复旦大学管理学院院长、李达三讲席教授张付强在致辞时表示，今年4月到5月，管理学院与睿远基金投教基地联合开设了多资产协同配置实务课程，饶刚总经理和睿远的投资专家走上讲台，把真实市场的投资逻辑带进课堂。这门课在同学中收获了实实在在的口碑，有同学课后说，第一次真正理解了那句话，“投资不是预测，而是应对”。

他表示，为什么要开这门课，又为什么要办今天的论坛？答案要放在学院正在走的路里看。一方面，随着居民财富从存款和房产走向多元金融资产，多资产协同配置已成为财富管理时代的必备能力；另一方面，人工智能正在重塑投资研究的底层逻辑。面对这两股潮流，管理学院选择顺势而上。学院依托科创管理研究中心设立的人工智能管理工坊近日正式启动，以AI应用场景为核心开展研究与咨询，力求学术创新、人才培育、产业赋能三位一体。本硕博教育中心的证券投资理论与实务课程，也将主题聚焦在“AI时代下的金融研究方法”。今天的论坛，正是这条主线上的又一次探索，让资产配置的框架与智能时代的工具在管院的课堂和平台上交汇。因此，研究真问题、培养面向未来的人，这就是学院办这门课、办这个论坛的初心。

张付强表示，我们正站在人工智能重塑投资研究的时代门口，AI让信息获取和研究效率大幅跃升，但工具越强大，框架就越重要，而资产配置正是把海量信息组织成稳健决策的框架。课程答辩中，已经有同学把机器学习和状态识别引入配置研究，而睿远基金的实践也告诉我们，投资中真正的从容，来自体系化的配置能力与现代科技工具的结合。让同学们既握得住配置框架，又用得好智能工具，这是我们面向下一个时代培养投资人才的方向。

睿远基金总经理饶刚在致辞中表示，金秋十月再次回到母校，很高兴与复旦管院共同举办这次论坛。他介绍，睿远基金是一家秉承价值投资理念、以持有人长期利益最大化为目标的长期价值投资机构。价值投资是历久弥新的普世智慧，不仅适用于权益投资，也适用于固定收益投资。

他表示，多资产协同配置不仅是一种投资方法，也是一种思维方式。过去三十多年，中国资本市场深度和广度不断拓展，股票、债券、基金、商品、海外投资等工具日益丰富，社保、保险、银行理财等长期资金逐步成为市场重要参与者，越来越多投资者开始认识到，短期涨跌并不是评价投资好坏的唯一标尺。多资产协同配置，简单说，就是以组合整体的风险收益特征为出发点，对各类资产进行准确分类与细分，利用资产之间的低相关性、对冲关系与相对价值比较构建组合，并以再平衡和全过程风险管理为约束，追求风险调整后收益最大化。它不是股票与债券两类资产风险收益的简单糅合，而是整体视角下的系统化工程。

饶刚表示，中国经济进入高质量发展阶段，居民财富管理需求正从存款理财转向长期稳健增值；与此同时，低利率环境持续，AI 带来的产业变革加速演变，各类资产相关性在不同宏观周期里反复切换。这种环境考验的不仅是深度研究和专业化投资能力，更是对不确定环境中“确定性”的理解与认知。

睿远基金董事总经理、基金经理赵枫在主旨演讲中，从价值投资的基本逻辑谈起，如果将一家持续创造现金流的公司比作一张债券——公司内在价值是一条缓慢向上的斜线，但股价围绕这条线大幅波动。在大多数时间里，股价在合理区间内波动，但当市场出现极端情绪或公司遭遇突发事件时，股价会出现深度折价或过度溢价。

他表示，长期价值由公司非常长期的现金流决定，而非当期利润。现金流贴现公式是价值投资的底层逻辑：公司的价值等于其未来自由现金流的折现之和，这与债券定价原理相同，区别仅在于债券的息票是给定的，而公司的现金流是不确定的。

赵枫指出，投资一家公司最重要的三件事是现金流、久期和回报。现金流是根本，利润再高但现金流持续为负的公司缺乏价值；久期决定了远期现金流折现对价值的贡献，一家只能存活五年的公司与一家能经营五十年的公司，其价值差异巨大；而回报率则是给定股价后，通过预测未来现金流反推出的预期收益率。

他用简化公式来初步判断潜在回报：买入股票的预期回报约等于股息率加回购率（可视为市盈率的倒数），再加上增长。但他强调，增长并非线性外推的结果——今年增长100%，明年可能只有10%。增长的真正来源是留存收益再投入所创造的增量价值。

赵枫认为，绝大部分投资者都低估了复利的威力。复利要求两点：一是尽量不亏钱，因为亏损会中断复利效应，对财富造成巨大影响；二是时间要足够长，十年可能看不出效果，但放到三十年、四十年，效果惊人。他不追求暴利，而是希望在风险可控的前提下获取合理回报，并让这种回报持续很长时间。

