重估恒生科技20260708

恒生科技估值再平衡：AI业绩指引超预期与云厂商RCI驱动 摘要 ·恒生科技估值处于全球洼地，Forward P/E仅12-13x,远低于纳指100的26-27x,具备极高估值弹性。●云厂商资本开支逻辑顺畅，1GW数据中心年租金可达500亿，投资回收期<1年，ROI驱动投资持续至2028年后。●阿里、腾讯AI变现路径清晰，阿里云Q2收入指引增长45%,运营利润率11-12%超预期，带动板块业绩预期上修。·全球资金再平衡利好港股，资金从日韩存储/半导体板块流向估值更具吸引力的中国互联网平台及下游应用。●大模型B端盈利能力强劲，Anthropic单GW算力产出超500亿美元，毛利率>60%,远高于C端为主的模式。●AI需求重心从存量替代转向增量创造，Coding工具普及将打通数万亿美金劳动力市场及边缘计算个性化场景。 Q&A 当前市场环境下，为何认为恒生科技指数已具备重估基础并确立底部? 恒生科技指数具备重估基础主要基于以下几点：首先，从宏观流动性层面看，市场对美元流动性收紧的预期已达到极端状态，曾担忧2026年会有三次加息。港股作为对美元流动性高度敏感的离岸金融市场，随着美债收益率见顶或加息预期消退，其估值弹性将比A股及其他市场更为明显。其次，从产业基本面看，平台经济的内部竞争，尤其是外卖领域的补贴战，预计将出现边际改善，这一趋势有望从2026年第一季度及中期报告的数据中得到体现。再者，从风险偏好层面看，近期央行主管领导在香港的讲话释放了积极信号，明确表示国家外汇储备将继续提高在香港的资产配置比例，为香港资本市场发展注入动能。这表明在国家战略层面，香港作为国际金融中心的地位依然受到高度重视，有助于稳定市场预期。最后，恒生科技指数本身已处于估值洼地，动态市盈率最低时仅十几倍，无论与全球消费股还是公用事业股相比都具备吸引力。 恒生科技指数的“科技”属性体现在哪些方面?其在全球科技板块中的估值地位如何? 恒生科技指数的科技含量体现在多个层面。成分股中的平台型公司不仅是消费股，更具备全球运营能力和强大的数据流量入口，并能持续推出新功能，例如腾讯的WorkBody。许多公司如腾讯和阿里拥有云计算业务，部分公司甚至涉足芯片研发。此外，指数还包含了中芯国际、华虹等半导体公司，未来还将有新的大模型及硬科技公司加入，使其具备了AI和科技成分。从全球比较来看，恒生科技指数的市盈率(P/E)和市净率(P/B)在全球同类科技指数中均处于最低水平。 近期全球科技股市场出现的“再平衡”现象对港股科技板块有何影响? 近期全球科技股市场出现了内部的再平衡趋势。此前，日本和韩国的存储股以及部分硅基产业链上游公司表现强势，而近期美国的M7成分股如谷歌、Meta、微软、亚马逊等开始企稳回升，存储股则出现调整。这种从上游硬件向下游应用和平台的资金轮动，对于作为科技洼地的港股市场是有利的。同时，市场对中国AI的边际看法趋于乐观，逻辑上未出现明显负面因素，反而在资本开支预期和应用推进方面有所增强。因此，在全球资金再平衡的过程中，部分从日韩存储及半导体板块流出的资金可能会回流至估值更具吸引力的香港科技股。 当前美股AI板块处于怎样的发展阶段，市场关注的核心矛盾是什么? 美股AI板块在2026年第一季度因谷歌业绩(包括订单量和利润率)超预期而进入一个泡沫化或情绪高涨的阶段。然而，随后市场关注的焦点发生了转移。由于存储芯片价格持续环比上涨，市场开始担忧谷歌在第二、三季度的业绩指引，特别是利润率的传导逻辑可能受阻。当前的核心矛盾在于产业链的利润分配博弈：市场普遍认为AI的需求端没有问题，但担忧云厂商的资本开支所产生的利润可能被上游的存储厂商全部获取。这引发了市场的疑虑，即如果利润完全被上游赚走，下游的云厂商是否还有意愿维持如此高的投资增速。 在当前美股AI板块经历调整、市场对云厂商资本开支意愿产生担忧的背景下，如何评估恒生科技板块的投资价值，特别是考虑到其与美股的估值差异以及自身基本面的变化? 