AI 如何創造巨大的估值錯配並改變價值投資的邏輯
AI 打破傳統股權估值模型
人工智慧已以挑戰數十年價值投資正統的方式重寫了股權市場的定價。以往偏好低市盈率、穩定的自由現金流收益率以及可預測的股息或股票回購支持的傳統篩選標準，如今面臨的是那些報告市盈率無論高低都極端的公司。一些企業的市盈率低至個位數甚至低於2倍，卻實現了三位數的收入增長；而另一些擁有穩定現金流的企業，其估值折讓幅度卻暗示著結構性過時。
結果是出現了顯著的不匹配局面，市場似乎將預期的干擾遠早於實際基本面進行定價。生成式人工智慧與相關的資本支出熱潮壓縮了傳統的估值框架，將成長持續時間和無形護城河提升為內在價值的主要驅動因素，並迫使價值投資者納入較舊模型刻意排除的前瞻性生產力假設。
極端倍數揭示成長持續時間為新核心議題
市場參與者曾尋找市盈率介於 10 至 12 倍之間、能透過現金流產生和資本回報穩步複利增長的股票。這種方法已基本進入相關性降低的時期。目前公開討論的例子包括市盈率低至 1.8 倍、同時錄得年同比收入增長超過 600% 的公司。在這些情況下，分析討論幾乎完全轉向該增長趨勢的可持續性，而非倍數的絕對水平。日本工業集團如住友電氣，市盈率約為 16 倍，便體現了類似的動態：其光纖、雷射及相關元件業務與超大規模雲運營商簽訂了多年合約，嵌入了人工智能曝光度，而傳統篩選方法未能充分評估此價值。
這些觀察結果，如近期評論所示，突顯了人工智慧更廣泛的中期影響：估值錯配情況加劇，促使價值投資實踐朝向一些人所描述的高增長深度價值機會發展。因此，投資者必須不僅評估當前的盈利能力，還需評估在競爭反應或技術成熟壓縮回報之前，高增長能持續多久。實際影響是，僅基於過往或短期倍數的篩選系統，會系統性地忽略那些經濟模式正受到人工智慧基礎設施需求重塑的企業。
超大規模廠商資本支出重繪利潤池預期
最大雲端與運算平台的資本支出已達到重新定義產業利潤池的水平。市場共識估計，主要超大規模雲端服務商於2026年的合計支出將介於7000億美元至8000億美元以上，全球與AI相關的投資預計將超過1萬億美元。高盛研究指出，美國科技投資占GDP的比重已超越1990年代末的高點，且支出計畫持續上修。此類支出雖初期對自由現金流指標造成壓力，但同時擴大了半導體、網路設備、電力基礎設施與特殊材料的可服務市場。
價值評估框架若因短期現金流下降而對平台進行懲罰，可能會將這些平台歸類為昂貴，而實際上其基礎設施的擴張可能支撐多年收益增長。同時，支出的集中會產生次要影響：產能受限或擁有專有技術的供應商獲得超額利潤，而下游軟體與服務公司則因AI替代品的出現面臨利潤壓力。最終結果是價值的重新分配，而根據AI前增長率校準的傳統折現現金流模型難以準確捕捉這一現象。
軟體領域的重新定價反映的是預期而非實際的干擾
企業軟體的估值已出現顯著收縮。許多知名企業的遠期倍數已跌至雲端轉型不確定性較高時期的水平，部分高品質企業的交易價格較歷史均值低 20 至 30% 或更多。摩根士丹利等公司的分析師指出，軟體企業價值與銷售額的平均倍數已回歸至公共雲端採用達到高峰時的不確定性水平。市場正在評估生成式 AI 可能減少用戶數量、壓縮定價能力，或吸收過去推動升級週期的功能。
然而，許多工作流程現有企業報告的基本面仍顯示出強勁的自由現金流轉換率和不斷增長的與 AI 相關的年度經常性收入。當前價格中隱含的增長率與實際或近期預期的增長之間存在分歧，這形成了典型的不匹配：一些盈利的軟體企業在現金流指標上看似被低估，而結構性過時的敘事仍佔主導地位。因此，價值投資者面臨著區分暫時性的敘事驅動折價與競爭優勢真正衰退的任務。
市值收益與預估 AI 利潤潛力
根據高盛研究，自2022年底以來，與AI相關的公司已增加了約$27萬億的市值。同一項研究指出，在標準假設下，AI生產力提升所帶來的潛在額外利潤的現值基線約為$9萬億。要縮小這一差距，需要對AI企業所捕獲的經濟剩餘份額、採用速度以及高保證金水平的持續性作出樂觀假設。這種差異本身並不能證明估值過高；同一平台及更廣泛市場中非AI企業的重新評級也貢獻了總額。
