A股的下半场，不再只是政策预期和主题交易。更重要的三条线正在同时发生变化：盈利从低位修复，前期拥挤交易通过 7 月波动完成压力释放，AI 从单一算力叙事走向模型能力、Token ROI 和商业化兑现。
市场机会不在追逐最热的单一方向，而在判断哪些资产能够同时承接盈利、资金和产业周期共振。成长仍有优势，高分红和低 AI 相关板块提供平衡，真正的难点是把景气、估值和资金结构放在同一张图里看。
一、中国资产从选配走向核心配置
短期波动没有改写中国资产的中长期逻辑。前期涨幅以后出现调整，更像风险释放和仓位再平衡，而不是基本面叙事坍塌。政策托底、财政发力、资本市场稳定预期和科技产业升级叠加，给下半年修复提供了更扎实的起点。
深圳与大湾区是这条主线的现实注脚。大湾区拥有约 8800 万人口、约 2 万亿美元经济规模和 80 家以上独角兽企业，科技、医药、新能源与未上市创新企业共同构成新的研究和配置版图。
对海外资金而言，中国市场正在从可选配置走向必须纳入的核心组成部分。原因不是单纯便宜，而是全球组合需要中国的制造能力、技术迭代、消费规模和资产分散价值。
把本章拆到指标层面，会议规模对应第23届；参会对应1000+；企业对应120 家。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：外部资金重新评估中国资产时，科技、医药、新能源和未上市创新企业构成新的配置底座。
反向校验同样重要。大湾区的检验点是创新人口底座；经济体量的检验点是区域产业密度；独角兽的检验点是创新供给充足。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把第23届当成孤立数字，也不能只看1000+这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
二、科技股调整后的三重修复
7 月科技股回撤可以拆成三层：AI 变现叙事阶段性降温，机构仓位过于集中，杠杆资金在波动中被迫降仓。这三层因素不同，却共同造成了短期价格压力。
现在这些压力都在边际缓和。韩国杠杆 ETF 规模明显下降，美国杠杆 ETF 规模也回落，中国科技股融资余额回到 4、5 月附近，说明前期强制卖压已经释放了相当一部分。
估值同样回到更理性的位置。全球科技估值回到历史平均以下附近，中国科技估值回到均值上方不远。真正的胜率来自叙事修复、杠杆降温和基本面延续，而不是单纯的反弹情绪。
把本章拆到指标层面，叙事对应AI 变现；仓位对应集中；杠杆对应降仓。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：AI变现叙事降温、仓位集中和杠杆资金降仓共同造成调整，修复也要从这三层展开。
反向校验同样重要。韩国 ETF的检验点是拥挤度下降；美国 ETF的检验点是海外杠杆降温；融资的检验点是强卖压力释放。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把AI 变现当成孤立数字，也不能只看集中这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
三、国产算力打开数据中心追赶窗口
AI行情的下一层支撑来自基础设施。2021 年和 2023 年，中国数据中心建设量与美国相近；但 2024 年和 2025 年，美国因为高端 GPU 供给和云厂资本开支快速拉开差距。
这个差距不是永久性的，关键变量在国产 GPU 放量和国内 AI 数据中心建设提速。下半年国产 GPU 若开始明显放量，就会带动服务器、网络、供电、散热和云服务链条共同加速。
同时，美国云厂资本开支也不是无限加速。若 2027 年出现资本开支压力、2028 年增速放缓，中国算力链就有机会利用对手放缓窗口缩小差距。
把本章拆到指标层面，2021/2023对应接近美国；2024/2025对应美国拉开；下半年对应国产 GPU。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：国产 GPU 放量和国内 AI 数据中心建设提速，是中国算力链缩小差距的关键变量。
反向校验同样重要。中国的检验点是数据中心提速；美国的检验点是资本开支透支；2028的检验点是增速边界出现。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把接近美国当成孤立数字，也不能只看美国拉开这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
四、盈利复苏是A股主线
A股的上行不能只靠估值扩张，更需要盈利兑现。全年盈利增长被设定在约 15%，明显高于上一年的约 3%。驱动来自两方面：名义 GDP 和 PPI 改善带动收入恢复，毛利率和净利率从低位反弹。
二季度是重要证据。A股 5000 多家上市公司完成披露后，单季盈利增长从一季度约 8.5% 到 9% 跳升到 30% 以上。金融和非金融板块都出现改善，不再只是单一板块贡献。
即便剔除石油、石化和基础化工，实体盈利仍在复苏。科创板和创业板弹性更强，说明市场上行更多来自盈利驱动，而不是估值空转。
把本章拆到指标层面，全年盈利对应约 15%；上一年对应约 3%；一季度对应8.5%-9%。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：全年盈利增长约 15% 的判断，来自营收改善和利润率反弹的同步出现。
反向校验同样重要。二季度的检验点是单季跳升；样本的检验点是披露完成；板块的检验点是共同改善。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把约 15%当成孤立数字，也不能只看约 3%这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
五、利润率扩张来自两条线
利润率改善是这轮盈利复苏的关键。二季度毛利率可以说是 2021 年以来最高的单季水平，不仅高于过去五年每一个二季度，甚至高于多数季度。净利率也处于两年以来较好的二季度位置。
利润率回升并非只靠成本压缩。名义 GDP 改善和 PPI 修复会带动企业收入，价格端不再持续向下，企业才有条件从被动降价回到正常利润区间。
这条线与反内卷政策也能形成共振。只要无效价格战缓和，产能纪律改善，企业就更容易把收入增长转化为利润增长。盈利修复的质量，比单纯收入增长更值得重视。
