美股科技板塊正由AI強(qiáng)勢(shì)引領(lǐng)，2025年第二季度，微軟、Meta等四大巨頭營(yíng)收雙位數(shù)增長(zhǎng)，七大科技龍頭盈利預(yù)期上修近15%，英偉達(dá)、微軟等產(chǎn)業(yè)鏈不同環(huán)節(jié)企業(yè)盈利亮眼，AI驅(qū)動(dòng)的增長(zhǎng)韌性備受關(guān)注。甲骨文正超越微軟和亞馬遜，簽下大單合同，業(yè)績(jī)與估值大幅提升，被認(rèn)為是“下一個(gè)英偉達(dá)”。

同時(shí)，AI企業(yè)端的付費(fèi)意愿和真實(shí)轉(zhuǎn)化能力尚未驗(yàn)證，基礎(chǔ)設(shè)施瓶頸、高昂的資本開(kāi)支、監(jiān)管變數(shù)以及預(yù)期與技術(shù)的巨大鴻溝，都可能成為引發(fā)市場(chǎng)回調(diào)的導(dǎo)火索。未來(lái)高增長(zhǎng)能否延續(xù)？AI產(chǎn)業(yè)鏈盈利紅利如何擴(kuò)散？在第3期《巴倫菁英月談會(huì)》上，巴倫中文網(wǎng)高級(jí)編輯孫騁邀請(qǐng)華映資本海外合伙人邱諄、上海紐約大學(xué)實(shí)踐助理教授Nicole Wang，一同直播討論。

AI成為美股盈利增長(zhǎng)引擎

孫騁：25Q2科技巨頭利潤(rùn)率超過(guò)去年同期，AI對(duì)收入拉動(dòng)愈發(fā)明顯，微軟、Meta、谷歌、亞馬遜四大巨頭營(yíng)收均實(shí)現(xiàn)雙位數(shù)增長(zhǎng)，其中微軟營(yíng)收同比增加18%、Meta同比增加22%，都超過(guò)了指引上限。如何看待當(dāng)前美股科技板塊的增長(zhǎng)韌性？這種高增長(zhǎng)能否持續(xù)？

邱諄：一二級(jí)市場(chǎng)之間存在強(qiáng)聯(lián)動(dòng)性，二級(jí)市場(chǎng)的表現(xiàn)直接影響一級(jí)市場(chǎng)公司的估值，同時(shí)，像OpenAI與甲骨文的大額交易也能顯著拉動(dòng)二級(jí)市場(chǎng)相關(guān)公司的股價(jià)。我們作為風(fēng)險(xiǎn)投資機(jī)構(gòu)的核心策略是“跨周期”，希望所投項(xiàng)目具備兩種能力：一是在科技巨頭戰(zhàn)略調(diào)整或市場(chǎng)下行時(shí)不被輕易擊垮，具備生存韌性；二是在市場(chǎng)反彈時(shí)能更快恢復(fù)、實(shí)現(xiàn)更大增長(zhǎng)幅度。

科技巨頭當(dāng)下的增長(zhǎng)邏輯，合理性基于多方面因素：業(yè)務(wù)結(jié)構(gòu)多元（如云服務(wù)、廣告、電商等），形成“多引擎”驅(qū)動(dòng)模式，抗風(fēng)險(xiǎn)能力較強(qiáng)；經(jīng)營(yíng)杠桿健康，固定成本與資本化投入（如數(shù)據(jù)中心、芯片研發(fā)）控制得當(dāng)；AI相關(guān)的高毛利軟件及訂閱服務(wù)利潤(rùn)表現(xiàn)亮眼，現(xiàn)金流與資產(chǎn)負(fù)債總體穩(wěn)健，內(nèi)生造血能力充足。

關(guān)于AI領(lǐng)域的趨勢(shì)與風(fēng)險(xiǎn)，需重點(diǎn)關(guān)注“模型訓(xùn)練側(cè)”向“推理側(cè)”規(guī)?；涞氐霓D(zhuǎn)換。當(dāng)前大量投入集中于訓(xùn)練階段（如GPU采購(gòu)、大模型訓(xùn)練），而下一階段的關(guān)鍵在于企業(yè)端（B端）具體場(chǎng)景的大規(guī)模推理應(yīng)用能否實(shí)現(xiàn)。這一轉(zhuǎn)換節(jié)奏將直接影響增長(zhǎng)韌性與可持續(xù)性。

此外還有幾個(gè)潛在風(fēng)險(xiǎn)點(diǎn)：訓(xùn)練側(cè)基礎(chǔ)設(shè)施（如電力、算力供給、HBM內(nèi)存等）存在瓶頸，部署速度已顯放緩跡象；企業(yè)當(dāng)前對(duì)AI的投入多出于“FOMO”（錯(cuò)失恐懼）心態(tài)，以試點(diǎn)和探索性項(xiàng)目為主，能否轉(zhuǎn)化為規(guī)?；顿M(fèi)仍需觀察；監(jiān)管政策可能成為重大變量。以2000年互聯(lián)網(wǎng)泡沫為例，當(dāng)時(shí)市場(chǎng)崩盤的最后一根稻草是聯(lián)邦政府對(duì)微軟的反壟斷調(diào)查。若監(jiān)管強(qiáng)勢(shì)介入，疊加推理落地不及預(yù)期，可能引發(fā)市場(chǎng)恐慌，破壞增長(zhǎng)的持續(xù)性。

孫騁：甲骨文正在超越微軟和亞馬遜，財(cái)報(bào)展現(xiàn)出強(qiáng)勁增長(zhǎng)潛力，預(yù)測(cè)未來(lái)三年內(nèi)收入將翻一番，還披露關(guān)鍵業(yè)績(jī)指標(biāo)大幅向好。作為“AI 基礎(chǔ)設(shè)施中立提供商”，它在云計(jì)算競(jìng)爭(zhēng)中實(shí)現(xiàn)突破，未來(lái)是否會(huì)成為下一個(gè)英偉達(dá)？估值溢價(jià)是否合理？

