，并且让数据在准备和清洗后能够被大型语言模型有效利用，而做 RAG 和 Fine-tuning 类似把电源、电线布置好的过程。我们觉得做到这些还需要时间。
我们的二级策略工具分为两类，目标分别指向 AGI-beta 和 AGI-alpha。
用指数追踪 AGI-beta
AGIX Index 是我们的 AGI-beta 工具，在通过一级研究提前看到变化后，我们结合二级公司的基本面研究，给真正有 AI 产品、AI 收入的公司打分，从而将满足条件的公司纳入到指数中，再根据公司市场赋予相应权重。
之所以采用这种基于可见产品和收入的评分机，是因为美股市场和港股、A 股风格不太一样。美股可以总结为“因为看见，所以相信”，当看到公司有真正的 AI 进展和因为 AI 产生的收入，市场才会给它奖励，Long-only fund 才会开始加仓，也因为这一点，我们认为，当前时点上，欧美 long-only fund 对于英伟达还是低配的。
AGIX Index 的目标是在长周期下，对远期的确定性进行思考。例如，去年 Gemini 的 demo 因为并不是实时的手势识别和演示，被一些人质疑为造假。这件事当时看似是造假，但在未来 3 到 5 年，甚至更短的时间内，这样的技术是完全可以实现的。所以我们寻找的是远期的确定性，在这个确定性下思考哪些公司受益，哪些公司受损。
AGIX Index 从年初至今的表现为是上涨了 25.26%，而 QQQ 的底层指数 Nasdaq 100 则是 18.36%。
如果把时间线拉到更长，参考 4 年回测，AGIX Index 在过去 4 年也实现了 4 倍的回报，显著超越了 Nasdaq 100。我们更希望看到 AGIX 变成一个 10 年 10 倍的指数，用来追踪未来 10 年最大的变化。
AGIX Index 的表现之所以能显著超越 Nasdaq 100 是指数构建理念差异的结果。
QQQ 一直被认为是投资科技股的 ETF 代表，QQQ 的底层指数是 Nasdaq 100 ，但它的整个逻辑是市值加权，也即按照市值大小投资于 NASDAQ 上市的非金融类公司中市值最大的 100 支股票，整体偏向于这样做并不会考虑底层公司具体的业务和技术逻辑，这也带来一个结果：即一些过去非常成功的公司、市值也非常大，虽然在新技术浪潮中，这些公司可能会被颠覆、逐渐淘汰，但因为这个过程相当漫长，因此这些公司也能在相当长一段时间中留在 Nasdaq 100 之中。
换句话说，虽然 Nasdaq 100 通过市值加权的逻辑对先进生产力头部公司进行了覆盖，但并不是 100% 对先进生产力本身的覆盖，更不是对先进生产力带来的变化进行覆盖，在新老技术交替周期中，这种缺陷会被放大。
不仅仅是 Nasdaq 100，其它和技术、科技股相关的指数都会有类似问题，相对应的追踪这些指数的 ETF 产品表现也会受到影响。举个例子，尽管半导体 ETF 这些年表现非常好，但 Intel 在这波 AI 浪潮中是明显受损的，但在前段时间的大跌之前，它仍然是 SMH 指数的前十大持仓之一。
具体到覆盖公司标的对比上，则可以更加直观看到 AGIX Index 的 AI 纯度：
因此，好的 AI 投资工具首先一定要主动理解这些公司，在长周期纬度下判断哪些将从 AI 发展中受益，哪些将受损，从而挑选出赢家，避免那些可能拖累业绩的个股。
上个月，美国 ETF 资管机构 KarneShares 推出了追踪 AGIX Index 的 ETF 产品，KraneShares Artificial Intelligence & Technology ETF（Ticker：$AGIX），并在 Nasdaq 交易所上线。
除了追踪的指数足够 AGI native 外，AGIX ETF 的另外一个显著特点是：它面向一级市场头部资产也设置了一定的敞口，AGIX ETF 不超过 15% 的仓位会配置一级 。虽然目前大多数价值捕获来自二级市场公司，但作为一个旨在提供全面市场敞口的 beta 产品，如果错过了一级市场的投资机会，那么产品的市场覆盖就不够完整，这种机制设计，使产品既具有流动性，又能获得一级市场的投资机会。
AGI Alpha:
Alpha 策略和 Index 产品是相辅相成的。在 AGIX Index 覆盖公司研究基础上，在二级市场通过择时、结构化交易等主动操作策略来平抑市场波动，增强投资者的持有体验。
我们目前还处于 AI 的早期，在真正实现 AI/LLM 的 massive adoption 之前，市场一定会经历许多所谓的"垃圾时间"，在这段时间内，由于模型进展等因素，可能会出现“air pocket”（市场动力不足的时期），这些时期持有某些股票收益可能并不好。借助主动管理策略就可以避免在这些低 beta 时期持有表现不佳的股票，从而获取 Alpha 回报。我们希望 Alpha 策略能够实现更低的波动性和更高的收益。
在理解市场叙事和周期，抓住 beta 的同时，我们也会基于基本面研究通过多空策略发掘个股 alpha。在具体的选股上，我们倾向于根据行业周期、竞争格局、公司本身的现金流盈利能力等因素设定仓位和持仓周期。
02.
