今年以来市场的分化格局让“老登买酒、小登科技”的话题较为火热，也有人因此将价值投资和科技投资摆在对立的两面。
10月30日，中泰资管的基金经理田瑀发布了题为“”的推文。田瑀在文章中指出，价值投资并不与科技投资对立，能评估价值的领域都是价值投资的范围，这其中自然包括科技，差别在于不同领域的价值评估所需要的门槛并不相同。
11月5日，田瑀以直播形式就上述话题进一步展开，他表示价值投资并不区分成长行业或传统行业，如果能满足“长期需求的下限能判断”、“生意模式可评估，且不会因为技术变革发生大的变化”、“企业的护城河可评估”这三个条件，价值评估和判断就可以进行。
在田瑀看来，AI的发展会使得未来很长一段时间内半导体行业的整体需求增速快于过去10年，当下我们仍处于这次科技变革的初期。结合我国半导体产业的长期发展来看，无论贸易摩擦是阶段性缓和还是加剧，国产化的方向都不会变。对于晶圆代工、存储、模拟芯片行业而言，AI带来了需求增长，但并没有改变生意模式，反而扩大了护城河的价值。
田瑀，现任中泰资管权益公募投资部总经理兼研究部总经理。复旦大学材料学学士，复旦大学物理学硕士，拥有13年投研经验（其中10年投资管理经验）。曾任安信基金特定资产管理部投资经理、中泰证券资管权益投资部高级投资经理、基金业务部副总经理。他坚持价值投资理念，善于寻找具有宽阔护城河的成长股，分享企业成长的价值。
下文是投资作业本课代表基于田瑀直播分享整理的主要观点：
1、苹果算是科技的尾声，这个取决于你对科技怎么定义。要是回到工业革命之前，那电力也是科技，但如果你买电力的时间点晚一些，可能在大家的印象里就不算科技了。
2、那投资大师买苹果，算不算是科技投资？我觉得算，但它不是很突出的科技。就美股来看，这一轮以AI技术变革为代表的科技公司，我们通常指的不是苹果，因为苹果在AI领域可能并不突出。其他几家可能更突出。
3、价值投资者判断一家公司价值是否可判断的前提条件都类似：
一是长期需求的下限能判断；二是生意模式可评估，且不会因为技术变革发生大的变化；三是企业的护城河可评估。如果这三个条件都满足，那它的价值就可以评估判断。
4、科技股投资，如果生意的护城河有，长期的需求有，且盈利能力也在，当期赚不赚钱就不重要。像汽车、智能驾驶，可能前几年也不太有利润，一旦产品的护城河累积起来，未来赚钱的可能性和空间都是巨大的。
5、为什么大多数人会形成“价值投资和科技投资对立”的刻板印象？一是从客观结果来看，投资科技的价值投资者比较少。二是价值投资者很难也很少去讲自己的科技投资案例，所以让大家形成这样的刻板印象。
6、无论有没有AI，晶圆代工都是有护城河的生意、能评估的生意。AI带来的算力需求，没有改变晶圆代工的生意模式，而是扩大了护城河的价值。
7、用CPU为计算核心的时代，计算方式是顺序计算，中间过程较少需要存储数据，而AI计算利用的是神经网络模型，循环计算，计算后输出的结果需要被储存后再继续计算。计算模式的变化带来计算次数和存储次数的比例发生了巨大变化。
之前大家都是根据原有CPU线路的技术研发方向去做计算设计的，所以当AI快速被大家认可使用起来后，计算机计算的底层范式发生了变化，存储的供给端就成为了瓶颈，无论是存储的带宽还是容量都成为瓶颈。
8、追求半导体领域的自主可控过程给国内企业带来了产品采购、合作研发等多种机会，帮助其解决了先有鸡还是现有蛋的困境，一旦跨越过去，很多领域我们就很有可能实现从追赶到反超。在这样的背景下，我们国家的晶圆代工、存储制造等环节就具备了诞生优势企业的可能性。
9、从原理上来讲，摩尔定律放缓几乎是一个确定性的判断，从现实中也看到了这一现象。
10、物理极限和半导体制造水平，使得半导体制造可能会成为一个不那么快迭代的行业。
以下是投资作业本课代表（微信ID：touzizuoyeben）整理的精华内容，分享给大家：
