港灣觀點︱承受波動是長期投資的必修課

　　東方港灣投資管理

　　四月美股發生了較大幅度的波動：納指自三月份創出新高以來，四月最大回撤高達8%，四月收跌 4.41%；代表十大AI明星股的FNGS指數，四月最大回撤也達到10%，最終也收跌 2.77%。我們觀察到，除了通脹抬頭導致降息預期減弱，以及中東戰事升級所帶來的情緒衝擊以外，市場對於AI行情是否會因缺乏基本面支撐而終結，也產生了質疑和分歧。

　　市場對於AI投資的質疑，核心是認為：除英偉達有可觀的盈利和增速外，其他領域尤其是AI應用，仍是效果不好、商業模式不清，收入利潤更是微不足道，如今天量的AI資本開支，短期收不到合理的回報，必將不可持續。

　　對此，我們於前幾期月報初步做了分析。我們根據對諸多事實的觀察，對AI的發展也做出了幾個重要的推論，這些推論是我們當下在面對質疑與分歧，堅定投資的重要支撐。在四月的產業界和上市公司的一季度財報中，這些推論也進一步得到了印證。

　　推斷一：「縮放定律」被證明依然有效，算力芯片迭代進化速度也在加快，因此科技巨頭們都被圈進了「AI軍備競賽」，誰都不想在新的科技周期里被甩下車，短中期都會不斷加碼投資AI業務。

　　這是我們投資算力、雲計算與AI應用的重要理由之一。在剛過去的一季度財報里，我們不僅看不到資本支出的戛然而止，而且速度還在不斷提升。今年一季度，微軟的資本開支創紀錄高達到140億美金，同比去年同期增長79%，環比上季度也增加了22%，同時預告二季度的開支仍將環比大幅提升50%—70%。谷歌一季度的資本開支也創出新高，達到了120億美金，同比提升91%，環比提升9%，同時全年資本開支提高到了420億美元，同比去年增長30%。而Meta在此次財報中，則將24年的資本開支上限提高到了400億美元，同比去年增長43%。特斯拉四月更是重申今年將投資100億美元用於AI，是過去八年總和的整整5倍。

　　事實上，當下AI產業高速增長的資本開支，與當期收入的比值，仍處於歷史平均水平。華泰證券也回顧了過往20年的雲計算業務的資本開支增長過程：歷史上，除了業務發生結構性調整，或偶遇宏觀經濟衝擊，隨着雲業務收入的不斷增長，科技巨頭的資本開支都在逐年不斷遞增。從最新財報來看，從微軟到谷歌再到亞馬遜，三大雲巨頭的雲計算業務都止住了增速下滑的頹勢，在過去三個季度先后實現了增速的上漲，微軟雲Azure同比增速提升至31%，谷歌雲GCP同比增速提升至28.4%，而亞馬遜雲AWS同比增速也提高到了17%，成為AI應用最快變現的方式。在此業務收入增長勢頭下，AI資本開支不斷增長，就變得理所當然了。

　　即便我們用更長期的視角來看，AI資本開支也仍具有合理性。按照四月Coatue的預測，到2030年，假設每年全球為AI業務所搭配的GPU芯片數量，從當下約400萬顆增長至2500萬顆，預計每年將投入約1.2萬億美元的資本開支。如果算上25%的投資回報率和50%的EBITDA利潤率，則每年需為此產生約3萬億美元的AI業務收入，這僅相當於屆時全球GDP的2%的水平。從AI降本增效的角度看，則1.2萬億美元的資本開支，僅相當於全球薪水開支3%的水平。所以，考慮到AI技術將席捲全球每一個行業，同時創造出如機器人、自動駕駛、XR等新型產業，AI資本開支的投資回報率，完全在合理的範圍內。

　　推斷二：隨着24年下半年AI推理成本的大幅下降，以及GPT5等新模型能力的升級，AI應用的滲透率會得到極大的提升。

　　事實上，當下AI應用已遍及百行千業。我們可以嘗試將當前的AI應用分成以下五大類，我們會發現其商業變現方式也都十分清晰，但因成本過高或AI性能受限，滲透率仍然非常之低。

　　自然語言交互應用：大語言模型已顯著降低了人機交互的難度，過去難以使用的軟硬件，例如修圖、改視頻、編程、廣告製作、搜索引擎等，如今可以藉助Ai對話界面，便捷地進行操作，例如Adobe、Github Copilot、Meta的Advantage廣告創意工具和Perplexity新型搜索引擎。自然語言交互功能，理論上可以被用於所有的計算機的交互之中，通過直接提高軟硬件的ARPU值，以及擴大用户基數來實現商業價值。

