Paano ginagawa ng AI ang malalaking pagkakaiba sa halaga at nagbabago sa lohika ng value investing

2026/09/25 14:15:00

Sinisira ng AI ang mga tradisyonal na modelo ng pagtataya ng ekwidad

Ang artificial intelligence ay nagbago ng pagpapahalaga sa equity market sa paraan na nagtatalikod sa mga paniniwala sa value investing na umabot sa dekada. Ang mga tradisyonal na pagsusuri na nagpapahalaga sa mababang price-to-earnings multiples, patuloy na free-cash-flow yields, at makikita ang suporta sa dividend o buyback ay ngayon ay nakakatagpo sa mga kumpanya kung saan ang kanilang nareport na multiples ay tila extreme sa anumang direksyon. Ilan sa mga kumpanya ay nakatradar sa single-digit o kahit sa ilalim ng 2 beses ang kita habang nagpapakita ng triple-digit growth sa kita; iba naman na may matatag na cash flow ay nasa discount na nagpapahiwatig ng structural obsolescence.

Ang resulta ay isang tanawin ng malalim na pagkakaiba kung saan ang merkado ay tila nagpapahalaga sa inaasahang pagbabago nang malayo bago matotoo ang mga基本面. Ang generative AI at ang kaugnay na pagtaas sa gastos para sa kapital ay nag-compress sa mga karaniwang framework ng pagpapahalaga, nagtaas ang haba ng paglago at ang mga intangible na pangalaga bilang pangunahing driver ng panloob na halaga, at pinipilit ang mga value investor na isama ang mga umaasang produktibidad na ipinag-iwasan ng mga lumang modelo.

Ang Extreme Multiples ay Naglilinaw sa Trabaho ng Panahon ng Paglago bilang Bagong Pangunahing Debate

Noong una, hinahanap ng mga tagapag-ugnay ang mga aktibo na bumibili sa presyo na 10 hanggang 12 beses ang kita na maaaring mag-umpisa nang patuloy sa pamamagitan ng paggawa ng cash flow at pagbabalik ng kapital. Ang paraan na ito ay malawak nang nasa panahon ng pagbaba ng kahalagahan. Ang mga halimbawa na pinag-uusapan ngayon ay kabilang ang mga pangalan na may price-to-earnings ratio na mababa pa sa 1.8 beses habang nag-uulat ng paglago ng kita na higit sa 600 porsyento taon-taon. Sa ganitong mga kaso, ang talakayan sa analisis ay naglilipat sa halos buo sa pagpapanatili ng direksyon ng paglago kaysa sa tiyak na antas ng multiple. Ang mga Japanese industrial groups tulad ng Sumitomo Electric, na nakatira malapit sa 16 beses ang kita, ay nagpapakita ng parehong dinamika: ang kanilang mga negosyo sa optical-fiber, laser, at kaugnay na mga komponente ay may multi-year contract na may mga hyperscale cloud operator, na nagtatanim ng exposure sa AI na hindi sapat na inaangkat ng tradisyonal na mga screen.

Ang mga obserbasyong ito, na ipinakita sa mga kamakailang komento, ay nagpapatibay sa mas malawak na medium-term epekto ng AI: ang mga pagkakaiba sa pagbabahagi ay lumawak, na nagpapadali sa pagsasagawa ng value investing patungo sa mga pagkakataon na high-growth deep-value na ilan ay tinatawag. Dapat kaya ng mga investor na suriin hindi lamang ang kasalukuyang kapasidad sa kita kundi pati na rin ang haba ng runway kung saan maaaring magpatuloy ang mataas na paglago bago magkakaroon ng mga kompetitibong tugon o teknolohikal na paglalayong pagsasama-sama ang mga kita. Ang praktikal na epekto ay ang mga screen na binubuo lamang sa pamamagitan ng trailing o near-term multiples ay sistematikong naliligaw sa mga kumpanya kung saan ang kanilang ekonomiya ay binabago ng demand para sa AI infrastructure.

