Apollo Economist: Kumikita ang margin ng kita ng Magnificent Seven habang nanatiling static ang natitirang bahagi ng S&P 500 noong 2026

2026/10/28 16:11:00

Naging isa sa mga pinakamalaking tema sa pag-invest noong 2026 ang artificial intelligence, na nagdala ng mga hundreds of billions ng dolyar sa gastusin para sa mga chip, data centers, cloud computing, at AI models. Gayunpaman, lumalabas ang isang patuloy na tanong sa mga pamilihan sa pagsasapalaran: Nagdudulot ba ang mga pag-invest na ito ng masukat na ekonomikong bunga kung hindi pa man sa mga kumpanyang nag-aalok ng teknolohiya? Itinampok ni Torsten Slok, pangunahing ekonomista ng Apollo Global Management, ang isyu na ito sa isang research note noong Oktubre 24, na nagpapahiwatig na tumataas ang kita bawat manggagawa at margin ng tubo sa ilalim ng Magnificent Seven habang nananatiling halos patag sa iba pang 493 na kumpanya sa S&P 500. Natuklasan din niya ang walang malinaw na ebidensya ng isang pagpapabilis sa paglago ng produktibidad na dulot ng AI.

Ang mga epekto ay lumalawak sa labas ng tradisyonal na equity. Kung patuloy na tumataas ang paggastos sa AI infrastructure nang mas mabilis kaysa sa mga pinansyal na benepisyo na natatanggap ng mga kliyente sa enterprise, maaaring muling isaalang-alang ng mga investor ang mga halaga ng teknolohiya, ang mga inaasahang kikitain ng mga korporasyon, at ang pangangailangan para sa mga serbisyo ng AI. Parehong tanong ay mahalaga sa mga merkado ng cryptocurrency, kung saan ang AI-related tokens, mga decentralized computing networks, at mga blockchain-based AI project ay lalong lumalaban para sa atensyon ng mga investor. Ang pangunahing isyu ay hindi kung nagtatagpo ang teknolohiya ng AI, kundi kung maaari bang magkalat ang kanyang komersyal na halaga sa labas ng isang relatibong maliit na grupo ng mga dominante na teknolohiya na kumpanya.

Mga Pangunahing Pagkakatanda

Patuloy na nakikonsentrado ang kita ng AI: Ipinakikita ng pagsusuri ni Apollo noong Oktubre 2026 ang pagtaas ng kita bawat manggagawa at margin ng kita sa mga Magnificent Seven, habang nananatiling kumplikado ang mga katumbas na tukoy sa S&P 493.
Ang pagtatangkilik ng Enterprise AI ay nakakaharap sa isang pampinansyal na pagsubok: ang mga subscription sa model, pagkonsumo ng mga token, gastos sa integrasyon, at tao na pagmamasid ay maaaring mag-offset sa mga natitirang kahusayan kapag ang mga negosyo ay hindi makakapag-convert ng mga kakayahan ng AI sa masukat na pampinansyal na resulta.
Ang pagpapalakas ng imprastruktura ay naglalikha ng pagkakataon at panganib: Patuloy ang mga malalaking kumpanya sa teknolohiya na mag-invest nang malaki sa kapasidad ng kompyutasyon, ngunit ang katatagan ng mga investmeng ito ay nakadepende sa pangangailangan ng mga customer at hinaharap na pagkakaroon ng pera.
Ang pagganap ng stock market ay maaaring magkubli sa mga pagkakaiba-iba sa ekonomiya: Ang market capitalization ng mga malalaking teknolohiya na kumpanya ay maaaring suportahan ang pagganap ng index sa headline kahit na ang paglago ng kita ay patuloy na hindi pantay sa mga sektor.
Ang mga proyektong AI na may kinalaman sa crypto ay nagtatagpo ng katulad na hamon: Ang interes ng mga investor sa infrastruktura ng AI at mga digital asset ay hindi nagjamin ng patuloy na demand para sa mga serbisyo na batay sa blockchain o ang mga token na kaugnay dito.

Ano ang Ipinapakita ng Pagsusuri ni Apollo sa S&P 493 Tungkol sa Mga Buhay na Pansalapi ng AI

Ang Apollo's October 24 research note, na inilathala ni Torsten Slok, ay nagpapahiwatig na ang mga pinansyal na benepisyo ng AI ay nananatiling nakatuon sa mga malalaking kumpanya sa teknolohiya kaysa magkalat nang malawak sa buong korporatong Amerika. Ang pagsusuri ay naghihiwalay sa Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, at Tesla mula sa S&P 500, at tinatawag ang mga natitirang kumpanya bilang S&P 493. Ayon kay Slok, tumataas ang kita bawat manggagawa at margin ng kita para sa Magnificent Seven, ngunit nananatiling halos patag sa natitirang bahagi ng index. Ang kanyang pagsusuri ay nagtataglay din na walang malinaw na pagpapabilis sa paglago ng produktibidad na maiuugnay sa AI.

