这个问题也与近期市场走势有关。云业务在增长，市场却开始重新评价增长的质量；很多人认为，必须出现新的应用突破，科技行情才能重新获得支撑。那么我们应该怎样从财报和市场分歧中寻找增量？
提示：本文仅为学习思考记录，不构成任何投资建议。
一、把原来的事做便宜，算不算创造价值？
如果一项服务保持原有质量，却能用更少的时间、人员和设备完成，节省下来的资源就有价值。技术进步早期，经常先改变现有工作成本，再逐步改变产品形态和使用范围。
例如，一家小企业过去请不起专人维护多语言商品资料，只能服务少数市场。由AI辅助翻译和处理咨询后，它有机会覆盖更多客户。翻译仍然是原来的工作，改变的是谁能够购买这项服务，以及哪些生意因此值得开展。
有三种不同结果：同样的工作更省资源、过去负担不起的人开始使用、以及出现过去难以提供的新服务。它们都会创造增量，但释放的速度和收入归属各有不同。一个全新的现象级产品，只能观察到其中一部分。
新增任务可能先出现在小额需求中。一家客户过去只为几个核心流程开发系统，成本降低后，可以开始处理更多。单项合同或许很小，但加起来就能有效扩大市场。不过这要求供应商用能够重复部署的产品承接；如果每个小单都要投入大量实施人员，潜在需求依然难以变成可服务的需求。
当价格下降时，使用价值与行业收入甚至可能反向变化。以目前AI落地最成熟的编程领域为例，软件公司代码产出量成倍增长，完成同等任务的Token价格在今年下降了50至100倍，预计明年还将再降10倍。然而，生产力提升并不等同于商业利润。
就像农业中的丰收悖论：今年某地蓝莓产量增长四成，但由于鲜果集中涌入改变供需，价格反而跌去一半。
商业世界里客户只为稀缺性买单。当AI让智能变的不再稀缺时，过去一个团队花一年做出的软件业务，现在竞争对手用AI几天就能复制。供给门槛坍塌导致竞争者激增，技术进步的红利以产品降价的形式让渡给了消费者，而开发者反而陷入消耗十倍Token、却只能勉强维持原有收入的局面。
这个例子解释了为什么AI在不断普及，某些企业的收入却在不断承压。因此，我们可以依然看好AI扩大经济活动的范围。但在研究上更应当考虑的是：
哪些工作因此变的值得做，谁第一次具备了购买能力，以及节省下来的资源最终被用于什么。
二、财报里的增长，怎样对应真实增量？
当前财报已经提供了需求扩张的依据，但增速之下我们需要关注收入增长的来源。
例如，谷歌云三季度收入同比增长103%，除AI基础设施、解决方案和核心云服务外，TPU系统销售也是重要贡献来源。也就是说，这个增速同时包含云服务使用增加，以及客户购买整套系统的收入。
两种业务都能满足真实需求，但经营方式是不同的。按使用量收费，要看客户持续消耗多少资源；销售系统，要看交付数量、后续订单和产品迭代。
这会影响我们怎样预测下一年。系统销售增加，可能会让某个季度增长很快；持续使用增加，则要结合客户留存和用量判断。
下一步还要问，客户购买之后增加了什么产出。新增算力可能服务更多终端用户，也可能替换原有设备、迁移已有工作负载。对供应商而言都可以形成订单，对行业总需求的含义却是完全不同的。
比如企业新增AI预算，是替代原有软件和外包费用，还是开始处理以前没有覆盖的客户与任务？前一种涉及预算和利润重新分配；后一种更接近业务范围扩大。当然两者也会相互推动：先把原有流程做便宜，企业才有余力服务更小的客户、开发更细的产品。
所以我们在评价时可以比较相近业务在采用前后的处理量、质量和成本，再检查同期价格、人员和客户结构有没有变化。销售增长如果主要来自行业复苏，就不能完全归功于AI；反过来，应用初期收入不明显，可以先看交付周期和服务范围是否出现改善。
利润数字同样要还原来源。亚马逊三季度营业利润约281亿美元，同比增长61%，但每股收益从1.95美元降至1.89美元，主要原因是去年同期包含95亿美元的A家投资收益。
