广发证券发布研报称，2026年，A股市场的景气定价极致化，表现为：增速高的涨幅高、估值高的涨幅高、股息低的涨幅高。营收/利润增速、ROIC/ROE/毛利率的变化率等景气指标都有效，其中，2026Q1营收增速、扣非增速排在前10%的公司，平均涨幅超过40%。而现金流、股息率、估值等指标皆无效，甚至表现出负相关性，现金流好的、股息高的、估值低的，反而跌得多。

　　当前AI vs 非AI、科技行业 vs 传统行业的估值、涨幅离散度，都达到了历史新高，这是否必然造成估值收敛，甚至市场转熊？客观数据看，当前以行业PB历史分位数的标准差或最大最小值之差，来衡量行业估值分化程度，都已接近历史最高水平。最重要的是，估值极致分化，不是市场转熊的必要条件。

　　去年10月份，伴随AI产业的创新和应用进一步向纵深发展，A股和港股的AI产业链公司股价也迎来了不小幅度的爆发，尤其是去年8月份，一些重点公司的市值增长了一倍左右。

　　于是，进入25年9月，分歧声音不断增加，从一开始对于AI产业链公司估值、市值的质疑，再到对于AI技术细节的争论，最终甚至是上升到了投资范式、投资理念的是非对错之分。

　　一些声音将技术进步和产业革命过程中股价的快速、超前上涨，作为景气投资模式下的投机原罪，并且把景气投资打入到长期价值投资的对立面。

　　时至随着26年上半年科技股进一步大涨之后，这种分歧，尤其是对科技股的估值定价，似乎已经成为市场不可调和的矛盾。

　　科技资产如何给估值？一直是每轮科技牛市中困扰投资者的一大难题。在景气上行周期中，科技股尤其一些制造类公司的PB估值动辄10倍、30倍甚至更高，这种情形不只在A股有，在美股也是如此。比如，当前美股科技板块整体的PB已超过13倍，而历史的PB中枢仅为4倍左右。

　　在讨论估值之前，需要首先明确的是：我们偏好采用什么类型的投资方法论，我们偏好怎样的持股周期，当然这种偏好的背后很大程度也取决于我们的负债端。

　　换句话说，不同类型负债端、不同投资方法论、不同持股周期的投资者，对于估值的理解，也存在天然不可调和的分歧。

　　因此，“估值”不是一个绝对真理、也没有标准答案，股价往往有着自己的运行规律，不会被这种对于估值的分歧所左右。

　　如果作为一名，价值的投资维度、持股周期相应较长，我们希望用“便宜的”估值、找到被低估的好东西，并通过较长的持股周期，实现“价值的均值回归”。因此估值应该被视为一项严格的纪律指标；中长期价值投资的关键在于优秀公司买在错[*]之时，并且敢于在无人问津之时长期坚守。

　　如果作为一名，短周期买的是某个产业/股票的景气爆发性，很多公司的“第二增长曲线”无法用静态估值或者历史的财务数据来评估，期望的持股周期也跟随产业进展而随时变化，对于估值的考量也应该是不一样的；相较于估值，“景气”的边际变化重要得多。中短期景气投资的关键在于不能有太多执念，一旦观察到景气边际走弱，应敢于在人声鼎沸之时兑现收益。

　　同时，在下文我们也会通过数据来论证，不同行业，其股价表现本身对于估值的敏感度就是不同的——有的行业天然更定价“估值”，有的行业更定价“增长”。

　　回到当下AI的发展浪潮，无论是美股、还是A股，投资者对于科技公司的估值产生争议和讨论。我们理解，这本身由于市场由不同类型的投资者所构成，本身无可厚非，但也是无法调和的分歧；

　　相较于争议本身，我们应当厘清自己专注的产业周期、期望的持股周期，评估“估值”和“收益

　　二、PB的最高点并不对应着股价的最高点：从案例出发，90年代科网时期，如何理解硬件“卖铲人”公司的高PB？

　　90年代科网时期，硬件制造业的龙头公司，PB估值也到达过30-50X。真正危险的不是高PB，而是高ROE何时“难以为继”。

　　90年代科网产业周期爆发的阶段，也有部分硬件/制造业的科网龙头公司，PB快速抬升至30-50X高位水平。例如戴尔97年的PB估值约48x，思科99年的PB估值最高约33x，高通99年的PB估值最高约40x。

　　关于市场“一个制造业公司，PB超过40X是否意味着泡沫”的讨论，我们从科网时期得到如下启示：

　　例如戴尔97-98年ROE维持在80%左右，99年上半年也有70%，推高PB接近50x。

　　2. 科技类制造业公司，尤其是产业趋势爆发增长受益的“卖铲人”，其核心的资产无法快速计入资产负债表，短期book value意义有限

　　与其它重资产公司相比，科技制造业的比重，要低很多，book value反映的也不仅仅是厂房价值、生产线价值、机器价值。更大程度的研发投入也可能以费用化的形式计提。