Mahalaga ang pagkakaiba dahil ang Magnificent Seven ay nagsisilbi sa iba’t ibang posisyon sa AI value chain. Nagbibigay ang Nvidia ng computing hardware, nagpapatakbo ang Microsoft at Alphabet ng cloud at software ecosystem, pinagsasama ng Amazon ang cloud infrastructure kasama ang komersyo, at nakikinabang ang Meta at Apple mula sa malalaking consumer platform. May iba’t ibang business mix ang Tesla, ngunit nananatili pa rin ito sa parehong pangkat ng merkado. Maaaring kumikita ang mga kumpanyang ito sa pamamagitan ng mga chip, cloud services, advertising, subscriptions, software, at iba pang napatunayang channel ng kita. Sa paghahambing, maraming kumpanya sa labas ng grupo na bumibili ng AI capabilities at kailangang patunayan na ang mga epekto nito ay higit sa kanilang gastos.

Kita bawat manggagawa at mga margin ng kita ay nagpapakita ng paglalawak ng pagkakaiba

Ang pagsusuri ni Apollo ay nagpapakita ng pagkakaiba sa pagitan ng pagsasagawa ng pananalapi at pagtanggap ng teknolohiya. Maaaring ipakilala ng isang kumpanya ang mga kasangkapan sa AI, awtomatihin ang ilang mga gawain, o dagdagan ang pag-access ng mga empleyado sa mga advanced na modelo nang hindi nagpapakita ng agad na pagpapabuti sa kabuuang kita. Ang mga benepisyo ay maaaring makita bilang mas mabilis na serbisyo, mas kaunting pagkakamali, mas mabuting pagpapanatili ng customer, o mas mababang gastos bawat yunit, ngunit maaaring i-offset ang mga pag-unlad na ito sa pamamagitan ng mga gastos sa pagpapatupad, pagtaas ng sahod, gastos sa enerhiya, at karagdagang gastusin sa software. Ang kita bawat manggagawa at margin ng kita ay nagbibigay ng magagamit na kabuuang sukat, bagaman hindi nila kinukuha ang lahat ng potensyal na benepisyo ng pagtanggap sa AI.

Indikator	Magnificent Seven	S&P 493
Kita bawat manggagawa	Bumababa sa pagsusuri ni Apollo	Malapit sa parehong antas
Mga margin ng kita	Bumababa patungo sa halos 30% sa mga nareport na paghahambing	Malapit sa halos 10% na patag
Mga pagpapabuti sa produktibidad na kaugnay sa AI	Mas malakas na pagsasagawa sa pananalapi, bagaman ang ugnayan ay hindi natutukoy lamang sa pagkukumpara	Walang malinaw na aggregate acceleration na nakikita ni Apollo
Position sa ekonomiya ng AI	Kasama ang mga pangunahing tagapag-supply ng infrastruktura at platform sa AI	Kasama ang malawak na sakop ng mga customer na AI at iba pang mga negosyo

Ang mga numero ay mga approximado na halaga na inreport sa pagkakapalabas ng pagsusuri ni Apollo, hindi identikal na pagsukat para sa bawat kumpanya. Ipinapakita nito ang mga pagkakaiba sa antas ng grupo at hindi nagtatatag na ang AI lamang ang nagdulot ng pagkakaiba.

Hindi dapat iinterpretahan ang mga natuklasan bilang patunay na ang bawat kumpanya sa labas ng teknolohiya ay nabigo na makamit ang benepisyo mula sa AI. Ang aggregate margins ay maaaring magkubli sa mga indibidwal na tagumpay, at ang pagpapabuti ng produktibidad ay maaaring magtake ng panahon upang makita sa mga pagsasalin ng pananalapi. Gayunpaman, ang pagsusuri ni Apollo ay nagtataya ng mahalagang tanong para sa mga investor: kung inaasahan na baguhin ng AI ang mas malawak na ekonomiya, kailan dapat maging makikita ang pagbabagong ito sa pagsasalin ng pananalapi ng mga kumpanyang nag-aadopt nito?

Bakit hindi pa nababawasan ang paggastong AI sa mas malawak na kita ng korporasyon

Ang pagkakaiba sa pagitan ng pag-invest sa AI at masusukat na pampinansyal na bunga ay nagpapakita ng kumplikadong kalikasan ng pagpapaloob ng bagong teknolohiya sa umiiral na mga negosyo. Ang pagbili ng pag-access sa isang advanced na modelo ay relatibong madali; ang pag-redesign ng mga workflow, data infrastructure, responsibilidad, at proseso ng paggawa ng desisyon ng isang kumpanya naman ay mas mahirap. Maaaring bawasan ng AI ang oras na kailangan upang matapos ang isang gawain nangunit hindi ito alisin ang kaligid na trabaho na kailangan upang patunayan ang output nito, panatilihin ang pagkakasunod, o ikomunik ang resulta sa mga customer. Bilang resulta, ang mga pagpapabuti sa antas ng indibidwal na gawain ay hindi kinakailangang magdulot ng mas mataas na margin sa buong kumpanya.