选股是一切投资的起点。赵枫引用巴菲特的“护城河”理论，指出能够持续创造现金流、且现金流相对稳定可预测的公司，通常具备品牌专利等无形资产、高转换成本、网络效应或成本优势。他用波特的“五力模型”来解释日常研究工作：研究一家公司时，要先跑遍整个行业的现有竞争者，同时调研其供应商和客户，判断公司对上下游是否有溢价能力和定价能力，这才是超额收益的来源。

谈及近年来投资面临的挑战，赵枫表示，一是，市场有效性在上升。过去好公司常被低估，如今机构投资者大量涌现，符合价值投资理念的公司定价已趋合理甚至偏高，这意味着未来回报会降低。二是，无风险利率大幅下降。三是，技术进步带来了巨大挑战。他提醒到，技术进步同样可能制造价值陷阱——美国报业指数在盈利崩溃前五年股价就已暴跌，看似便宜实则陷阱。他将当前的AI热潮与2000年互联网泡沫进行了类比：基建狂潮过后，硬件价格下跌，应用端将迎来爆发，届时可能出现一批现金流久期长、商业模式好的超级应用公司。

他认为，尽管投资面临挑战，价值投资依然能够创造超额收益。超额收益的来源除了深入研究之外，更重要的是承受逆人性的压力——在市场恐慌时敢于买入，在市场狂热时舍得卖出，以及愿意等待很长时间才能看到回报。

复旦大学管理学院院长助理、信息管理与商业智能系主任张诚教授在主旨演讲中，从技术与商业价值的转换关系切入，他指出，当前AI使用量正在爆发式增长——2026年1月之前，全球Token使用量以每周3.4%的复合增长率攀升；而1月之后，随着智能体应用的普及，这一增速跃升至每周8.8%，意味着Token消耗量一年可增长64倍。然而，Token使用量的激增是否等同于商业价值的同步释放？张诚认为并非这么简单。他援引一项针对企业AI项目的调查显示，在100个项目中仅有少部分实现了成功应用，大量企业投入AI后并未看到实质回报。他提醒，技术使用量不等于商业价值，中间存在一个关键的“转换”环节。

张诚进一步从技术管理的视角分析了这一现象，他回顾了二十年前IT领域的“生产力悖论”之争——彼时企业大量投资信息技术，却未能从宏观数据中找到生产率提升的证据。后来的研究发现，关键在于企业如何使用技术：只有将技术与业务流程深度绑定，才能真正提升效率。但AI与以往的信息技术存在本质差异：AI的核心能力是自主决策，而非被动执行预设规则。他举例说，去年有研究团队让大语言模型自主管理一家零售便利店，负责采购、定价、促销、补货等全部决策。实验初期货物净值一度跌去25%，但到年底回升至初始值的200%。这个案例表明，当AI被赋予自主决策权时，其价值创造路径与传统的“流程嵌入”截然不同。

张诚由此引出一个更深层的追问：既然AI能够自主决策，组织的形态是否也需要重新设计？他从新制度经济学的角度指出，组织因交易成本而存在。传统信息技术擅长降低搜索、信息处理和监督成本，但决策、执行和任务转移的成本仍然较高。而AI的出现，使得这些原本需要人工判断的环节也可以被自动化。如果企业仍然将AI当作一个“写报告的工具”嵌入既有流程中，而不改变组织方式，那么效率提升将十分有限——下属做得再快，上级审批不及时，整体效率依然卡在瓶颈处。

他以第二次工业革命为例说明这一规律。电动机技术在1888年已趋成熟，但此后十一年间社会采纳率仅为5%。原因是当时的工厂仍按蒸汽机的逻辑布局——用管道传输动力，流程固化。直到人们意识到电力的小型化和灵活性可以重新设计工厂布局，才有了流水线和柔性生产的出现。张诚认为，AI带来的变革与此相似：真正的价值不在于用新工具替代旧工具，而在于围绕新工具的特性重新设计工作方式和组织架构。他提出一个判断标准：如果一个企业用AI做的事，用传统信息技术也能做，那它很可能只是在“为做而做”；只有当AI做到了传统技术做不到的事，才意味着真正的价值创造正在发生。

张诚总结道，我们正处在一个技术范式转换的时代，Token使用量的快速增长是表象，更深层的问题是：企业能否跳出“用AI替代人”的惯性思维，转而思考“如何让AI与人以新的方式协作”。那些能够率先围绕AI的自主决策能力重新设计组织流程的企业，才有可能在这场变革中真正获益。

圆桌一由复旦管院多资产协同配置实务课程代表饶启涵主持，睿郡资产执行董事杜昌勇，申万宏源证券研究所所长王胜，睿远基金董事总经理、固收研究部总经理、投资经理李武参与讨论。

在谈到权益市场机会的时候，王胜认为，未来一到两年A股市场大概率呈现结构性机会而非普涨。他指出，当前最大的不确定性来自人工智能——它不仅是一个新产业，更在重塑价值创造的方式。如果不能提供个性化、定制化的产品或者服务，技术进步带来的效率提升，最终可能体现为产品价格下降而非企业盈利上升，这对权益资产内部的行业格局将产生深远影响。因此，结构性行情中既有受益方也有受损方，能否提前识别并规避受损部分，将对组合长期收益产生重大影响。

