AI革命：多次重组

大语言模型（如ChatGPT和Claude）的快速发展和广泛应用将从根本上改变科技行业及其他领域的竞争动态和估值。以下报告详细介绍了一种情景，即人工智能的影响在市场的不同细分领域中将不均匀地显现，从而造成机遇和挑战。

标题

1. 软件即服务初创企业的倍数可能会收缩，特别是那些提供易复制解决方案或缺乏强大品牌力的公司。

2. 已建立的行业有一个独特的机会利用人工智能工具，将其与专有数据和领域专业知识相结合。

3. 大型科技公司巨额的人工智能投资有效地为各个领域的创新提供了资金支持，但长期价值的获取仍然不确定。

4. 如果科技巨头未能有效地将人工智能超出云计算进行货币化，可能会发生从科技巨头向传统行业的价值转移，而云计算可能面临潜在的商品化和监管挑战。

5. 传统行业在转变为人工智能驱动企业时，可能会看到多重膨胀，因为它们能从大型科技公司的资本支出中受益，而无需承担人工智能开发的全部成本。

软件即服务初创企业：面对人工智能驱动的考验

作为投资人钟爱的对象，SaaS创业生态系统因其高增长潜力和可扩展的商业模式而备受青睐，但在人工智能时代面临前所未有的挑战。预计许多SaaS公司的未来收入倍数将受到重大挤压，特别影响到两个脆弱的类别：

1. ChatGPT 封装器: 许多初创公司匆忙推出产品，实质上是建立在公开可用的 ChatGPT 等语言模型之上的薄接口。这些公司特别脆弱，因为它们缺乏专有技术，且面临着由于基础人工智能模型改进或 API 供应商自身扩展其产品范围而陷入过时的持续威胁。

2.弱品牌SaaS：提供通用SaaS解决方案但缺乏强大品牌认知度或深入集成到客户工作流程的公司面临着高风险。随着AI使软件开发民主化并增强通用工具的能力，这些公司可能难以区分其产品并保持定价权。

人工智能现在可以轻松复制许多软件功能，降低了准入门槛，加剧了竞争，对价格造成了下行压力。这种趋势在诸如...的领域特别明显。

- 客户服务聊天机器人 - 基本内容生成和营销自动化 - 简易数据分析和报告工具 - 日程安排和生产力应用程序

与各行各业的CIO和IT决策者交谈表明，他们愈发愿意尝试基于人工智能的替代方案，以取代传统的SaaS解决方案。许多人正在积极评估人工智能工具作为当前SaaS订阅的潜在替代方案，进一步给现有供应商带来压力。

然而，这种转变不仅仅是为了节省成本。人工智能模型所提供的整合能力和灵活性，使得可以提供更加定制化的解决方案，可以根据特定的业务需求进行定制，而无需传统软件开发的额外开销。这种适应性特别吸引企业，希望整合其软件堆栈，并减少对多个小众SaaS提供商的依赖性。

在未来几个月里，许多SaaS初创公司，特别是那些在拥挤或容易复制的领域的公司，可能会看到其未来收入倍数大幅收缩。这种收缩可能会在SaaS行业中引发一波整合浪潮，资金充足的参与者将收购挣扎的初创公司的客户群和领域专业知识，而不是他们的技术。

传统行业：利用人工智能进行转型

虽然SaaS初创公司的前景似乎不容乐观，但传统行业的前景却更加乐观。金融、零售、医疗保健和制造等传统领域独特地处于利用人工智能技术的有利位置。至关重要的是，他们可以在不承担基础人工智能研究和发展的巨大成本的情况下做到这一点。

这些行业拥有三个关键资产，在人工智能时代赋予它们显著优势：

1. 数十年运营积累的大量专有数据库 2. 深厚的领域专业知识和行业特定知识 3. 已建立的客户群和分销渠道

成功将人工智能整合到其核心运营中的行业领导者可能在未来几年看到倍数显著增长。这一观点基于对AI在这些领域中可能开启的潜在效率收益和新的收入来源的评估。

举例来说：

在金融服务领域，人工智能可能通过改善风险评估、诈骗检测和流程自动化，大幅降低运营成本。人工智能驱动的个性化金融产品还可以开辟新的收入渠道，潜在地提升早期采用者的销售额增长。

在零售业中，先进的人工智能驱动的库存管理系统可以减少缺货和积压库存情况，潜在地提高毛利润。此外，由人工智能实现的超个性化营销可能会提高客户终身价值，早期采用者报告客户保留率显著提高。

医疗提供者可以利用人工智能增强诊断和治疗规划，从而潜在降低误诊率并提高治疗效果。人工智能驱动的药物发现也可以显著加速新疗法的开发，一些由人工智能辅助的试验报告显示开发时间大幅缩短。