尽管市场短期内因业绩真空期而对云厂商的资本开支意愿存在疑虑，导致美股AI板块出现估值再平衡的需求，但长期来看，AI产业及上游基建的增长趋势依然向好。当前纳斯达克100指数的远期市盈率(Forward P/E)约为26至27倍，而恒生科技指数中的龙头公司如腾讯、阿里巴巴、美团等的远期市盈E率普遍在15倍以下，大约在12至13倍的水平，估值被显著压低。从基本面来看，恒生科技板块呈现出多个积极变化。首先，产品层面持续推进，例如腾讯推出的Workbody,其日活跃用户据称已超过2000万；阿里巴巴也在推广悟空及CodeWork等Agent产品。其次，国内云厂商的自研大模型能力显著提升，腾讯发布 了混元3.0,而市场对阿里巴巴千问系列即将推出的3.8版本也抱有较高期待，预计模型能力将有大幅提升。此外，GLM-5.2等开源模型的部署，为国内外云厂商提供了更经济、更多样化的选择，增强了平台能力，使得客户不再局限于OpenAI等少数选项，这有助于将更多利润留在云厂商体系内，并使国内云平台的资本开支逻辑更为顺畅。这些因素共同作用，使得变现路径逐渐清晰，有望形成资本开支意愿的有效正循环。更重要的是，业绩层面已出现积极信号。阿里巴巴近期发布的第二季度业绩指引显示，其云业务预计将实现45%的增长，同时运营利润率指引达到11%至12%,超出市场预期。这一积极开端为市场注入了信心，也提升了对腾讯、美团及其他AI相关公司的业绩预期。总结而言，当前恒生科技板块不仅在全球市场中估值最低，其成分公司也正积极投身AI赛道，从单纯的存量市场竞争转向对增量市场的开拓。在产品、模型能力和业绩指引均出现积极信号的背景下，其估值再平衡的逻辑获得了有力支撑。 从产业链投资回报率的角度分析，云厂商持续投入资本开支的内在驱动力是什么?其商业模式如何确保这项投资的经济性? 云厂商持续投入资本开支的核心驱动力在于其数据中心投资具备极高的投资回报率，而非短期现金流状况。这种高回报主要通过三种方式实现：第一，服务器租赁收入。当前市场对高性能数据中心的需求旺盛，导致租金价格高昂，以埃隆·马斯克旗下xAI将数据中心租赁给Oracle为例，一个吉瓦的数据中心建设成本约300多亿元；但其年租金收入可达500亿元，意味着投资回收期不足一年。这反映出市场愿意为稀缺旦能确定性交付的算力资源支付高额溢价。第二，渠道分成收入。大语言模型在云厂商平台上运行时，云厂商通常会抽取约10%至20%的渠道分成。随着模型应用产生的年度经常性收入规模不断扩大，例如到2026年底预计将达到2000亿至2,500亿美元，这部分分成将成为一笔可观的收入。第三，对传统云业务的拉动。企业为了将业务与AI结合，会将其新的AI应用部署在云端，这直接带动了对存储、计算、网络等传统云服务的需求增长。综合来看，以亚马逊为例，投资一个GW的数据中心成本约为300亿元，仅租金收入就可能达到100亿元，再加上ARR抽成带来的数十亿收入，其营收层面的投资回收期平均在三年甚至更短。在如此优异的商业模式下，云厂商没有理由缩减资本开支。资本开支的决策关键在于ROI,只有当增量收入无法覆盖折旧成本时，投资的经济性才会受到挑战，而这种情况预计至少在2028年下半年或2029年之前不会出现。此外，大模型厂商(如OpenAI)签订的巨额订单(Backlog据称已达两万多亿)能否顺利兑现，直接关系到云厂商的收入实现，这也进一步巩固了云厂商持续投入的决心。 如何评估当前AI产业链中从云厂商到大模型厂商各环节的单位经济模型和盈利能力，特别是对比OpenAI和Anthropic的差异? 当前AI产业链各环节的盈利能力呈现出显著差异。以Anthropic为例，其两个吉瓦的算力产生了约700亿美金的年化收入，其中AmazonTrainium2芯片贡献了主要部分，该芯片以约一个吉瓦的算力创造了超过300亿美金的ARR,折算后 单吉瓦产出远超500亿美金。