而对于超额收益的来源，杜昌勇表示，在低利率环境下，超额收益的核心来源并未改变——依然来自对基本面的深入研究以及认知偏差。但低利率叠加信息技术的高速发展，使得价值实现的速度明显加快，过去需要两三年才能兑现的产业逻辑，如今可能在一两个季度内被市场充分定价，超额收益的“保质期”在缩短。他提醒，过高的估值本身就是风险，在低利率环境中尤其如此——贴现率下降虽提升了远期现金流的估值权重，但长期预期往往不靠谱，一旦偏差，可能面临巨大回撤。因此，安全边际和投资纪律仍需坚守，只是安全垫的厚薄会随环境变化而调整。

回到本次论坛的主题，在谈到多资产配置中的估值，以及与宏观判断时，李武直言，动态平衡应当以估值为“锚”，而非过度依赖宏观判断。他回顾了过去五年市场对地产和出口的重大误判。在他看来，基于短期宏观判断的胜率与“抛硬币”相差无几，而基于估值的判断长期有效性更高。在组合管理中，债券作为底层资产的价值正在发生变化——票息收益大幅下降使其对组合风险的缓释能力减弱，但其收益确定性提高、流动性好的特点依然重要。债券更多扮演“流动性提供者”的角色，当权益资产性价比突出时，它可以作为逆向操作的弹药。

对于不同类型资产的配置权重，在主持人将权益资产粗略划分为“现金流稳定、有分红回报的安全型资产”和“盈利弹性较大的成长型资产”的前提下，杜昌勇表示，这两类资产过去几年和未来都会是其组合中的重要组成部分，实际配置权重主要取决于各自的估值状态与拥挤程度。2021年核心资产牛市顶点时，低估值高分红资产的性价比凸显；而到了2023年底，市场整体低迷，成长类公司估值回落，他开始逐步增加成长配置。今年年中，公募基金在电子、通信等行业的持仓集中度达到前所未有的60%以上，这在他多年的从业经历中从未见过，是一个重要的风险信号。大类风格切换的基本原则是：关注每类风格的估值分位和拥挤程度，在市场情绪极端时逆向调整。

正值重阳节，与会圆桌嘉宾还共同讨论了有关养老投资的话题，李武认为，养老投资时间维度足够长，应增加高确定性的权益资产配置，同时保持耐心，利用市场恐慌时以较低估值布局优质公司。王胜则从人工智能影响的角度提出，养老组合可以考虑两类资产：一类是不受人工智能冲击的重资产公司，另一类是能够提供个性化、定制化服务的公司。杜昌勇总结了三点：及早开始投资，利用复利的力量；认清人性弱点，在市场狂热时保持冷静、在冷清时敢于出手；以及保持健康——这是所有数字前面的“1”。

圆桌二由复旦大学管理学院金融与财务学系副系主任、副教授朱祁主持，睿远基金董事总经理、TMT研究组组长金宇，睿远基金基金经理朱璘，睿远基金公募混合资产投资管理部总经理、固收研究部联席总经理、基金经理侯振新参与讨论。

金宇首先谈到了本轮AI与上一轮互联网革命的异同。他认为两者既有接续也有显著不同。谈及AI所处阶段，他认为，技术革命通常分为建设期和应用期，当前AI仍处在建设期，典型特征是巨额资本开支集中投放；这一阶段硬件产业链率先受益，产业瓶颈环节往往分得最多利润。从中长期看，随着产业结构演化，应用端将捕获更大价值。谈及研究方法，金宇表示，研究的目标是为企业内在价值定价；从DCF逻辑看，内在价值来自未来自由现金流折现，但研究者能掌握的只有历史，因此定价的专业度，体现在对商业模式、技术趋势和技术演化规律的深度理解上。他坦言，AI时代对研究是机遇大于挑战——就像身边多了一个“百事通”，研究效率和覆盖面都大幅提升，但AI也有幻觉、容易取悦用户，工具终归要用好，不能盲从。

朱璘从AI产业链的价值传导入手。他将产业链概括为一条“投入—产出—分配”的价值链，传导顺序是下游应用变现带动中游资本开支扩张，再传导至上游硬件需求。2023年至2025年“算力短缺”能够解释行情与利润的分布；而2026年以来，核心矛盾已经从“能否拿到更多算力”转向“算力能否被低成本、稳定、规模化交付，并最终形成可证的商业回报”。在评估方法上，他提出了一套分层验证的思路：先用词元、任务量等指标衡量资源使用，再用付费收入、续约率衡量付费意愿，最后用单位服务成本和毛利衡量供应商能否持续供给。对于估值，他认为要把“贵”和“错”分开——只有基本面兑现与产业链位置提升同时发生，才能突破原有估值天花板。他建议优先在AI外溢与出海两条主线中，挑选订单能见度可验证、毛利率不塌陷、一致预期正在上修的龙头。

