人工智能面临的万亿美元难题

任何关注今年市场的人都听说过一个数字。为了证明目前涌入人工智能领域的资本是合理的，引领这一发展的公司最终需要创造出科技行业前所未有的收入规模。

Anthropic首席执行官Dario Amodei将这种算法的一种版本公之于众，他表示，其公司需要在几年内达到1万亿美元的年收入，才能保持领先于自身的支出。

这一数字已成为一个更广泛担忧的代名词——即支出正在当下发生，而用于支付这些开销的收入预计将在未来才会实现。投资者如何看待这一差距，将决定他们如何布局当今市场上最重要的投资主题之一。

史无前例的支出规模

流入人工智能领域的资本是一个超级周期，而不仅仅是一时的热情。大型科技公司在数据中心、芯片和电力上的支出速度，如今已堪比其全部的经营现金流。

曾是石油巨头和电信运营商标志的资本密集型特征，如今已出现在那些过去十年正因其轻资本模式而备受市场青睐的企业身上。

当一家公司将其几乎所有现金流再投资于实体基础设施时，会带来两个后果。首先，折旧增加，这将对未来几年的报告盈利构成压力；其次，由于分母中的资本额变得更大，企业的资本回报率往往会受到压缩。

市场普遍预期已经显示，随着成本的累积，最大的人工智能支出方的股本回报率将在未来一年内下降。

现金流与雄心之间的差距，正越来越多地通过债务和股权而非纯利润来填补。这未必意味着这些支出是个错误，但它确实意味着这些企业的性质正在改变，投资者的回报方式也将随之改变。

盈利增长必须担起重任

在过去几年中的大部分时间里，投资人工智能主题是件容易的事。估值得以扩张，不断上升的估值倍数完成了大部分的提振工作。但从现在开始，情况不大可能如此了。

目前为人工智能领导者支付的价格，需要越来越乐观的假设才能显得合理。当一只股票的价格已经反映了近乎完美的前景时，其估值倍数就没有多少上升空间了，而一旦基本面动摇，估值倍数就可能迅速收缩。上个月的情况便是一个预演，一些相对较小的消息就引发了幅度较大（尽管成交量较低）的市场回调。

因此，未来回报的重担完全落在了盈利增长以及赢家与输家之间日益扩大的差距上。在这个市场中，公司之间的差异远比人工智能主题的整体走向更为重要。

怀疑论者们正在提出正确的问题。首先是本文开头提到的融资问题。前沿实验室如今的支出是基于对未来收入的预期，而这笔收入的实现时间表尚不确定。

即使他们预期的最终状态最终得以实现，但如果在此过程中技术采用情况令人失望，或融资成本变得更加昂贵，那么支出最激进的公司将面临最大的风险。

对此还有一个更尖锐的担忧，但尚未得到市场的充分认识。大部分的支出及其相关的估值，都基于一个假设：即领先的实验室将仅凭质量取胜，并因其模型更优而能够收取保费定价。这个假设是值得怀疑的。

顶级模型之间的性能差距一直在缩小，而包括几款更便宜的中国模型在内的一批有实力的竞争者，正在价格上施加巨大压力。迄今为止，各实验室之间的基准测试差异，还不足以成为不惜一切代价购买某家供应商代币（token）的理由。

如果竞争的焦点从‘谁拥有最好的模型’转向‘谁拥有最便宜的模型’，那么实验室的经济模式将发生巨大变化。由此可以推断，商品化是市场尚未计入价格的重大风险之一。

第二个风险不那么显眼，但同样重要，它体现在信贷市场而非股票市场。未来几年，大批软件和科技行业的借款人将需要进行债务再融资，而这恰逢市场正在激烈讨论人工智能将赋能或颠覆它们中的哪些企业。

这种不确定性难以消除，这意味着笼罩在较脆弱公司头上的阴云可能会持续存在，并可能波及一些人工智能概念股。

为多种可能结果进行布局

投资者的任务不是预测哪种情景将会上演。在宏观投资领域，只要正确率略高于一半，就能成为世界顶级的基金经理。更持久的方法是建立能够在多种结果下都表现稳健的投资组合。

这主张应有选择地投资于该主题。与其集中在少数几只人人皆已持有、估值高昂且交易拥挤的股票上，投资者可以倾向于投资该领域的供应商和赋能者，包括电力和电网基础设施，因为没有这些，数据中心就无法运行。

这些投资头寸可以与下行保护策略相结合，因为目前成本相对较低的对冲工具，在市场情绪逆转时将发挥其价值。此外，投资组合中还应包括那些完全不依赖于人工智能交易能否成功的收益来源。

这个万亿美元的问题尚无明确答案。支出是真实的，技术是真实的，而当前价格已超前于未来利润的风险也是真实的。

同时持有这两种看法会让人感到矛盾，但这恰恰是正确的立足点。

对于长期投资者而言，机会不在于预测市场的顶部或底部，而在于持有他们所坚信的资产，尊重他们无法知晓的未知，并构建一个无需水晶球也能实现其目标的投资组合。

作者是Arta Finance的衍生品主管