量化私募快速扩张，AI辅助投研不断渗透，不少投资者心里都悬着一个问题：主观投资的方法论还有没有独特价值？人的判断在机器面前还能不能打？本期我们邀请到希瓦资产合伙人、金箍棒系列基金经理倪想。他是英国雷丁大学金融学硕士，2018年加入希瓦资产任研究员，覆盖通信、半导体、光伏行业，有近十年A股、港股、美股、台股市场的产业研究经验，目前管理金箍棒系列多头产品。让他来聊聊主观投资的坚持与迭代。
Q:东方财富
A:倪想
01
“金箍棒”的命名
与主观投资的底色
Q：您管理的金箍棒系列名字很有辨识度，跟Dota游戏有关吗？这款产品在策略上有什么特点？
A：我们创始人梁总是资深Dota玩家，公司名字“希瓦”到陆续发行的产品，都跟游戏里的装备、英雄有关。我自己以前也喜欢这个游戏，选“金箍棒”是因为它是一件攻击性装备。从属性上说，它可长可短、可大可小，跟我日常策略的灵活性比较契合——根据市场变化，自身应对也会调整。
我主要投高增长的传统先进制造业，从早期的通信、电子、半导体，到前几年的光伏新能源，再到这几年的AI赛道。这类策略进攻性足，但波动也大，“金箍棒”偏灵活，正好契合。
02
量化与主观：
剑宗与气宗
Q：现在量化发展很快，主观投资怎么坚持自己的路？
A：量化和主观在决策上不一样：量化是机器做决策，交易执行按量化结果走；主观更多按个人意愿去决策。但大家都是在市场里找阿尔法，提高组合胜率和赔率。就像武侠小说里的剑宗和气宗，只是方法不同，但目的都是给投资人赚钱，很难简单评价谁好谁坏。
量化之所以现在很流行，核心是能够规避人性情绪干扰，严控组合波动率，整体持有体验更平稳。但主观投资具备量化难以替代的核心价值，在挖掘个股超额收益、预判行业未来趋势、研判管理层能力与企业文化等维度优势显著。企业盈利、估值可以通过数据量化，但管理层的靠谱程度，只能依靠主观深度研判感知。
Q：能举个具体例子吗？
A：以苹果公司为例，量化视角只能捕捉其高毛利、庞大营收、清晰的收入结构等表层数据。而主观研究会进一步关注企业的产品定义、生产制造流程、定价策略与创新文化，同时通过同业横向对比形成综合判断，这就是两种投资视角的核心差距。
Q：你觉得未来AI是否会取代基金经理？
A：我觉得并不会。AI的工作逻辑是筛选市场有效因子、淘汰失效因子，而所有因子的诞生均源于人的市场交易行为。若市场全部是量化机器策略，资金行为会高度同质化，最终所有有效因子都会失效。此前市场就曾出现过量化策略集中失效、集体回撤的情况。
有效的市场需要多元参与者，散户、机构、量化资金、指数基金、险资等不同属性资金共存，依托差异化的收益目标与交易行为形成有效博弈。机器捕捉市场规律的能力更强，但主观投资者只有两条出路：一是坚守成熟的价值投资体系，二是持续迭代优化投资框架、适配市场变化，找到专属的稳定盈利路径。
Q：那如何去迭代新的模型呢？
A：我看过美股和A股量化因子有效性的对比。A股做动量因子，就是追涨杀跌、追趋势好的票，有效性没有美股强；做低估因子或小市值因子，会比美股更强。所以市场有很多主观赚钱的路。如果你长期做价值、买高息红利，收益应该也是可以的。
03
警惕AI幻觉，
主观调研仍是预判核心
Q：AI总结完信息之后，哪些部分还需要人去调研？
A：AI在资料收集、整理和解读上的能力持续提升，但在基于现有信息推演未来时，很容易出现AI幻觉、判断失真的问题。主观投资预判行业与企业未来的核心方式，是直接与公司管理层对谈，以获取可供判断的一线信息。AI只能统计企业规划产能、测算理论利润率等公开数据，而管理层能够真实反馈产能落地节奏、技术迭代释放进度等关键信息。我们可以将调研获取的产业信息反向交由AI核验，形成人机互相印证的研究闭环。
Q：有没有人和AI判断大相径庭的时候？
A：这种情况十分常见。部分企业公布的产能扩张计划较为激进，我们会从物料供给、库存配套等维度判断其落地难度，但AI有时会给出偏乐观的结论。我们可以依托这类逻辑冲突点，走访行业专家、多方交叉求证，验证事件真实可行性。
Q：能举个实际案例吗？
A：今年我看航运周期股，让AI汇总过往几年油运价格。当时油运价格涨到十万美元一天，我觉得很夸张——运价可能也就四五万，行业成本三万美元。AI也觉得不具备可持续性。但问行业专家，他说十万是可以摸到的，而且会持续相当长的时间。我又反问AI，AI分析了种种可能原因，觉得是短期脉冲、不可能持续。
我持续针对油运供需逻辑追问核验，虽然当时没有得出最终结论，但清晰梳理出人工与AI的推理分歧。后续受美伊冲突影响，行业原有推演逻辑彻底失效，油运底价直接攀升至十五万美元/天，人工和AI的初始预判都不对。所以说，现实变化有时会超出所有的推论。
Q：所以最终还是人使用AI工具，不是谁决定谁？