侯振新从多资产配置的视角谈了权益选择。他认为资产配置的核心是比较——不仅是在股票之间比较，更是在债券、大宗商品、贵金属、股票等大类资产之间进行比较。他不会在任何方向上All-in。以AI硬件为例，他将其定位为周期成长股——在需求爆发式增长而供给释放不出的阶段，会有一段量价齐升的“甜蜜期”。但即便给予非常乐观的预期，硬件的需求增速也将放缓。甜蜜期过后就需要精挑细选——那些技术能够持续迭代、形成壁垒、且估值合理、愿意持续回报股东的环节，仍有长期机会。而在AI软件与应用端，他认为未来同样值得关注。

对于当前主动管理型基金净流出、资金向ETF等被动产品迁移的趋势，侯振新认为这具有阶段性特征，长期来看，大类资产配置类产品的增长才刚刚起步——低利率环境下，银行存款和纯债收益已不足2%，越来越多的资金需要通过承担一定波动来获取更高收益。

关于AI在投资行业中的应用，金宇介绍到，金融行业因其高知识密集度和高扁平性，对AI的感受最为强烈——既感到赋能巨大，也感到冲击明显。但他强调，AI有幻觉，输出不能盲从。在AI时代，勤奋和独立思考的要求不是变弱了，而是更强了。“业精于勤，荒于嬉；行成于思，毁于随”——这是其一贯的工作信条。

前面两场圆桌讨论了“怎么配”和“怎么选”，但投资还有一个更根本的问题：基金赚到的钱，投资者怎样才能真正拿到？这正是第三场圆桌的主题。

本场圆桌由睿远基金副总经理林敏主持，晨星中国董事长陈鹏，复旦大学管理学院金融与财务学系教授、博导罗妍，中信证券财富管理委员会产品支持中心负责人谢仍明参与讨论。

晨星每年发布的《Mind the Gap》报告，追踪的是投资者回报与基金回报之间的差额。

陈鹏介绍说，如果把基金投资者的收益拆解，可以分成四部分：市场本身的Beta、基金经理创造的Alpha、管理成本，以及投资者在不同时点买卖行为带来的Gamma。在全球三十多个市场的统计中，没有一个市场的Gamma是正的——个人投资者在全世界范围内的买卖行为，都不如买了放着不看。美国市场每年因投资者行为损失的Gamma大约为1个多点，折算下来约占基金总回报的15%；而中国市场这一损耗大约是美国的1到2倍，每年流失约3个百分点。过去十年，万得全A的年化收益率不到4%，扣除管理费和这3%的行为损耗后，投资者实际到手所剩无几。

罗妍从行为金融学的角度给出了解释。她指出，行为金融学中有一个经典发现：过度自信会导致投资者频繁交易，而频繁交易的业绩反而更差。投资是一件特别的事情——“天道酬勤”在这里不一定成立，如果勤奋建立在错误的方向上，可能越勤奋结果越糟糕。另一个关键概念是损失厌恶：亏损1块钱带来的痛苦，大约需要赚回2到3块钱才能弥补。投资者可能预计的投资周期是比较长的，却忍不住频繁查看账户，短期下跌便不断触发焦虑，进而产生“必须做点什么”的冲动。此时，交易可能更多是为了缓解心理上的不适，而非基于对投资价值和风险的客观分析，可能导致更大的行为损耗。她特别提到，她和合作者曾研究散户在信息获取变得极为便利之后的行为变化，结果发现信息越容易获得，散户的业绩反而越差。原因在于“确认性偏误”：人们倾向于寻找证实自己已有观点的信息，而忽视与自己观点相悖的信息。AI时代信息爆炸式增长，如果投资者评估信息的习惯没有改变，反而可能加剧这一偏差。

此外，罗妍从行为助推的角度作了补充。她引用诺贝尔经济学奖得主理查德·塞勒与卡斯·桑斯坦共同阐述的“助推”理念，指出可以通过保留选择自由的温和干预，帮助投资者作出更符合自身长期利益的决策。例如，频繁查看账户可能使投资者过度关注短期盈亏，反复触发损失厌恶，进而诱发冲动交易。对此，可以通过适当的设计，为投资者留出思考空间：由用户自主设置账户查看提醒的频率，或在计划之外的大额交易前增加风险提示和确认环节。这些安排既保留了投资者获取信息和自主交易的权利，也有助于减少情绪驱动的非必要操作。

陈鹏认为，投资者行为损耗的最大来源是高买低卖，而高买低卖又与销售模式密切相关——当前大部分基金通过销售渠道卖出，销售机构有动力推荐短期业绩亮眼的产品，而短期业绩最好的往往也是风险最大的。数据显示，窄基行业基金造成的投资者损失是普通基金的两倍，年化损耗可达5%左右。他给出的药方有三条：第一，推产品时避开热点，不要让投资者买在高点；第二，多做分散配置，多资产平衡型基金的客户体验明显更好；第三，想办法让投资者拉长持有期限，关注点从一个月、三个月转移到更长的时间维度上。他特别强调，不能把这件事完全交给投资者自己——更需要通过制度设计把投资者推到正确的路上。他举了成熟市场的例子，相比之下，中国市场虽有差距，但方向和路径是清晰的。

