中金真题拆解①|WACC、DCF终值、AI芯片市场规模,面试官到底在考什么?

01

    如果一家公司的负债率从10%提升到30%

WACC会如何变化？为什么？

这道题最容易出现的错误，是直接回答：“负债率提高，所以WACC下降。”这个答案并不完整。

真正需要理解的是：WACC并不是随着负债率提高无限下降，而通常呈现一定的非线性关系。

● 回答第一步：先拆WACC

WACC本质上由两部分组成：

WACC = Equity Weight × Cost of Equity + Debt Weight × After-tax Cost of Debt

因此，资本结构变化会同时影响：Debt / Equity的权重；Cost of Debt；Cost of Equity。

● 回答第二步：低杠杆阶段

如果公司原本负债率较低，从10%增加到30%，在其他条件相对稳定的情况下：WACC有可能下降。原因是债务通常比股权融资成本低，同时利息具有税盾效应。

因此，用一部分成本较低的Debt替代Equity，可能降低整体资本成本。

● 回答第三步：杠杆继续提高会发生什么？

如果负债率进一步提高，公司Financial Risk上升。债权人会要求更高的利率，因此：Cost of Debt上升。

与此同时，股东承担的剩余风险也提高，因此：Cost of Equity同样会上升。

当这两个因素超过债务税盾带来的好处之后，WACC可能重新上升。

● 面试官真正想听什么？

这道题不是在考你会不会背WACC公式。而是在考你是否理解：Capital Structure、Financial Risk与Cost of Capital之间的动态关系。

所以比起给出一个绝对结论，更好的回答方式是：

“It depends on where the company currently sits on the capital structure curve.”

02

如果DCF模型中

Terminal Value占Enterprise Value超过80%

说明什么？

很多同学第一次搭DCF模型都会发现一个问题：算出来的估值，大部分竟然来自Terminal Value。

那Terminal Value占比超过80%，是不是模型一定错了？不一定。

但这是一个非常值得进一步检查的信号。

● 第一种可能：显性预测期太短

假设你的DCF只预测未来5年，而公司正处于高速成长阶段。前5年自由现金流可能并不高，大量价值来自5年以后。

那么Terminal Value占比较高并不奇怪。

这时候可以考虑：将Explicit Forecast Period从5年延长至7—10年。让更多企业价值体现在显性预测期中。

● 第二种可能：Perpetual Growth Rate过高

Terminal Value常见公式为：TV = FCF × (1+g) / (WACC-g)

这里有一个非常重要的特点：当g越来越接近WACC时，Terminal Value会快速放大。

因此，如果模型中Terminal Value异常高，需要重新检查：

• g是否过于激进；

• 是否超过长期GDP或行业合理增速；

• WACC是否设置过低。

● 第三种可能：公司本身仍处于高速成长阶段

有些公司现阶段利润和现金流较低，但未来增长空间很大。这种情况下，企业价值天然更加依赖远期现金流。

所以，Terminal Value占比高，不一定意味着DCF无效。

真正的问题是：你的假设能不能被商业逻辑支撑。

● 最后还要做一步：Cross-check

专业的估值不会只依赖一个DCF结果。

还应该结合：Trading Comps；Precedent Transactions；EV/EBITDA；

P/E；Sensitivity Analysis 进行交叉验证。

如果DCF结果明显高于其他估值方法，就需要重新审视模型假设。

03

Case：请估算全球AI芯片的市场规模

这类题没有唯一标准答案。

面试官真正关注的是：你能不能把一个模糊的大问题，拆成几个可以计算的小问题。

最重要的不是最后算出1,500亿美元还是1,700亿美元

这道题考察的是你的定义是否清楚、假设是否合理、计算是否完整，以及最终结果能否通过合理性检验。

• Step 1：先定义市场边界

第一句话不要急着报数字，可以先说明：

“Before estimating the market size, I would first define what we mean by AI chips.”

在本次估算中，我会将AI芯片定义为：用于AI Training和Inference的核心计算芯片所产生的年度销售收入，主要包括：

• 数据中心GPU及定制AI ASIC；

• 智能手机和PC中的NPU及AI相关增量芯片价值；

• 智能汽车中的AI计算芯片；

• 工业、安防、医疗和机器人等其他Edge AI芯片。

为了避免重复计算，不会把HBM、普通存储芯片、网络设备、传感器及完整服务器系统纳入估算。时间范围以2024年至2025年初的全球市场为基准。

• Step 2：拆分下游市场

接下来，我会将全球AI芯片需求拆分成三个主要板块：

① 数据中心

数据中心是目前AI芯片最大的应用场景，主要需求来自大型云厂商、AI模型公司和企业级数据中心。

这一部分可以从主要AI芯片公司的收入进行估算。以NVIDIA为例，其截至2025年1月的财年Data Center收入已经超过1,100亿美元。不过，其中还包括网络产品及部分非芯片收入，因此不能全部计入AI芯片市场。

假设其中约80%—85%属于GPU及其他核心AI计算芯片，则NVIDIA对应的AI计算芯片收入约为900亿—1,000亿美元。再考虑AMD、Google TPU、AWS Trainium以及其他定制ASIC，假设这些产品合计贡献约200亿—300亿美元。

因此：Data Center AI Chip Market ≈ US$110–130 billion，取中间值约为1,200亿美元。

② 消费电子

消费电子主要包括智能手机和PC。这里需要估算的是AI功能带来的增量半导体价值，而不是整颗手机SoC或PC处理器的全部价格。

假设全球智能手机年出货量约12亿台，PC出货量约2.5亿台，其中约30%的设备搭载较强的端侧AI能力，每台设备对应的AI相关增量芯片价值平均约25美元。

那么：Consumer AI Chip Market≈（12亿＋2.5亿）×30%×25美元≈ 109亿美元

因此，消费电子AI芯片市场可以估算为约100亿—110亿美元。

③ 智能汽车

假设全球汽车年销量约8,000万辆，其中15%的车型搭载需要较高级别智能驾驶计算能力的AI芯片，平均每辆车对应的AI计算芯片价值约500美元。

那么：Automotive AI Chip Market≈ 8,000万×15%×500美元≈ 60亿美元

这里的500美元仅代表AI计算芯片及相关计算模组的价值，不包括摄像头、激光雷达和其他传感器。

Step 3：汇总并进行Sanity Check

将前三个核心市场加总：

数据中心：约1,200亿美元；

消费电子：约109亿美元；

智能汽车：约60亿美元。

合计约为：US$137 billion

再考虑工业、安防、医疗、机器人等其他Edge AI应用。假设这些市场相当于前三个核心市场规模的15%左右，则：1,370亿美元×15%≈205亿美元

最终得到：Global AI Chip Market ≈ US$150–160 billion

考虑到数据中心芯片收入、消费电子AI渗透率及芯片平均价值都存在一定不确定性，我会将最终答案表述为一个区间：

“Based on these assumptions, I would estimate the global AI chip market at approximately US$150–160 billion in 2024 or early 2025.”

最后，我会用主要厂商的公开收入进行Sanity Check。由于NVIDIA同期Data Center收入已经超过1,100亿美元，因此全球AI芯片市场达到1,500亿美元以上，整体上比原先700亿美元的估算更加合理。

这道题真正考察的不是候选人能否猜中一个市场报告里的数字，而是能否完成：

Define → Break Down → Estimate → Cross-check → Refine

准投行学院自2021年创始以来，已累计助力750+学员斩获顶级金融机构录用。对我们而言，最珍贵的不仅是持续增长的数字，更是每一位学员穿透市场噪音、稳握机遇的成长。