社区

I. Investment Review: Increased Investment in AI Applications and Emerging Market Super AppsIn November, we maintained a high portfolio position and increased investments in AI applications and emerging market Super Apps. From an industry distribution perspective, the focus remains on holding internet, cloud computing, semiconductor, consumer, and fintech sectors. The proportion of AI investments remained above 30%, with a focus on B2B applications, chip design and manufacturing, and robotics. The proportion of overseas asset investments was 70-80%. II. Recent Insights The AI Industry Value Chain is Being ReshapedPreviously, the value distribution in the AI industry was heavily tilted towards Nvidia. For example, when cloud providers spent $10 on chips, they might only earn less than $1, w

Market Review In October, U.S. risk-free interest rates increased, while risk premiums declined, reflecting the market's view that recession risks are diminishing. At the same time, the upcoming election and potential policy adjustments add uncertainty, which in turn can increase risk premiums. On one hand, concerns over a recession are easing, while on the other, election-related uncertainties loom. Overall, these factors combined have led to a reduction in market-traded risk premiums, with current levels among the lowest since 2002-2022 (in the top 25% range). Although the market has likely priced in both positive and negative factors, the extent of this pricing is uncertain, so we are adopting a wait-and-see approach. Q3 earnings reports have started to roll in, and here are some of our

近几年陆续看了几个美国消费品行业，在这里对现阶段的研究做一个简单的梳理和总结，理解肯定也存在局限性，如果有好的想法或者指正，欢迎大家交流和分享，希望这些观点能不断被推翻或修正，从而具有反脆弱性，也避免成为“手拿锤子的人，看什么都是钉子”。在这里分享的主要是两个行业，餐饮、能量饮料。选择这些行业深耕的核心原因是，他们的行业出现了结构性的成长机会，我们希望通过研究理解消费者需求的变化，对这些行业的公司进行合理的定价。餐饮：之前公众号的文章中提到《美国餐饮股牛股辈出》，做到百亿甚至千亿美元的市值，如果看24年YTD，也有几家公司的股价实现了50-200%的涨幅，比如SG, CAVA，抛开其他干扰因素，我们在这里试图从基本面去理解背后的原因。美国的食品支出主要分成两类，FAFH（Food away from Home，在外用餐）和FAH(Food at home，在家吃)，22年分别占比56%和44%，在外用餐的比例在过去不断提高，1929年只有16.7%。背后的原因，1是需求端，经济增长带来的消费能力提升，2是供给端，特别是LSR（*limited service restuarant，也就是我们常说的快餐；另一类则是FSR，full service restuarant，服务好，ticket size高，需要支付小费，连锁化程度低等，这里不重点讨论） 效率提高、连锁化提升的美国餐饮第一波的结构性变化，淘汰了卫生、出餐速度、口味等达不到标准的餐车、独立店的同时，也给消费者带来了新的用餐选项，更快、更好吃、甚至更便宜，逐渐替代了一部分在家吃的需求。过去，LSR连锁餐厅行业的快速增长十分受益于这波结构性变化，但未来的LSR连锁餐厅却可能再难拥有以上因素同时驱动带来的整体行业的快速增长。每个人用餐的次数一年大约就是1095（3*365）次，FAFH和LSR提升到一定比例可能会

1. Market ReviewIn August, after the pressure from crowded trades was relieved, the U.S. stock market saw a wave of gains, but there was a growing structural divergence.AI-driven hopefuls like ServiceNow, Meta, and Apple reached or approached new highs, while Microsoft’s performance was relatively moderate. In the sportswear sector, ONON reached a new high, while LULU’s rebound was weak, following a drop of more than half this year. In e-commerce, Latin American leader Mercado Libre hit a new high, whereas PDD gave a poor outlook, leading to a sharp decline. Although NVIDIA (NVDA) initially showed strong growth, information revealed in its earnings report and subtle changes in supply and demand within the industry increased market concerns over sustained demand, resulting in heightened vol