投资正在回归其最朴素的本质，比如理解资产、理解风险、理解自己，投资者的回报源自于将正确的认知转化为长期的行为纪律。 

复旦大学管理学院院长、李达三讲席教授张付强在致辞时表示，今年4月到5月，管理学院与睿远基金投教基地联合开设了多资产协同配置实务课程，饶刚总经理和睿远的投资专家走上讲台，把真实市场的投资逻辑带进课堂。这门课在同学中收获了实实在在的口碑，有同学课后说，第一次真正理解了那句话，“投资不是预测，而是应对”。

他表示，为什么要开这门课，又为什么要办今天的论坛？答案要放在学院正在走的路里看。一方面，随着居民财富从存款和房产走向多元金融资产，多资产协同配置已成为财富管理时代的必备能力；另一方面，人工智能正在重塑投资研究的底层逻辑。面对这两股潮流，管理学院选择顺势而上。学院依托科创管理研究中心设立的人工智能管理工坊近日正式启动，以AI应用场景为核心开展研究与咨询，力求学术创新、人才培育、产业赋能三位一体。本硕博教育中心的证券投资理论与实务课程，也将主题聚焦在“AI时代下的金融研究方法”。今天的论坛，正是这条主线上的又一次探索，让资产配置的框架与智能时代的工具在管院的课堂和平台上交汇。因此，研究真问题、培养面向未来的人，这就是学院办这门课、办这个论坛的初心。

张付强表示，我们正站在人工智能重塑投资研究的时代门口，AI让信息获取和研究效率大幅跃升，但工具越强大，框架就越重要，而资产配置正是把海量信息组织成稳健决策的框架。课程答辩中，已经有同学把机器学习和状态识别引入配置研究，而睿远基金的实践也告诉我们，投资中真正的从容，来自体系化的配置能力与现代科技工具的结合。让同学们既握得住配置框架，又用得好智能工具，这是我们面向下一个时代培养投资人才的方向。

睿远基金总经理饶刚在致辞中表示，金秋十月再次回到母校，很高兴与复旦管院共同举办这次论坛。他介绍，睿远基金是一家秉承价值投资理念、以持有人长期利益最大化为目标的长期价值投资机构。价值投资是历久弥新的普世智慧，不仅适用于权益投资，也适用于固定收益投资。

他表示，多资产协同配置不仅是一种投资方法，也是一种思维方式。过去三十多年，中国资本市场深度和广度不断拓展，股票、债券、基金、商品、海外投资等工具日益丰富，社保、保险、银行理财等长期资金逐步成为市场重要参与者，越来越多投资者开始认识到，短期涨跌并不是评价投资好坏的唯一标尺。多资产协同配置，简单说，就是以组合整体的风险收益特征为出发点，对各类资产进行准确分类与细分，利用资产之间的低相关性、对冲关系与相对价值比较构建组合，并以再平衡和全过程风险管理为约束，追求风险调整后收益最大化。它不是股票与债券两类资产风险收益的简单糅合，而是整体视角下的系统化工程。

饶刚表示，中国经济进入高质量发展阶段，居民财富管理需求正从存款理财转向长期稳健增值；与此同时，低利率环境持续，AI 带来的产业变革加速演变，各类资产相关性在不同宏观周期里反复切换。这种环境考验的不仅是深度研究和专业化投资能力，更是对不确定环境中“确定性”的理解与认知。

睿远基金董事总经理、基金经理赵枫在主旨演讲中，从价值投资的基本逻辑谈起，如果将一家持续创造现金流的公司比作一张债券——公司内在价值是一条缓慢向上的斜线，但股价围绕这条线大幅波动。在大多数时间里，股价在合理区间内波动，但当市场出现极端情绪或公司遭遇突发事件时，股价会出现深度折价或过度溢价。

他表示，长期价值由公司非常长期的现金流决定，而非当期利润。现金流贴现公式是价值投资的底层逻辑：公司的价值等于其未来自由现金流的折现之和，这与债券定价原理相同，区别仅在于债券的息票是给定的，而公司的现金流是不确定的。

赵枫指出，投资一家公司最重要的三件事是现金流、久期和回报。现金流是根本，利润再高但现金流持续为负的公司缺乏价值；久期决定了远期现金流折现对价值的贡献，一家只能存活五年的公司与一家能经营五十年的公司，其价值差异巨大；而回报率则是给定股价后，通过预测未来现金流反推出的预期收益率。

他用简化公式来初步判断潜在回报：买入股票的预期回报约等于股息率加回购率（可视为市盈率的倒数），再加上增长。但他强调，增长并非线性外推的结果——今年增长100%，明年可能只有10%。增长的真正来源是留存收益再投入所创造的增量价值。

赵枫认为，绝大部分投资者都低估了复利的威力。复利要求两点：一是尽量不亏钱，因为亏损会中断复利效应，对财富造成巨大影响；二是时间要足够长，十年可能看不出效果，但放到三十年、四十年，效果惊人。他不追求暴利，而是希望在风险可控的前提下获取合理回报，并让这种回报持续很长时间。

