Transcription
我想更深入地探讨的是这个价值万亿美元的问题，也就是萨提亚·纳德拉一直在问的问题：我们是否真的看到了需求的持续增长，以及公司和用户是否真正从他们对人工智能公司的投资中获得了切实的投资回报？那些不仅谈论它，而且还能将其与经济收益联系起来的公司，实现了 4.8% 的更优越表现。然后，那些能够提及具体投资回报率的公司，表现更好，年化超额收益为 5.2%。您还看到的是，公司在人工智能方面的投资额——这是非基础设施方面的——与市场给予它们的估值之间基本上没有关系。落后者和早期采用者基本上以相同的价格交易，尽管其中一组在人工智能使用方面遥遥领先，而另一组则根本不关注这个问题。凯，欢迎回到《超额收益》。很高兴见到你。我也很高兴见到你。我们的听众现在可能非常熟悉你了，因为我想这是你第六次或第七次做客。你曾为我们做过客串主持，但今天我们想请你来谈谈最新的投资者更新和你称之为“准研究论文”的文章。这将是一次非常有趣的讨论，因为我认为很多投资者都对这个话题感兴趣。但是，对于可能不熟悉凯的听众，你是 Sparkline Capital 的创始人。你通过 ETF 经营着一系列专注于无形价值的投资策略，我认为你在市场上开辟了一个通过机器学习和自然语言处理的视角来审视和分析公司的空间，你的许多研究都侧重于此，而你发表的文章，标题为“人工智能采用者：繁荣的受益者”，就像在问一个许多投资者心中萦绕的问题：人工智能的受益者是谁，或者来自哪里？所以你试图采取一种系统性的方法来审视这个问题，并思考在市场历史的背景下，以及如何去识别这些机会。在我们开始之前，这篇文章可以在 ETF.sparkline.com 上下载。这次对话将包含一些来自凯的文章中的图表和图片。所以，如果你不是在听，或者在 YouTube 上观看，你可能想切换过去，因为这样你会收获更多。总之，凯，希望这个开场白没问题。抱歉说了这么久，但我们显然是你那里所有工作的忠实粉丝。我想从你写论文的开头开始。我们将按时间顺序进行，但你引用了微软首席执行官萨提亚·纳德拉的一句话，让我来读一下，我想让你解释一下为什么这很重要。他说：“为了不让它成为泡沫，定义上就需要人工智能的益处能够更均匀地 spread，而不仅仅是资本支出驱动的经济增长。”那么，你能解释一下你为什么从这句话开始吗？是的。当然，这是微软首席执行官萨提亚·纳德拉几周前在达沃斯论坛上说的一句话。有趣的是，他直接回应了人工智能是否是泡沫的问题。他说：“你看，我可以给你一个框架来告诉你它是否是泡沫。”基本上，如果它是一种只对科技公司有帮助的技术，那么在 10 年后，我们只是在谈论英伟达支持的 OpenAI，后者支持了微软等等，而资金只是在那个科技生态系统内流动，那将是一个泡沫，对吧？如果增长只是由少数几只股票的资本支出驱动的，那就是泡沫，而相反，为了不让它成为泡沫，定义上，我们需要这项技术更广泛地渗透到经济中，渗透到非科技股。他举了一个用例的例子，他说，如果我们谈论的是 10 年后出现的一种奇迹药物，它由于人工智能加速了临床试验而推向市场，那是一个胜利，对吧？他说，他认为我们是否处于泡沫之中，他的观点是我们不在泡沫之中，因为他确实认为“它正在发生”。我更有信心，这项技术将建立在云计算和移动通信的基础上，传播得更快，并改变生产力曲线，并在世界各地带来地方盈余和经济增长。而不仅仅是资本支出驱动的经济增长。那是狭隘的时间点，对吧？所以他显然考虑到他可能存在偏见，但他确实看到了技术能够传播的未来。现在你问为什么这很重要。我认为这为整篇文章定下了基调，这篇文章实际上建立在我去年 10 月写的一篇题为“在人工智能资本支出热潮中生存”的文章之上。正如你所提到的，贾斯汀，那篇文章借鉴了历史，谈论了我们所见的和已采用的更具“熊市”基调的基础设施建设的历史影响。这篇文章可以看作是那篇文章的续集，更侧重于机会所在。我想更深入地探讨的是这个价值万亿美元的问题，也就是萨提亚·纳德拉一直在问的问题：我们是否真的看到了需求的持续增长，以及公司和用户是否真正从他们对人工智能公司的投资中获得了切实的投资回报？因为如果是这样，他们将继续这样做，继续投资人工智能，为基础设施建设者带来收入；如果不是，他们将放弃他们的试点项目，我们将经历一个过度建设的周期，那将是一个泡沫。对吧？所以，这篇文章的整个框架就是试图直接解决这个问题，并说我们有什么证据可以证明我们在周期的哪个阶段，以及采用是真实的还是仅仅是炒作。>> 你在里面的一张图表是经典的科技传播曲线。那么，根据我们今天的处境，你认为我们在这条曲线和轨迹上的哪个位置？>> 是的。是的。这是埃弗里特·罗杰斯提出的经典的 S 型曲线采用和传播图。我为当前情况稍微调整了一下。所以，基本上，我说技术传播分为五个阶段。第一个是我称之为基础设施阶段。当你构建任何技术时，无论是互联网还是人工智能，你需要做的第一件事就是构建轨道。在这种情况下，就是构建充满 GPU 的数据中心来实际运行技术。一旦完成，下一个问题是，人们真的会买它吗？好吧。也许它们应该更并行。但无论出于何种原因，这些事情往往是按顺序发生的。然后，在早期采用阶段之后，就会出现落后者。那就是早期大众、晚期大众，然后真正的落后者开始采用，那时你就知道这项技术已经达到了饱和。所以，这些 S 型曲线可以在历史上追溯，从电力、铁路、手机等等。你可以看到这些东西在多年的时间里演变。这里也有一些数字。所以，一般来说，当罗杰斯提出这个框架时，大约 2.5% 的人，也就是两个标准差的尾部，被认为是创新者或基础设施建设者，比如英伟达、谷歌、微软等公司。而到大约接下来的 13.5%，达到 15%，是早期采用者。然后剩下的 85% 是落后者。如果你看实际的采用数据，美国人口普查局维护了一些关于此的数据，大约 10% 的企业目前在美国生产中使用人工智能。所以，这大概把你放在那个点上。但更重要的是，我的意思是，如果你看看情绪的变化方式，以及纳德拉如何阐述这个问题，即使是两周前，在去年大部分时间里，问题是“我们能做到吗？”对吧？我们能建造足够的 GPU 吗？下一代英伟达 GPU 真的能工作吗？它们能大规模生产吗？我们能连接它们吗？我们能筹集足够的资金来建设这些庞大的数据中心吗？谁来支付所有这些费用？对吧？这些都是被问到的重大问题，它们或多或少已经解决了，对吧？所以，我们现在正走在未来 5 年内花费数万亿美元建设数据中心的道路上。那么下一个问题就来了，好的。所以，我们可以做到。现在，下一个问题是，他们会买吗？对吧？我们正在建设的所有东西真的会有可持续的最终用户需求吗？如果答案是肯定的，那就太好了。也许这是值得的，如果答案是否定的，那么我们显然就麻烦了。所以，我认为每个人都在问这个问题。你可以把甲骨文的股票看作是衡量我们所处周期的最佳晴雨表。