人工智能：極端年代

市場週期現時似乎進入了極端觀點當道的階段。這個現象廣泛出現於多個領域，惟在當前的人工智能爭論中特別明顯。推崇通用人工智能¹的一方相信，科技突破點即將出現，屆時能率先取得突破的企業，便能其產業中稱霸。不過悲觀的一方則認為此為市場泡沫、資金過度湧入，導致回報未能追上。其實兩者的看法會否都有可取之處呢？我們認為，人工智能無疑具備潛力，並且將會影響大多數事物。然而，值得投資的科技成果可能較新聞報導所述的分散，增長也較為溫和。 

人工智能是一項真正的通用技術。就像一百年前誕生的汽車，或之後50年出現的貨櫃運輸轉型一樣，人工智能將徹底改變人類的工作方式，並重塑整個產業結構。話雖如此，歷史亦告訴我們，科技創新所帶來的大部分經濟價值將流向消費者及社會。隨著產能提升，價格自然下調，能靈活調整商業模式的企業往往能夠搶佔市場。假如投資者買入的企業能將成本下降轉化為長期競爭優勢，即可產生不俗的回報。反之，如果他們投資的通用基礎設施建築商遇到競爭或資金湧入，回報表現便較遜色。 

於2001年，巴菲特在佐治亞大學向學生演講時，以20世紀初的汽車業為例，解釋為何高增長企業大多無法長期維持可觀的回報。汽車的發明具有重大意義，並對社會產生深遠影響。不過，理解一項業務的經濟特點，不代表就能預測行業會否成功。在1920年代，美國共有2,000間汽車製造商，到了2000年，只有其中3間尚未倒閉，而且他們的長遠表現仍不明朗，足以證明巴菲特的看法正確。 

資深創投家Jerry Neumann近期在2025年9月期的《Colossus雜誌》刊登名為人工智能並非致富之道（AI Will Not Make You Rich）的文章，也表達了相同的觀點。他引用以往的貨櫃運輸轉型為例子，說明縱然某些科技改革可以改變社會，但大多無法為投資者創造長期財富。

貨櫃運輸轉型不單大幅減低了全球貿易的成本及複雜程度，更加速了全球化進程及提升各行各業的生產力。可惜的是，在全球經濟重塑之際，基礎設施建設商或營運商幾乎無一可以維持盈利。由於競爭加劇及產能過度擴張，企業回報亦受到擠壓。結果，懂得改變營商手法及適應全新物流方式的企業，例如沃爾瑪（Walmart）及IKEA成為了真正的贏家。這些公司利用低價穩定的貨運服務，將業務擴展至全球，並以更廉價的產品回饋消費者。

人工智能也許將沿著相似的路徑發展。其對社會的影響可能深遠，然而，真正營利的可能只是新技術的用家，或能夠圍繞新技術重新設計業務流程、銷售渠道及產品的公司，而非早期的基礎架構供應商。正如貨櫃運輸轉型一樣，在可持續的需求出現前，早期的基建階段已經吸引了大量資本開支。現時，超大規模企業紛紛興建自家的數據中心、產業集群及模型基建。他們期望發揮規模效應或先驅優勢，最終佔據領導地位。對於價值鏈中的設備供應商來說，現階段似乎是個黃金時期。不少客戶均嘗試在投資方面力壓對手，整個供應鏈都在全速運轉。問題是，這個階段本質上並不能持續。此刻的情況就像每間公司都鋪設自己的軌道連接兩個城市，但實際需求卻只夠支撐一條或頂多兩條鐵路。

事實上，在這場人工智能競賽中，大部分模型的能力漸趨相似。開源人工智能的競爭使技術差距收窄，客戶開始將不同模型視為可互換的工具。假設這股趨勢持續，市場難免出現洗牌。當利潤追不上成本時，實力較弱的企業將逐一退出資本開支競賽。當中，受惠於人工智能發展的基建供應商將率先面對市場降溫的衝擊，包括晶片製造商、記憶體供應商及零件生產商。  

話說回來，人工智能發展當然可能與過往的其他創新技術不同，但我們認為，只有符合下列其中一種情況時，目前的資本開支水平才算合理：

1. 某間企業開發出真正的通用人工智能，即可以進行多領域推理、制定規劃及總結規律的機器感知技術；或
2. 某間或多間公司成功建立網絡效應或高轉換成本，從而留住用戶及提升定價能力。

在目前的超大規模企業資本開支熱潮下，正反映了背後的「贏家通殺」情況。OpenAI／微軟（Microsoft）、Google、Anthropic、亞馬遜（Amazon）及 Meta等大型企業積極投放大量資金，力求稱霸人工智能領域。他們的想法不難理解：當智慧成為了可供買賣的稀缺資源時，誰能先拔頭籌，誰就搶佔到利潤池。 

