高通：一台被重新定价的期权，和一笔正在到期的旧租金

alpha大手子

高通总部，圣迭戈。公司正在同时经营两个彼此几乎无关的生意。

---

一、先把结论摆出来

评级：持有。

但我想先把一个容易被误解的问题讲清楚："持有"不是一个估值结论，它是一个风险管理结论。

一家公司同时在做两件事：

• 一笔正在到期的旧租金——专利授权（QTL），接近零边际成本，但税基正在被系统性拆除；
  
• 一张还没验证过的新彩票——数据中心 AI 加速器，收入为零，所有价值都押在三年后的一个"可能会发生"上。
  

这两件事的现金流性质完全不同，必须分开定价。 而当前 176.86 美元的股价，把它们打包成了一个数字。

这篇分析要做三件事：

• 把这张彩票的真实市场边界算清楚（很多人算错了，包括市场）；
  
• 把一笔长期目标当成已锁定业务来估值的风险量化；
  
• 用反向 DCF 算出：市场为这张彩票付了多少钱？
  

---

二、两张互不相干的资产负债表

高通按两个部门披露收入。长期以来投资界把它们混为一谈，这是对该公司最大的分析错误。

		收入（约）	同比	税前利润率变化	商业本质
	QCT（芯片设计）	77.5 亿美元	−6%	−400bp	卖芯片。设计、供应链、库存、价格战
	QTL（技术授权）	21.5 亿美元	−3%	−200bp	收专利费。边际成本接近零
	合计	99 亿美元	−5%	—	GAAP EPS 1.87 美元，同比 −23%

（QCT 数字为倒推值：由合计收入减 QTL 得出。）

2.1 QTL 才是真正的高通

QCT 是一家"不错的芯片公司"。QTL 是一台印钞机。

• 边际成本接近零：专利已写好，协议已签，每多收一元几乎全部落到利润；
  
• 不需要产能、不需要库存、不需要跟台积电抢产能；
  
• 不需要在每一代旗舰上重新赢一次招标；
  
• 可预测——客户签的是多年期协议。
  

巴菲特会怎么评价 QTL？一家资本轻、现金流强、定价权在自己手上的公司，教科书级别的优质生意。

问题是，一台印钞机的租金，是有到期日的。

2.2 苹果同时打在了两张表上

苹果转向自研调制解调器，预计来自苹果的收入下降约 50%。这件事的重要性被严重低估——因为它同时打在 QCT 和 QTL 上：

• QCT 表：苹果不再买高通基带芯片 → 一次性收入流失；
  
• QTL 表：如果苹果未来逐步减少对高通专利的整体授权，QTL 的税基也在缩小。
  

第二点是大部分讨论遗漏的地方，而它才是关键。

因为两者的时间常数完全不同：

• QCT 的流失是线性的、可见的——每季度财报都告诉你少了多少；
  
• QTL 的流失是阶跃式的、不可见的——专利许可通常在续约谈判时才暴露变化，而谈判可以在几乎看不到预警的情况下发生。
  

QCT 已经在流血，QTL 还只是失血过多。 这一季 QTL 的 −3%，就是最早的渗血点。

2.3 一个必须追问的异常：授权业务的利润率为什么也在降？

一个纯授权业务的税前利润率，下降了 200 个基点。

授权业务的成本结构极其刚性：专利维护、法律团队、管理层。收入下滑时成本几乎不降，利润率应该上升而不是下降。

所以这 200bp 一定来自某处，可能性只有几种：

	可能原因	性质
	法律费用计提（刚打完与 ARM 的官司）	一次性，无害
	一次性费用的会计处理	一次性，无害
	授权客户结构下沉（中小客户占比上升、过渡性授权增加）	结构性，难以逆转

前两种和第三种的含义完全不同。这是下一份 10-Q 最值得盯的一个数字。

一个只看"营收同比"的投资者会把它当成噪音略过。但在这里，噪音和信号的区别，可能是 200 个基点的长期税前利润率。

2.4 QCT 的 400bp 压缩不是执行问题，是外部冲击

Q3 利润率压缩 400 个基点，背后的原因不在高通自己手里：

全行业抢台积电产能 → 晶圆与封装涨价 → QCT 毛利率压缩
AI 抢占 DRAM 产能 → 内存暴涨 → 整机 BOM 成本上升 → 手机涨价 → 出货量受抑 → QCT 收入进一步下滑
而内存涨价的成本，高通只能部分转嫁给客户——因为联发科在打价格战