　　內容生成應用：生成式模型，可以用於生成代碼、音樂、文字、圖片、視頻甚至虛擬人物，例如Canva、Dall-E、Notion AI、Sora、Teams Copilot和CharacterAI都屬於此類應用。目前生成內容的邏輯性、規劃性、準確性都有待提升，但理論上所有人類的內容生成產品和服務，都可以藉此AI工具極大地提高產出效率，而AI本身可以通過訂閲或使用量進行付費，模式化也相對清晰。

　　推薦引擎應用：讓人與貨準確地匹配一直是商業活動中重要的一環，而大語言模型在內容定製化、用户畫像認知、內容的精準推薦以及廣告精準投放上，都讓原先的廣告推薦變得更加智能。這涉及如社交網絡、搜索引擎、內容社區等互聯網核心業務，通過提升用户基數、廣告投放效率、廣告投放量和廣告單價，AI推薦引擎都可以很好地實現價值變現。

　　智能代理應用：將人類從某些繁瑣重複的工作任務中解放出來，是AI應用的終極目標之一。為此，根據斯坦福吳恩達教授的觀點，AI除了具備多模態生成能力外，還需具備規劃和反思能力、更多工具的使用能力、記憶能力和多代理協作能力。當前可以真正意義上被稱為智能代理的AI應用，就是特斯拉的FSD（有監督的）自動駕駛軟件。相信此類應用未來會不斷涌現，逐漸成為AI應用的主流應用方式。類似於FSD，此類應用可以通過訂閲、授權和收取代理服務費三種方式進行變現。

　　MaaS雲服務應用：以上四類AI應用，都需要通過雲計算的方式進行部署和應用，模型即服務（MaaS）正在成為繼IaaS、PaaS和SaaS之后，雲計算的最新增長極，Azure、GCP和AWS等雲廠商也成了AI能力的「分銷商」，按分銷的AI能力及所消耗的硬件資源進行收費變現。

　　以上五類應用里，在降本增收上初顯成效的只有MaaS雲服務和推薦引擎。其他應用類型，即便是微軟的Copilot業務，本季度財報上所暗示的滲透率和收入體量，仍是微不足道。這是事實，也正是我們認為「AI投資與應用周期纔剛起步，而不是馬上要結束」的原因之一。

　　然而，隨着GB200產品的下線和模型蒸餾的普及，上述應用推理成本將在接下來半年大幅度地下降。我們在前期報告中，已經解釋過GB200如何在推理端，相對於H100實現性能15-30倍的提升；至於模型蒸餾，四月Meta發佈的Llama3很好地向我們展示了這點：Llama3使用15萬億token的數據進行訓練，使用4.8萬顆H100芯片進行了六個月的訓練，得出一個4000億參數的模型，其性能預期將持平甚至超過1.8萬億參數的GPT-4的水平，低參數量大大地降低了模型運行的單位成本和功耗水平。這為我們展現了縮放定律提高模型性能之外，模型蒸餾在壓縮推理成本的顯著效果。

　　此外，新模型GPT-5發佈在即，我們大膽地預測，GPT-4的進化方向是「多模態」，GPT5的進化方向很有可能是「代理能力」的完善。四月在Meta的業績會上，扎克伯格在最后一條問題被問及Llama的進化方向時直言：「我認為這些東西的下一個階段是處理更復雜的任務，變得更像代理，而不僅僅是聊天機器人。對於聊天機器人，你給它發一條信息，它就會回覆你的信息，它幾乎就是單輪通信。而代理要做的是，你給它一個意圖或目標，然后它就會去做，可能會在后台自己執行很多查詢，以幫助完成你的目標，不管這個目標是在網上研究什麼，還是最終找到你想買的合適的東西。」吳恩達在此前的斯坦福大學演講中，也展示過一張圖（如下），在編程任務中，會使用工具，會進行規劃與反思，會進行多代理合作的大模型，在GPT3.5和GPT4的基礎上，模型能力都得到了飛躍式的提升，且基於GPT3.5的模型能力並不顯著落后於GPT4。就好像一位清華畢業生和一位普通一本大學生，雖然能力有差別，但如果教會他們公司的工作流程，給予有用的工具，能與部門其他同事緊密合作，其工作成果都將得到明顯提升，且效果可能都會很好。GPT4在四月推出了「初級記憶功能」，我們預計接下來會有更多的代理能力模塊的面世，顯著提升大模型的性能。

