报告行业投资评级 未提及 报告的核心观点 - 美国对电解铜进口关税豁免改变全球铜贸易格局，沪铜价格后续由自身基本面和宏观逻辑驱动 [105] - 9月铜金融属性和商品属性共振，预计沪铜价格中枢上移，四季度或现年内第二高点且高于上半年 [105] - 操作上建议下游需求端积极点价并在盘面买保，沪铜主力合约下方支撑78000 - 79000元/吨，上方压力80000 - 82000元/吨 [105] 根据相关目录分别进行总结 铜市8月回顾 - 8月全球铜市波动率下降，铜价窄幅震荡、缓步走高，COMEX铜累计涨幅领先，主要驱动为金融属性，美元指数回落利多铜价 [6] - 基本面看，美国7月31日豁免电解铜进口关税使伦敦铜库存累库，国内8月供给高位但需求韧性足，社库和交易所库存去化，与海外走势分化 [6] 全球宏观与铜市 - 国内三季度政策空窗但风险偏好回升，上半年GDP、社零、进出口增长良好，7月经济数据回落，8月宏观对铜价无明显利多，9月或偏利多 [10][12] - 美元指数走弱，美国制造业扩张加快，就业市场松动，市场对美联储9月降息预期超90%，白宫对美联储掌控力增强支撑铜价 [16] - 中长期中国铜需求大概率达峰，美国用铜需求有增长空间，将成影响铜价主要边际变量 [16] 铜供应情况分析 - 矿端中长期面临增速慢、品位低困境，2025年全球铜精矿产量实际增速预计2%，下半年增幅低于上半年，供应紧张短期难缓解 [21][25] - 2025年全球铜精矿增量集中在南美、非洲及亚洲部分项目，全年供应缺口超110万金属吨，2026年供需逐步平衡 [25] - 国内精炼铜产量年初以来创新高，7月产量大增，8月预计微降，未来矿端对产量约束增强，预计2025年产量1300 - 1400万吨，同比增超10% [32][35] - 精废价差走扩，再生铜产量下降，8月再生铜杆和废产阳极板产量预计分别降30%和20%，后续再生铜对铜精矿替代效应或增强 [38] - 2025年上半年中国电解铜出口增、进口降，8月美国关税政策使LME与COMEX套利结束，9月LME库存或回流，国内进口量有望恢复 [41] 铜需求情况分析 - 国内铜材产量一季度高，二季度有降有升，三季度转淡，8月微增，9月大概率环比增加，全年增幅预计超4% [46] - 精铜杆上半年产量高，7月下降，8月排产增幅有限，9月下游需求有望回升带动开工率上升 [49] - 铜管产量逐月下降，三季度用铜需求降至年内低点，9月后空调内外销下滑，预计开工率降至60%以下 [52] - 铜棒需求受地产拖累，开工率下滑，预计全年负增长，成为铜消费拖累项 [53][55] - 铜板带产量低于近年平均，8月开工率预计回升，9月产量预计环比增加 [58] - 新能源车渗透率提升，铜箔总需求扩大，2025年1 - 6月产量同比增29.4%，9月进入旺季预计继续增产 [62][65] - 2025年电网投资预计增长，电源投资增速放缓，光伏抢装基本结束，电源端用铜需求下半年环比下降 [68] - 地产投资改善不明显，是铜消费拖累项，对“金九银十”表现不宜期待过高 [71] - 家电消费前置透支三季度需求，1 - 7月空调、冰箱、洗衣机产量增速均下降 [74] - 新能源车产量高增长，预计全球全年销量2200万辆，未来AI铜需求将贡献增量 [78] 铜库存变化分析 - 2025年上半年全球铜显性库存下降，库存结构性矛盾支撑铜价，7月美铜虹吸效应变化，8月国内外库存走势分化 [84] - 美国8月关税政策使全球铜资源流向逆转，非美地区供应阶段性宽松，9月国内基本面走强，库存预计下降支撑沪铜价格 [84] 全球铜供需平衡 - 2025年全球铜矿供需趋紧，供应缺口超110万金属吨，2026年供需逐步平衡 [88] - 2025年精炼铜上半年小幅过剩，预计25 - 30万吨，全年过剩规模收窄至19.4万吨，国内处于供需紧平衡 [88] 铜持仓分析 - 8月COMEX铜期货与期权总持仓下降，净多持仓下降，资金层面对铜价影响偏空，LME铜投资基金多头持仓基本持平 [96] 套利分析 - 上半年美铜涨幅领先，沪伦比下降，8月沪铜涨幅仍落后伦铜，沪伦比延续下降趋势 [101] - 铜锌比年初以来走高创近10年新高，年内有望继续上升 [101] 铜市场展望与操作建议 - 美国关税豁免预期消化，沪铜价格重回基本面和宏观逻辑驱动 [105] - 9月金融和商品属性共振驱动铜价上行，国内供需两旺，库存内低外高，四季度铜价或现年内第二高点 [105] - 操作上建议下游需求端积极点价买保，沪铜主力合约下方支撑78000 - 79000元/吨，上方压力80000 - 82000元/吨 [105]

