来源：格上基金研究
导读：近年来，AI产业浪潮席卷全球，算力、存力、光通信等产业链环节机遇与争议并存，市场在狂热与质疑之间反复摇摆。在这样复杂的市场环境中，领久基金以基于公开信息的深度产业研究、全球视野下的长期成长投资为鲜明标签，坚持长钱长投，聚焦能够创造真实盈利的优质企业，在A股、美股等多个市场捕捉产业变革带来的投资机遇。
领久基金创始人魏晓康拥有跨度极大的从业履历：少年时期便接触资本市场，本科深耕冶金材料，先后历经互联网投资分析、券商卖方研究、公募专户投资，多元的成长路径塑造了他独特的投资框架——重视公开信息挖掘、坚持产业本质研判，摒弃纯概念炒作，追求高胜率的产业趋势投资。
近期，格上基金研究（以下简称“格上基金”）邀约到领久基金创始人兼基金经理魏晓康进行深度专访，围绕其个人成长与团队建设、投研体系搭建、交易与风控逻辑、对AI及存储等核心赛道的深度研判展开对话。魏总分享了领久基金从自有资金管理走向市场化的发展思考、研究员培养与基金经理孵化的内部机制，拆解如何从海量公开信息里识别“如鲸鱼跃出水面”的投资机会，同时直面市场对于AI资本开支、行业泡沫的种种分歧，阐释对存储、光模块、减肥药、消费等多个赛道的底层判断，也谈及对产品适配客户的理解。以下为专访全文。
【公司和团队】
格上基金：据我们了解，您的投资经验非常丰富：您从小学开始炒股，本科念的是冶金工程，而后在互联网公司做投资分析、券商卖方做行业研究以及公募专户做投资经理，直到2021年创立领久基金。这些投资经验对于您现在的投资有哪些帮助和影响？
魏晓康：
实事求是讲，过往经历都是来时路，对我现在做投资帮助肯定很大。
我确实是94年（小学六年级）就开始看股票，所以很早我就知道，股市有风险，入市要谨慎，也手动画过厚厚的一摞K线图，见过中国股票市场各种风风雨雨。读大学后开始炒股，再后来去互联网公司做投资分析、券商卖方做行业研究、公募专户做投资经理，直到2021年出来创立领久。这个过程让我形成几个东西：
第一，对公开信息极度敏感。以前A股只有2000只股票的时候，我几乎能做到除了年报季报之外，所有公告当天全看完。这个习惯一直延续到现在，当然现在有AI，工作方式发生了些变化，我把它扩展到海外，看海外主流公司的财报、电话会、投资者日会议交流、券商交流等。所有能赚大钱的机会，我相信都在公开信息里，会像鲸鱼跃出水面一样，你只要睁着眼睛看，认真地环顾四周，就一定能看到。
第二，产业投资视角。比如对半导体、存储、光、先进封装这些东西，不会只停留在概念上，而是要去了解存储的堆叠、EUV、镜片检测、良率、定制化等等，包括很多人把扩产想得很简单，半导体不是一个工艺、一个材料，它是一堆工艺、一堆材料的结合，看着容易真正商业化经常延迟。我们就是靠日积月累的产业理解，不追求高频信息是否早一两周，而是用可复现的产业投资方法，一个产业一个产业去吃透。另外我本科学习冶金和材料，能够帮助我更好去理解周期；我们之前就是消费品卖方研究员，也投资过不少消费；包括相对更创新的减肥药、AI等等，都是这么一个个看过来的。
第三，长期和全球视野。我之前调研过亚洲、美洲等地半导体、互联网、消费品龙头公司。产品也已经管了差不多十年，赚钱和回撤都经历过。这个过程让我越来越清楚，投资如果有全球视野，看得长一点，屏蔽一些短期噪音，成功的概率会高一点。另外，做投资，短期很难把握，噪音也很多，我们希望看得更长一点，看看终局可能是什么样，中间的有些过程就可以不受影响。
我总结一下，落到投资上，就是基于公开信息做深度产业研究，找全球最优秀的公司，长钱长投。我们重仓的品种都是希望买的是真的大趋势、能赚真钱的公司。
格上基金：是什么契机让您和公司另一位合伙人胡彦超决定创办一家私募机构？公司的创办初衷和愿景是什么？
魏晓康：胡总是我中泰研究所时期的同事，他2010年开始做分析师，多次获得新财富、水晶球、金牛最佳分析师评选第一名，后来去了一家上市公司妙可蓝多，期间妙可蓝多成为了“国内奶酪第一股”。2020年他慢慢从上市公司退出，下半年我们决定一起创立领久。我们认识很多年，互相之间非常了解和信任，能力上也比较互补，他做过分析师，也做过实业，懂运营、懂研究和组织，尤其懂上市公司那套复杂体系；我主要做投资，管投资、管交易。我们两个人分工非常明确，我只负责投资和交易这一块，公司运营、研究组织这些主要由他负责。
创办初衷，简单说就是我们对投资这个事情有热情，也有自己的方法。我们希望做一家靠长期业绩说话的公司，所以当时公司也取名领久，希望在资管这个行业里持久领先，当然这个是指业绩上的，这个就是我们的初心。愿景上，我们想做的是一家全球精品店，长钱长投，基于公开信息做深度产业研究，买最好、最能赚真钱的公司。我们希望慢慢来、自然成长，资产管理行业本身是一个长长久久的事业。
格上基金：领久最初是管理自有资金为主而非资管，是什么时候、什么契机让您决定转向市场化？您觉得管理自有资金和做资管有什么不同？在投资上会做什么样的改变？公司对于管理规模有什么规划？
魏晓康：
我们2021年成立，最开始确实是管理自己和朋友的钱。实事求是的说，起步期，我们知名度不高，也不追求激进的成长，也不懂销售，只擅长研究投资，我和胡总就是沉下心来只做擅长的事，这点现在也没有改变。真正转向市场化，是去年开始正式跟外部资管合作，比如跟证券公司合作发行新的产品。目前我们25个亿规模里面，六成以上是员工持有，几个亿是朋友的钱，外部合作机构的还比较少。我们有一些合作机构推进，但节奏是比较稳健的，慢慢来，这个事情由市场的同事负责，不用我们操心。