然而，這一幅度突顯了市場定價相對於經濟價值創造的保守估計已偏離多遠。習慣於以低於獨立計算的內在價值的價格購入資產的價值投資者，現在必須決定是採納更高的收入分成和生產力假設，還是將過高的市場價值視為風險升高的信號。對於純粹的模型提供者以及近期高調上市、但盈利歷史相對於其資本化規模仍顯有限的公司而言，這種分析上的張力尤為尖銳。
傳統指標在應對無形資產和網絡效應時備受挑戰
市盈率、市淨率，甚至自由現金流收益率等指標，是為主要資產出現在資產負債表上的企業所設計的。以人工智慧為核心的公司，其價值主要來自專有數據集、模型權重、人才密度以及隨規模擴大而增強的網絡效應。將傳統的篩選標準套用於這些公司，經常會產生極端的乘數或看似價值陷阱的狀況。對以往技術斷層的歷史分析顯示，天真的價值指標往往無法區分最終的勝出者與最終衰退的公司。
曾經享有高溢價估值的軟體股，如今在某些情況下交易價格僅為整體市場的輕微折價，但支撐其經濟模式、工作流程整合、轉換成本和領域特定數據的無形資產，並未在會計帳面價值中完全體現。因此，僅依賴傳統比率的投資者，有風險錯過具有持久複合增長能力的公司，或購入那些報告價格低廉卻實際上正經歷競爭力衰退的企業。將無形資本密集度和數據網絡強度的衡量指標納入價值投資工具箱，已成為必要之舉。
私人市場集中度限制公眾投資者參與
AI 相關價值創造的很大一部分仍發生在私人市場中。報告指出，領先 AI 公司近期的增長中，超過一半在公開上市前已被捕獲，而一小群私人公司佔據了頂尖企業群體中不成比例的收入和估值份額。因此，公開市場投資者主要接觸的是週期的後期階段，此時大部分升值已發生。這種動態改變了歷史上專注於公開交易股票的價值策略的機會範圍。
二級市場交易和區間基金部分填補了這一差距，但流動性、估值透明度和治理標準與公開市場仍有顯著差異。尋求參與早期人工智慧經濟的價值投資者，必須接受私人市場的期限，或專注於公開市場的供應商和採用者，這些主體的經濟狀況已反映在報告結果中。這種結構性轉變降低了技術採用初期經典公開市場機會的出現頻率。
半導體與基礎設施類股呈現分歧的盈利走勢
在人工智慧生態中，半導體、網路和電力相關元件的收益走勢與模型提供者及傳統軟體顯著不同。領先的半導體設備和記憶體供應商的前瞻市盈率已從高峰水平放緩，但仍受到與資料中心建設相關的多年需求能見度支撐。一些擁有專用產品、光學元件、先進基板或電源管理解決方案的工業和材料公司，其市盈率相對於長期超大規模雲端供應商合約中所隱含的成長而言，顯得較為合理。
這些名稱通常不在純科技指數之內，因此避開了由敘事驅動的全面重評。強調收益能力相對於投入資本以及可見需求持續時間的價值框架，能夠發現廣泛增長篩選所忽略的機會。關鍵的分析步驟是驗證產能限制或技術專屬性是否限制了快速的競爭進入，從而支持在初始建設階段之後的保證金可持續性。
看似 AI 輪輸家中的價值陷阱風險
並非所有折扣軟體或服務公司都構成持久的優惠。其核心產品可由通用模型複製或協調的公司，面臨著價格和成交量的實際壓力。技術干擾的歷史模式表明，傳統的價值指標在區分短期低估與永久性損耗方面已基本無效。
因此，投資者必須檢視轉換成本、專有數據優勢，以及 AI 工具是補充還是取代現有工作流程的程度。成功將 AI 整合至自身產品中、並透過增強的分析或自動化提升定價能力的公司，可能會變得更強大；而僅僅維護傳統按座位模式的公司，則面臨長期市盈率壓縮的風險。這一區別需要對產品路線圖和客戶留存數據進行細緻分析，而非依賴整體行業倍數。
生產力提升與經濟回報的時機
企業對人工智慧的採用仍不均勻。對首席執行官的調查顯示，儘管活動廣泛，但大多數企業僅部分實現了人工智慧轉型計劃的預期成果。缺乏嚴格優先級的使用案例擴散，已使許多投資組合公司的回報被稀釋。對於公開市場投資者而言，這意味著短期收益上調可能比資本支出落後數年。