Ang mga gastos sa token ay nagsisiging mahalagang gastos ng negosyo

Maraming AI service ang nagbabayad batay sa paggamit ng modelo, kabilang ang bilang ng input at output tokens na proseso. Habang gumagawa ang mga empleyado at automated agents ng higit pang mga gawain sa pamamagitan ng AI systems, maaaring tumaas nang malaki ang pagkonsumo. Para sa mga kumpanya na nagpapatakbo ng malalaking operasyon, ang kabuuang gastos ay maaaring kasama ang pag-access sa modelo, cloud infrastructure, paghahanda ng data, security controls, software integration, at tao na pagsusuri. Ang isang mas kayang modelo ay maaaring mapabuti ang akurasyon sa mga kumplikadong gawain, ngunit ang karagdagang gastos nito ay mahirap patunayan kapag ang isang mas mura na modelo ay nakakapagbigay ng sapat na magandang resulta.

Sinasabing ng Slok na ang mga pangunahing negosyo ay nagsisiging mas maingat sa pagbabayad para sa pinakabagong mga modelo dahil hindi patuloy na lumitaw ang mga benepisyo sa pananalapi sa kanilang mga pagsasagawa. Samantala, patuloy pa ring magastos nang malaki ang mga kumpanyang may suporta mula sa venture capital sa mga kakayahan sa AI, na naglilikha ng pagkakaiba sa pagitan ng mga kumpanyang nagtataguyod ng mabilis na teknolohikal na pagpapalawak at mga itinatag na negosyo na humihingi ng malinaw na ekonomikong bawat bumababa. Mahalaga ang pagkakaiba na ito habang hinahanap ng mga tagapagbigay ng AI ang pag-convert sa pagtaas ng paggamit patungo sa paulit-ulit na kita habang pinapanatili ang mga atraktibong ekonomiya sa bawat yunit.

Ang Business Judgment ay Naglalayong Maglimita sa Ano Ang Maaaring Makamit ng Automation

Ang AI ay makakapag-summarize ng impormasyon, mag-generate ng code, mag-analyze ng mga dokumento, at tumutulong sa mga kalkulasyon. Gayunpaman, maraming desisyon sa negosyo ang nakadepende sa konteksto, pagkakamaliwanag, tiwala ng customer, kultura ng organisasyon, at mga etikal na pag-iisip. Maaaring gamitin ng isang pambansang institusyon ang AI upang suriin ang mga aplikasyon, halimbawa, ngunit kailangan pa rin ng mga kontrol para sa pagtutugma, katarungan, at mga desisyon na nakakaapekto sa mga customer. Maaaring awtomatikuhin ng isang tagapag-alaga ng kalusugan ang dokumentasyon habang pinapanatili ang tao bilang responsable sa klinikal na pagpapasya. Sa parehong kaso, ang teknolohiya ay maaaring mapabuti ang mga napiling gawain nang hindi alisin ang mas malawak na operasyonal na gastos na kaakibat ng pagbibigay ng serbisyo.

Nakakatulong ito sa pagsasaliwan kung bakit ang mga rate ng pagtatangkilik lamang ay hindi sapat na mga tukoy ng komersyal na tagumpay. Dapat matukoy ng mga negosyo kung nagpapabuti ba ang AI sa masukat na resulta tulad ng rate ng pagkakasundo, oras ng pagproseso, pagpapanatili ng customer, o gastos bawat transaksyon. Kung hindi nakalampas ang mga pagpapabuti na ito sa gastos sa pagpapatupad at pagpapatakbo, maaaring dagdagan ng karagdagang paggamit ng AI ang paggastos nang hindi nagpapabuti sa kita. Kaya ang argumento ni Apollo ay higit sa pagkakaroon ng teknolohikal na pag-unlad kaysa sa hirap na i-translate ang pag-unlad na ito sa malawak, masukat na pinansyal na kita.

Maaaring magtagal bago makita ang mga pagpapabuti sa produktibidad

Mayroon ding problema sa pagkakasunod-sunod ng oras. Madalas na nagkakaroon ng gastos ang mga kumpanya bago makamit ang buong benepisyo ng isang bagong teknolohiya. Kailangan ng pagtuturo ang mga empleyado, kailangan ng pagbabago ang mga panloob na sistema, at kailangan ng mga manager na matukoy kung alin sa mga gawain ang dapat automatihin at alin ang nangangailangan ng tao upang suriin. Sa panahon ng transisyon, maaaring manatiling limitado ang pagtaas ng produktibidad o maaaring balansehin ng gastos sa pagpapalit ng trabaho.

Ang pangunahing ekonomista ng Goldman Sachs, si Jan Hatzius, ay nagtataglay ng mas optimistiko na interpretasyon sa matagalang ekonomikong potensyal ng AI, na nagpapahiwatig na ang pag-invest ay maaaring magdulot sa huli ng mas mataas na produktibidad at mas malawak na korporatibong kita. Gayunpaman, nakikita rin ng Goldman na ang kontribusyon sa paglago mula sa kasalukuyang siklo ng pag-invest sa AI ay maaaring makamit ang pinakamataas na punto noong huli ng 2026 o simula ng 2027. Ang pagkakaiba sa pagitan ng dalawang ekonomista ay hindi lamang kung gaano kagamit ang AI, kundi kung gaano kalakas at malawak ang mga benepisyo nito na magkakaroon.