也就是说，高通正在为它自己打不过的那场战争付钱。

这一点必须在任何"高通受益于 AI"的叙事之前讲清楚：

高通目前是 AI 资本开支的净付款方。只有当 AI200 真正起量时，它才会变成收款方。

在此之前，每一次 AI 资本开支的上涨，都在直接压缩它的毛利率和它核心市场的终端销量。

---

三、AI200：把"便宜"翻译成带宽，才是这件事的唯一关键

市场对 AI200 的理解普遍停留在"768GB LPDDR5X，容量大、便宜"。这句话对了一半，而且是对便宜的那一半。 漏掉的那一半，决定了 AI200 的真实市场边界。

3.1 大模型推理的真正瓶颈：不是容量，是带宽

自回归生成（token-by-token decode）的物理限制非常简单：

每秒生成的 token 数 ≈ 内存有效带宽 ÷ 模型占用的字节数

每生成一个 token，模型的所有权重都要被完整读一遍。这个操作是带宽绑定（bandwidth-bound）的，而不是算力绑定的。原因很直观：读 140GB 权重所需的时间，远短于 GPU 在此期间的浮点运算能力所能覆盖的时间——GPU 的算力在 decode 阶段大部分时间是闲着的。

代进去算一遍。取一个 70B 模型、FP8 量化（约 70GB）：

方案 A：LPDDR5X 方案（AI200 的 768GB 配置）

• LPDDR5X-8533 单 64-bit 通道理论带宽约 68 GB/s
  
• 服务器级配置通常需要 12–16 通道 → 理论 0.8–1.1 TB/s
  
• 计入 ECC、refresh 开销、控制器效率、访问不命中 → 有效带宽约 0.6–0.8 TB/s
  
• 70GB 模型 → 约 9–11 token/s
  

方案 B：HBM 方案（以 H200 的 141GB / 4.8 TB/s 为参照）跑同一个 70GB 模型

• 4800 GB/s ÷ 70 GB → 约 68 token/s
  

结论：同样的模型、同样的口径下，HBM 方案大约是 LPDDR5X 方案的 6–7 倍 token 吞吐。

（以上为量级估算。实际结果取决于通道数、批处理策略、KV cache 分层布局与内核优化。我刻意把它写成算式而不是结论，因为这组变量正是投资判断的核心——如果你相信不同的数字，结论就完全不同。）

3.2 所以 768GB 到底买到了什么？

把上面的计算翻译成商业语言：

AI200 的性能劣势（6–7 倍吞吐劣势）换来的，是成本优势——容量便宜得多、功耗低得多、单机可承载的模型大得多。

那么，谁会愿意接受 6 倍的吞吐劣势？

答案是一个非常具体、非常真实、但比市场想象的小得多的客群：

	场景	是否契合 AI200	原因
	高并发、批处理、延迟不敏感（广告排序、批量摘要、RAG 检索、海量代码补全）	✅ 完美契合	吞吐靠并发堆叠，单请求延迟无关紧要，$/token 是唯一 KPI
	超长上下文 / 巨大 KV cache	✅ 契合	容量是瓶颈，HBM 昂贵
	边缘 / 功耗受限部署	✅ 契合	LPDDR 功耗远低于 HBM
	前沿训练	❌ 完全不适用	需要高带宽聚合
	低延迟单流对话（人机交互）	❌ 不适用	6 倍吞吐差距是致命的

