Ekonomen Apollo: Margin Keuntungan Magnificent Seven Meningkat Sementara Selebihnya S&P 500 Stagnan Pada 2026

Ekonomen Apollo: Margin Keuntungan Magnificent Seven Meningkat Sementara Selebihnya S&P 500 Stagnan Pada 2026

Gambar Khusus
Kecerdasan buatan telah menjadi salah satu tema pelaburan terbesar pada 2026, menarik berbilion-bilion dolar perbelanjaan pada cip, pusat data, pengkomputeran awan, dan model AI. Namun, satu soalan yang semakin muncul di pasaran kewangan ialah: Adakah pelaburan ini menghasilkan pulangan ekonomi yang boleh diukur selain daripada syarikat-syarikat yang membekalkan teknologi? Ekonom utama Apollo Global Management, Torsten Slok, menimbulkan isu ini dalam nota penyelidikan pada 24 Oktober, berhujah bahawa pendapatan setiap pekerja dan margin keuntungan telah meningkat di kalangan Tujuh Hebat sementara kekal hampir datar di kalangan 493 syarikat lain dalam S&P 500. Beliau juga mendapati tiada bukti jelas tentang percepatan pertumbuhan produktiviti yang disebabkan oleh AI.
 
Implikasinya melampaui ekuiti tradisional. Jika perbelanjaan infrastruktur AI terus meningkat lebih pantas daripada faedah kewangan yang diterima oleh pelanggan perusahaan, pelabur mungkin menilai semula penilaian teknologi, jangkaan pendapatan korporat, dan permintaan untuk perkhidmatan AI. Soalan yang sama penting kepada pasaran mata wang kripto, di mana token berkaitan AI, rangkaian pengkomputeran terdesentralisasi, dan projek AI berasaskan blok rantai semakin bersaing untuk menarik perhatian pelabur. Isu utama bukan sama ada teknologi AI sedang maju, tetapi sama ada nilai komersialnya boleh merebak melampaui sekumpulan kecil syarikat teknologi dominan.

Poin Utama

  • Keuntungan AI masih terkonsentrasi: analisis Apollo pada Oktober 2026 menunjukkan peningkatan pendapatan per pekerja dan margin keuntungan di kalangan Magnificent Seven, sementara ukuran sebanding tetap datar secara luas di kalangan S&P 493.
  • Pengambilan AI perusahaan menghadapi ujian kewangan: langganan model, penggunaan token, perbelanjaan integrasi, dan pengawasan manusia boleh mengimbangi keuntungan kecekapan apabila perniagaan tidak dapat menterjemahkan kemampuan AI menjadi keputusan kewangan yang dapat diukur.
  • Pengeluaran infrastruktur mencipta peluang dan risiko: Syarikat teknologi utama terus berinvestasi besar-besaran dalam kapasiti pengkomputeran, tetapi kelestarian pelaburan tersebut bergantung kepada permintaan pelanggan dan hasil tunai masa depan.
  • Prestasi pasaran saham mungkin menyembunyikan perbezaan ekonomi: Kapitalisasi pasaran syarikat teknologi besar boleh menyokong prestasi indeks utama walaupun pertumbuhan keuntungan tetap tidak seimbang di seluruh sektor.
  • Projek AI yang berkaitan dengan kripto menghadapi cabaran serupa: Minat pelabur terhadap infrastruktur AI dan aset digital tidak menjamin permintaan berterusan terhadap perkhidmatan berasaskan blok rantai atau token yang berkaitan dengannya.

Apa yang Dibeberkan Analisis S&P 493 Apollo Mengenai Pulangan Kewangan AI

Nota penyelidikan Apollo pada 24 Oktober, yang diterbitkan oleh Torsten Slok, berhujah bahawa faedah kewangan AI masih tertumpu pada syarikat teknologi besar berbanding tersebar luas di seluruh korporat Amerika. Analisis ini memisahkan Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, dan Tesla daripada S&P 500, merujuk kepada syarikat-syarikat yang tinggal sebagai S&P 493. Menurut Slok, pendapatan setiap pekerja dan margin keuntungan telah meningkat untuk Magnificent Seven tetapi kekal hampir rata untuk selebihnya indeks. Analisisnya juga mengenal pasti tiada percepatan jelas dalam pertumbuhan produktiviti yang boleh dikesan kepada AI.
 
