南方品质优选灵活配置混合 ：2026第二季度报告

在严格控制组合风险并保持良好流动性的前提下，通过专业化研究分析，力争实现基金资产的长期稳定增值。

本基金通过定性与定量相结合的方法分析宏观经济和证券市场发展趋势，对证券市场当期的系统性风险以及可预见的未来时期内各大类资产的预期风险和预期收益率进行分析评估，并据此制定本基金在股票、债券、现金等资产之间的配置比例、调整原则和调整范围，在保持总体风险水平相对稳定的基础上，力争投资组合的稳定增值。此外，本基金将持续地进行定期与不定期的资产配置风险监控，适时地做出相应的调整。

沪深300指数收益率×90%+中债-综合财富（1-3年）指数收益率×10%

本基金为混合型基金，其长期平均风险和预期收益水平低于股票型基金，高于债券型基金、货币市场基金。

一、市场和操作回顾 二季度A股整体上涨，但行情结构高度分化：沪深300、中证500、中证1000、创业板指表现分别为11.90%、18.56%、15.62%和36.35%。指数层面看，成长风格显著占优。 去年下半年以来，我们在组合中增加了科技硬件类公司的配置，但出于对不确定性的考虑，整体比例一直控制在较低水平。上半年市场风格分化极致，这部分仓位大幅上涨，而组合中非AI相关的公司几乎全部下跌，科技硬件的占比因此被动提升，但仍显著低于市场平均的配置水平。组合的业绩也持续承压。 受益于数据中心投资总额的扩张和光通信连接数量的提升，组合中部分公司在过去实现了跨越式的利润增长，以未来盈利预期衡量，估值似乎并不算贵。尽管如此，我们仍把组合中科技硬件的整体比例控制在较低水平，主要原因将在后文阐述。此外，我们加仓了部分近期下跌明显，性价比进一步突出的公司，包括商用车、两轮车、外贸平台型央企等。 二、对人工智能行业的观察 1. 大模型应用的快速渗透 2026年上半年，随着模型能力的提升，以及以Claude Code为代表的智能体框架走向成熟，大模型的应用范围大幅拓宽。首先被全面渗透的是软件开发工作。更重要的是，强大的编程能力成为了模型与智能体框架自身进化的加速器——训练和研究的完全自动化（即所谓“递归自我改进”）尚未实现闭环，但AI以深度介入软件开发的方式，切实加快了技术进步的速度，模型使用工具、执行长程任务的能力都获得了显著提升。 我们的直观感受是：以目前的模型和智能体框架，几乎没有什么泛知识型工作是模型做不了的，差别只在于需要多少人为的指导和干预。以我们自身的主动权益投研工作为例，过去的工作界面大致由三类工具交叉构成：金融终端（万得、同花顺等）、文档工具（Word、各类笔记软件）和表格工具（Excel、WPS等）。而现在，Claude Code、Codex等大模型应用可以横跨这三类界面之上，自主调用数据接口和工具，完成研究任务。随着框架不断完善、模型能力继续进步，任务过程中所需的人为干预正变得越来越少。 一类常见的批评是：大语言模型存在广泛的“幻觉”，因此无法通达通用人工智能，是一条死路。我们认为，即便“幻觉”确实存在，也并不意味着模型不能有效产出——人类思考时同样存在大量的错觉和偏差，这并不妨碍人类从事知识工作，正如工程师需要查阅手册、医生要做术前核对一样。过去一段时间，行业发展出了一系列工程规范——工作框架、技能、数据接口协议等——为大模型赋予工具和规则，约束其“异想天开”的天性，使其能稳定产出有效的工作成果。值得注意的是，这种智能正显得越来越“通用”：一年前，大模型已能在国际数学奥赛中达到金牌水平，却操作不好一张Excel表格；而如今经过针对性训练的模型，已能熟练使用电脑上的各类工具，甚至按需要自己制造工具。 