人工智能現狀：轉向自主及實體應用

AI仍處於發展進程中

說到AI，相關議題層出不窮。一年前DeepSeek橫空出世時，我們曾指出，這是更智能、能力更強、成本更低的推理模型正式崛起的契機，將推動AI應用場景邁向新高度。然而，這需要10倍運算力支持，因此我們斷言，市場普遍認為DeepSeek面世後運算力需求將減少的觀點並不正確，實際需求將呈爆炸性增長。截至2025年底，推理模型處理的元詞量佔全年總量50%以上，而年初此比例僅為零，¹另外AI資本開支亦再攀高峰。

代理式AI拐點將至

我們相信，市場即將迎來下一個重大轉折：代理式AI（具備自主決策與行動力）不僅在數碼世界以AI代理形式出現，亦在現實世界中為自動駕駛車輛及人形機械人提供支持。多項重大技術突破共同發力，創造出AI創新不僅不會減速、反而可能加速的潛力。Anthropic行政總裁Dario Amodei最近撰文強調，據稱AI編碼代理的能力現已超越人類。這正加快大型語言模型（LLM）的發展曲線演進。²再者，預計由2026年中起，LLM將開始基於最新Blackwell架構進行訓練，AI將具備更快的編程與運算速度，創新步伐勢必加快。至今面世的所有LLM，包括Gemini 3及ChatGPT 5.2，均以NVIDIA Hopper晶片系列產品為訓練基礎。到了2028年預計推出的最先進晶片Vera Rubin Ultra投入LLM訓練後，AI架構的速度有望提升約400倍，令模型訓練與反饋循環的速度呈爆炸性上升。³

代理式AI時代曙光初現

更快的AI發展曲線將呈現何種面貌？我們聚焦的重要領域仍是代理式AI，此類AI代理能模擬人類決策過程，實時解決問題，能力遠超受人類監督與限制的AI助理。推理模型及任何AI代理所面對的挑戰，在於上下文窗口及思維鏈時間跨度的局限性。換言之，AI代理如同患有短期失憶症的人類，雖然工作速度極快，但卻很快忘記其目標所在。業界正積極不斷創新以解決此問題，包括延長上下文窗口(context windows)（Google Gemini率先能夠接受100萬個元詞或1,500頁文本）⁴，以及運用稀疏混合專家模型、強化學習、在真實環境中引導智能代理行為的代理控制架構等各項技術拓展思維時間跨度。

AI完成長時間跨度任務的能力，大約每七個月翻一倍。有鑑於此，Anthropic指出其編程代理在短短三年內，從幾乎寫不出一行代碼，發展至超越該公司最優秀程式員的水平，有關「AI正在吞噬軟件行業」的論述亦備受矚目。這一點意義重大，因為AI代理有潛力顯著提升生產力。麥肯錫曾透露，該公司擁有約6.5萬人的「員工隊伍」，其中包括4萬名真人員工及2.5個AI代理。⁵有別於人類勞動力，代理數量的部署不受人口結構限制。據估計，若按AI發展曲線推算，AI代理或於2028年可靠地完成人類的日常工作量，在2034年之前能一天內完成人類一年的工作量，在2037年之前更可一天內完成人類一個世紀的人類工作量，這將對白領工作及相關行業帶來深遠影響。

物理AI取得突破

另一重大發展領域在物理AI。在2026年消費電子展（CES）上，NVIDIA首席執行官黃仁勳表示物理AI的「ChatGPT時刻」即將來臨。與代理式AI相似，物理AI的科技突破取決於LLM推理模型與AI工廠，後者可生成無限合成數據，彌補自動駕駛及工廠外機械人缺乏真實數據的不足。

ChatGPT能夠透過爬取互聯網上的所有文本、圖像及影片進行學習，但物理AI缺乏類似數據集可用於理解重力、摩擦力及動量等真實世界中存在的物理力量，亦無法應對現實世界中日常遇到的各種「邊緣情況」（即超出正常運作參數、涉及多種變量及條件的情況）。

英國初創企業Wayve Technologies作為首批新一代AI駕駛算法平台之一，採用端對端學習模型，而非傳統的模組化規則駕駛系統。該公司認為其軟件僅需數週，即可學會在美國靠右（英國靠左）行駛並適應不同駕駛規則，毋需耗費數年時間。結果顯示，無人駕駛的士正在進行更廣泛的測試及推出，Waymo計劃於2026年底前覆蓋美國大多數城市，並進駐倫敦及東京。與此同時，Tesla以及多家中國企業，如小馬智行及文遠知行亦制定全球擴張藍圖。

