一年涨 189%，联想 CFO 为何还喊「被低估」

一年涨 189%，联想 CFO 为何还喊"被低估"

一只股票一年涨了 189%、市值站上 4000 亿港元，公司的 CFO 却在公开场合说"我们完全被市场低估了"。

9 月 16 日，在新浪财经主办的「AI 投资峰会」上，联想集团高级副总裁兼 CFO 郑孝明，与美银证券首席中国策略师吴旖展开了一场题为《AI 基建的全球定价：寻找 AI 投资的确定性资产》的对话。整场发言围绕一个核心命题展开：联想凭什么被低估，又凭什么能抹平与戴尔的估值差。他的答案是三条线——500 亿美元的 AI 服务器在手订单、一条指向 8% 的净利率路线图，以及对"企业级推理即将爆发"的判断。但把这三条线拆开看，市场为什么还是只给了联想"戴尔的七分之一"，答案反而更清楚了。

被低估的账，一半是实打实的订单

郑孝明"低估论"的第一块基石，是收入和利润。他的原话是："我们估值大概是戴尔的七分之一，但收入和净利润没有差七倍。"

这句话背后，是联想创纪录的一份财报。2026/27 财年第一季度，联想营收 269 亿美元、同比增 43%，创近五年最高单季增速；调整后净利润同比增 176% 至 11 亿美元，首次突破十亿美元；AI 相关收入 93 亿美元、同比增 60%，已占集团总营收的 35%。

订单端更能说明问题。郑孝明透露，联想 AI 服务器储备订单（pipeline）从 100 多亿美元起步，涨到 200 多亿，最新季度已超过 500 亿美元，且全部是 AI 服务器订单。他举了一个典型案例：一家新云（neocloud）客户，从最初几亿美元的年预算，9 到 10 个月内长成了"double billion"——数百亿美元量级的订单客户。

再加上 IDC 的数据：2026 年二季度，联想 x86 服务器出货量 28.6 万台、同比增 45.6%，全球第一；按收入口径，联想 x86 服务器收入同比增 96% 至 82.6 亿美元，与排名第一的戴尔只差 0.6 个百分点。ISG 业务营收同比增 98%、运营利润率 9.1%，同样创下新高。单看这半边账，联想说自己"被低估"，并不算嘴硬。

另一半，卡在净利率这条曲线上

但市场给"戴尔的七分之一"，也不是没理由。估值差从来不是收入或订单的差，而是利润率的差。

联想 4.0% 的调整后净利率，依然和戴尔不在一个水位。市场对它的定价，骨子里还压着一本"低毛利硬件代工"的旧账——订单再多、收入再高，如果赚的是薄利，估值天花板就抬不起来。这正是"AI 基建的全球定价"这个命题最尖的地方：当 AI 叙事从"讲故事"进入"回报率检验"，资产的定价锚正在从订单、收入、出货量，切换到利润率、现金流和可持续回报。在这套新标尺下，联想想抹平与戴尔的估值差，靠的不是订单数字，而是净利率那条曲线能不能真往上走。

郑孝明给出的答案，是一张清晰的路线图：一到两年收入 1000 亿美元、净利率 3% 以上；三到五年 1300 亿美元、净利率 5% 以上；五年以上 1500 亿美元、净利率向 8% 走。他反复强调，联想长期净利率"肯定会往 5% 走"，增值服务"可以到 8% 以上"。支撑这条曲线的，是今年 4 月完成的存储收购、服务业务的协同，以及客户拓展和定价优化——换句话说，联想自己也清楚，真正的战场已经从卖服务器，转向更高毛利的服务与增值环节。

联想真正在赌的，是企业级推理的爆发

订单是眼前的，净利率是未来的，中间隔着的那段"需求能否持续"，是郑孝明最想讲清楚的部分。

他把这轮浪潮定义成"算力工厂"的长期建设周期，判断是：大企业目前仍处 AI 落地的早期，先要解决内部数据、组织和流程的整合，之后企业级推理需求才会大量释放。他的原话是"这是 AI 未来十年的机会，现在只是刚开始"。他还提到，英伟达正与多家顶级私募基金设计 5000 亿美元的资金盘支持新云建设，而联想提供的就是这批"算力工厂"的基础设备，海外市场"真正发力才刚刚开始"。

换句话说，联想押注的不是某一个季度的景气，而是一个更长的周期——训练之后还有推理，云端之外还有端侧。只要这股需求不断，500 亿美元订单就不是天花板，而是起点。

定价锚在切换：从规模，转向盈利

那么"被低估"到底成不成立？它是一个"有条件的真命题"，条件有两个。

第一，企业级推理需求能不能像郑孝明判断的那样真正释放。若成立，储备订单就是增长的前哨；若不成立，500 亿美元就有滑向"资本开支泡沫"的风险。第二，也是更关键的胜负手——净利率能不能从 4% 真正走到 5% 甚至 8%。这才是估值差收敛的决定性变量，也是最难被证伪的地方，因为它考验的是执行力，而不是叙事。

说到底，"被低估"从来不是一场嘴仗。当 AI 基建的定价逻辑从"规模"转向"盈利"，联想能不能说服市场，得看它先把净利率那条曲线画出来。这条曲线对联想、对戴尔，对整个 AI 硬件产业链，都是同一道题。