宏观展望
前段时间，市场因为多种宏观因素而出现了一系列波动。前两次市场风格的转变相对健康合理。首先，市场开始从成长股向价值股转变，随后特朗普相关主题出现，市场又向特朗普概念轮动。
比较剧烈的波动是 7 月底。在 7 月底至 8 月初的两周内，市场经历了快速的去杠杆过程，引发了巨大的波动，这一波动是两方面因素带来的：
首先，美国的就业数据低于预期。另一方面，日本央行采取了鹰派的加息措施，这导致了日元套利交易的大规模平仓。根据多方的统计数据，日元套利交易的规模估计在 4000 亿至 6000 亿美元之间，扣除长线债券资金，股票头寸大概在 2000 亿美元。
在 8 月 5 日至 7 日的三天内，美国股市基本完成了这些仓位的去杠杆。由于突然增加的波动性，许多量化交易策略也会减少头寸，因此在 8 月 7 日，主要是量化交易的平仓导致了市场的抛售。我们看到降仓已经完成，同时前两周逐渐开始有企业回购，基于这些情况，我们判断市场调整已经结束，企业回购活动之后将是一个相对平静的阶段。
除了关注股票市场，我们还非常关注美国整体的金融环境。
目前，我们倾向于认为美国的信贷端流动性没有显著问题，尤其考虑到今年下半年美国要降息，美国整体的金融环境是在向宽松方向发展。
最近市场上也有很多声音开始讨论 Sahm Rule。实际上，Sahm Rule 是一个同步或后延的指标，并不是一个先验或前瞻性指标。
💡
Sahm Rule（萨姆规则） ：美联储经济学家 Claudia Sahm 在 2019 年提出的一个用于预测经济衰退的指标，在 Sahm Rule 的规定中，如果三个月平均失业率相对于过去 12 个月的最低值高出 0.5 个百分点或更多时，通常意味着经济已经处于衰退状态。
Sahm Rule 之前被激活都是因为美国已经进入衰退：职位供给坍塌，导致失业率的急剧上升。但本次不太一样的是， Sahm Rule 被激活不是裁员带来的，而是劳动参与率提升驱动的结果，美国的就业创造并没有出现问题，尽管有所放缓，但每个月仍有超过十万的就业机会被创造出来，因此美国的整体就业状况仍然是健康的。
此外，美国当前的金融环境是过去 20 年中最严峻的时期之一，整体利率非常高，中小企业融资非常困难。在这种情况下，就业数据还是如此强劲，随着美联储在下半年降息，预计中小企业将受到刺激和帮助，这将极大地促进就业。
03.