这一数据可以从Anthropic租赁xAI的0.3吉瓦数据中心得到侧面印证，该数据中心年租金成本折算后约为单吉瓦500亿美金，意味着Anthrcpic必须实现更高的单吉瓦ARR才能盈利。若Anthropic的数据中心全部运行GB200/300系列芯片，其单吉瓦ARR有望达到700亿至900亿美金。相比之下，OpenAI的单吉瓦产出较低，主要原因是其收入结构中C端用户占比较大，而C端业务的边际效应低于B端。如果以Anthropic的模式为基准，其剔除云厂商租金成本和分成的毛利率可以达到60%以上，而OpenAT的毛利率可能在30%左右。因此，尽管云!厂商的backlog构成了大模型厂商的成本，但若以Anthropic的盈利水平衡量，大模型环节的投资回报率非常可观。 考虑到算力供给的增长，如何预测大模型厂商未来的ARR增长趋势，以及单吉瓦ARR是否存在边际递减的风险? 预计大模型厂商的ARR将随算力增长而显著提升。假设到2027年，OpenAI能拥有8到10个吉瓦的算力，并维持当前的单吉瓦ARR水平，其2027年底的ARR有望达到5,000亿美金的规模。关于单吉瓦ARR边际递减的风险，目前判断其可能性不大，主要基于以下两点：第一，OpenAI正在积极拓展B端业务，其B端业务的单吉瓦ARR预计将高于当前以C端为主的混合模式下的150亿美金水平。同时，Sora这类模型在Trainium 2芯片上已能实现超过300亿美金的单吉瓦产出，未来在更高级的机柜上运行，产出效率有望进一步提升。第二.即将推出的新模型(如GPT-5)虽然token消耗较快，但其出色的性能将驱动更高的付费意愿和使用量。综合来看，随着算力的部署到位，大模型厂商的ARk预计将持续增长，单吉瓦产出水平有望保持稳定甚至提升。 近期市场观察到大模型ARR增速放缓的迹象，这是否意味着企业端需求不足?企业应用大模型的长期空间和核心驱动力是什么? 近期大模型ARR增速放缓并非源于企业端需求不足，而主要是由于企业在初期鼓励员工大量消耗token后，开始回归理性，减少了为消耗而消耗的浪费行为，导致阶段性的增速平缓。企业端的需求和应用空间依然广阔。以程序员代码辅助场景为例，仅北美300万程序员的市场就对应约1万亿美金的潜在空间，全球市场规模则高达数万亿美金，目前OpenAI在该领域的渗透远未完成。更重要的是，coding不仅是直接的变现场景，更是打通企业其他个性化AI应用场景的关键工具和手段。许多非互联网企业需要借助coding能力来开发和部署符合自身业务需求的AI功能。当企业能够通过coding或类似工具便捷地实现个性化场景时，将释放巨大的token消耗需求，这会成为OpenAI实现从“1到10”增长爆发的关键。例如，企业自建的智能客服、金融风控模型、制造业应用等场景，其token消耗量可能远超编程场景。因此，企业端应用的核心逻辑在于ROI,企业会自行评估并采纳能带来正向回报的应用。其长期空间不应局限于替代存量IT预算，而应锚定于对数十万亿美金劳动力市场的渗透和效率提升。 从更宏观的视角看，AI技术除了替代现有工作，还能在哪些领域创造增量需求和市场空间? AI技术的长期价值在于创造全新的增量需求，赋能人类完成过去无法实现的任务，而非仅仅替代存量市场。目前，许多边缘设备和传统行业尚未经历AI化的改造，渗透率极低，这预示着巨大的市场空间。具体而言，增量需求体现在两大方向：一是在B端，随着coding工具的普及，企业将能开发出大量个性化的AI应用，满足各行各业的特定需求，从而渗透到更多业务场景。二是在C端或边缘计算领域，AI的融合将催生出众多创新产品和体验。例如，集成AI大模型的潜水镜可将水下能见度从1米提升至5米；具备AI视觉能力的眼镜可在雨雪天气提供清晰如白天的视野；内置大模型的智能冰箱能实时监测食物新鲜度并发出提醒。这些高度个性化、定制化的C端和边缘AI场景目前基本处于起步阶段。coding能力的成熟是实现这些场景的基石，它将开启通往企业个性化应用和未来边缘计算的大门。因此，当前看到