行业布局聚焦核心，科技消费备受青睐 从行业分布来看，科技互联网与消费板块已成为外资布局的重点领域。据国泰海通证券测算，外资在港股大部分细分行业中占据主导地位，尤其在科技 互联网、零售、保险等领域占比明显较高。以零售业为例，外资机构的资金整体占比高达77%，显示出对相关板块的强烈信心。 中国资产的基本面预期改善，吸引了境外投资者的目光。华泰证券首席宏观经济学家易峘分析称，外资今年主要以增持被动型基金的形式流入，同时主 动型基金也在进行"低配补仓"，显示出对中国资产的关注度持续升温。 多重利好催化，估值优势明显 【环球网财经综合报道】今年以来，港股市场凭借其估值优势和丰富的中国优质资产，吸引了全球资本的广泛关注，市场表现持续向好。Wind资讯数据 显示，截至9月1日收盘，年内恒生指数和恒生科技指数分别累计上涨27.70%和29.79%，展现出强劲的增长势头。 作为外资配置中国优质资产的核心渠道，港股市场正吸引着全球资本的密切关注。港交所最新数据显示，仅在今年5月至7月末，长线稳定型外资机构资 金便累计流入约677亿港元，短线灵活型外资机构资金也流入约162亿港元，合计超过800亿港元，为市场注入了强劲的流动性。 ...

导语："大型云服务提供商"占据了英伟达数据中心营收的50%，而数据中心业务又贡献了公司总营收的88%。 根据提交给美国证券交易委员会的文件，英伟达（Nvidia）在第二财季中近40%的营收来自仅两家客户。 上周三，这家芯片制造商公布，截至7月27日的季度营收创下467亿美元的新高，同比增长56%，主要得益于人工智能（AI）数据中心的爆发式增长。然 而，随后的披露显示，这一增长很大程度上依赖于少数几家客户。 具体来看，英伟达（Nvidia）表示，一家客户占据第二财季总营收的23%，另一家客户贡献了16%。但文件并未披露客户身份，仅以"客户A"和"客户 B"代称。 在上半财年中，"客户A"和"客户B"分别贡献了20%和15%的总营收。此外，该公司表示，还有四家客户分别贡献了14%、11%、11%和10%的二季度营 收。 英伟达在文件中强调，这些客户均为"直接"客户，例如原始设备制造商（OEMs）、系统集成商或分销商，他们直接从英伟达采购芯片。而"间接客户"， 如云服务提供商（cloud service providers）和互联网消费公司，则通过这些直接客户购买英伟达芯片。 也就是说，像微软、甲骨文、亚马逊或谷歌 ...