Paggastos sa kapital ng mga hyperscaler ay bumabagabag sa mga inaasahang puwesto ng kita

Ang kapital na gastusin ng mga pinakamalaking platform ng cloud at computing ay nakamit na ang antas na nagpapabago sa mga pool ng kita ng industriya. Ang mga estima ng konsensyo ay naglalagay ng kabuuang gastusin sa 2026 ng mga pangunahing hyperscaler sa saklaw ng $700 bilyon hanggang higit pa sa $800 bilyon, habang inaasahang lalampas sa $1 trilyon ang global na pag-invest sa AI. Tiningnan ng Goldman Sachs Research na ang pag-invest sa teknolohiya ng Estados Unidos bilang bahagi ng GDP ay nasa itaas na ng kanyang pinakamataas na antas noong huling 1990s, at patuloy na inaayos pataas ang mga plano sa gastusin. Ang mga gastusin na ito ay nagdudulot ng presyur sa mga metric ng libreng cash flow kahit na itinataguyod nito ang mga makabuluhang merkado para sa mga semiconductor, networking equipment, power infrastructure, at espesyalisadong materyales.

Ang mga framework ng halaga na nagpaparusa sa pagbaba ng cash flow sa malapit na panahon ay may panganib na klasipikahin ang mga platform na ito bilang mahal, habang ang mga pagdaragdag sa kapasidad ay maaaring suportahan ang paglago ng kita sa maraming taon. Samantala, ang pagkonsentrasyon ng paggastos ay naglilikha ng pangalawang epekto: ang mga supplier na may limitadong kapasidad o propiyetaryong teknolohiya ay nakakakuha ng mas malaking margin, habang ang mga downstream software at serbisyo na kumpanya ay nakakaranas ng presyur sa margin mula sa mga palitan na may AI. Ang net resulta ay isang pagbabahagi ng halaga na ang mga konbensyonal na discounted-cash-flow models na nakakalibre sa mga rate ng paglago bago ang AI ay nahihirapan na ma-capture nang tama.

Ang pagbabawas ng presyo sa sektor ng software ay nagpapakita ng inaasahang pagbabago kaysa sa nangyaring pagbabago

Ang mga pagpapahalaga sa enterprise software ay nagsagawa ng malaking pagbaba. Ang mga forward multiples para sa maraming matatag na pangalan ay bumaba sa mga saklaw na huling nakita noong mga nakaraang panahon ng kawalan ng katiyakan sa paglipat sa cloud, kung saan ang ilang mataas na kalidad na mga franchise ay nakikipagkalakalan sa discount na 20 hanggang 30 porsyento o higit pa kumpara sa mga historical averages. Ang mga analyst sa mga kumpanya kabilang ang Morgan Stanley ay nakatotoo na ang average software enterprise-value-to-sales multiples ay bumalik sa antas na kaugnay ng pinakamataas na kawalan ng katiyakan sa paggamit ng public cloud. Ipinapresyo ng merkado ang posibilidad na ang generative AI ay magbabawas sa bilang ng mga upuan, magpapababa sa kapangyarihan sa pagtatakda ng presyo, o mag-aabot ng functionality na dati ay nagpapatakbo sa mga cycle ng upgrade.

Patuloy pa ring ipinapakita ng mga nakaraang pagsusuri sa maraming nasa posisyon ng workflow ang matibay na konbersyon ng libreng pera at pagtaas ng taunang umuusbong na kita na may kinalaman sa AI. Ang pagkakaiba sa pagitan ng mga inimplikadong antas ng paglago na nakapaloob sa kasalukuyang presyo at ang natutunghayan o maikling panahong inaasahang paglago ay lumilikha ng klasikong pagkakaiba: ilang may kita software na negosyo ay tila napapahalagahan nang mababa batay sa mga metrikang pera, habang nananatili ang kuwento tungkol sa estruktural na pagkakalipas. Kaya, ang mga investor na nakatuon sa halaga ay nakaharap sa gawain ng pagkilala sa pansamantalang diskwento na dulot ng kuwento mula sa tunay na pagkawala ng kompetitibong kalamangan.