我们对未来大模型训练的算力需求进行了测算，结论是大模型训练每升级一代，对算力的需求是倍数级增加，后续如果没有商业的正向循环，将越来越难跟进。参考MS测算，我们把参数调整为自己的理解，计算不同情形下每一代大模型训练需要的算力。核心的变量是大模型参数，训练天数，卡性能和单价。至少从目前看，大模型升级的过程还是伴随着参数量的倍数级增加，那么可以通过模型参数量，推导训练的tokens量，按照每token所需算力计算总算力需求，假设每一代模型训练天数适当延长的情况下，计算出每代模型训练需要多少投入多少GPU Capex。下表对A、H、B、”R”卡价格分别假设是1.1万、2.5万、3.5万和6万美金。在MS测算的基础上，根据NVDA目前爆料的路线图，我们调整了一下假设，以下是我们测算的Bull、Base和Bear case：结论是：训练GPT4，参数1760bn，训练100天，需要A100 2.5万张，买卡capex 不到3亿美金；训练GPT5，参数8800bn-15tn，训练150天，需要H100 15-26万张，买卡capex对应37-66亿美金；训练GPT6，参数35-85tn，训练200天，需要B100 58-232万张不等，买卡capex对应200-810亿美金。如果按60tn参数，对应需要~430亿美金；训练GPT7，参数106-340tn，训练250天，需要“R”100 45-720万张，买卡capex 270-4300亿美金。如果按180tn参数，需要~1300亿美金。花出去一千亿对巨头意味着什么？可以来看看巨头们的Capex情况：微软24FY在700-750亿美金，其中和设备相关只有50%，350-380亿，其他是新建和租赁数据中心（用于未来15年）。而且设备投入包括了CPU和GPU，既有Cloud也有AI投入。（有专家反馈今年微软采购gpu在70万张卡，金额基本能对

Investment Review: Maintaining High Exposure and Increasing Investment in Edge AIIn July, we maintained a high exposure, with a focus on holding positions in internet, cloud computing, semiconductors, consumer, and fintech sectors. The proportion of AI investments slightly increased to 40-45%, primarily targeting B2B applications, leading chip foundries, and edge AI. In July, we further increased our investment in edge AI. The proportion of overseas assets remained around 80%.Market ReviewIn early July, the U.S. stock market experienced a significant pullback, with panic starting to spread at the beginning of August. There are many explanations for this market behavior, including the unwinding of crowded trades (such as buying U.S. stocks of M7, yen carry trades, etc.), and concerns about

周末一边阅读《What It Takes》（非常精彩，推荐），一边修改我们的网站（www.bedrock-invest.com) ，突然翻到去年写的一篇小作文，想到当时正刚刚从创业以来各种危机中逐渐看到隧道的光亮。。。就觉得真是不容易。。。‍‍‍‍‍‍‍‍当然，直到今天我们依然处于创业的早期阶段，还远远谈不上成功，不过这个过程本身就已经充满收获和开心了。。。Bad luck?It is quite obvious that the timing of our establishment couldn’t have been worse. We resigned from our original company in the second half of 2021 to establish BEDROCK, and by the end of the year, we had set up a dual-currency fund in RMB and USD. In fact, we didn’t cherry-pick this timing. Although our investment style has always been long-term value investing, we believed at the time that as long as our global strategy (mainly focusing on China and the US) could find enough companies that were sufficiently cheap, even though it was quite difficult in that environment, we shouldn’t make choices based o

近期，Edge AI受到了越来越多的关注，我们在此分享一下近期的研究观点：新的换机周期？三星去年推出的S24是首款爆火的AI手机，今年6月的苹果WWDC进一步确认了AI手机就是下一个进步方向。尽管目前手机上的AI应用还比较初级且无用，但是我们首先需要认识到两个重点：第一，按照目前的大模型和小模型的能力和进步速度，出现手机上的killer app（无论是操作系统进步、语音助手、游戏还是其他应用）是大概率事件，只是还需要时间，让手机公司在硬件和软件上做好准备以及让创业者将创意变成现实。毕竟自第一代苹果手机在07年一月发布以后，又过了接近两年的时间才出现了愤怒的小鸟（09年12月发布）、水果忍者（10年四月）等经典触摸屏应用。在AI硬件上，高通去年十月推出的骁龙8gen3 AI算力达到45 TOPS，苹果去年的A17 pro的AI算力也达到了35 TOPS（支持的内存也首次从6G提高到8G）。在软件生态上，苹果在今年的WWDC上推出了AI开发工具APP Intents，便于广大开发者（超过3600万人）开发AI应用，相比于三星的S24主要依赖手机厂商三星和系统厂商谷歌提供AI应用，在供给端是一个巨大的飞跃。第二，即使因为种种原因（比如端侧AI能力太差、幻觉问题始终无法解决等等）导致killer app还要等很久甚至始终没有出现，手机厂商的相互竞争也会导致在供给侧AI手机占比越来越高，恰如当年的5G手机一样，尽管到目前为止都没有特别显著的应用，但是市场上能买到的手机尤其是高端机基本上全是5G手机，而AI手机的情况显著好于5G，因为从手机厂商到消费者都非常看好未来AI能带来更好的体验。这一情况在云端AI上已经预演过一次，尽管AI应用带来的收入还非常低（openAI的年化收入才34亿美元），但是各大公司的投入已经超过了千亿美元（预计NVDA今年的datacenter收入就超过1千亿美元