而"高并发 + 延迟不敏感 + 成本优先"，正是超大规模云厂商内部工作负载的精确特征。

这解释了为什么 Meta 和微软会签。 它们不是在买"替代英伟达旗舰的芯片"——它们是在买"能把 AI 推理总成本压下去的量产产能"。

这是一个真实存在、规模可观、且高通有资格竞争的市场。我不认为它是伪需求。

3.3 但这个市场有一个致命特征

凡是用"便宜"赢下来的市场，都有两个共同特征：毛利更低，竞争更惨烈。

• 客户是全世界议价能力最强的买家（Meta、微软、亚马逊、谷歌——它们的采购部门是全行业最精的）；
  
• 它们同时是你的竞争对手（TPU、Trainium、MTIA、Maia、Cobalt，全是自研 ASIC）；
  
• 它们随时可以在下一个机架代次切换供应商——因为转换成本几乎为零。
  

这不是一个能产生 60% 毛利率的市场。这是一个渗透率会很高、但份额会被反复争夺、价格会持续下行的市场。

一个反证特别说明问题：AI200 的转售残值高，恰恰证明它不是稀缺品。 一个真正有护城河的资产，残值高是因为别人买不到，不是因为持有者不想要。

---

alpha大手子

四、本文最重要的发现：一个内在矛盾

这是我在这份财报里最想让大家注意的一点。它同时击穿了多头和空头两种叙事。

4.1 两个假设，共用一个变量

一份看起来合理的估值模型里，通常藏着两个假设：

假设一（用于修复 QCT 利润率）：

一旦供需达到平衡，内存芯片价格将大幅下降——于是 QCT 的毛利率在未来几年逐步修复。

假设二（用于支撑 AI200 估值）：

AI200 的核心价值主张是"LPDDR5X 成本显著更低"，通过降低数据中心 TCO 来获得份额。

4.2 这两个假设要求同一个变量做相反的事

内存价格下跌，对高通两条腿的影响方向相反：

	内存价格下跌	QCT（传统业务）	AI200（数据中心）
	影响	✅ 极大利好——BOM 成本降低、终端售价回落到合理区间、销量修复、毛利率修复	❌ 利空——HBM 变便宜，容量溢价收窄，$/token 成本优势被抹平

如果你相信内存会大跌，你必须同时相信：

• 高通的传统业务会大幅修复（多头论点成立）；
  
• 但高通的 AI 故事的商业基础正在消失（AI200 的估值必须下调）。
  

这两件事不可能同时为真，除非你额外论证"DDR 的跌幅远大于 HBM 的跌幅"——而这个论证很难做，也很少有人做。

4.3 为什么这在方法论上很重要

一个 DCF 模型的价值，取决于它内部各假设是否互相自洽。

当同一个宏观变量在模型的两端被要求取相反的值时，模型输出的那个数字就不再是一个有意义的估值——它是一个把两个互相矛盾的假设各自代入后的算术平均。

这正是达莫达兰讲"故事与数字"时最警惕的错误：故事讲了一半，数字填了另一半，读者以为两者互相印证，其实它们在互相拆台。

真正需要回答的问题是：

如果 2027–2028 年内存供给紧张持续（AI 数据中心持续吃掉 DRAM 产能），QCT 毛利率将继续被压缩——但 AI200 的价值主张变得更强。反之亦然。投资者到底在赌哪一边？

我的判断：大概率是"AI 需求让内存持续紧张"这一侧——因为 AI 数据中心的内存需求是刚性的，且已被主要供应商锁定了多年长约。

在这个情景下：QCT 的毛利率在未来 2–3 年继续承压，AI200 的价值上升。 也就是说，未来几年高通会同时经历"旧业务更痛"和"新业务更重要"。

这个组合对投资人的含义是：你必须能忍受旧业务的难看数字，才有资格拿到新业务的期权。

而大多数人做不到——这就是为什么这类股票总是在"看起来最糟的时候"才最便宜。

---

五、2029 年 400 亿美元目标的算术检验

管理层给出了一个非常吸引人的长期目标：2029 年实现 400 亿美元非手机业务收入（汽车+物联网约 240 亿，数据中心约 150 亿）。

好目标是用来激励的，不是用来估值的。我们来算它的算术。

5.1 汽车 + 物联网：从当前运行率到 240 亿

	业务	当前年化运行率	同比增速	自然外推至 2029
	汽车	~64 亿美元	+61%	~78 亿
	物联网	~42 亿美元	+9%	~60 亿
	合计	~106 亿美元		~138 亿美元

目标 240 亿 ≈ 自然外推 138 亿的 1.7 倍。

这多出来的约 100 亿美元，不可能来自市场增长，只能来自份额。

汽车半导体是一个增速 5%–8% 的成熟市场，正被博世、大陆、英飞凌、恩智浦、Mobileye（以及各家车企自研）激烈争夺。高通已经是全球最主要的汽车 SoC 供应商之一。

