AI ，Business Model 和應用的爭論

September 21, 2024

AI ，Business Model 和應用的爭論

side full body view of Albert Einstein, wearing white colour futuristic warrior suit, many cables coming out of the back of her suit, full gear and weapon, inside damaged burger restaurant, HD quality image, hyper realistic #MicrosoftDesigner

上回討論，談到AI、晶片、算力，它們之間的關係。（參考：AI ，對於算力的崇拜）

最近幾個月美股下跌，最流行的標題是「AI 泡沫爆破」、「科技股玩完」等聲音，應該冷靜一下。

想起過去工作中的經驗

在過去有一些IT系統基建類Project，例如：Centralized Database、API / Message Layer 等，通常涉及比較大initial cost，而面對不少阻力來自Business部門，這些Project改動涉及不少財力、人力、風險，但他們最關注是即時推出新product和新function，系統基建類Project未必即時解決他們所關注的，但是長遠可以令新product和新function開發更有效率和更低成本，即是一個預先付一個較高成本未來可賺回來。若果延遲甚至不做這種Project，短期是可以，但長期會令到落後於市場，而最終失去競爭力。

當日我們IT部門面對的，可能就是類似今天IT企業面對來自投資市場的質疑，AI基建的前期投資是否可以帶來長遠回報？

看交通運輸基建

看看鐵路的例子，興建一條鐵路線涉及大額的投資，原本一個未曾發展的地區是沒有價值，而且跟本不會有人有興趣去乘坐鐵路線，不過鐵路提供運輸的便利，沿途興建住宅和商業大廈等，自然產生生活和商業活動的結構性改變，樓價和租金就會上升。鐵路可以帶來的價值不只是乘車收費，而是整個地區的生態改變而整個地區價值提升。

地區換上「電腦系統」，鐵路換上「AI人工智慧」，運輸就是「利用數據透過AI訓練轉化為應用」，情況就是相類似。前期投資是必須，而且AI基建有一個不同之處是一日建成，之後基建還會不斷提升，因為AI Model會發展而增加複雜性，AI訓練用數據量增加，AI可支持的應用和功能增加。這是有利有弊，成本會上升，同時應用和功能都會增加。

回顧大約2000年互聯網漸漸成為主流，大約2010年智能手機和流動互聯互聯網漸漸成為主流，當處於這些結構性改變的初期，其實大部分人不能清楚了解未來的應用是什麼，因為人對於科技未來的認知是有限。

只要鐵路建成，運輸的應用有一天就會出現，可能是載人，或者載貨物，物流等。

公司類型和應用

看上圖三種公司的分類，OpenAI和Palantir是第一類公司，它們是專門提供AI人工智慧解決方案，業績裡全是AI的產品和服務，特别清楚容易去量度因為AI而來的收入。

至於企業如Microsoft和Apple不同，本身已經有自己一貫的產品，AI令到產品優化和強化，但是不容易完全分隔開一個exact準確的數字來自AI的收入是多少。

因為沒有AI，Apple在賣iPhone；有AI，可能iPhone賣多些，不容易有一個數字顯示多少人因為AI或者不是因為AI買iPhone。

即使沒有AI，Microsoft的Azure雲端一直在增長，不過相信AI會令到加大Azure的需求。

只能夠大概見到長遠销售趨勢正面發展。

以上節錄自我的書《AI 投資時代．真的值得參與嗎？》（参考：主題和内容 | 發售資料）

Killer App = 炒人？

什麽是Killer App殺手級應用？由於大部人都用手機和電腦，以個人用家身份出發，容易以手機App應用程式的思維作為單一獨立AI應用的角度。上面已經說明不少企業其實在把AI加入到原本的現存產品，不一定等於研發一件全新的只負責AI功能的產品。

現在見到如Microsoft Office加入Copilot，應用程式其實都依舊是Office，Copilot加大處理文件時的效率，不等於企業用AI完全去取代人，而是人加上AI的協作工作模式，提高效率已經為企業帶來很大的價值。例如：一個員工用Copilot加大25%工作效率，1個員工可以做到1.25個員工的工作產出；如果企業原本有100個員工，就可以炒20人，讓留下的80人去完成原來100人做的工作。

如果用以上角度，Office Copilot的價值其實遠遠超過一個文書處理的功能。

回顧智能手機／流動互聯網

参考Morgan Stanley的研究，在流動互聯網的發展過程中，大約可分為三個階段，並以相關的科技板塊對比指數表現

半導體:首先晶片被研發及生產，代表是 Qualcomm、Arm。
基礎建設/装置:生產硬件並將晶片安装入其中，代表是 Apple、 Samsung。
軟件/服務:在硬件上開發軟件並執行，提供服務給顧客，代表是 Google、Meta、Amazon。

應用主要來自第3階段，

把這三個階段套用在 AI科技發展趨勢中

階段一 (半導體)

首先見到的是半導體的發展，晶片作為科技技術的底層，其發展需要先於基礎建設/装置及軟件/服務。半導體行業經過多年發展，產業已經高度整合，半導體產業的各部份已經有明顯贏家跑出而成為龍頭。由於普遍需要高資本不斷投入，只有龍頭可以有足够收入支持高資本投入，這形成一種優勢，令到競爭者的入場門檻極高，龍頭的地位越加堅固。

Nvidia在 AI 用途的 GPU 晶片的銷量開始極速上升，是第一階段的代表。

階段二 (基礎建設/装置)

Ai的各種技術，背後都需要大規模的基礎建設支持，包括 : 雲端服務、自建數據中心、伺服器、超級電腦。

Amazon和Microsoft提供的雲端服務，是第二階段的代表。

階段三 (軟件/服務)

在第三階段的軟件 / 服務是發展較遲，但製造出來的盈利最多，當中涉及不同行業的應用場景，包括很多不同的企業，和半導體行業的比較集中是不同情況。半導體龍頭公司的數目是少數，去瓜分底層技術得來的盈利，之後的章節會有更多關於半導體的討論。

Microsoft、Google和 Meta 已經開始很積極地發展軟件應用，是第三階段的代表。

以上節錄自我的書《憑科技．贏自由》（参考：主題和内容 | 發售資料）

（參考：The Current State of AI Markets）

思考

現在見到科技巨企投入大量金錢購買晶片去搭建AI基建，但見到相關的收入和盈利不成比例，這是事實，亦是我們作為投資者需要面對的風險。

如果參考上面智能手機／流動互聯網的發展進程，又相信類似會發生在AI的科技發展中，我們已經見到第一階段的半導體跑出，Nvidia成為代表，產業鏈不可缺少還有TSM和ASML（大包圍就是費城半導體指數ETF如 SOXX、SMH）。第二階段應該是數據中心／雲端服務，看到業績中Amazon AWS、Microsoft Azure、Google Cloud Platform (GCP)都在快速增長。等待第三階段的軟件／服務來臨。

上回說明，AI Model的Parameter參數代表的複雜程度，參數以每兩年大約10倍的恐怖速度增長，反映AI的智慧程度，所掌握的智慧越多，解決問題的能力越高，過去不可能解決的問題就變得可能。另一方面，科技有deflation的特性，今天的AI訓練成本昂貴，成本（unit cost) 是隨時間下降。AI能力上升，訓練成本下降，然後就找到一個平衡點，應用就會陸續出現。（參考：AI ，對於算力的崇拜）