Perbezaan ini penting kerana Tujuh Hebat memegang beberapa kedudukan berbeza dalam rantai nilai AI. Nvidia membekalkan peranti komputasi, Microsoft dan Alphabet mengendalikan ekosistem awan dan perisian, Amazon menggabungkan infrastruktur awan dengan perniagaan, manakala Meta dan Apple mendapat keuntungan daripada platform pengguna besar. Tesla mempunyai campuran perniagaan yang berbeza, tetapi tetap menjadi sebahagian daripada kumpulan pasaran yang sama. Syarikat-syarikat ini boleh memonetisasi AI melalui cip, perkhidmatan awan, pengiklanan, langganan, perisian, dan saluran pendapatan yang telah ditubuhkan lain. Sebagai perbandingan, banyak syarikat di luar kumpulan ini membeli kemampuan AI dan perlu menunjukkan bahawa kecekapan yang dihasilkan melebihi kos mereka.

Pendapatan setiap pekerja dan margin keuntungan menunjukkan jurang yang semakin lebar

Analisis Apollo menonjolkan perbezaan antara prestasi kewangan dan pengambilan teknologi. Sebuah syarikat boleh memperkenalkan alat AI, mengautomatikan tugas-tugas tertentu, atau meningkatkan akses pekerja kepada model canggih tanpa menghasilkan peningkatan segera dalam keuntungan keseluruhan. Manfaatnya mungkin kelihatan sebagai perkhidmatan yang lebih pantas, lebih sedikit ralat, pengekalan pelanggan yang lebih baik, atau kos unit yang lebih rendah, tetapi keuntungan ini boleh diimbangi oleh perbelanjaan pelaksanaan, pertumbuhan gaji, kos tenaga, dan perbelanjaan perisian tambahan. Pendapatan setiap pekerja dan margin keuntungan memberikan ukuran agregat yang berguna, walaupun tiada satu pun menangkap setiap manfaat potensial pengambilan AI.
Indikator Tujuh Hebat S&P 493
Pendapatan setiap pekerja Meningkat dalam analisis Apollo Cenderung rata
Margin keuntungan Meningkat mendekati 30% dalam perbandingan yang dilaporkan Cenderung rata di sekitar 10%
Peningkatan produktiviti berhubung AI Pencapaian kewangan yang lebih kuat, walaupun sebab-akibat tidak ditetapkan hanya berdasarkan perbandingan tersebut Tiada percepatan agregat yang jelas dikenal pasti oleh Apollo
Kedudukan dalam ekonomi AI Mengandungi penyedia infrastruktur dan platform AI utama Mengandungi pelbagai pelanggan AI dan perniagaan lain
Angka-angka tersebut adalah nilai anggaran yang dilaporkan dalam liputan analisis Apollo, bukan pengukuran yang identik untuk setiap syarikat. Ia menggambarkan perbezaan pada tahap kumpulan dan tidak menetapkan bahawa AI sahaja menyebabkan jurang tersebut.
 
Kesimpulan tersebut tidak seharusnya ditafsirkan sebagai bukti bahawa setiap syarikat di luar teknologi gagal mendapat manfaat daripada AI. Margin agregat boleh menyembunyikan kejayaan individu, dan peningkatan produktiviti mungkin memerlukan masa untuk muncul dalam penyata kewangan. Walau bagaimanapun, analisis Apollo mengangkat soalan penting untuk pelabur: jika AI dijangka mengubah ekonomi yang lebih luas, bilakah transformasi itu seharusnya kelihatan dalam prestasi kewangan syarikat-syarikat yang mengadopsinya?

Mengapa perbelanjaan AI belum lagi diterjemahkan kepada keuntungan korporat yang lebih luas

Kesenjangan antara pelaburan AI dan pulangan kewangan yang boleh diukur mencerminkan kompleksiti integrasi teknologi baharu ke dalam perniagaan sedia ada. Membeli akses kepada model canggih adalah相对 mudah; mendesain semula aliran kerja, infrastruktur data, tanggungjawab, dan proses pengambilan keputusan syarikat adalah jauh lebih sukar. AI mungkin mengurangkan masa yang diperlukan untuk menyelesaikan tugas tanpa menghilangkan kerja sekeliling yang diperlukan untuk mengesahkan outputnya, mengekalkan pematuhan, atau mengkomunikasikan hasilnya kepada pelanggan. Akibatnya, peningkatan pada tahap tugas individu tidak semestinya diterjemahkan kepada margin yang lebih tinggi di seluruh syarikat.

