188金宝博,金宝博官方网站,金宝博APP下载导读：作为诺安基金投研团队的“架构师”之一，邓心怡不仅一手打造了具有开源精神的诺安基金科技组，她本人也形成了对人工智能超越市场的认知。

　　早在2023年，邓心怡的投资组合中，就第一次出现人工智能的某龙头公司。到了2024年四季度，邓心怡已经提前布局了国产算力和ASIC芯片。这时候距离DeepSeek的横空出世还有至少两个月的时间。前瞻性的布局帮助邓心怡规避了一季度的英伟达产业链调整。以她的代表产品诺安稳健回报为例，从2024年3季度以来取得了连续4个季度的正收益，而此期间科技产业每一个季度都有重大的波动和变化。截止8月31日，诺安稳健回报过去一年实现了128.48%的收益率，105.07%的超额收益，以及65.20%的年内收益率（数据来源：Wind）。

　　基金的表现背后，是一名基金经理的认知。邓心怡有着清华大学本科和宾夕法尼亚大学硕士两大名校的学历。在加入诺安基金之前，她做过一级和一级半市场的投资，也覆盖过港股科技。横跨一二级产业链+全球视野，是她投研背景的独特标签。而最重要的是，邓心怡对产业趋势的判断有着一针见血的穿透力。

　　在“奥卡姆剃刀”原理中，提出了“如无必要，勿增实体”。同样，邓心怡认为当一个产业驱动力可以用最简单而且更少的变量描绘时，才越容易描绘精准。以人工智能为例，模型的智力竞争是最核心的驱动力。而且，模型的智力会以阶跃式发展，从而带来线性思维之外的预期差。找到这些预期差，也就成为了邓心怡的超额收益来源。

　　比如说，她很早就在等待一个开源模型的出现。当2024年看到DeepSeek的V3模型发布后，她就意识到这是一个会对各类agent一触即发的开源模型。整个诺安基金科技组，都比较早布局了国产算力产业链。

　　再比如说，去年GPT-o1推出后，邓心怡看到了强化学习算法会对ASIC芯片带来巨大的需求。在新的模型下，英伟达不再是唯一的芯片。早在去年四季度，邓心怡就重仓了A股市场的ASIC芯片公司。而在当时，几乎没有什么机构投资者在关注这家公司。这一笔重仓，也带来了很好的超额收益。

　　在投资的底层价值观上，邓心怡坚信正确的投资决策，能够帮助改善每一个人的生活。在她的眼中，投资不仅仅是赚钱，而是有着更远大的社会价值。这种底层价值观，也会让邓心怡永远抱着好奇心去寻找改变世界的企业。

　　从考入清华大学本科，到去宾夕法尼亚大学读研究生，再到参与优化诺安投研团队的架构，邓心怡是一个喜欢不断挑战自我的人。在此次难得的访谈中，邓心怡也通过对具体的人工智能产业趋势分析，一点点为我们揭开了她的投资“底色”。

　　3. 当一个产业驱动力可以用更简单而且更少的变量去描绘时，我们对他的描绘才越容易精准

　　4. 信息化和智能化的变革，带来的产业机会空间是极大的，而且时间周期会很长

　　8. 我更倾向于在市场出现预期差、估值尚未被完全挖掘的方向布局，去寻找那些真正被低估、具备差异化认知的机会

　　9. 业务模式的重估和商业交付方式的变化，会带来更大的投资机会，也是应用层面中极大的预期差

　　朱昂：能否先简单谈谈您在读书和成长的经历中，如何一步步构建对投资的理解？

　　邓心怡这个问题要从我读书的经历说起。我在读中学的时候，一心想考上清华大学的理工科，后来上了清华的化工专业。毕业后，我想着出去看看，就申请了美国的学校，去了宾大。当时觉得课堂之外还学有余力，于是选择去宾大“王牌”的沃顿商学院进修金融，进一步拓展能力。

　　那时候选的第一门课是进阶的估值课程，但我其实没有任何金融学的基础。只能通过自己自学教材后，慢慢赶上来。到之后，已经能够完整参与沃顿的课程学习和小组讨论。我也学了衍生品的课程，需要对美股公司做估值定价。我觉得理解投资的过程，如同不断在考试和打分，非常有趣。