Para sa mga investor, ang angkop na pagsubok ay kung patotohanan ng mga hinaharap na financial na resulta ang paggastos na nangyayari na. Maaari pa ring maghintay ang mga return, ngunit kailangan pa rin ng mga kumpanya na ipakita na ang kanilang mga AI program ay gumagawa ng matatag na halaga, hindi lamang umaasa sa inaasahang magkakaroon ng halaga sa hinaharap.

3. Ang $650 bilyong paglago ng AI infrastructure ay naglalikha ng isang pampinansyal na pagsubok

Ang sukat ng paggastus sa infrastruktura ng AI ay ginagawang mahalaga ang tanong tungkol sa mga balik na pamumuhunan. Ang ulat na inilabas ng The Indian Express noong Oktubre 28 ay sumipi ng mga estima na plano ng mga pangunahing kumpanya sa teknolohiya na maggastos ng halos $650 bilyon sa infrastruktura ng AI noong 2026. Ang parehong ulat ay sumipi sa babala ni Gartner na maaaring makaharap sa panganib ng pagbaba ng halaga ang higit sa $3.5 trilyon na pag-invest sa infrastruktura ng AI hanggang 2030 kung ang kita mula sa AI ay hindi makapagpapatotoo sa paggastos. Ito ay mga maagap na estima at mga kondisyonal na pagsusuri sa panganib, hindi mga napatunayang pagkalugi.

Ang paglago ng imprastruktura ay sumusuporta sa maraming antas ng ekonomiya ng teknolohiya, kabilang ang mga tagagawa ng semiconductor, mga provider ng cloud, mga operator ng data center, mga supplier ng networking, at imprastruktura ng kuryente. Maaaring kumita ng kita ang mga kumpanyang ito habang ipinapadala ang kagamitan, inaayos ang kapasidad ng computing, o ginagamit ang cloud services. Gayunpaman, kailangan ng mga customer sa enterprise na muling makuha ang kanilang gastos kaugnay ng AI sa pamamagitan ng mga pagpapabuti sa produktibidad, pagtaas ng kita, o iba pang ekonomikong benepisyo sa hinaharap. Ito ay gumagawa ng pagkakaiba sa panahon: ang mga supplier ng imprastruktura ay maaaring mag-record ng kita bago ipakita ng mga kumpanyang bumibili ng kanilang serbisyo ang positibong return on investment.

Ang Capital Expenditure, Depreciation, at Cash Flow ay mahalaga

Isang pagsusuri ng Reuters Breakingviews na ipinakilala noong Oktubre 23 ay pinag-aralan kung paano nakakaapekto ang pag-invest sa infrastraktura ng AI sa kita ng korporasyon at panganib sa pananalapi. Tinalakay nito na ang mga tagapagbigay ng kagamitan ay maaaring kilalanin ang kita kapag binenta ang mga produkto, habang ang mga bumibili ay karaniwang kilalanin ang kapital na gastos sa panahon sa pamamagitan ng pagbaba ng halaga. Para sa mga data center na patuloy pa ring binubuo, ang pagbaba ng halaga ay maaaring hindi magsimula hanggang sa maging operasyonal ang mga pasilidad. Ang pagkakaayos na ito ay maaaring gawing mas malakas ang mga panahon na pana-panahong benepisyo sa pananalapi ng siklo ng pag-invest kaysa sa huling ekonomikong bentahe.

Pinahalagahan ng parehong pagsusuri ang pagtaas ng paglabas ng utang at mga obligasyon kaugnay ng kagamitan sa mga pangunahing teknolohiya. Ang mga obligasyong ito ay hindi awtomatikong nagpapakita ng kahirapan sa pananalapi, lalo na para sa mga kumpanya na may matatag na stream ng kita at malakas na balance sheet. Gayunpaman, itinataas nito ang kahalagahan ng mga rate ng paggamit, kapangyarihan sa presyo, at pangangailangan ng customer sa hinaharap. Kung lumalawak ang kapasidad ng computing mas mabilis kaysa sa kagustuhan ng mga customer na magbayad, maaaring makaranas ng presyur ang mga provider sa margin at cash flow kahit na patuloy na mapapabuti ang pundamental na teknolohiya.

Ano ang mangyayari kung hindi magkakasundo ang demand sa AI at ang suplay ng imprastruktura?

Ang pangunahang panganib ay hindi lamang ang pagbagsak ng pagtanggap sa AI, kundi ang pagiging sobrang optimista ng mga pinansyal na asumpsyon na sumusuporta sa pagpapalawak ng imprastruktura. Kailangan ng mga data center malaking pagsisikap sa unang pagkakataon, mahabang panahon na mga kasunduan sa enerhiya, pagbili ng hardware, at patuloy na pangangalaga. Kung ang paggamit ay hindi makakamit ang mga inaasahan o bumababa ang presyo ng mga modelo nang mas mabilis kaysa sa operating costs, maaaring magbigay ang ilang mga pamumuhunan ng mas mababang returns kaysa sa orihinal na inaasahan. Mas eksposed ang mas maliit na mga operator ng imprastruktura na may limitadong pera sa kaukulang kondisyon sa pagsasapalaran kaysa sa mga itinatag na teknolohiya platform.