拉丁美洲的电子商务市场正在迎来新的机遇和挑战，特别是随着Mercado Libre（MELI）这样的平台的崛起。MELI作为拉美地区最大的电商平台之一，正在引领电商行业的变革，为消费者和企业提供便利和创新。拉美地区互联网接入率的提升和移动支付技术的普及，促使越来越多的消费者选择通过电子平台购物。尽管面临物流和支付基础设施的挑战，MELI通过投资和创新，不断优化服务并拓展市场。与此同时，中国电商企业也在积极探索拉美市场的机会，看中其年轻人口的增长、消费习惯的转变和数字化支付的普及。这种趋势不仅推动了拉美经济的数字化转型，也为中国企业提供了新的出海机会。我们也看到了Shein、Shopee、Temu这类中系公司已经在拉美进行了广泛的布局，提供差异化服务的同时也加剧了当地的竞争。拉美电商渗透率仍较低，成长潜力巨大根据Euromonitor最新的数据，2023年拉美地区零售总额大约为10,780万亿美元，其中1,580亿元为线上零售，占比16%。2023年美国线上零售大约是11,188万亿美元，中国线上零售18,991万亿美元。拉美线上零售业相当于美国的14%，中国的8.3%。从体量上来看，虽然拉美有6.5亿人口，但是电商的体量还是比较小的。体量小有两方面的原因，一方面是GDP本身比较低，另一方面是线上的渗透率比较低。中国目前的电商渗透率是40%，美国大约是21%左右。相比之下，拉美虽然在疫情之后电商渗透率有大幅度的提升，但是目前仅16%，未来还有很大的提升空间。我们认为出现电商渗透率在这三个地方不同的原因有以下几个方面。首先是零售业态的发展阶段有所差异，美国在电商发展之初就有了大量的商超，整个线下零售的体系非常发达，尤其是以沃尔玛和Costco为代表的线下零售商已经把线下的效率做到极致了，美国消费者线下的购物体验并不差，种类也比较丰富。中国线下零售的发展相对于美国滞后很多，在很多

了解了拉美的宏观经济情况之后，我们更多的看到的是拉美经济作为典型的新兴市场之一，存在着非常多的不确定性。但是我们在研究的时候也看到一些拉美经济发展过程中的确定性，那接下来让我们把目光转向拉美的银行业。2018年之后，随着科技的飞速发展，以及疫情的催化，拉美地区的银行业也在悄然发生着巨变。数字银行不仅带来了更加便捷的服务，还让很多以前难以接触到银行服务的人也能享受到金融的便利。接下来，我们就来聊聊拉美的数字银行是如何发展起来的、它们面临哪些挑战以及未来会走向何方。我们依旧会把重点放在巴西和墨西哥两个最主要的国家上。拉美银行业现状拉美银行的发展较为滞后。2022Q1 Nubank Earnings给出的数据反映出了当时拉美银行/信贷市场的不成熟。在Nubank招股书（2021年）中提到了关键的四点。拉美有1.32亿的无银行账户人群，占比20%左右。信用卡的普及率很低：巴西、墨西哥、哥伦比亚分别是27%，9.5%和13.9%。信用卡的TPV低：巴西、墨西哥、哥伦比亚分别是40%，24%和15%，美国和英国同期分别是51%和62%。家庭债务相对于GDP的比例较低：巴西、墨西哥、哥伦比亚分别是30.5%，16.2%和27.6%，其他发达国家55%-85%。巴西目前有170-180家银行，服务大约2亿人，平均一家银行服务120万人。美国有约5000家银行，服务3.3亿人，平均一家银行服务5600人。巴西银行的密度相比于美国是非常低的。所以，拉美地区的信用卡和信贷的市场渗透率较低，尤其还存在大量的无银行账户人群，大量的潜在需求没有被满足。第二个显著的特点是巴西的银行业几乎都是本土银行，而墨西哥的外资银行占比更大。由于曾经贸易保护政策，外资进入巴西变得困难，同时巴西传统银行之间进行率合并，头部化效应变得愈来愈明显。巴西五大头部银行控制了巴西81%的资产，并且拥有极高的利润，平均利率超过30