Mga Pagtaas sa Market Value Kumpara sa Itinantiyang Potensyal ng Kita mula sa AI

Ayon sa Goldman Sachs Research, ang mga kumpanya kaugnay ng AI ay dagdagan ng halos $27 trilyon ang kanilang market capitalization mula sa huling bahagi ng 2022. Ang parehong pag-aaral ay isinasaad na ang kasalukuyang discounted value ng potensyal na karagdagang kita mula sa productivity gains ng AI ay nasa base line na halos $9 trilyon sa ilalim ng mga pangkaraniwang aksiyoma. Ang pagkakasundo sa puwang na ito ay nangangailangan ng mga optimistiko aksiyoma tungkol sa bahagi ng ekonomikong surplus na natatanggap ng mga kumpanya ng AI, ang bilis ng pagtanggap, at ang pagpapatuloy ng mataas na margin. Ang pagkakaiba na ito ay hindi direktang patotoo ng overvaluation; ang mga non-AI na negosyo sa loob ng parehong mga platform at mas malawak na pagrere-rate ng merkado ay nakakatulong sa kabuuan.

Gayunpaman, ang kalakasan ay nagpapakita kung gaano kalayo ang pagpapresyo ng merkado kumpara sa mga konservatibong pagtataya ng paglikha ng ekonomikong halaga. Dapat ngayon ng mga value investor na nakakadepende sa pagbili ng mga asset sa discount kumpara sa sariling kalkuladong intrinsikong halaga ay magpasya kung ilalapat nila ang mas mataas na pagbabahagi ng kita at produktibidad o ituring ang sobrang halaga sa merkado bilang isang signal ng mas mataas na panganib. Ang analitikal na tensyon ay lalo na malalim para sa mga pure-play na model provider at mga bagong nakikilalang listing kung saan ang kanilang kasaysayan ng kita ay nananatiling limitado kumpara sa kanilang kapitalisasyon.

Ang mga tradisyonal na pagsusuri ay nagkakaroon ng hirap sa mga di-makikita at epekto ng network

Ang mga metric tulad ng price-to-earnings, price-to-book, at free-cash-flow yield ay nilikha para sa mga negosyo kung saan ang pangunahing ari-arian ay nakikita sa balance sheet. Ang mga kompanyang nakatuon sa AI ay nagmumula ng malaking halaga mula sa mga proprietary na dataset, model weights, talent density, at network effects na lumalala kasabay ng paglago. Ang paggamit ng karaniwang pagsusuri sa mga kompanyang ito ay madalas na nagdudulot ng ekstremong multiples o mga apparenth na value traps. Ang historical na pagsusuri sa mga nakaraang teknolohikal na pagbabago ay nagpapakita na ang mga simpleng value metrics ay madalas ay hindi nakakapaghihiwalay sa mga natatanging mananalo mula sa mga kompanya na nagwakas sa pagbaba.

Ang mga stocks ng software na dati ay nagtataglay ng premium na pagpapahalaga ay ngayon ay nakikipagkalakalan sa maliit na discount sa mas malawak na merkado sa ilang mga kaso, ngunit ang mga di-makikita na ari-arian na sumusuporta sa kanilang ekonomiya, integrasyon ng workflow, gastos sa pagbabago, at domain-specific na data ay hindi buong isinasaalang-alang sa accounting book value. Ang mga investor na nagmumula lamang sa tradisyonal na mga ratio ay nangangailangan ng panganib na mawawala ang mga matatag na compounder at bumibili ng mga kumpanya kung saan ang kanilang nakikita na kahalayan ay nagtatago ng tunay na pagkabagsak ng kompetensya. Ang paglalapat ng mga tukoy na pagsukat sa intangible capital intensity at data-network strength ay naging kinakailangang pagpapalawig ng value toolkit.

Mga Limitasyon sa Pagsasakop ng Pribadong Merkado na Nagpapaliit sa Pagkakataon ng Publiko

Patuloy na nangyayari ang isang malaking bahagi ng paglikha ng halaga na may kaugnayan sa AI sa mga pribadong merkado. Ipinapakita ng mga ulat na higit sa kalahati ng kamakailang paglago sa mga namumunong kumpanya sa AI ay nakuha bago ang pampublikong pag-lista, kasama ang isang maliit na grupo ng mga pribadong kumpanya na nagtataglay ng hindi proporsyonal na bahagi ng kita at halaga sa pinakamataas na grupo. Kaya, ang mga investor sa pampublikong merkado ay nakakakuha ng eksposur pangunahin sa huling mga yugto ng siklo, pagkatapos na maging malaki na ang pagtaas ng halaga. Nagbabago ang dinamikang ito ang hanay ng pagkakataon para sa mga estratehiya ng halaga na dating nakatuon sa mga publicly traded na equity.

