存储新高！鹤禧霍东杰再谈科技投资：在物理约束与人性偏见之间，寻找时代主线

“要么成为创新者，要么成为创新者的股东。这就是当下做科技投资最朴素也最深刻的逻辑。”

“未来的生产力重心正在从人力向硬件资产转移。持有科技资产不仅是为了获得超额收益，更是在生产力变革中守住自己的财务分位。"

“科技股牛市里普通人很难赚钱，第一个原因是研究壁垒大幅变高，但更深层的原因是人的思维是线性的，而科技产业是非线性的。”

“我做投资最害怕的一件事：就是有一个人突然跟我说他懂了。这个‘懂了’通常不是真的理解了产业，大概率是他相信了某一种叙事。”

“很多人以为自己已经分散投资了，但实际上分散的是资金而不是风险来源。”

“放弃对预测准确率的执念，把精力放在赔率和仓位上，这一点对我们做科技投资同样关键。"

从去年初AI大模型叙事的热烈，到全球算力基建的狂欢，再到2026年AI应用落地的一致预期……

当AI市场主流情绪大起大落时，鹤禧投资创始人霍东杰一直在产业深水区，以“物理约束”和“第一性原理”做锚，不动声色地伏击那些供需最紧张的瓶颈环节。

年初我们曾整理过一篇霍东杰关于科技投资方法论的访谈（点击阅读，伏击“物理短板”，鹤禧投资的科技方法论），核心逻辑只有一句话：当新技术从1走向10，利润不会留在最显眼的核心环节，而会流向那些扩产速度跟不上需求爆发的物理短板。

当时他重点指向了存储——随着大模型参数越来越大、上下文越来越长、多模态推理消耗的算力远高于文字，存力需求的增长曲线会变得陡峭，甚至超过GPU本身的增速。

当时市场还在为算力狂欢，他已经把仓位押在了被算力盖住的那块短板上。

过去一个季度，这套逻辑在市场上被快速兑现。

全球三大存储龙头中，美光、SK海力士、三星电子今年以来普遍超过100%了。

HBM从周期品被重新定价为定制化、长单化的稀缺产能。闪迪甚至开始要求100%现金预付，以锁定未来1到3年的供应——这种长协条款，在存储业内被称为“史无前例”。

鹤禧去年重仓埋伏的存储龙头，如今仍在市值新高的路上。

事后回看，霍东杰当时讲的不是一个故事，而是一条已经在产业里发生、只是还没被资本市场充分定价的物理约束。

这种从一线产业出发的判断方式，延续到了他对未来市场更长远主线的思考。

4月25日，在鹤禧主办的“云端论道”配置峰会上，三个半小时，霍东杰从AI产业的底层物理约束、人类进化形成的认知偏见，讲到深度老龄化下的资产配置框架、再到鹤禧的ABC投研模型。

一如既往的1.25倍语速，和高浓度的信息分享，消化起来难度不小。

物理学的第一性原理、行为金融学的进化心理、人口学的代际拐点、产业一线的工艺细节，在霍东杰这里被串成同一套思考框架。

很值得mark一下。照例，我们将其中四个主题最有差异化的洞见整理出来，以第一人称的方式分享。

为什么“短板”决定了利润分配

很多人问我怎么看科技投资，我的核心逻辑永远是“第一性原理”。

在AI这个极其庞大的系统里，大家都在盯着算力，但从物理层面拆解，你会发现系统的最终表现不取决于最强的那块板，而取决于最短的那块。

这就是我们重仓海外存储龙头的逻辑出发点。用一句话总结：存力增长的速度永远比算力快。算力可以24小时不停跑，但只要存储满了，算力就跑不下去。

多模态的爆发、智能体时代上下文的指数级膨胀，都让存力需求呈现非线性增长。之前我们形容是“1个GPU配3-4颗HBM”，未来很可能走向“配10颗到12颗”。

很多人是看到存储涨价才看好，这是典型的纯周期博弈思维。我们的核心逻辑是从产业本质出发的前瞻性判断：大模型参数越来越大、上下文越来越长，这一不可逆的技术趋势，必然加剧存储需求的爆发式集聚，涨价只是这个趋势的必然结果。