它波动很大，去年夏天，当他们宣布与 OpenAI 的大交易时，它一夜之间上涨了 30%。当时投资者对任何投资于建设更多人工智能能力的举措都非常乐观。从那时起，股价下跌了 50%。对吧？对吧？所以，我认为情绪已经发生了一些变化，投资者开始说，嗯，也许这不是最好的选择，我们应该更认真地考虑这些钱流向哪里，以及它是否真的能产生投资回报。而且，如果你看看这些繁荣的历史，你会发现每个行业的股票表现都与你在周期中的位置相呼应。所以在电信繁荣时期，例如，环球穿越甚至 AT&T，它们的股票不仅跑赢了股市，甚至跑赢了纳斯达克，在繁荣的最初几年里，直到它们不再跑赢。所以在最初，基础设施公司，你知道，它们做得很好，因为你知道人们正在花钱建设东西，然后领导地位会转移到早期采用者，最终转移到整个市场。所以，我认为每个人都在问的重大问题是，这些支出是否会产生正的投资回报，而且双方都有人。那么，你是如何用这个人工智能驱动的投资回报率分类框架来解决这个问题的？>> 是的，你看，我认为我看到的挑战是，关于这个支撑整个繁荣的万亿美元问题的绝大多数数据来自小型调查。如果你还记得，有一项由麻省理工学院进行的调查，他们发现，我记得标题是，95% 的人工智能试点项目都失败了。那是一个令人不安的标题，但如果你仔细研究一下，那是一项针对少数几家企业的调查，所以不一定具有统计学意义，当然也不代表更广泛的群体。而且，不仅仅是挑剔他们，在双方都有极端乐观和极端悲观的例子，但所有这些都只是基于对少数几位首席执行官或首席信息官等的调查。所以，这是一种回答这个同样重要的问题的方式。我选择的方法并不完美，但我认为至少可以解决一些样本选择问题，那就是尝试查看公开财报电话会议中的信息。所以，这是我们都可以访问的信息，每年都有数千家公司让他们的首席执行官、首席财务官在电话会议上发言，回答关于各种主题的问题。当然，人工智能是他们今天被迫要解决的主要话题之一。我所做的是，我说，让我们解析这些文件，关注一个事实：我们知道首席执行官们有动力夸大其词。他们有动力夸大他们在人工智能方面的投资，因为这会帮助他们的股价。每个人都知道这一点。那么，我们该如何应对呢？我决定不仅关注对人工智能的提及，我们确实关注了，而且还关注了更狭窄、更受限制的电话会议子集，其中首席执行官或首席财务官报告了由于人工智能而导致的收入、成本、生产力、利润率、风险、资本效率的量化改进。例如，可能是“我们实现了 20% 的人员减少，以服务固定数量的客户服务请求”。这是一个数字，20% 的数字，你需要看到这些数字，这通常可以解决含糊其辞的夸夸其谈的问题。然后，我们有这三个类别中最狭窄的类别是人工智能驱动的投资回报率，在这种情况下，我们不仅有收入的增加额，还有与公司最初用于构建人工智能系统的成本相比的收入增加额。所以，仅仅因为你能产生 2000 万美元的人工智能驱动收入是很好的，但如果建造系统的成本是 1 亿美元，那可能不是好的投资回报率。所以，我们希望看到公司说，“嘿，我们做了这个项目，而且我们确实获得了良好的投资回报率。”这意味着他们很可能会在一年内扩大规模，这是最好的结果。所以，再次，分类法有三个不同的层次，最广泛的是公司是否谈论人工智能的使用，第二，更中等的，他们是否也谈论如何在电话会议中提高生产力或节省成本，第三，他们是否能够将此作为相对于成本基础的积极投资回报率来衡量。我将在这里展示图表四，因为它非常酷，因为你听到很多人谈论人工智能的好处，但你并没有真正看到来自像他们总是使用的元公司的确切例子，他们做得更好的广告定位，你在这里看到了，但它只是有趣的是，这是跨越整个经济的，这是完全不同的公司类型。所以，这些东西是真实的，而且它们就在那里。是的，你看，我的意思是，这个图表四这里有一个小样本，你可以看到在过去一年里，电话会议中提到了数百次人工智能。所以，我只展示了一些我觉得有趣的东西，显然这似乎具有代表性，但你知道，你可以自己去看看。例如，雅诗兰黛在北美媒体活动中看到了 31% 的投资回报率增长。联合健康，在一家汽车零部件工厂。飞利浦在客户支持方面，我们的人工智能客服代理将支持成本降低了 80%。目标公司正在使用自主库存机器人，将拣选物品所需的时间缩短了 45% 以上。公共存储，对吧？它们是一家房地产投资信托基金，或者说是一家房地产公司。他们的人工智能人员配置系统将劳动时间减少了 30% 以上，同时还降低了员工流失率。RTX 用它来制造导弹。美国银行，他们也有一个编码用例。CH Robinson，一家物流公司，正在使用人工智能来更快地响应报价并赢得更多业务。辉瑞现在正在谈论使用人工智能来帮助节省研发方面的成本。他们认为 5 亿美元是一个不错的目标。所以，你可以看到，从金融到工业，再到医疗保健，整个经济中都有用例，远远超出了我们在技术和编码领域看到的。是的，对我来说，作为一个对人工智能持怀疑态度的人，或者说对所有支出是否值得持怀疑态度的人来说，这真的很酷。我们还不知道，但像公共存储这样的公司，你不会想到。它不是一家科技公司。我的意思是，他们经营着存储设施，并且看到了这种好处。所以，这确实表明了它将如何渗透到整个经济中。>> 是的，我的意思是，这绝对支持纳德拉的论点。>> 那么，就这些收益的来源而言，你有一个很好的饼状图，我们将在这里展示，但你可以认为，你之前提到过，它们可以以多种方式出现。它们可以来自收入的顶线。它们可以来自成本。那么，你能谈谈我们看到的这个饼状图，以及它到底说明了什么吗？>> 是的。所以，当我设计这个模型来解析这个大型语言模型，解析财报电话会议记录时，我定义了大约六个不同的类别，我认为可能是提升的领域。所以，在顶线，正如你所提到的，收入增长，然后是成本节约、生产力提高、利润率扩张、风险降低和资本效率。结果是，大约三个类别解释了绝大多数的提及，这三个类别是收入增长，即收入增加、需求、定价能力、转化率或留存率；生产力提高，即周期时间缩短、人均产出、运营效率；以及成本节约，即人员减少、自动化节省和 IT 服务及成本降低。所以，至少在目前的周期阶段，这三项构成了我们到目前为止看到的数百次提及的大部分。>> 是的。在下一个图表中，我们也看到，这只是跨公司而言，这些提及正在增加，对吧？就提及人工智能带来更好投资回报率的公司而言。>> 是的。所以，你看到了两件事。首先，你看到了谈论人工智能的公司数量的增加，对吧？所以，宇宙大致是固定的，你知道，有几千家公司正在进行这些电话会议，而其中的数量一直在大幅增加，尤其是在 ChatGPT 出现以来的过去几年里。但更令人感兴趣的是，在那些谈论人工智能的公司中，那些能够报告实际收益的公司比例一直在增加。所以，如果你看中间类别，那些提及人工智能驱动的经济收益的公司，这个比例从大约 10% 增加到了 32% 的提及人工智能的公司。