任职2年回报445%，永赢任桀最新详解AI产业标的选择

永赢基金基金经理任桀近日在一场线上对话中，围绕AI产业的发展阶段、市场反弹后的应对策略，以及看好的细分板块等热点议题，详细拆解了底层逻辑和他所跟踪的指标。

公开资料显示，任桀2018年加入永赢基金，2024年10月份开始管理基金；

管理公募时间已有约2年，业绩相当亮眼。

其单独管理的永赢科技智选，曾在2025年凭借233.29%的年度回报摘下公募冠军；

Choice数据显示，截至9月7日，任职近2年时间，累积回报高达445.16%，今年以来仍保持了40%多的收益。

而更值得注意的是，任桀就是TMT研究员出身，还曾任科技组组长，

可见对AI产业链的投资研究正在他的能力圈内，有理由期待他能斩获更高的阿尔法。

作为科技投资的专业选手，任桀在投资上会结合产业趋势，

并通过看产业——选公司——验业绩——调结构的投资方法，寻找具备能够验证逻辑的方向。

图：任桀管理的基金情况：

来源：Choice，回报数据截至2026.9.7

任桀指出，8月份反弹后，市场进入一个比较纠结的状态，

因为很难期待市场在现有的流动性基础上，很快又回到当时最高点的流动性。

但他对下阶段相对乐观，因为二季报显示整个市场的EPS是进一步加速的，

且成交量保持在一个比较高的水平，显示AI产业还是处在一个又健康又快速的状态。

在AI产业跟踪上，任桀重点观察模型能力提升，以及投入资本回报率这两大指标，

他认为模型正从玩具变为生产力工具，对应市场空间巨大，

同时预计，今年到明年头部模型参数量，将从万亿级提升至10万亿，甚至30万亿级别，

对应训练算力需求有望实现10-100倍增长，推理需求也在持续扩张，整体算力需求有望再上一个台阶。

具体到产业环节上，

任桀进一步指出，超大规模模型的训练过程中，对于先进芯片集群化的要求，

特别是中间卡间的高带宽的互联，要求是非常高的。

卡间的通信带宽得拉得很大，来保证模型推理的延迟不能很高。

我们会发现所有海外的厂商，其实他们都在推进更高密度的互联，

在整个算力建设过程中，这是是非常刚需的一点，也是增长较快一个方向，

所以，其实需要去把握的，

就是在以英伟达卡为核心，以及怎么把英伟达的卡连起来为核心的这一类供应链标的；

这里面也涉及到，常讲的光模块，PCB等相关企业。

存储方面，DRAM需求有望保持持续增长，

7月下跌后，过高的预期得到了一轮比较充分的修正，他将持续动态评估相关标的。

投资报（liulishidian）整理精选了任桀分享的精华内容如下：

8月反弹后

市场进入一个比较纠结的阶段

主持人：站在当前这个时间点，您如何看待整体市场的投资机会？

任桀：我先跟大家复盘一下，我们是怎么观察这个市场的。

在6月份的时候，我们看到整个市场，特别是以AI为核心的科技方向，其实是经历了一轮比较大幅度的上涨。

大家去观察我的产品，其实也能看到在后半段，向上的弹性明显有一定的减弱。

主要原因就是我当时判断，市场对于整个AI板块的预期，以及交易的拥挤度，确实到了一个比较高的水平；

所以，我们做了一定比例的减仓。

在7月份的时候，不管是海外的市场，还是国内的市场，经历了一轮比较明显的下跌。

在这个过程中，我们核心做了两个比较大的判断。

第一，我们整体判断产业的状态，就是整个AI产业还是处在一个我们把它定位为“健康而快速的发展状态”，

这是行业的基本面。

第二，我们通过观测一些可见的、高频的、交易性的指标，包括大家实际上体现出来的杠杆水平，

我们认为，市场之前对于AI产业过高的预期，以及当时过高的拥挤度，确实得到了一轮比较好的修正。

在经历了7月份下跌之后，我们在7月底把整个组合的仓位给加上来了，然后捕捉到了8月份反弹。

但现在市场又是一个比较纠结的状态。

这个逻辑也比较好理解。

因为股价是等于业绩乘上估值，然后也有流动性的推动。

我们确实很难期待市场在现有的流动性基础上，很快又回到当时最高点的流动性。

整体市场，特别是以AI产业为代表的方向，很难一把又回到当时那个高点。

那8月份反弹了一半，大家就到了一个比较纠结的状态了。

因为如果回不到高点，那反弹一半之后，应该怎么去应对？

我觉得这个时候，是我们去做主动投资的一个比较重要的时间点——

一个是方向，就是后面是看好还是看空；

另一个，就是具体的结构，

什么样的一些公司能先跑出来，我们对此相对来说比较乐观。

第一，现在上市公司二季报已经披露了，

我们观察到整个市场的EPS（每股收益）在今年二季度是进一步加速的，

A股市场还是处在一个业绩持续释放、而且增速在往上走的状态，这是业绩端的支撑。

第二，就是市场的流动性。

我们看每天的成交量，虽然没有到最高的每天3万多亿的水平，但还是保持在一个比较高的水平。