更关键的变化在于估值锚的迁移。过去存储是周期品，高点估值也就5-7倍PE。但现在HBM在很大程度上是定制化产品，生命周期更长，价格在周期内更接近“长协锁量、锁价”的状态，盈利波动率会显著下降。

闪迪现在甚至要求100%现金预付、一年后给货，这种“先款后货”在存储历史上从未出现过。它已经脱离了周期品属性。

我甚至认为，存储的短板会比电力更难解决。电力的短板只要愿意花钱、招募更多电工、用燃气轮机或储能，理论上都能解决；但存储的供给受限于物理法则、先进封装与良率爬坡，以及极高的资本开支，不是单纯靠花钱就能在短期内补上的。

利润再分配的逻辑也是同一个原理。过去网络设备占数据中心价值量的6%-7%，我们推演到2026年新一代架构阶段会上升到15%左右。

原因特别简单：两个机柜相连只需要一根线，但10个机柜相连不是10根线，而是每个机柜都要跟另外9个机柜相连，这是指数级膨胀。

英伟达的增速是1变2、2变3的线性增长，而很多瓶颈环节的机会可能是1变2、2变4、4变8的指数级增长。

这也是为什么大厂资本开支的逻辑现在是“供应链安全大于价格”。谷歌给产业链的压力太大，所有技术发布都在提前。你卖1000美金还是1100美金不重要，关键是要保住供应，别让这个环节成为短板。

Anthropic从开始有收入到年化收入接近Meta水平，只用了大约两年半时间；而工业革命时代，一家公司从起步到进入全球前10最快要30年。

AI已经变成了跟电力一样的基础设施，而且GTC大会真正讲清楚的是Token经济学的ROI问题——投100亿能赚30亿成立，这件事一旦走通，行业就进入了“举债投资也很正常”的基建逻辑。

所以不应该问AI会不会结束，而是问：英伟达的某个产业周期是不是炒完了？光模块是不是炒完了？A股的某些伪科技股是不是炒完了？

为什么聪明人也会一再犯错

科技股牛市里普通人很难赚钱，第一个原因是研究壁垒大幅变高，但更深层的原因是人的思维是线性的，而科技产业是非线性的。

讲一个角度。井田制终结后，从秦代到清代两千年，普通人的生活方式没有什么本质变化，中国一直在小农经济的循环里。我们以为的打工人历史，其实在人类百万年进化史里只有200年——几乎就是一瞬间。

我们的大脑是被漫长的小农经济和更漫长的狩猎采集塑造的，擅长处理线性的、缓慢变化的世界，根本不适应非线性、指数级的科技变化。

行为金融学上几乎所有非理性行为，在漫长进化史里其实都是合理的。但带到资本市场，这些合理就变成了亏损来源。

最典型的是处置效应，即人会倾向于卖出盈利、死扛亏损，这是2002年诺奖理论，底层逻辑是人对“已得”和“未得”的不对称态度。已经到手的东西怕失去，所以盈利时急着兑现；还没失去的东西不甘心，所以亏损时拒绝承认。

这种损失厌恶在进化史上是合理的。远古时代食物匮乏，确定到手的食物比不确定的猎物重要得多，但带到资本市场，就让人系统性地“卖飞好股票、死扛烂股票”。

锚定效应也一样普遍。10块买的东西跌到8块，我们要等它涨回10块才肯卖；1块买的基金涨到2块可能会卖，跌到8毛却一定不会卖。

我做投资最害怕的一件事，就是有一个人突然跟我说“他懂了”。这个“懂了”通常不是真的理解了产业，而是他相信了某一种叙事。比如最近你会发现，A股光模块基本上是全市场基金和很多消费类基金在配。有过投资经验的人都明白，产业是需要持续、深入去看的。