管理自有资金和做资管，在投资上是一样的，因为我们所有的资金也是投入到产品里，共同目标是长期赚钱。所以在投资上的考量，我们最想避免的是永久性亏损，投资输点时间没关系。所以心态需要更从容，看长期一点，希望胜率高一点。
当然做资管也有一些要注意的，比如法规上有私募运作指引、有合同约束，合作上有渠道有负债端，客户也会看净值等。但投资内核不会变，在现有产品框架范围内保持灵活性。流动性、集中度、客户沟通方方面面都要考虑到，逐步完善。我们也有专门的运营、合规、市场同事帮忙做好这些事情，我的工作还是做好投资，这点不会变。
规模规划上，我们没有设立明确规划，希望让公司经营稳健，慢慢来。我们不会因为规模去改变动作，长期看，业绩好了，其它一切都会好的，慢就是快。
格上基金：领久在投研团队的搭建中强调喜欢“履历多元、经过社会打磨的人”，能否具体展开说说你们具体喜欢什么特质的研究员？目前投研团队如何分工？研究和投资怎么配合？
魏晓康：
其实本质上我们喜欢聪明的人。当然也会有些偏好，我讲几个：
第一，独立思考，偏好有海外背景，复合背景。这个时代做全球投资，语言、视野、认知都要跟得上。我们前年招过一个研究员，北大毕业，第一份工作去爱尔兰养马，后来在迪拜的股权投资基金也工作过。这个履历很打动我，他愿意闯，能接受新事物，不是循规蹈矩的人。
第二，能处理复杂世界的信息，不能非黑即白。投资尤其是成长股，分歧一定很大。真正的大牛股，初期和中期都是在巨大争议里产生的。你需要能吸收不同意见，也能坚持自己判断。独立做研究、和产业交流的时候，能清楚本质是什么。
第三，实战导向。我们公司研究员岗位，理论上是一个过渡性岗位。除非你特别热爱研究，否则最终都要去做基金经理，所有研究员都有实盘。我们考核很简单：你一年推荐一个能让我买的股票，最低仓位买到1%以上，就算及格；能赚钱、超过指数就是好；超过指数一定比例，比如10%、30%、50%，分别是良好、优秀、卓越。我不考核你写多少周报、多少报告，我看真实推荐和实盘。
目前投研团队8个人，4位投资经理，4位研究员。胡总负责公司运营和研究组织，我负责投资、风控和交易。我们强调投研一体，基金经理必须自己研究所有重仓股，不能只听研究员的。研究员要敢讲反面意见，我们还会专门安排人收集利空，保持对利空的敏感。新东西要讲三遍，一遍不懂讲第二遍，三遍不懂再讨论。我们内部鼓励实事求是的文化，谁说的有道理听谁的；在公司内部我也会讲，做投资，只有功劳，没有苦劳。
格上基金：目前领久旗下除了魏晓康总还有另外两名年轻的基金经理，是否意味着领久未来会朝着平台化运作的私募发展？对此你们有什么规划？
魏晓康：
我们不是那种共享牌照的公司，而是投研一体、实战化的投研共享机制，目前团队主要成员都是认识很多年的，已经非常信任、相互认可的，当然我们愿意吸收同样是产业投资逻辑的、有一定产业资源、有自己独到见解的投研人员，不管是想当基金经理，还是研究员，都欢迎。
张帅就是个样板，和胡总共事十余年，从研究所到上市公司再到我们这里。我们希望研究员成熟之后都去做基金经理，给他们实盘、给晋升机制。我吸收他们成果的方式也很简单：看仓位、再研究、再决定大仓位怎么复制，通过真金白银去交流，比嘴上说更有效。
未来规划，我们不会刻意为了平台化，核心还是先把业绩做好，把投研文化做好。研究员也都是基金经理，每个人有自己的特质，但都能给股票投研做出自己贡献。所有的组织架构都是为这个目标服务的。
【人物与故事】
格上基金：您94年上小学六年级就开始投资，并且家里也是第一代基金持有者，关于您最早的投资记忆有哪些可以分享的小故事？您的本科是冶金工程，之后在互联网公司做投资，这对您现在看科技股有什么加成？
魏晓康：
最早记忆就是看中国证券报、上海证券报这些，当时家人炒股买基金，有基金公司小册子寄到家里，讲重仓股基本面如何分析。那时候就知道，机构投资者从股票价值分析上挣钱，后来自己画K线图，各种指标都弄，再后来转向价值投资，积极的看A股上市公司公告。
后来做分析师到公募专户做投资，经历过移动互联网时代，经历智能手机发展最快的阶段，包括后来半导体国产替代浪潮，最近的AI产业发展。有些时候做得不错，也有做错的时候。
格上基金：您在之前的采访中提到您在"生活中谨慎、投资中敢上重仓"，这种反差是天生的还是被市场训练出来的？错过机会和亏钱，哪个会是您更难受？
魏晓康：
这种反差，我觉得天生有一部分，市场训练也有一部分。生活上我很简单，投资上，我看准了要上重仓，因为我知道，真正的大机会来了就要抓住。我们买GPU全球龙头、光模块、存储，都是重仓。
错过机会和亏钱，哪个更难受？那肯定是亏钱，我定义的亏钱是实现的永久性的亏损，不是说波动。做投资的经常都会错过机会，这种事情太多了，比如我们现在配的这个板块，同逻辑的板块机会可能也不错，但是一份钱没法去挣两分钱，包括说很多机会在我的框架内很难把握住。我们希望能抓住大的产业趋势，能抓住我们能看到的机会，就足够了。
格上基金：您在财富积累之后为什么还会选择做资管？做投资这么多年，真正驱动您的是什么？
魏晓康：
我觉得是乐趣和成就感。一方面从小就喜欢财经相关的，真正驱动我的，是对产业和公司的好奇心，以及把认知变成回报的过程。另一方面，二级市场很大的价值，是我们去理解这个世界的窗口。我们每天的工作就是收集信息，挖掘投资机会，然后参与企业成长，认知兑现，财务上得到回报，这种成就感非常大。买一个公司，从研究到重仓，最后它业绩爆发、股价上涨，是一个认知兑现的过程。
另外，我们想做一家以业绩为导向，受人尊敬的公司。我们喜欢长钱长投，我们员工目前持有大部分产品，客户可以投资产品，利益和我们一致。我的目标不是规模，是长期一流的业绩。
格上基金：作为投资经理兼公司合伙人，您每天时间怎么分配？读什么、看什么、怎么保持对产业的一手感知？
