按照网上的分类，汇丰晋信基金的陈平属于“站在光里的人”。他管理的汇丰晋信科技先锋基金在过去一年内斩获220%以上的净值增长，近11年任期内年化收益超过10%（截至2026年6月15日，数据来源：Choice，基金托管核算净值），是市场上少数的“双十基金经理”之一。
由此，陈平的观点也被市场和同行所关注。作为一名TMT研究员出身，拥有11年成长基金管理经验的基金经理，他对科技和成长股的行情脉络有独到的判断，也屡屡抓住行业性的成长机会，包括近期火热的AI产业链的软硬件投资机会。
日前，陈平在一个场合小范围发表了自己的观点。 他在此次路演中明确表示，当前A股处于盈利上升周期，成长股方向依然值得看好。
他还判断，当下的AI股行情并非泡沫，底层算力（尤其是光相关）企业在科技巨头的“军备竞赛”下，正享受50%的资本开支增速预期，部分领域如光有望迎来20倍以上的需求暴增。而对AI的分歧会让这波行情走得更远。
同时，他透露正在关注另一个即将突破的高增长行业的机会，并看好创新药板块在工程师红利+人口红利叠加下的全球突围。关于陈平的更详细观点，我们整理后辑录如下。
投资金句：
1、上市公司业绩整体上行期，股市至少是一个结构性的牛市，也有可能是大牛市，一般不会是熊市。
2、过去20年内，A股指数的历史性买点和卖点是相间出现的。当前这轮行情前2年已经走过历史级的买点，远未到历史级的卖点，因此行情大概率会持续。
3、公募基金对TMT行业的资产配置已经显著超过历史上限，并有可能继续往上走，这和AI引起的时代影响密切相关。
4、AI产业已经进入“投入”和“收入”相互强化的正循环。部分AI公司的收入增速非常快，甚至达到“夸张”的程度。
5、未来AI的投资核心最关注三点：模型能力是否持续提升，资本开支高增速是否保持，失业带来的影响是否过大。在这三个核心变量出现变化前，AI行情很可能会持续。
6、随着海内外AI算力集群的规模持续扩大，对芯片之间连接的需求会高于芯片本身，连接需求的增速会远远高于芯片的增速，光是最受益的品类。
7、AI的投资目前更多是“个体理性的选择”，还没有到“群体非理性”的阶段。分歧会让行情走得更远。
8、国内商业航天，目前处在接近“0.9”的位置，正在等待可回收火箭取得成功。如果成功，那么将打开市场对商业航天进入“1~N”阶段的信心。
业绩上行期没有熊市关于当下的市场基本面，陈平表示，上市公司业绩已经结束了16个季度的“下行”周期，重新进入小幅上行的过程中。
而从历史规律看，只要上市公司的整体业绩处在上行趋势，市场通常至少会有一个结构性的牛市，甚至有可能是大牛市，一般不会是熊市。
另外，通过A股的业绩表现，来判断板块的走势和风格，通常是比较有效的。部分板块可能幅度上会表现过度，但方向上通常不会错。
分资产类别看，当下业绩好的板块往往股价表现也好，比如近期表现突出的资源品、科技等；而业绩不好的板块，对应它们的股价表现也较差，比如近期增速不佳的消费、公用事业。
市场整体估值并未“泡沫化”陈平认为，当前市场整体处在估值中枢偏上的位置，尚未泡沫化。
判断A股吸引力的方法之一，是看权益资产的风险补偿。以权益资产的代表沪深300指数为例，目前该指数的估值基本在中枢偏上位置，没有特别贵，且风险补偿仍在历史均值以上。
他分析了沪深300指数自2006年至今约20年内历史级别的买卖点（下图）的情况。其中，历史性买点的通常是风险补偿突破正的一倍标准差之外（下图红色框内），而历史性卖点的通常是风险补偿到达负一倍标准差以下（下图绿色框内）。