　　等到我回国的时候，恰好外贸信托的自营部门有一个投研的岗位，需要围绕中化相关的化工、环保、新能源、新材料等领域做投资。我就从这里开启了自己的职业生涯。

　　最初的几年，我一直围绕新能源领域做一级和一级半市场的投资。比如说，我们在某新能源车企上市前，就参与了他们的美元可转债投资，对中国新能源汽车行业的发展历程有了比较清晰的理解。早在2016年的时候，我就开始关注AI的语音识别。到了2017年的北京车展上，看到“蔚小理”的语音交互功能，给我带来很大的震撼。要知道，2013年的时候大家还在讨论新能源汽车能否普及，没过几年技术已经实现了很大的飞跃。

　　在这段经历中，我理解投资不是简单的答题，而是你的决策有助于改善每一个人的生活。

　　到了2019年开始，团队内部让我负责港股的投资团队，那段时间看了许多港股的互联网公司。在这个过程中，不仅让我系统性地梳理了从互联网到移动互联网的产业发展脉络，也让我发现投资确实能对产业发展产生影响，尤其是产生积极影响时，会是一件让自己特别激动的事情。

　　到了2020年，恰好有一个机缘巧合的机会，我加入了诺安基金。相比于在信托做投资，公募基金有两个方面的不同：

　　第一个不同，投资者受众有差异。此前我们的投资者以机构投资者为主，公募基金面对更多个人投资者，会带来一些投资方式的差异。

　　第二个不同，获得的研究支持显著增加了。无论是内部还是外部的研究支持，都比之前更丰富了。

　　邓心怡2020年底我来到诺安基金后，开始是参与优化投研团队的框架。我也是抱着学习的态度，对全市场的基金公司做了很详细的调研，包括投研团队是如何搭建的，不同基金公司的考核是怎么做的。

　　2021年5月，我给公司管理层做了一系列报告，包括对资本市场中长期的看法，研究团队如何布局，怎么分组和考核等。定下战略方向后，我们就开始去执行，并且在每年都会根据当时的情况做复盘。年末也会重新征求团队建议，看看我们现在采取的哪些举措有效，哪些已经不适用了，可以及时在下一年做调整。

　　公司层面对投研团队是非常重视的，尽量给大家一个热情工作的机制。团队的建设不仅是招人，还需要深度参与人员的管理。我们每个月都举办研究部的观点汇报，每一个季度也都有基金经理的复盘报告，总结自己哪里做得好，哪里做得不好。

　　我们的投研交流是很直接的。演讲者在台上讲，其他人在台下听。有时候大家会问非常尖锐的问题。甚至2023年我自己在讲人工智能的时候，还被质疑过人工智能是不是不可解释的“伪命题”。

　　邓心怡我们公司的投资理念是：与时代脉搏共振，与产业先锋同行。这也是团队在一次复盘会上集体讨论和汇总出来的。时代脉搏代表每一个产业周期的驱动力。找到了时代脉搏后，一定要去找到带领大家往前走的破局者。

　　朱昂：在搭建完研究团队后，您也开始管理基金产品，能否谈谈为什么那么早就看好人工智能？

　　邓心怡在我投资新能源车的过程中，最大的震撼来自产业驱动力的影响。一个很大的产业驱动力，能够改善大家的生活方式。而产业驱动力也是有周期性和产业规律的。我们需要在投资中，捕捉什么才是更大的产业驱动力。

　　那么，如何识别产业驱动力呢？我在沃顿读书时做估值分析，当一个产业驱动力可以用更简单而且更少的变量去描绘时，我们对他的描绘才越容易精准。当一个产业驱动力用许多很复杂的勾稽关系描绘，这个判断的模型就容易失效。