魏晓康：
我主要负责投资和交易，公司运营和研究组织由胡总负责。我的时间主要花在研究和投资上。
每天看公告、财报、电话会、播客，用AI助手。公司有两台Mac24小时开机。AI帮我监控韩国、日本、美国半导体新闻、工厂进度、财报，早上7点汇报。我读论文，读海外财报纪要，听海外播客，用AI翻译韩文、日文。另外参与一些公开调研、策略会。
格上基金：您觉得像领久这样高波动、高弹性的产品适合什么样的投资者？对"拿不住"的投资人您有什么建议？
魏晓康：
作为主观投资，包括我们去买AI也好，买前面的东西也好，有个很重要的事情，我们要买未来能赚钱的。这个东西既要看得远，也要尽量看得细。看得远、看得细，就会产生很多分歧。分歧会导致什么呢？就是买在分歧、卖在分歧，必然导致我们的波动率相对比较大。这一点请大家能够理解。如果是买我的产品，波动率一定是有的，这个没办法。我们的持仓，一旦发现机会一定会重仓。重仓也会带来波动，这个也没有什么多说的。
我也曾经在挣很多钱的时候，觉得自己做得很好。但是回到现实的赚钱，挣得多一定是跟时代的贝塔相关。我只希望我能够尽量站在时代的贝塔上面去提高收益率。另外我的投资不仅仅局限于AI，我们在消费品、周期上面也曾经挣钱。我是消费品的分析师出身，也在互联网公司干过，我们在消费品和周期上面也都是挣过钱的。只是在这个阶段，我们集中在AI上面，但不等于没有其他的赚钱机会。
我始终认为，无论是科技公司、消费品公司还是传统的周期公司，我永远重仓的方向，是只重仓赚真钱的公司。赚的不是应收账款。
投资高波动的产品，最好是三年以上的闲钱，不是短期要用的钱。我们过去五年，除了客户要求分红，绝大部分产品没有主动分红，过去五年我们是一家刚起步的小公司，做到这点不容易，就是希望长钱长投。波动难以避免，但产业趋势没变，长期回报就会不错！谢谢！
【投资策略】
格上基金：领久的投资策略可以概括为基于深度产业研究的全球长期成长股策略。请问这个策略是如何形成的？如果想要很好的实施这个策略，通常要求投研团队具备哪些研究和投资方面的特质？领久做这个策略的优势是什么？
魏晓康：
这个策略的形成跟我们的出身和经历有关。我们团队不少人之前是券商分析师，分析师的主要工作就是研究产业、研究公司，形成自己的独立判断，并把我们认为有价值的公司推向机构，所以我们的研究方法还是很基本面的，要对产业比较了解，要对未来展望形成框架性的方法，对投资价值有清晰锚点和里程碑。加上成长起来的那段时间，中国产业升级欣欣向荣，我们看的也是成长股为主，喜欢看创新变化的产业。
后面做专户投资和私募投资，就需要更进一步，因为这类投资都希望获得绝对收益，所以说股票池仍然以成长策略为主，但要求重仓股必须是赚真钱的公司。简单说，就是价值作为出发点，加成长股的选股。我们买真趋势、能赚真钱的公司，最好是第一且唯一的公司，选股标准要高，要有收益，我们的第一目标就是赚钱，最怕永久性亏损，所以对估值、公司质地要求高，不愿意去炒纯概念的股票。另外，投资最新的东西，大家都在一个起跑线，拼的是谁更愿意以开放心态去接纳，更愿意花时间去学习去理解，在这点上，我们认为我们团队是一流的。
第一，勤奋，阅读量足够大。公开信息要读深读透，财报、纪要、公告、投资者日、电话会，都要看。每天参加的调研、听的纪要至少要有一定的频次。
第二，全球视野。A股、美股、日股、韩股都要看，产业在哪，我们就去哪，没有偏见，心态要开放。
第三，深耕产业。要能及时跟踪产业变化，跟产业里的人交流，我们崇尚公开调研、公开交流，也是希望获取的信息更加可信，更加一手贴近产业前端。
第四，定价能力。主观投资最核心的是定价，你要能算清楚公司未来能赚多少钱，估值给多少，空间多大。
第五，错了，立即认错，不犹豫！
我们的特点，一是公开信息做到有深度，而且用AI工具大幅扩展了海外覆盖；二是全球投资，不局限于A股，可以相互印证，有时候甚至能够从海外找到投资A股的核心逻辑；三是团队配合，在制度上减少沟通损耗，在文化上鼓励争先；四是我们自有资金占比高，心态更稳，投资视角能长期一点；同时我们喜欢买龙头，买优秀的公司容错率高，实践下来，长期收益比小票好。胜率高，长期结果就不会太差。
落实到投资上，抓主要矛盾，每个阶段矛盾最突出的环节不一样，要能找到并重仓。然后长钱长投，做主动投资波动一定会有，没有长钱心态拿不住，长钱才能实现长期的收益目标。
格上基金：在过往的投资中，领久强调基于公开信息的深度拆解作为投资机会的来源，强调真正的投资机会“如鲸鱼跃出水面般显而易见”。领久对于投资机会的挖掘和拆解有什么系统化的方法？请举例说一下（如何发现信息、拆解信息以及落实投资？）
魏晓康：
我们认为所有赚大钱的机会，都在公开信息里，关键是你有没有把它做深做透。我们的方法，我总结成一句话：从公开信息中找到“跃出水面的鲸鱼”，具体来说，从海量公开信息中识别并坚定重仓投资最强产业趋势、格局好壁垒高、赚真钱的全球创新公司。
第一，高强度阅读公开信息。公开新闻、公告、财报、财报电话会、投资者日、券商策略会、公开调研纪要，现在有AI，可以把这个扩展到海外主流公司。比如用AI工具做翻译、摘要、监控、知识库。我自己的AI小助手经过多次迭代。比如AI可以帮我监控韩国、日本、美国半导体厂的新闻、工厂进度、财报，每天早上汇报等。以前不懂韩文、日文，现在也可以轻松处理。