重要公司半年报解读
*该部分对于单个公司的讨论仅作为研究分享，和组合持仓、交易操作不构成直接关联*
头部科技公司：核心关注点是 AI 的可持续性
整体来看，互联网板块公司 24Q2 的财报虽然略低于预期，但从绝对值来看还是不错。目前市场对今年明年的 Capex 周期已经比较认可，主要的关注点是 AI 的可持续性。所以这轮财报季中，企业在问答环节被问及最多的问题，是如何证明 AI 的应用场景能够带来足够的投资回报率（ROI）。
• Microsoft (MSFT)
微软云 Azure 的 6 月份增长率略低于预期 1.5 个点。但从中长期角度来看，微软是最直接受益于 OpenAI 发展的公司。如果下半年 OpenAI 进一步推出多模态的应用，对 Azure 的拉动作用是很明确的。目前 Azure 在供给上有一定瓶颈，如果得到缓解，我们对 Azure 下半年的前景持乐观态度。
我们预计 Azure 微软云服务到明年 3 月和 6 月都能恢复到 30% 的水平。也就是说，虽然这次财报中 Azure 得表现不及预期，但未来几个季度的业绩指引还是有机会达成的。
• Amazon (AMZN)
亚马逊的利润主要分为 AWS 云服务和零售业务两部分。在我们的调研中，不少初创公司都认为 Claude 是多个方面最优秀的模型，因此，我们在判断亚马逊接下来的表现时的一个核心观点是，AWS 将不断从 Claude 的应用中受益，其增速将会提升。
在这个季度， AWS 的增速从上个季度的 17% 回升到了 19%，超出了市场预期。8 月份可见的 AWS 的增速将加速至 20%。我们的观点是 AWS 的增速将从年初的 12%逐步恢复至 14%、16%，直至 19%，可见我们的逻辑已经得到了市场的验证。
经过过去几年的投入，AWS 现在正处于产能释放和显著增加经营杠杆的绝佳时期，AWS 从今年到明年都将是收入和利润的重要贡献者。我们还了解到，Amazon 目前在积极的扩大市场份额，因此在市场营销方面可能预留了充足的空间。
• Meta（META）
Meta 在这个财报季的表现也非常好。
在此之前，市场最关心的问题是，随着国内出海电商在今年下半年对 Meta 广告板块的贡献下降，Meta 的利润和收入是否还能跟上？对于这个问题，我们也做了很详细的拆解和追踪，核心结论是， Meta 对美国下半年的收入预期相当保守，是可以实现的。
总体来说，Meta 拥有海量数据和用户群，将 Llama 3.1 集成到系统中可以在许多场景中提高效率，例如自动撰写广告、帮助广告主寻找潜在客户等。
更重要的是，未来 Meta 可能会提供全面的编辑工具，广告主在制作视频或音频时可能完全在 Meta 系统内完成，不再需要跳转到 Adobe 等外部工具。
Meta 在今年 5 月推出的 GenAI 广告工具
• Tesla（TSLA）
Tesla 很有争议性。喜欢和不喜欢的人的关注点很不一样。由于车型和产能的限制，今明两年的制造端业绩可能不太乐观。市场喜欢 Tesla 的点主要在于 FSD、机器人技术，以及未来的 AI 应用。
单纯从 Tesla 的 AI 业务收入角度来看，这部分收入是下降的。Tesla 的 Autopilot 功能之前每年能带来 1 万美元的收入，但在 FSD 订阅模式推出后，年收入降至了 1000 美元，今年 Tesla 的 AI 业务收入预计还会继续下降。但 Tesla 仍是最具想象力的公司之一，但投资策略和时机的选择很重要。
FSD
FSD 的渗透率目前是 10%，价格是 FSD 得到大规模采用的主要障碍是价格，每年需要支付数百到上千美元的订阅费。如果月费降至 30 到 40 美元，FSD 的渗透率可能会进一步提升。
还有一个指标很关键：FSD 到底有没有帮 Tesla 更好的卖车。目前来看，消费者并不会因为 FSD 功能而选择购买或租赁 Tesla，也没有看到它在定价和销售上带来了明显的积极影响。
Robotaxi
Tesla 的 Robotaxi 技术要到第五代硬件，能容纳的模型参数涨了十倍，但确实比较贵。
Robotaxi 要完全实现无人驾驶，要克服的各种边缘场景，安全隐患很多。例如，乘客向出租车招手、修改目的地、或者找不到车，这些都涉及多个因素，所以完全无人驾驶在安全性或某些环节上仍需处理。