上述兩種結果仍有可能發生，但我們認為，在可見將來不太可能。主要原因是人工智能的認知能力與統計推論能力並不一樣。現有的大型語言模型確實是出色的推論工具 - 可以在海量數據中找出規律及關聯，而且預測文字或程式碼的後續走向。不過，這不等於同是認知世界。換句話說，人工智能具備預測能力，而不會真正思考。

如果通用人工智能的核心在於認知，即能否從最基本的原則作出推論、提出前所未見的想法或自行決定行動，同時保持對事物本質及原因的清楚理解，那麼現有的技術架構依然存在根本限制。透過提高模型參數或運算能力，或許可以改善人工智能的表現，但仍未必能達成通用人工智能發展的終極目標。換言之，即便人工智能模型的語言預測準確度獲得提升，它們照樣無法理解世界。

對於投資者來說，區分認知和推論能力相當重要。「贏家通殺」邏輯的前提，是某間公司將會推出所有人依賴的重要模型，從而形成近乎壟斷的經濟地位及維持資本開支。假使人工智能技術只局限於統計推論，而無法真正認知世界，市場必將維持激烈競爭。開源模型持續湧現，將會收窄技術差距，以致企業無法提高轉換成本。在此情況下，人工智能也許還是能夠大幅降低成本，對社會造成重大影響，惟其經濟模式或與貨櫃航運業一樣企業將無法自然地壟斷行業。屆時，人工智能將獲廣泛應用，但利潤率偏低；而經濟價值主要流向下游用戶及消費者，而非基礎設施建設商。

我們不預期人工智能的投資將在短期內暴跌，不過投資者應審慎判斷價值鏈的風險來源 - 不論有關風險是來自模型訓練、推論應用或產品落地環節。三個階段的經濟特性各有不同，行業步入成熟期造成的影響並不一致。 

模型訓練 - 人工智能模型的構建及改良階段。這個時期的資本投入最大，週期性波動最為明顯。不少企業現正同步開發多個模型，使需求提高。各方爭相訓練更大型的模型，模型架構卻大致相似。本階段佔新增投資的主要部分，而且估值漲幅最大。一旦行業整合，只有較少模型倖存，或訓練效率提高，相關投資可能急劇放慢。  

推論應用 - 用戶利用經訓練的模型輸出結果。隨著使用量增加，推論需求應會上升，但這個階段的商品化風險最高，價格競爭可能日益激烈。模型表現差距持續收窄、轉換成本無法提高、開源模型不斷推陳出新，加上效率提升、成本下降及界面標準化，令企業難以脫穎而出及維持定價能力。

產品落地 - 將人工智能與消費設備、企業軟件及實體系統結合。有關整合依然處於起步階段，可是結構上更能長期發展，並較取決於用戶應用情況及業務流程變化，而非模型規模。透過將人工智能融入產品及流程，企業可提高轉換成本及經常性收益，從而產生更穩定的經濟效益。

至今為止，訓練模型的企業獲得市場青睞，其股價走勢提前反映了業務增長。然而，隨著資本開支恢復正常水平，預期投資者將不再只是關注產能的擴充，而是更重視生產力提升，市場焦點也將從基建投資企業，轉移到高效使用人工智能的公司。  

按照Neumann的分析，訓練模型的企業將承受最大風險。現階段投資於人工智能的企業如何有效地收回成本，繼續是未知之數。從資本開支的角度來看，人工智能的長遠價值及長線機遇將來自更下游的產品落地階段。當人工智能逐漸應用於消費設備、機械人、汽車及其他終端市場時，早佈局的企業應有較好表現。
 

面對目前環境，我們積極思考上述趨勢對投資組合的影響。整體而言，人工智能普及將為我們持有的大部分企業間接帶來長期利好因素，包括提升生產力、改善客戶體驗，同時允許不少公司築起更強大的業務護城河。

儘管如此，當前的資本開支熱潮存在短期風險，因此我們的投資組合已開始作出相應部署。我們買入了台積電及SK海力士（SK Hynix），以直接把握人工智能資本開支機遇。此外，我們於聯發科技的持倉也涉及相關領域。若然人工智能模型訓練及推論應用的資本開支大幅放緩，將對台積電及SK海力士（SK Hynix）造成影響。不過，人工智能更廣泛地結合終端設備及工業應用，預料應繼續利好台積電。該公司在先進技術領域形成自然壟斷，而且與主要客戶緊密合作，成為產品落地階段的結構性受益者。我們預期，就算短期的訓練需求增長回落，未來數年台積電亦可加速發展。