第二，交叉验证，关注一些异常和细节。比如存储，我们去年9月10号看到Sandisk总裁在美国券商的公开交流，对存储非常积极。过了两天看到纪要，我判断需求是超指数增长。回头又看希捷去年5月投资者日PPT，预测未来存储需求只有低两位数增长，我就觉得不对，这个预测要大幅上修。然后看国内模组厂公开调研，老板对价格和低价拿货极其自信。再去看海力士收购英特尔闪存业务的反垄断审查，发现中国市场监督管理总局附了一条企业级SSD的限价，执行到2026年12月，把这条公开信息一看，你不需要公司告诉你，就能判断国内模组厂今年利润保守100多亿往200亿走。当时市值才三四百亿，估值1-2倍PE，投资价值显而易见。
第三，估值定价。我们不是光看宏大叙事，要算未来盈利、估值、目标市值。这些判断和定价要以事实为依据。比如我们推崇积极参加公开调研，这样能保证信息真实性更高，也避免噪音。然后通过收集的信息和数据，用我们的方式去处理和定价。
举个例子，我们发现减肥药的过程。我们看新能源盐湖提锂的时候，调研一家供应链上的材料类上市公司，公司最后主动讲生物材料很好，国外大公司给了很多订单。没人关心，我就留意了，顺藤摸瓜找到礼来，发现替尔泊肽数据远好于司美格鲁肽，正在实现渗透率大幅提高的过程，后来从个位数增长到50%以上，我们认为减肥药是初级版长生不老药，商业模式很好，需求也能很好的增长，在生物科技用药的基础上叠加了消费属性。然后在A股同样找到给礼来做原料药的公司，当时估值看着40倍，未来几年复合增长可能超100%，第二年中报增长400%多，当时估值其实只有10倍，所以这样的机会即便在23年24年这种医药行情特别差的时候，也是很好的投资机会。
AI也是，我2017年调研头部芯片厂商，当时很多人还是因为游戏业务和矿机业绩关注它，但是后来公司投资者关系经理主动介绍了人工智能业务，我就留心，之后每个季度看财报电话会。2022年下半年，公司电话会里“大语言模型”“AI工厂”出现越来越多。2022年12月中旬某券商组织国内第一场ChatGPT电话会，全中国十几个人参加，我听完极为震惊。后来结合游戏股估值极低、分红率高、政策反转，我们当时选择重配游戏。同时在23年上半年也研究清楚了，得出的结论是“模型即是一切、算力即是一切”，后来也重配了全球GPU龙头公司，前后投资约两年的时间。这些投资机会都是从公开信息出发，挖掘到的。
格上基金：7月份全球科技股大跌，市场上对科技的分歧和质疑声也越来越多，例如资本开支可持续性、大厂债务融资等问题，当时领久持仓并没有大的调整，坚定看好持仓个股的投资机会，可以分享下当时是怎么思考的吗？
魏晓康：
7月确实波动很大，整体科技都跌得比较凶，时间很短，幅度很大，历史未见。我们持仓没有大调整，核心原因是第一性没有变、AI产业当时验证下来还是很好，然后我们没有杠杆，在后面波动幅度超出我们预期的时候，也看到了海外市场爆仓的一些迹象，那我们就更应该坚持一下，而不是在低位交出我们的仓位。
我们看AI整个产业链：模型、算力、存力、运力都在全方位爆发。模型能力还在快速提升，推理需求刚刚开始爆发，应用场景也在不断增加，存储的需求还在指数级增长，供给以位元计每年也就20-30%增长，供需裂口到明年年底不是缩小，而是扩大。大模型公司收入也在爆发，海外龙头大模型公司今年都是大几百亿美金收入，明年可能都是一千多亿，扣掉算力、研发，他们合计净利润可能接近1000亿美金，甚至超过。资本开支参考历次基建投入，美国一年2万亿美金以上没问题，云厂那边需求强劲，2年不到，甚至最近有些新签订单一年多一点就能回本，加大资本开支、债务融资才是AI时代的常态。核心还是需求旺盛，现有的投入未来能创造大量收入。
存储公司当时估值只有3-4倍PE，很多签了5年长单，有几百亿现金担保，然后还有分红回购差不多10%左右。这种位置，你让我因为短期波动去减仓，我是不愿意的。波动来自哪里？韩国、日本市场池子小，杠杆高被动去杠杆导致多米洛骨牌效应，包括地缘政治、交易环境不友好等等，不是基本面的影响。我们不用杠杆，卖了可能买不回来。所以当时我的判断是，这反而是给新的资金加仓的机会。
当然放到更大的视角来看，我们判断AI的发展是一次工业革命级别的“智力革命”，现在还在算力基建时代，仍旧在山脚之上山腰之下，未来的发展也难以想象，模型迭代的速度很快，通用智能可能会快速接近，但没法很快到来，甚至会在无限接近的过程历经很长时间，但也远没到现在需要去担心的时候，泡沫未来一定会有，不是现在。很多人去对标互联网，担心现阶段的资本开支，这些都不需要去担心。
格上基金：领久在2023年上半年之前主要参与A股市场，之后更多地参与美股投资。不同投资市场的切换主要是基于什么考虑？A股和美股在投资上有什么差别？
魏晓康：切换的核心考虑就是产业机会在哪。我们一直做全球投资，A股、美股、日股、韩股都看。2023年上半年之前A股多，之后美股多，是因为AI硬件GPU最核心的公司在美股，这家公司质地更好，发展更快，还比其它公司便宜，我们没道理不选择它，算力就是这家龙头公司最好。去年我们投资光通信，国内的光通信公司相当于加强版海外龙头GPU公司，胜率同样很高，增速更快弹性更好，那我们就投资国内。去年底开始投资存储，最好的公司在海外，格局又稳定，我们自然而然要去配置海外的存储龙头。
A股和美股从二级市场投资的角度看差别不大，美股市场回购、分红、股东回报更明确一点。但A股也在快速改善，而且在二级市场上股价涨幅不一定低。比如光通信，中国公司最强，但美股光模块公司可能涨得更多，因为对美国人来说是独苗。稀土也是，美国公司涨幅远高于中国。股票投资是投未来，不是投绝对优势，你起点低、空间大，反而可能涨得多。A股活跃交易资金占比更高一点，有时候预期打得过足，操心的事情要多一点。但根本上，我们觉得又是一致的，我们一直希望选择两边相对便宜的，格局好一点的、赚真钱的公司去投资，我们过去也证明了，可以在A股赚钱，也能在海外股票上赚钱。
