隨筆：AI投資的下一步：誰能把算力變成利潤？

摩根士丹利研究約3600家公司後，提出一個值得關注的變化：AI的投資機會，正從「誰建設AI」，擴展到「誰真正用好AI」。

過去幾年，提到AI投資，市場最先想到的是晶片、伺服器和數據中心。這很容易理解：不先把算力建起來，就談不上大規模應用。

但隨著投入持續增加，一個問題變得越來越重要：花出去的錢，究竟能給誰帶來收入和利潤？今天這份研報分享給各位。

摩根士丹利在9月24日發布的《Mapping AI's Rate of Change: From Buildout to Broadening》中，將這一階段稱為從「建設」走向「擴散」。我覺得，這比單純討論「AI行情是否結束」更有價值。

第一，晶片的故事還沒講完

如果說AI投資要向應用擴散，是否意味著晶片和數據中心該退出舞台了？我認為不能這麼理解。

報告的判斷是，AI算力需求仍然很強，但數據中心的建設受到電力、勞動力和審批等因素限制。其中，能否及時獲得電力，是一個關鍵瓶頸。

這也解釋了為什麼摩根士丹利仍然關注部分半導體、數據中心基礎設施，以及發電設備、電網設備和儲能相關公司。

不過，「整個行業受益」與「每家公司都值得買」是兩回事。建設週期越往後走，訂單能否兌現、產能能否交付、利潤能否跟上，以及股價已經反映了多少預期，都會變得更重要。

第二，軟體可能開始接過一部分關注

硬體提供算力，軟體則決定企業能不能把算力真正用起來。

一間企業想把AI接進自己的業務，通常要先整理數據，讓模型能夠調用企業內部的資訊；隨後還需要監控運行狀況，處理權限與安全問題。完成這些基礎工作之後，AI應用才有機會進入日常流程。

因此，摩根士丹利認為，基礎軟體和安全軟體可能比許多應用軟體更早看到需求。報告列舉的相關領域包括數據平台、運行監控和網路安全；而更廣泛的應用軟體及服務公司，可能需要等待客戶形成可重複的投資產出模式。

我覺得這個順序很重要。市場喜歡想像最終的AI應用會有多大，但企業付款往往要一步一步來。

第三，真正值得盯住的是「AI使用者」的損益表

報告最吸引我的部分，是它對AI使用者的研究。

所謂「AI使用者」，不一定是一家科技公司。零售、金融、醫療、工業等產業，都可能通過AI改善客服、供應鏈、研發或內部運營。關鍵在於，改善是否足夠大，能否反映在財務數據上。

報告篩選的一組AI使用者，其未來12個月每股盈餘的市場一致預期，在過去兩年上升了約70%。這是盈餘預測的變化，不能當成已經實現的利潤，更不能直接理解為股價漲幅。

與此同時，報告顯示，這組公司的遠期本益比中位數約為18倍，低於其所篩選AI建設者約22倍的水平。摩根士丹利認為，當盈餘預期開始改善、估值卻沒有同步墊高時，AI使用者值得更多關注。

但我會給這個結論加一個條件：盈餘改善究竟有多少來自AI，需要逐家公司核實。一家公司利潤率提升，也可能來自身價上漲、成本下降或原有業務復甦。只要把所有改善都算在AI頭上，就很容易高估它的作用。

現在已經出現了一些更具體的線索。例如，報告整理的企業表述中，Airbnb稱其AI助手已能處理超過40%的相關客服問題；Verizon稱利用AI優化網路後，已產生超過2億美元的能源節約。這些是公司披露的案例，說明AI開始有可衡量的經營影響，但仍需要持續觀察效果能否延續、能否擴大。摩根士丹利另一篇公開文章也指出，截至2026年7月，約四分之一的標普500公司曾在業績或會議紀錄中提及至少一項可量化的AI影響。

我會怎麼看下一階段？

讀完這份報告，我不會得出「賣掉晶片，全部買應用」的結論。更精確的理解是：AI投資正從一條主線，變成幾條進度不同的主線。

一邊是仍有需求、也仍受供應瓶頸約束的晶片和電力基礎設施；另一邊是開始獲得企業訂單的軟體；再往後，是那些能把AI轉化為持續盈餘增長的使用者。

接下來我會特別關注三個問題：

第一，公司說自己在用AI，有沒有具體的經營數字支持？

第二，節省的成本或新增的收入，能不能持續進入損益表？

第三，即使方向判斷正確，當前價格是否已經反映太多樂觀預期？

這兩天模型持倉的AI應用個股止盈了，接下來需要持續驗證。