价值投资和科技投资并不对立
提问：有投资者问，在您看来，为什么有人会将价值投资和科技投资对立起来？矛盾的点是什么？
田瑀：这也是很多朋友问我的问题，其实这个刻板印象的形成有各种各样的原因。
首先，从客观的结果上来看，大众熟知的价值投资大师，或说知名投资人，投资科技的占比很低。包括大众熟知的价值投资经典案例、大师在传递价值投资理念时用到的案例中，都很少用科技标的作为例子。
提问：苹果不算吗（谈及美股标的仅作为案例使用，不代表投资建议，下同）？
田瑀：苹果算是科技的尾声，这个取决于你对科技怎么定义。要是回到工业革命之前，那电力也是科技，但如果你买电力的时间点晚一些，可能在大家的印象里就不算科技了。
大多数（被定义为）科技有个比较重要的特征，就是诞生之初，该技术对全社会的劳动生产率，或给普通大众生活带来非常快速的改变。这个阶段往往大家把这个技术称为科技或新科技。
电力最初出现时，对大家生活的改变是翻天覆地的。按照我的理解，当下的AI可能也算是这样的技术。
那投资大师买苹果，算不算是科技投资？我觉得算，但它不是很突出的科技。就美股来看，这一轮以AI技术变革为代表的科技公司，我们通常指的不是苹果，因为苹果在AI领域可能并不突出。其他几家可能更突出。
回到原来的问题，为什么大多数人会形成“价值投资和科技投资对立”的刻板印象？一是从客观结果来看，投资科技价值投资者比较少。二是价值投资者很难也很少去讲自己的科技投资案例，所以让大家形成这样的刻板印象。
从价值投资的理念来看，第一个非常重要的原则就是价值要可评估，就是一家企业值多少钱，得能算出来。
我们刚才提到，科技在技术发展初期，会对生意、社会、劳动生产率、经济发展产生很大的冲击，或说带来更大的提升。在这样的冲击过程中，往往会有较多变量。
这可能会导致价值投资者进行企业价值评估时，在评估商业模式、长期需求等模型变量时会面临一些困境，但这不意味着所有的都不行。另外，这也有个人选择的原因，比如有些投资人可能会觉得科技变化太快，在评估价值的时候会有问题，更何况在其他领域也能赚钱。这当然无可厚非，但无形中也导致价值投资者对于科技领域的投资涉猎偏少。
提问：是不是因为科技企业一开始都亏钱？
田瑀：不是，科技企业有赚钱的，一开始就赚钱的也有，比如这一轮的英伟达。科技企业不是必然在起步阶段亏钱，但有一部分是的。
有些科技的投入周期是很长，前期的投入可能并不产生收益，或者说前期的投入规模和前期产生的收入规模并不匹配，这就会产生财务上的亏损。
但这并不代表业务不能评估，一旦商业模式确定、长期的付费能力确定、盈利能力确定，短期不盈利并不影响企业价值。就跟我们之前讲过的模拟半导体类似，它可能短期也不赚钱，但是不代表它没价值，恰恰它长期的价值是很高的。
所以，我觉得（亏钱）并不是必然，但也有些当期就赚钱，比如一些做芯片、半导体、算力卡的，有些当期就有利润、就赚钱的。没利润不是科技股的必然，同时在它没有利润的阶段也不代表它没有价值。但在这个阶段去评估它的价值是有门槛的，不是那么简单。
提问：门槛是啥？就是你得看的时间长一点？
田瑀：看的时间长不叫门槛，价值投资者都看的很长。门槛是指对这个业务的理解需要门槛，有些业务模式并不容易理解，建立护城河的方式也需要深度的研究。
有些半导体的生意，你要想建立认知，需要很多技术知识（背景），门槛不低。
很多人可能受限于知识背景或其他原因没有涉猎这类，这也是大家对于价值投资和科技投资之间对立的刻板印象形成的原因之一。
提问：是不是也因为很多科技企业的业务是To B的？
田瑀：也有To C的。To C的也没那么容易理解。比如AI、自动驾驶很多业务是To C的，理解起来也不像一些传统业务那么简单。
公司价值是否可判断，取决于三个条件