納入延遲生產力效益的價值模型，其現值低於假設快速擴大保證金的模型。分析上的挑戰在於估算基礎設施部署與不同行業可衡量的自由現金流改善之間的滯後時間。知識密集型或重複性分析任務較多的行業可能較早實現收益；資本密集型或高度監管的行業則可能落後。準確的時間假設對於避免過早樂觀和過度謹慎至關重要。
集中風險與投資組合構建影響
近期股市場回報高度集中於少數與人工智慧相關的股票。在某些期間，五隻或更少的股票貢獻了指數的大部分漲幅，而市場其餘部分的表現則較為溫和。風險溢價已收縮，某些衡量指標下的前瞻股權風險溢價已接近歷史低點。
歷史上強調跨行業與跨風格分散投資的價值策略，如今面臨一個非AI資產可能因資金持續流向基礎設施與模型領先者而長期表現落後的市場。因此，投資組合構建必須在追求經典價值特徵與對AI生態系統保持足夠曝險之間取得平衡，以避免持續相對表現落後。一種實際的做法是，識別那些經濟效益受AI需求推動、但交易價格仍低於獨立估算內在價值並具備安全邊際的上市公司。
在高資本支出下自由現金流分析的演變角色
重大的資本支出雖會暫時壓低自由現金流收益率，即使新增投資的回報率高於資本成本。對超大規模雲端服務商新增投資回報率的分析顯示，其峰值遠高於加權平均資本成本，隨後預期會放緩，但在基準情境假設下仍具價值創造效益。
因此，價值投資者必須區分由破壞價值的過度投資所導致的現金流下降，與由支出與貨幣化之間的臨時時間錯配所引起的現金流下降。像增量投資資本回報率、數據中心資產的回收期，以及支出中用於短期資產與長期資產的比例等指標，比單純的靜態自由現金流收益率能提供更深入的洞察。在擴大產能的同時仍能保持高增量回報的公司，可以合理化近期的高倍數；而無法做到這一點的公司，一旦建設階段結束，則面臨永久性資本損失的風險。
內在價值計算的未來
折現現金流模型需要對終值增長率、競爭強度以及高利潤率的持續性做出明確假設。AI 為這些輸入因素帶來了更大的不確定性。過去看似保守的終值增長率，現在可能低估了結構性生產力的提升，而既有企業與新進者的競爭反應，可能使利潤率壓縮的速度快於歷史模式所顯示的趨勢。
因此，實務者正擴展情境分析，以涵蓋更廣泛的採用速度、監管結果與技術成本趨勢。其目標並非完美預見，而是建立更穩健的內在價值估計範圍，以便與市場價格進行比較。當市場價格所隱含的成長或保證金假設超出基本面分析所產生的合理範圍時，若投資者的時間範圍與風險承受能力能容納不確定性，則估值偏差便成為可投資的機會。
今日價值投資者所進行的實際調整
頂尖從業者已開始將 AI 專屬資料來源、供應鏈地圖和前瞻性生產力預估整合至傳統估值流程中。一些人強調瓶頸分析，識別如專用光學元件、先進封裝能力或電力基礎設施等受限投入要素，這些領域的定價權可能持續存在。另一些人則專注於工作流程軟體，這些軟體透過提高每用戶平均收入而非單純擴增用戶數來實現 AI 功能的貨幣化。
這些調整並未拋棄安全邊際和獨立評估內在價值的核心原則，而是擴展了在技術變革加速改變現金流趨勢與競爭格局的環境中進行該評估所需的資訊集。那些在保留價格與價值紀律的同時，調整其分析框架的企業，將比僅依賴前 AI 篩選標準的企業更能有效應對當前的錯配環境。
🔥 超越頭條新聞：KuCoin 5.0 對您的意義
市場新聞變化迅速——但您在哪裡採取行動同樣重要。今年十月，KuCoin 將推出 KuCoin 5.0，將 KuCoin 轉變為一個重建的平台。以下是為您帶來的實際變化：
-
一個帳戶解決所有需求。舊平台將您的資金分散在獨立的「现货」、「保證金」和「合約」帳戶中，並期望您理解背後的原因。KuCoin 5.0 的 統一帳戶 完全移除了這種設計——只需充幣一次，所有資金便會自動整合（目前僅限 VIP 使用）。
-