我們現時看到，機械人的動作更為靈活，能跳霹靂舞、表演武術，並能執行更智能的任務，例如將雜貨放入雪櫃或完成其他家務。雖然與代理式AI技術驅動的聊天機械人或自動駕駛方面取得的進展相比，人形機械人稍有不及，但目前亦嶄露頭角。預計2050年之前，大多數已發展國家及中國的老年撫養比率將上升至只有兩名適齡勞動者供養一個受養人（65歲或以上）。人形機械人被視為減輕人類面臨人口結構挑戰的寄望。作為機械人AI解決方案，人形機械人可望為製造業、服務業以及照顧日益龐大的高齡人口提供所需勞動力。

A主動投資AI須留意重要風險

作為投資者而非未來學家，我們一直關注AI科技浪潮中的風險。我們以科技發展為出發點，考慮融資問題，以及最終企業如何能因此獲得回報並從中變現。作為投資者，我們時刻謹記，推動我們形成投資理念並作出投資決策的原則是：無法實現盈利的企業，其價值即為零。

AI技術發展進展順利，但需持續動態評估擴展定律是否仍然成立、新技術突破能否繼續催生下一代功能。考慮到近年所見的龐大資本開支、科網泡沫的前車之鑑，以及對個別領域循環式融資的擔憂，市場關注AI融資是否可持續實屬合理。

然而，現時AI資本開支的融資環境與以往截然不同。絕大部分AI資本開支來自美國科技巨企，他們運用利潤、自由現金流及淨現金資產負債表來支撐投資，企業及主權國家（政府）亦參與其中，⁶此類客戶佔目前NVIDIA業務的絕大部分。然而，新晉初創企業未來幾年的支出比例將會上升，風險或會更高。

儘管市場對融資與收入存在一些誤解，但我們認為ChatGPT開發商OpenAI在備受矚目的新晉企業中風險最高。但該公司似乎確實擁有創造數以千億美元收入的可靠途徑，這為其帶來規模優勢，在融資需求方面更顯靈活。近期該公司對融資與收入採取更務實的態度，據報道其未來四年的融資承諾由1.4萬億美元縮減至6,000億美元。⁷與此同時，Anthropic有望於2028年實現現金流為正值，這主要歸功於Claude Code的成功。⁸

對於這些需要外部融資的公司，其融資渠道依然暢通：Anthropic最近獲得了新融資，使其估值達到3,800億美元⁸；OpenAI則宣佈完成一輪高達1,100億美元的巨額融資，⁹並可能於年底啟動首次公開招股。雖然部分融資交易確實帶有循環性質，而且美國的科技巨企和NVIDIA亦有意參與其中，但這些可能僅佔Anthropic和OpenAI未來資本開支和營運開支（雲端合約）承諾的一小部分。

NVIDIA亦指出，將預期錄得強勁增長的一部分自由現金流投資於一些領先的新AI公司乃合理之舉。有別於互聯網時代Facebook收購Instagram和WhatsApp，Google收購YouTube和Android，當前監管環境更嚴格，難以達成此類交易，因此入股相關企業是退而求其次的選擇。

AI泡沫：事實還是虛驚？

目前情形明顯有別於2000年。1999年，約20隻大型科技股飆升超過900%，推動納斯達克指數在短短數月內大漲約100%。¹⁰

當時股價上升主要由估值帶動，而盈利增長未能跟上。例如思科市盈率曾突破120倍（圖3）。目前情況截然不同，NVIDIA的預期市盈率約為25至30倍，估值與麥當勞不相伯仲，儘管兩者業務性質迥異。¹¹當市場上人人憂慮泡沫、質疑AI能否不負眾望及資本開支能否持續，泡沫實難成形。

我們之前已經指出，資本開支、用量增長與變現之間必然存在時差，我們在互聯網時代亦有類似經歷；其實，市場往往過於急躁。市盈率等股票估值指標反映市場觀點而非事實，尤其在科技板塊，市場普遍觀點有時大錯特錯。我們相信，把握AI投資機遇的關鍵在於主動型投資，致力發掘市場尚未充分認知其未來盈利增長、現階段估值較低但具備增長潛力的企業。

問題在於，這是一個「贏家通吃」的行業，大部分利潤將僅歸屬於少數幾家公司。因此，使用主題式交易所買賣基金的困境是，其持倉可能不乏與主題毫無關聯的股票；更重要的是，這些股票可能永遠無法從該主題中獲取額外利潤，故此難以實現可持續增長。

作為團隊，我們始終專注於識別預期之外的盈利增長，重大新科技浪潮如AI或新主題是選股型投資者尋求回報的沃土，但我們相信，最佳投資回報可能來自聚集真正贏家的高信念度投資組合，而非持有數百隻股票的投資組合。

倘若英文版本與中文版本出現歧異，概以英文版為準。