要在 2029 年做到这个数字，管理层需要完成的事情是：在汽车半导体市场拿到大约 1.5 倍于现有水平的收入，而这块市场的总量只增长 40%–50%。这意味着份额要提升约 1.1–1.2 倍。

在一个由汽车 Tier-1 深度绑定、认证周期长达 3–5 年的行业里，这是一个非常激进的假设。

而汽车业务 +61% 的增速本身也需要降温看待——它是从一个很小的基数上长起来的，Q3 占比才 19%（一年前只有 11%）。高基数之后，增速回落是数学必然。

5.2 数据中心：从零到 150 亿的时间表

	时点	事件	数据中心收入
	2026 下半年	AI200 开始出货	0
	2028 年	服务器 CPU（Dragonfly）开始出货	0（尚未出货）
	2029 年	目标	150 亿美元

第一个漏洞：CPU 到 2028 年才开始出货。

服务器 CPU 在数据中心平台上的价值占比通常远小于加速器。所以 2029 年的 150 亿美元，几乎必须全部由 AI200 贡献。这是一个算术必然，不是推测。

第二个漏洞：从首批出货到 150 亿，只剩约 3 年。

	年份	一个合理的爬坡路径
	2027	~5 亿美元
	2028	~25 亿美元
	2029 运行率	~80–150 亿美元

这意味着从 2028 到 2029 要增长 3–6 倍；从 2026 下半年首批出货算起是 16–30 倍。

作为参照：

• AMD 靠 MI 系列做到数十亿美元的数据中心年化收入，用了约 2 年——但它自带 EPYC 服务器 CPU 的存量装机基础；
  
• Marvell 的定制 ASIC 业务跑到 15–20 亿美元年化，用了十年以上，且有多年 design-win 管道；
  
• 历史上第一次进入数据中心、以通用加速器正面挑战英伟达、且没有 CPU 存量基础、没有软件生态、没有超大规模厂商量产背书的公司，在 3 年内做到 150 亿美元年化的案例：零。
  

5.3 一个读财报必须掌握的技术点：Target ≠ Guidance

指引（Guidance）是管理层对已签约业务和已排产产能的承诺。
目标（Target）是管理层对未来的意图声明，可能包含尚未签署 design-win 的机会。

长期目标里的超大数字，往往是为估值服务的，而不是为经营服务的。

读财报时，判断一个数字是 guidance 还是 target，是判断信息含金量的第一道关卡。

我的估计：150 亿美元数据中心目标的实现概率在 10%–20% 之间。 这不是看空公司，这是数学。

---

六、护城河体检：宽护城河只在一个格子里

任何估值结论都必须建立在护城河结论之上。按多尔西的四问逐条检查。

6.1 无形资产：真实存在，但结构被误判了

高通的资产是专利组合（QTL 的来源）和 Oryon CPU 架构（QCT 的来源）。

但这里有一个容易被忽略的悖论：

在同一家公司里，高通持有的蜂窝专利是真资产，而高通依赖的 ARM ISA 授权，是负债项。

多尔西讲护城河来源时会说"无形资产（专利/牌照）"。牌照也是无形资产——但你必须分清楚，它对你是护城河，还是你上游供应商的护城河。

高通的 Snapdragon 全部建立在 ARM 架构授权之上。ARM 的定价权和谈判权，是一条穿过高通身体的锁链。

6.2 ARM 案的胜利：只保护下限，不抬高上限

陪审团裁定 ARM 违反其与高通的许可协议，负责审理的法官可能裁定高通在最长五年内无需向 ARM 支付版税。

这场胜诉的价值，必须精确地定价：

	维度	评价
	直接财务收益	数亿美元量级的年度版税节省 ≈ 年收入的 1% 量级
	对利润率	温和利好，可让 QCT 少降几十个基点
	对增长	零——不创造任何新增收入
	对护城河	负面——公开证明了高通与核心 IP 供应商之间存在可诉讼解决的敌意关系