我反复想强调的另一个方法论是，一定要避免把相关性当成因果性。很多看起来很有道理的逻辑，本质都是把结果当成了原因。

比如A股一个板块最多炒两年，这不是什么周期律，而是A股资产以制造业为主、制造业天然通缩的结果。

再比如高端白酒销量跟科技产业景气看起来都跟经济周期相关，实际上前者跟固定资产投资增速强相关，跟科技产业的关联度极低。

科技股的估值逻辑也是反直觉的。普通股可能买20倍PE的肯定比30倍好，但科技股很可能你最终买的几千倍PE的公司，反而比十几倍的好，因为它面临的是一次技术突破，一旦突破利润瞬间释放，估值快速消化。

如果你坚持用线性思维去算“连续30%增速能维持几年”，你会发现连续三年增速30%以上的公司概率连1%都没有。但这种小概率事件在线性思维下被当成了大概率。

为什么资产配置的逻辑必须重写

为什么我们今天开的是“资产配置会”而不是“投资策略会”？在以前，中国其实没必要开这种会，大家只有“把房子配满”的需求。

但今天有两个变化让这件事变得紧迫：第一，中国房地产已经没有投资价值；第二，AI替代会改变商业模式，大多数人做的工作都很容易被AI影响。

为什么房地产没有投资价值?因为人口周期。日本是1990年泡沫破灭后10年才开始人口下降，新生儿大概从150万降到72万左右，降幅是1/2。

而中国不一样。1990年前后我们国家每年大概出生2500万人，我们判断，到2034年新生儿会跌到500万，降至原来的1/5。且时间窗口要短得多。

更宏观的拐点是2035年，中国届时将有4亿老年人、30%的老龄化率，进入深度老龄化社会。

老龄化意味着大量地方没有需求，这不是"老人没钱"的问题，而是生理结构决定的。所以哪怕你只有500万，可能也需要去考虑资产配置这件事。

很多人以为自己已经分散投资了，但实际上分散的是资金而不是风险来源。你买了一堆基金、买了房子、还投了一级，最终发现底层都指向"内需资产"——而内需指向的就是原因在于，内需弱还包括财富分布等很多问题。这种分散没有起到实际的作用2500万新生儿变成500万这件事，“内需一定程度上指向的就是” 。

我们对家庭资产配置的看法是，要按风险来源分散，而不是单纯让资金分散。

很多人会说"我买沪深300也是涨的"，但你拆过没有？沪深300的涨幅主要由新易盛、中际旭创这类AI产业链公司创造，指数里的大多数股票其实并没有涨。

更深一层，对冲风险的对象本身已经发生了迁移。过去我们买房、买债券、买黄金，本质都是对冲通胀风险。但当前我们面对的不再是通胀风险，而是AI对商业模式的替代风险。

买大量创新者的股票、成为他们的股东，核心逻辑就是对冲掉这一层风险。要么成为创新者，要么成为创新者的股东。

具体到操作层面，鹤禧给高净值家庭的建议是四步：清点存量(检查是否存在过多的内需、房地产、低效现金理财)；建立仓位(优先全球半导体、AI基础设施、高性能存储)；关注信号(企业资本支出与代币消耗量是核心跟踪指标)；借力专业(让专业的人做专业的事)。

为什么我们坚持物理学视角

我们对科技投资的理解，跟主流的归纳法路径不太一样。归纳法即擅长总结历史规律，在行业基本面跌透、筹码结构重塑的时点进行逆向布局，最典型的是当前尝试在“低位”布局地产等传统板块。

这种归纳法在过去几乎是无往不利的金科玉律，但当前面临两大毁灭性挑战：一是AI带来的巨大机会成本，在全球生产力发生永久性跃迁的时刻，守着旧资产就意味着被时代边缘化；二是中国传统内需资产大周期的见顶，这是历史上的首次出现。