第三，我们下了一个判断，就是AI产业本身还是处在一个又健康又快速的状态。

我们还是可以持续在AI行业发展的浪潮中，去寻找一批有机会的公司。

这是大方向上的判断。

然后核心组合最后还是由一批个股来构成，

我们在经历了比较深度的行业研究和个股研究之后，自下而上选出了一批EPS比较确定、同时估值又很合理的优质公司。

所以我们的存量产品，在8月份的反弹之后，还是保持了一个比较高的仓位。

这是我们目前对于市场整体投资机会的看法。

重点跟踪两大指标

模型能力+投入回报率

主持人：对于AI算力板块的投资机会，您目前的跟踪框架是怎么样的？

任桀：市场上有非常多的讨论，其实它的焦点我觉得最后都是落在一个指标上，

就是投入回报率，

所谓的ROI，现金流问题等，包括超大规模的算力投资，需要多大的下游需求才能支撑？

这些问题，我觉得最后要分析的就是ROI投入回报率的指标。

投入回报率其实是一个很简单的指标，

它的分母是投资，分子是回报。

我们把这两个东西拆开来，并且持续去做产业的跟踪。

我们跟踪的思路是怎么样的？

一个是在回报，

AI能创造多少的收入，我们主要是观察模型公司和云计算公司这两类。

对于模型公司，就是它的年化收入，它的token增速，包括模型公司在不同领域的进展，

比如现在在代码领域，它相对来说是比较强的，

在医药、在法律这些领域，它的产品开发进度怎么样？它的用户反馈怎么样？

我们另一方面会去跟踪前沿、最领先的这些模型，它的能力提升的曲线。

它能力提升之后，能打开什么样的应用场景？

以及随着模型价格的提升——我们看到代际之间的提升是比较明显的——

客户对于高价格的接受度是怎么样的？

这是我们在分析前沿模型的过程中，主要观察的指标。

然后就是开源模型，

它本身也会带动价格的下降，

我们分析一个商品的消费曲线，价格的下降大概率会带来量的提升，

那模型价格下降之后，它量的提升能不能带来总体收入的提升呢？

这是我们现阶段重点关注的指标。

对于云公司来说，

我们会去观察云公司收入的增长，订单的增长，包括像GPU的租赁价格这些指标。

目前跟踪下来，我刚刚讲的这些指标都还处在一个相对来说比较好的状态。

第二，就是投资的层面，

因为算力还是来自于行业主体的投入，然后投入又会有一些前置，会比需求投得稍微早一些。

所以，这里边我们需要去关注什么呢？

一个，是云计算公司的资本开支，

这是整个AI投资的基本盘，是我们重点要去关注的。

另一个，还会有很多前瞻性的指标。

比如我们会去跟踪海外核心的芯片公司，

他们整体的订单情况，产能准备的情况，包括给予上游的产能建设和需求的指引。

这些都可以辅助我们对于资本开支和行业的EPS，做出比较准确的判断。

除了云公司，

我们现在也观察到，新云公司和模型公司这两类主体的投资，现在扩大的速度是比较快的。

我们在2027年可能会看到整个新云加上模型公司，它们的资本开支会成为行业里非常重要的投资增量。

这是我们整体的思路。

目前AI产业

仍处在健康而快速发展阶段

主持人：任总前面也提到AI产业目前仍然是在健康并且快速地发展。请您展开分析一下，这个判断背后是怎样的逻辑？

任桀：我们往后怎么看呢？

第一，就是以Coding和Agent为代表，

这一类上半年很强，并且现在还持续在推广的这一类应用，还是在一个很好的成长轨道上。

我们看到不管是OpenAI还是其他一些模型类的统计，

它们价格差不多下降一倍，量差不多能有1.3到1.5倍的增长。

相当于随着产品单价的下降，使用群体在持续扩大，它处在一个总需求持续扩张的阶段。

然后第二个，我们确实也看到AI开始在医药、在法律，在多个行业开始实现广泛地落地了。

随着AI能力的扩大、应用场景的成熟，

高价值场景会支持整个AI行业的推理需求持续增长。

与此同时，今年下半年以来，我们观察到AI的训练需求，开始有新一轮提升的苗头。

整体来说，我们预计国内外的头部模型，会进入到新一轮的预训练规格的提升。

就是我们之前可能模型的参数是1万亿，3万亿的水平，

但在今年到明年的这个时间段，

可能会看到国内外的头部模型参数量，会提升到10万亿到20、30万亿的水平。

这个水平的话，要用多少算力？

它算力的消耗，主要是由参数和数据量来决定的。

但在固定的参数下，数据量是有一个比较确定的比例的。

最后的结论就是训练算力的需求，它和参数量的平方成正比。

意思就是，参数量在今年到明年的时间内会扩张3-10倍，

它其实对应的是，训练算力需求10-100倍的提升。

所以，我们可能会在今年到明年的过程中，

看到全球的头部模型，在整个训练算力方向一个比较重大的投入。

算力的总需求，等于训练加上推理，

