10分鐘閱讀

過去兩年來，投資者對 AI 的熱情成為了推動股市上漲的主要動力。儘管近幾個月熱情有所冷卻，但特朗普當選美國總統重新激發了投資者的樂觀情緒，使得風險資產，包括美國七大科技巨頭（MAG-7）及其他 AI 科技公司，再次受到青睞。

然而，要洞察 AI 的未來發展，回顧歷史將有助於投資者更全面地理解市場的全貌及當前所處的週期。在本月的CIO 投資思維中，我們將分析其他突破性技術的演變過程，以幫助投資者更清楚地把握當前形勢及其對未來投資的影響。

重點摘要：

• AI 概念股的上漲有其基本面的支撐，惟上升空間仍有待觀察。自 2022 年底以來，科技板塊的漲幅，尤其是 AI 相關的大型科技公司，主要受到穩健盈利表現和持續資本投資的支撐。然而，投資者對於「AI 泡沫」的擔憂依然存在，特別是在關於投入巨資建設下一代大型語言模型（LLM）基礎設施的商業模式是否可行方面，仍有疑問。
• AI 熱潮並非新鮮事：當前的繁盛是自 1950 年代早期發展 AI 以來的第三個週期，這得益於計算領域的突破。每個週期的突破都推動了下一階段的發展。最新的週期始於 2000 年代深度學習的興起，研究人員認為，當前的週期將在未來促成通用人工智能（AGI）的實現。除非所謂的「擴展定律」被證明是錯誤的，否則對 AI 基礎設施的投資很可能會持續增長。
• 借鑒互聯網時代的經驗，AI 時代的下一批受益者可能尚未浮現。展望未來，AI 的下一波受益者可能超出當前的 Mag-7 和半導體公司範疇。任何能夠利用 AI 技術實現規模化的公司都有可能受益，這包括製藥公司、自動駕駛車網絡，以及大量的「個性化內容創作者」。
• 鑑於 AI 應用場景仍存在高度不確定性，投資於多元化指數是一種把握其投資潛力的有效方式。考慮到 AI 應用的變化，投資於多元化的市場指數是一種穩健的策略。隨著 AI 技術逐漸應用於更多行業和公司，這種策略不僅能幫助捕捉技術普及帶來的經濟收益，還能有效降低環境快速變化所帶來的風險。

AI 概念股的上漲受惠於基本面

美國大選結果重新點燃了所謂的「特朗普交易」，反映出投資者對特朗普政府親商立場及其傾向於放鬆監管的樂觀情緒，這有效推動了科技股和其他風險資產的反彈。（詳情請參閱：CIO 投資筆記：大選結果已定 特朗普再度歸來。）

讓我們將視角放遠一些：AI 相關股票的快速上漲（以 Magnificent Seven 為首）實際上始於 2022 年底 ChatGPT 推出的時候。其中表現最突出的公司是 Nvidia，這家公司從一家專注於圖形處理的企業，成功轉型為 AI 革命的代表。其股價上漲主要受到兩大因素的驅動：

1. AI 驅動的盈利增長：走在開發 AI 前沿的公司已顯著改善了其盈利表現。這不僅僅是投機性的熱潮，以 Nvidia 為例，自 2022 年第四季度以來，該公司的季度盈利增長了超過 10 倍，其中數據中心業務在最新季度貢獻了近 90% 的 350 億美元營收。這種強勁的增長也反映在股價上，Nvidia 預計來自雲服務提供商的需求在未來幾個季度將持續強勁。如下圖所示，這種強勁的盈利增長與其股價的上升密切相關，因為這些公司持續投資於數據中心，未來幾個季度的需求將依然強勁。
2. TINA（There Is No Alternative，別無選擇）：在過去約 18 個月中，除了 Mag-7 以外的公司在製造業增長緩慢和高利率環境下，其盈利增長表現相對平淡。這一差異十分明顯：截至 2024 年第二季度，這七家大型科技公司的盈利增長達到了 35%，而 S&P 500 指數其餘成分股的增長僅為 6%。