Para sa merkado, ang mga pangunahing indikador ay hindi lamang ang kabuuang gastusin. Dapat suriin ng mga investor ang kapital na gastusin kumpara sa kita, libreng cash flow, mga obligasyon sa utang, mga gastos sa pagkabigo, at ebidensya ng paulit-ulit na pangangailangan ng mga customer. Ang patuloy na gastusin ay maaaring suportahan ang kita ng mga supplier sa maikling panahon, ngunit ang mapanatiling pangmatagalang paglago ay nangangailangan na ang mga customer ay makakuha ng sapat na ekonomikong halaga mula sa mga serbisyo ng AI upang patunayan ang paulit-ulit na gastusin.

Ano ang ibig sabihin ng Pagkakahati sa Pagkakapagkakita ng AI sa S&P 500 at mga Tech Stocks

Ang malakas na pagganap ng Magnificent Seven ay maaaring mag-impluwensya sa mas malawak na stock market dahil ang S&P 500 ay may timbang batay sa market capitalization. Kapag tumataas ang mga pinakamalaking kasapi, maaari silang suportahan ang pangunahing index kahit na maraming mas maliit na kumpanya ay nakakaranas ng mas mahinang paglago sa kita o limitadong pagpapalawak ng margin. Ito ang nagiging dahilan kung bakit ang pagganap sa antas ng index ay hindi kompletong sukat kung gaano kalawak ang pagkalat ng mga ekonomikong benepisyo sa buong sektor ng korporasyon.

Ang mga natuklasan ni Apollo ay nagmumungkahi na ang mga investor ay dapat magkakaiba sa pagganap ng mga tagapag-supply ng AI at sa mga resultang pampinansyal ng mga kumpanyang gumagamit ng AI. Maaaring makatanggap ng benepisyo ang isang kumpanyang semiconductor mula sa pagtaas ng paggastos sa infrastraktura, habang ang isang retailer na gumagamit ng AI para sa paghuhula ng inventory ay kailangang maghintay ng ilang panahon ng pag-uulat upang maipakita ang masukat na savings. Maaaring magkakaugnay ang parehong kumpanya sa parehong teknolohikal na trend, ngunit iba-iba ang kanilang mga modelo ng kita, istruktura ng gastos, at eksposur sa demand para sa AI.

Ang pagbabahagi ng AI ay nakadepende sa mga kita sa hinaharap

Ang investiment case para sa mga equity na may kaugnayan sa AI ay bahagya ay nakasalalay sa mga inaasahang ang kasalukuyang paggastos ay susuporta sa paglago ng kita sa hinaharap. Kung patuloy na lumalawak ang demand para sa mga serbisyo ng computing at panatilihin ng mga provider ang kanilang kapangyarihan sa pagtatakda ng presyo, maaaring magdulot ng nakakaakit na return ang investimento sa infrastraktura. Kung bumabawas ang paggamit ng mga customer, nagpapalit sa mas mura mga modelo, o nagpapahintulot sa mga proyekto, maaaring mabawasan ang mga inaasahang kita kahit na patuloy na lumalago ang paggamit ng AI.

Ang pag-aaral ng Reuters noong Oktubre ay nagbigay-diin din na ang pag-invest sa AI ay nagkontribyu ng hindi proporsyonal sa paglago ng kikitain ng mga korporasyon, habang nagtataguyod ng mga tanong tungkol sa gastos sa pagsasapital at hinaharap na paglikha ng pera. Hindi ito nagtatatag na ang mga stock ng AI ay kailangang overvalued. Sa halip, ito ay nagpapakita kung bakit kailangan ng mga investor na ihambing ang mga valuation sa patuloy na kikitain at cash flow kaysa mag-asa lamang sa hinaharap na paglago.

Ang Market Breadth ay maaaring maging mas mahalagang signal

Maaari rin ng mga investor na suriin kung ang paglago ng kita ay nagtataglay sa labas ng mga pinakamalaking kumpanya sa teknolohiya. Ang pagganap ng equal-weighted kumpara sa capitalization-weighted na index, ang bilang ng mga kumpanya na nagrereport ng margin expansion, at ang earnings revisions sa iba’t ibang sektor ay makakatulong na ipakita kung ang lakas ng merkado ay lumalawak. Kung ang mga pagpapabuti sa produktibidad na dulot ng AI ay nagsisimula na lumitaw sa mga industriya tulad ng kalusugan, pagsasapalaran, paggawa, at mga serbisyo sa konsyumer, ang ebidensya ay susuportahan ang mas malawak na ekonomikong benepisyo.

Sa kabaligtaran, kung ang kita at kita mula sa AI ay mananatiling nakatuon sa mga supplier ng infrastraktura habang patuloy na humaharap ang mga kliyente sa enterprise sa pagtaas ng gastos, maaaring maging mas sensitibo ang merkado sa mga gabay sa kapital na paggasta at efisyensiya sa paggastos. Sa ganitong kalagayan, kahit ang mga kumpanya na may malakas na eksposur sa AI ay maaaring makaranas ng mas malaking pagkakaiba sa kanilang performans habang ibinabahagi ng mga investor ang pagkakaiba sa pagitan ng mga negosyo na nagbebenta ng kapasidad sa AI at mga nagpapakita ng matatag na return mula sa paggamit nito.

