AI 式“技術(shù)擴散”：過去 100 年的 10 個“前車之鑒”

AI 技術(shù)崛起，新一代技術(shù)革命可能就在眼前。然而，人類在過去的技術(shù)革命中留下了一些教訓(xùn)，通過這些歷史，我們在能學(xué)習到什么？

(資料圖片)

6 月 2 日，摩根士丹利股權(quán)策略師 Edward Stanley 在其報告中運用了技術(shù)擴散理論進行分析，該理論研究了技術(shù)如何從首次得到商業(yè)化應(yīng)用，經(jīng)過大力推廣、普遍采用階段，直至最后因落后而被淘汰的過程。

技術(shù)擴散是在技術(shù)進步和技術(shù)創(chuàng)新后才發(fā)生的。從人類歷史來看，技術(shù)擴散在技術(shù)進步過程中起著至關(guān)重要的作用。因為一項技術(shù)創(chuàng)新如果沒有經(jīng)過廣泛的應(yīng)用和推廣，就不會在物質(zhì)形式上影響經(jīng)濟。

據(jù)此，摩根士丹利認為，人工智能技術(shù)的擴散速度已經(jīng)超出了此前的任何一種劃時代技術(shù)，這意味著更多的投資機會，也意味著更多的問題。

比如，監(jiān)管問題，以及那些被顛覆的舊技術(shù)公司（它們的股價可能會從此一蹶不振），還有新技術(shù)提高生產(chǎn)率所帶來的通貨緊縮問題。

1# 發(fā)展速度、監(jiān)管問題

隨著技術(shù)的發(fā)展，每一代新技術(shù)都在此前基礎(chǔ)之上加速進化，所需時間正在不斷縮短。

摩根士丹利通過比較 1885 年后利用電力、2007 年后利用互聯(lián)網(wǎng)和 2022 年后利用人工智能的行業(yè)，自其各自的 "iPhone 時刻 " 以來的采用曲線（即新技術(shù)被大規(guī)模實際應(yīng)用所需的時間）。

數(shù)據(jù)顯示，從這三個技術(shù)各自的 "iPhone 時刻 " 到滲透率超過 10%，電力用了 20 年的時間，互聯(lián)網(wǎng)用了 7 年，而生成式人工智能只用了 1 年。

要到達 30% 的滲透率并輻射到相鄰領(lǐng)域，電力需要 30 年，互聯(lián)網(wǎng)需要 15 年，而人工智能則可能不到一半。

面對如此之快的速度，各國政府有關(guān)監(jiān)管的討論正在升溫。目前歐盟作為先行者即將推出監(jiān)管法案。

2# 下行速度>上行速度

縱觀過去 50 年的 80 條結(jié)構(gòu)性正負采用曲線，摩根士丹利指出，有兩點是明確的：

被破壞的行業(yè)的下行份額損失發(fā)生得更快，相對于利用互聯(lián)網(wǎng)作為分銷渠道的新興技術(shù)，前 5 年的峰值活動下降了約 20%。

在更長的時間內(nèi)，被破壞行業(yè)的份額下降也更加嚴重，在 15 年內(nèi)平均從高峰期下降 40%，而同期新進入者的市場份額增加 30%。

#3 股票下跌空間

新技術(shù)的發(fā)布，對于舊廠商的打擊是致命的。

摩根士丹利指出，在 iPhone 發(fā)布后，第一代手機廠商的股價在 2 年內(nèi)平均下跌了 50%，在 5 年內(nèi)平均下跌了 75%。

這些公司可以擺脫 " 挑戰(zhàn) " 的標簽，但混合轉(zhuǎn)型和資本投資需要時間。

比如摩托羅拉，其股價在 iPhone 發(fā)布后發(fā)了 2.5 年才觸底，十一年后才恢復(fù)到 iPhone 發(fā)布前的水平。

而對于另外一些被認為會受到新技術(shù)變革影響的公司來說，其股價可能會在短期內(nèi)迅速下跌，即使其財務(wù)數(shù)據(jù)仍然保持正常。

如曾經(jīng)的留聲機生產(chǎn)廠商 HMV，在其股價下跌 7 年后，其利潤才出現(xiàn)顯著下滑。

4# 股票上行空間

摩根士丹利指出，對于那些被認為是 " 贏家 " 的公司來說，股價上漲 100% 也是很常見的，但通常需要在 6 個月內(nèi)實現(xiàn)一致的銷售和收益上調(diào)，以維持倍數(shù)擴張。