选股是一切投资的起点。赵枫引用巴菲特的“护城河”理论，指出能够持续创造现金流、且现金流相对稳定可预测的公司，通常具备品牌专利等无形资产、高转换成本、网络效应或成本优势。他用波特的“五力模型”来解释日常研究工作：研究一家公司时，要先跑遍整个行业的现有竞争者，同时调研其供应商和客户，判断公司对上下游是否有溢价能力和定价能力，这才是超额收益的来源。

谈及近年来投资面临的挑战，赵枫表示，一是，市场有效性在上升。过去好公司常被低估，如今机构投资者大量涌现，符合价值投资理念的公司定价已趋合理甚至偏高，这意味着未来回报会降低。二是，无风险利率大幅下降。三是，技术进步带来了巨大挑战。他提醒到，技术进步同样可能制造价值陷阱——美国报业指数在盈利崩溃前五年股价就已暴跌，看似便宜实则陷阱。他将当前的AI热潮与2000年互联网泡沫进行了类比：基建狂潮过后，硬件价格下跌，应用端将迎来爆发，届时可能出现一批现金流久期长、商业模式好的超级应用公司。

他认为，尽管投资面临挑战，价值投资依然能够创造超额收益。超额收益的来源除了深入研究之外，更重要的是承受逆人性的压力——在市场恐慌时敢于买入，在市场狂热时舍得卖出，以及愿意等待很长时间才能看到回报。

复旦大学管理学院院长助理、信息管理与商业智能系主任张诚教授在主旨演讲中，从技术与商业价值的转换关系切入，他指出，当前AI使用量正在爆发式增长——2026年1月之前，全球Token使用量以每周3.4%的复合增长率攀升；而1月之后，随着智能体应用的普及，这一增速跃升至每周8.8%，意味着Token消耗量一年可增长64倍。然而，Token使用量的激增是否等同于商业价值的同步释放？张诚认为并非这么简单。他援引一项针对企业AI项目的调查显示，在100个项目中仅有少部分实现了成功应用，大量企业投入AI后并未看到实质回报。他提醒，技术使用量不等于商业价值，中间存在一个关键的“转换”环节。

张诚进一步从技术管理的视角分析了这一现象，他回顾了二十年前IT领域的“生产力悖论”之争——彼时企业大量投资信息技术，却未能从宏观数据中找到生产率提升的证据。后来的研究发现，关键在于企业如何使用技术：只有将技术与业务流程深度绑定，才能真正提升效率。但AI与以往的信息技术存在本质差异：AI的核心能力是自主决策，而非被动执行预设规则。他举例说，去年有研究团队让大语言模型自主管理一家零售便利店，负责采购、定价、促销、补货等全部决策。实验初期货物净值一度跌去25%，但到年底回升至初始值的200%。这个案例表明，当AI被赋予自主决策权时，其价值创造路径与传统的“流程嵌入”截然不同。

张诚由此引出一个更深层的追问：既然AI能够自主决策，组织的形态是否也需要重新设计？他从新制度经济学的角度指出，组织因交易成本而存在。传统信息技术擅长降低搜索、信息处理和监督成本，但决策、执行和任务转移的成本仍然较高。而AI的出现，使得这些原本需要人工判断的环节也可以被自动化。如果企业仍然将AI当作一个“写报告的工具”嵌入既有流程中，而不改变组织方式，那么效率提升将十分有限——下属做得再快，上级审批不及时，整体效率依然卡在瓶颈处。

他以第二次工业革命为例说明这一规律。电动机技术在1888年已趋成熟，但此后十一年间社会采纳率仅为5%。原因是当时的工厂仍按蒸汽机的逻辑布局——用管道传输动力，流程固化。直到人们意识到电力的小型化和灵活性可以重新设计工厂布局，才有了流水线和柔性生产的出现。张诚认为，AI带来的变革与此相似：真正的价值不在于用新工具替代旧工具，而在于围绕新工具的特性重新设计工作方式和组织架构。他提出一个判断标准：如果一个企业用AI做的事，用传统信息技术也能做，那它很可能只是在“为做而做”；只有当AI做到了传统技术做不到的事，才意味着真正的价值创造正在发生。

张诚总结道，我们正处在一个技术范式转换的时代，Token使用量的快速增长是表象，更深层的问题是：企业能否跳出“用AI替代人”的惯性思维，转而思考“如何让AI与人以新的方式协作”。那些能够率先围绕AI的自主决策能力重新设计组织流程的企业，才有可能在这场变革中真正获益。

圆桌一由复旦管院多资产协同配置实务课程代表饶启涵主持，睿郡资产执行董事杜昌勇，申万宏源证券研究所所长王胜，睿远基金董事总经理、固收研究部总经理、投资经理李武参与讨论。

在谈到权益市场机会的时候，王胜认为，未来一到两年A股市场大概率呈现结构性机会而非普涨。他指出，当前最大的不确定性来自人工智能——它不仅是一个新产业，更在重塑价值创造的方式。如果不能提供个性化、定制化的产品或者服务，技术进步带来的效率提升，最终可能体现为产品价格下降而非企业盈利上升，这对权益资产内部的行业格局将产生深远影响。因此，结构性行情中既有受益方也有受损方，能否提前识别并规避受损部分，将对组合长期收益产生重大影响。