　　当我看到一个充分的、简单的、收敛的要素推动一个产业发展时，这就是布局产业最好的阶段。

　　早在2022年底ChatGPT上线时，我在宾大读机器学习的同学就有不少从大厂离职去创业。2023年春节，我发现一级市场对于AI的关注度非常高。

　　在深入研究了人工智能产业变化之后，春节后，我管理的诺安平衡混合就开始参与人工智能投资。我经历过移动互联网的发展历程，深刻理解信息化和智能化的变革，每次的科技浪潮都是由计算能力的变化和信息分发方式的变化而驱动的，带来的产业机会空间是极大的，而且时间周期会很长。

　　人工智能作为新事物，阶段性必然会被市场质疑。2023年三季度，美股的英伟达和A股的人工智能产业链都出现了一轮回撤。当时OpenAI的日活和月活用户数据断崖式下降，加上刚出来的模型还不够聪明，大家担心人工智能是伪需求。

　　但是到了9月，OpenAI的用户数据又恢复高增长了。其实是学生放假，产生的扰动。人工智能的第一批用户，是学生和技术工作者。9月之后，英伟达的股价也修复了。我和海外的人工智能产业交流，很快就明确了人工智能的产业趋势才刚刚起来。经历了2023年的这次调整后，我对人工智能，和基于自己产业投资逻辑的判断更坚定了。

　　朱昂：DeepSeek是今年春节横空出世的，但其实您在去年的年报就提到了DeepSeek，而且很前瞻对人工智能做了布局，能否谈谈当时是怎么思考的？

　　人工智能的驱动力是模型，是智力的竞争。模型的代码就像人的基因，代码能超越别人，模型就能超越别人。模型的智力发展，不是渐进式的，而是阶跃式的。就像GPT的横空出世，还处于文字模型阶段。到了Sora的出现，变成了视觉模型。再到多模态出现后，像Gemini3已经能够对虚拟世界建模了。

　　市场的预期是线性思维的，我们需要判断在阶跃式发展过程中，哪些是有预期差的。从2024年开始，我们对人工智能投资的抓手，就是找到尽可能简单或者纯粹的变量。在这个过程中，我们有两次比较准确的重大判断：

　　第一次是2024年9月。9月底推出了GPT-o1模型的demo，是人工智能模型的一次飞跃。在此之前，所有模型都是多模态的，但是GPT-o1的模型可以思考，把解决问题拆分为几个步骤。

　　我们看到GPT-o1的demo模型后，内部对两个问题做了深度讨论：1）这个模型的普及需要什么样的硬件和算法；2）这个新功能会开启什么样的新应用。

　　等到GPT-o1模型正式推出后，我们已经有了结论。GPT-o1是强化学习算法，和此前的预训练完全不同。做个比喻，预训练是用基本的方式培养一个孩子，让孩子读书学习，但最后培养出来的效果我们是不可知的。强化学习更像是针对性刷题，每一次和模型的互动都有结果反馈，模型就知道下回如何改进。

　　理解了模型的差异后，我们判断英伟达在强化学习算法下，不再是唯一的芯片。定制化的ASIC芯片一定会有一席之地。这两条技术道理也不是互相排斥的，只是原来这条路会更难走。我们发现，人工智能的预训练进步需要等待英伟达GB200的硬件产品。

　　那么站在9月做判断，市场对海外算力产业链的预期，从PCB到光模块都已经很充分了。我们就对人工智能的组合布局做了相应调整，帮助我们规避了年初英伟达产业链下跌带来的影响。

　　等到5月底英伟达的一季报明确GB200开始出货后，我们再重新把海外算力的光模块和PCB切回来。在配置结构上，我们看到英伟达的唯一性被打破了。那么组合上，就不能全仓海外算力。即便这么做，短期的弹性更大。

　　当o1模型出现后，我们认为新的功能一定会开启新应用。举个例子，如果我在陌生的街头想找个好吃的饭店，应该怎么做呢？在互联网时代，我应该找个能联网的咖啡馆，通过谷歌和百度搜索一个个餐厅的信息。在移动互联网时代，我可以基于自己的位置，打开大众点评搜索周围500米排名靠前的餐厅。到了人工智能时代，我只需要打开大模型助手，告诉模型基于自己的饮食习惯找到一个步行五分钟、人均消费在一定范围内、以及某个特定风格的餐厅。模型就会根据我的具体要求做推荐。这里的模型，是能够帮助我思考的Agent。