提问：有投资者说，一提到科技，很多时候感觉是未来很广阔，但当期的报表可能不是很好看。您认为当一家公司达到什么样的程度，才会认为它的价值是可判断的？
田瑀：无论是不是科技公司，价值投资者判断一家公司价值是否可判断的前提条件都类似：
一是长期需求的下限能判断；二是生意模式可评估，且不会因为技术变革发生大的变化；三是这家企业的护城河可评估。如果这三个条件都满足，那它的价值就可以判断。
至于当期是不是赚钱，这个不重要，只要商业模式定了，未来如果能赚到很多钱也是可以的。对价值投资者来讲，如果我们认为一家企业永远不赚钱，那它就没有投资价值。但如果生意的护城河有，长期的需求有，且盈利能力也在，当期赚不赚钱就不重要。
看折现模型你会发现，很多优质企业价值大部分是通过后期的利润来实现的。这样的企业，它也有价值，只要够便宜，我们就能买，就能投资。
另外，有些企业有广阔的未来，不一定当期的报表都不好看。当然，报表不好看的比例在科技里占比可能稍微高一点。
恰恰是因为这项业务本身有广阔的未来，大家才愿意做很长期的投入，比如芯片的研发、大模型的研发。
以芯片举例，比如手机端的主控芯片（System on Chip，简称SoC），可能每年投一两百亿，得投三五年才能出第一款芯片，第一款芯片可能卖不了多少，也许前五年都不太赚钱。那是不是它就没价值呢？显然它有价值。
像汽车、智能驾驶，可能前几年也不太有利润，一旦产品的护城河累积起来，未来赚钱的可能性和空间都是巨大的。
这些方面有一些是我们能评估的，有一些我们还缺乏证据或研究条件来辅助我们判断（它确实行）。那我们就等这些信息出来后再评估。
这就是价值投资判断价值的一些前提条件，无论科技还是非科技都一样，有些传统产业也一样，如果长期需求的底我们判断不了，那一样也没法判断企业价值，不光是业务简单和复杂的问题。
提问：以芯片为例，会不会出现投一两百亿出来一款产品后，后面还得需要不断地再投入，生意模式就是得一直研发，资本开支下不来？
田瑀：资本开支下不来也可以，收入得上去。如果资本开支下不来，收入也上不去，那就没价值。就像刚才提到的，企业早晚得能赚钱，如果一直不能赚钱，那对于股东来讲没意义。
提问：那是不是当一个业务，比如说成本稳定或者是开支稳定的时候，价值更好判断？
田瑀：如果稳定，需要判断的部分就少，判断上会更容易，但不代表投资会更容易。其实更多时候需要我们通过研究来知晓未来开支的曲线以及开支与所产生收入的关系。对于科技领域的研究来说，未来开支的曲线以及开支与所产生收入的关系是更重要的问题，厘清这些问题就能进行价值判断。
比如投一款芯片，我们大概能判断投入什么规模就够了，投入金额不会无限制往上增加，它能产生的收入我们也能判断。
例如，今年第一款手机芯片可能只能卖一千万个，但以后它能卖1亿、2亿。它能做得越来越好，能获得更多的市场份额，这些我们能评估，就能计算，就能知道它的大概价格是多少。
但如果有个业务每年投100亿，到最后只能产生100亿的收入，那这个业务对投资而言就没意义。
提问：这个判断更多时候是靠经验，还是什么？
田瑀：不是靠经验，是靠研究，靠深度研究，靠你对这个业务的理解。这就是这类投资的门槛，并不显而易见。
以手机SoC为例，你需要对这个行业、对竞争对手及他们之间的差异有了解。对于采用第三方SoC的手机厂商，你需要深入研究其采购原则、采购方式、长期的战略，同时了解产品间的差异、学习曲线、研发团队的评价。
这些都有深入的研究之后，你才能评估，如假设它未来能占多少市场份额，长期能产生什么样的收入，要维持这样的地位大约每年投入的研发水平是多少，才能评估。
这个研究是有门槛的。
提问：科技行业的研究难度天然比传统行业大？
田瑀：从统计学意义上来讲，科技行业难度应该是更大的。它离我们的生活远，产品本身也更复杂一些。比如矿泉水、纸巾就更容易理解，产业链也简单。
AI扩大了晶圆代工护城河的价值