总的来说，FSD 和 Robotaxi 目前最主要限制还是端侧算力。如果端侧算力能够提升，进展会相当快。另外，模型变小的速度也比较快，每年在单位参数上的知识密度和智能水平都有 2-3 倍的提升，这种累积效应是相当可观的。
是否采用激光雷达也是 Tesla 的潜在问题。Tesla 最初制造汽车时，因为激光雷达成本非常高，所以没有在车辆中使用过激光雷达。现在激光雷达已经非常便宜了，就几百美金，最便宜的款就 100 美金。
如果 Tesla 决定在其车辆中加入激光雷达，则可能需要重新设计其算法和数据处理流程，但如果不使用激光雷达，那么安全性会一直比别人差。
软件公司：AI 收入持续超出预期
除了头部互联网公司外，这个季度值得强调的是软件行业与 AI 相关的收入持续超出预期。例如 ServiceNow、Palantir、Datadog 和 Cloudflare 等都表示 AI 相关收入很不错，我们在之前的讨论中也对软件公司如何 adopt AI、企业部署 AI/LLM 的趋势变化进行了总结分析。
Walmart 在自己的最新的财报中也着重强调了 GenAI 的拉动作用：GenAI 不仅帮助公司进行广告宣传，还帮助客户更有效地找到所需商品，GenAI 的采用让 Walmart 的团队效率提高了 100 倍。Walmart 的财报是一个很好的例子来说明，在科技公司之外，GenAI 对于传统企业中的效用也在慢慢体现，尽管目前可能不会立即产生新的应用，但已经嵌入到现有工作流，提高效率。
• ServiceNow (NOW)
ServiceNOW 是我们最喜欢的一家因 AI 受益的软件公司，我们之前已经对其做过深度的介绍。
在公司的最近一轮的财报中，ServiceNow 的表现依然出色，公司对未来的业绩指引也非常强劲，业绩会上分享的很多 AI 的案例和应用场景进一步增强了我们的信心。估值虽然不便宜，但它的基本面非常强劲，从历史角度来看也不算贵。
• Palantir (PLTR)
Palantir 的数据平台产品是 Ontology ，Ontology 在融合了 LLM 之后，能够很好地利用 LLM 来管理、分析企业私有数据，从而给到企业用户更有价值的数据决策辅助。公司今年第二季度财报显示，Palantir 收入增长重新加速，利润率也有所提升。
管理层提到，在 AIP Camp 推出后，会带来企业的快速采用，并缩短销售周期，已经对实际业绩产生了积极影响。根据 24 年的预测，以 25 倍的市销率计算，PLTR 是目前估值最高的软件公司。
• Datadog（DDOG）
Datadog 2Q 的业绩超出了预期，公司进一步上调了业绩指引。来自 AI-native 公司的订单已经占据了 Datadog 收入的 5%，其中包括 ChatGPT、Perplexity 等头部 AI 应用。Datadog 也全面发布了其 LLM 可观测性产品。
硬件：核心问题是 Capex 的 ROI 能否得到验证
硬件领域，我们主要的关注点是资本支出（Capex）的投入产出比能否得到验证。这个问题是目前最大的 debate。
一些与 AI 相关的硬件公司，无论是本季度、下个季度还是明年上半年的业绩预期都相当乐观。不论是对行业内公司的业务业绩比较，还是和产业链一线人士交流，我们都能明显感受到，科技进步的节奏是非常快的，所以我们并不担心 AI 相关半导体公司的业务。
主要问题在于，如何保证投入的可持续性？市场也会因为这个问题不断尝试震荡，但也给了我们交易机会。
在已经发布业绩的硬件公司中，台积电业绩非常亮眼，第二季度的各方面表现都很好，指引也有所提升，我们认为，台积电将是下一个市值达到万亿美元的公司，有望在今年超过 1 万亿美元的市值大关。
**本文仅作为科普分享及学习资料，不构成任何投资建议或金融产品推荐，并且及不应被视为邀约、招揽、邀请、建议买卖任何投资产品或投资决策之依据，文中所涉及的分析、观点及结论均为作者基于公开信息的研究和主观判断，不代表任何投资机构或金融机构的官方立场，亦不应被诠释为专业意见。投资有风险，入市需谨慎。**
排版：Doro
延伸阅读
RL 是 LLM 的新范式
Twelve Labs: 多模态重塑视频内容检索
答 AI 的 6000 亿美元问题：LLM 应用会如何崛起？｜AGIX 投什么
Perplexity：并不想替代Google，搜索的未来是知识发现
AI是如何重塑软件公司的？｜AGIX投什么