当大前提变了，过去所有汇总总结出来的历史经验都必须打上一个巨大的问号。

所以我们用的方法是基于第一性原理的演绎法，不基于历史走势进行简单外推，而是从技术进步、产业演化与生产力变化出发进行因果推导，捕捉结构性机会。

我们的收益来源于对时代主线的认知优势，而不是短期交易或风险偏好放大。

在个股层面，我们的最终决策取决于ABC三个维度：

A是标的所在行业的Beta强度，需要它不断增强且远期没有透支；

B是标的公司在行业中的竞争地位，公司对上下游的议价能力需要不断增强；

C是我们投研团队在该公司和行业上的研究深度、跟踪强度、认知水平。

A和B是产业市场给予我们的外部条件，而C是我们作为资管公司需要去建立和打磨的。只有C分布跟A、B分布高度重合时，才可能"出牛股"；如果没有C，我们对A和B判断本身的置信度就是不高的。

这套模型也对应到鹤禧两个核心英文术语：insight(产业深度洞察)和inside(产业内部视角)，我们追求的是把这两件事做到极致。

回到ABC模型里的B——竞争格局，这是我们最想强调的一点。对一家企业来说，影响盈利最大的因素一定是竞争格局，而不是行业发展空间。空间再大，你下游就一个客户，你没法涨价；空间再大，你上游被卡得很紧，你也赚不到钱。

光模块的下游，谷歌这种大客户份额太高，会要求多家公司以它为核心配套，单一客户依赖度高、业绩波动就大。光模块的上游，你一旦缺货就锁不到货。

所以光模块本身不是一个壁垒，真正稀缺的环节在更上游——光芯片很可能都不是最缺的，缺的是里面的衬底。磷化铟全球只有三家能做（都在海外），中国正在出现第四家、第五家。这两家公司很可能取代光芯片，成为下一步最好的投资机会。

要做C，必须有产业一线网络支撑。鹤禧的调研路径覆盖五个关键区域：硅谷(AI模型、应用，英伟达、苹果等产业链链主，高通等关键技术引擎)、大陆(PCB、光模块等关键子系统)、中国台湾(台积电等半导体核心环节)；韩国(存储等半导体)；日本(上游关键材料)。

从方法论的角度，鹤禧把自己赚的钱归成两类：一类是“前瞻性的产业钱(早)”——依托深度的产业调研，确保我们的研究能领先市场半步；另一类是“深度的认知钱(深)”——依靠长期的资源网络，形成对企业基本面更深层的认知差。

斯坦利·德鲁肯米勒从索罗斯身上学到的最重要一课是，“重要的不是你看对或看错，而是你看对时赚了多少，看错时亏了多少。”

放弃对预测准确率的执念，把精力放在赔率和仓位上，这一点对我们做科技投资同样关键。

很多人陷入这种因果倒置：把涨幅大等同于高风险，把波动小等同于稳健。

如果收益率来源于产业确定性的趋势和逻辑推演，那高涨幅本身是风险溢价的兑现；反之，固守低波动资产，反而可能在中长期暴露更大的真实风险。

A股的基本面定价因子通常不超过30%，股价反映预期的速度非常快。作为专业投资机构，你敢不敢上重仓，取决于你对产业真相的把握；同时也要兼顾股价波动，对标的的选择应该是极为严苛的，要有所为有所不为。

我对科技投资的紧迫感，源于对生产力要素更替的观察。未来的生产力重心正在从人力向硬件资产转移。过去可能需要雇佣大量技术人员，而未来则需要投入同等价值的算力和存储资源。

持有科技资产不仅是为了获得超额收益，更是在生产力变革中守住自己的财务分位。

鹤禧的投研哲学核心是第一性原理加上前沿产业认知——用物理学的角度看待世界，利用基本规则进行物理推理，再一层一层往上走，把事情缩减至其根本实质。

普通人关注的都在右边——风口、热点、谁在涨；我们关注的是左边——对核心科学原理、技术壁垒和不可逆演进趋势的深入研究。

要么成为创新者，要么成为创新者的股东。这就是当下做科技投资最朴素也最深刻的逻辑。

—— / Cong Ming Tou Zi Zhe / ——排版：唐唐责编：艾暄