　　第二次是对DeepSeek的判断。我们很早就在等待开源模型的出现，会大幅提升Agent的功能。此前OpenAI采用的是闭源模型，等到去年12月底DeepSeek的开源模型出现后，我认为人工智能Agent的触发点已经到来。

　　我们对DeepSeek的跟踪是非常早的。从2024年开始，我们就要求研究员读模型论文。只有读了大量论文后，才会知道哪些是人工智能发展的关键。研究员把Kimi、千问、DeepSeek等各类模型都读了一遍，还包括海外的模型。当DeepSeek的V2模型出来后，MOE架构全球还没有人做，我们就提前开始关注。等到去年12月底，DeepSeek的V3模型发布后的周末，我们做了一个内部讨论，认为这个模型会带来决定性的变化。关于当时的看法，之后在年报中也提到了。

　　朱昂：科技股的另一个特点是，盈利是滞后的，那么在财务指标上，你会看重哪些指标，如何前瞻性判断公司的盈利起来？

　　邓心怡科技发展是阶跃式变化的，所以我主要从企业自身的技术积累出发，去观察他们有没有准备好迎接新的变化。在这个过程中，收入和订单都是后验指标，我更多去看企业的技术方向和产业趋势是否匹配。

　　朱昂：今年以来，您管理的诺安稳健回报曾排名同类产品第一，目前在管的诺安优势行业等也表现不错，您觉得出众业绩的背后是做对了哪些布局？

　　邓心怡我们风控团队每个季度都会提供基金回报的归因分析。从过去半年的数据看，我的超额收益绝大部分来自个股选择。选股背后折射出我们对产业位置的判断，在这个位置应该重配什么方向，在这个方向中又应该如何去选到产业先锋。

　　就像前面提到的，去年GPT-o1出来后，我们认为ASIC芯片有很大的机会。沿着这个思路，我们重仓了一个ASIC芯片相关的公司。在去年四季度重仓这个公司的时候，市场上没有太多机构投资者关注。一直到今年一季度领涨了GPU行情后，大家才关注到这家公司。

　　我很重视独立思考。要在投资中超越基准，我觉得在面对市场共识时，一定要做出自己的判断。我经常会问自己，目前市场最大的共识和非共识是什么。当DeepSeek刚出现时，市场对于算力的认知是有争议的，但我经过分析判断，觉得在这样的需求下，算力大概率是通胀的。

　　邓心怡我认为科技股广阔的空间，就是一种最好的保护。在去年二三月市场低点的时候，我们投资总监要求每个基金经理推荐一个十倍股。

　　我当时就推荐了某国产芯片的龙头公司。从需求的角度看，在此前，国内90%以上的GPU都来自英伟达。但是在中美科技博弈下，市场情况一直在变化，随着国产芯片不断发展，那么，这家国产芯片公司会得到多少份额，对应多少市值呢？

　　有了大胆假设后，我们就需要去小心求证。我们团队沿着产业链实际的应用和模型团队，做了广泛和细致的调研，真实的找到很多使用国产芯片训练的人，了解这家公司的芯片和英伟达相比有什么实际区别。到了去年4-5月份时，我知道这家公司的国产芯片是有市场的，足够大的空间是最好的收益保护。最终，这个公司确实涨幅不错。

　　朱昂：在稳健回报的投资策略上，您选择了一个最难的，最有挑战的方式，就是不断的去寻找科技赛道的超强音，这个要求对科技上下游产业、宏观政策，科技细分赛道的行业把握。那选择这种投资策略的初衷是什么呢？

　　邓心怡在科技的浪潮中实现盈利，意味着我们需要辨别伴随科技本身存在的风险收益，或者说是超预期的超额收益——并进一步评估投资人在追求这类超额收益时，所需承担的风险程度。

　　我认为这是一个见仁见智的问题，可从多个维度进行把握，例如短期维度方面，成交量占总市场的比例、交易集中度、与海外市场相比的估值中枢位置等等，以及中长期维度，该行业和公司在未来3~5年的市场空间是否已被完全定价等。