提问：您在文章中提到晶圆代工是一个价值可评估的典型。AI带来的算力需求具体是如何扩大了这个行业原有的护城河？在AI之前，晶圆代工价值可评估的程度好像不是那么高？
田瑀：不，原来晶圆代工就是一门价值可以评估的生意。
晶圆代工存在的时间较久，生意模式很稳定，护城河也是很典型的。
晶圆代工的门槛在哪？是先进制程的代工。在这个领域，你会发现它是一个很有趣的市场。比如，晶圆的制造是按照工艺制程划分的。工艺制程，一般按照“数字+nm”的形式表达，比如100nm等等。
在22nm之上，它指的是生产半导体的过程中，关键器件的最小真实尺寸，比如22nm指的是一个晶体管的栅极最小线宽。
以这个尺度为生产半导体的重要指标，是因为同样的面积下，生产的晶体管越小，能处理的信号就越多，计算能力越强。
但到22nm以下，就不再是真实的物理意义，它变成了一个等效指标。
原则上，假设我们认为芯片是一个平面结构，晶体管的直线尺寸缩小一半，单位面积上能装的晶体管数量与其是平方关系，即大概能装原来的4倍。
在22nm以下，会遇到物理上的限制，产生一些额外的问题，如晶体管会通过其他方式增加单位面积的密度，同时不缩小最小线宽。
提升密度就是单位面积的等效晶体管数量提升，假如原来100亿个晶体管，现在是200亿个，即使没有缩小最小线宽，也相当于关键尺寸变成原来的0.7左右，它是个相当于的概念。
你会发现，每一代制程的进步大概都是乘以0.7，晶体管的密度翻一倍的程度。
晶圆代工这个领域随着制程的不断缩窄，生产线的投资规模会呈指数级往上走，可能从一两亿美金/生产线到百亿美金/生产线。
最先进的制程，全球的需求量就这么大。对于全球最领先的晶圆代工厂，它是个利基市场（只能容纳一家优势企业的市场），就我一家能满足整个市场一半以上的供给，剩下任何人再进来，规模效应都不如我，因为我初始的投资规模太大。
另外，晶圆代工随着制程的进步，他的学习曲线也是挺陡峭的。
比如4nm或7nm这样的工艺，生产一片晶圆，工艺步骤可能是200到400步的量级。这是什么概念？
举个例子，如果每一步良率达到99%，最终的良率低的可怜，最高也就在百分之十几的水平。如果每一步良率都达到99.9%，最终的良率也不高，大概能达到80%左右。
一旦它在单步骤良率99.9%的水平上再去追求一个小数点的提升，这个难度就极高了，需要很多经验的积累。
高到什么程度？同一家企业买一样的设备，在不同的地方开工，可能良率都有差异。这里面的经验和Know-How的东西就会变得特别多。
所以无论有没有AI，晶圆代工都是有护城河的生意、能评估的生意。这个生意不错。AI带来的算力需求，只不过是把需求的增速拉起来。同时也提升了这个护城河的价值。
比如，原来的CPU，一个产品比另一个产品好一点，你可能并不一定愿意付出更高的溢价，因为产品提升的价值量没有很高，体验上差别不大。
但AI算力需要几万张卡做集群，你会发现我比你好一点，我带来的价值量是极高的。所以客户愿意付出的溢价高。
所以我觉得AI扩大了晶圆代工护城河的价值。
AI提升算力的同时，提高了对存储的要求
提问：文章里面还提了存储行业，这个行业最近也挺火的，有公司都停止报价了。这个行业是怎么被AI改变的？
田瑀：AI的计算方式和传统的计算机的计算方式不同的，这是核心原因。
以用CPU为计算核心的时代为例，那时传统的计算机计算方式是顺序计算，比如先算A到B，再算B到C、C到D，它是一个有先后顺序的顺序计算。顺序计算的好处是中间不用存结果，前面计算完了的结果直接变成下一个计算的输入就行。
AI的计算，是利用神经网络这样的模型，它是循环计算，就是计算后输出的结果需要储存，然后再继续计算，大概是这样的过程。这种计算模式发生变化的过程中，它的计算次数和存储次数的比例发生了巨大变化。
