一、计算机行业历史牛市中进攻属性尤为显著
(一)计算机行业的产业发展规律及资本市场表现的高属性
计算机行业是一个多元化的领城，涵盖了硬件、软件、云服务、系统集成等多个维度。其主要特征包括“技术更新快”、“下游市场分散”、“产业链条短”,以及“部分细分赛道业绩弹性大”(如证券IT),表象看，计算机行业的投资往往受到各种新兴技术概念的影响出现暴涨暴跌，如人工智能区块链、大数据、云计算等，事实上，行业发展通常受以下产业规律推动：
1.岸尔定律(Moore’s Law):这是计算机行业最著名的发展规律之一。摩尔定律预测，集成电路上可容纳的品体管数量大约每两年翻一番，性能也随之捉升。随着物理极限的逼近，摩尔定律的增长速度已经有所放缓，但并未完全失效。并且AI时代的算力/智能摩尔定律正在接力，英伟达CEO黄仁勋提出的“黄氏定律”预测GPU将推动AI性能实现逐年翻倍；OpenAI CEOSam Altman提出的智能摩尔定律称全球人工智能运算量每隔18个月翻一番。这些定律都揭示了计算能力的指数增长趋势，从而不断推动计算机硬件的持续创新和性能捉升，技术进步和市场需求的增长使得计算机行业具备整体长期的成长属性。
2.安边-比尔定律(Andy andBil’aLaw):这一规律揭示了计算机行业中软件和硬件之间相
互依赖和推动成长的关系，硬件性能的捉升往往会被软件的更新所消耗。典型的经典案例，每当硬件
制造商如英特尔(Andy)提供更强大的处理器，软件开发商如微软(Bill)就会开发出需要更高性
能的软件，从而推动用户升级硬件。软件和硬件厂商之间形成了一种相互依赖的生态链，软件的更新
带动硬件的销售，而硬件技术的进步又为软件的创新提供了可能。到了AI时代，大模型(软件)的
复杂度不断增加，需要更强的计算能力来训练和推理，反之，计算能力的不断提升，也需要大模型厂
商开发出更高的性能和开拓更多应用场景，用来消纳算力供给。
3.缩放定律(Scaling Law),又译规棋法则、尺度定律等：在人工智能时代，Scaling Law描述了模型规模的扩大(参数增多)、调练数据的扩展以及计算能力的增强，模型的性能会以可预测的方式提升。这表明，通过扩大模型规模和增加训练数据，可以在不进行基础算法创新的情况下显著提升AI的性能。
由于行业的以上特征，包括“高增长潜力”和技术更新速度快、研发投入高叠加宏观经济波动而带来的“高不确定性”,计算机行业公司的估值很大程度上依赖于对未来现金流的预测和折现率的变化，导致在资本市场上表现出显著的估值弹性，其股价走势对折现率的敏感度远高于对EPS(每股收益)增长的敏感度
从历史数据来看，计算机行业的贝塔系数通常较高，以过去十年数据院计，计算机行业贝塔值
为1.038,位列31个一级行业的第三名(仅次于非银金酸、电子，略高于电力设备与国防罩工)。因此，行业在资本市场上的表现呈现出明显的牛市和熊市周期。在牛市期间，计算机行业的进攻属性显著,常常高歌猛进，而在牛转熊后往往长期消化估值导致行业整体性折戟沉沙。
(二)千禧年后计算机行业历经四轮牛市，动因各异
2000年之前的狂热的全球互联网科技泡沫也带动了国内科技股行情，市场热点包括电脑、软件、电子、网络等，加之“庄股”横生，诞生了一大批“科技”、“信息”类公司成为5倍股。10倍甚至20倍股。当时热点丛生，产业层面也有巨大商机，行业平均净利润水平高。但随着互联网泡沫退去，留下一地鸡毛，千禧年之后，科技类公司面临长达5年的漫长熊市。直到2005年7月到2008年跨度两年半的牛市，计算机行业才算“跟风”有了一波，但并非科技股独立行情。千禧年至今，计算机行业经历了四轮行业牛市行情。
本文来自知之小站
PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