Kos Token Menjadi Perbelanjaan Perusahaan yang Penting

Banyak perkhidmatan AI mengenakan bayaran berdasarkan penggunaan model, termasuk bilangan token input dan output yang diproses. Semakin ramai pekerja dan agen automatik menjalankan lebih banyak tugas melalui sistem AI, penggunaan boleh meningkat secara ketara. Bagi syarikat yang menjalankan operasi berskala besar, jumlah kos mungkin merangkumi akses model, infrastruktur awan, persediaan data, kawalan keselamatan, integrasi perisian, dan semakan manusia. Model yang lebih cekap mungkin meningkatkan ketepatan pada tugas-tugas kompleks, tetapi kos tambahannya sukar dibenarkan apabila model yang lebih murah mampu menghasilkan keputusan yang cukup baik.
 
Slok berpendapat bahawa perniagaan utama menjadi lebih berhati-hati dalam membayar untuk model terkini kerana manfaat kewangan tidak selalu muncul dalam laporan keuntungan mereka. Sementara itu, syarikat yang disokong modal ventura terus mengeluarkan wang besar untuk kemampuan AI, mencipta perbezaan antara syarikat yang mengejar ekspansi teknologi pantas dan perniagaan mapan yang menuntut pulangan ekonomi yang jelas. Perbezaan ini khususnya relevan apabila penyedia AI berusaha untuk menukar penggunaan yang semakin meningkat menjadi pendapatan berulang sambil mengekalkan ekonomi unit yang menarik.

Hadiah Perniagaan Membatasi Apa yang Boleh Dicapai oleh Automasi

AI boleh meringkaskan maklumat, menghasilkan kod, menganalisis dokumen, dan membantu dengan pengiraan. Namun, banyak keputusan perniagaan bergantung pada konteks, tanggungjawab, kepercayaan pelanggan, budaya organisasi, dan pertimbangan etika. Sebuah institusi kewangan mungkin menggunakan AI untuk mengulas permohonan, contohnya, tetapi masih memerlukan kawalan untuk pematuhan, keadilan, dan keputusan yang mempengaruhi pelanggan. Sebuah penyedia perkhidmatan kesihatan mungkin mengautomatikan dokumentasi sambil mengekalkan tanggungjawab manusia terhadap penilaian klinikal. Dalam kedua-dua kes tersebut, teknologi boleh meningkatkan tugas-tugas tertentu tanpa menghilangkan kos operasi yang lebih luas yang berkaitan dengan penyampaian perkhidmatan.
 
Ini membantu menjelaskan mengapa kadar pengambilan sahaja tidak cukup sebagai ukuran kejayaan komersial. Perniagaan mesti menentukan sama ada AI meningkatkan hasil yang boleh diukur seperti kadar konversi, masa pemprosesan, pengekalan pelanggan, atau kos setiap transaksi. Jika peningkatan tersebut gagal melebihi kos pelaksanaan dan operasi, penggunaan AI tambahan mungkin meningkatkan perbelanjaan tanpa meningkatkan keuntungan. Argumen Apollo oleh itu kurang berkenaan dengan ketiadaan kemajuan teknologi berbanding dengan kesukaran menterjemahkan kemajuan itu kepada keuntungan kewangan yang luas dan boleh diukur.

Peningkatan produktiviti mungkin memerlukan masa untuk muncul

Terdapat juga masalah ketika. Syarikat sering menanggung perbelanjaan sebelum mendapat manfaat penuh daripada teknologi baharu. Pekerja memerlukan latihan, sistem dalaman perlu dimodifikasi, dan pengurus mesti menentukan tugas mana yang perlu diotomatikkan dan mana yang memerlukan semakan manusia. Semasa peralihan ini, peningkatan produktiviti mungkin tetap terhad atau diimbangi oleh kos mengorganisasi semula kerja.
 
Ekonom utama Goldman Sachs, Jan Hatzius, menawarkan tafsiran yang lebih optimis terhadap potensi ekonomi jangka panjang AI, berhujah bahawa pelaburan akhirnya boleh menyokong produktiviti yang lebih tinggi dan keuntungan korporat yang lebih luas. Namun, Goldman juga melihat sumbangan pertumbuhan daripada kitaran pelaburan AI semasa berpotensi mencapai puncak pada akhir 2026 atau awal 2027. Perbezaan antara dua ekonom ini bukan sekadar sama ada AI berguna, tetapi seberapa pantas dan luas manfaatnya akan muncul.
 
Bagi pelabur, ujian yang sesuai ialah sama ada keputusan kewangan masa depan mengesahkan perbelanjaan yang sedang berlaku. Pulangan yang tertunda masih mungkin, tetapi syarikat-syarikat masih perlu menunjukkan bahawa program AI mereka mencipta nilai yang tahan lama, bukan hanya bergantung pada jangkaan bahawa nilai akan muncul pada akhirnya.