行业经营效益显著提升 - 三大财险公司综合成本率均显著下降 其中人保财险95 3%同比下降1 5个百分点 平安产险95 2%同比优化2 6个百分点 太保产险96 3%同比下降0 8个百分点 [3] - 承保利润大幅增长 人保财险116 99亿元同比增长53 5% 平安产险79 78亿元大增125 9% 太保产险35 50亿元同比增长30 9% [3] - 成本率优化主要得益于费用率下降及科技应用 平安产险和太保产险实现赔付率和费用率双降 人工智能在核保理赔定损环节的应用提供支持 [3] 车险业务改革成效突出 - 车险"报行合一"改革有效规范市场秩序 平安产险车险综合成本率95 5%同比优化2 6个百分点 人保财险车险综合成本率94 2%同比下降2 2个百分点 [4] - 费用精细化管理和渠道建设成效显著 人保财险按旧准则口径车险费用率较2020年下降18 2个百分点 太保产险通过数字化赋能实现车险承保综合成本率95 3%同比下降1 8个百分点 [4] - 改革遏制了拼费用的无序竞争 推动保险公司实际费用率与报备费用率保持一致 [4] 非车险业务改革持续推进 - 非车险"报行合一"政策预计四季度落地 将对2025年经营业绩产生正向影响 2026年实现明显改善 [5] - 人保财险法人业务综合成本率同比下降3 2个百分点 非车险成本率下降不明显主要受业务结构影响 [5] - 新政策将引导行业回归保险本源 通过合理设定费率降低费用率和保费应收率 提升承保能力和风险管理服务水平 [6] 行业发展战略转型 - "反内卷"推动行业从价格规模竞争转向产品服务技术创新 实现内涵式高质量发展 [7] - 非车险监管政策落地有助于准确研判风险 发挥保险经济减震器和社会稳定器功能 [7] - 行业外部环境改善创造稳定定价依据和保源增长 为规范市场秩序提供良好基础 [7]

行业反内卷成效 - 财险行业反内卷已取得初步成效 综合成本率显著下降 车险费用率下降明显[1] - 行业反内卷将持续提升业务质量和承保盈利能力[2] 综合成本率表现 - 人保财险综合成本率95.3% 同比下降1.5个百分点 为近十年最好水平[3] - 平安产险综合成本率95.2% 同比优化2.6个百分点[3] - 太保产险综合成本率96.3% 同比下降0.8个百分点[3] 承保利润增长 - 人保财险承保利润116.99亿元 同比增长53.5%[3] - 平安产险承保利润79.78亿元 同比增长125.9%[3] - 太保产险承保利润35.50亿元 同比增长30.9%[3] 成本优化驱动因素 - 人保财险费用率下降致成本优化 平安和太保受益于赔付率与费用率双降[3] - 科技与AI应用为核保 理赔 定损提供优化基础[3] - 车险报行合一改革推动费用精细化管理和费用投入优化[4] 车险业务表现 - 平安车险综合成本率95.5% 同比优化2.6个百分点[4] - 人保车险综合成本率94.2% 同比下降2.2个百分点 费用率较2020年下降18.2个百分点[4] - 太保车险综合成本率95.3% 同比下降1.8个百分点[4] 非车险政策进展 - 非车险报行合一政策预计四季度落地 将对2025年经营业绩产生正向影响[5] - 政策落地将引导行业回归保险本源 推动理性竞争 降低费用率和保费应收率[5][6] - 人保法人业务综合成本率同比下降3.2个百分点[5] 行业转型方向 - 反内卷推动资源投放向产品 服务和技术创新转变[6] - 非车险报行合一将促进行业准确研判风险 发挥经济减震器和社会稳定器功能[6]

财务业绩表现 - 2025年上半年收入同比增长54.5%至66.77亿元人民币 [2] - 净利润达1.9亿元人民币 [2] 核心业务驱动因素 - 子公司科通技术作为AI算力供应链核心供应商深度服务云端AIDC和边缘侧AI智能硬件赛道 [2] - 与Nvidia、Xilinx、Intel、AMD等全球逾80家顶尖芯片原厂紧密合作 [2] - 高效响应高性能AI芯片旺盛需求推动订单量高速增长 [2] 战略转型成果 - 从芯片交易平台升级为技术整合平台的战略转型成效显著 [2] - 采用"基础设施+增值服务"双引擎推动数据资源向战略资产转化 [3] - 目标成长为全球创新企业领先技术服务平台 [3] 多元化业务布局 - 硬蛋科技采用"双轮驱动"策略：国产AI算力与新能源赛道并行发展 [3] - 与华为深化合作依托昇腾AI服务器为大学及科研企业提供算力解决方案 [3] - 持续巩固新能源赛道聚焦两轮车换电及电池梯次利用领域 [3]