一个只保护利润率下限、不抬高增长上限的胜利，在估值上贡献接近于零。

它能让下一两份财报好看几个季度，但它不改变这家公司的任何一条长期趋势线。

而且，对于一家需要向所有客户证明"我与我的 IP 供应商关系稳固"的公司，这次胜诉的次生影响是负面的。

6.3 转换成本：接近于零，这是最致命的一条

这是全文最重要的判断。

转换成本的本质是：客户离开你，要付出比留下来更多的代价。

对高通做现实检验：

alpha大手子

	渠道	转换成本	证据
	手机	接近零	联发科以 32% 份额占据第一，高通 23% 第二。若转换成本高，这个排序不会存在
	汽车	高	认证周期长、功能安全验证深。这是高通在这一端护城河更宽的真实原因
	数据中心	接近零	每家超大规模厂商每年重新评估加速器供应商；有自研 ASIC 能力的一律优先自研

一条关键推论：

高通的传统护城河，恰恰是高通的头号客户最想摧毁的东西。

三星既是高通最大的客户之一，又是潜在竞争者（Exynos）。一个客户同时扮演这两种角色，意味着高通在这条通道上的定价权被天然对冲掉了。

护城河是双向的。当你的护城河是你的客户的采购痛点时，你享受的溢价能力和客户的议价能力是同一个东西的两面。

6.4 网络效应：负向的

高通的客户与高通之间不存在网络效应。相反，存在的是反向网络效应：每一款新旗舰成功采用的芯片，都会强化规模优势（成本优势），同时立刻引来所有竞争对手的跟进。

这就是近三十年手机 SoC 的完整历史。

一个反证说明问题：收购一家开源 AI 软件栈公司（Modular）拿到的是一个工具链——工具链不是网络效应，它是一个功能（feature）。

用产品功能去对抗网络效应，是竞争战略里最常见也最无效的应对。 CUDA 的十年积累不是靠更好的代码库赢来的，是靠开发者的既有代码和肌肉记忆赢来的。

6.5 成本优势：存在，但半衰期取决于追赶速度

高通的成本优势来自：规模（IP 研发摊销）+ ARM 版税 + 台积电产能优先级。ARM 胜诉可能强化最后一项。

但成本优势的保质期，取决于追赶者的速度。联发科已经在手机份额上完成了反超。

6.6 护城河总表

	来源	手机	汽车	数据中心
	无形资产（专利）	宽	中	弱
	转换成本	无	宽	无
	网络效应	无	无	无
	成本优势	中（被联发科侵蚀）	中	待验证

一句话总结：高通的宽护城河只在汽车这一个格子里。

而它最大的收入来源（手机）和最大的估值来源（数据中心），护城河都接近于零。

从结构上看，这是一个"用没有护城河的资产，去换一个可能也没有护城河的新格子"的转型。

---

七、为什么"1% 的下行空间"不是一个估值结论

7.1 用一个没有凸性的工具，给一个凸性的资产定价

一份市场流传的估值结论是：DCF 得出约 1,870 亿美元股权价值，对应隐含股价 175.02 美元，对比现价 176.86 美元，只有 1% 的下行空间。

这个数字没有信息量。 原因有三层：

第一层：DCF 无法表达凸性。

达莫达兰反复讲一件事：DCF 擅长处理"已经在收钱"的现金流，不擅长处理"存在概率 p 才会开始收钱"的现金流。

数据中心业务今天收入为零，2029 年可能达到 150 亿美元——这是一个典型的实值期权（real option）。DCF 只能处理一个概率：要么按 100% 折现（过于乐观），要么按 0%（过于悲观）。

中间的真实价值是凸性的，而线性折现结构上无法表达它。

第二层：输入假设内在矛盾。（已在第四节论证）

第三层：模型的误差带远大于它给出的精度。

当一个模型输出的数字精确到小数点后两位，而它的假设误差带可能达到 ±40% 时，那个精度是一种幻觉。

7.2 反向 DCF：市场为这张彩票付了多少钱？

正确的提问不是"它值多少钱"，而是"要让它值 176.86 美元，市场必须相信什么"。

参数设定：

	参数	假设	说明
	无风险利率	4.3%	10 年期美债
	Beta	1.3	半导体设计，高于市场，且波动剧烈
	股权风险溢价	4.0%	成熟市场
	股权成本 Ke	9.5%	4.3% + 1.3 × 4.0%
	当前年化收入	~396 亿美元
	年化 EPS（非 GAAP）	~10 美元
	FCF 转化率	87%	轻资产设计公司，资本开支低
	每股归一化 FCF	8.7 美元
	隐含股本	~10.7 亿股	由股权价值 ÷ 隐含股价倒推