格上基金：领久不仅在科技股上有很成功的投资案例，过往在非科技领域也有出色的投资，例如在医药、泛消费领域，可以举例分享一下非科技股的投资案例吗？领久通常聚焦在哪些行业上做投资，是否有完全不看的领域？
魏晓康：
我们医药和泛消费都投过。医药最典型是减肥药。我们通过一家供应链上的材料类上市公司公开调研，发现生物原料订单，顺藤摸瓜找到礼来，又找到A股给礼来做原料药的公司。礼来我们也在长期持有过，24年拿到25年底，最后卖掉不是因为公司不好，是因为那段存储更好，我们换过去，以后还可能买回来。这家公司过去十年每年都是阳线，22年美股大熊市也是阳线，真的是很好的公司。泛消费，我们投过游戏比如世纪华通，当时ST，估值个位数，业绩增长300%多，确定性改善。还有海外摩托车、创新药疫苗、代糖、新零售等等，我们都做过。
投资逻辑上，我们聚焦泛科技+泛消费，过去几年平均大概七成科技、三成消费。有色、商业航天、机器人这些我们也关注，把它们放在泛科技里面。另外我们不喜欢纯概念、不赚真钱、不透明、不尊重股东回报的公司，我们喜欢能释放利润、公司治理透明、能赚真钱的公司。
格上基金：基于产业深度研究做投资，一方面要求管理人具备丰富的产业资源，及时跟踪产业变化，另一方面需要基金经理具备抓主要矛盾的能力，找到每个阶段矛盾最突出的环节，并重仓持有。领久过往做过哪些投资能够体现这两点？胜率和赔率如何？
魏晓康：
案例很多。比如锂矿，2021年新能源很火，电池巨头老板公开说锂矿太贵，锂矿老板说我们要保供、稳定价格。我们喜欢买被指责的行业，因为只有真赚钱、赚大钱的人才会被指责。我们判断供需缺口，锂价从15万可能冲到三四十万，最后冲到60万。我们在高点两个阴线后全卖，卖完后，我当时要求内部研究未来一年看都不要看新能源相关行业，节省时间精力。GPU龙头也是，我们2023年6月才开始上仓位，已经涨了三四倍，100块到300多。但我们算下来，如果AI时代来了，英伟达一年能赚2000亿美金，当时估值只有四五倍PE。后来涨了很多。光模块是研究发现光用量几何级增长，龙头个位数PE。存储是去年9月关注，11月重仓，判断需求超指数、供给线性、估值1-2倍PE。我们觉得，投资要做简单题，一方面要深入去看产业的核心环节，另一方面要吃透其投资价值，敢于重仓。过去一段时间来看，胜率和赔率都还不错，我们有做过一个按月度的统计，最重仓的20只股票，胜率80%以上，赔率方面从刚才我们提供的估值倍数就能大体知道。比如我们目前还重仓的海外存储，年初胜率超高、赔率超高；现在胜率仍高、赔率也高。我们尽量选胜率高加赔率高的。
格上基金：领久在选股上强调抓产业龙头，除此以外还有哪些具体的选股标准？
魏晓康：选股标准大概几条：
一、我们喜欢“美”的公司，选股标准要高一点，符合我们的审美标准和“品味”，壁垒高，格局好。可以是技术壁垒、商务壁垒、组织能力等等。从产业和公司发展来评估，还有比较大的空间。
二、至少是优秀公司，最好是卓越公司，行业的第一且唯一。我们喜欢投龙头公司，一来能够重仓、拿得住，长期的回报不见得会低，另外万一看错也给机会纠错。优秀和卓越的公司本身也会链接好的上下游优秀公司，从侧面辅助我们发掘好公司，
三、赚真钱，历史上赚过真钱，或者未来能赚真钱，现金流、股东回报要好的公司。
四、估值合理。中期展望还在快速增长，评估下来不要太贵。在资本市场，公司可以很好，但是太贵也不好，预期回报就会大幅下降。
五、其它指标比如看人均工资，这是个很少有人关注的指标，公司愿意付高工资，说明赚钱，也能留住人才。
格上基金：领久在研究上做得非常前瞻，但是落实到具体投资上是适度右侧，从结果上看投资效率很高。请问领久在交易上是如何思考的？建仓、重仓以及清仓的时点如何把握？
魏晓康：
研究需要提前做，我们现在看到一些新的产业比如核聚变、机器人、太空算力、量子通信等等，现在就要看着，了解他们每一步的大体发展，等到了可以重点投资的时候，就会好一点，来得及。有时候有些板块没看到也没关系，我们觉得投资上“好饭不怕晚”，真的一波产业趋势不可能很短一个季度就走完的，有时候我们甚至“甘为人后”，想明白了再上，这种时候出现能够一头扎进去好好研究，也是来得及的。
刚才提到适度右侧，更多的是产业发展上的右侧，我们重仓的主要是1~N的阶段，商业模式清晰了，能看到未来自由现金流改善的迹象了，这时候再重仓，胜率就会高一些，前面也提到我们的投资方法也是希望胜率高一些。具体到建仓，其实我们不太看重过去涨了多少还是跌了多少，就算涨了3倍5倍，如果趋势很明确我们判断下来投资价值很好，也会去重仓买，有些新看的股票一般先买观察仓一两个点，研究更清晰了或者有明确信号，这时候再上更重的仓位。比如英伟达我们2023年6月才上，当时已经涨了三四倍，但是如果能大概看到后面的发展，回报还是非常高的；25年再投光模块，我们等某龙头公司中报后涨停的信号出现后，再上了仓位；存储去年9月开始建仓，到去年11月开始重仓。
清仓或者减仓的时点，第一看定价，到目标价了会卖，看到泡沫化了也会有卖出的动作出来，不一定是一下全部卖完；第二看到更好的机会，比如去年底把礼来、游戏、AI应用卖掉切换到存储；第三就是看错了，基本面有变化或者开始我们的逻辑被证明有瑕疵，那该认错就认错，不会手软。
格上基金：领久如何意识到对于某个产业发展看错了，或者认知上存在偏差，要如何应对？领久在投资的风控上是怎么思考的？有哪些风控措施？
魏晓康：
看错了，就认错，立刻改。我们不是神，会犯错。去年关税那波，我们把一些美股卖了，结果卖在最低点，给我很大教训。原则上还是发现错了，一刀砍，不犹豫。