AI对经济的重塑影响 - AI对经济的重塑效应有望堪比移动互联网 其影响是全方位和深层次的 不仅限于科技行业 更将广泛渗透至传统领域[1] - AI会大幅提升传统行业的生产经营效率 并深刻改变整个经济和社会的生产力与生产关系[1] - 投资者正在积极寻找并布局那些能够有效利用AI技术进行智能化升级的企业 无论其身处科技行业还是传统领域[1] 国内科技巨头AI发展特点 - 国内科技巨头对于AI的投入节奏保持积极的同时相对稳健 倾向于做新技术的快速跟随者[1] - 国内公司在商业化落地和变现效率方面更有优势[1] - 国内算力方面存在制约 但条件正在积极改善 特别是国内算力芯片正在快速发展[1] AI商业化进展与投资指标 - 部分公司的AI产品已开始创造良好收益 如短视频平台的AI工具收入正快速增长 AI驱动的精准营销也贡献了增量收入[2] - 投资者应关注各类AI产品的用户数和流量增长指标[2] - 国内公司在商业化落地和变现效率方面具备自身优势[2] AI驱动的细分投资领域 - 算力领域的景气度已率先爆发 光通信 PCB 液冷等细分方向的机会正在展现[2] - 应用的潜在爆款值得期待[2] - 人形机器人正走向量产 无人驾驶出租车 无人物流 eVTOL等低空经济领域也有望迎来量的成长[2]

AI核心概念与学习方法 - 人工智能通过机器学习从数据中自行学习规律而非依赖预设规则 核心方法包括有监督学习(使用标记数据训练模型) 无监督学习(从未标记数据中发现模式)和强化学习(通过试错和奖励机制优化行为策略) [9][12] - 2012年Google通过无监督学习使神经网络在观看海量YouTube视频后自发识别"猫"的概念 成为深度学习里程碑事件 [11] - AlphaGo击败人类棋手和ChatGPT的崛起标志着AI技术进入爆发期 深度学习依赖算力(GPU) 数据(互联网)和算法三要素共同推动 [6][69] AI技术基础能力 - 数学是AI底层逻辑的核心 线性代数处理向量与矩阵 概率统计管理不确定性 微积分通过梯度下降优化模型参数 [13] - Python是AI开发首选语言 拥有简洁语法和强大生态圈 关键工具库包括NumPy/Pandas(数据处理) Scikit-learn(机器学习) TensorFlow/PyTorch(深度学习) [19][21] - 其他编程语言各有侧重 R语言擅长统计分析 C++适用于高性能计算 Java用于企业级系统开发 [23] 实践与学习路径 - 学习过程需结合理论深度(数学) 工具掌握(编程)和实践高度(项目) 建议通过Kaggle竞赛 GitHub开源项目和复现论文等方式积累经验 [28][47][53] - 建议建立持续学习机制 关注顶级学术会议(NeurIPS/CVPR/ICML) 筛选高质量信息源 避免被技术营销内容干扰 [24][25] - 初学者可从微项目入门 如用Pandas分析天气数据 用Scikit-learn预测泰坦尼克号幸存者 逐步构建可交互的Demo展示能力 [50][51][53] AI应用领域与职业方向 - 核心职业路径包括机器学习工程师(算法落地) 数据科学家(数据洞察) 算法研究员(前沿探索) 具体职位衍生出算法工程师 AIGC工程师等细分方向 [38][40] - AI与垂直领域结合创造新价值 包括艺术设计(生成式AI创作) 金融商业(量化交易/风控) 医疗健康(新药研发/影像分析) 材料科学(分子模拟)等领域 [42][43] - AI技能将成为通识能力 未来差距体现在顶尖人才(创造AI)与普通劳动者(使用AI)之间 需注重培养解决问题能力和人机协同思维 [37][45][55] AI发展历程 - 1956年达特茅斯会议正式提出人工智能概念 早期发展形成符号主义(逻辑推理) 联结主义(模式识别) 行为主义(环境交互)三大流派 [58][64] - 经历两次AI寒冬后 统计机器学习崛起 2012年AlexNet在ImageNet竞赛中以压倒性优势夺冠 标志着深度学习时代的开启 [66][67] - 现代AI正融合三大流派优势 追求兼具学习能力 逻辑推理和行动能力的综合智能体系 [65]