而对于超额收益的来源，杜昌勇表示，在低利率环境下，超额收益的核心来源并未改变——依然来自对基本面的深入研究以及认知偏差。但低利率叠加信息技术的高速发展，使得价值实现的速度明显加快，过去需要两三年才能兑现的产业逻辑，如今可能在一两个季度内被市场充分定价，超额收益的“保质期”在缩短。他提醒，过高的估值本身就是风险，在低利率环境中尤其如此——贴现率下降虽提升了远期现金流的估值权重，但长期预期往往不靠谱，一旦偏差，可能面临巨大回撤。因此，安全边际和投资纪律仍需坚守，只是安全垫的厚薄会随环境变化而调整。

回到本次论坛的主题，在谈到多资产配置中的估值，以及与宏观判断时，李武直言，动态平衡应当以估值为“锚”，而非过度依赖宏观判断。他回顾了过去五年市场对地产和出口的重大误判。在他看来，基于短期宏观判断的胜率与“抛硬币”相差无几，而基于估值的判断长期有效性更高。在组合管理中，债券作为底层资产的价值正在发生变化——票息收益大幅下降使其对组合风险的缓释能力减弱，但其收益确定性提高、流动性好的特点依然重要。债券更多扮演“流动性提供者”的角色，当权益资产性价比突出时，它可以作为逆向操作的弹药。

对于不同类型资产的配置权重，在主持人将权益资产粗略划分为“现金流稳定、有分红回报的安全型资产”和“盈利弹性较大的成长型资产”的前提下，杜昌勇表示，这两类资产过去几年和未来都会是其组合中的重要组成部分，实际配置权重主要取决于各自的估值状态与拥挤程度。2021年核心资产牛市顶点时，低估值高分红资产的性价比凸显；而到了2023年底，市场整体低迷，成长类公司估值回落，他开始逐步增加成长配置。今年年中，公募基金在电子、通信等行业的持仓集中度达到前所未有的60%以上，这在他多年的从业经历中从未见过，是一个重要的风险信号。大类风格切换的基本原则是：关注每类风格的估值分位和拥挤程度，在市场情绪极端时逆向调整。

正值重阳节，与会圆桌嘉宾还共同讨论了有关养老投资的话题，李武认为，养老投资时间维度足够长，应增加高确定性的权益资产配置，同时保持耐心，利用市场恐慌时以较低估值布局优质公司。王胜则从人工智能影响的角度提出，养老组合可以考虑两类资产：一类是不受人工智能冲击的重资产公司，另一类是能够提供个性化、定制化服务的公司。杜昌勇总结了三点：及早开始投资，利用复利的力量；认清人性弱点，在市场狂热时保持冷静、在冷清时敢于出手；以及保持健康——这是所有数字前面的“1”。

圆桌二由复旦大学管理学院金融与财务学系副系主任、副教授朱祁主持，睿远基金董事总经理、TMT研究组组长金宇，睿远基金基金经理朱璘，睿远基金公募混合资产投资管理部总经理、固收研究部联席总经理、基金经理侯振新参与讨论。

金宇首先谈到了本轮AI与上一轮互联网革命的异同。他认为两者既有接续也有显著不同。谈及AI所处阶段，他认为，技术革命通常分为建设期和应用期，当前AI仍处在建设期，典型特征是巨额资本开支集中投放；这一阶段硬件产业链率先受益，产业瓶颈环节往往分得最多利润。从中长期看，随着产业结构演化，应用端将捕获更大价值。谈及研究方法，金宇表示，研究的目标是为企业内在价值定价；从DCF逻辑看，内在价值来自未来自由现金流折现，但研究者能掌握的只有历史，因此定价的专业度，体现在对商业模式、技术趋势和技术演化规律的深度理解上。他坦言，AI时代对研究是机遇大于挑战——就像身边多了一个“百事通”，研究效率和覆盖面都大幅提升，但AI也有幻觉、容易取悦用户，工具终归要用好，不能盲从。

朱璘从AI产业链的价值传导入手。他将产业链概括为一条“投入—产出—分配”的价值链，传导顺序是下游应用变现带动中游资本开支扩张，再传导至上游硬件需求。2023年至2025年“算力短缺”能够解释行情与利润的分布；而2026年以来，核心矛盾已经从“能否拿到更多算力”转向“算力能否被低成本、稳定、规模化交付，并最终形成可证的商业回报”。在评估方法上，他提出了一套分层验证的思路：先用词元、任务量等指标衡量资源使用，再用付费收入、续约率衡量付费意愿，最后用单位服务成本和毛利衡量供应商能否持续供给。对于估值，他认为要把“贵”和“错”分开——只有基本面兑现与产业链位置提升同时发生，才能突破原有估值天花板。他建议优先在AI外溢与出海两条主线中，挑选订单能见度可验证、毛利率不塌陷、一致预期正在上修的龙头。

