诺安基金张堃：人工智能或是即将爆发的下一个风口

原创基金经理英雄榜点拾投资

作者：杨大杨

导读：不同于大部分从优秀行业研究员发展起来的基金经理，诺安基金的张堃从策略分析师开始投研生涯，这让他的投资框架与其他基金经理相比有两点区别：

1）具备比较强的自上而下视角，不会偏爱某几个行业，而是从经济发展的脉络出发，在能力圈内把握未来最有机会的产业方向，再自下而上精选个股；

2）比较看重影响估值的因素，而不是只看盈利增长。我们都知道，股价=估值X每股收益，大部分自下而上的基金经理专注对每股收益的判断，认为估值的波动来自市场情绪，是不确定的。而张堃认为，对估值的判断，与业绩同等重要。影响估值的因素错综复杂，不是看盈利增速那么简单，需要对企业的商业模式、行业属性、产业链地位、定价权都有深刻理解。

2015年下半年熊市入行做基金经理的张堃，构建了一套围绕估值体系定价的投资框架，并且经历两轮牛熊周期后，不断迭代进化。他并不是简单做自上而下的行业配置，而是把握时代变局带来的大机遇，大变革意味着“大池塘”，能养出一条条“鲸鱼”。

此次访谈中，张堃也分享了自己认为正处于爆发前夕的下一个“大池塘”：人工智能！

张堃认为，从PC互联网到移动互联网到物联网，人工智能将成为下一个科技革命的引爆点，也必将从方方面面改变我们的生活。这里面，会诞生一批全新的超级巨头，如同这几年拼多多、今日头条在互联网巨头夹击下的横空出世。随着全球的人口老龄化，机器人取代人工劳动力，会成为一个普遍的现象。中国已经开始出现服务型机器人的雏形，并且在语言、图形识别等领域，出现了长足的进步。从技术层面讲，若要人工智能爆发，基础设施主要包括三个方面：海量数据、算力瓶颈的突破和算法的提高。

记得多年前我看过一篇长文，分析为什么全球的大科技公司都在做人工智能，因为人是线性思维的，无法看到非线性的未来。比如说曾经无法想象的无人驾驶汽车，已经在电动车上出现了，今天的电动车完全不是省油的逻辑，而是人工智能汽车！每一次的创新，其实都来自硬件端的创新（从PC互联网到移动互联网无一例外），人工智能或许让过去的“功能硬件”，变成未来的“智能硬件”。张堃或许看到了一个全新的未来，也让组合拥抱积极的变化。

以下，让我们先分享张堃访谈的部分金句：

1. 我的投资框架迭代伴随着对估值认知的迭代

2. 每个人的投资体系很难量化，所以很难证明谁比谁更有优势，收益率也有运气的因素，需要长时间大概率的重复样本，才能说明投资水平比其他人更强

3. 我比较淡化行业选择，我的组合会侧重一些细分方向，不完全跟行业相关

4. 中国的AI发展不比美国差，甚至有些领域比美国更领先

5. 我的投资目标并不是寻找黑马，而是从投资本质判断赢面有多大，不断积小胜为大胜，基于能力向外扩展，这种方式是可复制、可延续的

6. 回头看，光牛市赚钱不能证明是一个好的投资体系，一定要经历牛熊两类市场行情的检验，综合来看，才能证明投资体系是否靠谱

对估值的认知，在投资中非常重要

朱昂：你从15年开始做基金经理，能否谈谈这些年投资框架的迭代？

张堃我刚做基金经理那几年，的确经历了很多摸索和迭代，我认为投资体系最关键的部分是，如何给公司估值，也就是对赢面概率的判断，如果能准确判断出某个公司估值偏低，赢面就高，我的投资框架迭代伴随着自己对估值认知的迭代。

最开始的时候，我比较机械看待业绩增长和估值的关系，用类似PEG的方法，增速快的高估值，增速慢的低估值，后来发现这个方法过于机械。不同的行业属性、不同的产业阶段、公司在产业链地位的差异、上下游的话语权等等，都是影响估值高低的因素。

我现在对估值理解更深刻，估值不光由业绩影响，还有很多其他因素影响。我现在对估值的判断拉的焦距更长。拉长看，贵的未必真贵，可能未来潜力大空间大；便宜的也未必真便宜，比如行业已经饱和，到了下滑边缘。看得长远对估值判断更准确，这是我这几年比较大的感悟。

朱昂：你如何给不同公司做估值？

张堃 估值的影响因素非常复杂，我只能举例讲一小部分。一个是看产业发展阶段，这是最重要的一点，比如我看好人工智能，它渗透率低的时候可以对应给高估值，再比如国产芯片，国产化率很低，依赖进口，因此国产替代空间很大，芯片还处在发展初期，应该给高估值。新能源车，渗透率10%左右，未来空间依然巨大，整条产业链估值都很高。对应的，地产、家电，已经发展到成熟阶段，很难再有太大成长空间，甚至可能会下滑，估值给了个位数。