Nicole：甲骨文與英偉達(dá)存在明顯區(qū)別。市場(chǎng)最初對(duì)甲骨文高度關(guān)注、認(rèn)為其表現(xiàn)亮眼，部分原因是大家看到了它類似英偉達(dá)此前爆發(fā)式增長(zhǎng)的潛力，期待其成為“下一個(gè)英偉達(dá)”。畢竟甲骨文此前雖未完全處于“無(wú)人問(wèn)津”的狀態(tài)，但此次增長(zhǎng)確實(shí)帶有突然爆發(fā)的屬性，這種爆發(fā)背后有其合理邏輯：一方面，甲骨文展現(xiàn)出了強(qiáng)勁的收入增長(zhǎng)預(yù)期，相關(guān)數(shù)據(jù)也印證了其此前價(jià)值被一定程度低估；另一方面，與部分僅停留在“投入多少”的口頭表述、最終落地成效不明的主體不同，甲骨文擁有極具說(shuō)服力的關(guān)鍵指標(biāo)——大量已簽訂但尚未執(zhí)行的合同（backlog），這直接證明了其業(yè)務(wù)的真實(shí)性與確定性。此外，近期甲骨文與 Open AI 在數(shù)據(jù)中心領(lǐng)域達(dá)成重大合作，進(jìn)一步凸顯了其業(yè)務(wù)優(yōu)勢(shì)。同時(shí)，從市場(chǎng)格局來(lái)看，甲骨文在相關(guān)市場(chǎng)的份額原本不高，理論上存在較大的擴(kuò)張空間，這也是市場(chǎng)看好其增長(zhǎng)潛力的重要原因之一。

不過(guò)，甲骨文當(dāng)前仍有一些問(wèn)題亟待考證。首要問(wèn)題是現(xiàn)金流與資本支出的匹配風(fēng)險(xiǎn)。甲骨文如果要推進(jìn)已簽訂的大量合作協(xié)議，需投入數(shù)百億資金用于數(shù)據(jù)中心等領(lǐng)域的資本開(kāi)支，而如果其客戶高度集中（例如主要依賴 Open AI 這類大客戶），則需重點(diǎn)關(guān)注大客戶自身的現(xiàn)金流是否足以支撐對(duì)甲骨文的支付能力，這一環(huán)節(jié)存在可探討與驗(yàn)證的空間。當(dāng)前市場(chǎng)更多聚焦于甲骨文的增長(zhǎng)空間，對(duì)其發(fā)展預(yù)期較高，但一旦現(xiàn)金流出現(xiàn)問(wèn)題，可能會(huì)對(duì)其發(fā)展造成重大影響。通過(guò)分析甲骨文的財(cái)報(bào)可見(jiàn)，其負(fù)債率相對(duì)偏高，尤其相較于微軟等同行，在資本支出方面的壓力顯著更大，這種高負(fù)債、高資本支出的模式，使得甲骨文的投資屬性帶有較高風(fēng)險(xiǎn)。因此，未來(lái)兩年內(nèi)及兩年后，甲骨文的現(xiàn)金流能否順利到賬、企業(yè)運(yùn)營(yíng)能否持續(xù)維系，需要重點(diǎn)觀察。

甲骨文能否與英偉達(dá)類比？二者無(wú)法等同看待，根本原因在于兩家公司的定位與“護(hù)城河” 存在本質(zhì)差異。英偉達(dá)在芯片領(lǐng)域占據(jù)關(guān)鍵地位，其所提供的芯片資源具有不可或缺的屬性，這構(gòu)成了其堅(jiān)固的競(jìng)爭(zhēng)壁壘；而甲骨文雖有自身明確的市場(chǎng)定位與獨(dú)特優(yōu)勢(shì)，但它并不具備像英偉達(dá)那樣“不可或缺的唯一性”，其“護(hù)城河”的深度與廣度遠(yuǎn)不及英偉達(dá)。

孫騁：七大科技龍頭年初至今盈利預(yù)期上修14.9%，2025年盈利增速預(yù)計(jì)比標(biāo)普500剩余493家企業(yè)高6個(gè)百分點(diǎn)。從產(chǎn)業(yè)鏈看，基礎(chǔ)層的英偉達(dá)、技術(shù)層的微軟等已展現(xiàn)強(qiáng)勁盈利，這是否意味著AI產(chǎn)業(yè)鏈的盈利紅利已從基礎(chǔ)層向全鏈條擴(kuò)散？后續(xù)技術(shù)層和應(yīng)用層是否也將迎來(lái)盈利爆發(fā)？

邱諄：我認(rèn)同市場(chǎng)正從基礎(chǔ)層向上延伸的趨勢(shì)，但這一過(guò)程高度依賴于AI技術(shù)的整體演進(jìn)路線、B端與C端的接受度，以及具體應(yīng)用場(chǎng)景的規(guī)?；归_(kāi)能力。目前，市場(chǎng)的大部分投入和活動(dòng)仍集中在基礎(chǔ)層。

我們將AI產(chǎn)業(yè)分為三層：基礎(chǔ)層（Infrastructure）、技術(shù)/平臺(tái)層（Platform）和應(yīng)用層（Application）。基礎(chǔ)層包括算力（如GPU）、數(shù)據(jù)中心等；技術(shù)/平臺(tái)層則涵蓋更廣泛的領(lǐng)域，如數(shù)據(jù)基礎(chǔ)設(shè)施（向量數(shù)據(jù)庫(kù)、傳統(tǒng)及開(kāi)源數(shù)據(jù)庫(kù)）、運(yùn)營(yíng)軟件設(shè)施（Ops）、安全與治理工具，以及云服務(wù)。盡管云服務(wù)領(lǐng)域看似“全面開(kāi)花”，但像甲骨文這樣的公司體量相較于三大云巨頭仍較小，其股價(jià)推動(dòng)更多源于像OpenAI這樣的大單帶來(lái)的預(yù)期，而非其盈利模式已得到完全驗(yàn)證。該層級(jí)的公司仍處于巨大的資本投入（CAPEX/OPEX）階段，其客戶主要為企業(yè)，而企業(yè)端的真正爆發(fā)尚未到來(lái)。

當(dāng)前企業(yè)側(cè)的活動(dòng)多數(shù)仍處于探索、試點(diǎn)和概念驗(yàn)證階段。企業(yè)立了許多項(xiàng)目，但尚未完全遷移到大規(guī)模的生產(chǎn)環(huán)境。能否將這些試點(diǎn)轉(zhuǎn)化為規(guī)模化付費(fèi)，通過(guò)平臺(tái)服務(wù)費(fèi)、訂閱費(fèi)等形式體現(xiàn)出來(lái)，是衡量企業(yè)場(chǎng)景是否真正落地的關(guān)鍵，目前這一轉(zhuǎn)換仍需大量驗(yàn)證，行業(yè)整體處于摸索狀態(tài)。

