人工智能常見問題——融資疑慮、投資回報率與應用步伐

近期對人工智能融資的疑慮

上周新興雲供應商遭拋售，是由於需求轉弱，還是主要因為投資者情緒轉變？

上周新興雲供應商的公開市場債券及股票遭拋售，相信更多是反映市場對人工智能的投資情緒轉變，而非基本需求轉差。雖然如此，隨着人工智能基礎設施建設規模不斷擴大，信貸息差擴闊是一個明確訊號，反映投資者日益關注融資風險。

為何市場對人工智能基礎設施的疑慮在過去數周不斷升溫？

疑慮不斷升溫，是因為市場爭論的焦點已從「需求是否真實存在？」轉向「建設所需資金能否到位，又能否在可接受的回報水平下完成？」多項因素加劇投資者的不安：新一波圖形處理器（GPU）算力投入市場，引發市場對未來使用率、定價，以及舉債建設基礎設施能否帶來合理經濟效益的質疑，即使預期算力供應仍將偏緊。Gartner的一份報告亦預測，隨着成本壓力加劇，加上商業模式難以形成差異化，到2030年，超過80%的新興雲供應商可能會停止獨立營運。與此同時，一家大型人工智能平台公司的最新消息被市場視為好壞參半，加上融資、電力供應及建築工程延誤，進一步加深市場憂慮。

為何某家新興雲供應商會成為焦點？市場正在重新評估甚麼？

一家專注於圖形處理器的領先新興雲供應商成為市場焦點，但這次重新定價似乎主要由融資成本推動，而非基本需求出現任何明顯變化。該公司的商業模式依賴固定價格的多年期算力合約，與提供相關算力所需的基礎設施融資成本之間的差額。該公司購買圖形處理器、租用數據中心容量，並透過專設實體為項目融資，而債務通常會在5年期客戶合約的前半段償還。由於收入大致固定，利率上升會削弱新項目的經濟效益。該公司公布的待履行合約收入達1,040億美元，另有250億美元的客戶承諾金額。然而，要履行這些合約，公司需作龐大的前期投資，並持續取得債務融資，而投資者正日益質疑其能否維持這種融資能力。

這會否波及更廣泛的市場？

市場情緒轉差及技術性因素可能會引發市場波動。特別是較高的借貸成本會削弱項目的經濟效益，令企業更難取得資金，並延遲新增產能投入，從而導致整個人工智能基礎設施領域的融資環境收緊。上周超大規模雲供應商的信貸息差短暫擴闊至7月以來的最高水平，正好反映潛在的溢出渠道。即使基本需求仍然穩固，融資環境收緊及交付受限，仍可能透過定價及項目執行層面，促使行業整合並對企業盈利構成壓力。

話雖如此，區分企業直接承受的信貸風險與盈利壓力十分重要。即使資產負債表未有錄得重大信貸損失，新興雲供應商的重組仍可能透過營運及商業渠道影響超大規模雲供應商，當中可能涉及產能交付延誤、投資、預付款項或合約支持安排。另外，若圖形處理器租賃價格普遍下跌，亦可能壓縮整個生態系統的基礎設施投資回報，當中包括規模較大的企業。

這當中亦存在潛在的緩衝因素：財力較雄厚的超大規模雲供應商或能以較低成本取得產能，甚至收購陷入困境的資產。若實力較弱的營運商被迫縮減規模，這些大型服務商的相對市場地位或會因此提升。最終結果取決於這主要是個別營運商面對的融資問題，還是人工智能基本需求轉弱的早期訊號。

如果融資條件進一步收緊，誰面臨最大風險？

新興雲供應商通常透過出租圖形處理器算力營運，客戶群相對集中，並涉及大量借貸；超大規模雲供應商則擁有更廣泛的雲端服務業務，並能依靠較充裕的內部現金流為投資項目提供資金。新興雲供應商的主要弱點在於三項特徵同時存在：人工智能客戶群集中、依賴舉債擴張，以及圖形處理器資產的經濟價值可能較預期更快下跌。龐大的已簽約待履行訂單不一定能消除融資或交易對手風險，因為長期合約只有在客戶如期付款，而且項目能夠完成的情況下，才能發揮保障作用。

參與這場競賽的企業，資產負債表實力並不相同。評級較低的新興雲供應商較容易受到借貸成本、能源價格及再融資條件的影響。相比之下，評級較高的超大規模雲供應商應更有能力承受這些壓力，其發債活動亦較容易獲得尋求優質債券收益的投資者支持。

為何信貸市場目前較周期早段更為重要？

隨着人工智能資本開支的資金來源日益由內部產生的現金流轉向外部融資（圖表1），信貸市場在決定基礎設施建設的步伐及回報方面，將扮演更重要的角色。較高的利率亦會推高用於折現未來盈利的貼現率，從而對整個生態系統的估值構成額外壓力。

儘管融資方面出現雜音，為何我們仍對人工智能算力的基本需求持正面看法？

人工智能算力的基本需求仍然龐大，而隨着代理式工作流程擴展，下一階段的人工智能應用很可能會更加依賴推理運算。長遠而言，即使短期融資條件可能收緊，單位成本下降可望擴大可開拓市場的規模。與此同時，實體條件如土地、電力及建築工程，正日益成為主要制約因素。因此，更大變數或許在於誰有能力交付產能，而不是市場是否存在需求。如果這些樽頸持續存在，已率先取得土地、電力、融資及基礎設施合作夥伴的企業，或可取得更有利的商業回報。