计算：

176.86 = 8.7 / (Ke − g) → Ke − g = 4.92% → g = 4.6%

市场正在为高通支付约 4.6% 的永续增长率。

对照现实：高通当前的收入增速是 −5%，下一季度指引是 −11%。

7.3 这张表才是真正有信息量的估值

	永续增长率 g	每股价值	相对 176.86 美元
	3.0%	134 美元	−24%
	4.0%	158 美元	−11%
	4.6%（市场定价）	176.86 美元	0%
	5.5%	218 美元	+23%
	7.0%	348 美元	+97%
	9.0%	1,740 美元	+884%

这张表告诉我们的四件事：

第一：这是一个凸性的赌局，不是线性的赌局。

下行边界大约在 −25% 左右。上行则几乎是无界的。

这就是为什么"1% 下行空间"是没有信息量的，而这张 −24% 到 +97% 的表才是。

第二：现价隐含的 4.6% 永续增长，本身是一个需要论证的假设，不是保守假设。

从 −5% 走到 +4.6% 并且永远保持，唯一的路径是：汽车+物联网的份额增长 + 数据中心的成功，两者加总到足以覆盖手机业务的永久性下滑，并且还要有余量。

第三：如果你认为数据中心会成功，这只股票现在是便宜得离谱的；如果你认为它不会，它现在大约值 134–158 美元。

同一个价格，两套完全不同的世界。这就是"高方差资产"的定义。

第四：这解释了为什么"持有"是正确的评级。

在一个下行 −25%、上行 +100% 的分布面前，"买"和"卖"都不是有信息量的判断。

唯一有信息量的判断是仓位。

---

八、情景分析：期望值为正，但方差极大

	情景	概率	关键假设	2029 数据中心收入	EPS	倍数	目标价	涨跌幅
	熊市	25%	手机降幅扩大；AI200 未进入主流部署；汽车份额停滞；内存高价长期压制毛利率	~10 亿	7.5	14x	105	−41%
	基准	45%	手机 FY28 企稳；AI200 成为 2–3 个客户的量产第二供应；汽车+IoT 达成目标的 60%	~40 亿	11	17x	187	+6%
	牛市	25%	AI200 在高并发推理取得有意义份额；被纳入标准机架；ARM 版税永久免除；汽车份额显著提升	~120 亿	15	20x	300	+70%
	极牛	5%	成为 AI 推理的第二供应标准（"训练用英伟达、推理用高通"的格局形成）	~200 亿	19	22x	418	+136%

期望值：

E = 0.25×(−41%) + 0.45×(+6%) + 0.25×(+70%) + 0.05×(+136%)
= −10.25 + 2.70 + 17.50 + 6.80 = +16.75%

8.1 这个 +16.75% 应该怎么读

首先，它是正的。多头应该被认真对待，不该被"1% 下行"打发掉。

其次，它完全由分布的右尾驱动。

• 去掉"牛市"和"极牛"（合计 30% 概率），期望值变成：−7.6%（负）
  
• 把"极牛"从 5% 提到 15%，期望值跳到：+29.5%
  

结论：这是一笔完全由"数据中心尾部概率"定价的交易。期望值对一个概率假设的敏感度高到荒谬——改一个概率，整个结论翻转。

第三，也是最重要的——卡拉曼式的视角。

卡拉曼全书讲的是：不要为了赚 15% 去承担 −41% 的风险，除非你有把握那个 −41% 不会击穿你。

对一个已经承受仓位压力、或无法承受 −41% 回撤的投资者来说，这笔交易的正确操作是"不买"，而不是"持有"。

"持有"不是一个关于方向的判断，它是一个关于仓位和心理承受力的判断。

---

九、克里斯坦森视角：这是一次自我颠覆吗？

芒格的多元思维模型里，最适用于这个案例的是克里斯坦森的破坏性创新理论。

核心洞察是：领先企业失败的最常见方式，不是做错了什么，而是做对了所有正确的事。

具体机制：行业龙头会把最好的管理者和最多的资本投入现有客户和现有业务——因为那是最确定的选择。而那些"不划算、规模小、不受重视"的新方向，会沿着不同的技术路线慢慢爬上来，直到某一天整个价值池翻转。

