概覽
- 人工智能（AI）的安全與監管正成為市場焦點。基於對安全風險的切實憂慮，以及財務與政治方面的考量，業界領袖紛紛呼籲放慢模型開發步伐。
- 由模型訓練轉向推理，或會拖慢人工智能硬件資本開支的增長，但同時可能改善人工智能實驗室的經濟效益，並擴大人工智能在各行業的應用。
- 人工智能相關主題的市場波動日益加劇，人工智能開發者與應用者的表現亦出現分化。隨着此投資主題不斷演變，投資者應着重投資組合的韌性與多元化。
在剛過去的周末，有關人工智能模型潛在風險的討論進一步升溫。Anthropic行政總裁Dario Amodei發表一篇題為《We Must Pace the Frontier》的文章，呼籲業界放慢模型能力提升的步伐，以便聚焦於安全問題。短短一日內，OpenAI、Google DeepMind及xAI的行政總裁亦相繼表示認同。各大機構在模型能力方面激烈競爭多年後，罕有地展現一致立場。此前整個夏季，公眾對人工智能的不安情緒日益加深，與模型訓練相關的事故及警告亦有所增加1 。隨著人工智能基礎建設相關的市場波動日趨頻繁，投資者有幾個值得探討的問題：1）為何突然出現放慢發展步伐的呼聲？2）這將如何影響人工智能相關資本開支預測？3）市場不同板塊可能有何反應？以及4）投資組合應如何部署？
1. 人工智能實驗室為何紛紛關注安全問題？背後原因不止一個
a）模型迅速發展引發切實的安全憂慮：多年來，各實驗室一直討論人工智能系統會否變得過於強大，以至難以控制，並威脅到人類安全（或造成重大財務損失）。今年7月發生的一宗事件更敲響警鐘。在OpenAI進行的一項安全測試中，一群正在運行的智能代理似乎自行協調行動，突破沙盒環境的限制，並在未獲指示的情況下入侵另一家公司Hugging Face的系統2 。
b）首次公開招股臨近帶來的財務考量：有觀點認為，隨着上市在即，這些實驗室有理由放慢發展步伐，以改善其財務指標。相關措施包括將重心由模型訓練轉向經濟效益較高的模型推理，並量化一旦發生安全事故可能承擔的責任。
c）公眾觀感轉差帶來的政治考量：數據中心正面對強烈的公眾反對，而且兩黨均有反對聲音。蓋洛普近期一項調查顯示，80%的美國成年人支持人工智能安全規則，而非加快人工智能發展。地方層面的人工智能監管提案亦不斷增加，今年至今，美國各州議會已提出1,561項人工智能相關法案3。人工智能監管看來已不是會否實施的問題，而是何時實施。若由模型實驗室自行提出監管規則，或能為其帶來優勢，甚至可能藉此限制競爭，尤其是來自中國開放權重模型及小型市場參與者的競爭。
2. 前沿模型發展放緩對資本開支步伐的影響：訓練與推理
目前市場共識預期，超大規模雲供應商今年的資本開支將接近8,000億美元，明年更會突破1萬億美元。這些開支令人工智能建設的「賣鏟子」企業大為受惠，包括半導體、硬件及電力企業；相關領域今年以來的盈利與市場回報均十分強勁。因此，投資者目前最關注的問題之一是：這些高企的資本開支預期將會有何發展？
現實是，大部分人工智能算力已不再用於訓練模型。預計推理（即運行現有模型的工作）將佔今年人工智能算力約三分之二，遠高於2023年的約三分之一4。若前沿模型的開發步伐放緩，算力需求可能進一步轉向推理，令相關資本開支增長減慢。由於市場對最新、最昂貴人工智能硬件系統的新增需求主要來自模型訓練，部分「賣鏟子」企業的訂單增長或會放緩。
不過，從更宏觀的角度來看，資本開支的步伐最終將取決於人工智能在整體經濟中的普及程度。在此情況下，加快轉向推理反而可能帶來好處，因為這有助改善人工智能實驗室的單位經濟效益。相對於模型訓練，推理一直能為人工智能實驗室帶來更明確的經濟效益，既可延長每一代模型的商業壽命，亦可提高模型的投資回報。因此，人工智能實驗室可將更多資源投放於控制模型成本及實際應用。
至於監管，目前要判斷相關措施實際上會如何落實仍言之尚早。這些政策或會改變人工智能競賽的格局，但不太可能完全阻礙人工智能的普及進程。
3. 市場反應如何：開發者與應用者
周一，半導體股下挫6%，但人工智能主題並未遭到全面拋售，網絡安全、軟件及超大規模雲供應商的表現均相對較佳。雖然市場或需調整對部分「賣鏟子」企業的預期，但超大規模雲供應商所受的影響可能正好相反，市場對其資本開支規模的憂慮或會減輕，相關的自由現金流壓力亦可稍為紓緩。此外，軟件企業亦可能受惠於市場重新聚焦人工智能應用。前沿模型的發展步伐放緩，亦可降低下一代模型直接加入同類功能，從而取代軟件企業現有產品的風險。
4. 對投資組合的啟示：人工智能並非單一概念
即使是最看好人工智能前景的投資者，仍須審慎考慮投資組合的配置，包括持倉規模、集中度、槓桿及資產質素。從7月動能交易逆轉及近期的市場波動可見，市場仍難以消化人工智能在技術發展、基礎設施、應用及監管方面的變化，因而出現震盪。這是人工智能長期投資主題的固有特徵，而非異常現象，而且這類波動正變得越來越頻繁。即使人工智能需求仍然強勁，市場上的贏家與輸家亦會不斷轉變。
這提醒投資者，必須建立具韌性的投資組合，並在人工智能主題內外均作分散配置。雖然能真正分散「人工智能主題」風險的資產越來越難尋找，但仍包括政府債券、黃金及實物資產，例如核心房地產和基礎設施。