最新投资策略
投资的综合回报,既取决于企业未来能够创造多少价值,也取决于买入时已经为这些价值支付了多少价格。一个前景广阔的行业,如果定价已经包含了持续成功的预期,留给投资者的回报空间未必充裕;一家增长看似平缓的企业,如果能够以较少的新增投入改善盈利,并将现金持续返还股东,也可能构成有吸引力的投资。对我们而言,逆向投资的核心,不是寻找与共识相反的观点,而是发现价格尚未充分反映的资本回报来源。站在当前时点,我们更关注的不是哪些资产最容易获得市场认同,而是哪些企业不依赖过于乐观的经营假设,就有可能为股东创造合理而持续的回报。
首先,我们将更加关注国内内需资产资本回报回升的可能性。这一判断不必建立在需求迅速恢复或行业重回高速增长的假设之上。对于经历较长调整的行业,更值得研究的是供给行为能否发生变化:企业是否开始从追求规模转向约束投资,低效率产能是否逐步退出,价格竞争是否趋于理性,存量资产能否得到更充分的利用。如果这些变化能够形成,即使需求只是温和改善,龙头企业也可能通过利润率修复、资产周转提升和资本开支收敛,实现较收入更明显的现金回报改善。我们希望寻找的,正是这种不需要重新复制过去的高增长,却能够提高每一元投入产出效率的企业。当然,资本回报改善必须落实到经营和财务证据上,不能仅凭低估值或调整时间足够长便作出判断。
其次,我们将加强对传统行业内部成长潜力的挖掘。传统与创新并不是两类截然分开的资产,新技术的投资价值,也未必只属于提供底层技术的公司。智能家居用品、智能两轮车、高级别辅助驾驶等方向,值得研究的共同问题,是技术能否改变既有产品的使用价值,并使企业在原有客户、品牌、渠道和制造体系之上,获得新的增长机会。如果产品升级能够解决真实需求,而不是单纯增加功能;如果企业能够利用已有的经营基础实现商业化,而不必同步承担大规模新增投入,那么这种增长就有可能同时改善收入质量与资本回报。对于仍主要按原有业务定价的公司,这类变化尤其值得持续跟踪。
但产品变得更智能,并不自然意味着股东回报更高。技术升级可能提高产品价值,也可能加快迭代、增加研发负担,并在竞争中转化为消费者获得的更多优惠。因此,我们会更加严格地区分产品进步与商业价值:客户是否愿意为新增体验付费,企业能否保留其中一部分收益,竞争优势能否跨越单代产品延续,以及增长是否需要持续追加与之相称的资本。我们更愿意寻找新产品能够复用既有优势、扩大客户价值、提高资本使用效率的企业,而不是仅仅因为进入了一个更热门的技术方向,就给予更高的长期预期。
与此同时,AI应用改造物理世界的过程中,现实世界的数据基础设施与服务基础设施,是我们希望深入挖掘的另一类方向。模型能力要转化为真实生产力,需要持续、可靠、可校验的数据,也需要进入具体场景,完成部署、执行、维护与反馈。我们关注的数据价值,不只是历史信息的积累,而是在合规授权下,能否长期获得真实业务状态,并将结果反馈到下一次决策之中。掌握这些能力的企业未必以技术公司自居,也可能长期存在于交通、物流、工业、商业服务等环节。它们的潜在价值,不在于简单拥有多少数据,而在于是否嵌入了难以绕开的业务流程,能否持续提供准确、及时且有经济意义的信息。
服务基础设施的价值同样需要重新审视。现实世界中的技术落地,往往离不开本地交付网络、现场服务能力、行业经验以及长期客户信任。如果企业能够利用这些既有基础,把AI带来的效率提升转化为更低的履约成本、更稳定的服务质量和更高的客户留存,那么技术可能成为放大其经营优势的工具,而不是替代它的力量。但我们也会追问:效率改善最终由谁获得,企业是否具备收费与议价能力,新增投入和责任是否超过潜在收益。只有能够保留价值、并将其转化为股东现金回报的基础设施,才具有真正的投资意义。
归根结底,我们希望发现两类尚未被充分定价的变化:一类是经营约束逐步改善,使存量业务能够释放更多现金;另一类是新产品、新技术与既有竞争优势结合,使企业以相对有限的新增投入打开成长空间。两者都不应只停留在利润预测的上修,而需要进一步落实到资本回报的提升。我们将继续以审慎的经营假设评估价值,以当前价格衡量回报空间,并随着证据变化修正判断。投资应当建立在价值持续积累之上,而不是建立在等待市场重新认同的愿望之上。