侯振新从多资产配置的视角谈了权益选择。他认为资产配置的核心是比较——不仅是在股票之间比较，更是在债券、大宗商品、贵金属、股票等大类资产之间进行比较。他不会在任何方向上All-in。以AI硬件为例，他将其定位为周期成长股——在需求爆发式增长而供给释放不出的阶段，会有一段量价齐升的“甜蜜期”。但即便给予非常乐观的预期，硬件的需求增速也将放缓。甜蜜期过后就需要精挑细选——那些技术能够持续迭代、形成壁垒、且估值合理、愿意持续回报股东的环节，仍有长期机会。而在AI软件与应用端，他认为未来同样值得关注。

对于当前主动管理型基金净流出、资金向ETF等被动产品迁移的趋势，侯振新认为这具有阶段性特征，长期来看，大类资产配置类产品的增长才刚刚起步——低利率环境下，银行存款和纯债收益已不足2%，越来越多的资金需要通过承担一定波动来获取更高收益。

关于AI在投资行业中的应用，金宇介绍到，金融行业因其高知识密集度和高扁平性，对AI的感受最为强烈——既感到赋能巨大，也感到冲击明显。但他强调，AI有幻觉，输出不能盲从。在AI时代，勤奋和独立思考的要求不是变弱了，而是更强了。“业精于勤，荒于嬉；行成于思，毁于随”——这是其一贯的工作信条。

前面两场圆桌讨论了“怎么配”和“怎么选”，但投资还有一个更根本的问题：基金赚到的钱，投资者怎样才能真正拿到？这正是第三场圆桌的主题。

本场圆桌由睿远基金副总经理林敏主持，晨星中国董事长陈鹏，复旦大学管理学院金融与财务学系教授、博导罗妍，中信证券财富管理委员会产品支持中心负责人谢仍明参与讨论。

晨星每年发布的《Mind the Gap》报告，追踪的是投资者回报与基金回报之间的差额。

陈鹏介绍说，如果把基金投资者的收益拆解，可以分成四部分：市场本身的Beta、基金经理创造的Alpha、管理成本，以及投资者在不同时点买卖行为带来的Gamma。在全球三十多个市场的统计中，没有一个市场的Gamma是正的——个人投资者在全世界范围内的买卖行为，都不如买了放着不看。美国市场每年因投资者行为损失的Gamma大约为1个多点，折算下来约占基金总回报的15%；而中国市场这一损耗大约是美国的1到2倍，每年流失约3个百分点。过去十年，万得全A的年化收益率不到4%，扣除管理费和这3%的行为损耗后，投资者实际到手所剩无几。

罗妍从行为金融学的角度给出了解释。她指出，行为金融学中有一个经典发现：过度自信会导致投资者频繁交易，而频繁交易的业绩反而更差。投资是一件特别的事情——“天道酬勤”在这里不一定成立，如果勤奋建立在错误的方向上，可能越勤奋结果越糟糕。另一个关键概念是损失厌恶：亏损1块钱带来的痛苦，大约需要赚回2到3块钱才能弥补。投资者可能预计的投资周期是比较长的，却忍不住频繁查看账户，短期下跌便不断触发焦虑，进而产生“必须做点什么”的冲动。此时，交易可能更多是为了缓解心理上的不适，而非基于对投资价值和风险的客观分析，可能导致更大的行为损耗。她特别提到，她和合作者曾研究散户在信息获取变得极为便利之后的行为变化，结果发现信息越容易获得，散户的业绩反而越差。原因在于“确认性偏误”：人们倾向于寻找证实自己已有观点的信息，而忽视与自己观点相悖的信息。AI时代信息爆炸式增长，如果投资者评估信息的习惯没有改变，反而可能加剧这一偏差。

此外，罗妍从行为助推的角度作了补充。她引用诺贝尔经济学奖得主理查德·塞勒与卡斯·桑斯坦共同阐述的“助推”理念，指出可以通过保留选择自由的温和干预，帮助投资者作出更符合自身长期利益的决策。例如，频繁查看账户可能使投资者过度关注短期盈亏，反复触发损失厌恶，进而诱发冲动交易。对此，可以通过适当的设计，为投资者留出思考空间：由用户自主设置账户查看提醒的频率，或在计划之外的大额交易前增加风险提示和确认环节。这些安排既保留了投资者获取信息和自主交易的权利，也有助于减少情绪驱动的非必要操作。

陈鹏认为，投资者行为损耗的最大来源是高买低卖，而高买低卖又与销售模式密切相关——当前大部分基金通过销售渠道卖出，销售机构有动力推荐短期业绩亮眼的产品，而短期业绩最好的往往也是风险最大的。数据显示，窄基行业基金造成的投资者损失是普通基金的两倍，年化损耗可达5%左右。他给出的药方有三条：第一，推产品时避开热点，不要让投资者买在高点；第二，多做分散配置，多资产平衡型基金的客户体验明显更好；第三，想办法让投资者拉长持有期限，关注点从一个月、三个月转移到更长的时间维度上。他特别强调，不能把这件事完全交给投资者自己——更需要通过制度设计把投资者推到正确的路上。他举了成熟市场的例子，相比之下，中国市场虽有差距，但方向和路径是清晰的。

投资正在回归其最朴素的本质，比如理解资产、理解风险、理解自己，投资者的回报源自于将正确的认知转化为长期的行为纪律。