應(yīng)用層（包括ToB和ToC）潛力巨大，場(chǎng)景更為豐富（如客服、營(yíng)銷、廣告、媒體、開(kāi)發(fā)者效率、風(fēng)控、金融等），但其發(fā)展同樣還在路上。以AI編程這一被普遍看好的應(yīng)用場(chǎng)景為例，盡管自動(dòng)編程工具（如Cursor、Anthropic的Claude）備受關(guān)注，且巨頭收購(gòu)頻繁（如Google收購(gòu)GitHub競(jìng)品），但事實(shí)上它們目前主要作用仍是輔助工程師、提高效率，遠(yuǎn)未達(dá)到替代初級(jí)工程師的能力。AWS的 CEO近期也公開(kāi)表示無(wú)法裁減基礎(chǔ)碼農(nóng)。許多收購(gòu)的核心目的更可能是獲取人才，而非其產(chǎn)品已具備在企業(yè)端大規(guī)模應(yīng)用的能力。這表明，從技術(shù)到大規(guī)模商業(yè)應(yīng)用之間存在著顯著的“最后一公里”難題。所以，基礎(chǔ)設(shè)施的巨大投入與企業(yè)端實(shí)際收入轉(zhuǎn)化之間的節(jié)奏可能存在錯(cuò)配，市場(chǎng)預(yù)期與現(xiàn)實(shí)落地情況之間存在差距。這為行業(yè)未來(lái)的可持續(xù)性帶來(lái)了不確定性，并存在回調(diào)的可能性。

孫騁：高盛認(rèn)為當(dāng)前處于“基礎(chǔ)設(shè)施建設(shè)狂歡”的階段，這場(chǎng)狂歡的燃料，來(lái)自于亞馬遜、谷歌、Meta、微軟等大型云服務(wù)商2025年的資本支出總額，市場(chǎng)預(yù)測(cè)達(dá)到3680億美元。這筆巨額投資直接轉(zhuǎn)化為半導(dǎo)體、電力設(shè)備、技術(shù)硬件等基礎(chǔ)設(shè)施供應(yīng)商的訂單和利潤(rùn)，推動(dòng)了它們的股價(jià)飆升。投資者應(yīng)如何挑選這類股票？

Nicole：受到政策限制及國(guó)際地緣政治緊張等因素影響，各行業(yè)差異顯著，即便在同一領(lǐng)域（例如電力設(shè)備公司），不同企業(yè)的表現(xiàn)也存在較大差別。在AI蓬勃發(fā)展的背景下，企業(yè)但凡有突出亮點(diǎn)都容易被市場(chǎng)察覺(jué)，并非“酒香不怕巷子深”。因此，投資更應(yīng)關(guān)注企業(yè)實(shí)際落地能力，重點(diǎn)考察其合同簽約情況、執(zhí)行能力以及現(xiàn)金流的穩(wěn)健性。如果企業(yè)現(xiàn)金流脆弱，或過(guò)度依賴遠(yuǎn)期承諾，則存在較大風(fēng)險(xiǎn)。建議采取分散化方式，更注重企業(yè)實(shí)質(zhì)經(jīng)營(yíng)狀況與財(cái)務(wù)健康度，而非簡(jiǎn)單追逐概念。

每次所謂的行業(yè)爆發(fā)，往往由某家公司的意外事件帶動(dòng)。這類事件因過(guò)于亮眼，會(huì)吸引所有人關(guān)注，即便無(wú)泡沫，相關(guān)標(biāo)的價(jià)值也可能被迅速反應(yīng)在價(jià)格之中。比如某公司簽大額訂單后，市場(chǎng)會(huì)立馬反映該利好，投資者難有入場(chǎng)機(jī)會(huì)。如果能提前研究政策，尤其是在電力、數(shù)據(jù)中心等領(lǐng)域，掌握政策動(dòng)向這類信息，或有投資機(jī)會(huì)；但若無(wú)此類信息優(yōu)勢(shì)，當(dāng)前二級(jí)市場(chǎng)操作難度大，因市場(chǎng)反應(yīng)速度過(guò)快。

邱諄：我在硅谷住了好多年，在舊金山當(dāng)年的淘金熱中，大量提供基礎(chǔ)設(shè)施、工具類的 “鏟子型” 公司涌現(xiàn)。類比當(dāng)前AI領(lǐng)域，與當(dāng)年淘金熱類似，目前真正賺錢的多是“鏟子型”企業(yè)，即提供芯片、設(shè)備等基礎(chǔ)設(shè)施的公司。基礎(chǔ)設(shè)施領(lǐng)域后續(xù)仍有向上發(fā)展的空間，但該領(lǐng)域已積累了大量水分，雖不能直接稱之為泡沫，但其估值與實(shí)際價(jià)值間的差距需警惕。對(duì)于AI領(lǐng)域未來(lái)的“金子——即后續(xù)能帶來(lái)巨大價(jià)值的潛力領(lǐng)域，目前尚不明朗。

從投資角度，當(dāng)前市場(chǎng)風(fēng)險(xiǎn)較高，隨機(jī)性強(qiáng)。雖然看起來(lái)有潛力的企業(yè)多集中在特定類型或類別中，但每家企業(yè)的實(shí)際情況差異顯著。普通投資者后續(xù)投資或可采用“指數(shù)”思維，自行定義哪些企業(yè)屬于基礎(chǔ)設(shè)施類并納入指數(shù)范疇。此外，AI領(lǐng)域的發(fā)展可能存在“自下而上”的傳導(dǎo)節(jié)奏，即從基礎(chǔ)設(shè)施層逐步向平臺(tái)層等上層領(lǐng)域推進(jìn)，但目前難以判斷何時(shí)會(huì)進(jìn)入下一個(gè)領(lǐng)域的發(fā)展階段。AI領(lǐng)域投資機(jī)遇與風(fēng)險(xiǎn)并存，投資者要謹(jǐn)慎考慮如何分配資金、挑選標(biāo)的進(jìn)行配置。

當(dāng)前市場(chǎng)存在一個(gè)與以往不同的顯著趨勢(shì)：科研論文對(duì)股價(jià)具有重要影響。當(dāng)前AI等領(lǐng)域很多仍處于科研階段，即便像通用AI這類常被討論的概念，實(shí)際更多還依賴于實(shí)驗(yàn)室層面的進(jìn)展。因此，最前沿的研究成果會(huì)直接影響相關(guān)企業(yè)股價(jià)，這是新時(shí)代市場(chǎng)的獨(dú)特特征。以英偉達(dá)為例，其股價(jià)的核心推動(dòng)因素之一便是2017年谷歌發(fā)表的Transformer論文。英偉達(dá)雖提前在芯片通用化方面做了諸多準(zhǔn)備，但在做準(zhǔn)備時(shí)并未預(yù)料到Transformer技術(shù)以及再早幾年的深度學(xué)習(xí)論文會(huì)帶來(lái)如此巨大的行業(yè)變革，本質(zhì)上是順應(yīng)了技術(shù)風(fēng)口。而這一風(fēng)口能持續(xù)多久、能否推動(dòng)英偉達(dá)進(jìn)一步發(fā)展，很大程度上取決于后續(xù)相關(guān)領(lǐng)域的論文成果與技術(shù)突破。