在两个需求是都是向上提升过程中，

我们判断全球整体的AI算力需求，还是有希望再上一个台阶的，就在今年到明年的时间段内。

这个代表的是行业的快速发展，

还有一个就是行业的发展，是比较健康的。

因为第一，我们也观察到，在今年收入和token量大幅提升之后，模型公司逐渐开始盈利，

这是商业模型闭环的一个比较重要的信号。

第二，就是云计算的公司，大家看谷歌和亚马逊的财报，它们云计算的业务首先明确是由AI驱动的，

在AI驱动下，实现了收入增速非常显著的加速，以及在收入加速的同时，利润率还在提升。

那对于它们来说，只要投入能得到持续的高价值的回报，那这样的投入肯定是没有压力的。

退回来讲，在这样一个投入回报率下，它们的现金流压力其实也不大，

甚至会比较积极地去借钱投入到产业中。

所以总的来说，在我们的这个跟踪框架下，

分析具体的企业和行业的实际情况，我们认为整个AI产业，目前处在一个健康而快速的发展阶段。

大模型大规模集群

拉动卡间互联、光通信、PCB需求

主持人：接下来想请任总分享一下，现阶段您对于像光通信、PCB、存储板块的投资机会怎么看？

任桀：我们在AI板块的主要配置，其实还是在这几个方向。

从过去的季报可以看到，我们存量的产品是持续投资于这个方向的。

首先，这个是结构性的，

AI在A股大概有1000到2000个标的。

我们一开始讲的，在现在这个市场比较纠结的状态，怎么去选择投资的方向，其实结构也很重要。

因为很难指望AI板块一下子整体创下新高，

肯定是会有一批优质的公司和比较好的标的先跑出来，

部分标的先涨上去，然后其他标的，我们再看它发生的变化，包括整体经营的周期，处于什么样的状态。

我们选择结构的思路，核心还是基于行业逻辑和自下而上的企业研究。

行业逻辑现在主要是两点。

第一点，就是因为算力的需求，是由推理和训练构成。

对于推理来说，我们现在看到越来越多的模型，因为考虑到它的性价比和效率，

它参数量在提升的过程中，其实大家都做了多专家模型的处理。

这个东西怎么理解？

比如说一个模型它有100亿的参数，可以把它拆分为100个专家，

每个专家擅长的领域是不一样的，当我提出某一个领域的问题的时候，模型只需要激活那一个专家，

激活1亿的参数，就可以比较好地回答我的问题。

然后随着这个模型规模的进一步提升，

比如我刚刚讲我们现在是1万亿或者3万亿的模型，它提升到10万亿，

那就是专家的数量，可能会有更明显的提升。

这里面涉及到我们整个架构里面比较重要的一点，

就是每一个问题进来之后，到哪个专家，其实是不可预测的。

不可预测的话，卡间的通信带宽就得拉得很大，来保证模型推理的延迟不能很高。

那就是在整个算力建设过程中，

我们会发现所有海外的厂商，其实他们都在推进更高密度的互联，

加上更大的全互联的域，这是整个AI算力集群建设中是非常刚需的，

而且，它是明显结构性增长更高的一个方向，这是其一。

其二，就是今年下半年开始，训练的需求会提升。

大家可以去观察全球GPU龙头，也就是英伟达的市场预期，

因为它的核心GPU卡，相对来说是最高端的。最高端就意味着它的性价比可能不是很高。

大家如果都去做推理需求的话，会发现英伟达体系的卡，做推理，成本要比别的卡高一点。

推理的需求就意味着行业的增量，其实主要体现在这些非英伟达的方向上。

比如说会看到AMD，会看到其他做ASIC的公司，

它们的订单上升幅度可能要比英伟达更大一些。

但是，我们后面再去做新一轮超大规模模型的训练，

这里边其实现在比较一致的是，绝大多数的公司都会采用英伟达的高端GPU的大规模集群，去完成新一代模型的训练，

这是我们比较明确的方向。

在这个方向之上，正好它新一代的Rubin，简称R卡，正好在这个季度开始量产发货，相当于这两个节奏它是匹配上的。

这种超大规模模型的训练过程中，对于先进芯片集群化的要求，

特别是中间卡间的高带宽的互联，要求是非常高的。

所以，我们其实需要去把握的，

就是在以英伟达的卡为核心，以及以怎么把英伟达的卡连起来为核心的这一类供应链标的。

然后这里面也涉及到，比如我们常讲的光模块，常讲的PCB相关的一些企业。这是行业逻辑。

企业层面，是我们一直自下而上去挖掘的点。

因为国内的PCB和光通信公司，其实是经历了一轮很长周期的发展。

在这个发展过程中，它们逐渐成为了全球化的科技客户最核心的供应商，它们的份额其实是处在一个比较高的水平。

这些公司我们认为它们具备高度可见的业绩，以及比较长的发展逻辑，

我们基于对行业估值的判断，认为当前这个价格其实已经隐含了一个比较悲观的预期。

- 结语-

投资报原创的稿件，有转载需要的，请留言。

投资报发布的、未标原创的，可直接转载，但需注明来源和作者。