风控上，首先需要做些前置风控，主要内嵌在研究的过程中，体现在几个方面：选股标准高要有审美、投资经理和研究员独立研究、不定时指定人员收集利空消息保持风险的敏感度。
投资过程中的风控，第一，不用杠杆。我们历史上用过，效果不好，现在所有产品基本不用杠杆。第二，集中度控制，单票控制一定比例。第三，地缘政治考虑做些区域平衡。第四，出现回撤的时候，要研究讨论产业有没有问题，股票基本面有没有变化，根据情况设定持仓比例上限，或者减仓，或者加仓，不同情境下不一样。第五，宏观系统性风险的时候也要减仓。过去2022年减过，2025年贸易战减过，今年美伊冲突反而加仓。
【市场观点】
格上基金：领久非常看好本轮AI带来的产业革命，同时强调“AI的发展仍处于腰部以下”——这个判断在市场上是相当鲜明的前瞻性观点。请问这一判断背后是基于怎样的产业认知和研究框架？如果沿着你们的推演往前看，未来3–5年乃至更长时间，AI产业的发展图景会是什么样子——哪些环节的确定性最高，哪些现在还被市场低估？
魏晓康：
过去几年的发展，总结下来也很简单：模型即一切，算力即一切，推理即一切。AI的本质是智能，智能需要算得快、记得住。算力是算得快，存储是记忆力。现在模型能力还在快速提升，推理刚刚爆发，物理AI端侧AI还没真正开始。当然，我们发现这个也是有一个过程，从开始17年海外调研关注了这个方向，到22年不知道大语言模型是什么，但是当年的黄仁勋公开演讲中就多次提到人工智能、数据中心、智能架构等等，再到ChatGPT 3.5出现，我们是少数的第一批参加了券商策略会的人，那时候我们还要去研读很多论文，比如Attention is all your need这种到现在还在指引transformer架构的论文，再到这几年研究算力-运力-存力等方向。
AI的发展，到现在我认为还是在山脚之上、山腰之下。未来3-5年，AI会无处不在，算力基建进一步完善，甚至家里的芯片、云端的算力、端侧的内存，都会爆炸式增长。人类的互联网流量未来可能只占千分之一到万分之一甚至百万分之一，AI Agent、物联网、机器人、自动驾驶产生的数据是人类的1000倍到10000倍。这需要巨大的硅基基建，时间长度至少还有六七年。AI能完成大多数日常的工作，比如AI客服解决问题更快，智能驾驶是AI在物理世界实现的第一阶段，我们人和人之间交流，你出一个agent我出一个agent，能够节约很多时间。除了一些替代人工的现象外，AI for science也会大力发展，一个人类科学家带着多个AI科学家高效研发，大幅提高研发的效率。
确定性最高的环节，目前我们认为是AI硬件里的核心卡点和受益环节，尤其是存储、光、先进封装、半导体材料这些龙头公司。模型和应用端现在很难投，但需要重点关注，长期仍将占据重要位置，我们喜欢找两类公司，一类是持续保持前沿能力，并能通过自研基础设施、生态和工作流整合形成定价权与用户黏性的企业，另一类是模型能力达到主流可用水平，同时依靠芯片、模型、云和分发的全栈优化取得最低系统成本的企业。
格上基金：当前AI产业正处于关键分歧点：一端是海外云厂商高昂的资本开支持续加码，另一端是商业化落地和变现路径尚不清晰、投入产出难以闭环，“AI泡沫论”被反复讨论。请问领久如何看待资本开支与商业化变现之间的这一矛盾？你们判断这轮AI更类似于历史上哪个阶段——是2000年互联网泡沫的顶点，还是一项通用技术商业化早中期的正常波动？依据是什么？
魏晓康：
市面上对AI有很多看法，但我认为很多都没有触及本质。AI大概率是一个工业革命级的新生事物。这句话听起来好理解，但实际上非常不好理解。大家体会最多的是互联网革命和移动互联网革命，但这两者不是工业革命级的。为什么？互联网革命和移动互联网革命改变的只是娱乐和办公室，它不是通用的技术进步。你用微信、用移动互联网，去一家钢铁厂，并不会让钢铁厂产量从100万吨变成500万吨。工业革命级的技术是通用的，能广泛提高效率。
简单说，第一次工业革命是蒸汽机。蒸汽机把人的肌肉、马的肌肉变成机器力量，机器力量以十倍、几十倍提升。如果去过非常老式的工厂，会发现以蒸汽为动力的工厂，所有设计都要围绕蒸汽进行：一个主管道、皮带，整个产业围绕这些布置。它首先解放了工厂动力，产出可以几十倍、十几倍提升，这是蒸汽革命。
第二次是电力革命。大家会问，这不跟蒸汽一样吗？让机器能力更强？实际上不是。现代工业社会，包括整个现代工业社会架构上，最重要的东西叫流水线。流水线产生于福特的汽车，很多人了解福特汽车，商学院教学案例里讲的是管理创新。但事实上，是因为电产生并经过几十年运用之后才产生，没有电就不会有流水线。为什么？电跟蒸汽的区别是，电摆脱了一根传动主轴，可以每个工位上有不同电机、不同电流，实现柔性化。一条流水线生产汽车，又可以冲压，又可以焊接，又可以涂漆，可以拧螺丝。不同工艺上，通过不同电机，可以实现能量的无穷转换。这是第一次把电能对生产力的扩张。跟蒸汽机产生本质区别：可以分散布置流水线，这个很重要。有了电之后，才能诞生现代电子工业，才会有现代信息技术革命。从70年代英特尔，到80年代初IBM的PC，到微软DOS系统、Windows系统，产生了一系列革命。
前两次革命中，是不是瓦特蒸汽机发明出来，股票市场立刻上涨？是不是爱迪生的电出来，过了三年建了第一个发电厂之后，股票立刻上涨？其实不是。如果有兴趣，因为当时都有股票市场，都是滞后的。为什么？这个东西刚出来时要进行基建，大家并不知道怎么用。包括现在AI，大家都不知道怎么用它，有一个过程。当大家发现这个过程的时候，会形成一轮超级的资本形成。股票市场要赚的钱，就在那个阶段，就是资本形成所赚到的钱。蒸汽机用了60年，电力大概用了30年。这个东西在当年看来都是天价投资，是难以置信的天价投资。而现在金融的诞生就是跟随着工业革命的诞生。必须要有创新的股份制、创新的债券、各种各样的证券市场，去借钱给创新的资本，包括这里面可能会失败的资本。所以现在要理解一件事情：借钱去投资AI的基础设施，是一个常态，而不是病态。