Ano ang Kahulugan ng Babala ng AI ni Apollo para sa mga Proyekto ng Cryptocurrency at Blockchain

Para sa mga merkado ng cryptocurrency, ang parehong debate ay nagtatanim ng mga tanong tungkol sa mga AI token, decentralized computing, at blockchain-based AI services. Ang mga proyekto na nag-uugnay sa mga provider ng computing at mga developer ng AI, nagkoordinasyon ng decentralized infrastructure, o gumagamit ng mga token upang bigyan ng pagsasabay ang mga miyembro ng network ay maaaring makatanggap ng benepisyo mula sa pangangailangan para sa AI resources. Gayunpaman, ang mas malawak na aral mula sa pagsusuri ni Apollo ay ang ang pagtanggap ng teknolohiya at paglikha ng pananalapi ay magkakahiwalay na mga tanong. Ang pagtaas ng interes sa AI ay hindi awtomatikong lumilikha ng matatag na pangangailangan para sa bawat proyekto na kaugnay sa tema.

Kailangan ng AI Tokens ang tunay na utility at masukat na demand

Ang isang token na kaugnay ng isang AI project ay maaaring gamitin upang magbayad para sa computing, bigyan ng pagsasalaysay ang mga service provider, mag-coordinate sa pagkakaaliw ng network, o makakuha ng partikular na mga tampok ng platform. Ang mahalagang tanong ay kung kailangan ng mga user ang token upang makakuha ng isang may halagang serbisyo at kung patuloy ba ang demand na iyon sa labas ng spekulatibong pagtinda. Maaaring mag-ulat ang isang project ng pagtaas sa aktibidad ng wallet o pakikilahok ng komunidad nang hindi nagpapagawa ng sapat na bayad na paggamit upang suportahan ang mga gastos sa operasyon nito.

Dapat kaya ng mga investor na magkakaiba sa mga teknolohikal na kakayahan ng isang proyekto, tunay na paggamit ng mga customer, at ekonomikong papel ng kanyang token. Maaaring magamit ang mga sumusunod na indikador: pangangailangan sa bayad na compute, paulit-ulit na customer, paggamit ng network, kita mula sa serbisyo, paglabas ng token, at ugnayan sa pagitan ng suplay ng token at tunay na aktibidad ng network. Maaaring tulungan ng mga tukoy na ito na malaman kung ang isang crypto proyekto na may kaugnayan sa AI ay nagpapaunlad ng isang viable na serbisyo o kaya'y pangunahing nakikinabang mula sa mas malawak na entusiasmo ng merkado.

Ang Decentralized Computing ay face sa sarili nitong gastos at mga hamon sa paggamit

Decentralized GPU networks at iba pang distributed computing projects ay naglalayong magkonekta sa mga gumagamit na kailangan ng computing resources at sa mga tagapagbigay na may available na hardware. Ang kanilang potensyal na mga benepisyo ay maaaring kasama ang flexible na pag-access, alternatibong mga channel ng suplay, at mga bagong paraan upang mag-coordinate ng infrastructure. Gayunpaman, ang mga network na ito ay patuloy na nakakaharap sa praktikal na mga tanong tungkol sa kalidad ng hardware, uptime, latency, data privacy, verification, at pricing.

Kailangan ng isang decentralized network na magbigay ng isang makapangyarihang dahilan kung bakit dapat gamitin ito kaysa sa isang karaniwang cloud provider. Kung hindi ito makapagbigay ng maasahan at maaasahang performance sa isang kompetitibong kabuuang gastos, maaaring manatiling limitado ang demand kahit na tumataas ang mga pangangailangan sa AI computing. Bukod dito, ang mga token incentive ay maaaring tarikin ang mga provider bago umusbong ang sapat na demand mula sa mga customer, na nagdudulot ng pagkakaiba sa pagitan ng available capacity at mga bayad na workload. Ang mas malawak na babala ni Apollo tungkol sa pagkakaiba sa pagitan ng pagsisikap sa AI at mga komersyal na bunga ay may kinalaman dito, bagaman ang kanyang S&P 493 analysis ay hindi diretso na sinusukat ang mga decentralized AI network.

Ang mga stablecoin at mga pagbabayad sa blockchain ay maaaring magbigay suporta sa AI commerce

Maaaring maglalaro ang mga stablecoin at mga sistema ng pagbabayad batay sa blockchain sa automated na digital na serbisyo, kabilang ang mga pagbabayad sa pagitan ng mga software agent, internasyonal na pagkakasundo, at machine-to-machine na transaksyon. Gayunpaman, ang pagpapalawak ng AI activity ay hindi awtomatikong nagpapataas ng paggamit ng stablecoin, mga bayarin sa transaksyon, o pangangailangan para sa mga native na token ng blockchain. Ang ekonomikong resulta ay nakadepende kung tatanggapin ng mga negosyo ang mga sistema na ito, kung natutupad ang mga pagbabayad sa-chain, at kung gumagawa ang resultang activity ng patuloy na kita para sa network.

