年即将收官，而主动权益基金首尾显著的业绩差，将今年极致市场行情映照了出来。

  究其缘由，就是“老登资产”与“小登资产”之间愈加强烈的市场分歧，也将价值投资与成长投资刻板地摆在了对立的两面。

  面对这类观点，我们很好奇圈内专业技术人员的看法，去翻了过去几年比较有“价值投资者”刻板印象但重仓了科技行业的基金经理最新披露的三季报，也看了很多人的月度观点和投资分享。

  “能评价估计价格的领域都是价值投资的范围，这其中自然包括科技，差别在于不相同的领域的价值评估所需要的门槛并不相同。

  ……诚然，科技领域中无法评估价值的企业占比更高，但能够评估的领域也不少，有些判断同样确定性极高，值得价值投资者深耕。

  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，国产替代的方向都不会变。

  在这样的背景下，很多生意在进行价值评估时的长期假设就有迹可循，一部分具有护城河的企业也会给股东创造更加丰厚的回报，这也使得价值评估工作可以真正落地。”

  进入四季度，面对越发复杂的市场行情，田瑀在11月5日，基于具有价值投资者深耕意义的科技细致划分领域，做了次深入交流。在这样的一个过程中，我们也能清晰地感受到价值投资者眼中的“可评估”，不仅有远眺，更有“抽丝剥茧”。

  聪明投资者（ID: Capital-nature）整理了本场交流的重点内容。

  田瑀第一，从客观结果看，大众熟知的价值投资大师或知名投资人，科技持仓的占比很低。

  大多数科技都有一个重要特征，即诞生之初，该技术对全社会的劳动生产率或对普通大众生活带来很快速的改变。

  因此，回到工业革命之前，电力也是一种新科技；但如果买电力的时间点晚一些，在大家的印象里就不算科技了。

  能评估价值的领域都是价值投资的范围，其中自然包括科技，差别在于不相同的领域的价值评估所需要的门槛并不相同。

  科技在新技术发展初期，会对生意、社会、劳动生产率、经济发展产生很大冲击，在此过程中，较多的变量会导致价值投资者进行企业价值评估出现一些明显的异常问题，比如，无法建立商业模式长期需求模型等等。

  并且，能跨过科学技术研究门槛的投资者比例较低，以及价值投入资金的人在投资者整体中的比例也不高。

  诚然，科技领域中无法评估价值的企业占比更高，但能够评估的领域也不少，有些判断同样确定性极高，值得价值投资者深耕。

  事实上，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，国产替代的方向都不会变。

  在这样的背景下，很多生意在进行价值评估时的长期假设就有迹可循，一部分具有护城河的企业也会给股东创造更加丰厚的回报，这也使得价值评估工作可以真正落地。

  田瑀无论是不是科技公司，价值投资者判断一个企业价值是否可判断的前提都类似。

  第二，生意的展业模式是能判断的，如果展业模式变了，企业的护城河可能也会跟着变；

  至于当期是不是赚钱并不重要，如果价值投资者认为一家公司永远不赚钱，那它就没有投资价值。

  但如果企业的生意有护城河，有长期需求，且盈利能力在，当期赚不赚钱就不重要。而且看折现模型会发现，这一些企业价值大部分是通过后期的利润来兑现的。

  因此只要企业商业模式确定，有价值，价格合适我们就能买，就是能投资的范围。

  另外，有些企业有广阔的未来，但当期的报表可能都不好看，这样的一种情况在科技行业中的占比稍微高一点。

  但其实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，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？然而只要能做成显然它有价值。

  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。

  所以，综合看来，有些方面是我们大家可以评估的，但很多时候有一些方面我们还缺乏证据或研究条件来进行判断；可能它确实行，但我们还需要等这一些信息出来后再评估。

  这就是价值投资者判断价值的一些前提，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，那也没法判断企业价值，不光是业务简单和复杂的问题。