這一趨勢(shì)還體現(xiàn)在企業(yè)用人策略上，Meta的扎克伯格等企業(yè)領(lǐng)導(dǎo)者在招人時(shí)，重點(diǎn)吸納能產(chǎn)生高水平前沿研究的人才，這些人才即便缺乏過(guò)多產(chǎn)品實(shí)戰(zhàn)經(jīng)驗(yàn)，年薪卻能達(dá)到一億至兩億美金，其薪酬評(píng)估的核心依據(jù)便是過(guò)往發(fā)表的科研成果的價(jià)值。這些頂尖科研人才及其研究成果，能顯著帶動(dòng)相關(guān)企業(yè)乃至整個(gè)市場(chǎng)的價(jià)值提升，這一影響因素常被市場(chǎng)忽略，卻深刻改變了傳統(tǒng)的市場(chǎng)邏輯。

最后回歸價(jià)值投資本質(zhì)，企業(yè)股價(jià)的底層驅(qū)動(dòng)力仍與其技術(shù)路線密切相關(guān)。像甲骨文簽大額訂單這樣的事件屬于個(gè)例，只能短期影響市場(chǎng)反應(yīng)，而企業(yè)真正的內(nèi)在價(jià)值，最終還是由其背后的技術(shù)路線是否可行、是否具有前瞻性等核心邏輯決定，這才是支撐企業(yè)長(zhǎng)期發(fā)展與股價(jià)穩(wěn)定的關(guān)鍵。

孫騁：基建高峰之后，高盛預(yù)測(cè)AI行情進(jìn)入“第三階段”：由AI賦能實(shí)現(xiàn)收入增長(zhǎng)的軟件與服務(wù)公司進(jìn)行接棒。AI可能會(huì)顛覆現(xiàn)有軟件公司的定價(jià)模式，降低門檻并壓縮傳統(tǒng)巨頭利潤(rùn)。未來(lái)可能出現(xiàn)明顯分化，既有贏家也會(huì)有輸家。您怎么看？

Nicole：對(duì)于AI 行業(yè)，首要關(guān)注的是“切換成本”問(wèn)題。無(wú)論是To B還是To C領(lǐng)域，過(guò)去企業(yè)使用 SaaS 軟件等產(chǎn)品時(shí)，遷移成本較高，簽約后不易更換，除非有更優(yōu)或更廉價(jià)的解決方案。但當(dāng)前情況不同，產(chǎn)品迭代速度快，底層模型推理能力持續(xù)提升，新產(chǎn)品若能打造獨(dú)特優(yōu)勢(shì)，很容易分流細(xì)分市場(chǎng)用戶，因此切換成本正不斷降低。對(duì)于企業(yè)持續(xù)進(jìn)行概念驗(yàn)證卻未出現(xiàn)規(guī)?；晒?，一方面是需要時(shí)間積累，另一方面與Agent技術(shù)發(fā)展相關(guān)。Agent雖被頻繁討論，但仍存在問(wèn)題，從我自身使用體驗(yàn)來(lái)看，明年底層 Agent會(huì)更成熟。即便當(dāng)下有公司推出同類產(chǎn)品，未來(lái)憑借更優(yōu)的Agent技術(shù)仍可實(shí)現(xiàn)趕超，而切換成本低也為這種趕超提供了可能。AI領(lǐng)域爆發(fā)在即，但大規(guī)模產(chǎn)生收入仍需觀察，因客戶預(yù)期在不斷變化。

客戶付費(fèi)意愿是另一關(guān)鍵問(wèn)題。基礎(chǔ)層企業(yè)如AWS等常提供免費(fèi)額度，“養(yǎng)大”客戶胃口，使客戶形成“可隨意更換服務(wù)商”的心態(tài)。關(guān)于付費(fèi)，目前存在兩種觀點(diǎn)：一是認(rèn)為AI服務(wù)能滿足個(gè)性化需求，愿意支付更高費(fèi)用；二是覺(jué)得AI應(yīng)降低成本，不應(yīng)支付高價(jià)。應(yīng)用層產(chǎn)品能否解決付費(fèi)問(wèn)題，關(guān)鍵在于對(duì)行業(yè)的深耕程度和對(duì)客戶深層需求的理解。以Adobe為例，過(guò)去通用型SaaS軟件應(yīng)用廣泛，但如今不少用戶開(kāi)始拼接3-4個(gè)AI工具以滿足個(gè)性化需求。中大型企業(yè)雖想在原有產(chǎn)品中融入AI功能，但原有產(chǎn)品邏輯需大幅調(diào)整，難度大、進(jìn)展慢，如同讓習(xí)慣日常服裝的人適應(yīng)航天服，磨合成本高。相反，初創(chuàng)公司聚焦非通用型的細(xì)分場(chǎng)景，行動(dòng)更靈活，反而更易搶占市場(chǎng)。

此外，當(dāng)前AI在提升工作效率、降低成本方面，多集中在個(gè)人層面，團(tuán)隊(duì)協(xié)作層面缺乏可復(fù)制的有效模式。企業(yè)還需要挖掘團(tuán)隊(duì)協(xié)同的潛力，充分發(fā)揮AI優(yōu)勢(shì)。我更看好靈活的小型企業(yè)，這類企業(yè)不追求成為獨(dú)角獸，專注細(xì)分場(chǎng)景；而應(yīng)用層的通用型企業(yè)若不能快速行動(dòng)，市場(chǎng)份額可能被分流。

邱諄：從技術(shù)層面來(lái)看，多智能體協(xié)同是當(dāng)前AI技術(shù)戰(zhàn)中的一大關(guān)鍵障礙，這也解釋了為何即便AI具備寫(xiě)代碼能力，仍難以替代剛畢業(yè)的碼農(nóng)。AI并非無(wú)法寫(xiě)出代碼或優(yōu)質(zhì)代碼，核心問(wèn)題在于團(tuán)隊(duì)協(xié)作場(chǎng)景。即便AI能根據(jù)指令生成好代碼，但實(shí)際工作中存在同事間的協(xié)作需求，不可能僅靠AI完成所有工作、替代所有人員。早年我北大計(jì)算機(jī)系畢業(yè)到美國(guó)留學(xué)，研究“多智能體”方向，從當(dāng)年至今，多智能體領(lǐng)域的研究仍存在巨大差距。首先，AI與AI之間的協(xié)同已頗具難度，而當(dāng)前更需要AI與人協(xié)同——因?yàn)橥耆肁I替代人類并不現(xiàn)實(shí)，AI必須融入人類工作流程。當(dāng)AI既需實(shí)現(xiàn)彼此間的協(xié)同，又要與人類協(xié)同配合時(shí)，在當(dāng)前技術(shù)水平下，這一目標(biāo)幾乎難以實(shí)現(xiàn)。這種技術(shù)困境直接影響了AI在實(shí)際工作場(chǎng)景中的價(jià)值發(fā)揮，即便個(gè)體AI碼農(nóng)能力突出，缺乏有效的AI協(xié)同支持，也難以充分釋放團(tuán)隊(duì)協(xié)作的效能，所以AI難以真正替代人類完成復(fù)雜的團(tuán)隊(duì)工作任務(wù)。