Ang mga transaksyon sa secondary market at ang mga interval fund ay bahagyang nalalampasan ang puwang, ngunit ang likuididad, transparensya sa pagtataya, at mga pamantayan sa pamamahala ay magkakaiba nang malaki mula sa mga pampublikong merkado. Ang mga value investor na naghahanap ng pagkakataon sa mga unang yugto ng ekonomiya ng AI ay kailangang tanggapin ang mga termino ng private market o mag-focus lamang sa mga pampublikong supplier at tagapagamit na ang ekonomiya ay nangangalaga na sa mga nareport na resulta. Ang structural shift ay nagbabawas sa kadalasang pagkakaroon ng mga klasikong bargain sa pampublikong merkado sa mga pinakamaagang yugto ng pagtatangkilik ng teknolohiya.

Ang mga pangalan sa semiconductor at infrastruktura ay nagpapakita ng magkakaibang mga takbo ng kita

Sa loob ng ecosystem ng AI, ang mga semikonduktor, networking, at mga komponenteng may kinalaman sa enerhiya ay nagpapakita ng mga takbo ng kita na malinaw na nagkakaiba sa parehong mga tagapagbigay ng modelo at tradisyonal na software. Ang mga forward earnings multiples para sa mga pangunahing tagapagbigay ng kagamitan at memorya sa semikonduktor ay nagmamodera mula sa mga pinakamataas na antas ngunit patuloy na suportado ng maraming taong pagtingin sa demand na may kinalaman sa pagbuo ng data center. Ilan sa mga industriyal at materyales na kumpanya na may espesyalisadong produkto, optical na komponente, advanced na substrates, o mga solusyon sa power-management ay nakikipagkalakalan sa multiples na tila modesto kumpara sa paglago na nakapaloob sa mga matagalang kontrata ng hyperscaler.

Madalas ay nasa labas ng mga index na pure-technology, kaya't naliligtas ang mga ito sa buong lakas ng re-rating na dinudulot ng mga nagsasalaysay. Ang mga framework ng value na nagpapahalaga sa kakayahan sa kita kumpara sa kinuha na kapital at ang tagal ng nakikita na demand ay maaaring makahanap ng mga pagkakataon dito na naliligaw ng mas malawak na pag-scan para sa paglago. Ang pangunahing hakbang sa analisis ay ang pagpapatotoo na ang mga limitasyon sa kapasidad o teknolohikal na spesipikasyon ay naglalayong limitahan ang mabilis na pagsisilbi ng kompetisyon, kaya't suportahan ang pagpapanatili ng margin sa panahon pagkatapos ng unang pagbuo.

Panganib ng mga Value Trap sa mga Kalimitang itinuturing na Mawawalang AI

Hindi lahat ng kumpanya ng discounted software o serbisyo ay isang matatag na pagkakataon. Ang mga kumpanya na ang pangunahing alok ay maaaring kopyahin o ma-organize ng mga pangkalahatang modelo ay nakakaranas ng tunay na presyur sa presyo at volume. Ang mga nakaraang pattern ng teknolohikal na pagbabago ay nagpapakita na ang tradisyonal mga sukat ng halaga ay karamihan ay hindi epektibo sa paghihiwalay sa pansamantalang undervaluation mula sa permanenteng pagbaba ng halaga.

Kaya kailangan ng mga investor na pagsuriin ang mga gastos sa paglipat, mga benepisyo ng propiyetaryong data, at antas kung paano ang mga kasangkapan sa AI ay kumpleto kaysa palitan ang umiiral na mga proseso. Ang mga kumpanya na matagumpay na iintegrad ang AI sa kanilang sariling produkto, na nagpapataas ng kapangyarihan sa pagtatakda ng presyo sa pamamagitan ng mas mapagpalakas na analytics o automation, ay maaaring lumabas nang mas malakas, habang ang mga kumpanya na lamang ay nagtatanggol ng mga modelo batay sa legacy ay maaaring magdulot ng matagal na pagbaba ng multiple. Ang pagkakaiba ay nangangailangan ng detalyadong pagsusuri sa mga product roadmap at data sa pagpapanatili ng customer kaysa mag-asa sa aggregate sector multiples.