  田瑀资本开支和成本稳定并不是判断企业价值的充分条件，但这两个问题要是能解决肯定就少了一些障碍。

  每个判断都要建立在对企业的深度研究以及对业务有深入的理解之上，这也是价值投资的门槛。

  以手机SoC为例，我们会深入研究手机生产厂商的采购原则、采购方式、长期的战略，同时懂产品间的差异、学习曲线、研发团队的评价。

  对这些都有深入研究后，我们才可以去评估，比如未来能占多少市场占有率，长期能产生什么样的收入规模，要维持这样的行业地位大约每年的研发投入多少等等。

  田瑀晶圆代工是一门价值可以评估的生意，存在的时间较久，生意模式很稳定，护城河也是很典型，我们一般指的有护城河的代工业务是先进制程的代工。

  晶圆的制造是按照工艺制程划分的，一般按照“数字+nm”的形式表达，比如100nm等等。

  在生产半导体的过程中，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。

  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，我们假设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。

  那么，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，制程的进步大概都是乘以关键尺寸乘以0.7的方式进展，晶体管的密度翻一倍的程度。

  晶圆代工这样的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”。

  所以全球最领先的晶圆代工厂，是个利基市场，即一家能满足全市场一半以上的供给，剩下任何人再进来，规模效应都不如有突出贡献的公司，因为初始投资规模太大。

  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。

  做个简单的测算，如果每一步良率达到99%，最终的良率也低的可怜，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，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、能评估的生意。AI带来的算力需求，仅仅是提升了需求增速，提升了护城河价值。

  这个体现在客户端的应用场景，原来的CPU，一个产品比另一个产品好一点，企业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，体验上的差异没法带来非常大的经济效益。

  但AI算力需要几万张卡做集群，这时就会发现“好一点”所带来的价值量是极高的，所以客户愿意付出更高的溢价。

  问存储行业是另一门受益于AI技术发展且在进行价值评估时有迹可循的行业，最近也比较火，是有什么新的产品或技术？这个行业是怎么被AI改变的？

  原来的DRAM（动态随机存取内存）是平面结构的，就一层，里面有各种存储单元；但在AI时代，由于应用场景的变化，对存储提出了新的要求，HBM（高带宽内存）就得到了极大的发展，可以简单理解为很多层DRAM芯片叠在一起。

  生产一片HBM就会占用通用DRAM的产能。总产能就这么多，如果AI需求暴增，就会打破供需端平衡，这就是为什么DDR涨价非常厉害，隔两三个月就停止报价。

  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，是有先后顺序的顺序计算。而顺序计算的好处是中间不用存结果，前面计算完的结果直接变成下一个计算的输入。

  但AI的计算，利用的是神经网络这样的模型，它是循环计算，即计算后输出的结果需要被储存，然后再继续计算。

  因此，在计算模式发生明显的变化的过程中，计算次数和存储次数的比例发生了巨大变化，对存储的要求变大，弹性变大。

  过去的存储制造环节，大家的发展路径都是依据原有CPU线路的研发技术方向去做的，所以当AI快速崛起后，无论是存储的带宽还是容量都成为瓶颈。

  过去我们存储芯片的制造厂从全球来看并不是技术最领先的，但这样的生产的基本工艺，技术水平，是经验积累摸索的过程。越不领先就越没有客户，越没有客户就越没有进步的机会，这个生意的落后者就会陷入先有鸡还是先有蛋的困境。

  能否打破这个困境取决于“有没有客户”以及“最开始不赚钱的那部分愿不愿意投资”这两个因素。

  在这样的背景下，我们的祖国的晶圆代工、存储制造等环节就具备了成为领域优势企业的可能性。

  一开始有劣势没关系，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，持续改进迭代，客户也会花时间跟你磨合，不断摸索，帮助这一些企业越过鸡和蛋的困境。

  站在客户的角度，如果没有自主可控的大背景，大家肯定愿意用成熟的产品，也不愿意试错，这个门槛很难跨过去，而一旦跨越过去，我们就有很大的可能性实现从追赶到反超，这一点我还是很有信心的，所以这会是一个很大的机会。