A：投资有时候就是做应对。你一开始对未来有预期，事实发生得更好，怎么应对？不及预期，又怎么应对？AI的应对是按设定好的程序、止损、加仓；人可以更灵活，在当时做出最佳应对策略。
04
情绪就是波动率，
主观看的是价值
Q：市场说主观要做逆情绪、赚认知的钱，您怎么看？
A：从量化的视角来看，市场情绪本质就是波动率。市场行情向好时情绪狂热，行情走弱时情绪悲观。当市场波动率处于异常高位，量化策略通常会选择降仓，以此控制组合波动风险。
价值型主观投资的操作逻辑恰好相反，市场情绪越狂热，越主动减仓；市场情绪越悲观，越逆势加仓。核心判断标准十分清晰：波动率高且估值泡沫化，就选择减仓；波动率高、市场普遍恐慌且资产价值被低估，就选择加仓。
普通投资者极易被市场情绪裹挟，往往在高位波动加剧时加仓，在低位情绪恐慌时割肉，这也是投资“逆人性”的核心所在。简单来说，量化投资紧盯波动率，主观投资紧盯企业价值。
Q：那怎么更好地去屏蔽情绪声音？
A：在过去，如果我判定一家公司合理市值为两千亿，在其市值突破合理区间、叠加市场情绪狂热时，就会分批减仓，避免后续行情回落被动止损。如今各类AI投研工具普及，能够清晰呈现市场波动率与情绪水位，帮助我们更好地把控加减仓节奏。当AI数据提示市场处于阶段性冰点、稀缺布局窗口时，我们可以适度提升左侧布局仓位，不再局限于小额底仓试错，让逆向投资的决策更有依据。
05
深耕高端制造
Q：你为何长期聚焦半导体、通信、光伏等高端制造赛道？
A：中国的全球产业竞争力，核心源于制造业红利，本质是工程师储备、基础教育和数理化人才输出形成的优势。传统人口数量红利逐步消退，经济增长核心动力转向高端制造业突破。纵观美、德、日等发达国家的崛起历程，高端制造都是经济领跑的核心支柱。
制造业创新主要围绕电子、材料两大主线展开，光伏脱胎于半导体材料技术，新能源车融合材料与电子技术，AI更是依托半导体硬件、高端制造和电力能源形成的系统性产业工程。这类赛道成长增速远高于传统制造业，从中筛选优质公司，能为投资组合带来显著的超额收益。
Q：你认为半导体、通信行业当前处于什么发展阶段？
A：2023年起，AI彻底重塑了两大行业的增长逻辑。过往通信行业增长依赖运营商资本开支和移动通信迭代，如今核心驱动力切换为AI机器互联带来的AI资本开支；半导体行业的核心需求也完成迭代，取代传统手机、PC消费电子，AI服务器对应的高性能计算成为行业最大增量。
目前赛道估值分化还是很明显的，并非是全盘高估。以存储板块为例，行业涨幅可观，但整体估值偏低，核心是市场担忧扩产引发价格回落、利润率承压。投资者如果能通过深度研究证伪这一风险，便能把握到后续的上涨收益。
当前市场对AI产业认知已经较为充分了，布局机会更多出现在市场的情绪低点。贸易摩擦、地缘冲突等外部因素引发的短期市场调整，不会改变产业长期趋势，反而和当年疫情冲击新能源赛道一样，是高成长赛道的优质布局窗口。
06
AI应用落地
与给投资者的建议
Q：你认为AI应用何时能迎来大规模商业化盈利？
A：目前行业正处于投入期，市场资金持续涌入大模型赛道，大模型企业虽然能够实现营收，但绝大部分收入会再度投入算力、硬件等基础设施建设。随着技术持续迭代，AI终将对各行各业形成颠覆性改造。
可以看到，AI已经大幅降低了内容制作的门槛，以短剧行业为例，当下的制作成本相较以往大幅压缩，一旦内容出圈，性价比和盈利空间会非常可观。类似的降本增效逻辑，会逐步普及到全行业。不少软件企业依托AI替代了大量前端设计工作，有效缩减了人力成本；自媒体、短视频创作等领域，也借助AI摆脱了传统高人力、高物力的制作模式，整体创作效率得到质的提升。
Q：普通投资者是否可以借鉴您的研究思路？
A：在当下，普通投资者的优势在于能够轻松感知身边的消费行业以及多数To C端的AI科技产品，但对上游硬件、材料等产业链环节，往往缺乏直观的认识。很多人借助AI做投资，只会简单询问利好个股、查询股票代码，并没有真正发挥其投研工具的价值。
AI的核心作用是深化研究、提升效率，但最终的研究深度，取决于使用者的提问质量和研究思维。目前AI工具已经全民普及，工具本身没有差距，真正拉开投资者层级的，是使用工具的能力。善于深度提问、层层拆解问题的投资者，能通过AI吃透一家公司的核心逻辑；但只会索要代码的投资者，很难形成独立有效的投资判断。
对于大部分普通投资者而言，与其耗费精力盲目研究复杂行业，不如依托公募、私募等专业机构布局，更加省心稳妥。如果想要自主深耕投研，当下的首要任务不是去堆砌行业知识，而是提升使用AI工具的能力，学会去更好、更深层次地应用AI，借助它去减少认知上的差距。
仅供投资者参考，不构成投资建议