3. Ledakan infrastruktur AI bernilai $650 bilion mencipta ujian kewangan

Skala perbelanjaan infrastruktur AI menjadikan soal pulangan pelaburan semakin penting. Laporan yang diterbitkan oleh The Indian Express pada 28 Oktober merujuk kepada anggaran bahawa syarikat teknologi utama merancang untuk membelanjakan kira-kira $650 bilion pada infrastruktur AI pada 2026. Laporan yang sama merujuk kepada amaran Gartner bahawa lebih daripada $3.5 trilion pelaburan infrastruktur AI boleh menghadapi risiko kerugian pada 2030 jika pendapatan yang dihasilkan oleh AI gagal membenarkan perbelanjaan tersebut. Ini adalah anggaran yang melihat ke depan dan penilaian risiko bersyarat, bukan kerugian yang telah pasti.
 
Kemajuan infrastruktur menyokong beberapa lapisan ekonomi teknologi, termasuk pengilang semikonduktor, penyedia awan, pengendali pusat data, pembekal rangkaian, dan infrastruktur elektrik. Syarikat-syarikat ini boleh menghasilkan pendapatan apabila peralatan dihantar, kapasiti pengkomputeran disewa, atau perkhidmatan awan digunakan. Walau bagaimanapun, pelanggan enterpris mesti mengekang perbelanjaan berkaitan AI mereka melalui peningkatan produktiviti masa depan, peningkatan jualan, atau faedah ekonomi lain. Ini mencipta perbezaan masa: pembekal infrastruktur boleh merekodkan pendapatan sebelum syarikat yang membeli perkhidmatan mereka menunjukkan pulangan pelaburan yang positif.

Perbelanjaan modal, penyusutan, dan arus tunai penting

Analisis Reuters Breakingviews yang diterbitkan pada 23 Oktober mengkaji bagaimana pelaburan infrastruktur AI mempengaruhi keuntungan korporat dan risiko kewangan. Ia mencatat bahawa pembekal peralatan boleh mengiktiraf pendapatan apabila produk dijual, manakala pembeli biasanya mengiktiraf perbelanjaan modal secara berperingkat melalui susut nilai. Bagi pusat data yang masih dalam pembinaan, susut nilai mungkin tidak bermula sehingga fasiliti tersebut beroperasi. Masa akuntan ini boleh membuat faedah kewangan jangka pendek kitaran pelaburan kelihatan lebih kuat berbanding pulangan ekonomi akhir.
 
Analisis yang sama menekankan peningkatan penerbitan hutang dan komitmen berkaitan peralatan di kalangan syarikat teknologi utama. Kewajiban ini tidak secara automatik menunjukkan kesukaran kewangan, terutamanya bagi syarikat-syarikat dengan aliran pendapatan yang mapan dan neraca yang kuat. Namun, ia meningkatkan kepentingan kadar pemanfaatan masa depan, kuasa penetapan harga, dan permintaan pelanggan. Jika kapasiti pengkomputeran mengembang lebih pantas daripada kesediaan pelanggan untuk membayar, penyedia mungkin menghadapi tekanan terhadap margin dan arus tunai walaupun teknologi asas terus membaik.

Apa yang berlaku jika permintaan AI tidak sepadan dengan bekalan infrastruktur?

Risiko prinsipal bukan sekadar pengambilan AI yang melambat, tetapi bahawa anggaran kewangan yang menyokong pengembangan infrastruktur terbukti terlalu optimis. Pusat data memerlukan pelaburan awal yang besar, perjanjian kuasa jangka panjang, pembelian peralatan, dan penyelenggaraan berterusan. Jika penggunaan tidak mencapai jangkaan atau harga model menurun lebih pantas daripada kos operasi, beberapa pelaburan mungkin menghasilkan pulangan yang lebih rendah daripada yang diramalkan. Pengendali infrastruktur kecil dengan simpanan tunai terhad mungkin lebih terdedah kepada keadaan pembiayaan berbanding platform teknologi yang telah mapan.
 
Untuk pasaran, indikator utama oleh itu bukan sahaja jumlah perbelanjaan. Pelabur perlu memantau perbelanjaan modal berbanding pendapatan, arus tunai bebas, komitmen hutang, perbelanjaan susut nilai, dan bukti permintaan pelanggan yang berulang. Perbelanjaan yang berterusan boleh menyokong pendapatan pembekal jangka pendek, tetapi pertumbuhan jangka panjang yang mampan memerlukan pelanggan untuk memperoleh nilai ekonomi yang mencukupi daripada perkhidmatan AI untuk membenarkan perbelanjaan berulang.