  过去，这些领域中全球领先企业的盈利能力和股东回报能力都非常好，以后我们也会有这样的企业。

  该政策影响的是我们对公司企业价值评估的前提假设条件，我们是不是要选择具有该属性的企业投资，但并不改变我们对企业的生意理解。

  比如，晶圆代工行业在全球来看是个大市场，部分企业与国际领先企业相比，原本的弱势地位可能很难改变。

  但在“自主可控”的大背景下，企业的弱势地位可能会发生明显的变化，从而映射到未来的市场占有率、企业纯收入能力的改变，改变的是我们对于它长期份额，盈利能力及护城河的判断。

  再比如存储，以前优势的企业可能是韩国企业。但在自主可控的背景下，我国的存储制造大概率会在全世界内变得有竞争力。

  对于这些变化，我们会对企业评估模型的参数做调整，但业务的展业方式并没有变。

  在这个浪潮中，也有些企业是慢工出细活，弹性虽没那么大，但确定性很高。我产品的持有人应该对模拟芯片也不陌生，这也是一个兼具可进行价值评估且能分享到AI时代红利的行业。

  但该行业无论有没有国产替代的趋势，模拟芯片展业模式与产品特征变化都不大，占下游成本较低、非理想工况较多、客户的试错成本极高等，这样的生意一旦建立了护城河，就会产生极高的盈利能力。

  过去由于我国的半导体企业起步较晚，在竞争上就处于相对落后的地位，是国产替代给了国内企业展业的机会。

  AI服务器的功率更大，需要的电源管理芯片价值量就更大，端侧产品的增加，比如机器人、智能眼镜的发展，都会相应增加模拟芯片的需求。

  而供给端慢变的性质没发生变化，其间就会诞生十分有趣的机会。这也是价值投资能把握的范畴。

  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，而且从理论来看也确实会放缓。

  为了方便理解，我们大家可以把半导体的基本组成“单元”粗略看作“开关”；把无数多的开关放在一起，组成一个芯片。

  之所以摩尔定律说每隔多少个月计算能力会翻倍，根本原因是开关慢慢的变小，单位面积上的开关就慢慢的变多，算力也从而得到提升。

  举个简单例子，电灯的两边有导线，中间合上就通电，灯就亮，而“中间”就是开关；当开关变小后，两边断开的导线间的间距会慢慢的小，小到某些特定的程度电流就能通过，这样即使断开开关，它也通电，这个开关就失效了。

  生活中的放电现象也是如此。中间的空气具有绝缘性，之所以电流还能通过，就是因为距离太近。

  然而，在芯片内发生的是量子隧穿效应。最小尺寸可能达到10nm左右，电子就有概率隧穿过去。

  单芯片的计算能力取决于开关的多少，开关越来越小，计算能力越多；如果要提高单芯片的能力，可以把芯片做大，但这在物理上也有极限，且跟半导体制造的水平相关。

  毕竟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。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。另外光刻机的功率以及光罩的尺寸都会成为单芯片面积提升的限制。

  未来提升硬件计算能力为AI提供服务靠的是集群，把更多芯片连在一起用，最后提升整体算力表现。

  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。

  田瑀还有不少，比如更大集群协同计算效率进步的重点是补短板，存储和通讯的提升会比单卡算力更加重要。

  类似的长期确定性判断会诞生一些商业模式稳定、护城河宽阔的企业，这其实与很多传统产业的研究方法并无差异，也都是在价值投资框架能把握的机会。

  但这些都是在研究之前没办法得知的，这也是为什么我们在研究的时候不预设诸如这个太复杂了判断不了、那个变化太快了之类的判断。

  只按照重要性原则，即一个研究值不值得花精力研究取决于重不重要，不取决于难不难去做研究。

  价值投资者的本质是基于价值评估原则，坚守买看得懂的股票、赚自己能力圈内的钱。