孫騁：美股AI產(chǎn)業(yè)鏈公司涵蓋基礎(chǔ)層、技術(shù)層、應(yīng)用層，其中基礎(chǔ)層的英偉達(dá)股價(jià)年初至今漲了35%，應(yīng)用層的Palantir漲了144%，但也有Adobe等公司股價(jià)下跌。從長(zhǎng)期配置角度，投資者應(yīng)如何構(gòu)建AI產(chǎn)業(yè)鏈的投資組合？是聚焦技術(shù)壁壘高的科技龍頭，還是兼顧細(xì)分領(lǐng)域有爆發(fā)潛力的中小型應(yīng)用公司？

Nicole：以Adobe為例，過(guò)去的核心護(hù)城河在于兩個(gè)方面：一是通過(guò)巨大的市場(chǎng)份額實(shí)現(xiàn)快速規(guī)?；╯calability），從而有效降低單位成本；二是提供全套的、一體化的市場(chǎng)服務(wù)（subscribe to the entire bucket），用戶即便只需要其中少數(shù)功能，也不得不訂閱整個(gè)產(chǎn)品套件。當(dāng)前市場(chǎng)正在發(fā)生變化。Adobe過(guò)去憑借“捆綁銷售”建立的壁壘，未來(lái)可能被更精準(zhǔn)、更細(xì)分的解決方案所突破。如果有公司能夠?qū)Ｗ⒂谝粋€(gè)特定場(chǎng)景，并將單一功能點(diǎn)做到極致，就可能從Adobe這樣的巨頭手中切割出部分市場(chǎng)份額。不過(guò)，這類高度聚焦的公司也有弊端，如果規(guī)模過(guò)小，可能難以達(dá)到二級(jí)市場(chǎng)的投資門檻，從而缺乏足夠的可見(jiàn)度和流動(dòng)性。

當(dāng)前大部分AI應(yīng)用公司仍在解決“用戶現(xiàn)在明確提出的問(wèn)題”，但AI的顛覆性在于它能使用戶需求本身發(fā)生躍遷。當(dāng)AI解決了基礎(chǔ)性、事務(wù)性問(wèn)題（例如取代助理處理瑣事）后，用戶會(huì)產(chǎn)生新的、更高層次的、甚至目前尚未被清晰表達(dá)的核心需求。而目前少有公司瞄準(zhǔn)這些未來(lái)的、“逆勢(shì)”的痛點(diǎn)進(jìn)行開(kāi)發(fā)。我建議投資者和創(chuàng)業(yè)者不應(yīng)只盯著當(dāng)下的問(wèn)題，而應(yīng)憑借對(duì)行業(yè)的深耕和洞察，主動(dòng)挖掘那些尚未被滿足、甚至是被現(xiàn)有解決方案所掩蓋的深層痛點(diǎn)。能夠提前預(yù)判未來(lái)一兩年的用戶需求變化，并據(jù)此進(jìn)行布局和產(chǎn)品部署，將是一個(gè)極具潛力的策略。

邱諄：Adobe本質(zhì)上是一家非常傳統(tǒng)的公司，它能否借AI實(shí)現(xiàn)增長(zhǎng)存在不確定性，更多是 “碰運(yùn)氣”。盡管Adobe推出了Firefly等AI相關(guān)產(chǎn)品，也采用了“generative credits”等模式，做了諸多嘗試且部分產(chǎn)品表現(xiàn)不錯(cuò)，但其傳統(tǒng)公司的屬性，難以真正借AI實(shí)現(xiàn)突破性發(fā)展。當(dāng)前Adobe面臨的挑戰(zhàn)，更多來(lái)自新興公司，且這些挑戰(zhàn)者未必都是AI公司。例如，開(kāi)源AI工具Stable Diffusion對(duì)其構(gòu)成了較大沖擊；Canva、Figma等新興SaaS公司也在分走市場(chǎng)份額，而這些公司并非嚴(yán)格意義上的AI公司。另外，Adobe的收費(fèi)模式仍停留在傳統(tǒng)軟件公司的邏輯，與互聯(lián)網(wǎng)時(shí)代新型產(chǎn)品的收費(fèi)方式差異顯著，它實(shí)際更多是被互聯(lián)網(wǎng)模式挑戰(zhàn)，而非單純的 AI 挑戰(zhàn)，本質(zhì)上仍處于上一個(gè)發(fā)展時(shí)代的框架中。

對(duì)于AI應(yīng)用公司，我認(rèn)為需跳出“滿足用戶當(dāng)下需求” 的思維。我個(gè)人不完全認(rèn)同“do what users want（做用戶想要的事）” ，我認(rèn)為挖掘痛點(diǎn)需 “go beyond what user want（超越用戶想要的）”。比如微信如今作為廣泛使用的即時(shí)通訊工具，但在其出現(xiàn)前，多數(shù)人并未主動(dòng)渴望一款此類工具；福特研發(fā)汽車時(shí)，用戶訪談反饋均是希望得到 “更好的馬車”，而非設(shè)想過(guò)內(nèi)燃機(jī)驅(qū)動(dòng)的汽車；流媒體出現(xiàn)前，美國(guó)的用戶僅希望去Blockbuster租DVD碟片的價(jià)格更低、門店更多，從未想過(guò)能直接在線觀看電影。這些案例表明，用戶往往無(wú)法預(yù)知自身真正的需求，其想象力常受現(xiàn)有技術(shù)和認(rèn)知的限制。當(dāng)前很多AI應(yīng)用層從業(yè)者仍局限于滿足當(dāng)下用戶需求，未意識(shí)到AI的 “跳躍性”和顛覆性的潛力——AI能突破現(xiàn)有認(rèn)知，大幅拓寬“剛需”的范疇，創(chuàng)造出遠(yuǎn)超當(dāng)前用戶需求的價(jià)值，而從業(yè)者若未能看到這一點(diǎn)，將難以充分發(fā)揮 AI 的作用。

當(dāng)前科技板塊的高估值是否合理

孫騁：如果后續(xù)宏觀經(jīng)濟(jì)波動(dòng)或AI技術(shù)落地不及預(yù)期，估值是否存在回調(diào)風(fēng)險(xiǎn)？投資者應(yīng)如何應(yīng)對(duì)這種高估值環(huán)境？