Mga Pagpapabuti sa Produktibidad at Panahon ng Ekonomikong Kita

Ang pagtatangkilik ng enterprise sa AI ay patuloy na hindi pantay-pantay. Ang mga pag-aaral sa mga pangulo ng kumpanya ay nagpapakita na ang malaking karamihan ay nag-uulat lamang ng bahagyang pagkamit ng mga inaasahang resulta mula sa mga programa ng pagbabago sa AI, bagaman may malawakang aktibidad. Ang paglalaganap ng mga use-case nang walang disiplinadong pagpaprioritize ay nagdilat ng mga kita sa maraming kompanya sa portfolio. Para sa mga investor sa public market, ang implikasyon ay ang pagtaas ng kita sa maikling panahon ay maaaring maging mas mabagal kaysa sa paggastos sa kapital ng ilang taon.

Ang mga value model na naglalaman ng mga benepisyo sa produktibidad na may pagkaantala ay nagpapakita ng mas mababang present value kaysa sa mga nagtatanggal ng mabilis na pagpapalawak ng margin. Ang analytical challenge ay nasa pagtataya ng lag sa pagitan ng pag-deploy ng infrastruktura at masukat na pagpapabuti ng free-cash-flow sa iba’t ibang sektor. Ang mga sektor na may mataas na intensidad sa knowledge-work o paulit-ulit na analitikal na gawain ay maaaring makamit ang mga benepisyo nang mas maaga; ang mga kapital-intensibo o napakadisiplina na sektor ay maaaring mag-antala. Ang tamang pagtataya ng oras ay naging sentral upang maiwasan ang sobrang pag-asa at sobrang pag-iingat.

Panganib ng Konserntrasyon at Mga Epekto sa Pagbuo ng Portfolio

Ang mga kita mula sa equity market sa mga nakaraang panahon ay malakas na nakatuon sa isang maliit na grupo ng mga pangalan na may kaugnayan sa AI. Limang stock o mas kaunti ang nagsisilbing pangunahing sanhi ng mga pagtaas sa index sa ilang mga interbal, habang ang natitirang bahagi ng market ay nagbigay ng mas modeste na performance. Ang mga risk premia ay nabawasan, at ang forward equity-risk premia ay umabot sa mga kasaysayang mababang antas sa ilang mga sukat.

Ang mga estratehiya ng value na dating nagtutuon sa diversipikasyon sa iba’t ibang sektor at estilo ay ngayon ay nakakatugon sa isang merkado kung saan ang mga pagkakataon na hindi AI ay maaaring mag-perform nang mas mababa sa mahabang panahon kung patuloy ang paglipat ng kapital patungo sa mga lider sa infrastraktura at modelo. Dapat kaya ng portfolio construction na balansehin ang pangangailangan para sa mga katangian ng klasiyko na value kasama ang sapat na eksposur sa AI complex upang maiwasan ang patuloy na relatibong masamang pagganap. Isang praktikal na pagkakataon ay ang pagkilala sa mga publikong kumpanya kung saan ang kanilang ekonomiya ay nakikinabang mula sa pangangailangan sa AI habang bumibili sa halaga na naglalaman pa rin ng margin ng safety kumpara sa sariling inilalarawan na intrinsic value.

Pagbabago ng Rol ng Free-Cash-Flow Analysis sa Ilalim ng Mabigat na Capex

Ang malaking gastos sa kapital ay pansamantala ay nagdudulot ng pagbaba sa yield ng libreng pera, kahit na ang karagdagang mga pag-invest ay nagtataglay ng returns na higit sa gastos ng kapital. Ang mga pagsusuri sa return ng hyperscaler sa karagdagang ipinapalakas na kapital ay nagpakita ng mga peak na malalim na higit sa weighted-average cost of capital, kasunod ng inaasahang pagpapababa na nananatiling value-accretive sa ilalim ng mga base-case assumptions.