换句话说，三分之一谈论人工智能的公司也能够将其与具体的收益联系起来，即通过人工智能实现的数值优势。而最严格的子集是提及投资回报率的公司占人工智能提及总数的比例。这个比例从几乎为零增加到了 7%。所以，你知道，按定义来说，这是一个小得多的比例。但我们也看到这个轨迹随着时间的推移稳步增长。而且，顺便说一句，这是从 2017 年到 2026 年。所以，大约是过去十年。我猜投资者关系部门可能会说，“确保多提一下人工智能。”我猜尤其是那些不一定直接与人工智能相关的公司。>> 是的，我认为这是，我认为人工智能的提及率有所增加。但我认为我们发现的是，那些谈论具体“周期时间增加 52%”的公司比例也在增加。而且，这可能也是，你知道，美国证券交易委员会和其他各种机构，你知道，开始意识到“人工智能洗白”的想法，对吧？粉饰太平。>> 对。所以，我认为公司也被告知，“嘿，你看，如果你有一个具体的例子，那就谈谈吧。不要只是说，哦，是的，我们正在进行数字化转型，任何人都可以说，当然。”>> 你所做的很酷，因为你实际上将这些公司分开。你不会谈论“周期时间”之类的词，如果你只是编造这些东西来放在你的财报电话会议上。你可以区分那些有合法性的人。>> 是的。而且，你看，这也有好处，显然公司会按照他们想要的方式进行包装，但这些都是公开声明。你知道，这有欺诈的成分。如果你在这些财报电话会议上说了什么，如果你撒谎，你就会坐牢。所以，至少有一些声誉上的强制执行，或者法律上的强制执行，来支持在电话会议上说的话。至少他们不会公然撒谎。>> 所以，当我们转向图表八时，这很酷。你能够在这里查看公司类别以及它们是否产生超额收益。那么，你能谈谈吗？>> 是的。所以，你知道，我多年来一直在谈论的一件事是，在财报电话会议、10-K 文件或任何其他方式中更多地谈论人工智能的公司，其表现优于市场。这在这里得到了体现，年化超额收益为 3.2%。真正有趣的是，那些不仅谈论它，而且还能将其与经济收益联系起来的公司，实现了 4.8% 的更优越表现。然后，那些能够提及具体投资回报率的公司，表现更好，年化超额收益为 5.2%。顺便说一句，这是针对整个宇宙的。如果我们只看行业中性或排除科技公司，这种模式仍然存在。所以，这也存在于我们前面提到的那些纯粹的工业老经济名称中。在我看来，随着我们转向图表九，这是按行业划分的，在我看来，这是可以使几乎任何行业受益的事情，回到你之前的例子，比如公共存储。我的意思是，这是我们应该期望几乎所有行业都能受益的事情，对吧？>> 是的。所以，我认为这张图表有两个维度。所以，首先是跨行业的分布，对吧？所以，首先你看到的是，有些公司，有些行业正在更积极地采用人工智能，而有些则没有。所以，这与直觉是一致的。最积极追求人工智能的是软件、半导体、硬件、技术、媒体、娱乐、电信、商业和专业服务、医疗保健和金融，对吧？这与直觉是一致的。所以，我想大约两年前，我写了一篇关于人工智能的文章，当时我试图为每家公司以及行业层面的公司和行业对 LLM 提升的敞口进行定义。换句话说，根据你在 X 公司所做的所有不同的日常任务，有多少百分比可以被人工智能自动化？所以，对于呼叫中心来说，那就是 100%，而对于，我不知道，石匠来说，那就是零，至少在目前。有趣的是，我们能够将其汇总到行业层面。所以，我有一张两年前的完全相同的图表，关于人工智能效率的潜在增长，它与此非常吻合，对吧？所以，确实是这样的，如果你是一家公司的首席执行官，你说，“是的，我是一家软件公司，我可能会被人工智能颠覆。”正如这些人正在学习和弄清楚的那样，我最好投资于这些东西，平均而言，对吧？而如果我是一家食品饮料和烟草公司，从人工智能方面损失不大，是的，也许我只是观望一下。所以，这与直觉是一致的。虽然我确实注意到了一些异常值。所以，如果你对这两件事进行散点图分析，你会发现一些异常值。特别是，你知道，区域性银行，虽然它们对人工智能的敞口很大，但平均而言并没有做什么。还有制药业。令人失望，对吧？所以，尽管有纳德拉关于人工智能利用研发效率的用例，但你并没有看到像我预期的那样多的投资来自制药研发方面，考虑到有很大的转型潜力，这可能是由于监管的繁文缛节，这是我的猜测。但它们似乎落后于它们本可以达到的水平。所以，总之，这是第一个维度，即人工智能的传播在经济中是不均匀的。一个维度是核心行业。另一个甚至可以说是更有趣的维度，至少对我来说，是行业内部的组成部分，对吧？就是说，是的，平均而言，软件公司更倾向于人工智能，但即使在那里也有一个分布。然后，你甚至可以深入到最老经济的工业部门。是的，也许大多数公司什么都没做，但会有一些早期采用者真正引领潮流。这里的分布是相当右偏的，也就是说，比如说，85% 的公司在一个给定的行业内基本上什么都没做，但有 15% 的公司正在积极抓住机会。所以，这是一小撮早期采用者，然后是一大群落后者，这确实反映了我们在 S 型曲线中看到的分布，即从创新者到早期采用者再到落后者的传播模型，我们正在数据中看到这种幂律分布，这非常有趣。我只是好奇地问一下，因为你提到了软件，这在新闻中很常见。那些股票简直被摧毁了，我认为 Red Holtz 的最新播客叫做“软件屠宰场”之类的。他们请了一位科技分析师。我想知道你是否认为这有点过度了？我的意思是，你认为像 Salesforce 这样的公司和这些大公司存在风险吗？你认为人们会带着人工智能来构建这些东西，比如用克隆代码之类的东西，或者你认为这有点过度了，或者你认为这是一个巨大的真实风险，对这些大型 SaaS 公司？>> 是的，我的意思是，我认为这是一个微妙的问题。我会说，是的，在其他条件相同的情况下，这些公司确实面临着来自人工智能的重大阻力，因此它对该行业构成了真正的颠覆性威胁。所以，该行业已经下跌，方向上是正确的。我想说，有几件事正在发生，比如它们可能在进入时估值过高。但那是，那是公平的。现在，我认为机会在于存在很大的分散性，也就是说，一切都被不加区分地抛售了。你知道，你提到了 Salesforce，它们更像是记录系统。然后你还有 Adobe，还有很多其他做完全不同事情的股票。如果你有一个名字叫 SAS 或软件，你就下跌了 50%。就是这样。但显然，这些公司将，你知道，你知道，最终，你知道，度过这个时期的方式会非常不同。所以，我认为，你知道，有几个维度很重要。当然，这是个案，但你知道，那些更像是记录系统的公司可能比那些实际上是仪表板或底层数据包装器的公司更不容易受到颠覆。你知道，那些更像是孤岛的公司，你只关注一个垂直领域，可能比那些更普遍使用的公司风险更大。可能有一些这样的变量很重要。但再次，我认为这取决于个案。所以，从这次抛售中走出来，你知道，我认为肯定会有一小部分高质量的科技股被过度抛售，并且会，你知道，从长远来看是很好的机会。