Apakah yang Dimaksud dengan Perpecahan Keuntungan AI bagi S&P 500 dan Saham Teknologi

Pencapaian kuat The Magnificent Seven boleh mempengaruhi pasaran saham yang lebih luas kerana the S&P 500 diimbangkan mengikut kapitalisasi pasaran. Apabila ahli-ahli terbesar naik, mereka boleh menyokong indeks utama walaupun banyak syarikat kecil mengalami pertumbuhan keuntungan yang lemah atau pengembangan margin yang terhad. Ini menjadikan pencapaian aras indeks sebagai ukuran yang tidak lengkap tentang sejauh mana faedah ekonomi tersebar secara luas di seluruh sektor korporat.
 
Penemuan Apollo menunjukkan bahawa pelabur harus membezakan antara prestasi pemasok AI dan hasil kewangan syarikat yang mengadopsi AI. Sebuah syarikat semikonduktor boleh mendapat manfaat daripada peningkatan perbelanjaan infrastruktur, manakala sebuah pengecer yang menggunakan AI untuk meramal inventori mungkin memerlukan beberapa tempoh pelaporan untuk menunjukkan simpanan yang dapat diukur. Kedua-dua syarikat mungkin berkaitan dengan tren teknologi yang sama, tetapi model pendapatan, struktur kos, dan eksposur mereka terhadap permintaan AI adalah berbeza secara asas.

Penilaian AI bergantung pada pendapatan masa depan

Kes kes investasi untuk ekuiti yang berkaitan dengan AI sebahagiannya bergantung kepadajangkaan bahawa perbelanjaan semasa akan menyokong pertumbuhan pendapatan masa depan. Jika permintaan untuk perkhidmatan pengkomputeran terus membesar dan penyedia mengekalkan kuasa penetapan harga, pelaburan infrastruktur mungkin menghasilkan pulangan yang menarik. Jika pelanggan mengurangkan penggunaan, berpindah ke model yang lebih murah, atau menangguhkan projek, jangkaan pendapatan mungkin melemah walaupun pengambilan AI terus bertumbuh.
 
Analisis Reuters pada Oktober juga menekankan bahawa pelaburan yang berkaitan dengan AI telah menyumbang secara tidak seimbang kepada pertumbuhan keuntungan korporat, sambil menimbulkan soalan mengenai kos pembiayaan dan penghasilan tunai masa depan. Ini tidak membuktikan bahawa saham AI pasti dinilai terlalu tinggi. Sebaliknya, ia menonjolkan mengapa pelabur perlu membandingkan penilaian dengan keuntungan dan arus tunai yang berterusan, bukan hanya bergantung sepenuhnya kepada pertumbuhan yang dijangka.

Kedalaman Pasar Boleh Menjadi Isyarat yang Lebih Penting

Pelabur juga boleh memeriksa sama ada pertumbuhan keuntungan menyebar melampaui syarikat teknologi terbesar. Prestasi indeks berbobot sama berbanding indeks berbobot kapitalisasi, bilangan syarikat yang melaporkan pengembangan margin, dan penyesuaian keuntungan merentas sektor boleh membantu mengungkap sama ada kekuatan pasaran sedang meluas. Jika keuntungan produktiviti yang didorong AI mula muncul dalam industri seperti kesihatan, kewangan, pembuatan, dan perkhidmatan pengguna, bukti itu akan menyokong pulangan ekonomi yang lebih luas.
 
Sebaliknya, jika pendapatan dan keuntungan berkaitan AI kekal terkumpul di kalangan pembekal infrastruktur sementara pelanggan perusahaan terus menyerap kos yang meningkat, pasaran mungkin menjadi lebih peka terhadap panduan perbelanjaan modal dan kecekapan perbelanjaan. Dalam persekitaran itu, walaupun syarikat-syarikat dengan paparan AI yang kuat boleh mengalami perbezaan yang lebih besar dalam prestasi apabila pelabur membezakan antara perniagaan yang menjual kapasiti AI dan yang menghasilkan pulangan berterusan daripada penggunaannya.