股票、指數和商品。KuCoin 5.0 擴展至全球市場，超越加密貨幣。當加密貨幣橫盤整理而股權市場上漲（或反之），您只需數分鐘即可轉倉，無需開設證券帳戶並等待數日以處理法定貨幣資金轉賬。
-
真實資產（RWA）。直接在您的加密貨幣帳戶中獲得商品等傳統資產的代幣化敞口。全球金融增長最快的領域之一，不再僅限機構使用——您可從與交易相同的餘額中存取。
-
邊學邊賺。還未準備好交易？KCUSD 讓你的穩定幣每日賺取複投利息，以最低壓力的方式讓閒置充幣產生 4% 的收益。
-
一個用通俗語言設計的 AI 助理。提問、獲取市場背景、理解您所查看的內容——內建於平台中，無需使用專業術語。
-
一款不會令人眼花繚亂的應用程式。更快、更簡潔、更一致——從第一次點擊就直觀易用，無需教程。
-
您可以檢查的安全，而非僅僅信賴。作為一家獲 MiCAR 許可的歐盟實體，Proof of Reserves 可由您自行驗證，並獲得國際認證的安全標準（SOC 2 Type II、ISO 27001:2022）。
數分鐘內創建您的帳戶 —— 開始使用為加密貨幣未來而打造的平台，而非過去的平台。
常見問題
AI 相關的市場價值增長與預估經濟利潤相比如何？
高盛研究計算指出，自2022年11月以來，與AI相關的公司增加了約$27萬億的市值，而在標準假設下，AI生產力提升所帶來的潛在額外利潤的現值基線約為$9萬億。要縮小這一差距，需要對AI企業所獲收入份額、採用速度和利潤率持久性持更樂觀的看法。並非所有市值增長都純粹由AI驅動，因為許多平台包含大量非AI業務，但這一差距仍是投資者評估當前價格是否過度樂觀的核心爭議點。
為何軟體估值會如此急劇收縮？
市場已將生成式人工智慧可能減少對傳統軟體授權的需求、降低定價能力，或吸收以往推動升級的功能這一可能性納入定價。許多成熟企業的遠期乘數已下降至與早期技術不確定時期相關的區間。同時，一些盈利的工作流程公司仍報告自由現金流利潤率上升，以及與人工智慧相關的經常性收入增長，這導致由敘事驅動的價格與短期基本面之間出現分歧，價值投資者必須逐案評估。
超大規模供應商的資本支出在估值偏差中扮演什麼角色？
主要超大規模運營商 2026 年的合併資本支出預計在 7000 億美元至 8000 億美元以上，全球 AI 投資預計將超過 1 萬億美元。這些支出最初會降低自由現金流收益率，即使邊際回報仍高於資本成本。因此，那些對短期現金流疲弱進行懲罰的傳統價值篩選標準，可能會將容量建設平台誤判為昂貴，而忽略那些受限容量支撐持久利潤的供應商。
在人工智能驅動的市場中，傳統價值指標仍有用嗎？
市盈率、市淨率和靜態自由現金流收益率仍可作為起點，但必須輔以對無形資產、網絡效應、增長持續時間和增量投資資本回報率的分析。歷史上技術顛覆的案例顯示，單純套用這些指標往往無法區分最終的勝者與永久的價值陷阱。納入數據密集度、轉換成本和生產力時機的擴展框架，能提高識別真實誤差的機率。
私人市場集中如何影響公共價值與投資者？
在企業進入公開市場之前，已產生了相當大一部分與人工智慧相關的價值創造。因此，公開市場投資者通常只能在週期的後期進入，此時大部分升值已發生。此結構性特徵降低了經典早期階段公開市場投資機會的出現頻率，要求價值策略要么接受私募市場條款，要么專注於公開市場的供應商和採用者，其經濟效益已在報告結果中顯現。
在軟體中，臨時折扣與價值陷阱有何區別？
成功將 AI 整合至現有工作流程的公司常出現臨時折扣，從而提升定價能力與客戶留存率。對於核心產品可被通用模型輕易複製或協調、切換成本低且缺乏專有數據優勢的公司，則更可能出現價值陷阱。需對產品路線圖、客戶留存指標及 AI 貨幣化進展進行細緻分析，以區分這兩類公司。
免責聲明：此內容僅供資訊參考，不構成投資建議。投資存在風險，請自行進行研究（DYOR）。
免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。