投資啟示

在經歷連續3年由人工智能帶動的強勁市場回報後，投資者在承擔風險方面變得更加挑剔。這進一步印證我們的觀點：即使繼續把握長線投資機遇，適度降低投資組合風險或許仍是審慎之舉。

投資回報率的爭論

既然算力需求強勁，為何投資回報率仍備受爭議？

強勁的算力需求，不一定能為所投入的資本帶來吸引的回報。關鍵在於變現規模能否迅速而廣泛地擴大，從而支持目前基礎設施建設所涉及的龐大資本投入及資金成本。

目前的資本開支意味變現「門檻」有多高？

隨着資本開支預期上升，要證明人工智能投資合理所需達到的門檻亦不斷提高。Empirical估計，到2020年代末，相關基礎設施建設可能需要消費者及企業付費用戶每月平均支付約100至300美元，遠高於目前市場的整體變現水平。現時支出集中於人工智能應用程度最高的10%企業。根據Ramp的數據，支出最高的10%企業訂閱客戶，目前每名員工每月的相關支出已達675美元（圖表2）。隨着市場繼續採用價值較高的應用程式，這項差距或會逐步收窄。然而，真正的挑戰在於能否將最高一成客戶的付費意欲，擴展至更廣泛的市場。

投資回報率是否主要取決於少數前沿實驗室？

區分人工智能投資的集中程度與相關基礎設施需求的廣泛程度十分重要。前沿人工智能實驗室正迅速擴張，估計今年合計收入將接近2,000億美元，而推理運算的經濟效益亦被形容為穩健，毛利率約達70%至80%。不過，一家領先的圖形處理器製造商指出，大型人工智能實驗室及超大規模雲供應商，只佔整體已建成基礎設施需求約三分之一；另有三分之一用於支援傳統工作負載，其餘則服務初創企業、一般企業、主權實體，以及新興雲供應商。換言之，即使兩家頂尖模型實驗室推動大部分新增產能承諾，最終投資回報率亦不會完全取決於它們的表現。

投資啟示

歸根究底，投資者面對的挑戰在於時機及資本密集程度。人工智能基礎設施目前需要投入龐大資金，但變現成果可能要經過多年才會逐步實現。即使長線投資機遇仍然吸引，而市場亦有能力為相關建設提供資金，資本開支增長快於投資回報實現的步伐，仍可能令估值持續受壓，並對質素較低、槓桿較高的企業造成較大壓力。

人工智能應用及長線投資啟示

人工智能是否已獲大規模應用，還是目前仍停留在市場熱話階段？

應用與變現是兩回事。目前在美國企業中，大規模出現的是人工智能應用。約三分之二的標普500指數成分企業曾在業績電話會議上談及人工智能，但只有17%提供具體的應用證據，僅2%量化人工智能對盈利的影響。

至今哪些企業在財務上最為受惠？

最明顯的贏家是銷售人工智能基礎設施的企業（圖表3）。半導體股今年以來累升逾30%，標普500指數則升約12%；人工智能基礎設施受惠企業預計將貢獻指數在本輪業績期超過一半的盈利增長。話雖如此，越來越多證據顯示，科技業以外的企業亦正從中受惠，只是相關效益目前未必能從利潤率或盈利中清楚反映出來。

為何難以從財務業績中「看見」人工智能帶來的效益？

人工智能的應用範圍雖廣，程度卻往往不深：近三分之二的大型企業正在開發或部署人工智能代理，但只有約十分之一已將其全面推廣至整個企業。即使人工智能能夠提升生產力，節省的時間亦不一定會轉化為成本節省。此外，人工智能項目通常與企業重組及自動化措施同步進行，令個別效益難以清楚區分。而質素改善或留存率提高等部分效益，本身亦較難量化。

投資者應留意甚麼，以辨識早期領先企業？

以下四項特徵，有助識別能將人工智能應用轉化為持久競爭優勢的企業：

1. 隨着功能強大的模型日益普及，專有數據可能成為主要差異化優勢，特別是競爭對手難以複製的資料；
2. 在受監管行業中，行業知識及監管專長尤其重要，因為相關輸出必須準確、可以解釋，並可供審核；
3. 隨着更多工作流程由人工智能代理執行，企業若具備核心記錄系統的地位，即其權威交易、信貸或基準數據已融入客戶的工作流程，便可藉此獲得渠道優勢及客戶信任；及
4. 最後，網絡效應亦可能進一步增強，因為從一名客戶取得的數據，可用於改善其他客戶的產品體驗，保險數據分析等共享數據模式便是例子。

投資啟示

挑選贏家仍然困難，因為人工智能很可能重塑不同產業、商業模式及客戶行為，而企業轉型的步伐，可能較前沿技術進展所預示的更為漸進。現時的優勢未必能永久維持，但仍可能持續足夠長的時間，讓部分企業從中獲利。對投資者而言，部分較不顯眼的人工智能受惠企業，正憑藉持久的競爭優勢，將人工智能應用轉化為收益，因而帶來投資機遇。這亦進一步凸顯在整個人工智能價值鏈中精挑細選及分散配置的重要性。

c9251c75-ccb7-11f1-aeab-c1a401523a4d