Para sa mga investor ng cryptocurrency, ang praktikal na aral ay suriin ang mga proyektong may kaugnayan sa AI gamit ang ebidensya ng demand ng mga customer, ekonomiks ng transaksyon, at utility ng token kaysa sa pagkakaroon lamang ng tematikong pagkakaintindig. Maaaring patuloy na lumawak ang sektor ng AI habang ang mga indibidwal na proyekto ay nahihirapan na magtatag ng mapanatiling negosyo. Tulad ng hindi nagpapatotoo ang pagsasagawa ng pananalapi ng Magnificent Seven na bawat pag-invest sa AI ay may kita, ang paglago sa mas malawak na ekonomiya ng AI ay hindi nagjamin na bawat cryptocurrency na may kaugnayan sa AI ay makikinabang.

Ano ang dapat pansinin ng mga investor sunod

Ang susunod na yugto ng debate tungkol sa AI na pag-invest ay magiging batay sa kung kailan magkakaroon ng mga makikita at masusukat na pampinansyal na bunga ang mga kumpanya. Ang mga ulat sa kinita bawat kuartal, gabay ng pamamahala, at mga pahayag tungkol sa paggastos sa kapital ay maghahatid ng mahalagang ebidensya. Dapat subaybayan ng mga investor ang mga kumpanya na nagpapaliwanag kung paano nakakaapekto ang AI sa mga gastos sa operasyon, pagkuha ng customer, output bawat empleyado, kalidad ng serbisyo, at paglago ng kita. Ang mga pangkalahatang pahayag tungkol sa paggamit ng AI ay mas kaunting impormasyon kaysa sa masusukat na resulta na may kaugnayan sa partikular na proseso ng negosyo.

Indikator	Ano ang dapat obserbahan	Bakit ito mahalaga
Mga margin ng kita at kita bawat manggagawa	Kung ang mga pagpapabuti ay magpapalaganap sa labas ng Magnificent Seven	Nagpapatunay kung ang mga benepisyo ng AI ay lumalawak
Pagsasagawa ng kapital sa AI	Paglago ng paggastos kumpara sa kita at cash flow	Nakakatulong sa pagtataya ng katatagan ng pagpapalawak ng imprastruktura
Paggastos sa enterprise model	Pagpapanatili ng customer, paggamit, at pagkakaroon ng kahandaang magbayad	Nagpapakita kung ang mga serbisyo ng AI ay nagdadala ng sapat na halaga
Pagbaba ng halaga at mga gastos sa pagsasapilit	Tumaas na gastos habang nagiging operational ang infrastraktura	Ipinapakita ang mga nagdaan na gastos ng paglago ng pamumuhunan
AI-related crypto activity	Bayad na paggamit, paggamit ng network, paglalabas ng token, at paulit-ulit na pangangailangan	Nakakatulong na magkakaroon ng pagkakaiba sa praktikal na gamit at spekulatibong interes

Isang partikular na mahalagang signal ay ang patuloy na pagpapabuti ng kikitain sa mga kumpanya sa labas ng mga pinakamalaking teknolohiya platform. Ang ganitong pag-unlad ay magpapalakas sa argumento na ang AI ay nagpapagawa ng ekonomikong benepisyo sa buong ekonomiya kaysa sa pangunahing pagtutulungan sa mga supplier ng infrastraktura at mga itinatag na platform. Sa kabilang banda, ang patuloy na paglago ng gastusin nang walang katumbas na pagpapabuti sa pagsasagawa ng pampribadong pagsasakop ay maaaring magdulot sa mga investor na mas mabuting suriin ang kanilang budget para sa pag-invest.

Dapat rin ng mga investor na ihambing ang iba’t ibang ekonomikong interpretasyon kaysa tratuhin ang pagtataya ni Apollo bilang tiyak na talaan. Pinapansin ni Slok ang kakulangan ng nakikita pang-ekonomikong bentahe sa labas ng teknolohiya, habang nananatiling mas optimista si Jan Hatzius ng Goldman Sachs tungkol sa mas mahabang panahong potensyal ng produktibidad ng AI. Ang huling resulta ay magiging batay sa pagtatanggap, kalidad ng implementasyon, presyo, mga kondisyon ng pagsasapalaran, at kakayahan ng mga negosyo na i-convert ang teknikal na kakayahan sa mga produktibo at serbisyo na nakakakita.

Kongklusyon

Ang pagsusuri ni Apollo economist Torsten Slok noong Oktubre 2026 ay nagpapakita ng patuloy na pagkakahiwalay sa pagitan ng mga kumpanya na nag-aalok ng AI technology at ang mas malawak na sektor ng korporasyon na inaasahang makikinabang dito. Ang Magnificent Seven ay patuloy na nagpapakita ng mas malakas na kita bawat manggagawa at margin ng tubo, habang ang S&P 493 ay kahit paano ay hindi pa nagpapakita ng katumbas na pangkalahatang pagpapabuti. Samantala, ang malaking paggastos sa infrastraktura ay nagpapalakas ng kahalagahan ng demand ng customer, cash flow, at sustainable returns.