Apakah Maksud Peringatan AI Apollo Terhadap Projek Mata Wang Kripto dan Blok Rantai

Untuk pasaran mata wang kripto, perdebatan yang sama menimbulkan soalan mengenai token AI, pengkomputeran terdesentralisasi, dan perkhidmatan AI berdasarkan blok rantai. Projek yang menghubungkan penyedia pengkomputeran dengan pembangun AI, mengkoordinasikan infrastruktur terdesentralisasi, atau menggunakan token untuk menghargai peserta rangkaian mungkin mendapat faedah daripada permintaan terhadap sumber AI. Namun, pelajaran yang lebih luas daripada analisis Apollo ialah bahawa pengambilan teknologi dan penciptaan nilai kewangan adalah soalan yang berasingan. Peningkatan minat terhadap AI tidak secara automatik mencipta permintaan yang mampan untuk setiap projek yang berkaitan dengan tema ini.

Token AI memerlukan kegunaan sebenar dan permintaan yang boleh diukur

Sebuah token yang dikaitkan dengan projek AI boleh digunakan untuk membayar komputasi, memberi ganjaran kepada penyedia perkhidmatan, mengkoordinasikan penyertaan rangkaian, atau mengakses ciri-ciri platform tertentu. Soalan pentingnya ialah sama ada pengguna memerlukan token tersebut untuk mendapatkan perkhidmatan yang berharga dan sama ada permintaan itu berterusan melebihi perdagangan spekulatif. Satu projek boleh melaporkan peningkatan aktiviti dompet atau keaktifan komuniti tanpa menghasilkan penggunaan berbayar yang mencukupi untuk menyokong kos operasinya.
 
Oleh itu, pelabur sepatutnya membezakan antara kemampuan teknologi projek, pengambilan pelanggan sebenar, dan peranan ekonomi tokennya. Indikator yang berguna mungkin termasuk permintaan komputasi berbayar, pelanggan berulang, penggunaan rangkaian, pendapatan perkhidmatan, emisi token, dan hubungan antara jumlah token dan aktiviti rangkaian sebenar. Ukuran-ukuran ini boleh membantu menentukan sama ada projek kripto berkaitan AI sedang membangunkan perkhidmatan yang boleh bertahan atau hanya mendapat keuntungan daripada semangat pasaran yang lebih luas.

Komputasi Terdesentralisasi Menghadapi Cabaran Kos dan Pemanfaatan Sendiri

Rangkaian GPU terpusat dan projek pengkomputeran teragih lain mencuba menghubungkan pengguna yang memerlukan sumber pengkomputeran dengan penyedia yang mempunyai peralatan yang tersedia. Kelebihan berpotensi mereka mungkin termasuk akses fleksibel, saluran bekalan alternatif, dan cara-cara baharu untuk mengkoordinasikan infrastruktur. Walau bagaimanapun, rangkaian-rangkaian ini masih menghadapi soalan praktikal yang melibatkan kualiti peralatan, masa aktif, latensi, privasi data, pengesahan, dan penentuan harga.
 
Rangkaian terdesentralisasi mesti menawarkan sebab yang menarik kepada pelanggan untuk menggunakannya berbanding penyedia awan konvensional. Jika ia tidak mampu memberikan prestasi yang boleh diramalkan dengan kos keseluruhan yang kompetitif, permintaan mungkin kekal terhad walaupun keperluan pengkomputeran AI meningkat. Selain itu, insentif token boleh menarik penyedia sebelum permintaan pelanggan yang mencukupi wujud, mencipta ketidakseimbangan antara kapasiti yang tersedia dan beban kerja yang dibayar. Peringatan lebih luas Apollo mengenai jurang antara pelaburan AI dan pulangan komersial adalah relevan di sini, walaupun analisis S&P 493nya tidak mengukur rangkaian AI terdesentralisasi secara langsung.

Koin stabil dan pembayaran blok rantai boleh menyokong perniagaan AI

Koin stabil dan sistem pembayaran berbasis blok rantai mungkin memainkan peranan dalam perkhidmatan digital automatik, termasuk pembayaran antara agen perisian, penyelesaian antarabangsa, dan transaksi mesin-ke-mesin. Walau bagaimanapun, pemerkasaan aktiviti AI tidak secara automatik meningkatkan penggunaan koin stabil, yuran transaksi, atau permintaan untuk token asli blok rantai. Kesudahan ekonomi bergantung kepada sama ada perniagaan mengadopsi sistem ini, sama ada pembayaran diselesaikan di atas blok rantai, dan sama ada aktiviti yang dihasilkan mencipta pendapatan mampan untuk rangkaian.
 
