本期嘉宾：

泓君Jane：播客《硅谷101》主播

荣膺：华夏基金数量投资部总监、基金经理

当ETF经济学走进真实生活，会发生什么？红火开麦日2.0：发现身边的ETF经济学，让我们一起，发现热点 → 发现赛道 → 发现ETF华夏！！！

02:10‑04:45 AI 行业的核心观测指标：ARR（经常性收入）

1. 类比移动互联网时代：当年看 GMV，如今 AI 市场重点跟踪 ARR、Token 调用量、企业订阅数据；

2. 传导链条：下游模型 ARR 增长 → Token 消耗提升 → GPU、存储、光模块等上游硬件需求爆发；

3. 市场现象：明明是下游模型数据变化，弹性最大、波动最剧烈的反而是半导体硬件指数（费城半导体），卖铲子的高度看挖矿人的景气度；

4. 信号意义：市场从宏大 AI 叙事，逐步转向看可验证的财务兑现数据。

04:45‑06:50 中美 AI 模型竞争，对 A 股科创 50 的影响

1. 美国大模型出新消息，对科创 50 不是简单的利好 / 利空，分两条逻辑：

   • 利好逻辑：AI 产业整体景气向上，带动国产产业链需求；

   • 对比逻辑：看中美技术差距是扩大还是缩小；

2. 基本面：科创 50 成分股分化，部分公司海外出口导向，更多是国产自主供应链，和美股 AI 是间接传导关系；

3. 资金面：全球科技交易资金趋同，美股半导体波动会联动 A 股、韩股半导体板块。

06:50‑09:20 海外指数机制：大模型巨头上市会如何改变 ETF？

1. 背景：Anthropic 等大模型公司即将上市，纳斯达克有快速纳入大市值新股机制，标普 500 门槛更高（上市满一年、盈利等）；

2. 美股 ETF 三大趋势：①赛道高度纯度化（DRAM、光模块、大模型垂直 ETF）；②持仓高度集中头部公司；③科技 ETF 全球化选股；

3. 案例：长鑫科技上市后，迅速被海外全球科技 ETF 纳入，国内部分核心指数尚未纳入；普通 ETF 投资者会被动成为新 AI 巨头股东；

4. 历史统计：大规模 IPO 新股，上市初期流通盘小，多数公司上市一年后介入体验会更好。

09:20‑12:20 半导体：周期成长的底层逻辑，存储行业案例

1. 传统半导体周期循环：下游需求爆发→涨价→扩产→供给过剩→价格下跌；扩产周期普遍 2‑3 年；

2. 存储板块特征：标准化产品，价格弹性极大；HBM 当前寡头垄断（三星、美光、SK 海力士），利润率极高；

3. 本轮 AI 的变量：云厂商签订 3‑5 年长协订单，把周期风险向下游转移，延缓原厂业绩暴雷；

4. 风险点：中国厂商持续追赶，新技术迭代，未来会冲击现有寡头格局；类比煤炭供给侧改革，但半导体有持续技术迭代，不会简单复制煤炭的稳态高盈利。

12:20‑14:50 科创 50 指数结构变迁

1. 2020 年初：半导体权重约 40%，新能源 20‑30%，还有医药、高端装备，结构均衡，半导体整体利润为负；

2. 当前现状：半导体权重约 84%，指数净利润主要由半导体贡献；驱动来自新龙头上市 + 成分股市值自然上涨；

3. 大象股纳入规则：按自由流通市值加权，设置个股权重上限（单只≤10%，前五大≤40%）；长鑫科技未来满足条件后预计会纳入科创 50；

4. 海外视角：韩国投资者高度关注中国科技资产，跨境配置 A 股半导体、新能源。

14:50‑18:40 AI 基建的钱从哪里来？中美资金结构差异

美国

1. 早期：互联网巨头消耗自有经营现金流；

2. 现在：现金流不足以覆盖资本开支，转向债务融资、SPV 表外融资；出现以 GPU 做资产抵押的融资模式，资金最终来自养老金、保险等全球长期资本；

3. 风险约束：美债高利率环境，对项目投资回报率（ROI）有硬性要求，投资回报不及预期则融资难持续；还面临电力、环保政策约束。

中国

1. 资金来源：互联网云厂商投入、地方国资平台、银行科创专项贷款；

2. 国内科创贷款保持较高增速，是芯片、数据中心项目重要资金支持。

18:40‑21:10 GPU 折旧争议，背后隐藏的产业风险

1. 技术迭代周期 GPU 硬件生命周期 2‑3 年；但当前资本市场融资中，GPU 折旧年限被拉长到 5‑6 年；

2. 折旧假设的改变，会直接影响财报账面利润，折旧年限假设偏乐观，暗藏风险；

3. GPU 可以降级使用：训练算力淘汰后，可降级用于推理、边缘计算，但商业价值会衰减。

21:10‑23:40 AI 资产投资现实：普通人很难直接买到纯大模型公司

1. 现状：OpenAI、Anthropic 等核心模型企业尚未上市，上市的 AI 生态圈 ETF，持仓依旧是芯片、存储、硬件上游；

2. 指数产品客观约束：编制 ETF 通常需要足够数量成分股，纯大模型标的数量不足；

3. 现实：普通人投资 AI，大多投资的是AI 基础设施产业链（芯片、存储、光模块、数据中心），而不是模型软件本身；

4. 未来展望：看大模型公司上市进度，以及 SaaS、AI 应用企业供给能否扩充股票池。

23:40‑26:20 AI 时代，生成式大模型在金融投研中的边界

1. 现有量化 AI（传统算法）和生成式大模型不是一回事；

2. 机构不会用生成式大模型直接做资产定价、投资决策；局限：高度依赖公开信息，缺少私有、非公开产业信息，关键金融场景容错率极低；

3. 价值定位：擅长海量公开信息搜集、整理、初筛；但无法承担投资做错决策的风险后果；

4. 本质：AI 提升效率，但不会改变金融行业底层：资本募集、风险定价、承担风险。

26:20‑28:50 现场观众问答环节

1. Q：AI 大模型公司烧钱，怎么看泡沫？科创 50ETF 海光权重下调，是基金经理主动减仓吗？

   • A：科创 50ETF 是完全跟踪指数，权重变化来自股价涨跌，基金经理没有做任何减仓；指数按照自由流通市值规则运行；指数增强产品才会做主观偏离；

2. 大模型商业模式：现阶段重点攻坚 B 端企业市场；早期互联网行业同样经历长期烧钱，盈利兑现后置；但不代表 AI 企业必然复制这个路径，需要持续验证 ARR、实际业务落地。

28:50‑30:10 总结：普通人如何被卷入全球 AI 资产定价

1. 资金链路：普通人通过股票、基金、债券、理财，资金间接流入 AI 产业；

2. 产业链传导：很多看似无关的行业（电网设备、上游材料），终端需求都服务 AI；

3. 对普通人的启示：相比直接博弈 AI 资产价格，学会用好 AI 工具提升自身产出，是更确定的收益

本期制作

华夏基金

温馨提示：播客大方谈钱由华夏基金出品，所有投资相关内容皆以交流分享为目的，仅供参考，不构成任何市场预测、判断，或投资、咨询建议。本节目不作为个股推荐，不作为任何法律文件，内容中的所有信息或所表达意见不构成投资、法律、会计或税务的最终操作建议，华夏基金不就资料中的内容对最终操作建议做出任何担保。在任何情况下，本公司不对任何人因使用本资料中的任何内容所引致的任何损失负任何责任。我国基金运作时间较短，不能反映股市发展的所有阶段。市场有风险，入市需谨慎。