港湾观点︱承受波动是长期投资的必修课
原创 东方港湾投研部 东方港湾投资管理 2024-05-10 17:09 广东
图片
四月美股发生了较大幅度的波动：纳指自三月份创出新高以来，四月最大回撤高达8%，四月收跌 4.41%；代表十大AI明星股的FNGS指数，四月最大回撤也达到10%，最终也收跌 2.77%。我们观察到，除了通胀抬头导致降息预期减弱，以及中东战事升级所带来的情绪冲击以外，市场对于AI行情是否会因缺乏基本面支撑而终结，也产生了质疑和分歧。
市场对于AI投资的质疑，核心是认为：除英伟达有可观的盈利和增速外，其他领域尤其是AI应用，仍是效果不好、商业模式不清，收入利润更是微不足道，如今天量的AI资本开支，短期收不到合理的回报，必将不可持续。
对此，我们于前几期月报初步做了分析。我们根据对诸多事实的观察，对AI的发展也做出了几个重要的推论，这些推论是我们当下在面对质疑与分歧，坚定投资的重要支撑。在四月的产业界和上市公司的一季度财报中，这些推论也进一步得到了印证。
图片
推断一：“缩放定律”被证明依然有效，算力芯片迭代进化速度也在加快，因此科技巨头们都被圈进了“AI军备竞赛”，谁都不想在新的科技周期里被甩下车，短中期都会不断加码投资AI业务。
这是我们投资算力、云计算与AI应用的重要理由之一。在刚过去的一季度财报里，我们不仅看不到资本支出的戛然而止，而且速度还在不断提升。今年一季度，微软的资本开支创纪录高达到140亿美金，同比去年同期增长79%，环比上季度也增加了22%，同时预告二季度的开支仍将环比大幅提升50%—70%。谷歌一季度的资本开支也创出新高，达到了120亿美金，同比提升91%，环比提升9%，同时全年资本开支提高到了420亿美元，同比去年增长30%。而Meta在此次财报中，则将24年的资本开支上限提高到了400亿美元，同比去年增长43%。特斯拉四月更是重申今年将投资100亿美元用于AI，是过去八年总和的整整5倍。
事实上，当下AI产业高速增长的资本开支，与当期收入的比值，仍处于历史平均水平。华泰证券也回顾了过往20年的云计算业务的资本开支增长过程：历史上，除了业务发生结构性调整，或偶遇宏观经济冲击，随着云业务收入的不断增长，科技巨头的资本开支都在逐年不断递增。从最新财报来看，从微软到谷歌再到亚马逊，三大云巨头的云计算业务都止住了增速下滑的颓势，在过去三个季度先后实现了增速的上涨，微软云Azure同比增速提升至31%，谷歌云GCP同比增速提升至28.4%，而亚马逊云AWS同比增速也提高到了17%，成为AI应用最快变现的方式。在此业务收入增长势头下，AI资本开支不断增长，就变得理所当然了。
图片
即便我们用更长期的视角来看，AI资本开支也仍具有合理性。按照四月Coatue的预测，到2030年，假设每年全球为AI业务所搭配的GPU芯片数量，从当下约400万颗增长至2500万颗，预计每年将投入约1.2万亿美元的资本开支。如果算上25%的投资回报率和50%的EBITDA利润率，则每年需为此产生约3万亿美元的AI业务收入，这仅相当于届时全球GDP的2%的水平。从AI降本增效的角度看，则1.2万亿美元的资本开支，仅相当于全球薪水开支3%的水平。所以，考虑到AI技术将席卷全球每一个行业，同时创造出如机器人、自动驾驶、XR等新型产业，AI资本开支的投资回报率，完全在合理的范围内。
图片
推断二：随着24年下半年AI推理成本的大幅下降，以及GPT5等新模型能力的升级，AI应用的渗透率会得到极大的提升。
事实上，当下AI应用已遍及百行千业。我们可以尝试将当前的AI应用分成以下五大类，我们会发现其商业变现方式也都十分清晰，但因成本过高或AI性能受限，渗透率仍然非常之低。
自然语言交互应用：大语言模型已显著降低了人机交互的难度，过去难以使用的软硬件，例如修图、改视频、编程、广告制作、搜索引擎等，如今可以借助Ai对话界面，便捷地进行操作，例如Adobe、Github Copilot、Meta的Advantage广告创意工具和Perplexity新型搜索引擎。自然语言交互功能，理论上可以被用于所有的计算机的交互之中，通过直接提高软硬件的ARPU值，以及扩大用户基数来实现商业价值。