在 iPhone 發(fā)布后的 6 個月里，蘋果的 EV/Sales 翻了一番。事實上，超過一半的這種情況發(fā)生在發(fā)布前，而不是發(fā)布后。

與此同時，共識股價在此期間只增加了 20%，從發(fā)布日期到 2007 年底只增加了 15%。

蘋果和老牌公司之間真正的分歧發(fā)生在接下來的 5 年里，蘋果的估值回落到低于 iPhone 發(fā)布時的水平，但普遍的銷售預(yù)測高出 8 倍。

對于老牌公司來說，盡管市場一致認為它們的銷售情況穩(wěn)定，但它們的平均估值仍高于 90%。

#5 炒作周期現(xiàn)在是常態(tài)，而不是例外

摩根士丹利指出，主題泡沫在觸頂后往往會有 3 年的修正期，比宏觀主題更快的周期，后者往往在 4 年后恢復(fù)。

與我們在過去 100 年追蹤的 70 個炒作周期相比，目前的反彈是一個異常值。現(xiàn)在的問題是，這個炒作周期比過去的炒作周期在多大程度上更具粘性？

為此，我們將密切關(guān)注谷歌趨勢 :

編碼生成人工智能 ( 例如 GitHub Copilot ) 工具的活躍度最初出現(xiàn)激增，但這一比例已回落至峰值搜索興趣的 45% 以下。

圖像生成 AI ( 例如 Midjourney ) 先于文本模型推出，其興趣從峰值下降至 50%。

文本生成人工智能 ( 例如 ChatGPT/Bard ) 最后一次部署是在 2022 年 11 月，事實證明它比上述方法更具粘性，但我們將繼續(xù)跟蹤消費者參與度。

#6 找到 GPT 的 " 殺手級應(yīng)用 "

在 iPhone 發(fā)布的時候，哪些廠商會被顛覆是清晰的，但最終的 " 贏家 " 在那時可能都是新生的初創(chuàng)公司，這些公司大多都以硬件作為與消費者的新接觸點。

從 50 多個 " 平臺 + 應(yīng)用 " 的創(chuàng)新中，摩根士丹利得出結(jié)論，" 殺手級應(yīng)用 " 往往需要 1.6 年左右的時間才能從新的顛覆性技術(shù)平臺中出現(xiàn)：

迄今為止，在這些初創(chuàng)企業(yè)部署的 130 億美元中，大部分資金都投向了大型語言模型制造商，如 OpenAI、Anthropic 和 Adept，等等。這些都是該領(lǐng)域的獨角獸企業(yè)。

其余約 20% 的資金用于下游應(yīng)用，如 HuggingFace 和其他支持新的集中式和開源式 LLM 的領(lǐng)先供應(yīng)商和平臺。

正是在這后一類資金中，我們期望看到殺手級應(yīng)用在未來兩年內(nèi)出現(xiàn)。

#7 " 贏家 " 幾乎 " 包攬一切 "

摩根士丹利指出，在過去的 100 年里，市值的領(lǐng)導(dǎo)地位更加容易變化。那些在在技術(shù)變革中處于領(lǐng)先地位的股票，往往在重大技術(shù)革新的 10 年后不再是領(lǐng)導(dǎo)者。