哦，是的，那是一个世代的买入机会，买入 X 公司。但是，是的，我的意思是，作为一个整体，你知道，我认为这些股票下跌的事实并不一定是错误的。我的意思是，这确实感觉像是，当你有，当编码基本上变得无限充裕时，应该发生的事情。回到论文，你将公司分为三类。你有基础设施、早期采用者和落后者。那么，你能先谈谈你是如何做到的吗？你是如何弄清楚哪些属于哪个组的？>> 是的。这是一个两阶段的过程。所以，我首先将基础设施公司与非基础设施公司区分开来。所以，基础设施公司是指任何对人工智能的扩展和部署至关重要的公司。所以，这可能是芯片方面的英伟达。这可能是内存或存储。这可能是网络，数据中心，模型公司本身。所以，像 OpenAI 或 Anthropic 这样的软件公司，它们训练大型语言模型，我会认为它们也是基础设施的一部分。你知道，甲骨文和人工智能云。所以，这是第一类。然后我说，谁不属于这一类？大多数公司都属于这一类。然后，在非基础设施类别中，我将其分为两半或两类，让我称之为那些早期采用人工智能的公司。想想银行，它们实际上一直在积极投资，试图将人工智能融入它们的业务，然后是其他人，也就是人工智能的落后者。所以，现在有这三类。>> 在这三类公司中，百分比细分是怎样的？>> 是的。嗯，我应该提一下，关于我用来做这个的数据。当我定义什么是人工智能投资时，哪些公司在投资人工智能，而不是不投资时，它结合了许多不同的数据源，比如查看专利、商标、员工简介，你知道，在各种文件中的叙述，就像我们讨论的那样，把所有这些信息汇集起来，然后编译所有这些信息，以了解哪些公司真正投资于人工智能，而不是不投资。而这就是我创建行业图表的连续维度，也是我定义早期采用者与落后者截止点的那一维度。但是，是的，关于百分比的问题，它又回到了那个，它几乎就像，它非常像教科书。它落入了我们之前在传播模型中看到的相同的分布，大约是，我认为是 80% 的公司被认为是落后者。换句话说，它们在将人工智能纳入其业务方面没有取得任何有意义的进展。在剩下的 20% 中，大约有 10%，也就是一半是基础设施公司，另一半是早期采用者。所以，让我们来看看这个图表 11，这很酷。你实际上将基础设施、早期采用者和落后者进行了分类，然后你从行业角度审视了它们，我想基础设施就是你所期望的。它主要是科技公司，但在幕后，在你看法方面，我发现它非常有趣。>> 是的。所以，基础设施是 85% 的科技公司。落后者则相反。只有 15% 是科技公司。其余 85% 是工业、金融、材料、能源等。所以，这也是符合预期的。对我来说有趣的是中间类别，早期采用者。所以，早期采用者类别中有大约 33% 是我提到的科技行业，通信和非必需消费品，所以它们倾向于科技，但并非压倒性地是科技。事实上，大多数早期采用者实际上是老经济行业中的人工智能领导者，我前面提到过许多例子。所以，这是一个有趣的混合公司，它不是科技，但又不是真正的科技，或者至少不是传统意义上的。>> 所以，早期采用者也是报告投资回报率最高的公司，我认为这很有趣。>> 是的。这是图表 12。我所做的是，我说，现在我有了这个股票组合，它根据我之前的“先验”采用衡量标准定义为早期采用者。所以，在年初，我们知道谁可以定义，然后我们可以看看这一年的表现。所以，进入 2025 年，在 2025 年，这些公司实际上在说什么关于它们在人工智能驱动项目中的投资回报率，我们发现了一个相当强的相关性。所以，我们发现早期采用者中有大约 81% 在谈论人工智能，51% 在报告人工智能收益，然后 17% 在报告人工智能投资回报率。在光谱的另一端，落后者，只有 38% 在谈论人工智能，9% 在谈论收益，1% 在谈论投资回报率。然后基础设施处于中间位置，它们报告了，你知道，26% 的报告收益，9% 的报告投资回报率。这很有趣，对吧？因为，你知道，显然这些是“镐和铲子”。所以，他们是那些在向使用人工智能的人销售产品时赚钱的人，当然，但事实证明，他们可能在自己的运营中并没有像用户那样积极地使用人工智能。我想这部分是定义上的。但这是一个有趣的观察，对吧？就人工智能真正具有变革性，并允许我们像纳德拉预测的那样，改变生产力曲线并提高我们的利润率而言，你知道，谁将真正受益？你知道，显然基础设施公司将受益于他们销售产品来促成这一切，但实际上是在落后者（占股票的 80%）和早期采用者之间，他们可能会从落后者那里夺取市场份额，因为他们正在利用人工智能来驱动这些收益。在基础设施领域，是不是很多是因为他们为自己建造？我总是对他们为自己使用与为他人建造之间的区别感兴趣。比如，像之前的元例子，你知道，我认为元公司在广告方面的投资回报率似乎相当不错，但如果只是为他人建造基础设施，那么投资回报率可能就不那么好了。这是一个重要的区分吗？>> 是的，这是一个非常有趣的问题。我的意思是，你有，是的，你有元公司，这是一个很好的例子，它是人工智能基础设施的最大支出者之一，他们基本上是为自己花钱。微软处于一个艰难的境地，因为他们试图两者兼顾，这造成了一些冲突，我认为在上次电话会议中我们看到了这一点。然后，他们，我猜纯粹的玩家，比如 CoreWeep，他们纯粹是一个“军火商”。所以，你知道，再次，价值的归属将取决于几个因素，我认为竞争是最大的因素。你知道，如果人工智能模型或人工智能芯片的销售能力已经商品化，那么利润池就不会太大。你知道，元公司是一家独特公司，因为它们，我不想使用垄断这个词，但你知道，在社交媒体方面，在它们给定的应用程序中，无论是 WhatsApp 还是 Instagram 还是 Facebook 蓝色，我的意思是，它们拥有相当大的份额。所以，你知道，它们可能能够获得其他公司在商品化业务中可能无法实现的投资回报率。所以，它们是一个独特的案例。>> 这里有趣的一点是，基础设施公司可能没有获得像早期采用者那样多的投资回报率，但市场却在很大程度上奖励了基础设施公司，对吧？就估值而言。是这样吗？>> 是的，我的意思是，你看，我的意思是，它们确实获得了投资回报率，只是不是来自，不是来自人工智能效率。不是说它们是，“哦，是的，你知道，我能够减少我的员工人数。”它们获得了投资回报率，因为它们，你知道，你知道，正在建设云基础设施，然后以利润出售。所以，它们确实获得了投资回报率，只是不是，你知道，纯粹来自内部人工智能工具的使用，只是为了说清楚。>> 那么，我们在图表 13 中看到了什么？这是一个散点图。它告诉我们关于采用与估值方面的信息？>> 是的，我认为这是一张非常重要的图表。所以我在这里展示的是一个散点图，X 轴是人工智能采用得分，从低到高，Y 轴是估值。所以，想想市净率、市销率，从低到高。你基本上看到的是一团云。