把这个框架套在高通身上：

alpha大手子

	克里斯坦森要素	高通的对应
	被保护的现有业务	手机基带 + 授权（占收入的 78%，绝对不能用资本去冒险）
	被吸走的最好的人才和资本	被 QCT 和 QTL 的高利润率吸干
	"不划算"的新方向	数据中心加速器——市场小、毛利低、没人熟悉、回报周期长
	资源配置的实际记录	研发仍在手机；汽车 +61% 是复用既有架构与销售关系的结果；收购 Modular 是防御性的，不是进攻性的

关键推论：这不是"高通能不能做好 AI 芯片"的问题，而是"高通的资源配置系统会不会自动把资源从手机转移到数据中心"的问题。

对这个问题的回答，从高通过去五年的资本配置看，是相当悲观的。

而这引出了全文最核心的一句话：

高通做数据中心的动机，不是因为它在那里看到了机会，而是因为它在手机里看不到未来。

这是防守，不是进攻。而防守性转型，成功率历史上一直不高。

这句话不是否定投资，而是要求在估值时对"转型执行"打折——因为这是被迫的，而不是主动选择的战略。

---

十、一个最容易被忽略的风险：收入替代 ≠ 收入增长

最后想强调一个概念，它可能是整个多头论点最薄弱的一环。

当一家公司说"我们要在新业务做到 150 亿"时，它必须回答第二个问题：如果没有这 150 亿，它现在这个业务规模是 400 亿还是 450 亿？

数学是这样的：如果非手机业务 2029 年真的做到 400 亿，而手机业务从现在的约 200 亿下滑到约 150 亿，那么总收入是 550 亿。

这个"增长"里，有 200 亿是新业务填补旧业务的窟窿，只有 150 亿是净增量。

这就是"替代性增长"的陷阱：它在数学上不是增长，它只是防守的成功。

而防守的成功，在资本市场的估值倍数里，通常只能拿到"稳定"的倍数，永远拿不到"成长期"的倍数。

高通的处境是：

它必须先证明自己不会被手机业务杀死，然后才有资格讨论 AI 的故事。而这两件事的时间顺序无法颠倒。

任何在手机业务还在下滑的时候，就用数据中心目标来给估值，就是在一个还没开始的未来上付全价。

---

十一、操作框架

11.1 定价框架

先做一个简单的分部估值（用于理解结构，不用于精确定价）：

		内容
	传统生意（2029 视角）	手机 204→159 亿、汽车+IoT 106→152 亿、QTL 86→74 亿 ≈ 385 亿，与今天基本持平。归一化 EPS ≈ 8.5 美元，给 15x → 128 美元，折现回今天 ≈ 96 美元
	数据中心彩票	按第五节的概率分布加权，并按风险厌恶程度打折后给期望值的 25%–50% → 81–162 美元
	合计	177–258 美元

这个区间跨越了现价。

所以最诚实的结论是：市场当前对高通数据中心的定价，隐含的是"投资者为这张彩票支付期望值的 25%–50%"。

这既不便宜，也不过分。这是一个合理的价格。真正的错误不是价格，是仓位——把这张彩票当成核心资产来配置。

	关注区间	对应动作	逻辑
	> 220 美元	回避	需要 5.5%+ 永续增长，且要求汽车份额翻倍基本确定
	176–220 美元	观察 / 小仓位（≤2%）	期权仓位，不加仓
	140–176 美元	可建立期权仓位（3%–4%）	传统生意接近公允，彩票打折
	110–140 美元	可提高至 5%–6%	市场开始为"手机加速下滑"定价
	< 110 美元	重新审视核心仓位	若 QTL 未同步恶化，可能出现真正的机会
	QTL 出现结构性流失	立即降级	彩票再好也救不了被抽走的地基