为什么形成重资产投资？因为现代AI的诞生，导致智力这个成果第一次从会计角度、从利润表进入到了资产负债表。这句话什么意思？比如某高级研发人员A之前在XX公司工作。A离开了XX公司，A的智力、A对所在领域的想法、看法以及所有能力，就离开了XX公司。一个制药厂的研发工程师，今天从A公司离职，换到B公司，智力也从A公司带到B公司。不管你怎么签署竞业协议，你必然会把能力和积累带到新的公司。如果一家药厂有一万个这样的工程师，离职了9000人，9000人就会把这个东西带走。但现在有了AI就不一样，可以畅想一下，未来一定是这样的情景：一个真正的人类工程师，带着9个甚至更多的AI工程师在帮他干活。这些工程师住在哪里？住在数据中心里面。这个东西会固化下来，成为这家公司的资产。在形成这个资产之前，你是不是要进行投资？你是不是要建数据中心、使用云？这一块就会把资产负债表在会计上体现出来，会看到资产负债表上升。这是不是天方夜谭？有没有人这么做？阻力在哪里？首先不是天方夜谭，已经有人在做。减肥药龙头公司礼来，就自建了1000块英伟达芯片的数据中心自用。他们肯定不愿意把积攒了几十年的数据、各种日志给别人，也不愿意给OpenAI，也不会给其它AI。这一块，他们肯定会把这些东西放到自己里面去做。
大家会问，如果是这样，是不是云会被干没？大家都自建？其实不会。跟发电一样。最开始大家可能还有发电机，或者现在除了极少数有自备发电机备用，或者像电解铝厂为了降低成本要自建超大电厂之外，大家是不是都用公共电厂？因为用公共电厂总体成本最低。你自己发电用柴油或者汽油，往少了说，在中国至少得三五块钱。如果用电网的电，就算商业用电也就一两块钱。这个账大家还是算得过来。对AI来讲也是如此。
所以从宏观角度来讲，离资本形成还有很大的距离。上限在哪里？可以给大家做一个参考，不是精确数据。可以参考中国4万亿，4万亿当时占中国GDP多少，然后结合美国90年代对IT行业的投资，我们做了测算，我直接说结论：就美国一个国家而言，不考虑其他国家，每年IT也就是AI这一块的投资，可以做到2万亿美金，没有什么太大问题。所以这一块不用去担心。
最后讲一下AI到底挣不挣钱？Anthropic训练模型，大概用了80亿美金，今年可能400多亿、500多亿收入，因为还没有结束，明年这家公司大概率收入超过1000亿美金。成本80亿，过了三年之后收入几百上千亿。我们把净利润率压低一点，扣掉费用算二三十个点，一年赚两三百亿。这是一个好得让人难以置信的生意，所以大家不用去担心到底挣不挣钱。马斯克说一年回本，云厂说一年十个月回本，都是很高的回报率。但是另一方面，AI到底怎么用？别说我们，就是Anthropic、OpenAI，对于他们新出的模型，也未必知道怎么用。爱迪生用电灯的时候，能想到后面的电池吗？能想到计算机吗？这是不可能想到的，这些都是过程。
格上基金：当前领久非常看好存储的机会，能否跟我们分享一下看好的原因以及目前存储所处的产业阶段？
魏晓康：
为什么投资存储，我先说结论：要投就投核心卡点，存储就是我们认定的核心卡点之一。
先看数据。以台积电为代表的逻辑厂，在海外新建工厂的数量，其实大于海外内存厂的新建工厂数量。即使把国内长鑫、长存考虑进去，按厂家数量算，也差不多。明年台积电的资本开支，不考虑其他公司，单算纯逻辑芯片，大约是接近1000亿美金。如果考虑其他逻辑厂扩产，应该是1000多亿美金。而内存厂当年的资本开支，是显著比国际上的逻辑芯片小的。这是第一个数据。
第二个数据，内存第一次爆发大概是90年代。当时同期有50多家新工厂在建，那一年内存以位元计的增长接近100%。即使这样，内存也没有立刻崩后面才崩。讲这些不是说内存没有周期，而是从数据上看，这个事情并不像大家想得那么近。当然，周期终有过剩的一天，但远远不在现在。
第二点，内存可能发生了一个巨大的变化：内存从一个标准品，开始在中高端领域变成非标品。以前买内存，不管买哪一家，插上去就能用，只是规格、价钱不同。但现代内存完全不一样。你如果要求高性能，就必须定制。HBM是定制的。未来某些内存厂下一代HBM它的逻辑芯片需要台积电去做，从这个时候开始，真正的高端内存就开始定制化。身边的案例是苹果电脑。苹果电脑的内存带宽会显著高于其他Windows电脑。原因是什么？苹果做了一个统一设计，内存焊在板上，通过统一设计实现高带宽。当你使用标准内存时，带宽就被限死了，性能就做不到苹果那样。往后看，高性能手机、高性能平板，未来内存也会偏向定制化，也会开始出现堆叠、高带宽、高速率。一旦走向高速率、高带宽，同时对容量有要求，为了控制发热、控制成本，也必然走向定制化。
再讲几个案例。现在能买到的英伟达自动驾驶芯片，新一代芯片的内存是64GB一辆车，大家用电脑，没有几台电脑内存是64GB，而这只是一辆车，只是一个最简单的端侧应用场景。根据美光CEO的说法，如果实现完全自动驾驶，一辆车光内存就要配备300GB到400GB。当然，这不一定是最终数据，因为算法会进步。但不管怎么说，应用大内存、大SSD是一个不可阻挡的趋势。所有供给增量在需求面前都是弱的，需求是第一性的。
