在A股科技行情几经波动的两年里，汇添富基金马磊先后提出了两条被业内反复引用的叙事主线：2024年提出的“TECH BIG BANG（科技大爆炸）”，以及2025年中提出的“AI大模型飞轮正循环”。前者是对全球创新浪潮的宏观判断，后者则是对人工智能产业链内部动力机制的结构化分析。两者之间，不仅是时间递进的关系，更体现了他对科技投资方法论的演化思考。

马磊认为，宏观叙事要真正转化为投资成果，关键在于研究的厚度与组织的执行力。本文在不预设立场的前提下，梳理其观点形成的逻辑链条、团队研究体系的落地实践，并对“翻倍基金”“跑赢基准”等业绩说法提出可验证的核查口径，以还原这位基金经理方法论的全貌。

从“科技大爆炸”到“飞轮正循环”：观点的演进与逻辑递变

汇添富基金马磊最早提出“TECH BIG BANG”是在2024年8月。当时他认为，人工智能正成为继电力、互联网之后的又一场技术革命，其驱动力来自算力硬件的突破、算法模型的演进与产业应用的扩散。马磊指出，科技的本质是“知识复利”，当创新进入加速阶段，产业的复合增长率将远高于宏观经济的线性增速。

进入2025年，他又提出“AI大模型飞轮正循环”的判断。在他看来，全球AI产业已经从“算力+模型”的阶段，迈入“算力—模型—应用—数据”的正反馈循环。当算力的供给推动模型能力提升，模型带动应用落地，而应用又产生新的数据反哺训练时，整个体系形成了“自我强化的飞轮机制”。马磊认为，这一阶段AI的增长更接近“系统性进化”，而非单点突破。

他强调，从“科技大爆炸”到“飞轮正循环”，自身研究视角也经历了从宏观范式到微观机制的转换：前者回答“为什么会发生”，后者回答“如何持续发生”。这意味着研究焦点从上游硬件供给，扩展到了中下游的应用效率、成本曲线与商业化路径。

研究与组织的落地：从“选股专家”到“系统研究者”

在汇添富基金马磊看来，研究框架只有与组织体系结合，才能让观点落地。他主张，科技投资要建立以AI为核心的产业分工体系，将产业链划分为“芯、云、端、网”四个层面：

“芯”代表算力基础，包括GPU、封装与设备；

“云”指代云计算、系统软件与数据中心；

“端”涵盖终端与垂直行业应用；

“网”则延伸至光模块与高速互联。

马磊认为，基金经理必须同时承担研究职责，形成“研究—交易—复盘”的闭环。他强调，这种“研究员与基金经理一体化”的制度设计，能缩短信息传导链条，减少误差损耗。汇添富科技团队的内部机制中，基金经理每周参与专题讨论与假设复盘，从产业链的证据层出发验证研究假设。

在组织架构上，他还提出“全球化调研、系统化学习”的方法论。过去一年，汇添富团队在北美、日韩和东南亚的调研显著增加，研究主题涵盖AI服务器、半导体制造设备、生成式应用与行业SaaS等。马磊认为，通过与海外龙头的交流，可以校准对技术演进速度与成本结构的预期，从而在国内配置中更精准地把握节奏。

同时，他强调“买好公司”的本质是“辨真伪”。在他看来，科技股投资不能只看题材或市值扩张，而要回到创新的“第一性原理”。他提出三点判断标准：一是企业是否真正具备技术壁垒；二是创新能否带来持续盈利能力；三是估值与成长性之间是否存在合理的赔率关系。这一框架，也成为其近年来投资决策的核心依据。

从观点到业绩：验证与边界

截至2025年10月10日，汇添富基金马磊共管理4只偏股类基金，总规模约55.66亿元。Choice数据显示，其管理的汇添富自主核心科技一年持有混合A（013369）任职回报达119.05%，同类排名78/4183；汇添富中证芯片产业指数增强发起式A（014193）任职回报81.89%，同类排名1/422；汇添富北交所创新精选两年定开混合A（014279）与汇添富数字未来混合A（011399）的任职回报分别为66.91%与50.58%。从整体表现来看，四只基金均实现正收益，其中两只年内涨幅超过80%，在同类产品中表现居前，显示其在科技主题投资中的阶段性成果。

针对外界提到的“多只产品翻倍、均跑赢基准”的说法，马磊认为，基金业绩的评估应建立在统一口径之上。他主张，以同一统计日期、复权单位净值口径核算，并以基金合同约定基准和同类中位数双线对照，才能准确反映投资体系的有效性。

他同时强调，科技赛道波动剧烈，阶段性超额收益并不代表长期能力，真正重要的是研究的连续性与组织的稳定性。AI产业竞争加剧、算力价格波动、监管政策变化等变量，都可能造成估值扰动。“趋势确定并不等于投资简单，”他认为，“只有在不确定中保持研究和执行的纪律，才能在长期中体现收益差异。”

汇添富基金马磊提出的“科技大爆炸”与“飞轮正循环”，是其理解AI产业发展逻辑的两个阶段。前者提供了时代框架，后者揭示了运转机制。但他也多次强调，观点的价值在于引导研究，而非取代验证。真正能穿越周期的，不是判断的准确，而是系统的自洽。

对投资者而言，这样的框架提示了一个核心问题：当技术叙事足够宏大时，应当如何回到公司基本面？算力的资本开支节奏、模型的迭代质量、应用的商业回报、数据的合规成本，才是飞轮运转的“能量来源”。在这些可量化指标之间找到平衡，也许比预测下一轮风口更难，却更接近长期投资的本质。