所以，首先，在 X 轴上，你看到落后者的公司比早期采用者多得多，这再次是 80/10 的分布。你还看到的是，公司在人工智能方面的投资——这是非基础设施方面——与市场给予它们的估值之间基本上没有关系。换句话说，投资人工智能更多的公司并没有获得比那些只是观望、等待 10 年后事情发展的人更高的倍数。这很令人惊讶，对吧？因为这与我们在基础设施方面看到的正好相反。>> 是的。关于这一点有趣的是，它没有被看到。我们之前看到的是，早期采用者确实获得了投资回报率，但我们没有在估值中看到。所以，这其中可能存在某种机会，对吧？>> 是的，我认为有几个原因。我的意思是，你看，一部分原因是，它需要时间才能渗透到最终利润。你知道，很可能发生的是，在 2022 年和 2023 年，这些公司是大型公司，它们开始进行这些试点，你知道，测试这些东西，首先是模糊的 KPI，然后随着时间的推移，它们说，“嘿，这开始奏效了，让我们更大规模地去做。”所以，这可能需要一些时间才能真正推动利润。我们看到了一些例子，其中一些我之前提到过，一些公司实际上在季度盈利方面取得了巨大的成功，这直接归功于人工智能。但对大多数公司来说，它们仍然处于早期阶段。现在，请记住，建立这方面的专业知识需要很长时间。所以，即使它们还没有，它们仍然处于 J 型曲线的早期阶段，但其中许多早期采用者仍然比落后者领先三到四年。所以，即使这些公司开始获得巨大的胜利，比如从几年后开始，对于落后者来说，它们现在已经落后了五年，对吧？所以，我认为，我真正感兴趣的不是绝对值，而是相对值，思考一下，你知道，早期采用者比它们的竞争对手——也就是落后者——领先多少。就基础设施股票的估值而言，我也在想，有多少是算法，或者人们喜欢投资简单的事情，比如，如果你想投资人工智能，因为你总是听到这个，在散户交易者中，我想投资人工智能，这些简单的事情不会像你那样思考，比如公共存储可能是一个受益者。它们会想到显而易见的名称，也许在采用曲线的早期，这就是发生的事情。每个人都把钱投在显而易见的名称上。是这样吗？>> 是的，我认为有两个原因。我认为首先是，正如你所说的，第一阶的受益者比第二阶的受益者更容易思考。所以，第一阶受益者表现更好。你知道，它们也表现更好。所以，当你看到一只股票上涨 100% 时，你会想，“哦，这是因为人工智能。所以，也许我会买一些，它会再上涨 100%，如果人工智能继续下去的话。”所以，有一些显而易见的名称是人工智能的第一阶受益者，然后有一些不太显眼、更不为人知的第二阶受益者，它们首先是，根据定义，不太显眼，而且，你知道，这又回到了周期性。就像在开始时，投资人工智能，投资基础设施是有意义的。你确实想在电信繁荣的开始时购买电信股票，然后你想停止这样做，然后购买其他公司。所以，你知道，即使我不想过于愤世嫉俗地说人们很愚蠢。这也是人们知道如何玩转周期，他们会进入他们认为其他人会投资的东西，然后，你知道，我们将看看这是否会奏效，但历史上，我们会在某个时候看到领导层从基础设施转向更广泛的人工智能受益者。>> 我们可以看到图表 14，你这里有按类别划分的估值，你可以看到基础设施的股票有多么昂贵。它们的交易价格比市场高出显著溢价，而早期采用者和落后者则以折扣价交易。>> 是的。是的。所以，这可以追溯到 2015 年，大约 10 年前。当时，人工智能基础设施股票的交易价格比市场高出 20% 到 25%。所以，有点，但不是很多。今天。
他们高于 75%，对吧？所以在市场上几乎是两倍。所以，你知道，这是一段成为人工智能基础设施股票的好时光。嗯，这些公司做得很好，对吧？英伟达的收益确实大幅上涨。但除此之外，它们还面临着双重打击，因为随着人们期望它继续下去，估值也会扩大。然后，相比之下，你会看到，你知道，早期采用人工智能的公司和落后者，它们曾经与市场大致相当，而现在却略有折价，你知道，很大程度上是因为，根据定义，这些东西加起来必须等于一。所以，你知道，基础设施股票变得更贵，这些人就相对便宜了。嗯，但再说一遍，对我来说有趣的是，与其说它是什么，不如说这里的横截面相对价值比较更有趣，即落后者和早期采用者基本上以相同的价格交易，尽管其中一组在人工智能使用方面遥遥领先，而另一组则根本不关注这些东西。嗯，你必须假设，在某个时候，这些事情会分开，在某个时候，嗯，人工智能的早期采用者，如果人工智能变得像我们预期的那样具有变革性，那么他们实际上会，你知道，带来有意义的收益，嗯，并与他们的落后者同行分开。我认为你所做的事情很酷的是，你能够通过分析数据的方式，在这些早期采用者身上找到好处，甚至在它们尚未出现在财务报表中之前，对吧？比如你可能还没有在每股收益数字中看到它，但你看到了它们正在获得那些好处和投资回报率。>> 是的，我的意思是，这回到了我之前说的，比如，嗯，你知道，我们研究了哪些公司正在投资人工智能专利，例如，或者人工智能人才，然后发现，第二年我们也开始看到他们谈论哦，是的，你知道，我们确实做了这件事，而且它奏效了，我们获得了 25% 的投资回报率，对吧？然后，你知道，下一步就是将这些转化为更高的每股收益，然后转化为更高的估值，因为人们开始意识到这个，你知道，新的叙事。>> 所以你在论文中画了一个类比，这也回到了你关于资本支出繁荣的论文。你在铁路和光纤电缆之间画了一个类比，即建设者通过过剩产能补贴用户。你能谈谈它是如何运作的吗？>> 是的。所以，如果你回到 19 世纪 60 年代的铁路繁荣时期，你知道，建立了数百条铁路来利用连接美国大陆的机会。他们这样做了，然后他们都破产了，对吧？嗯，最终你会发现，铁路确实为美国创造了巨大的价值，对美国的 GDP 等等，所有这些价值都没有被铁路的建设者捕获，而是被用户和客户捕获了，对吧？所以，如果你是，你知道，零售商或类似的人，通过铁路运输货物，然后在互联网繁荣时期，你看到了，你知道，大量的金钱和大量的，嗯，光纤电缆被这些电信公司铺设，全球穿越公司，AT&T 等等，嗯，再次，电信指数下跌了 95%，而且还没有恢复，嗯，在互联网泡沫破灭中，这些公司基本上，你知道，无法捕获任何价值，嗯，相反，它是，你知道，嗯，嗯，早期采用者 Meta、Google、嗯，Netflix 捕获了所有价值，对吧？所以，基本上，在这两种情况下，我们都发现基础设施有点像公用事业。它是一件重要的事情。我们需要互联网，我们需要光纤，电缆，但最终利润不会在那里累积。利润累积在应用层，对吧？像 Meta 这样正在构建这些的公司，对吧？而动态的一部分不是，而是由于这种补贴成分，对吧？就像，你知道，这是资本周期。你们有所有这些公司，这些电信公司，比如说，你知道，正在建设，嗯，建设，嗯，铺设光纤电缆，H1 理性地认为我应该建造更多，因为有更多需求，这并没有错。