Para sa mga investor sa equity at cryptocurrency, ang pangunahing tanong ay kung ang paglalawak ng teknikal na kakayahan ng AI ay maaaring magbigay ng paulit-ulit na ekonomikong halaga. Ang susunod na yugto ng investment cycle ay hahalawin hindi sa mga pahayag sa gastusin at mga reklamo tungkol sa pagtanggap, kundi sa masukat na pagpapabuti sa produktibidad, kita, at kagustuhan ng mga customer na magbayad. Maaaring hulihin ng AI ang malawak na ekonomikong benepisyo, ngunit kailangan ng mga investor ng ebidensya na ang mga benepisyo na ito ay umabot sa isang maliliit na grupo ng mga nangungunang teknolohiya na kumpanya.

Madaling Tanong

Ano ang kahulugan ng terminong S&P 493?

Ang S&P 493 ay tumutukoy sa 493 na kumpanya na natitira sa S&P 500 pagkatapos tanggalin ang Magnificent Seven: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, at Tesla. Ginagamit ng mga analista ang pangkat na ito upang ihambing ang performance ng mga pinakamalaking kumpanya na may kaugnayan sa teknolohiya sa performance ng mas malawak na index.

Nakukuhang diretso ba ng kita bawat empleyado ang produktibidad?

Ang No. Revenue per employee ay sumusukat sa amount ng kita na ginagawa para sa bawat empleyado, ngunit maaaring maapektuhan ng pricing, akusisyon, outsourcing, business mix, at pagbabago sa staffing. Ang mga sukat ng produktibidad ay karaniwang tumitingin sa output kumpara sa mga input at nangangailangan ng karagdagang konteksto upang matukoy kung nag-improve ba ang operational efficiency.

Bakit maaaring tumataas ang pagtatangkilik sa AI habang nananatiling hindi nagbabago ang margin ng korporasyon?

Maaaring tumaas ang mga gastos kaugnay ng AI kasabay ng pagtanggap, kabilang ang mga bayarin sa modelo, infrastruktura, pagtuturo, integrasyon, at tao na pagsusuri. Maaari ring ipasa ang mga pagpapabuti sa efisiyensiya sa mga customer sa pamamagitan ng mas mababang presyo o maaaring i-offset ng mga gastos sa iba pang bahagi ng negosyo. Bilang resulta, ang mas malaking paggamit ng AI ay hindi nangangahulugan ng agad na pagpapalawak ng margin.

Maaari bang mas makatulong sa mga negosyo ang mas maliit na mga modelo ng AI kaysa sa mga pinakamalalim na modelo?

Oo, depende sa gawain. Mas maliit o mas mura mga modelo ay maaaring magbigay ng sapat na akurasyo para sa karaniwang klasipikasyon, pagkuha ng dokumento, suporta sa kliyente, o iba pang mahigpit na tinukoy na mga proseso. Ang angkop na modelo ay depende sa kalinawan ng gawain, mga pangangailangan sa reliability, latency, at kabuuang gastos kaysa sa kakayahan ng modelo lamang.

Paano makikilala ng mga investor ang isang negosyo na may kaugnayan sa AI mula sa isang negosyo na dinadala ng AI?

Maaaring magbenta ng mga produkto o serbisyo na kaugnay ng AI ang isang AI-related na negosyo, habang maaaring ipakita ng isang AI-driven na negosyo na ang AI ay nagpapabuti nang mayamak sa kanyang operasyonal na modelo o pagkakaroon ng kita. Maaaring maging ebidensya ang mas mababang gastos bawat transaksyon, mas mataas na output bawat empleyado, mas mabuting pagpapanatili ng customer, paulit-ulit na kita mula sa AI, o masukat na pagpapabuti sa produktibidad.

Nagjamin ba ang paggastong pampaayos ng AI ang patuloy na pangangailangan para sa mga GPU?

Hindi. Ang demand ay nakasalalay sa ekonomiks ng mga serbisyo ng AI, efiensiya ng modelo, mga rate ng paggamit, budget ng mga customer, at availability ng alternatibong computing capacity. Maaaring mabawasan ang computing na kailangan para sa mga tiyak na gawain ng mas epektibong mga modelo kahit na lumalawak ang kabuuang paggamit ng AI, kaya ang pangmatagalang demand sa hardware ay nakadepende sa ilang kumpetitibong factor.

Paalala: Ang pangkalahatang impormasyon sa merkado na ito, na maaaring mula sa mga third-party, komersyal, o sinponsor na pinagkukunan, ay ibinibigay lamang para sa refrensya at edukasyonal na layunin at hindi nagtataglay ng abiso sa pananalapi o pag-invest, alok, paghingi, o garantiya. Kami ay nagtatanggi sa anumang pananagutan para sa kawastuhan, kawalan ng kawalan, reliability, at anumang nagresultang pagkawala. Ang pag-invest/trading ay may panganib; ang nakaraang performance ay hindi nagjanse ng mga resulta sa hinaharap. Dapat mag-ralat, magpasya nang may pag-iingat, at tanggapin ang buong pananagutan ang mga gumagamit. Para sa karagdagang detalye, mangyaring bisitahin ang Mga Tuntunin ng Paggamit at Pagpapakilala sa Panganib ng KuCoin.

Disclaimer: AI technology ang ginamit sa pag-translate ng page na ito para sa convenience mo. Para sa pinaka-accurate na impormasyon, mag-refer sa original na English version.