我也讲讲我们配置海外存储龙头的历程。算力硬件龙头是2023年中开始配置的，后面配置了国内一些算力龙头包括光模块，现在我们重仓存储。海外存储的投资过程是这样的：去年9月，我意识到存储要来一波非常大的产业机会，原因是海外一家公司Sandisk的CEO大概在去年9月参加了一个券商的交流会，其中讲了内存、存储会怎么样。我看完之后觉得这个事情肯定有一个非常大的变化。反过头来，就把海力士、三星最近八个季度，以及铠侠Sandisk上市以来所有的东西全部看了一遍。其中最重要的一个数据，是去年5月希捷这家硬盘公司做的投资者日材料，材料里他们对未来存储芯片需求的预测只有10%左右。我一看这个预测明显就错了，在目前的情况下，你有无穷无尽的数据、无穷无尽的应用，怎么可能只有10%？如果按照这个东西去做计划排产，需求裂口肯定会继续扩大，我们在那个时候就开始买入。
当然，我们的研究不仅限于此。在那个阶段，我们对韩国做了深度跟踪。除了看公开财报，SK海力士的老板写了两本书。一本书叫《社会型企业》，里面讲解了他做企业是什么理念。这本书倒不是对投资那么重要，但可以反推一件事情：他为什么愿意把一个企业10%的利润分给全体员工？这是一个非常惊人的数字。如果有做企业的，会明白10%的营业利润作为奖金是什么概念，何况这是一家上千亿美金年度盈利的公司。
另一本书我觉得更重要，是今年1月26号在韩国出版的，讲海力士的书叫《超级动能》，韩文出版。我当时看到这个消息，就让人专门去韩国把那本书买下来。只有韩文版，没有中文版，唯一的中文摘要被我三月份放到了公司公众号上。那本书看完，就可以非常深度地理解：海力士是个什么样的公司，老板是个什么样的人，他要干成什么样的东西。帮助我最大的，是深度理解了HBM。HBM这个东西的难度在哪里，它未来的发展方向是什么，然后结合当时推理的情况，我们得出一个结论：推理就是一切，进而可以推出内存就是一切。我们做了很多很细致的工作，这个工作现在看来不算什么，但在当时可以获得超高的认知前瞻性。
所以我们认为，存储是好且便宜的优质资产。海外存储公司普遍的市盈率，因为最近在跌也没有涨，跌了很多，七月份大概在三到六倍之间，可能有一只个股会超过六倍。同时，它们现在又有分红回购，有的公司回购加上分红都超过十个点。所以这一点跟市场的反馈完全不一样，我们是看好存储的。有没有可能错？实事求是说有可能错，在AI硬件建设这一块，如果要错就是大家一起错，而内存或者存储，它是估值最低的，也会给相对从容的撤出和认错机会，但短期是看不到的。
我们对内存跟市场有不同的判断。很多人会告诉你，明年的内存缺口是收敛的。我们认为到明年这个时候，内存缺口不会收敛，甚至有可能扩大。往后看，缺口大概率还不会收敛，这种极度的紧缺，站在目前的角度，可能要持续到2030年左右。尽管如此，也要考虑一件事情，上万亿美金的产业，毛利率80%多，这是一个非常离谱的利润率，那么它的供给一定会比大家想的最乐观数据还要多。这是一个商业社会，它一定会产出来，但没关系，这个东西并不是由供给决定的。在这个阶段，需求是第一性。需求的增长，按照马斯克公开的说法是200%，按照内存厂的说法是100%。但实际上按照供给的中性预测，可能DRAM增长20%多，SSD25%到30%，即使我们把供给增长加十个点，到30个点甚至到40个点，但需求是100%增长，打个折实际需求50%，也还有10%到20%的裂口。在裂口不收紧的情况下，这个强势会持续很长时间。
大家肯定会问，会不会价格不涨了，股票就不涨了？我可以跟大家说，如果价格继续像现在狂飙，内存继续狂飙，反而我会非常小心，这肯定是不可持续的。那是不是不涨了就不挣钱了呢？说一个反常识的数据：中国神华的利润巅峰是四年前，现在它的利润比前几年煤炭最紧张的时候少，少了几十个亿。但大家回头去看股价，中国神华的股价反而涨了，翻了一倍。大家可能觉得不太看得上这个收益，但如果考虑一个中长期，这是很好的。为什么会出现这种情况？为什么利润下降，股价还能翻一倍？
其实就两点。第一，大家信了煤炭分红是可持续的，公司是可持续的；第二，无风险利率降了。对应到存储上面，是一样的道理。现在海外利率非常非常高，短期可能还会因为AI、因为战争因素继续上涨，但这个高利率总有回落的一天。当然，回落的一天，可能利润没有什么上涨，或者上涨不多，但大家会发现，无风险利率下去之后，估值本身就有个台阶的上升。
当不同的内存高端化、定制化之后，它的估值也会有个提升。这就类似于台积电。当它摆脱了和其他人的同质化竞争，在先进制程上一骑绝尘的时候，台积电的估值就从十倍涨到了30倍。所以现在是个三五倍的东西，亏钱概率不大，多少会赚一点，时间可能快一点，可能慢一点。AI深入我们的生活和深入我们的工作流，已经是一个既定的事实。只是这个效率提升了快慢多少而已，而不在于有或者无。所以这一块，大家不用太担心。
格上基金：我们把视野放宽一些：在科技领域，除存储之外，领久还在跟踪和布局哪些机会？在科技之外，是否也有看好的方向？能否各分享几个你们认为确定性较高、或者正在左侧观察的方向，以及背后的逻辑？
魏晓康：
科技领域，除存储之外，我们看好光、先进封装、半导体材料、云计算、大模型、AI应用、机器人、自动驾驶等。光的需求每年翻倍，技术路线可插拔、CPO、OCS并行，龙头壁垒高。先进封装中国有独苗，制程弱反而对先进封装要求更高。半导体材料、设备，中国起步低、需求大、被封锁，反而激发投入。
非科技，我们看好减肥药、游戏、一些消费品。减肥药是初级版长生不老药，游戏是AI受益产业，要求不高的话目前增速也不错。一些消费品，看长一点其实也不错，不是快变量，每年有些增长，目前20倍左右不贵，长期回报也很好。只是我们目前觉得，AI产业链发展更好。
左侧观察的方向，包括AI应用、大模型、机器人、FSD、商业航天等等。大模型我们很想投，但二级市场不好买，今年不同时间有一些配置。其它很多东西也还没到应该重仓的时候，以后还有机会。