在制造业中，由人工智能驱动的预测性维护可以大幅减少停机时间，而由人工智能优化的供应链可以提高整体效率，对于传统利润薄的行业而言，将会有明显的积极影响。

至关重要的是，这些传统行业可以在不承担从零开始开发人工智能技术所需的巨额研发成本的情况下获益。通过利用科技巨头开发的人工智能工具和平台，传统部门可以享受到大科技公司资本支出的成果，有效地在数十亿美元的人工智能研究中获得“免费乘车”的机会。

这种动态将使做好准备的传统企业在转变为人工智能驱动企业时有可能看到多次扩张。在接下来的几年里，传统行业中的人工智能领先者可能会看到其前瞻市盈率倍数显著扩张，反映了其增强的增长前景和运营效率。

大科技公司：AI 商业化的挑战

科技巨头在人工智能研究和开发方面的巨额投资已经被充分记录，据估计，顶尖科技公司每年在人工智能研发上的支出达数百亿美元。然而，人们经常忽视的是这些投资如何无意中在更广泛的经济领域支持创新，可能会以大科技公司长期价值捕获为代价。

这种情况与1990年代末和2000年代初大规模投资光纤基础设施的情况非常相似。在那段时期，电信公司大举投资于铺设广泛的光纤网络，预期互联网流量会激增。虽然这些投资确实促成了互联网繁荣，但许多铺设基础设施的公司最终未能占据所创造的价值的最大份额。相反，正是那些利用了这些基础设施的公司，如谷歌、亚马逊和Netflix，成为了主要受益者。

在类似的情况下，大型科技公司对人工智能基础设施和基本模型的投资可能正在为新一波创新打下基础。然而，就像光纤一样，一个问题仍然存在：是哪些公司将从这些巨额投资中获得最大的回报，还是主要受益者将是那些最有效地利用这种新的“人工智能基础设施”的人？

随着大型科技公司主要通过云平台商业化其人工智能技术，他们面临一个关键挑战：如何将人工智能的商业化扩展到基础的云计算服务之外。这一挑战对于确定人工智能投资所创造的价值主要将使他们受益还是流向其他行业至关重要。

关键考虑因素：

1. 云计算商品化: 长远来看, 云计算有可能逐渐演变为一种类似公用事业的服务。随着竞争激烈和技术成熟，差异化变得越来越困难，可能会侵蚀目前主要云服务提供商享受的溢价定价。这引发了光纤热潮之后带宽商品化的趋势。

2. 监管风险：大型科技公司在云服务中的定价模型和市场主导地位可能会引发监管审查。任何类似公用事业的监管都可能显著影响定价能力和盈利能力。欧盟的数字市场法案以及其他司法管辖区考虑实施的类似规定可能会对目前的云业务模型造成特别挑战。

3.价值转移动态：如果大型科技公司未能开发和货币化超越基本云基础设施的人工智能应用，那么他们人工智能投资所创造的价值的相当大部分最终可能会流向那些最有效地利用这些人工智能能力的行业。这类似于基于互联网的公司而不是电信公司捕获了光纤网络创造的大部分价值。

4. 创新竞赛：为了保持价值，科技巨头必须不断创新，超越基础设施，开发行业特定的人工智能解决方案和应用程序，这些解决方案和应用程序不能轻易被复制或商品化。这需要快速的创新周期和深入的行业合作伙伴关系，这些领域不一定是科技巨头具有自然优势的地方。

这种情况可能导致一个潜在的悖论：科技巨头的巨额资本支出可能会导致市值部分从大科技公司转移到成功利用人工智能重塑自己的传统产业。然而，这种转移并不是一定的，而是很大程度上取决于大科技公司发展其人工智能货币化战略的能力。

当前人工智能革命与光纤繁荣的关键差异在于，大型科技公司不仅是基础设施提供商，而且也处于人工智能应用开发的最前沿。这种双重角色可能使它们比过去的电信公司获得更多价值。然而，价值泄漏给其他领域的风险仍然很大，特别是如果它们未能保持创新优势超越基本人工智能基础设施和服务。

多元移动：技术和传统部门的重新评估

AI革命正在催生对科技行业和传统行业公司价值观的重大转变。这种重估是由AI时代对增长潜力、风险和竞争优势的看法的变化驱动的。

对于SaaS初创公司，特别是那些提供易于复制的解决方案的公司，我们看到前瞻收入倍数出现了压缩。这种下行压力反映了人工智能技术带来的竞争加剧和更低的准入障碍。投资者变得更加挑剔，对具有独特人工智能能力、专有数据资产或深度整合客户工作流程的公司给予高价值。

相反的是，成功采用人工智能的传统行业正在经历多重扩张。随着这些公司转变为以人工智能为动力的企业，投资者正在重新评估它们的增长潜力和运营效率。这在金融、医疗保健和制造等领域尤其明显，人工智能的采用正在带来成本结构的显著改善，并开启新的收入来源。