　　举例来说，我曾非常看好某芯片个股，并在2024年将其作为重点配置。但当市值达到一定程度时，我选择了卖出，尽管之后它继续上涨——后面的涨幅已超出我的认知和风险承受范围。

　　而从个人风险评价角度，我更倾向于在市场出现预期差、估值尚未被完全挖掘的方向布局，去寻找那些真正被低估、具备差异化认知的机会。

　　朱昂：你会基于宏观经济的位置去做一些配置方向，这点和许多成长股基金经理不太一样，能否谈谈你是如何通过经济周期做配置的？

　　邓心怡我还管理一个全市场产品诺安平衡，并不是一个TMT领域的主题产品。对于一个全市场产品，我需要先识别出经济周期在什么位置。这又包括对政策周期和产业周期的解读。

　　经济数据是会说话的，我们需要形成独立的判断。在2024年春节的时候，我又回看了辜朝明的《被追赶的经济体》，里面有许多关于日本经济的详实数据。相对应的，我就把中国企业过去20年的数据拉了一下，发现扣掉金融和地产后，企业在有压力的时候第一反应就是去还债。从宏观周期看，我们需要配置的方向一定是跳出经济周期的：1）科技；2）全球定价的大宗商品；3）受经济周期影响较小的公用事业。

　　到了2024年的924之后，我们研究了两个很典型的债务危机：美国大萧条和08年的全球次贷危机。结论是，一个有效的政策推出，大概需要三个季度才能看到经济数据的效果。在经济数据好转之前，资本市场会先出现上涨。比如说罗斯福新政出台后的一个季度，美股涨了110%。2008年的金融危机，一直到2009年三季度才看到经济数据的好转。但是二级市场在看到数据转正后，就进入了两三年的长牛。

　　所以我在2025年初的判断是，如果经济迅速企稳上行买顺周期，要么震荡上行市找产业机会。我当时觉得更偏向第二个场景。

　　邓心怡去年11月我给公司做汇报的时候，定了三个方向：人工智能、创新药，新消费。

　　1）人工智能的芯片。人工智能的产业趋势一直在往前走，但由于模型的更新是阶跃式的，还存在着几个预期差。第一个预期差是目前正在演绎的国产芯片。在算力层面，H20的采购与否一直在影响产业结构和预期，但是，我一直坚信要基于国产芯片去实现国内应用推理知识的底座。在7月底WAIC大会上，部分国产大模型企业都发布了新模型。

　　我问他们，这一次模型更新最大的变化在哪里？当时一家公司的回答让我特别燃，他说国产芯片正在等待适合的国产模型，他们把模型在国产芯片全部做了适配。这已经是一个很大的进步。

　　等到国产芯片提供了硬件基础后，国产的模型公司就能形成闭环效应，不再是割裂的。

　　从今年已经披露的芯片公司中报，我们看到国产芯片刚需的一触即发。比如近日某国产芯片企业刚出了中报，我们看到这家公司确实有实打实的业绩，芯片产品的利润率也有40%了。

　　人工智能的另一个预期差是，英伟达不再是唯一。算力需求会从原来的围绕训练部署的高性能大集群，变成推理占比提升、注重效率、成本、商业化的集群特征。所以ASIC这条线的弹性是极大的。去年英伟达全球收入是千亿美元，ASIC相关公司的年收入是百亿美元。未来ASIC对应的空间感是比较大的。

　　2）人工智能的应用。我们一直认为，应用是一个真命题。从谷歌和字节的token调用量看，都呈现了加速的复合增速。我们认为AI是一个杠杆，能在各个行业释放生产力。我很高兴看到近期出台的“人工智能+”行为方案，和我们此前的投资策略是非常匹配的。

　　从谷歌、Meta这类海外大厂的财报看到，他们已经完成了AI的商业闭环。当他们把广告的推荐引擎换成AI引擎后，带来了广告业务增速和利润率的上升。AI应用的需求是真实存在的。

　　那么应用层的预期差在哪里？最近大家说海外AI正在吞噬软件，我觉得这个观点是有偏差的。就像今年1月份大家提到的算力通缩，只是对阶段性现象的描述，并不是产业发展方向。同样，我认为有了AI之后，还是需要软件的。