过去20年间A股有过4次历史性的“买点”和3次“卖点”，且红色买点与绿色卖点基本是相间出现的，也就是说，历史级买点之后往往会接着出现历史级卖点。
历史级的卖点远没到，因此，当前这轮行情大概率会延续。
另外，创业板指也是类似情况，即便涨到现在，创业板的估值也才刚回到历史均值，风险补偿仍在正一倍标准差附近，依旧处在较有吸引力的位置，显示以创业板为代表的成长股更有吸引力。
成长风格占优是因为基本面更好陈平还认为，A股风格切换的核心动力是相关资产的业绩变化趋势。
以当前这一轮成长股行情为例，成长类资产的增速遥遥领先于价值类资产。
在可见的未来里，两者之间的增速预期差不仅有望继续保持，甚至有可能拉大。这是目前成长风格占优的重要原因。
因此，他对市场的总判断是：整个市场依然是中性偏乐观的。这里面最看好的依然是成长。
公募基金正在创纪录的配置TMT资产他还特别提示，公募基金正在打破历史上对TMT资产的配置上限。
历史上看，每当公募基金对TMT资产的配置达到30%到40%左右的比例时，行情往往会触到顶部，这构成了TMT资产的历史上限。
但这次行情，公募基金对TMT行业的资产配置比例，已经显著超过历史的上限幅度。甚至未来还可能继续上升。这是因为AI引起的时代影响足够巨大。
陈平认为，考虑到存款“搬家”入市还未进入后期，科技股估值也在中枢附近，当下不能机械地用过去的“指标”：风格资产占比，成交额前五占比，TMT成交额占比等来简单判断风格是否见顶。
世界在不断变化，TMT配置峰值本身也会不断抬升，对待当下的行情不能过于教条。
AI产业已进入不断强化的“正循环”关于AI产业链，陈平有几个重要判断：
首先，AI产业已经进入“投入”和“收入”相互强化的正循环。整个AI产业虽然仍处在投入期，但部分AI公司的收入已经开始兑现，且应用端的收入增速非常快，甚至达到“夸张”的程度。
以一家成立5年的海外大模型公司为例，2024年底还只有约10亿美元的ARR（月收入年化），但最新的ARR已达到约470亿美元，如果按这个速度推测，这家公司两三年后的收入甚至可能超过谷歌。
随着AI产业的终端收入逐步得到验证，后续这个产业会有更多信心来加大投入，推动产业进入发展的正循环。
陈平判断：AI产业已经从单纯的资本开支叙事，进入商业化验证的阶段，它未来的发展可能更加激动人心。
资本开支增速是AI投资底层假设其次，未来AI投资的核心逻辑可以简化为一个关键变量——资本开支高增速是否得以保持。
这个判断由黄仁勋提出（黄仁勋去年提出到2030年的AI资本开支将达到3-4万亿美元），最初市场并不完全相信，但后来不断获得产业链验证。比如，业内对资本开支最谨慎的公司——某代表性的晶圆代工厂商，不久前也给出了AI收入增速到2029年为55%—60%的预测。
晶圆代工厂由于是重资产公司，购买设备、建设产线金额都很巨大且漫长。一旦资本开支计划失误(客户下修订单)，可能会带来产能利用率的快速下降和股价暴跌。因此，晶圆代工厂历来是产业链中最谨慎的企业，它提出的预测数据，非常值得重视。
另外，全球的头部云厂商、AI Lab和主权AI的开支计划也在提升。相关预测指向2030年AI资本开支可能达到3万亿至4万亿美元，这是该产业链继续扩张的重要信号。
不要去猜AI行情的顶，保持跟踪对于市场关心的“AI资产存不存在泡沫”的问题，陈平的回应不能简单地得出泡沫的结论，要从长周期去研究答案。
一方面，长期看“万物皆有周期”，AI亦然，当前繁荣，未来也许会回落。关键是这一轮AI繁荣周期究竟有多长？
如果按照智能手机的创新周期来类比，那么AI的成长周期可能会有10年。