Nicole：當(dāng)前市場(chǎng)估值受美國(guó)降息風(fēng)險(xiǎn)影響大，存在回調(diào)風(fēng)險(xiǎn)。專業(yè)機(jī)構(gòu)投資者密切關(guān)注利率動(dòng)向及失業(yè)率等基礎(chǔ)數(shù)據(jù)，根據(jù)預(yù)期變化調(diào)整策略。這一宏觀影響與AI、科技公司也有間接聯(lián)系，比如有人認(rèn)為AI導(dǎo)致年輕人失業(yè)，但缺乏整體數(shù)據(jù)支撐。剛剛邱總也提到，大學(xué)畢業(yè)的程序員暫時(shí)難以被取代。不過(guò)，未被取代不代表薪資會(huì)持續(xù)上漲，此前因投資環(huán)境好、利率低，相關(guān)職位薪資被高估，如今資本更謹(jǐn)慎。這種影響是雙向的，關(guān)鍵看傳導(dǎo)速度。市場(chǎng)瞬息萬(wàn)變，除公司新聞外，我們需要更多關(guān)注宏觀環(huán)境。

邱諄：AI領(lǐng)域回調(diào)幾乎是必然的，但強(qiáng)調(diào)節(jié)目不提供投資建議。當(dāng)前市場(chǎng)對(duì)AI的預(yù)期與技術(shù)現(xiàn)實(shí)存在極大差距——視頻號(hào)等平臺(tái)充斥著“AI可替代公司CEO”“AI 能完成各類復(fù)雜任務(wù)” 的不切實(shí)際的聲音，但從技術(shù)層面看，AI連一線工程師的團(tuán)隊(duì)協(xié)作需求都難以滿足，更無(wú)法勝任 CEO 職責(zé)，這種預(yù)期與現(xiàn)實(shí)的割裂必然催生泡沫。為了追趕過(guò)高預(yù)期，科技企業(yè)正加大投入，如 Meta瘋狂招人、甚至OpenAI計(jì)劃建核電站解決電力問(wèn)題以支撐大模型訓(xùn)練，即便如此，技術(shù)仍難以匹配市場(chǎng)期待。同時(shí)，市場(chǎng)存在一個(gè)認(rèn)知誤區(qū)：有人認(rèn)為AI導(dǎo)致年輕人失業(yè)（如計(jì)算機(jī)系畢業(yè)生難找工作），但實(shí)際情況是，AI既未大量替代現(xiàn)有工作，也未創(chuàng)造新的工作機(jī)會(huì)，這才是就業(yè)市場(chǎng)面臨的核心問(wèn)題。事實(shí)上，AI連實(shí)習(xí)生的基礎(chǔ)工作（寫(xiě)PPT、做會(huì)議紀(jì)要）都無(wú)法替代，最多只能輔助提升效率，更談不上替代一線碼農(nóng)，AI能力被過(guò)度高估。

這種高預(yù)期與多方有關(guān)：二級(jí)市場(chǎng)從業(yè)者、投資人及科技巨頭高管等，均在一定程度上推高了市場(chǎng)對(duì)AI的期待，而這種脫離技術(shù)現(xiàn)實(shí)的預(yù)期，潛藏著巨大風(fēng)險(xiǎn)。此外數(shù)據(jù)應(yīng)用是AI 發(fā)展的關(guān)鍵卡點(diǎn)。AI的發(fā)展高度依賴數(shù)據(jù)，當(dāng)前行業(yè)陷入“數(shù)據(jù)不足”與“數(shù)據(jù)閑置”的矛盾：一方面，企業(yè)普遍反映數(shù)據(jù)短缺；另一方面，大量私有數(shù)據(jù)（如醫(yī)療行業(yè)數(shù)據(jù)、微信聊天數(shù)據(jù)等）無(wú)法有效用于模型訓(xùn)練以提升AI能力。我與AI應(yīng)用公司交流時(shí)，常會(huì)問(wèn)兩個(gè)問(wèn)題：“是否有訓(xùn)練數(shù)據(jù)”“如何使用數(shù)據(jù)”，多數(shù)公司要么對(duì)“是否有數(shù)據(jù)”心虛，要么完全不知如何利用訓(xùn)練數(shù)據(jù)。即便部分企業(yè)掌握高質(zhì)量訓(xùn)練數(shù)據(jù)，現(xiàn)有的微調(diào)等方法也無(wú)法充分激活數(shù)據(jù)價(jià)值?；竽Ｐ偷讓又С直∪跏橇硪淮笾萍s因素。當(dāng)前大模型為AI應(yīng)用公司提供的支持十分有限，應(yīng)用公司調(diào)用基座大模型與普通用戶（甚至大爺大媽）使用GPT等工具的本質(zhì)差異不大，多是通過(guò)傳遞prompt實(shí)現(xiàn)功能，即便有微調(diào)接口，其支持力度也遠(yuǎn)不及互聯(lián)網(wǎng)時(shí)代、PC時(shí)代的底層操作系統(tǒng)的技術(shù)支撐水平。這導(dǎo)致大量AI應(yīng)用公司陷入“套殼”困境——有估值達(dá)200億美金的知名公司，也公開(kāi)承認(rèn)自身業(yè)務(wù)本質(zhì)是“套殼”，而在互聯(lián)網(wǎng)時(shí)代，類似“套殼”的評(píng)價(jià)從未出現(xiàn)（如雅虎雖早期只是整合網(wǎng)站鏈接，卻從未被視為“套殼公司”），這種底層支持的不足，嚴(yán)重限制了AI應(yīng)用公司的創(chuàng)新能力與發(fā)展空間。技術(shù)卡點(diǎn)（數(shù)據(jù)應(yīng)用、底層支持）與過(guò)高預(yù)期的矛盾，決定了AI市場(chǎng)必然面臨回調(diào)，不過(guò)AI行業(yè)并非毫無(wú)前景，只是需要突破諸多技術(shù)與應(yīng)用門檻，市場(chǎng)需回歸理性，客觀看待AI當(dāng)前的能力邊界。

孫騁：在估值高企的情況下，如何篩選 “盈利確定性強(qiáng)且增速可觀” 的標(biāo)的？在消費(fèi)、醫(yī)療健康等性價(jià)比高的行業(yè)，具體可關(guān)注哪些核心邏輯？