　　戴尔的资产/收入比重一直在30-50%；但跟其收入体量接近的美国铝业，资产/收入比重在100%以上。

　　3. 如果利润增长可以持续，那么净利润会逐年结转为股东权益，净资产增加、高PB会稀释和摊薄，我们概括为——“通过PB的分母端来消化估值”

　　戴尔为例，PB高点出现在97年，而在科网最疯狂的98-99年，虽然市值上涨、但净资产增速更快，PB反而回落、降至30x左右。

　　90年代科技公司提高净资产的主要方式包括：持续盈利，留存收益增加净资产，并购资产带来商誉等等。

　　4. 但是，当高增长的叙事无法延续，EPS下滑，市场会进入——“通过PB的分子端来消化估值”，市值快速下跌、这才是投资者难以承受的

　　我们此前详细复盘90s科网破灭的起承转合，最本质的基本面变化，是2000年1月1日那一天到来、即确认了“千年虫”未出现、高换机需求确定要证伪。

　　面临全球极高的硬件库存水平，此时产业链无论是高PB、还是高动态PE，都意味着高增长的神话破灭，估值难以为继。

　　因此，对于当下全球狂热周期的AI投资，90年代历史值得被反复咀嚼；但我们通过历史看到，刺破泡沫的从来不是高估值、而是产业发展本身。我们对于“景气跟踪”的严格纪律，在下文数据论述中进一步展开。

　　估值讨论的出发点在于投资期限的设定，长期价值投资，或是中短期景气投资。对于长期价值投资，估值具有中枢回归的趋势；而对于中短期的景气投资，则不应对估值过于执着。

　　A股的历史经验显示：1年维度，PB/PB分位数的高低与涨跌幅相关性不显著，但如果将投资期限拉长至3年或5年维度，低PB的有效性明显加强。

　　换言之，对于季度或年度的短期投资来说，看估值的意义不大；但对于3年或5年以上的长期投资来说，很多资产都会回归盈利能力定价的估值中枢，因而买入的估值水平，很大程度上决定了投资收益率的高低。

　　行业角度看，部分行业对估值不敏感、部分行业估值敏感性高，取决于盈利能力的波动性。但与直观感受不一样的是，往往盈利波动性大的行业，估值敏感性低；而盈利波动性小的行业，估值敏感性高。

　　这是由于盈利高波动的行业，比如科技，更看重未来的盈利预期和市场空间，或者说没有一个明确的估值锚；而盈利稳定性好的行业，市场很容易给予估值定价，长期估值中枢的影响因子主要是宏观增长与利率。

　　这类成长板块，中短期的重要程度：盈利一阶变化> 盈利二阶变化> 盈利能力；

　　而对于估值指标，只有很弱的负相关性或者是不相关，参考价值不高。

　　部分行业对估值敏感性较高，主要是ROE低波动行业，比如公用事业、交运、家电、汽车等行业。这类行业多数经营周期的稳定性和能见度较高，ROE的波动性较低，通常也会有相对稳定的估值中枢。因此，买入估值高低一定程度上决定了收益率高低。

　　A股整体定价的特点是市场会奖励明确的景气信号，其中，最有效的是表征景气度的指标，如营收/利润增速、ROIC/ROE/毛利率的变化率。而对于估值类指标，比如估值指标，有效性不稳定，取决于市场风格。

　　2026年，A股市场的景气定价极致化，表现为：增速高的涨幅高、估值高的涨幅高、股息低的涨幅高。营收/利润增速、ROIC/ROE/毛利率的变化率等景气指标都有效，其中，2026Q1营收增速、扣非增速排在前10%的公司，平均涨幅超过40%。

　　而现金流、股息率、估值等指标皆无效，甚至表现出负相关性，现金流好的、股息高的、估值低的，反而跌得多。

　　景气投资的简单题：增速加速向上或ROE上行阶段，盈利估值双击；景气出现拐点时，可能进入盈利估值的双[*]阶段；

　　景气投资的复杂题：增速回落但未触及景气拐点，股价高位震荡，且可能面临赛道拥挤、博弈加重，甚至抢跑景气见顶的情形。

　　估值判断的关键在于景气度的边际变化。加速增长或ROE上行阶段，一般估值会上升，此时即期估值的高低不太重要；而降速增长或ROE下行阶段，一般估值会回落，此时容易面临“低估值陷阱”。

　　最后一个分歧点是，当前AI vs 非AI、科技行业 vs 传统行业的估值、涨幅离散度，都达到了历史新高，这是否必然造成估值收敛，甚至市场转熊？

　　首先，客观数据看：当前以行业PB历史分位数的标准差或最大最小值之差，来衡量行业估值分化程度，都已接近历史最高水平。

　　历史上，有4次严重的估值分化以全面熊市的形式收敛：2010年底-2011年、2015年下半年、2018年、2021年下半年-2023年；还有2次严重的估值分化以全面牛市的形式收敛：2006年下半年-2007年、2014年-2015年上半年。

　　有产业趋势支撑的牛市行情中，估值分化程度运行至高位之后，可以持续很长时间，比如20年7月估值离散度达到95%之后，在上方持续了20个月；