这也是一直想强调的：先知道数字说明了什么，再判断它能改变哪一项预测。财报能确认收入和经营结果，但AI贡献了多少新增价值是需要把业务来源和客户效果连起来看的。
三、市场何时愿意重新为增长付费？
近期分歧大致围绕两条线：一条等待利率、资金和交易压力缓和；另一条等待盈利与应用需求给出更多证据。
对市场而言，利率压力减轻可以改善估值条件。同样是市场利率下降，如果来自通胀回落、企业需求保持稳定，对成长股较有利；如果来自增长预期显著走弱，盈利下修可能抵消估值端的改善。判断利率的作用要先弄清它为什么变化。
财报也有类似的关系。一家公司收入增长很快，可能只是完成了市场原先要求的任务。未来盈利预测能否上调，要看新增客户、产品结构和成本变化；市场愿意给多少倍估值，还涉及竞争优势能延续多久。
增长的绝对水平与超出预期的幅度，承担着不同作用。
从这个角度看，AI降本会给市场带来一个新的筛选标准：效率提高以后，公司能够保留多少收益？如果同行都能用相似工具，节省下来的成本可能很快变成降价；如果企业能够扩大客户覆盖、提高服务质量，或者把流程经验持续复用，就有机会形成更稳定的优势。
企业的优势也会随之变化。代码和素材更容易生成后，客户可能会把更多预算放在能够接入业务系统并承担交付责任的服务。而公司现有的能力会影响它究竟能够产生多大的收益。
硬件、云和应用都需要接受这项检验。硬件看单位性能提高之后，客户扩大采购的速度；云看更低的服务成本能够吸引多少新增业务；应用看客户获得的效果，能否支撑持续收费。应用端同样存在价格竞争和复制风险，利润不会仅仅因为产业关注的变化而自动迁移。
对当前的调整要保留价格下降带来的积极变化。如果企业长期盈利能力保持，而价格回落，未来回报的起点可能改善。需要重新估算的，是正常经营条件下的利润，以及当前价格要求它增长多久。历史高点并没有替这笔估算提供价值依据。
下一阶段值得关注的增量，既可能是一款打开新需求的产品，也可能是许多企业逐步证明：同样预算能够完成更多工作，新客户开始付费，原有客户扩大使用。这些进展未必集中在某一天，却会逐渐改变市场对增长范围和持续时间的判断。
四、总结
我对AI长期发展的判断依然积极。它能够把部分昂贵、零散、过去难以规模化的工作变的更容易获得。新的需求可以从这里生长，企业与用户改变工作方式也需要时间。
研究时，可以重点关注几个方面：
第一，新增了什么结果。更多代码、内容和调用，最后有没有增加有效交付、改善质量，或者让过去无法获得服务的人开始使用？这会决定需求扩张有没有实际基础。
第二，收益由谁获得。客户少花钱、员工节省时间、供应商增加收入，都有各自的意义。对具体公司，要看它能否保留一部分收益，并建立客户愿意持续购买的理由。行业的效率改善，可以伴随部分企业利润受到挤压。
第三，价格已经要求多少。看好技术以后，还要估算公司未来的正常盈利，检查竞争加剧、收费下降或者采用速度变慢时，当前估值是否仍有依据。这样讨论泡沫，才会落到能够修改的假设上。
这也是我理解的独立研究：在财报之前写清预计出现什么，公布之后检查变化来自哪里；看到股价波动，再区分经营判断与交易条件。
AI的增量价值，会分散体现在更便宜的服务、更广的客户覆盖和新的业务机会里。财报帮助我们观察企业拿到了哪一部分，市场价格则决定投资者为此付出了多少。
AI发展远没有结束。接下来值得关注的，是哪些企业能把不断扩大的使用价值，变成自己能够持续保留的收益，并让当前价格留出合理的回报空间。
$英特尔(INTC)$ $谷歌A(GOOGL)$ $亚马逊(AMZN)$
本话题在雪球有261条讨论，点击查看。
雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>