但如果每个人都这样做，那么就会出现集体供应过剩，我们知道基本经济学规定，当供应过高而需求不足时，价格就会下跌，价格确实下跌了，你知道，我认为 85% 的光纤电缆未被使用，价格下跌了 90%。对吧？这对电信公司来说非常糟糕，而对 Netflix 这样的公司来说却非常好，对吧？对吧？这种情况一再发生。我认为，你知道，当我们进入人工智能周期时，我们应该，你知道，高度关注这可能会如何发展，对吧？你可能会陷入我们遇到的情况，就像我在历史上找到的每一个例子一样，技术确实具有变革性，但投资于实际构建这项变革性技术的公司，讽刺的是，却因此赚不到钱。而且你可能会想，为什么我问你同样的问题，就像我上个月你来的时候问你的一样，因为我确实一遍又一遍地问问题，但我学到的是人们不会看相同的 YouTube 视频。但我想问你关于这个论点的另一面，那就是这个论点与铁路和电信不同，因为它在基础设施中嵌入了智能，你认为有理由支持这一点吗？>> 是的。我认为当然，嗯，我认为很有可能在 10 到 20 年后，我们会回头说，是的，人工智能就像是最后的发明，就像它一样，它只是，什么都不会一样。嗯，但在那种世界里，我并不认为这是基本情况，顺便说一句，但如果这就是我们最终所处的世界，那么，你知道，无论这家股票是否上涨，这似乎都不重要。我们会讨论，我们如何才能恳求我们的人工智能统治者给我们更多的全民基本收入，对吧？这就是问题所在。嗯，这就是世界。但我认为你的基本情况必须是，好吧，这就像任何其他技术一样，对吧？它是建立在彼此之上的。你知道，电力在刚出现时一定非常具有变革性，互联网也是如此，对吧？而这些技术都建立在彼此之上，对吧？每一次你都会看到人类劳动力的替代，对吧？人们会失业。蒸汽机，你知道，让人们付出了代价。约翰·亨利失业了，或者别的什么。嗯，但你最终会创造新的工作来取代它们。嗯，所以，你知道，就像任何生产力提升一样，无论是计算器还是 Excel 还是任何这些东西，它们都会改变世界运作的方式。嗯，你知道人工智能，你可以，所以，所以我想你问杰克的问题是，人工智能是否是众多技术中的一种，还是它在某种程度上，你知道，结构上有所不同，嗯，是的，所以我的回答是，你知道，我认为我们必须为基本情况做准备，那就是它是一个，你知道，一个非常强大的，但仍然，你知道，仅仅是凡人的技术，它增强了生产力，嗯，就像许多其他事情一样，而不是它会完全，你知道，在社会中创造无限的富足，如果那样的话，嗯，我们又会有其他问题要担心了。>> 这是我问的最后一个问题，然后我把它交还给贾斯汀。我想问你关于产能过剩的想法，以及我们现在在哪里。因为如果你听英伟达的 CEO 说话，他们会告诉你，我们有未来很多很多年的需求。你认为我们还有很长的路要走，还是你认为也许只是这个领域里的人不一定认识到我们在产能过剩的道路上走到了哪里？>> 是的。嗯，我认为有两件事。首先，如果你是黄仁勋，当然你会这么说，对吧？就像说别的会很愚蠢一样。嗯，但其次，我认为很多都与时间范围有关，对吧？就像你想到，想象一下我们现在正处于互联网泡沫时期，对吧？就像当时这些人说的是完全一样的话，他们应该这么说。他们看到大量的客户排队购买人工智能芯片。他们看到，或者，或者在他们的情况下是光纤，对吧？他们看到，你知道，限制是我们无法生产足够的供应来满足需求，这当然是你看到建设早期阶段的情况，但问题是，建设现在正在进行，以建设我不知道另外 5 万亿美元的数据中心，或者未来几年数字是多少，这基本上已经是一个定论了，对吧？这些项目已经基本确定，正在建设中，对吧？所以，这正在发生，嗯，所以问题再次出现，不是，嘿，是否有短期需求，因为当然有，但如果这些项目没有投资回报率，那么公司就会说，“你知道吗？我将取消我的计划，”你知道，“我正在取消我的订单，”我想要这些芯片，但实际上发现这些东西是无用的，所以，是的，我不再想要它们了，对吧？这就是这些公司可能陷入的局面，它们，你知道，为 5 到 10 年的任何时间范围进行建设，你知道，需求，你知道，看起来似乎存在的是短暂的，而且，你知道，如果这些项目没有投资回报率，那么，是的，你知道，我认为要指出的另一件事是，像 ChatGPT 这样的东西，人们总是指出产品的指数级增长，这是令人印象深刻的，但只有 5% 的用户是付费的，对吧？所以，只有 5% 的人真正使用 ChatGPT 的人说，我要花我辛苦赚来的钱来使用这个产品，95% 的人说，是的，这很酷，但我不知道我是否想为此付费，对吧？嗯，所以这是另一部分，它不仅仅是使用量，它还包括他们能否将这些使用量货币化。>> 嗯，这是，就像你在论文中指出的那样，这个业务周围是否有真正的护城河？你有一张图表显示了这些大型语言模型之间的竞争有多激烈，以及它们的采用曲线，以及 ChatGPT，或者说 OpenAI 最初遥遥领先，而现在却与其中一些其他模型不相上下。>> 是的，我的意思是，这是个有趣的事情。我只是把数据放在一起。嗯，所以图表显示的是从 2022 年 11 月 ChatGPT 出来开始，当时 ChatGPT 是基于一个叫做 GBT 3.5 的模型。所以那是他们的，你知道，旗舰模型，当时，这是所有都在对数尺度上，Y 轴是它们远远领先于竞争对手，人们说哇，这太不可思议了，这比 Google 或你知道的 Meta 的任何东西都好得多，嗯，你知道，这将是一个垄断，就像其他所有科技产品一样，它将像，你知道，Facebook 一样，我们将拥有一个垄断，他们可以收取任何他们想要的费用，这家公司将价值数千亿美元，对吧？而且这持续了几代人，但然后你开始看到竞争，这是资本周期，对吧？如果有利润率，那么对其他人来说就是一个机会，对吧？人们看到高利润，他们说，“酷，我也想要。”然后他们就竞争掉了。所以我们看到的是，你知道，Google 振作起来了。嗯，他们一直在挣扎。他们实际上发明了支撑 GBT 的 Transformer 模型。嗯，但由于官僚原因，他们坐了几年。然后他们的创始人回来了，说他们进入了创始人模式，他们说，“好吧，我们将要，”你知道，“扭转这个局面。”你知道，最新的 Gemini，你知道，在最前沿，和最新的 OpenAI 模型一样好。嗯，然后你看到了，比如，嗯，Anthropic，我认为它是一个分支。嗯，一些离开 OpenAI 的人，他们得到了大型科技公司的支持，比如亚马逊，他们赶上了，Claude 和它一样好，甚至更好。而且我实际上花在我，你知道，LM 的代币上比在 OpenAI 上多，这有点有趣。嗯，因为我曾经很长一段时间是 OpenAI 代币的非常多产的消费者。嗯，所以，是的，你们有这三个模型在最前沿。然后你们甚至还有一些，你知道，所以 DeepSeek 会是一个很好的例子，它是一家公司，就像一个中国对冲基金，Quan 对冲基金制作了这个模型并开源了它，它不如闭源的竞争对手好，但它几乎一样好，而且便宜得多，效率也高得多。