原来可能算5次或者8次甚至100次，只需要存一次。现在可能算两次就得存一次，甚至有些场景算一次就得存一次。同样计算能力的提升，对存储的要求会变大，弹性变大。
由于过去的存储制造环节，大家的发展路径都是依据于原有CPU线路的技术研发方向去做的，所以当AI快速被大家认可使用起来后，存储就成为了瓶颈，无论是存储的带宽还是容量都成为瓶颈。这是存储为什么被AI改变的一个原因。
提问：最近比较火爆是因为有什么新的产品或技术？
田瑀：没有，就是因为需求持续的高增，供给不足。
原来的DRAM（动态随机存取内存），就是我们的内存条。以前内存都是平面结构的，就一层，里面有各种存储单元。
在AI时代，它可能是HBM（高带宽内存），很多层叠在一起。生产一片HBM就会占用通用DRAM的产能。整个产能就这么多，如果AI需求暴增，那就会把整个的供需拉爆。
这就是为什么DDR涨价非常厉害，隔两三个月就停止报价。现在存储行业是需求增速会比算力增速更快的一个领域。
其他类型的存储也都是AI的需求打破了原有的供需关系。
提问：国内企业护城河或者说竞争优势相比国外我们熟知的那三家是很强吗？
田瑀：存储制造和晶圆代工都是芯片生产，它们的护城河构建的方式类似，就是规模经济。
从全球来看，过去历史上我们的存储芯片的制造厂就全球来看不是最领先的。
但这样的生产工艺，是经验积累摸索的过程。能不能打破利基市场取决于有没有客户愿意尝试并配合改进以及最开始不赚钱的那部分投资愿不愿意做这两个因素。
当前中美两国都在追求半导体领域的自主可控。在这样的背景下，我们国家的晶圆代工、存储制造等环节就具备成为领域优势企业的可能性。
一开始有劣势没关系，由于要实现自主可控，给了国产或者可控的产业链制造更多机会，包括产品采购、合作研发等。一旦产品出现问题，来回改进摸索，这样无形中帮助这些企业越过高门槛。这是最困难的部分。
站在客户的角度，如果没有自主可控这个背景的话，大家肯定是愿意用成熟的产品，也不愿意试，因为这些企业的成本也不是很低。
但是如果换了之后，一旦出问题会影响业务发展。这个门槛其实很难跨过去，但因为有自主可控的大背景，在这个领域国内的企业有了更多机会。
这会是很大的机会，这些领域以前全球比较领先的企业的盈利能力和股东回报能力是非常好的，以后我们可能也会有这样的企业。
自主可控的要求会影响评估公司的假设条件
问：自主可控或者说产业安全感觉不是一个通常的商业行为，有点偏产业政策。这以后会不会成为您的研究重点？
田瑀：这个我们只要通过自下而上确认就行。
首先，产业政策其实不用研究，因为逻辑上很合理，国家的表达也很明确，我们更多的是确认。国家提出了自主可控的产业政策，执行程度通过自下而上调研就能获悉。产业政策的方向不用怀疑，是非常明确的，这个决心不用怀疑。
逻辑上的必要性也是明确的，自主可控，核心技术要掌握在我们自己手里，不受制于人，也不用怀疑。
这影响的是评估公司的前提假设条件。如果没有自主可控的判断和有自主可控的判断，我们对公司企业价值的评估结果是不同的，但是并不是说我们对这个生意的理解不同。
相当于模型没变，但输入的参数变了。比如，晶圆代工行业，在全球来看是个大市场，一些晶圆代工企业与国际领先企业相比，原本弱势地位可能很难改变。
但有了自主可控的要求，它们的弱势地位就可能会发生变化，会对应到未来市场份额发生变化，对应到未来盈利能力发生变化。这些变化会输入到我们的模型中，进行重新评估。
比如存储，以前优势的企业可能就是韩国企业。但在自主可控的背景下，这个产业链跑了一定时间后，我国的存储制造大概率会在全球范围内会变得有竞争力。那么，我们对这家企业评估模型的参数就会进行调整，但业务的展业方式没变。
摩尔定律放缓是确定性判断，
半导体制造迭代会变慢
提问：文章里写了摩尔定律放缓，这个是已经观察到的现象，还是说您研究产生的观点？芯片的算力取决于什么，为啥会放缓？