基金经理投资策略 - 采用均衡风格加动态再平衡投资框架 重点考虑确定性和风险溢价后的贴现 通过定价不同类别风格资产弥补持仓时间成本 拉长久期以实现组合稳定性和长期较好回报 [1] - 动态再平衡策略管理市场 行业 风格 个股等不同类别波动风险 单一行业控制15%以内合理区间以分散风险和控制风格总敞口 [3] - 根据资产预期回报率 估值水平及市场风格轮动规律调整组合配置 在不同阶段进行买入 兑现和再平衡操作形成价值循环 组合整体预期回报保持在15%-20% [4] 基金管理业绩 - 截至8月29日管理的招商品质发现混合任职回报达52.01% 招商优质成长混合(LOF)任职回报达34.37% 在同类产品中表现居前 [1] - 9月2日起发行招商均衡优选基金（A类代码：024027）延续均衡风格 以动态再平衡视角争取长期较好投资体验 [1] 行业关注方向 - 重点关注人工智能 AI 处于0.5到1阶段 未来三年或将迎来盈利与估值提升 [5] - 关注生物医药领域 医保等民生政策支持加码 创新药出海有望延续高增速 [5] - 看好新消费领域 中国居民消费潜力巨大 新供给创造新需求 新服务零售及产品业态带动内需增长 [5] - 持续看好红利方向 在增速降档和利率下行背景下 居民财富和保险资金配置需求将长期支撑红利策略表现 [5] 风险管理方法 - 通过季度和月度组合风险分析监控行业集中度 估值水平和资产预期回报 结合多因子分析进行动态再平衡 [6] - 避免单一行业过度集中 保留对周期与成长机会的灵活捕捉能力 通过系统性框架管理组合波动与预期收益率 [2] - 不盲目追逐短期热门高波动板块 以2-3年为维度评估资产表现 追求长期风险调整后稳健收益 [4] 投资理念形成 - 2014年通过分级基金B端杠杆和场内溢价捕捉套利机会 形成风险拆解与收益机会的直观理解 [2] - 2018年金融去杠杆和外部环境影响下体会到组合管理重要性 开始构建均衡风格加动态再平衡投资体系 [2] - 认为投资核心不是追逐风口而是拆解波动和风险 在合理框架中寻找长期回报 [1]

苹果AI战略现状 - 公司被曝光AI硬件全家桶计划 包括桌面机器人和智能家居中枢 并计划将Airpods作为AI新入口[2] - 这些项目需要强大无缝的AI核心作为基础 但预计不会在iPhone 17发布会上亮相[2] - 公司对强大AI有迫切需求 但AI进展明显落后于竞争对手[2] 技术基础与财务实力 - 公司通过自研A系列和M系列芯片构建算力帝国 实现芯片自主化[2][4] - 公司拥有1330亿美元现金储备（约9500亿人民币） 具备极强收购能力[4] Siri发展滞后问题 - Siri作为2010年收购的产品 近十多年发展缓慢 近三年在大语言模型领域零进展[6] - 对比ChatGPT/Perplexity等新生代助手 Siri仅能处理天气查询和闹钟设置等基础功能[6] - 美版iPhone已接入ChatGPT 但国行版本仍缺乏AI能力 造成用户体验落差[8] 收购策略分析 - 过去二十年未进行超100亿美元大型收购 最大交易为2014年30亿美元收购Beats[9] - 典型收购模式为每年收购7-8家小公司 单笔金额在数千万至数亿美元区间[9] - 收购目标集中在相机算法（Shazam 4亿美元）/芯片设计（PA Semi 2008年）/音乐服务等领域[9] 内部战略分歧 - 服务主管Eddy Cue为首的"交易派"主张通过收购填补产品空白 曾建议收购Netflix和特斯拉[11] - 当前提议收购目标包括Mistral AI和Perplexity等AI领域明星企业[11] - CEO库克为首的保守派强调稳定可控 对大型收购持怀疑态度[14] - 企业发展副总裁Adrian Perica采用严格估值逻辑 注重可量化回报而非未来愿景[19] 估值方法论案例 - 对Shazam的4亿美元估值基于节省Apple Music广告费用的计算 而非品牌价值或技术潜力[21] - 该成本中心思维导致对AI大模型公司的估值始终认为过高 难以达成交易[23] 历史收购整合结果 - 2008年收购PA Semi成为成功特例 为自研芯片奠定基础[24] - 但多数收购出现人才被架空/技术被闲置问题[27] - Siri团队创始人因文化排外离职 导致产品掉队[28] - Beats收购后流媒体服务被弃用 团队整合失败[30] - LuxVue收购后烧掉20亿美元最终项目被砍[30] 用户端影响 - 用户花费高价购买iPhone 但至2025年仍缺乏核心AI功能[32] - iPhone 17预计聚焦芯片升级和设计优化 而非革命性AI交互改进[32]