Untuk pelabur mata wang kripto, pelajaran praktikalnya ialah menilai projek berkaitan AI menggunakan bukti permintaan pelanggan, ekonomi transaksi, dan kegunaan token, bukan hanya berdasarkan paparan tematik semata-mata. Sektor AI mungkin terus berkembang sementara projek-projek individu berjuang untuk membina model perniagaan yang mampan. Seperti bagaimana prestasi kewangan Magnificent Seven tidak membuktikan setiap pelaburan AI menguntungkan, pertumbuhan ekonomi AI yang lebih luas tidak menjamin setiap aset kripto yang berkaitan dengan AI akan mendapat manfaat.

Apa yang Perlu Diperhatikan Oleh Pelabur Seterusnya

Fasa seterusnya perbincangan pelaburan AI akan bergantung kepada sama ada syarikat-syarikat mula menunjukkan pulangan kewangan yang boleh diukur. Laporan keuntungan kuartalan, panduan pengurusan, dan pengumuman perbelanjaan modal akan memberikan bukti penting. Pelabur sepatutnya mencari syarikat-syarikat yang menjelaskan bagaimana AI mempengaruhi perbelanjaan operasi, akuisisi pelanggan, output setiap pekerja, kualiti perkhidmatan, dan pertumbuhan pendapatan. Klaim umum mengenai pengambilan AI kurang bermakna berbanding keputusan yang boleh diukur yang dikaitkan dengan proses perniagaan tertentu.
Indikator Apa yang perlu dipantau Mengapa ia penting
Margin keuntungan dan pendapatan setiap pekerja Samada peningkatan tersebar melampaui Tujuh Hebat Menguji sama ada faedah AI semakin meluas
Perbelanjaan modal AI Pertumbuhan perbelanjaan berbanding pendapatan dan arus tunai Membantu menilai kelestarian pengembangan infrastruktur
Pengeluaran model perniagaan Pengekalan pelanggan, penggunaan, dan kesediaan untuk membayar Menunjukkan sama ada perkhidmatan AI memberikan nilai yang mencukupi
Susut nilai dan kos pembiayaan Peningkatan perbelanjaan apabila infrastruktur beroperasi Mengungkapkan kos yang tertunda daripada kemakmuran pelaburan
Aktiviti kripto berkaitan AI Penggunaan berbayar, penggunaan rangkaian, pelepasan token, dan permintaan berulang Membantu membezakan kegunaan praktikal daripada minat spekulatif
Isyarat yang sangat penting ialah peningkatan berterusan dalam keuntungan di kalangan syarikat-syarikat di luar platform teknologi terbesar. Perkembangan sedemikian akan memperkuat hujah bahawa AI menghasilkan manfaat ekonomi secara menyeluruh, bukan semata-mata menyokong pembekal infrastruktur dan platform yang sudah ada. Di sisi lain, pertumbuhan perbelanjaan yang berterusan tanpa peningkatan sepadan dalam prestasi kewangan perusahaan boleh menyebabkan pelabur mengkaji semula bajet pelaburan dengan lebih teliti.
 
Pelabur juga sepatutnya membandingkan pelbagai tafsiran ekonomi berbeza daripada memperlakukan penilaian Apollo sebagai ramalan yang pasti. Slok menekankan kekurangan pulangan kewangan yang kelihatan di luar teknologi, manakala Jan Hatzius dari Goldman Sachs tetap lebih optimis terhadap potensi produktiviti jangka panjang AI. Hasil akhir akan bergantung kepada pengambilan, kualiti pelaksanaan, harga, keadaan pembiayaan, dan keupayaan perniagaan untuk menukar kemampuan teknikal menjadi produk dan perkhidmatan yang menguntungkan.

Kesimpulan

Analisis Torsten Slok, ekonom Apollo, pada Oktober 2026 menonjolkan jurang yang semakin lebar antara syarikat-syarikat yang membekalkan teknologi AI dan sektor korporat yang lebih luas yang dijangka akan mendapat manfaat daripadanya. Tujuh Hebat terus menunjukkan pendapatan per pekerja dan margin keuntungan yang lebih kuat, manakala S&P 493 belum lagi menunjukkan peningkatan agregat yang sepadan. Sementara itu, perbelanjaan infrastruktur yang besar meningkatkan kepentingan permintaan pelanggan, arus tunai, dan pulangan yang mampan.
 
Bagi pelabur ekuiti dan mata wang kripto, soalan utama ialah sama ada kemampuan teknikal AI yang semakin meningkat boleh diterjemahkan menjadi nilai ekonomi yang berterusan. Tahap seterusnya dalam kitaran pelaburan akan dinilai kurang berdasarkan pengumuman perbelanjaan dan tuntutan pengambilan, tetapi lebih kepada peningkatan yang boleh diukur dalam produktiviti, keuntungan, dan kesediaan pelanggan untuk membayar. AI akhirnya mungkin memberikan manfaat ekonomi yang luas, tetapi pelabur memerlukan bukti bahawa manfaat tersebut meluas ke luar kumpulan kecil syarikat teknologi terkemuka.