如果按照第四次工业革命的周期来类比——背后对应的是康德拉季耶夫周期——那么，AI的这轮周期可能长达60年。
陈平认为，当前的AI成长周期至少是智能手机级别，甚至可能是工业革命级创新，这样的产业周期显然会比许多人想象得要更长。
当下，对于AI投资更应强调持续跟踪，而非提前预设结论。他自己也以“乐观看待，持续跟踪，不提前预设终点”的态度来观察AI产业的表现。
算力产业链中最看好“光”在AI产业链中，陈平最看好的是算力，算力链中最看好的是“光”。
他说， 随着海内外AI算力集群的规模持续扩大，对芯片之间连接的需求会高于芯片本身。因此，可以确定，连接的增速也会远远高于芯片增速。
他用数学公式进一步打比方：如果要保证每CPU芯片之间都是直连的（黄仁勋说的All to All直接通信），那么n个GPU之间需要的连接数量是n的组合数（下图），是远大于芯片数n的。
当然，现实中并不会连到那么满。所有的连接有4种方式，硅、pcb、铜缆和光。铜和pcb即将走到物理极限，光进铜退即将发生。
而且，GPU芯片可以通过摩尔定律持续的降本增效，经典的摩尔定律意味着每18个月性价比提升约4倍。相比之下，光、PCB、液冷、电源等属于物理世界，降本增效速度跟不上摩尔定律，因此它们在资本开支中的占比会越来越高。
目前光通信相关产业环节，在整个AI的资本开支中占比大概是5-10%之间。但到了2030年后，这个比例会达到20%到30%之间。由此推算，光通信环节的年化增速可能会达到100%。
以光模块出货数量看，去年800G、1.6T可能是两三千万只的市场需求，今年可能是接近1亿只的需求，明年的预期大概是1.6亿到2亿只需求。
目前所说的光模块都是scale out市场，这个市场本身还在快速增长。当前的Scale up市场的连接主要是pcb和铜来完成。伴随着铜墙的到来和光学新技术（NPO、CPO、OIO等等）的进步，scale up市场正逐渐向光打开，“光进铜退”即将发生，up市场大约是out市场的接近10倍。此外，scale across的需求也正在逐步上升，这个市场体量可能也接近out的市场。根据AI产业链中的一些光相关厂商推测，2030年AI产业对光通信的需求总量可能会是现在的20倍以上。
AI应用的投资难度较高与对算力产业链中硬件的乐观态度不同，陈平目前对AI应用端的态度有所保留。
他认为AI应用的需求正在爆发，包括AI搜索、问答、编程、P图等AI应用的需求正在快速爆发。
但投资上，AI应用端的品种前景更难判断，一方面是AI带来的新业务不一定是现有的上市公司做的，另一方面也是因为AI改变了原有企业的“护城河”。
以AI到来前后的软件、传媒生态做对比。AI出现之前类似“冷兵器时代”，各个公司各自守着自己的山头或城池，做ERP的继续做ERP，做OA的继续做OA，彼此难以攻破，因此DCF模型中的远期现金流可以做较稳定的假设。
AI到来后，行业进入了热兵器时代，各个行业、公司的竞争壁垒迅速被改变。原有的城墙可能被大炮摧毁，外部人可以杀进来，内部也可以杀出去进攻别人，格局变得混乱。
他还提到，由于边际成本问题，巨头过去主要做“树干业务”，但AI让巨头的能力延伸到“树枝甚至树叶业务”。因此，原有做这些业务的公司护城河将被显著改变，业务逻辑需要重新审视。他把应用投资形容为“鱼少的池塘”，是难题，相比之下，“算力尤其是光通信是简单题”。
分歧会让AI行情走得更远对于市场担心的AI“抱团”问题，陈平的判断是，目前更多是“个体理性的选择”，还没有到“群体非理性”的阶段。