11.2 升级到"买入"的触发条件（需两个同时满足）

• AI200 的量化销售证据——可验证的量产数据点：
  
• 手机收入环比企稳——不是同比降幅收窄，而是连续两个季度环比绝对额不再创新低。这是斜率见底的唯一可靠信号。
  

• 某超大规模厂商公开披露高通加速器的采购规模或部署数量；
  
• 高通单独拆出"数据中心"收入口径，且连续两季环比增长；
  
• 2027 上半年数据中心收入超过 10 亿美元。
  

11.3 降级到"卖出"的触发条件（任一满足）

• QTL 收入同比降幅超过 −8%——专利租金从"渗血"变成结构性流失。这是整个投资论点的地基。
  
• QTL 税前利润率继续下滑超过 200bp——上一季的 200bp 跌幅是噪音还是结构，下一份 10-Q 会给出答案。
  
• 服务器 CPU 出货时间表被推迟——说明资源配置出了问题，或需求验证不如预期。
  
• 苹果之外再出现一个大客户的授权流失——从 −50% 到再少一块，这是 QTL 断层的开始。
  

---

十二、写在最后：三个思维动作

第一，用"太难"筛掉它，然后决定要不要捡回来。

芒格有一条被严重低估的原则：如果一件事太难，如果它的失败概率超过 50%，那么它就应该被放进"太难"的篮子里，直接放弃。

按这个标准，我承认："AI 数据中心的加速器市场最终会由谁占据"这个问题，对绝大多数投资者属于"太难"。

这不是因为你不聪明，而是因为它需要同时跟踪：每一代英伟达的架构决策、每一家的 TCO 模型、每一家超大规模厂商的自研路线图、CUDA 生态的迁移成本、以及内存价格曲线。

承认自己搞不定，本身就是一种巨大的认知优势。

但"太难"的正确用法不是"永远不碰"，而是"用符合'太难'的仓位去碰"——小仓位、高分散、不加杠杆，以及最关键的：一旦你发现自己在为这个仓位找理由（比如"AI200 概念很好"），就减仓。

第二，反向思考，问那个更难的问题。

与其问"高通能不能成功"，问："如果高通失败了，最可能的失败原因是什么？"

按可信度排序：

• 超大规模厂商的自研 ASIC 优先于一切——这是它们每年都会重新评估的选项；
  
• 软件生态差距（CUDA 迁移成本）比想象中更难跨越，买一个工具链买不回十年的开发者习惯；
  
• 高通被夹在两个阵营中间——上面是英伟达的差异化 GPU（软件护城河），下面是自研 ASIC（成本护城河），而通用加速器同时缺乏这两者；
  
• 手机业务的现金流下滑速度快于数据中心业务的爬坡速度，资源在过渡期内被两头撕扯。
  

如果你能接受这四条中的任意两条同时发生，这只股票就不适合你——无论上行空间看起来多有吸引力。

第三，区分"便宜的期权"和"免费的期权"。

反向 DCF 的结论是：数据中心在当前价格里的定价，隐含投资者只支付其期望值的 25%–50%。

这是一个合理的价格。它既不免费，也不过分。

真正的问题是仓位纪律：

巴菲特和芒格都说过同一件事——你不需要每一枪都打中，你只需要在开枪之前，认清自己在打的是什么靶，以及如果你打偏了，会不会伤到自己。

高通现在就是一个这样的靶：靶心很小（数据中心），飞镖很远（旧业务），而飞镖的落点分布极宽。

这不是一个应该重仓的靶。但它是一个值得用小仓位长期盯住的靶。

---

一句话总结：高通的手机业务是一笔正在到期的旧租金，数据中心业务是一张还没验证过的新彩票，而当前 176.86 美元的价格，对这两样东西给出了一个大致公允、但没有安全边际的定价。

"持有"是对的结论，但它的正确理由是"这是一个应该按期权仓位来管理的高凸性头寸"，而不是"模型显示只有 1% 的下行空间"。模型给到小数点后两位的精度，往往是它误差带的反面。

---

本文为基于公开披露信息的独立研究，所有推演基于文中列明的假设，不构成投资建议。

关键假设与不确定性：
AI200 的带宽测算基于 LPDDR5X-8533 单通道约 68 GB/s、服务器级 12–16 通道、有效率 70%–80% 的假设。实际通道数、内核优化与 KV cache 分层策略会显著改变结论。
HBM 带宽参照 H200 的 4.8 TB/s 公开规格。
Ke = 9.5% 采用静态 Beta 1.3。半导体设计公司的 Beta 在周期内波动剧烈，实际 WACC 可能偏离 ±150bp 以上。
第十一节的 2029 年推演假设手机年降 8%、汽车+IoT 年增 12%、QTL 年降 5%、经营利润率 28%，改动任一项将改变分部估值的全部结论。
情景概率为主观判断，改动任一概率即改变期望值方向。这是本文最大的不确定性来源，也是读者应自行重算的第一项。