Nicole：醫(yī)療行業(yè)內(nèi)部差異顯著，核心在于數(shù)據(jù)來(lái)源與使用方式，醫(yī)療數(shù)據(jù)可用于診斷、開(kāi)藥方等不同場(chǎng)景，應(yīng)用方向不同價(jià)值差異大。如果企業(yè)對(duì)行業(yè)理解不足、數(shù)據(jù)應(yīng)用能力弱，即便先行布局，也可能被后起之秀超越。當(dāng)前投資邏輯已不再簡(jiǎn)單依賴財(cái)報(bào)（如收入是否達(dá)標(biāo)、增長(zhǎng)邏輯是否清晰），需綜合多維度判斷。之前提到的企業(yè)增長(zhǎng)依賴于客戶簽約，也需驗(yàn)證合約能否兌現(xiàn)，還要關(guān)注技術(shù)棧、論文等，判斷增長(zhǎng)是否由市場(chǎng)過(guò)度樂(lè)觀情緒催生泡沫。以甲骨文為例，其股價(jià)沖高后回落，屬于技術(shù)性回調(diào)，這種情況下，技術(shù)分析在動(dòng)蕩市場(chǎng)中尤為重要?？萍及鍓K難有長(zhǎng)期絕對(duì)贏家，即便曾被看好的OpenAI，也并非不可替代。企業(yè)競(jìng)爭(zhēng)中也存在“擔(dān)心錯(cuò)過(guò)”的心態(tài)，我個(gè)人傾向短線投資策略：驗(yàn)證投資邏輯是否成立、標(biāo)的是否有再生空間，而非追求長(zhǎng)期穩(wěn)定，因當(dāng)前市場(chǎng)已不適用過(guò)去的長(zhǎng)期投資邏輯。

邱諄：各行業(yè)差異顯著，不存在絕對(duì)“高性價(jià)比”的行業(yè)，行業(yè)選擇更多依賴投資者或投資機(jī)構(gòu)的自身喜好。我也認(rèn)可消費(fèi)、醫(yī)療等行業(yè)的價(jià)值，不過(guò)美國(guó)硅谷的投資環(huán)境與國(guó)內(nèi)存在明顯不同。在硅谷，無(wú)論背景如何，幾乎所有VC都會(huì)交叉關(guān)注醫(yī)療與科技領(lǐng)域；而國(guó)內(nèi)常將醫(yī)療基金與TMT基金區(qū)分開(kāi)來(lái)，各自聚焦單一領(lǐng)域。這一差異的背后，與醫(yī)療行業(yè)的地域遷移有關(guān)——過(guò)去醫(yī)療產(chǎn)業(yè)多集中在波士頓東岸，近十幾、二十年來(lái)，大量醫(yī)療相關(guān)企業(yè)與資源逐步遷至硅谷，使得硅谷的醫(yī)療領(lǐng)域蘊(yùn)含豐富機(jī)會(huì)，也推動(dòng)了當(dāng)?shù)赝顿Y機(jī)構(gòu)對(duì)醫(yī)療與科技的跨領(lǐng)域關(guān)注。

關(guān)于行業(yè)分析與投資邏輯，有“縱向”與“橫向”兩種思路?？v向邏輯即從垂直行業(yè)（本身出發(fā)，深入研究特定行業(yè)的特性與需求；橫向邏輯則從技術(shù)棧角度切入，關(guān)注新技術(shù)對(duì)多行業(yè)的賦能潛力。以Transformer架構(gòu)為例，如果能在該架構(gòu)基礎(chǔ)上實(shí)現(xiàn)技術(shù)創(chuàng)新，或找到訓(xùn)練數(shù)據(jù)與基座模型的新型整合方式（此方向技術(shù)門檻高，需在基座模型層面發(fā)力，而非僅停留在微調(diào)或RAG階段），再將這種技術(shù)能力應(yīng)用到合適的行業(yè)中，便能開(kāi)辟新的投資與發(fā)展路徑。這兩種思路可概括為 “釘子到錘子”（從行業(yè)需求找適配技術(shù)）與 “錘子到釘子”（以技術(shù)能力匹配行業(yè)場(chǎng)景），二者均具備可行性。

消費(fèi)行業(yè)，我們機(jī)構(gòu)關(guān)注較多，消費(fèi)行業(yè)核心關(guān)注獲客流程與轉(zhuǎn)化效率，無(wú)論是電商還是線下消費(fèi)場(chǎng)景，這兩點(diǎn)都至關(guān)重要。AI在個(gè)性化推薦、智能客服、營(yíng)銷內(nèi)容生成、供應(yīng)鏈管理優(yōu)化等方面已展現(xiàn)出應(yīng)用潛力，不過(guò)，個(gè)性化推薦與大模型的結(jié)合仍處于摸索階段，尚未形成成熟模式。

醫(yī)療行業(yè)則是AI垂直應(yīng)用中發(fā)展較快的領(lǐng)域。AI在醫(yī)療領(lǐng)域的應(yīng)用早于大模型時(shí)代——從 深度學(xué)習(xí)興起時(shí)，就已在藥物研發(fā)、臨床輔助、醫(yī)學(xué)影像診斷、AI圖片分析等方向展開(kāi)大量嘗試；即便在當(dāng)下，醫(yī)療管理自動(dòng)化、輔助病例編碼等應(yīng)用也已長(zhǎng)期存在。進(jìn)入大模型時(shí)代后，醫(yī)療領(lǐng)域涌現(xiàn)出不少垂直應(yīng)用企業(yè)，美國(guó)的ABridge、OpenEvidence便是典型代表，它們借助大語(yǔ)言模型，為醫(yī)生或醫(yī)院提供病歷筆記整理服務(wù)，目前已呈現(xiàn)出較強(qiáng)的付費(fèi)意愿與實(shí)際付費(fèi)成果。不過(guò)，這些應(yīng)用尚未完全跑通，即便像ABridge、OpenEvidence這樣有一定規(guī)模的企業(yè)，也仍有很多醫(yī)院處于“嘗鮮嘗試”階段。此外，硅谷憑借其跨領(lǐng)域優(yōu)勢(shì)，在醫(yī)療IT自動(dòng)化、臨床相關(guān)技術(shù)，以及手術(shù)機(jī)器人等方向，也進(jìn)行了大量探索，成為醫(yī)療與科技（計(jì)算機(jī)軟件科技、生物科技）交叉融合的重要陣地。

值得關(guān)注的其它品類

孫騁：目前，多頭陣營(yíng)繼續(xù)追逐AI驅(qū)動(dòng)的科技股漲勢(shì)，而空頭陣營(yíng)則日益警惕經(jīng)濟(jì)增長(zhǎng)放緩與市場(chǎng)集中度的風(fēng)險(xiǎn)。無(wú)論看多還是看空，做多黃金成為很多人的選擇。您如何看待未來(lái)黃金的走勢(shì)？