圖 1：Nvidia 強勁的盈利增長反映在其股價上（資料來源：Bloomberg；註：截至 2024 年 11 月 20 日）

市場對宏觀環境變化與 AI 投資回報的擔憂依然存在

儘管預期未來宏觀經濟環境將向好，且主要 AI 領軍企業持續交出強勁的盈利業績，投資者仍對 AI 驅動的股市漲勢能否持續表示擔憂：

1. 宏觀環境的轉變：隨著美聯儲持續降息，以及特朗普政府推出的財政刺激措施，AI 領先企業與市場其他公司的增長差距可能開始收窄。摩根大通預測，這一差距將在 2025 年進一步縮小，預計 S&P 500 指數其餘成分股的每股盈利（EPS）增長將達到 14%，而 Mag-7 的增長則為 18%，如下圖所示。
2. AI 投資回報受到質疑：儘管 AI 在企業和消費者中的普及度迅速提高，且超大規模企業已宣布投入數十億美元資本來建設 AI 數據中心，但市場對於其收入模式的清晰度的擔憂日益增加。這種現象類似於計算機普及早期所出現的「生產力悖論」，即大規模 IT 投資未能立即帶來可見的生產力提升。最近，Sequoia 發表的報告《AI 的 6000 億美元問題》質疑 AI 投資最終未必能實現預期回報，潛在損失的缺口可能高達 6000 億美元。

圖 2：S&P 500 指數其餘成分股的盈利增長有望追趕 Mag-7（資料來源：J.P. Morgan Asset Management Guide to the Markets)

雖然第一個擔憂更多是週期性的，第二個擔憂則更具結構性。為了理解這個暫停是否只是更長賽程中的短暫休息，還是更顯著調整的開始，讓我們深入探討生成式 AI 的歷史和可能的未來發展。

從 ChatGPT 誕生前的歷史理解 AI 的週期性發展

儘管 ChatGPT 等最新發展已成為許多人眼中的 AI 代名詞，人工智能的歷史卻可以追溯到 1950 年代。這一領域經歷了多次繁榮和衰退的週期，這些變化主要由技術突破以及隨後的局限性認知所驅動。以下是 AI 週期的簡要總結：

1950-1960年代：AI 誕生，初期投資者對市場持樂觀態度

1970年代：第一次「AI 寒冬」，因早期承諾未能實現而導致市場冷卻。

1980年代：專家系統的興起重新激發了對 AI 的興趣。

1990年代：第二次「AI 寒冬」來臨。

2000年代至今：深度學習技術引領了革命性的進展

圖 3：AI 的變遷: 歷史的視角（資料來源：StashAway）

這一歷史背景對理解當前 AI 格局至關重要。它提醒我們，儘管 AI 的潛力巨大，但其發展往往並非一帆風順，挫折是進步過程中不可避免的一部分

當前 AI 的繁榮源於計算能力的重大突破

現今的 AI 繁榮自 2000 年代初開始，與以往的發展大不相同。本次繁榮的核心驅動因素源於深度學習技術的出現（詳情請參見下方詞彙表），該技術大幅提升了 AI 在各個領域的應用能力。

這次繁榮的基石是所謂的「擴展定律」，該理論認為隨著模型規模、數據集大小和計算能力的增加，AI 的性能將實現可預測的提升。這一原則已成為 AI 領域投資的指導方針。

簡而言之，各大企業和政府正在投入數十億美元用於構建更大的語言模型和更強大的計算基礎設施，並相信擴展定律將持續奏效，最終實現通用人工智慧（AGI）。

儘管一些樂觀的估計認為 AGI 最早可能在 2027 年出現，歷史經驗卻告訴我們，這條路可能會非常崎嶇。領先的 AI 研究人員最近指出，我們正接近通過預訓練（pre-traning，即模型從海量數據集學習的初始階段）擴展大型語言模型的極限。然而，好消息是：研究人員在訓練後階段發現了新的「擴展定律」，這將允許進一步的持續改進。

AI 的下一個重大發展方向

投資者應該如何看待 AI 發展的下一階段？儘管半導體行業和 Mag-7 明顯是目前的贏家，但我們認為還有其他領域值得投資者關注。

大型語言模型（LLM）的關鍵突破促成了多個領域的一系列進步和應用。我們可以參考 IT 研究公司 Gartner 的「技術成熟度曲線」，該圖展示了不同技術的成熟度、採用程度及其社會應用情況。