田瑀：从现象上，我们看到了摩尔定律放缓（芯片性能提升逐渐放缓）。最先进的芯片，从14nm到7nm，到4nm再到2nm，甚至到一点几，速度在放缓，计算能力提升的幅度也在放缓，事实是有的。
从道理上为什么我们坚信这个事情？我是学物理的，从理论上说确实会放缓。为了方便理解，我们可以把半导体的基本组成单元，粗略看作开关。把无数多个开关放在一起，组成一个芯片。
为什么摩尔定律说每隔多少个月计算能力会翻倍？主要原因是，开关变得越来越小，单位面积上的开关越来越多，就能提升算力。但开关能不能变得无限小？其实从物理学上看就不可能。
举个简单例子，提到开关我们脑子里可能会出现电灯的画面，两边各一条导线，中间合上就通电了，灯就亮了，这就是开关。开关变小后，两边导线间的间距会越来越小，小到一定程度即使断开开关，它也通电，开关就失效了，芯片也就失效了。
生活中的放电现象也是如此。中间是空气（具有绝缘性），为什么电流还能通过？就是距离太近。在芯片内发生的是量子隧穿效应。最小的尺寸可能到10nm左右，电子就会有概率隧穿过去。
我们可以这么比喻，两根导线一旦断开之后还能通电，那就没法再小了。再小开关就失效了，所以它就无法无限小。
摩尔定律放缓，我们现在基本上是确认的。现在最先进制程的2nm或者一点几纳米，它的栅极厚度大概十几纳米左右，没法再短了，结构的创新也遇到了各种问题。
当然我们可以通过各种手段延缓衰减。比如说现在是空气容易击穿，换成别的挡一挡能好一点，但作用也有限。
所以从原理上来讲，摩尔定律放缓几乎是一个确定性的判断，我们现在能做的只是修修补补而已。
提问：这个行业未来有可能会变成一个慢变的行业？
田瑀：对，半导体制造可能会成为一个不那么快迭代的行业，这是我的判断。
单芯片的计算能力可能就取决于开关的多少。开关越来越小，它就越来越多。那如果要提高单芯片的能力，就可以把芯片做大。但这也有物理上的极限，没法做得特别大。
这跟半导体制造的水平相关。长期来看，我觉得有可能可以解决，但速度会非常缓慢。12寸的晶圆就这么大，直径30公分，再大也不能比这个大，拉半导体晶圆的硅棒现在就很难拉得更大。一系列半导体设备的匹配尺寸也没法更大。所以这一系列产业链的原则也会使得单芯片的面积变大也很难。
未来如何提升硬件计算能力为AI提供服务呢？靠的是集群，把更多芯片连在一起用，最后提升整体计算力。
在AI的发展过程中，半导体很多确定性的结论是这么来的，这是基于对产业、对产品、对科技的深入研究，才能得出这个结论。
重要性原则很容易判断
提问：最后一个问题，田经理文章中提到研究原则是根据重要性，那么如何判断一个研究是否重要？是以能否给基金净值带来正收益为标准吗？
田瑀：不是。在研究之前，我们并不能确定这个东西能不能带来正收益，是通过研究后才能得到一些结论。
重要性原则很容易判断，如果一个事情你不知道它重不重要，那它大概不重要。重要事项的重要性，应该是显而易见的答案。
比如，AI未来会怎么影响各个产业？比如说半导体晶圆制造、摩尔定律是不是放缓，这些显而易见是重要的问题。
如果一个问题对你的重要假设、对你的展业模型、对你的公司评估是不可或缺的，没有它就做不了评估，那就是重要的问题。
免责声明
所有投资相关内容皆以交流分享为目的，并基于目前市场状况分析得出，具有时效性，仅供参考，不构成任何市场预测、判断，或投资、咨询建议。本节目不作为个股推荐，内容中所提公司仅作为商业案例分析商业模式。本节目不作为任何法律文件，内容中的所有信息或所表达意见不构成投资、法律、会计或税务的最终操作建议，本公司不就资料中的内容对最终操作建议做出任何担保。在任何情况下，本公司不对任何人因使用本资料中的任何内容所引致的任何损失负任何责任。我国基金运作时间较短，不能反映股市发展的所有阶段。市场有风险，入市需谨慎。