把本章拆到指标层面，毛利率对应2021年以来高位；净利率对应两年高位；收入对应名义GDP。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：收入改善和成本端约束共同推动毛利率、净利率回到 2021 年以来较高水平。
反向校验同样重要。价格的检验点是收入端修复；成本的检验点是费用和产能约束；结论的检验点是盈利质量提高。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把2021年以来高位当成孤立数字，也不能只看两年高位这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
六、流动性不是猛冲，而是分层入市
流动性不是一脚油门冲进来，而是分层入市。A股当前股权风险溢价仍处在历史均值上方，甚至高于 2018 年、2020 年不少阶段，说明整体风险偏好并没有被推得太高。
居民理财会逐步进入股票市场，但更多通过间接渠道完成。低风险偏好的资金更倾向保险、固收加、理财产品中 5% 到 10% 的权益仓位，而不是直接承受高波动。新增保费按监管和产品配置约束，也会形成稳定但缓慢的权益资金来源。
7 月 ETF 单月净流入规模达到约 4900 亿元，创历史单月高位；同时融资资金净流出也处于历史较高位置，说明被动配置和去杠杆同时发生。另一个压力是公募基金仍被赎回，许多 2019 到 2021 年买入的资金在回本后会选择退出，这会限制公募进一步大幅加仓科技。
把本章拆到指标层面，风险溢价对应历史均值上方；居民理财对应逐步入市；保险资金对应5%-10% 权益。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：居民理财、保险、ETF、融资资金和公募赎回共同决定A股流动性节奏。
反向校验同样重要。ETF的检验点是7月单月净流入；融资的检验点是去杠杆完成；公募的检验点是回本资金压力。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把历史均值上方当成孤立数字，也不能只看逐步入市这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
七、A股优于港股的资金与结构理由
A股相对港股的优势，在于更直接承接国内盈利修复和国内流动性。二季度 5000 多家公司披露后的利润改善，主要在 A 股样本中体现得更全面；资金端，ETF、保险和居民理财也更多通过境内渠道进入。
港股当然有估值吸引力，但它同时受美元流动性、海外风险偏好和互联网大权重牵制。当外部利率偏高、全球资金风险偏好摇摆时，港股修复更容易被海外变量打断。
因此，配置上更适合把 A 股作为盈利修复主阵地，把港股放在估值修复和互联网再定价的弹性仓位里。这样既不放弃港股低估值，也不忽略 A 股资金与产业结构的优势。
把本章拆到指标层面，A股对应盈利修复；港股对应外部利率；资金对应内资更强。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：A股更直接承接国内流动性和盈利修复，港股更受海外利率和互联网权重牵制。
反向校验同样重要。结构的检验点是产业链覆盖宽；估值的检验点是仍在均值上方；节奏的检验点是成长和红利搭配。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把盈利修复当成孤立数字，也不能只看外部利率这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
八、中国AI模型进入Token ROI时代
AI 模型层的核心，正在从单纯讲参数、榜单和训练成本，转向 Token ROI。只要 Token 调用保持指数型增长，云和软件公司就能从模型使用中获得收入和利润，而不是只有基础模型公司受益。
编码仍然是模型能力提升的重要抓手，但市场空间已经不止编码。工具调用、长上下文、长任务执行和复杂流程处理，把模型的应用从软件开发扩展到更广泛的高级白领生产力。
中国模型厂商的进展体现在两个方向：一是领先国产模型密集发布，能力接近全球前沿；二是多模态模型的研发和商业化更积极。即使面临算力限制、开源竞争和商业路径争议，实际 ARR、调用量和用户习惯都在给出更清晰的变现线索。
把本章拆到指标层面，Token对应指数增长；市场对应不止编码；国产模型对应密集发布。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：模型能力提升后，市场空间从编码扩展到更广泛的知识工作生产力，Token ROI 成为核心指标。
反向校验同样重要。多模态的检验点是变现前置；开源的检验点是OpenRouter等可见；约束的检验点是限制仍需突破。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把指数增长当成孤立数字，也不能只看不止编码这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。
九、互联网公司的估值拐点要等定价权回流
互联网公司并不是没有 AI 价值，而是定价更复杂。芯片公司和模型公司可以用产能、单价、收入倍数来估值；大平台同时有云、模型、电商、外卖、游戏和广告，投资者很难决定到底给主业多高估值、给 AI 多高估值。
在产业早期，最能赚钱的往往是拥有定价权的上游。高端 GPU 生产商毛利率能到 70% 以上，说明产能约束在哪里，利润就集中在哪里。互联网平台要迎来估值拐点，需要等上游产能约束缓和，AI 能力更稳定地转化为云收入、模型收入和应用付费。
因此，资产偏好更倾向云厂商、大模型公司和游戏公司。云能承接模型调用和算力需求，大模型公司收入逻辑更直接，游戏拥有相对稳定现金流和精神消费韧性。互联网再定价不是不会发生，而是要等 AI 收益从概念进入报表。
把本章拆到指标层面，上游对应毛利率 70%+；大平台对应云+模型；电商外卖对应拖累估值。这些节点合在一起，说明同一条链路怎样从需求、价格、成本、供给或行为层面共同指向结论：大平台拥有云、模型和应用场景，但估值重定价要等上游产能约束缓和、AI收益更清晰。
反向校验同样重要。云的检验点是芯片投资回报可见；模型公司的检验点是收入倍数可计算；游戏的检验点是精神消费韧性。如果这些条件出现逆转，本章判断就要重新折价；如果它们继续同向运行，结论的可信度会进一步增强。
落到实际决策上，不能把毛利率 70%+当成孤立数字，也不能只看云+模型这一侧变化。更稳妥的读法，是把它们放回同一套因果链：先判断约束来自供给、需求、价格还是资金，再判断这种约束会持续一两个季度，还是会重塑更长时间的行为。