圖 4：AI 技術成熟度曲線（資料來源：Gartner）

雖然 AI 的某些領域仍處於早期發展階段，如多智能體系統和因果 AI，但其他技術則更接近於實現可擴展的生產力增強。例如，在過去幾個月中，自動駕駛汽車憑藉生成式 AI 的應用取得了快速發展。特斯拉計劃在不久的將來推出其 robotaxi，而 Alphabet 旗下的 Waymo 也計劃進一步擴大其業務範圍。

下一波 AI 受惠者是誰？能否是那些會技術規模化的公司？

雖然初期對 AI 的興奮和投資主要集中在其基礎設施上，但該技術的最終贏家可能來自其應用領域，這一點與 2000 年代的互聯網熱潮類似。

圖 5：互聯網技術成熟度曲線（資料來源：Gartner）

正如傳奇投資者、Tiger Global Management 創始人 Chase Coleman 所指出的，幫助普及全球資訊網（World Wide Web）的 Netscape Navigator 瀏覽器在推出後的兩年內，成立的公司如今僅佔全球互聯網市值的不到 1%。

今天許多互聯網巨頭，如 Alphabet、Meta 和 Amazon，在互聯網採用的早期階段既不是新成立的公司，也不是處於初期階段。隨著互聯網時代的發展，內容分發的邊際成本基本趨近於零，使這些平台得以快速擴張。

現在，隨著 AI 的發展，我們看到內容創作本身也在經歷類似的變革。創作內容的邊際成本正在接近零，這為多個行業創造了廣闊的機遇。例如：

1. 製藥公司：創建個性化用藥配方
2. 科技公司：提供 AI 驅動的個人助理
3. 教育公司：提供高適應性、個性化的學習體驗
4. 娛樂公司：根據個人偏好生成定制內容
5. 金融服務公司：提供超個性化的投資建議

我們相信，能夠有效利用生成式 AI 創建並銷售個性化內容的企業，將擁有創造巨大經濟與股東價值的潛力，並可能推動下一輪牛市，就像 2010 年代的互聯網平台公司引領科技繁榮一樣。

通過投資多元化指數捕捉 AI 的發展

隨著 AI 發展進入下一階段，行業前景可能變得更加撲朔迷離。儘管押注下一個 AI 贏家看似具吸引力，但歷史顯示，這是一項困難且高風險的任務。我們建議採用更為審慎的投資策略，包括：

1. 在 AI 生態系統中進行多元化投資，涵蓋硬件、軟件以及 AI 驅動的各個行業
2. 投資那些可能因 AI 提升生產力而受益的行業
3. 投資具有強大 AI 研發能力的公司
4. 關注展示創新 AI 技術應用的新興企業

對於大多數投資者來說，捕捉 AI 發展帶來的上行機會最簡單和有效的方式是通過投資與廣泛股票市場掛鉤的 ETF。隨著新興 AI 領導者的成長和成功，他們在被動指數中的權重會自然增加。保持指數投資使你能夠參與這些公司的成功，同時降低過度押注於任何單一公司或行業的風險。

對於更具針對性的投資方式，我們的未來投資組合為你鎖定那些走在創新前沿的科技公司，專注於主要增長型技術，緊跟未來發展趨勢，從大趨勢到主題式投資，突破傳統金融的界限。這些投資組合旨在捕捉長期的爆發性增長，並為你提供更多的投資機會。我們正在更新未來投資組合，並擴大智識砌自主組合的 ETF 選擇，為你把握未來的機遇。敬請期待未來幾週的更新！

釋義

大型語言模型（LLMs）

指基於訓練數據模式創建新內容（如文本、圖像、代碼）的 AI 系統，LLMs 專注於大規模處理和生成人類語言。

通用人工智慧（AGI）

一種理論上的 AI 形式，可達到人類智慧水平，能夠獨立理解和解決各種問題。

深度學習

模仿大腦神經網絡運作的技術，通過多層網絡處理數據、識別模式並作出決策，是許多 AI 突破背後的關鍵技術。

資料中心

存儲、處理和分發大量數據的設施，是訓練和運行大型 AI 模型的核心基礎設施。

超大規模數據中心

提供雲計算、網絡和互聯網服務的大型公司，例如 Amazon（AWS）、Microsoft（Azure）和 Google Cloud。