对吧？所以你开始看到很多，你说，争夺地位，嗯，看起来像是一个锁定的市场，有一个明显的占主导地位的参与者，现在已经分散成许多小参与者，对吧？这当然给了这些小公司在与客户打交道时更少的议价能力。所以，现在让我们来谈谈这些发现，我猜，你知道，它们是如何在指数层面显现的。嗯，特别是，你知道，我认为你问了一个问题，比如对于标准普尔 500 指数，你知道，我们已经确定，你知道，你识别的这个类别中的基础设施股票，你知道，它们的交易价格高于早期采用者和落后者。嗯，但你查看了落后者或早期采用者以及基础设施在各种市场指数和你的投资组合中的敞口。所以谈谈这在指数层面看起来是什么样的，然后我们可以进入，我认为，你的投资组合如何反映这一点以及你选择股票的方式。是的。是的。所以，我认为这是一张非常重要的图表。嗯，特别是标准普尔 500 指数，对吧？因为如果只是说，好吧，有一群，你知道，科技圈内人士在做这个疯狂的事情，人工智能，随便吧，那是一回事。但问题是，大多数普通投资者，他们只是说，好吧，我要买标准普尔 500 指数。那只是指数，市值加权，被动，随便什么。嗯，结果是，那是一个隐含的巨大赌注，赌注与我们刚才讨论的一样。所以，我们都知道标准普尔 500 指数是 33% 的 MAG7 股票，对吧？嗯，但如果你加上其余的基础设施名称，就达到了 46%。所以，标准普尔 500 指数中几乎一半是人工智能基础设施股票。有效地，这是一个巨大的赌注，赌注是人工智能资本支出支出的可持续性，对吧？所以，如果这奏效了，那么，是的，那太棒了。但就像，这对你来说是一个相当大的赌注，你一半的钱，对吧？作为一个普通的散户投资者，退休人员，无论什么，在标准普尔 500 指数中，投入到这个高风险的游戏中，你知道，像 Sam Alman 和埃隆·马斯克以及所有那些家伙都在玩的游戏，《权力的游戏》之类的，对吧？看到这一点真是太疯狂了。嗯，然后你的问题是，好吧，也许这有点疯狂。你知道，如果我是一名财务顾问，我会说，“好吧，也许我应该分散我客户的资金。”如果我是一个个人，也会说同样的话。我应该分散一点，嗯，在这些基础设施股票之外。那么你该怎么做呢？对吧？人们有三种标准的做法。嗯，这些是我在这张图表上称之为另类指数的东西。他们可能会去罗素 1000 价值或价值股。嗯，他们可能会去等权重或小盘股。他们可能会去美国以外，人工智能不那么普遍的地方，去 MSCI EA 或新兴市场。嗯，结果是问题是，那有点像是走向了另一个极端。所以现在你没有基础设施风险了，但你有落后者风险。嗯，价值股的 44% 到等权重标准普尔 500 指数的 66% 和 52% 都在落后者中，对吧？所以现在你说，“好吧，我就是要完全走向另一个方向，有效地做空人工智能，”嗯，然后购买那些在人工智能方面什么都不做的人，并希望它只是一个泡沫，然后它就消失了，对吧？在这种情况下，那将是奏效的。但问题是，如果人工智能是真实的，具有变革性，会发生什么？嗯，在这种情况下，你就错过了整个事情，对吧？这就像在互联网泡沫中没有购买任何科技股一样。是的，我想你错过了巴士，但你也错过了未来 10 到 20 年的生产力提升。嗯，所以，我认为这是一件相当困难的事情。嗯，这就是为什么我们专注于早期采用者，将其视为第三类，说看，这不是，这有点虚假的二选一。你不是被迫在标准普尔 500 指数或价值股之间做出选择。有一个中间地带。这里有一个第三种选择，可以潜在地让你两全其美，那就是，你知道，接触人工智能经济收益，嗯，如果这些技术确实像我们希望的那样扩散，嗯，但没有估值风险和资本支出风险，这些基础设施名称有，对吧？嗯，所以你看看，这是，你知道，专门针对我们的基金投资者信函，嗯，但它显示了我们基金的头寸，基本上集中在 56% 到 59% 的这些人工智能早期采用者中，嗯，你知道，我们相信目前正处于，你知道，以一种最平衡的方式，朝着人工智能机会，嗯，这也伴随着很多风险。>> 是的。所以，所以有趣的是，就像，你知道，你有一张图表显示，你知道，在你谈论这个的时候，也许因为我们不想轻易带过它。我的意思是，你选择这些股票是基于，你知道，你的无形价值因素。所以这是你如何解决这些问题的一个重要方式。但同样有趣的是，你展示了投资组合中的转变，你知道，从 2021 年 6 月你拥有 40% 的基础设施到现在，你知道，22% 的基础设施，然后你展示了人工智能早期采用者从 37% 增加到 59%。是的。所以 59%。所以你，你知道，随着时间的推移，你在策略中增加了更多的早期采用者。对。>> 是的。我的意思是，我认为这说明了估值框架，对吧？我认为重要的是要注意，这种头寸调查不是主题性的覆盖。这不是我自上而下认为这会更好。这只是使用无形价值的有机自下而上过程的结果。对吧？所以传统价值，你知道，自然会从价格上涨但基本面保持不变的事物中轮换出来，反之亦然。但传统价值的问题在于，它们不起作用。这些指标，比如市净率，在无形资产密集型行业或公司中效果不佳，对吧？这恰恰是我们正在谈论人工智能的全部要点，而且，你知道，互联网也是如此，对吧？所以你需要一个更全面的价值定义，即无形价值，才能将这个框架应用于这些市场。所以有趣的是，你回到 2021 年，当时基金，这是 ITN，成立时，它实际上超配了基础设施名称，对吧？所以，你知道，我们被《华尔街日报》称为，他们称我们为，嗯，价值投资者购买大型科技股，这是一个，嗯，对于价值投资者来说，超配不仅是大型科技股，还有基础设施，这是一个非一致性的选择，对吧？所以我们有 40% 的人工智能基础设施，标准普尔 500 指数有 33%，嗯，嗯，那是，你知道，像英伟达这样的公司，嗯，然后，随着人工智能叙事的兴起，这些股票的价值上涨，对吧？自然，我们的模型说，我们仍然喜欢英伟达，这是一只很棒的股票，但是，你看，它的价格已经是之前的多少倍了，让我们开始卖出吧，对吧？所以模型自然会从那些做得很好的股票中轮换出来，估值也随之增加。我们看到了图表，它从 20% 上涨到，你知道，75% 的溢价，我们卖出那些公司，然后轮换，嗯，进入其他股票，但我们仍然想偏向人工智能，对吧？所以，想法是，你，这些模型一直在寻找相对于无形资产便宜的股票，这些无形资产不仅包括，你知道，品牌和知识产权，还包括与人工智能、机器人技术等创新技术相关的知识产权，你知道，基因编辑等等，其中人工智能当然是今天最重要的。嗯，所以我们，所以模型仍然偏向人工智能，只是碰巧，嗯，它们发现自己离开了基础设施，并在这些早期采用者中找到了更多的价值，这完全是有道理的，因为正如我之前向你展示的，它们以与落后者相同的折扣交易。>> 是的。谈谈你对人工智能收益的定义以及为什么这个概念在通过这种框架看待这些股票时很重要。