Soalan Lazim

Apakah maksud istilah S&P 493?

S&P 493 merujuk kepada 493 syarikat yang tinggal dalam S&P 500 selepas mengecualikan Magnificent Seven: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia, dan Tesla. Analis menggunakan kumpulan ini untuk membandingkan prestasi syarikat-syarikat teknologi terbesar dengan indeks yang lebih luas.

Adakah pendapatan per pekerja mengukur produktiviti secara langsung?

No. Pendapatan per pekerja mengukur jumlah pendapatan yang dihasilkan untuk setiap pekerja, tetapi ia boleh dipengaruhi oleh penentuan harga, pengambilalihan, penghantaran luar, campuran perniagaan, dan perubahan dalam tenaga kerja. Ukuran produktiviti biasanya mengkaji output berbanding input dan memerlukan konteks tambahan untuk menentukan sama ada kecekapan operasi telah meningkat.

Mengapa pengambilan AI mungkin meningkat sementara margin korporat kekal tidak berubah?

Kos berkaitan AI mungkin meningkat seiring dengan pengambilan, termasuk yuran model, infrastruktur, latihan, integrasi, dan semakan manusia. Peningkatan kecekapan juga mungkin dipindahkan kepada pelanggan melalui harga yang lebih rendah atau diimbangi oleh kos di tempat lain dalam perniagaan. Akibatnya, penggunaan AI yang lebih besar tidak semestinya menghasilkan ekspansi margin segera.

Bisakah model AI yang lebih kecil memberi manfaat lebih besar kepada perniagaan berbanding model paling canggih?

Ya, bergantung kepada tugas. Model yang lebih kecil atau kurang mahal mungkin memberikan ketepatan yang mencukupi untuk pengelasan rutin, ekstraksi dokumen, sokongan pelanggan, atau alur kerja lain yang ditakrifkan secara sempit. Model yang sesuai bergantung kepada kompleksiti tugas, keperluan kebolehpercayaan, latensi, dan kos keseluruhan, bukan semata-mata kemampuan model.

Bagaimana pelabur boleh membezakan perniagaan yang berkaitan AI daripada perniagaan yang digerakkan oleh AI?

Sebuah perniagaan berkaitan AI mungkin menjual produk atau perkhidmatan yang berkaitan dengan AI, manakala perniagaan yang digerakkan oleh AI boleh menunjukkan bahawa AI meningkatkan secara material model operasi atau pendapatan mereka. Bukti mungkin termasuk kos yang lebih rendah setiap transaksi, output yang lebih tinggi setiap pekerja, peningkatan kekalan pelanggan, pendapatan AI berulang, atau keuntungan produktiviti yang boleh diukur.

Adakah perbelanjaan infrastruktur AI menjamin permintaan berterusan terhadap GPU?

Tidak. Permintaan bergantung kepada ekonomi perkhidmatan AI, kecekapan model, kadar pemanfaatan, bajet pelanggan, dan ketersediaan kapasiti pengkomputeran alternatif. Model yang lebih cekap mungkin mengurangkan pengkomputeran yang diperlukan untuk tugas-tugas tertentu walaupun penggunaan AI keseluruhan meningkat, menjadikan permintaan peralatan jangka panjang bergantung kepada beberapa faktor yang bersaing.
 
Penafian: Maklumat pasaran umum ini, yang mungkin berasal dari sumber pihak ketiga, komersial, atau disponsori, disediakan semata-mata untuk rujukan dan tujuan pendidikan dan tidak merupakan nasihat kewangan atau pelaburan, tawaran, ajakan, atau jaminan. Kami menafikan tanggungjawab atas ketepatan, kelengkapan, kebolehpercayaan, dan sebarang kerugian yang timbul. Pelaburan/perdagangan adalah berisiko; prestasi lampau tidak menjamin keputusan masa depan. Pengguna harus menyelidik, menilai dengan bijak, dan mengambil tanggungjawab penuh. Untuk butiran lanjut, sila rujuk Terma Penggunaan dan Pendedahan Risiko KuCoin.

Penafian: Halaman ini telah diterjemahkan dengan menggunakan teknologi AI untuk keselesaan anda. Untuk mendapatkan maklumat yang paling tepat, rujuk kepada versi bahasa Inggeris asal.