Kailangan ng mga value investor na magkakaiba sa pagbaba ng cash flow na dulot ng overinvestment na nagpapababa ng halaga at sa mga pagbaba na nagpapakita ng pansamantalang pagkakaiba sa panahon sa paggastos at pagpapalit. Ang mga metrikang tulad ng return on incremental invested capital, mga panahon ng pagbabayad sa mga aset ng data center, at ang bahagi ng paggastos na direkta sa maikling panahon kumpara sa mahabang panahon ay nagbibigay ng mas malalim na pag-unawa kaysa sa static free cash flow yields lamang. Ang mga kumpanya na nananatiling may mataas na incremental returns habang dinadagdagan ang kapasidad ay maaaring patunayan ang mataas na mga near-term multiples; ang mga kumpanya na hindi, ay nangangailangan ng permanenteng pagkawala ng kapital kapag natapos na ang phase ng pagbuo.

Ang Kinabukasan ng Pagkalkula ng Intrinsikong Halaga

Ang mga modelo ng discounted-cash-flow ay nangangailangan ng mga eksplisitong aksiyon tungkol sa terminal growth, kompetitibong intensidad, at pagpapanatili ng mataas na margin. Ang AI ay nagdudulot ng mas malaking kawalan ng sigurado sa bawat isa sa mga input na ito. Ang mga rate ng terminal growth na dating tila konservatibo ay maaaring masyadong mababa sa pagpapakita ng mga struktural na pagpapabuti sa produktibidad, habang ang mga tugon sa kompetisyon mula sa mga umiiral at bagong pumasok ay maaaring palakasin ang pagbaba ng margin nang mas mabilis kaysa sa mga nakaraang pattern.

Kaya ang mga praktisante ay nagpapalawak ng pag-analisa ng mga skenaryo upang kasama ang mas malawak na hanay ng mga bilis ng pagtatangkilik, mga resulta sa regulasyon, at mga takip ng gastos sa teknolohiya. Ang layunin ay hindi ang perpektong pagmamasid kundi ang mas matibay na hanay ng mga tantiya sa panloob na halaga na maaaring ihambing sa market price. Kung ang market price ay nagpapahiwatig ng paglago o margin assumptions na labas sa makatotohanang saklaw na ginawa ng fundamental analysis, ang mga pagkakaiba sa pagtantiya ay naging mga pagkakataon para mag-invest, basta ang panahon at pagtanggap sa panganib ng investor ay sumasang-ayon sa kakaibang kalagayan.

Mga Practional na Disyon na Ginagawa ng mga Value Investor Ngayon

Ang mga lider sa industriya ay nagsimulang mag-integrate ng mga data source na espesipiko sa AI, pagmamapa ng supply chain, at mga proyeksyon ng produktibidad na may paningin sa hinaharap sa tradisyonal na proseso ng pagbabahagi. Ilan ay nagte-teklado sa analisis ng bottleneck, na nagtataya ng mga pinagpipigilan na input tulad ng mga espesyalisadong optikal na komponente, kakayahan sa advanced packaging, o infrastraktura ng enerhiya, kung saan malaki ang posibilidad na mananatili ang kapangyarihan sa presyo. Iba naman ay nakatuon sa software ng workflow na nakakamit ng kita mula sa mga tampok ng AI sa pamamagitan ng mas mataas na average na kita bawat user kaysa sa simpleng pagpapalawak ng mga upuan.

Hindi nagpapabaya ang mga pag-aayos na ito sa pangunahing prinsipyo ng margin ng kaligtasan at independiyenteng pagtataya ng intrinsic value. Ipinapalawak nito ang set ng impormasyon na kailangan upang gawin ang pagtataya sa isang kapaligiran kung saan ang teknolohikal na pagbabago ay nagbabago ng mga trahektorya ng cash flow at ang kompetitibong tanawin sa mas mabilis na bilis. Ang mga kumpanya na nag-aadapt ng kanilang mga analytical framework habang nananatiling disiplinado sa presyo kumpara sa halaga ay nasa posisyon na mas epektibong mag-navigate sa kasalukuyang mismatch regime kaysa sa mga umaasa lamang sa mga kriterya ng pag-screen bago ang AI.