核心依据仍是业绩增速和估值消化速度。他举例说，历史上，贵州茅台和宁德时代曾达到群体非理性，茅台一度给到80倍PE，而历史平均约30倍；宁德时代一度超过100倍PE。此时即便公司很好，也只能通过股价下跌或业绩增长消化估值。
但目前AI中的不少公司，比如光模块龙头企业，业绩兑现良好，公司好、增速高，预期未来几年翻倍增长，估值对应明年的业绩预期PE也才10多倍没有透支，当前仍是简单题。作为对比，可以想象一下什么时候是难题，如果光龙头企业现在给到了8万亿市值对应明年估值80倍，并且预期未来几年都是100%的增长，那可能就是难题了，它要求所有的预期都要如期兑现。相比而言，现在的估值仍属简单题范畴。
他表示，AI依然有很多分歧，依然有很多人没有加入AI，正因为他们没有加入，“光”板块的估值才一直便宜，行情才能走得更长。现在主要赚业绩的钱，不指望估值提升。反过来，如果像2015年一样，某方向大家都一致看好，都加入了，光龙头市值短期涨到极高位置，那可能需要警惕。
AI投资最重要的三个观察指标陈平提醒，真正需要重视的不是股价的短期波动，而是底层指标是否变化，他提出三个最重要观察指标，1模型能力、2资本开支，3社会影响，在这三个指标出现重大变化前，他认为AI将持续。
最重要的终点信号之一是模型能力。 “只要模型能力持续进步，AI就仍有空间”；如果现有架构触及瓶颈，又没有新架构突破，AI浪潮才可能阶段性放缓。好在现有的架构还没有见顶，scaling law依然有效。同时近几年有无数的天才和资金涌入AI行业，新架构可能已经在开发过程中。
资本开支目前每个季度都在上修，什么时候开始不再上修，什么时候开始低于30%的增速是重要的观察时点。通常低于30%的增速会被认为从超高成长落入稳健成长的关键点，通常也会伴随杀估值的过程。
社会影响主要是AI对就业和经济结构带来影响。冲击太大太快将会使社会限制AI的发展速度。他说人类正处在万年未有之大变局初期。将来的社会怎么运行值得思考。
商业航天已经处在接近“0.9”的位置上除AI外，陈平还谈及半导体、商业航天、互联网和医药创新。
半导体行业目前还处在上行周期中，且周期被AI的需求拉长。短期，AI给中国半导体带来的需求正在逐步显现。长期，中国半导体国产化率的提升的逻辑依然正确。中国半导体的空间依然巨大。
商业航天在海外的商业模式已经跑通，但对于国内商业航天，目前处在接近0.9的位置，那个1就是可回收火箭回收且复用成功。股价已把“0到1”阶段炒完，但市场还不太相信“1到N”很快会展开。未来2个月会有多款可回收火箭发射，如果回收成功，即“1”一旦成功，市场就会去相信“N”。
互联网方面，陈平认为互联网巨头当前估值较低，且拥有未来AI高速发展的许多要素，资金、技术、人才和场景。尤其是场景更是无可替代。但这些公司面临的挑战也很明确，它们也在调整适应AI新时代，好在目前看不到互联网巨头被颠覆，仍然值得配置，但需要一定的时间成本。
医药方面，陈平认为估值处于历史低位，但业绩仍在下行阶段，真正值得跟踪的是创新药。中国创新药产业链是“国内人口红利和工程师红利的完美结合”。在需求端，海外药企面临专利悬崖，需要补充管线；供给端，中国临床成本低、研发速度快。他提到，中国创新药BD交易去年约1000亿美元，今年（2026年）一季度约600亿美元。他认为，由于人们面对健康和寿命是没有议价能力的，因此关系的变化几乎无法影响到创新药的逻辑。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。富通优配提示：文章来自网络，不代表本站观点。