電力和互聯(lián)網(wǎng)的教訓(xùn)表明，那些早期利用自動化、電氣化的公司能夠在市場上獲得巨大的發(fā)展和價值。

變革性技術(shù)的擴散往往會導(dǎo)致股票市場領(lǐng)導(dǎo)地位的改變，自 1990 年以來，2.3% 的公司創(chuàng)造了 75 萬億美元股東回報。

對于那些覺得人工智能的上升空間已經(jīng)被定價的潛在買家來說，歷史表明，即使錯過了一個長期趨勢的第一年，也不會對其獲得 " 贏家 " 股票的多年回報產(chǎn)生什么影響。

#8 純粹投資股的高價

所謂 " 純粹投資股 "，即指那些專門從事特定行業(yè)或領(lǐng)域的公司股票。這些公司的主要業(yè)務(wù)活動和收入來源都集中在某個特定的行業(yè)，因此，其股票的表現(xiàn)與其特定行業(yè)或部門的表現(xiàn)高度相關(guān)。

摩根士丹利指出，從長期來看，與人工智能等主題相關(guān)的股票的估值有望比 " 非純粹 " 股票高出 10-50%，平均溢價為 25%。

雖然（生成式）人工智能并不是作為一個獨立的主題出現(xiàn)在我們的可持續(xù)解決方案數(shù)據(jù)庫中，但我們?nèi)匀唤ㄗh投資者將注意力集中在那些具有： ( 1 ) 最高和最可持續(xù)的進入壁壘， ( 2 ) 最好的數(shù)據(jù)和質(zhì)量， ( 3 ) 最低的內(nèi)部風險，以及 ( 4 ) 商業(yè)模式中有關(guān)人工智能敞口最純粹，產(chǎn)生的收入上漲或可持續(xù)成本降低的企業(yè)。

#9 提高生產(chǎn)力

摩根士丹利表示，在工業(yè)廣泛采用電力和互聯(lián)網(wǎng)普及之后，技術(shù)擴散往往導(dǎo)致生產(chǎn)率提高 2.5 倍（以人均 GDP 衡量）。

越來越多的企業(yè)溝通和學(xué)術(shù)文獻提出了跨行業(yè)的生產(chǎn)力提高，從使用 GitHub Copilot 獲得 55% 的開發(fā)人員生產(chǎn)力提高，到使用生成式 AI Copilot 獲得 14% 的聯(lián)系中心代理解決率提高，再到法律用例提高 26%，以及使用 ChatGPT 與對照樣本相比，患者與醫(yī)生之間的同理心和回答參與度提高 79%。

#10 通貨緊縮問題

摩根士丹利提出，技術(shù)是通貨緊縮的（"Technology is deflationary"），意味著技術(shù)對通貨緊縮有促進作用。

首先，技術(shù)降低了對勞動力的需求，這會給工資和就業(yè)水平帶來下行壓力，從而降低了對商品和服務(wù)的需求，因為工人們的可支配收入減少了。

其次，技術(shù)允許商品和服務(wù)的生產(chǎn)有效地擴大規(guī)模。如果商品的生產(chǎn)能夠有效地擴大到滿足市場對商品的當前和未來需求，那么即使需求增加，這些商品的價格也不會上升。隨著技術(shù)的改進，越來越多的行業(yè)將達到這個拐點，整個市場的通貨膨脹將變得越來越弱。

然而，一個需要確定的問題是，通貨緊縮何時會出現(xiàn)，以及會有多嚴重。

ChatGPT 和其他生成式人工智能文本 LLM 非常適合為過去 30 年一直結(jié)構(gòu)性通貨膨脹的行業(yè)帶來效率提升，尤其是教育、醫(yī)療、法律、金融、建筑和許可。這些效率和通貨緊縮的好處有多少會歸屬于公司仍有待觀察，這取決于它們進入壁壘的穩(wěn)固性。

我們更感興趣的是，關(guān)于虛擬代理商的新興討論將會如何加劇企業(yè)客戶流失和訂閱業(yè)務(wù)挑戰(zhàn)。