内容生成应用：生成式模型，可以用于生成代码、音乐、文字、图片、视频甚至虚拟人物，例如Canva、Dall-E、Notion AI、Sora、Teams Copilot和CharacterAI都属于此类应用。目前生成内容的逻辑性、规划性、准确性都有待提升，但理论上所有人类的内容生成产品和服务，都可以借此AI工具极大地提高产出效率，而AI本身可以通过订阅或使用量进行付费，模式化也相对清晰。
推荐引擎应用：让人与货准确地匹配一直是商业活动中重要的一环，而大语言模型在内容定制化、用户画像认知、内容的精准推荐以及广告精准投放上，都让原先的广告推荐变得更加智能。这涉及如社交网络、搜索引擎、内容社区等互联网核心业务，通过提升用户基数、广告投放效率、广告投放量和广告单价，AI推荐引擎都可以很好地实现价值变现。
智能代理应用：将人类从某些繁琐重复的工作任务中解放出来，是AI应用的终极目标之一。为此，根据斯坦福吴恩达教授的观点，AI除了具备多模态生成能力外，还需具备规划和反思能力、更多工具的使用能力、记忆能力和多代理协作能力。当前可以真正意义上被称为智能代理的AI应用，就是特斯拉的FSD（有监督的）自动驾驶软件。相信此类应用未来会不断涌现，逐渐成为AI应用的主流应用方式。类似于FSD，此类应用可以通过订阅、授权和收取代理服务费三种方式进行变现。
MaaS云服务应用：以上四类AI应用，都需要通过云计算的方式进行部署和应用，模型即服务（MaaS）正在成为继IaaS、PaaS和SaaS之后，云计算的最新增长极，Azure、GCP和AWS等云厂商也成了AI能力的“分销商”，按分销的AI能力及所消耗的硬件资源进行收费变现。
以上五类应用里，在降本增收上初显成效的只有MaaS云服务和推荐引擎。其他应用类型，即便是微软的Copilot业务，本季度财报上所暗示的渗透率和收入体量，仍是微不足道。这是事实，也正是我们认为“AI投资与应用周期才刚起步，而不是马上要结束”的原因之一。
然而，随着GB200产品的下线和模型蒸馏的普及，上述应用推理成本将在接下来半年大幅度地下降。我们在前期报告中，已经解释过GB200如何在推理端，相对于H100实现性能15-30倍的提升；至于模型蒸馏，四月Meta发布的Llama3很好地向我们展示了这点：Llama3使用15万亿token的数据进行训练，使用4.8万颗H100芯片进行了六个月的训练，得出一个4000亿参数的模型，其性能预期将持平甚至超过1.8万亿参数的GPT-4的水平，低参数量大大地降低了模型运行的单位成本和功耗水平。这为我们展现了缩放定律提高模型性能之外，模型蒸馏在压缩推理成本的显著效果。
此外，新模型GPT-5发布在即，我们大胆地预测，GPT-4的进化方向是“多模态”，GPT5的进化方向很有可能是“代理能力”的完善。四月在Meta的业绩会上，扎克伯格在最后一条问题被问及Llama的进化方向时直言：“我认为这些东西的下一个阶段是处理更复杂的任务，变得更像代理，而不仅仅是聊天机器人。对于聊天机器人，你给它发一条信息，它就会回复你的信息，它几乎就是单轮通信。而代理要做的是，你给它一个意图或目标，然后它就会去做，可能会在后台自己执行很多查询，以帮助完成你的目标，不管这个目标是在网上研究什么，还是最终找到你想买的合适的东西。”吴恩达在此前的斯坦福大学演讲中，也展示过一张图（如下），在编程任务中，会使用工具，会进行规划与反思，会进行多代理合作的大模型，在GPT3.5和GPT4的基础上，模型能力都得到了飞跃式的提升，且基于GPT3.5的模型能力并不显著落后于GPT4。就好像一位清华毕业生和一位普通一本大学生，虽然能力有差别，但如果教会他们公司的工作流程，给予有用的工具，能与部门其他同事紧密合作，其工作成果都将得到明显提升，且效果可能都会很好。GPT4在四月推出了“初级记忆功能”，我们预计接下来会有更多的代理能力模块的面世，显著提升大模型的性能。
图片