　　當模型推理的成本得到大幅壓降，模型性能也得到大幅提升，應用的滲透率則理應變得更廣。更多的人機交互會被自然語言所取代，模型所生成的內容變得更加可控和準確，模型推薦效果更加精準，更重要的是更多的複雜任務可被「自動化處理」，MaaS雲AI與EdgeAI也會同步得到發展。FSD就是個很好的例子，當FSD進入V12版本之后，推理成本和運行功率也大幅下降，模型能力得到了大幅提升。在四月北美全面推廣試用20天后，特斯拉財報公佈已有90萬車主在使用FSD V12，20天累計產生了3億英里駕駛數據，這相當於過去8年總和的30%。我們預計試用期過后，FSD滲透率在北美可能也將超過50%。

　　推斷三：隨着應用滲透率逐步地提升，與互聯網的Freemium模式不同，以訂閲費/按用量收費的AI商業模式，收入或利潤率也會同步得到提升。

　　互聯網時代的商業模式，本質是「流量變現模式」，是通過各種免費的內容與服務，吸引並累積足夠數量的用户，再將用户注意力作為廣告資源進行變現，或從其中一小部分用户身上，賺取稱為「增值服務」的虛擬產品收入。這種模式底下，累積流量在前，收入利潤在后，所以即便到了今天，仍有一小部分知名的互聯網企業仍處於盈虧掙扎的生死線上。

　　但AI商業模式可能有所不同。無論是2B還是2C，AI「賦能」的商業本質，更像是軟件的商業模式，主要通過「訂閲、授權費、按用量收費」這三種模式進行商業化變現。早期可能存在免費試用階段，但總體收費更直接，更靠前。我們看到Gpt4、Copilot、Perplexity、CharacterAI、Midjourney、Tesla FSD、Github、Adobe Firefly等當下幾乎所有AI應用，都是付費使用的，只是因為滲透率偏低的原因，財報收入尚不顯著。就連全球最大的廣告公司谷歌，旗下免費的Ai產品Germini也在考慮轉為付費使用，試圖探索AI時代的商業模式轉型。

　　所以，我們認為市場擔憂的「AI商業模式不清晰，收入利潤不顯著」，很大概率會隨着AI應用滲透率的提升而快速消失，而不像互聯網時代那樣有一個時間差。

　　推斷四：當下AI估值中等偏上，互聯網泡沫的記憶讓市場不見兔子不撒鷹，波動率會一直比較大，但改變不了時代前進的方向。

　　當前幾家AI科技企業，估值中等偏上，不便宜但並沒有特別貴。英偉達動態估值30倍，處於過去5年估值（20，50）的平均水平；Meta動態估值20倍，處於過去5年估值（10，25）的中等偏上水平；微軟動態估值34倍，處於過去5年估值（15，35）的頂部，但微軟馬上進入25財年，按20%的增速算估值又將切換至28倍的平均水平。

　　在此估值狀態下，每個財報季都會以擔憂與猜忌開頭，在暴漲與暴跌中落幕，市場多空博弈激烈，期權交易活躍。但這種激流湧動、水花四起的市場波動，也沒能改變時代潮流的方向。那些在財報后暴跌的公司，也大多會再一次證明自己，逐漸收復失地。谷歌就是其中很好的例子。過去兩個季度的財報后暴跌，谷歌都最終能收復失地；而本季度，谷歌雲延續Q4的增速上揚趨勢，進一步加速增長，同比增長28%，與此同時，谷歌雲的運營利潤從上年同期的1.9億美元翻了四倍多至9億美元，令市場十分意外。CFO稱：「人工智能為客户帶來的益處支撐了我們在整個雲計算領域的增長。」  本次財報后股價出現跳漲。

　　這種估值與市場表現，是市場理性與非理性的共同表現：理性在於以事實和確定性為指引，不見兔子不撒鷹；不理性在於市場過於急切想看到商業成果和投資回報，導致博弈成分過大。而長期投資者則應當迴歸到企業長期基本面本身，理性承受市場波動。

　　以上四個推斷，是我們對當下基本面風險給出的判斷，至於戰爭和利率的風險，我們在前期報告中也做過分析，便不再贅述。

　　牛市多急跌，相對於一片歡欣鼓舞，其樂融融，質疑與分歧反而是市場健康前行的信號。長期投資比拼的是「誰看得遠、看得準、敢重倉、能堅持」，在這條時代大脈絡下，必定也伴隨着質疑與分歧；而學會分清主次矛盾，規避永久性損失，忍受短暫性波動，是伴隨偉大企業長期成長，摘取時代果實的必經之路。

　　免責聲明

　　市場有風險，投資需謹慎。在任何情況下，文章中的資訊僅供讀者參考之用，文中提到的公司亦僅為闡述產業邏輯，所有內容均不帶任何投資建議，讀者不應單純依靠本文而取代個人的獨立判斷。對於因使用、引用、參考本文內容而導致的投資損失、風險及糾紛的，東方港灣不負任何責任。

責任編輯：石秀珍 SF183