🔥 Labas sa Mga Balita: Ano ang Kahulugan ng KuCoin 5.0 para sa Iyo

Mabilis ang paggalaw ng balita sa merkado — ngunit mahalaga rin kung saan mo ito ginagamit. Sa buwan ng Oktubre, ipinapakilala ng KuCoin ang KuCoin 5.0, na nagpapalit sa KuCoin sa isang bagong binuo na platform. Narito ang mga tunay na pagbabago para sa iyo:

Isang account para sa lahat. Ang mga lumang platform ay naghihiwalay ang pera mo sa magkakahiwalay na "spot," "margin," at "futures" account at inaasahan na maintindihan mo kung bakit. Ang unified account ng KuCoin 5.0 ay nagtatanggal nito nang buo — mag-deposit ng isang beses, at lahat ay direktang doon (kasalukuyang available lamang sa VIPs).
Mga stocks, indeks, at komodidad. Ang KuCoin 5.0 ay lumalawak sa labas ng crypto patungo sa mga global na merkado. Kapag nag-iiba-iba ang crypto at tumataas ang equities (o kaya naman ang kabaligtaran), maaari mong i-rotate sa minuto lamang, hindi na kailangang buksan ang isang brokerage account at maghintay ng mga araw para sa fiat rails.
Mga aktibong sa totoong mundo (RWA). Tokenized na eksposur sa tradisyonal na mga aktibo tulad ng mga komodidad, direkta sa iyong crypto account. Isa sa mga pinakamabilis na umuunlad na sektor sa pandaigdigang finansya ay hindi na nakareserba para sa mga institusyon — ikaw ay makakapag-access dito mula sa parehong balanse na ginagamit mo para mag-trade.
Kita habang natututo. Hindi pa handa mag-trade? KCUSD ay nagpapakita ng araw-araw na kita na auto-compound sa iyong stablecoin. Ang pinakamaliit na stress na paraan upang gawing produktibo ang iyong hindi ginagamit na deposito para sa 4% yield.
Isang AI assistant na nasa simpleng wika. Magtanong, makakuha ng konteksto ng merkado, maintindihan kung ano ang pinag-uusapan — nakabuilt sa platform, walang kailangang jargon.
Isang app na hindi nagdudulot ng pagkakalito. Mas mabilis, mas malinis, at mas magkakasundo — intuitibo agad mula sa unang pag-tap, hindi pagkatapos ng tutorial.
Ligtas na maaari mong i-check, hindi lang i-trust. Isang EU na entidad na may lisensya sa MiCAR, Proof of Reserves na maaari mong i-verify mismo, at internasyonal na sertipikadong seguridad (SOC 2 Type II, ISO 27001:2022).

Lumikha ng iyong account sa ilang minuto — at magsimula sa platform na gawa para sa kinabukasan ng crypto, hindi sa nakaraan nito.

Madalit na Tanong

Paano nakapagkakaroon ng pagtaas sa halaga ng merkado na kaugnay sa AI kumpara sa hinuhulaang ekonomikong kita?

Kumwento ng Goldman Sachs Research na idinagdag ng mga kumpanya kaugnay sa AI ng halos $27 trilyon sa market value mula noong Nobyembre 2022, habang ang kasalukuyang diskontadong halaga ng potensyal na karagdagang kita mula sa pagtaas ng produktibidad dahil sa AI ay nasa baseline na halos $9 trilyon sa ilalim ng mga pangkaraniwang aksiyoma. Ang pagkakasundo sa pagkakaiba ay nangangailangan ng mas optimistiko mga pananaw tungkol sa bahagi ng kita na natatanggap ng mga kumpanya sa AI, bilis ng pagtatanggap, at katatagan ng margin. Hindi lahat ng pagtaas sa market value ay pure AI-driven, dahil maraming mga platform ay may malaking non-AI na negosyo, ngunit nananatiling sentral na punto ng debate ang pagkakaiba para sa mga investor na nagtataya kung ang kasalukuyang presyo ay naglalaman ng sobrang optimismo.

Bakit napapalit ang mga pagsusuri sa software nang ganito kabilis?