再比如看是否需要不断投资。比如周期行业，不断要扩产能，加大再投资比例，消耗现金流，摊薄股东收益；高端白酒这种公司，不需要再投资，有稳定的现金流，这种商业模式就能拿到高估值，很多消费行业公司也是类似的。

朱昂：你怎么看估值对个股阿尔法的影响？

张堃 EPS对估值的影响是短期的，但行业发展前景、公司在产业链中的地位，是决定市场更长期估值的因素。举个例子，去年调味品龙头，增速并不快，也就不到20%，但市场给了100倍的估值，如果一定要解释，应该是由于它的渠道话语权，以及行业的稳定性，所以市场对它的长期增长有信心。而新兴产业，像人工智能，长期空间大，也许当期亏损，但公司占据产业链核心地位，长远看市场也会给高估值。

朱昂：你认为自己有定价优势吗？

张堃讲定价优势需要量化估值体系，但是做投资的时候，每个人的参数都很难量化，很难定这个体系。比如行业增速可能和国家产业政策相关，贴现率很难判断，你可能知道终局在哪，但无法把握节奏，更不要说精确估值，所以很难证明谁比谁更有定价优势。只能通过收益率反推，但这里面还有运气的因素，可能市场风格正好在这，所以需要长时间大概率的重复样本，才能说明自己比别人更有定价优势。

产业方向决定选股和仓位管理

朱昂：具体到行业和个股层面怎么选？

张堃 我比较淡化行业选择，我的组合会侧重一些细分方向，不完全跟行业相关。在方向选择上，我会考虑产业政策、发展空间、行业格局、确定性、估值水平、商业模式等要素。从估值的角度看，有些表面看比较传统的产品，其实细分行业也存在比较大的潜在空间，但总体来说，我对新兴产业、爆发性强的东西兴趣更大一些，不局限在某行业。

个股层面，我看重上市公司长期发展，市值大小、行业属性都是次要的。我会先设置一些硬指标，比如拆解杜邦公式后，同行业对比ROE的影响因素，如果ROE高于同行，就要去理解背后的原因，到底是毛利率比别人高，还是周转能力比别人高，还是费用率比别人低，或者是其他的因素。找到这个因素以后，再去有针对性地进行调研，看它的优势是否能长期保持，如果能，这个公司在同行业内具有一定的相对优势，在长期来看，就会拉大这个公司与其他同行业公司的差距，表现在市场上，它的涨幅也会比其他同行业的公司更大。

通过这样把研究范围缩小到几百家公司，再通过对上市公司、产业链的案头分析、对比、调研、专家访谈、听取研究员分析等路径进一步筛选。个股研究通常在晚上信息披露之后再进行对比分析，完成筛选后再进行日常跟踪，这是动态的过程。

朱昂：能否分享几个有代表性的投资案例？

张堃我可以分享下我的组合里面贡献比较大的票。过去一两年，我一直在寻找人工智能的投资机会，我觉得人工智能会引发很多行业效率的提升、社会的变革。

我当时找了一家做扫地机的公司，它现在做的是扫地机，未来会朝着服务机器人方向发展，我认为它的空间是非常大的，现在暂时还看不到它的边界。在公司招股书里，对未来业务模式有全面介绍，这家公司和我看好的方向逻辑相当契合，所以当时就买了，给组合贡献了比较高的收益。

另一家做精密齿轮的公司，它是全球重要供应商，受益于新能源车的兴起，同时，它还在开拓机器人关节，叫做减速机的业务，这块业务未来应用场景非常广阔。当时我通过对它同行的对比，认为它具有相对优势，所以也是一直坚定持有。过去一年，这两个算是比较成功的投资案例。

朱昂：你怎么做组合管理？

张堃我现在主要做一些未来看好的方向，比如AI、万物互联、新材料等。我不会对行业具体规划，规定哪些行业一定要占多大比例，像聚光灯一样，我只是在这几个大方向上，自下而上挑选公司。

人工智能或是即将爆发的下一个风口

朱昂：为何特别看好人工智能这个大方向？

张堃人工智能讲了很多年，一直没有爆发，它的爆发需要三个要素：

1）数据，人工智能需要训练，训练需要大量数据做支撑。现在最大的数据来源是互联网app，微信、微博、头条等，使用者会上传大量数据，但光有这些数据还不够，不够全面，比如你喜欢吃什么，心跳，个人健康状况等，还没有上网。