2. 大模型的单位盈利能力 在2025年四季报中，我们讨论过头部大模型公司的盈利能力：当时以OpenAI、Anthropic为代表的公司，其年化收入（ARR）与所租用算力规模的比值约为100亿美元/GW/年，低于对应的成本，且随着规模扩张，亏损不断扩大。 过去半年，情况发生了一些变化。自2025年末的Claude Opus 4.5以来，Opus系列模型的定价保持坚挺，每百万Token的输入/缓存读取/输出定价稳定在5/0.5/25美元（缓存读取的定价同样重要——在长流程任务中，不断累积的上下文会产生巨大的缓存读取量）；新一代的Fable 5更是在此基础上翻了一倍。 尽管定价昂贵，领先的模型能力仍吸引了绝大多数软件开发者，一些企业甚至以Token消耗量的排名来衡量员工对AI工具的使用程度。任务形态也发生了根本变化：从过去一次问答消耗几千Token的对话式使用，演进为一个智能体独立执行长程任务时消耗数十万乃至上百万Token。当模型能够独立工作更长的时间，单位时间的Token消耗自然出现数量级的提升，“全力消耗Token”（Token Maxxing）一度成为硅谷的流行语。 定价坚挺而用量激增，Anthropic的收入随Token消耗量出现了指数型增长。作为结果，其每GW算力带来的年化收入已显著超过100亿美元，我们粗略估计达到了200-300亿美元/GW/年的水平。另一方面，即便模型参数量仍在增大，在软件持续优化和硬件迭代的基础上，单位Token的成本应是持续下降的。若定价得以维持，模型厂商将获得丰厚的利润。 3. 行业的整体回报 受益于前述应用的快速渗透，Anthropic以前所未有的速度实现增长。据《华尔街日报》报道，其年化收入于3月达到300亿美元，预计6月达到500亿美元——连续第四年走在“每年增长一个数量级”的轨道上。而站在2025年底，面对已达100亿美元的年化收入，再增长10倍似乎是不可能完成的任务，连公司自己给投资人的指引也不过是此后每年增长3倍。若这样的增速再持续18个月，其收入就将超过微软和谷歌。 但正是在尝试外推这种指数增长时，我们遇到了阻碍。在此不妨算一笔“总账”：把云厂商与模型公司合并报表，省去中间环节，考察全行业的总投入与总产出。我们估算2026年全球AI资本开支约1万亿美元，且市场预期未来仍将持续增长。按每GW约500亿美元造价、设备7年折旧的口径推算，要让这样的投入获得最低可接受的资本回报，全行业的年收入需要快速爬升至2万亿美元甚至更高的量级。作为参照，2万亿美元约相当于标普500全部成分公司一年的净利润总和，也与全球发电侧的总收入相当。 指数增长看似不可阻挡，但2万亿美元的收入终归要来自企业与个人的支出：要么替代既有支出（软件、人力、外包），要么来自新增的经济产出。而迄今为止，全球经济的增长并没有被系统性地加速。分母（全球经济产出）大体未变，分子（AI收入）却要在三四年内达到全部头部上市公司利润总和的量级——这一矛盾我们难以忽视。 因此，尽管在Anthropic的单位经济模型上看到了突破，我们仍然担忧全行业收入的增长会在未来明显降速——不是因为技术停滞，而是需求侧的支付能力有限：企业和经济体适应新技术的速度，赶不上投资扩张的强度。若届时投资强度不能相应收敛，全行业将累积巨大的负向现金流。事实上，近期连最赚钱的科技公司也开始进行大额的债券和股权融资，并借助表外合作伙伴分担资本开支。综上，虽然人工智能正在渗透进工作的方方面面（包括本文的撰写），长远来看也毫无疑问会深刻地改造世界，但考虑到商业闭环的巨大不确定性，我们仍将组合中科技硬件的敞口保持在较低水平。