>> 是的。看，所以，所以这完全回到了我刚才说的。人工智能收益，嗯，它就像股息收益，对吧？如果你是股息投资者，你会到处寻找相对于投资金额而言股息最高的股票，而不是绝对最高的股息，或者你只是购买大公司，那么这里也是一样，我想找到投资于人工智能的公司，或者模型想找到投资于人工智能的公司，并且正如你在这个表格中看到的，可以采取人工智能员工、人工智能专利、人工智能商标的形式，但如果你只看那个绝对数字，你只会买谷歌，对吧？所以我们想做的是，我们想找到那些生产大量这些资产相对于投资的公司的数量。嗯，有趣的是，你看看这三列。看看标准普尔 500 指数，第一列，你看到数字不是很高。原因不是他们没有，不是说 MAG 7 和最大的公司没有很多人工智能资本。问题是它们太贵了，所以抵消了这一点。相反，另类指数，以价值股为例。价值股，你知道，根据定义，估值非常便宜，但它们没有多少人工智能，所以你也会得到一个较低的收益，对吧？然后中间部分是我试图说的，关于两全其美。早期采用者，更具体地说，是我们关注的股票，通过 ETF。根据定义，我们试图找到具有高人工智能收益的公司，以及其他因素。嗯，所以数字要高得多，对吧？我们正在寻找真正投资于人工智能的公司，嗯，但尚未被市场定价。>> 是的。所以，所以这是美国聚焦的国内策略，DTAN 是国际策略。你可能弄反了。>> 是的。对。嗯，但是，是的，我说的对吗？>> 是的。是的。嗯，但是，但是你发现了什么，我猜，对于国际市场，你知道，有什么让你印象深刻的吗？我的意思是，我认为趋势也是一样的，如果我没记错的话，它一直在迁移。我不确定这是否在论文中，但，嗯，你发现了什么，你发现了什么，你知道，关于国际股票终于站起来了，最近的表现很好。嗯，但是，你发现它和美国之间有什么区别吗？>> 是的。所以，首先，你知道，大多数人大概都知道人工智能基本上是美国的东西，也许中国也是，但除了中国，大多数人工智能创新都发生在美国，对吧？我们都知道。嗯，但有趣的是，你知道，如果你只关注基础设施公司，那是真的，对吧？所有最好的，所有最好的模型提供商都在美国，当然，也许在中国，但如果你愿意做我所做的，并扩大人工智能受益者的定义，也包括二阶受益者，即那些有能力利用人工智能来提高利润的公司，你可能已经注意到，在收益电话报告人工智能投资回报率的例子中，一些公司是非美国公司，你知道，人工智能在你不分你身在何处，只要你是这项技术的用户，对吧？所以，如果你能够成为早期采用者，那么在非美国地区确实有很多好公司，嗯，它们有这种敞口。所以，56% 与我们在美国看到的差不多。所以，是的，我们在非美国地区确实看到了更少的人工智能基础设施公司，比如 Stevens Energy，嗯，那里的线路。你知道，我们都知道的很多公司，比如 ASML，价格都太贵了，太明显了。嗯，而且可能还有更多的落后者，对吧？欧洲公司，它们可能创新性较差，但它们有其他优势，对吧？它们可能有更强的品牌，比如奢侈品，诸如此类。所以你看到了更多的非必需消费品。嗯，所以你，你找到了其他方法来在人工智能之外寻找优势。但是，是的，最重要的是，嗯，是早期采用者领域。然后，如果你看看蓝色类别中的，嗯，在部门分布方面，在美国，它是更多的科技公司，而在非美国地区，它是更多的医疗保健、非必需消费品、工业品。这再次主要反映了底层宇宙的构成。>> 所以你认为，随着我们向前发展，你将关注哪些最大的事情，以评估和尝试，你知道，让你，你知道，掌握脉搏，看看我们是否正在获得收益，我们是否正在从人工智能中获得收益，相对于，你知道，所有这些成本。就像，如果你想得到那个，或者随着时间的推移监控它，一个想法可能是，只是思考你所做的工作，就像跟踪从落后者迁移到早期采用者的公司数量一样，这可能是一件事，你看看，只是公司的迁移，但你会如何回应？是的，我认为你是对的，贾斯汀。那是，那是需要关注的一件事。嗯，只是趋势的延续，我们在收益电话中看到的。嗯，首席执行官们继续报告更多、更大、更规模化的人工智能投资回报率。嗯，如果我们看到这种渐近线，那将是一件坏事。如果我们看到它，嗯，或者平台化，如果我们看到它继续增加，并且 S 型曲线，你知道，最终，嗯，在 100% 左右渐近。那很好，对吧？所以，我们希望看到越来越多的采纳。嗯，我正在做的事情也是，你知道，我并不代表平均企业。我是一家小公司，我自己也很技术化，但是，你知道，正如我们和贾斯汀讨论过的，我，你知道，整个周末都在玩云代码，试图做一些前沿的事情，并了解，你知道，最新的工具有多好，因为有一件事要记住，就是，你知道，这项技术发展如此之快，你知道，云代码，例如，这是，你知道，人们过去一周一直害怕的，因为它会取代软件公司，但三个月前它还不是，你知道，还不是那么好，而随着最新版本的发布，它变得非常出色，对吧？所以，在模型有多好方面，有一个巨大的变化，我们可以假设这种情况会继续下去。所以，对我们来说，你知道，重要的是，嗯，只是使用产品本身，并了解，你知道，技术取得了多大的进步，即使我们不期望，你知道，一家大型企业公司会立即使用云代码，你知道，明天，但是，你知道，我们可以，你知道，推断出来，并，你知道，假设在某种滞后之后，它会过滤进去，嗯，最终，对吧？对吧？所以，我认为这是结合起来看人们所说的，嗯，他们正在实现什么。嗯，也回到我们之前提到的观点，即希望看到它出现在实际的财务报表中。对吧？所以，获得人工智能试点项目带来投资回报率是一回事，但它仍然是，你知道，相对于他们整体收入的四舍五入误差，当它开始真正移动数字时，就像在某些情况下一样，但还没有更广泛地出现。这将是有趣的，除了作为技术人员，我们自己使用这些工具，嗯，更好地了解我们可以在哪里，你知道，预期曲线将如何，嗯，向前弯曲。>> 太棒了，凯，一如既往。我非常重视你的工作，我真的很喜欢看到这一切如何最终归结为投资策略和投资组合层面，并被包装在一个 ETF 中。所以，很棒的东西。我想说，我相信，让我把它找出来，因为我认为我是对的。是的，恭喜你的 Ican 获得了晨星五星评级。我不确定 DTAN 是否也获得了，但是，嘿，我们至少可以得到一个五星级，对吧？>> 对。是的，丹只存在了一年，所以我们还没有时间框架。是的，但好东西，凯。好的，伙计。非常感谢。>> 感谢收听本期节目。如果您觉得这次讨论有趣且有价值，请在您喜欢的音频平台或 YouTube 上订阅。您也可以在 excess returnspod.com 上关注 Excess Returns Network 的所有播客。如果您有任何反馈或问题，可以通过 excess returnspod@gmail.com 联系我们。本播客中的任何信息均不应被视为投资建议。播客中讨论的证券可能是主持人或其客户所在公司的持股。