聯發科技主要透過定製特殊應用集成電路業務，包括設計人工智能加速器及邊緣設備所用的晶片，從而參與人工智能技術浪潮。雖然人工智能投資減少可能造成影響，但該項業務的收益佔比仍然較低，我們估計只有約中單位數。再者，聯發科技經營全面的智能手機及連接業務，故此預期能夠應對衝擊。綜合來看，我們最為關注SK海力士（SK Hynix）的表現。現時的高頻寬記憶體熱潮由模型訓練需求所推動，該公司是主要的受惠者。然而，我們已把握最近公司股價上升的機會減少持倉，原因是假如大型訓練基建投資開始降溫，該部分的價值鏈將承擔最大風險。

另一方面，預期人工智能應用普及，可為我們投資的大多數企業間接帶來正面作用。我們持有多間軟件、互聯網及科技公司，合共佔投資組合約50%，他們可以利用人工智能降低成本及改善客戶參與度。具體而言，人工智能有助他們提供自動化支援功能、推出度身訂做的服務、完善產品推薦機制及更精準地投放廣告。即使人工智能技術的作用需要時間顯現，該等應用卻可長遠提升企業的盈利能力及加強競爭護城河。

巴西企業資源規劃軟件供應商Totvs便是一個好例子。我們自2022年起持有該公司，其行政總裁Dennis Herszkowicz在近日的會議上表示，人工智能應用帶來了長期結構性機遇，重要性可能超越過去公司將流程從現場裝置遷移至雲端的影響，而那次轉型在五年間為集團帶來了約10%的利潤率增長。²

Totvs的優勢在於其獨有的客戶數據及本地專業知識。該公司的軟件結合核心營運及財務流程，並擁有大量用戶，故能利用優質的結構化數據訓練適合不同垂直行業的模型。有鑑於此，該公司的解決方案能夠更加準確深入地融入客戶的業務流程，繼而增加他們的轉換成本及減少被替代的風險。

在建立人工智能模組後，Totvs能以最低成本向客戶推廣產品。隨著使用範圍擴大，該公司的利潤率可望逐漸提高。同時，人工智能的新功能可以促進現有系統的盈利能力，企業毋需就此產生額外成本，也能提高每名客戶帶來的收益。簡而言之，人工智能不單有利Totvs加強競爭能力，更能改善資本回報。

騰訊是利用人工智能鞏固現有業務，而非開闢出全新業務的另一個例子。縱然騰訊的基礎模型研發投入不及美國的超大規模企業，但該公司具備眾多獨特優勢，包括由微信、遊戲及支付業務組成的龐大用戶基礎、全面的第一方數據，以及高度整合的廣告及內容生態系統。

憑藉人工智能技術，騰訊可以提高網絡定向廣告的精準度。該公司能更清晰地掌握廣告背景、目標及消費規律，並帶來更多廣告收益，特別是透過人工智能靈活提升創意內容，例如針對不同客戶調整圖像及文案。除了提高盈利能力外，人工智能工具亦改善了騰訊的內部工程效率。在使用程式碼生成及自動測試功能後，個別產品團隊的研發週期縮短20%至30%，對騰訊更快推出新功能及節省成本貢獻良多。

在遊戲業務方面，騰訊亦可利用人工智能提供適合玩家的遊戲體驗，並靈活創作遊戲內容，藉此延長產品生命週期。至於企業雲及小程序生態系統方面，人工智能技術可以提高開發人員的生產力，而且為中小企客戶帶來反應更快的數據主導服務。

騰訊將人工智能融入一眾業務，逐步形成多項正面影響，包括生產力上升、內容更切合需要及用戶參與度提高。雖然這些積少成多的優勢未必獲得傳媒報導，但長遠能夠提升業務價值。
 

新興市場的情況一片向好，有利絕對及相對回報。現時新興市場的企業估值吸引、貨幣匯率不高，而且在經歷平淡的數年後，未來增長前景有所好轉，有別於美國可能在往後幾年陷入低迷，以致美元受到拖累，並驅使全球投資者尋求替代選擇。此外，我們認爲中國及美國或能達成貿易協議，部分投資者也許會重新審視中國「不宜投資」的說法，有望再次喚起他們對新興市場的興趣。畢竟，中國仍然是全球最大的新興市場。

按照由下而上的角度分析，未來兩年，預期投資組合的整體盈利及自由現金流每年增加約15%。目前，我們的自由現金流率為5%，低於長期平均估值，而且並無反映任何重估假設，因此我們看好往後的回報潛力。我們認為，投資組合的估值吸引、基本面持續改善，加上企業的實力不俗，足以為可觀的長期回報奠定穩固基礎。

一如以往，我們希望感謝您的支持。如果您對我們的策略、投資方針或個別持股有任何疑問，歡迎與我們進一步討論。

¹ 通用人工智能 - 構想中的人工智能系統，可以達到人類水平的通用智能。

² 資料來源：本文的所有企業數據來自公司的年度報告或其他投資者報告。截至2025年10月13日或另行註明。

資料來源：本文的所有企業數據來自公司的年度報告或其他投資者報告。財務指標及估值來自FactSet及彭博。截至2025年10月13日或另行註明。