　　举一个简单的例子，通用的AI模型训练数据都是来自互联网或者公开信息。这就像一个名校毕业生，刚到公司上班时也不能马上写报告做投资。产业中沉淀的垂类专业认知，就是软件公司生态的壁垒。软件公司有机会从原来卖账号的协约定价变成交付结果的价值定价。业务模式的重估和商业交付方式的变化，会带来更大的投资机会，也是应用层面中极大的预期差。

　　GPT5出来后，所有的软件和应用都在大跌。我觉得市场的预期差需要时间修正。反过来理解，如果光有模型没有应用和软件，这个产业还会继续发展吗？我认为无论是B端还是C端，应用是目前具备预期差的品种。

　　3）人工智能的终端。我们画了一个科技心跳图，借鉴互联网到移动互联网的变革，会出现软件和应用平台的市场份额变化，有人掉队也有新龙头的诞生。

　　从连接的载体看，互联网时代是PC电脑，到了移动互联网时代变成了智能手机。苹果之所以能颠覆手机行业，是因为把交互模式从键盘方式变成触屏交互。此前，无论是PC电脑还是手机，都是键盘模式。苹果以触屏的方式，重新定义了新一代终端。

　　当我们进入人工智能时代后，甚至都不需要屏幕了。AI Agent能够像一个管家，告诉我该怎么做。所以，人工智能时代一定会摸索出新的交互终端。我觉得，这是人工智能时代还没有看到最终产品的环节。

　　大家对机器人作为AI终端已经有了比较充分的演绎。但是新一代AI的智能终端，还没有明确的形态。苹果最近也谈到，要在未来三年实现苹果手机的改款。他们或许也意识到交互方式在AI时代会发生改变。

　　4）新消费。不同人群代价下，消费的习惯也不一样。在经济高速发展的阶段，大家对收入增速的预期很高，就更愿意加杠杆消费。现在这代年轻人，会进入性价比和个性化的消费。他们也更愿意为情绪价值买单。未来三五年，消费主体的世代变化，也许会诞生新的机会。

　　5）反内卷。PPI在过去30多个月持续负增长，海外的经济学通常用发钱或搞需求侧来解决价格的问题。我们在创造性的尝试用供给侧的方式解决。我认为反内卷有望带来新的供给侧机会，需要观察哪些价格指数会出现改善。

　　邓心怡2023年6月刚接手诺安稳健回报没多久，买入的人工智能就遇到了高位回撤，当时很多声音认为AI叙事是伪命题。一方面，我确实需要去判断AI的产业趋势，是不是真实的。另一方面，我也在思考如何对组合回撤做改善。

　　这两个问题中，比较容易验证的事产业发展的线月之后，当OpenAI的用户数据又恢复高增长了，对产业发展真实性的质疑就不攻自破了。

　　对组合回撤的控制和改善是在2023年下半年集中加强的。在整个2023年下半年到2024年春节，我看了很多组合管理相关的材料，也请教了许多前辈，从结果来看，这一部分能力的补充也进一步提升了我的组合管理能力。

　　此外，我把移动互联网做了深度复盘，去找到哪些变量标志着产业趋势的结束，每一个阶段又是如何发展的。当时我看了一本书《沸腾新十年》，是关于互联网行业的编年史。我对照着书中的内容，以及相关的产业资料，把每一年互联网的主题是什么、核心硬件和软件变化是什么、细分行业赛道是如何竞争的，当时各个方向最后赢得竞争的公司，和竞争初期相比的预期差在哪里，做了逐一的分析。当时做的这张表格，对我现在看AI应用带来了很大的帮助。

　　邓心怡推荐《为什么伟大不能被计划》。重大创新和成就，往往无法通过目标导向的规划实现，而是源于非线性的探索过程，它要求你像一名“寻宝者”那样，持续寻找未知地图中更多的“线索”。往前走的时候，你不知道哪个线索是关键的，要做的第一步就是把屋子看清楚，我觉得这个对我们投资是非常重要的。返回搜狐，查看更多