大型科技公司的估值格局仍然复杂。尽管这些公司在人工智能领域进行了大规模投资，但他们能够通过云计算之外的方式变现这些投资将对保持其历史高倍数至关重要。监管风险和云服务的潜在商品化进一步增加了对其估值前景的不确定性。

这种不断变化的格局凸显出在人工智能时代对估值采取细致方法的重要性。投资者不仅需要考虑当前的财务情况，还需要考虑公司的人工智能准备情况、数据资产以及通过人工智能采用创造可持续竞争优势的能力。

货币化策略与挑战

大型科技公司正在追求各种策略，以避免商品化陷阱：

1. 行业专属解决方案：为特定行业开发定制的人工智能解决方案（例如，医疗诊断，金融风险评估）。 谷歌的医疗保健倡议和亚马逊进军医疗和金融服务领域便是最好的例证。

2. 人工智能即服务：提供更复杂的人工智能服务，超出基本模型访问范围，如持续学习和适应能力。OpenAI的GPT-4 API与微调选项是这种方法的一个早期示例。

3. 硬件创新：创建专门的人工智能芯片和量子计算解决方案，以保持技术优势。谷歌的TPU芯片和亚马逊的Trainium芯片处于这一战略的前沿。

4. 生态系统锁定：打造全面的人工智能开发和部署环境，提高客户转换成本。微软在其产品套件中整合OpenAI技术，明显朝着这个方向迈出了一步。

然而，这些策略面临重大挑战：

- 需要深入的行业知识，可能通过合作伙伴关系或收购获得 - 在人工智能产品中平衡概括与专业化 - 与拥有宝贵专有数据的行业内龙头企业竞争 - 在不同领域中应对复杂的监管环境

大科技在克服这些挑战方面的成功将决定它们是否能在潜在的云服务商品化面前维持其当前市场估值。如果未能做到这一点，可能会看到其市值的相当一部分转向成功利用人工智能改变业务的传统行业。

投资影响

鉴于这些动态，建议采取以下投资策略：

1. 审慎投资SaaS：- 对于SaaS投资要高度挑剔，特别是在竞争激烈或容易被复制的领域。- 着眼于具有独特数据资产、专有人工智能能力或深度整合客户工作流程的SaaS公司。- 寻找那些成功转向成为首个AI平台而不仅仅是AI实施者的SaaS公司。

2. 寻找AI就绪的传统企业： - 确定拥有丰富专有数据资产和清晰AI采用策略的成熟行业领导者。 - 寻找AI驱动效率增益或新的AI启用产品和服务的早期证据。 - 将金融、医疗保健、零售和制造业潜在的AI领导者视为多重扩张的主要候选人。

3. 选择性的大科技暴露： - 偏爱展示明确人工智能变现策略的科技公司，超越基本云服务。 - 寻找在关键垂直领域具有成功行业特定人工智能解决方案和深度合作伙伴关系。 - 密切监控监管发展，特别是围绕云定价和市场支配地位的问题。 - 谨慎对待过度依赖云基础设施进行人工智能变现的科技巨头。

4. AI启用器和基础设施：-考虑投资为各行业提供AI开发和部署所需工具和服务的公司。-寻找新兴的云基础设施提供商，提供专门化或区域化的服务，可能较不容易被商品化。-探索超出主要科技巨头之外的AI芯片设计师和制造商的机会。

5. 人工智能伦理和治理领域：随着人工智能的采纳加速，提供人工智能治理、伦理合规和风险管理解决方案的公司可能会看到不断增长的需求。寻找在人工智能、监管合规和公司治理交汇处定位的公司。

外卖

人工智能革命呈现出一个复杂而动态的投资格局，难以简单归类。尽管大科技公司大量投资人工智能，将使多个行业受益，但价值的最终分配仍不确定。这在很大程度上取决于科技巨头能否在潜在的商品化云服务之外，有效地实现人工智能的商业化，应对监管方面的挑战，并创造具有粘性和高价值的人工智能解决方案。

对于投资者来说，这需要一种细致的方法：认识到人工智能在各行业的转型潜力，同时仔细评估技术巨头和传统行业中人工智能采用者的长期价值捕获策略。未来几年可能会看到市场价值从当前的技术领导者转移到传统产业中懂得利用人工智能的现任者，为投资领域带来风险和机会。

随着人工智能时代的到来，对货币化策略、监管发展和具体领域的人工智能应用进行警惕性分析将是确定这一技术革命的最终受益者的关键。那些能够在这个复杂的领域中游走，同时识别出破坏者和成功重塑的现有企业，有望在这可能是我们时代最具变革性的技术转型中获得重大回报。