我们现在看到的AI，很简单，人脸识别，语音识别，大量成熟数据，进行训练后已经可用。未来，通过物联网发展，个人数据、生产数据、工厂数据、流程数据，都可以上网。丰富了数据来源，AI才能真正起来，渗透到各行各业。比如有一些上市公司已经在做平台的事情，各行各业可以通过它的平台做定制化开发，具体应用就是每个行业把各自数据上网，平台再反哺提升各行业效率。所以，数据是首要一点，现在已经处在快速累积阶段。

2）算力，之前的算力远远不够，我们以前自己做AI就知道，数据量一大，显存就不够，英伟达为代表的公司不断推出高端芯片，通过矩阵运算，算力这一块瓶颈会逐渐被解决，数据训练变得可行。

3）算法，涉及到AI学习程度，之前算法对于语音和图像识别能力能做到80%，一直到深度学习算法出来后，才提升到90%，甚至超过人类的识别程度。现在算法只能应用于专业性，比如下棋、识别图像等类似任务，没办法像人类智能，即可以通用性学习，相互迁移。未来，这是有可能实现的，算法的进步也是人工智能的关键。

这三点共同进步的时候，就是往前突破的时候，一旦到来，短期就会发生巨变，类似十几年前的互联网，十年前的手机，一旦触及快速渗透临界点，就会爆发。它给社会带来的变化，我们如果自下而上理解，员工工作如果能被AI替代，就不需要这么多岗位，这种情况各个行业都可能存在，很多公司人工数量大大缩减。

朱昂：你怎么看中美在AI发展之间的差异？

张堃 中国的AI发展不比美国差，甚至有些领域比美国更领先。在芯片算力上，主要是英伟达等美国公司，但在数据上，中国领先很多，数据量、数据质量，都比美国好。算法大部分是公开的，主要算法就那几篇论文，应用层面算法为主，把公开算法模板化，迭代组合更新。国内算法工程师人数超过美国，互联网大厂和华为培养了很多人。

朱昂：你认为AI未来应用场景和投资机会在哪？

张堃 AI的应用场景分消费和工业。工业的应用场景就是对劳动者的替代，这个应用场景是非标准化的。消费的最大应用场景应该是私人秘书，你的健康、饮食、其他事情都可以直接和AI交流，它能解决你遇到的大部分问题。

未来谁能胜出还有不确定性，可能出现新的巨头，现在有些公司在做平台，整合各行业资源，向各行业开放，平台数据共享，如果平台发展顺利，可能成为AI发展的中心，还有些公司积累了很多用户数据，如果横向扩展，可以针对用户推家用机器人。我们很难想象十几年后会出现什么庞然大物。

好的投资逻辑要同时经历过牛熊检验

朱昂：今年你的业绩很好，你的组合中有不少黑马，能谈谈背后原因吗？

张堃过去大家偏好大市值蓝筹，对中小市值重视不够，我倾向挑选出低估值、高成长的标的，利于配置。所以我的投资目标并不是寻找黑马，而是从投资本质判断赢面有多大，不断积小胜为大胜，基于能力向外扩展，这种方式是可复制、可延续的。至于今年跑的不错，有运气的成分，但是我们不能依赖运气，稳健些更好。

从市场来看，每年都有大的轮动。基金经理能力圈有限，很难兼顾那么多行业，不太可能每一次轮动都能把握得了。从我自己的角度，我只在能力圈范围内看未来可能爆发的两三个方向，持续深入研究。

朱昂：你是在大熊市入市的，这种经历对你有什么影响？

张堃我经历过两次大熊市，15年和18年，熊市对能力提升帮助很大。就像很多人一起坐在电梯上，有人在俯卧撑，有人在跳，都上去了，所以有人以为上升是靠俯卧撑，有人以为是靠跳，但其实是因为电梯上去了。牛市就像电梯向上，熊市像电梯向下。回头看，光牛市赚钱不能证明是一个好的投资体系，一定要经历牛熊两类市场行情的检验，综合来看，才能证明投资体系是否靠谱，熊市能更深刻认识到自己的能力。

朱昂：如果没做基金经理，你会做什么？

张堃我本科学的物理，大学时我就很喜欢相对论、量子力学一类的理论，我可能会在大学做学术研究。

风险提示：市场有风险，投资需谨慎。投资者投资于本公司管理的基金时，应认真阅读《基金合同》、《托管协议》、《招募说明书》、《风险说明书》、基金产品资料概要等文件及相关公告，如实填写或更新个人信息并核对自身的风险承受能力，选择与自己风险识别能力和风险承受能力相匹配的基金产品。投资者需要了解基金投资存在可能导致本金亏损的情形。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金管理人管理的其他基金的业绩不代表对本基金业绩表现。基金的过往业绩及其净值高低并不预示其未来业绩表现。基金管理人提醒投资者基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由投资者自行负担。我国基金运作时间较短，不能反映股市发展的所有阶段。

- end -