Nilagay ng mga merkado ang posibilidad na ang generative AI ay magbabawas sa pangangailangan para sa tradisyonal na software seats, mababawasan ang kapangyarihan sa pagtatakda ng presyo, o masasakop ang mga pagpapagana na dati ay nagdudulot ng mga upgrade. Bumaba ang forward multiples para sa maraming nakikilalang pangalan patungo sa mga saklaw na kaugnay ng mga nakaraang panahon ng teknolohikal na kawalan ng siguro. Samantala, patuloy na nagrereport ang ilang may kita sa workflow na mga kumpanya ng pagtaas sa free-cash-flow margins at paglago sa AI-related na paulit-ulit na kita, gumagawa ng pagkakaiba sa pagitan ng mga presyo na batay sa kuwento at mga malapit na fundamental na dapat isaalang-alang ng value investors case by case.

Ano ang papel ng capital expenditure ng hyperscaler sa mga pagkakaiba sa pagtataya?

Inihahalagang $700 bilyon hanggang higit sa $800 bilyon ang kabuuang pagsasakripisyo ng kapital ng mga pangunahing hyperscaler sa 2026, na may inaasahang lalampas sa $1 trilyon ang pandaigdigang pag-invest sa AI. Ang mga gastos na ito ay nagpapababa sa yield ng libreng pera sa kahon sa unang bahagi, kahit na ang karagdagang bawat kita ay nananatiling mas mataas kaysa sa gastos ng kapital. Ang mga tradisyonal na pagsubaybay sa halaga na nagpaparusa sa kahinaan ng pera sa kahon sa maikling panahon ay maaaring maliit na iklasipikahin ang mga platform na nagbuo ng kapasidad bilang mahal habang iniisip ang mga supplier na ang limitadong kapasidad ay sumusuporta sa matatag na margin.

Gaan pa rin ba ang tradisyonal mga metrikang halaga sa isang merkado na dinudulot ng AI?

Ang price-to-earnings, price-to-book, at static free-cash-flow yields ay patuloy na may kahalagahan bilang mga punto ng simula ngunit kailangan itong suportahan ng pagsusuri sa mga intangible assets, network effects, haba ng paglago, at return on incremental invested capital. Ang mga nakaraang kaganapan ng teknolohikong pagbabago ay nagpapakita na ang simpleng paggamit ng mga metrikang ito ay madalas ay nabigo sa pagkilala sa mga mangungunang tagumpay mula sa mga permanenteng traps sa halaga. Ang mga pinalawig na mga framework na naglalaman ng data intensity, switching costs, at pagkakataon sa produktibidad ay nagpapataas ng posibilidad ng pagkilala sa tunay na mismatches.

Paano nakakaapekto ang pagsasakop sa pribadong merkado sa pampublikong halaga, mga investor?

Isang malaking bahagi ng paglikha ng halaga na may kaugnayan sa AI ay nangyari bago ang mga kumpanya ay makarating sa mga pampublikong merkado. Kaya, ang mga pampublikong investor ay karaniwang nakakakontak sa huling mga yugto ng siklo, pagkatapos na maging malaki ang pagtaas ng halaga. Ang structural na katangiang ito ay nagbabawas sa kadalasang pagkakaroon ng mga klasikong bargain sa maagang yugto ng pampubliko at nangangailangan ng mga estratehiya ng halaga na o sumasang-ayon sa mga termino ng private market o tumutok sa mga pampublikong supplier at tagapagamit na ang ekonomiks ay nasa nakikita na sa mga nareport na resulta.

Ano ang nagpapakita ng pagkakaiba sa pagitan ng pansamantalang diskwento at value trap sa software?

Madalas lumabas ang pansamantalaong diskwento sa mga kumpanya na matagumpay na nag-integrate ng AI sa mga umiiral na workflow, na nagpapataas ng kapangyarihan sa presyo at pagpapanatili. Mas malaki ang posibilidad na maging value traps ang mga kumpanya kung ang kanilang pangunahing alok ay maaaring i-replica o i-orchestrate ng mga pangkalahatang modelo na may limitadong gastos sa pagbabago o propiyetaryong mga benepisyo sa data. Kailangan ng detalyadong pagsusuri sa mga product roadmap, mga metric ng pagpapanatili ng customer, at pag-unlad ng AI monetization upang makapaghiwalay sa dalawang kategorya.

Disclaimer: Ang nilalaman na ito ay para sa mga layuning impormasyonal lamang at hindi nagtataglay ng payo sa pag-invest. Ang pag-invest ay may panganib. Mangyaring gawin ang inyong sariling pag-aaral (DYOR).

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.