Nicole：我們要避免被媒體及行業(yè)“大敘事”帶偏，比如“AI將導(dǎo)致兩年后大量失業(yè)”的說(shuō)法過(guò)于夸張。現(xiàn)在AI的價(jià)值已獲普遍認(rèn)同，不僅能提升效率、拓展發(fā)展空間，更會(huì)帶來(lái)“需求分化”。Canva、Figma 并非硬核AI公司，卻能在市場(chǎng)中占據(jù)一席之地，核心在于它們抓住了部分用戶的差異化需求：這類用戶更關(guān)注簡(jiǎn)潔的畫(huà)面與優(yōu)質(zhì)的用戶體驗(yàn)，而非功能的強(qiáng)大程度。所以投資者在布局AI板塊時(shí)，不應(yīng)盲目跟風(fēng)“提及AI就入場(chǎng)”，反而可關(guān)注“反邏輯”的投資方向。AI的普及能幫人們節(jié)省時(shí)間，未來(lái)娛樂(lè)、人際互動(dòng)等領(lǐng)域可能涌現(xiàn)出新的生活模式，相關(guān)公司或許會(huì)從被低估狀態(tài)實(shí)現(xiàn)爆發(fā)式增長(zhǎng)。我個(gè)人傾向于科技類偏風(fēng)險(xiǎn)的投資，建議投資者可關(guān)注那些尚未被市場(chǎng)關(guān)注，但符合行業(yè)變化方向、有望在需求分化中脫穎而出的標(biāo)的。隨著人們生活愈發(fā)自由，對(duì)自身需求的認(rèn)知會(huì)更清晰，若每個(gè)細(xì)分需求都能有對(duì)應(yīng)公司提供服務(wù)，將催生龐大的市場(chǎng)空間。

不過(guò)，當(dāng)前AI應(yīng)用類投資存在“死循環(huán)”：投資者對(duì)應(yīng)用類項(xiàng)目的要求是“當(dāng)下必須有客戶”，無(wú)客戶則不投資；而客戶當(dāng)前仍聚焦于現(xiàn)有需求，對(duì)兩三年后的潛在需求缺乏關(guān)注，這使得面向未來(lái)需求的項(xiàng)目難以獲得資金支持，新生需求的挖掘陷入停滯。但我仍看好未來(lái)，兩三年后或許會(huì)出現(xiàn)滿足全新需求的公司。

另外，做空AI并非意味著完全看空AI泡沫，需先明確做空方向——是整體看空AI敘事，還是針對(duì)基礎(chǔ)設(shè)施層企業(yè)（如因過(guò)度投資、現(xiàn)金流無(wú)法支撐運(yùn)營(yíng)的企業(yè)）,還是其他的投資邏輯(thesis)。只有找準(zhǔn)做空靶點(diǎn)，才能避免盲目做空. 也可以通過(guò)“做多+ 做空”(Long-Short)的組合策略實(shí)現(xiàn)風(fēng)險(xiǎn)對(duì)沖。

關(guān)于黃金投資，黃金走勢(shì)主要受美元降息預(yù)期影響。從技術(shù)圖表來(lái)看，黃金既有上漲空間，也存在回調(diào)可能，具體投資策略需結(jié)合投資者自身定位：是中期投資者、短期投資者，還是緊密跟隨新聞動(dòng)態(tài)的投資者。 若此前未接觸過(guò)黃金投資的人因“眾人提及”而盲目入場(chǎng)，風(fēng)險(xiǎn)極高。投資需理性判斷，而非受市場(chǎng)情緒或他人行為左右。

邱諄：當(dāng)前做空AI面臨極大挑戰(zhàn)，判斷做空時(shí)機(jī)與方向的難度極高。開(kāi)個(gè)玩笑，做空者可能也需要閱讀AI領(lǐng)域前沿論文——論文常成為推動(dòng)AI相關(guān)標(biāo)的上漲的關(guān)鍵因素，做空者需通過(guò)論文預(yù)判上漲節(jié)點(diǎn)以規(guī)避風(fēng)險(xiǎn)，同時(shí)也要警惕上漲后的回落時(shí)點(diǎn)。但當(dāng)下技術(shù)進(jìn)展的披露方式愈發(fā)隱晦，許多企業(yè)不再公開(kāi)論文，轉(zhuǎn)而用技術(shù)報(bào)告等形式發(fā)布，這對(duì)做空者的專業(yè)能力提出了更高要求。監(jiān)管動(dòng)態(tài)也是做空者需關(guān)注的重要因素，然而即便緊盯監(jiān)管，也難以精準(zhǔn)把握其對(duì)市場(chǎng)的影響，無(wú)法確定監(jiān)管何時(shí)會(huì)引發(fā)AI板塊回調(diào)。綜合來(lái)看，無(wú)論是通過(guò)技術(shù)披露判斷市場(chǎng)漲跌，還是依托監(jiān)管動(dòng)態(tài)把握調(diào)整時(shí)機(jī)，都存在巨大不確定性，因此做空AI本身是風(fēng)險(xiǎn)極高的行為。

Nicole：當(dāng)前AI治理領(lǐng)域亂象較多，未來(lái)不排除會(huì)出現(xiàn)重大安全事件。專注于AI網(wǎng)絡(luò)安全或AI治理的公司股價(jià)會(huì)漲會(huì)跌？

邱諄：AI網(wǎng)絡(luò)安全公司的股價(jià)漲跌存在不確定性。一方面，如果事件與AI安全直接相關(guān)，比如如數(shù)據(jù)泄露，理論上這類公司可能受益于市場(chǎng)對(duì)安全需求的提升；但另一方面，AI行業(yè)的下跌原因多樣，如果下跌并非源于安全問(wèn)題（如AI技術(shù)未達(dá)預(yù)期、無(wú)法實(shí)現(xiàn)承諾功能），安全公司難以從中獲利。安全行業(yè)雖有“常青樹(shù)”屬性——任何時(shí)期都存在安全需求，但安全公司的發(fā)展仍充滿不確定性。安全問(wèn)題涉及范疇極廣，攻擊點(diǎn)眾多，安全工具往往只能針對(duì)特定風(fēng)險(xiǎn)，如同瑞士軍刀，僅有某一把“刀”能應(yīng)對(duì)特定威脅是不夠的。而要打造覆蓋全面的“瑞士軍刀式”安全產(chǎn)品，公司通常需具備龐大產(chǎn)品線規(guī)模，新興安全公司因資源與技術(shù)局限，難以全面應(yīng)對(duì)各類安全風(fēng)險(xiǎn)，面臨較強(qiáng)的生存不確定性。（本文首發(fā)于Barron's巴倫中文網(wǎng)，作者｜孫騁，編輯｜蔡鵬程）