柏基投资眼中的人工智能泡沫

人工智能是否存在泡沫，泡沫有多大，是否会破灭。这些是人们最近讨论很多的话题。

一方面，人工智能板块的资本开支不断加大，各个参与方不断地深化合作，甚至产生了供应商融资（Vendor Financing）的概念。另一方面，整个股票市场在人工智能地集中度不断上升，很多估值指标也让投资者对人工智能地估值产生担忧。

不同的人有不同的立场，有人站在泡沫会持续的一方，也有人站在泡沫破裂的一方。资本市场也在这样的讨论中震荡。

在这样的环境中，柏基投资（Baillie Gifford）作为投资于破坏性科技革命的领先者（当然也包括人工智能），如何看待现在的市场，会给我们提供一个有意思的视角。

让我们看看柏基团队中，离美国最近的美国成长基金，最近是如何看美国市场的人工智能泡沫。

用柏基的话来描述现在的市场环境，就是

情况微妙而复杂

柏基投资认为，当前人工智能市场存在局部过热，但整体未形成广泛泡沫。美国市场估值上升主要由AI数据中心相关公司推动，但少数平台公司凭借垄断地位和真实基本面支撑其估值。投资组合应该选择性布局，并注重估值纪律和风险控制，聚焦于具备持续增长能力和创始人主导文化的企业，避免过度暴露于数据中心建设等过热领域。同时，需要关注AI资本回报率、技术扩散及消费者行为。

当今的美国市场反映了数字基础设施和软件的真实、复合发展，同时也存在需要关注的潜在过热领域。作为一名长期的美国成长型投资者，比以往任何时候都更需要选择性、估值纪律。并且，投资者需要支持有效和创始人主导的文化的意愿，这些文化能够帮助企业在市场噪音中继续抓住机遇。

美国市场贵吗？

以历史标准来看，美国市场似乎很昂贵，但组合的构成很重要：少数全球平台公司现在控制着人工智能所依赖的计算、数据和分销渠道（中国以外）。他们的规模优势更像是寡头垄断，而不是淘金热。这种集中使他们的支出，以及由此延伸的一些估值，比历史上的泡沫后周期的狂热状态更具防御性。例如，NVIDIA的大幅增长所代表的基本面，导致公司的市盈率（P/E）仅略高于2022年的低点，远低于五年平均水平。将英伟达与互联网泡沫时期的思科系统公司进行比较，思科系统公司的利润越来越低，而其股价却呈抛物线形上涨。在崩溃之前，它的估值在每一项指标上都变得更加昂贵。

在这种情况下，需要关注的一个关键风险是资本密集度：如果投资超过回报，或者寡头垄断大幅扩大，企业的经济性可能会受到压缩，这与互联网时代后电信扩张的情况相呼应。不过，就目前而言，我们没有看到美国大范围泡沫即将破裂的证据，而是一个愈发集中的市场。这个市场中的收益取决于独特的组合和公司的盈利能力。

我们也看到了双速经济。人工智能投资正在实质性地推动GDP和股票指数，但收益集中在高收入人群和直接受人工智能影响的行业。这种不对称是技术扩散的典型特征，而不是对技术本身的控诉：早期采用者和直接暴露的行业首先获得了巨大的收益，而生产率和工资效应只会随着时间的推移而扩大。至少，这是以前技术革命的历史模式。

由此产生的另一个关键问题是，这次这种模式是否会有所不同如果不同，它会给社会带来各种风险。

无论怎样，这都表明，挑选股票比预测未来几个季度美国何时会出现风格轮动更为重要。风格轮动也是市场上许多人都关注的东西。在增长不再如此集中在相对较少的公司之前，美国不太可能出现大规模的价值轮动，这与我们今年在欧洲和其他地方看到的情况不同。

顺便一说，按照历史标准，我们的美国成长投资组合相对于市场的估值溢价较低，但预计未来几年将大幅增长。

估值和修订：将热与光分离

然而，美国市场无疑很热。那么，美国市场的什么地方看起来像泡沫？

让我们来看看过去几年市场估值是如何演变的。从2023年5月（在新冠疫情后抛售的低谷六个月后，市场估值有所正常化）到2025年11月，标普500指数以远期P/S计的估值共重新上调了约43%。

自2023年5月底以来，标普500中100个最大的估值重估中，有31个是与人工智能数据中心建设直接相关的公司，如电力、存储、冷却和建筑。这些公司的价格与销售比率平均增长了约130%，而这31家公司以外的其他指数的P/S估值增长约为18%。这些公司中，数据存储领域的西部数据（P/S上涨+432%）和希捷科技（P/S上涨+230%），以及发电领域的瑞致达（P/S上涨+331%）和星座能源（P/S上涨+261%）等公司都是最大估值上涨企业。虽然这些公司的基本面有所改善，但可以说，大部分重新评级是由于预计未来对数据中心和人工智能相关能源的巨大需求。从估值角度来看，这似乎是目前市场上最过热的板块。如果人工智能的热情减弱，这一领域可能会大幅下降。我们在这一领域没有直接持股。因此，虽然我们通过亚马逊、Cloudflare和NVIDIA等公司拥有人工智能板块的敞口，但与基准相比，我们在数据中心扩建主题的股票敞口较小。