当模型推理的成本得到大幅压降，模型性能也得到大幅提升，应用的渗透率则理应变得更广。更多的人机交互会被自然语言所取代，模型所生成的内容变得更加可控和准确，模型推荐效果更加精准，更重要的是更多的复杂任务可被“自动化处理”，MaaS云AI与EdgeAI也会同步得到发展。FSD就是个很好的例子，当FSD进入V12版本之后，推理成本和运行功率也大幅下降，模型能力得到了大幅提升。在四月北美全面推广试用20天后，特斯拉财报公布已有90万车主在使用FSD V12，20天累计产生了3亿英里驾驶数据，这相当于过去8年总和的30%。我们预计试用期过后，FSD渗透率在北美可能也将超过50%。
图片
推断三：随着应用渗透率逐步地提升，与互联网的Freemium模式不同，以订阅费/按用量收费的AI商业模式，收入或利润率也会同步得到提升。
互联网时代的商业模式，本质是“流量变现模式”，是通过各种免费的内容与服务，吸引并累积足够数量的用户，再将用户注意力作为广告资源进行变现，或从其中一小部分用户身上，赚取称为“增值服务”的虚拟产品收入。这种模式底下，累积流量在前，收入利润在后，所以即便到了今天，仍有一小部分知名的互联网企业仍处于盈亏挣扎的生死线上。
但AI商业模式可能有所不同。无论是2B还是2C，AI“赋能”的商业本质，更像是软件的商业模式，主要通过“订阅、授权费、按用量收费”这三种模式进行商业化变现。早期可能存在免费试用阶段，但总体收费更直接，更靠前。我们看到Gpt4、Copilot、Perplexity、CharacterAI、Midjourney、Tesla FSD、Github、Adobe Firefly等当下几乎所有AI应用，都是付费使用的，只是因为渗透率偏低的原因，财报收入尚不显著。就连全球最大的广告公司谷歌，旗下免费的Ai产品Germini也在考虑转为付费使用，试图探索AI时代的商业模式转型。
所以，我们认为市场担忧的“AI商业模式不清晰，收入利润不显著”，很大概率会随着AI应用渗透率的提升而快速消失，而不像互联网时代那样有一个时间差。
图片
推断四：当下AI估值中等偏上，互联网泡沫的记忆让市场不见兔子不撒鹰，波动率会一直比较大，但改变不了时代前进的方向。
当前几家AI科技企业，估值中等偏上，不便宜但并没有特别贵。英伟达动态估值30倍，处于过去5年估值（20,50）的平均水平；Meta动态估值20倍，处于过去5年估值（10,25）的中等偏上水平；微软动态估值34倍，处于过去5年估值（15,35）的顶部，但微软马上进入25财年，按20%的增速算估值又将切换至28倍的平均水平。
在此估值状态下，每个财报季都会以担忧与猜忌开头，在暴涨与暴跌中落幕，市场多空博弈激烈，期权交易活跃。但这种激流涌动、水花四起的市场波动，也没能改变时代潮流的方向。那些在财报后暴跌的公司，也大多会再一次证明自己，逐渐收复失地。谷歌就是其中很好的例子。过去两个季度的财报后暴跌，谷歌都最终能收复失地；而本季度，谷歌云延续Q4的增速上扬趋势，进一步加速增长，同比增长28%，与此同时，谷歌云的运营利润从上年同期的1.9亿美元翻了四倍多至9亿美元，令市场十分意外。CFO称：“人工智能为客户带来的益处支撑了我们在整个云计算领域的增长。” 本次财报后股价出现跳涨。
这种估值与市场表现，是市场理性与非理性的共同表现：理性在于以事实和确定性为指引，不见兔子不撒鹰；不理性在于市场过于急切想看到商业成果和投资回报，导致博弈成分过大。而长期投资者则应当回归到企业长期基本面本身，理性承受市场波动。
以上四个推断，是我们对当下基本面风险给出的判断，至于战争和利率的风险，我们在前期报告中也做过分析，便不再赘述。
牛市多急跌，相对于一片欢欣鼓舞，其乐融融，质疑与分歧反而是市场健康前行的信号。长期投资比拼的是“谁看得远、看得准、敢重仓、能坚持”，在这条时代大脉络下，必定也伴随着质疑与分歧；而学会分清主次矛盾，规避永久性损失，忍受短暂性波动，是伴随伟大企业长期成长，摘取时代果实的必经之路。
图片
图片
免责声明
图片
市场有风险，投资需谨慎。在任何情况下，文章中的资讯仅供读者参考之用，文中提到的公司亦仅为阐述产业逻辑，所有内容均不带任何投资建议，读者不应单纯依靠本文而取代个人的独立判断。对于因使用、引用、参考本文内容而导致的投资损失、风险及纠纷的，东方港湾不负任何责任。
图片
人划线

意思就是说，亏损是正常的？

穿越周期，穿越历史，穿越公司

/