相比之下，美国成长投资组合的估值抬升仅略高于加权市场平均水平，上涨了约48%（删除AppLovin，这是一个显著的异常值）。作为高成长、长期投资的管理人，我们本就预计自己的投资组合会比整体市场更贵。但魔鬼在细节。在同样的时间段，美国成长投资组合的估值提升的中位数为+10%，而标准普尔500指数为+12%。

此外，自2023年5月以来，标普500指数中43%的公司已估值提高50%以上。而我们组合中的公司占比只有20%。然而，在此期间，我们的投资组合的表现明显优于标准普尔500指数。今年迄今为止，我们的投资组合估值正在下调，而标普指数则继续上升。这是因为我们的投资组合的基本面强劲，预计将继续改善，并以高于市场的速度改善。

更广泛的市场似乎是很热，不仅仅是高成长股票感官上应该很贵。

主动管理很重要

因此，我们很有可能正处于人工智能基础设施建设的繁荣阶段，就像铁路、个人电脑或早期的互联网一样。在这种时候，过度投资和优秀的企业可以同时出现。

长期财富创造的关键变量不是讲故事能力，而是执行能力：产生现金并将其再投资于大型、持久的机会，同时保持围绕估值的投资组合纪律。这就是我们关注的焦点。

投资中的选择性至关重要。在人工智能基础层，可能的赢家已经很明显：亚马逊网络服务（AWS）、微软Azure和谷歌云平台在云端，NVIDIA在加速计算。在堆栈的较高位置，优势在于具有分发、专有数据和快速迭代周期的应用程序玩家。我们发现这些特征在创始人主导、以产品为中心的文化中最为常见。这一逻辑支撑着我们在多个公司的投资。在这些公司中，我们已经看到了由人工智能驱动的增长和运营杠杆的切实改善（如Samsara、Snowflake和Datadog）。

同样，这也是为什么当市场上代理的言论超过了交付的客户价值时，我们持怀疑态度的原因。似乎每家SaaS（软件即服务）公司都在谈论人工智能代理将如何改进他们的产品，但今天很少有人能做到这一点。我们在与我们投资的私人前沿模型和数据公司的领导人的交谈中听到了这种怀疑。

我们的投资组合反映了这一立场。我们一直在缓和一些对消费者敏感的风险敞口（例如，有选择地削减Affirm、Roblox和DoorDash的头寸），并重新部署到医疗保健和工业中不相关、被低估的领域。Ensign、Penumbra和Knife River等企业通过执行和当地规模优势进行复合，而不是试图搭上炒作周期的列车。我们正在继续平衡人工智能的推动者与其应用受益者，我们正在与我们的投资风险团队合作，测试对人工智能采用、人工智能资本支出周期和潜在消费者放缓的敏感性。

投资组合护栏

投资组合构建护栏也在发挥其设计初衷：保持投资组合的形状和平衡。在过去的三年里，大约59%的投资组合属于我们财务成熟度指标中利润最高的类别（从正的EBITDA到10%的股本回报率）。投资组合的企业拥有净现金。在过去的一年里，近90%的持股能够自筹资金，并且能够仍以大约是标普500指数三倍的速度再投资于研发。这个组合，是有韧性但着眼于未来的投资组合。

投资组合严重向转型和持久的高增长业务倾斜，对早期投资的敞口极少。尽管指数的波动性增加，但投资组合的相对波动性水平已恢复到疫情前的水平。

这并不是说我们一定会比大盘更稳定。我们很可能会更稳定。但毫无疑问，由于美国市场指数的集中度达到了几十年未见的水平，其风险越来越大。这增加了被动持有者的风险，也增加了主动投资者机会：忽视指数权重、视野超越新闻中的估值倍数、专注于基本面和长期机会的机会。

一些昂贵的公司可能反而很便宜

事实上，人工智能的效率提升也有可能被低估，尤其是在已经非常高利润的市场领域，如软件、互动媒体和技术。这些行业的公司已经处于人工智能应用的前沿，在自由现金流的收益率也很高，劳动力成本与销售比率（labour-cost-to-sales）很高。历史利润率可能不是推测这些公司在未来12-36个月内盈利能力的可靠指标。Shopify的首席执行官Tobi Ltke告诉我们，他预计未来几年公司将继续以目前的速度（每年约20%-30%）实现基本面增长，而无需继续增加员工人数。

这就是为什么选择性是关键。它确保投资组合尽可能具有韧性，并通过有效且通常由创始人主导的文化融入适应性。被动基准不会因变化而重新平衡或调整。

我们在关注什么：

1.人工智能资本支出回报率。其中的领导者是在计算和模型支出上维持高的增量投资回报，还是竞争迫使他下场，展开并不经济的军备竞赛？

2.扩散到应用层。随着人工智能从基础设施过渡到日常工作流程，分发和专有数据将变得越来越重要。我们青睐那些拥有适应新技术和商业模式的文化的公司。

3.消费者行为。美国部分地区需求疲软，而其他地区则表现强劲。我们将继续相应地监控和调整投资组合。

总结

在人工智能繁荣时期，我们不需要声称存在泡沫而谨慎投资。我们将把资本投资于将技术转化为持久经济效益的公司，而不是投资于从讲故事而非基本面中受益的公司。我们的方法正是为此而建立的：集中持有领导良好、财务稳健的企业；持续的风险测试；在估值似乎被拉长、上行不对称性缩小的公司减少头寸，而在上行空间扩大的地方增加头寸。在一个由人工智能繁荣定义的市场中，我们将继续做这种乏味但重要的工作，同时保持对未来的关注，并发挥（很少有人能比得上的）耐心