人工智能浪潮下的投资机遇与挑战

众多机构正着手建立能够从新兴AI技术中获取实际收益的体系和程序。虽然目前仍处于初期阶段，但各企业正在重塑业务流程、优化管理体系并减少潜在风险。

据最新报告显示，2024年人工智能的应用比例持续上升。最新调查发现，78%的受访机构表示至少在一个业务领域采用人工智能技术，这一数字较年初的72%和去年同期的55%均有显著提升（如下图所示）。应用最广泛的领域包括IT、市场营销及销售，其次是客户服务运营。过去半年中，IT部门的人工智能应用增长最为明显，使用比例从27%跃升至36%。

2025年下半年的最新统计显示，全球人工智能使用率创下新高，但同时也暴露出不断扩大的差距。全球生成式AI工具的普及率已达世界人口的16.3%，相比上半年的15.1%有所提升，对于一项仍处发展早期的技术而言，这是一大进步。目前约有六分之一的人群正在利用人工智能进行学习、工作或解决各类问题。

这些构成了最坚固的竞争壁垒。数据资源本身难以复制，监管门槛也阻止了AI原生竞争者的进入。

金融数据/评级机构：MCO、SPGI、EFX、Experian、Verisk等。历史数据积累以十年为单位，评级资质获得SEC/监管机构认可

法律与专业信息服务：汤森路透（TRI）、RELX、Wolters Kluwer（WKL）等。法规数据库 + 合规解读，AI帮助律师更快检索，但不能替代法律责任主体。

医疗健康数据：Veeva、IQVIA等。医药行业软件系统需要IQ/OQ/PQ验证。AI原生竞争者即使产品更先进，认证周期本身就是2-3年的壁垒。药企也不敢把核心临床数据交给开放AI平台处理。

AI带来的增量：

这些行业具备"可信内容、专业知识、工作流"三重优势，AI更像放大器。分析师/研究员人均产能大幅提升，边际成本趋近于零，利润率扩张空间清晰可见。

实体设备本身无法被AI取代，但设备产生的数据被AI处理后，反向提升设备价值。

科学仪器：DHR、TMO、Mettler-Toledo。仪器 → 实验数据 → AI分析 → 更好的实验设计，闭环在客户侧形成。而且DHR（丹纳赫）等医药/食品级检测仪器，还需要FDA 21 CFR、GMP认证。

工业自动化：罗克韦尔自动化(ROK)、康耐视(CGNX)。机器视觉 + AI质检，物理生产线不可被纯软件替代。

楼宇/能源基础设施：江森自控(JCI)、伊顿公司(ETN)。物理系统的AI运维优化。

某些行业的核心价值是承担责任，而不仅是提供信息--AI可以是工具，但不能是主体。如：

财富管理平台：AMP、LPLA。受托责任（fiduciary duty）必须由持牌人承担，AI做的是降低advisor的服务成本、扩大其管理客户的容量。

另类资产管理：BX、KKR、APO等。关系资本（信任关系、有限合伙人LP关系网络、行业专家网络等）高度人格化，AI无法替代KKR合伙人打一个电话拿到独家交易机会。AI可以辅助尽调，但无法替代投委会的最终决策，而且有限合伙人（投资者）也不会接受"AI做的投资决策"。

审计/会计：四大不会消失，但初级分析师的工作会被大量自动化，头部机构的利润率反而扩张。

用户越多 → 数据越多 → AI模型越好 → 吸引更多用户。这种正反馈在协同部署（Synergy）期会加速分化。平台的核心壁垒是已积累的双边规模，AI在其上只是效率层，不是颠覆性替代。

支付网络：Visa、Mastercard。网络已覆盖全球数十亿端点，AI做欺诈检测让这个网络更可靠。

医生行为网络：Doximity（DOCS）。全美85%以上医生在使用，注册后的行为数据（用药偏好、转诊路径、文献阅读记录）构成专有数据集。加入医生越多，对制药公司吸引力越大，AI可以做精准的药品营销定向。

企业SaaS（深度workflow嵌入）：ServiceNow、Salesforce等。客户的业务流程已经在其平台上运行，AI Agent进一步提高迁移成本。

前面提到Cisco发布的《AI Readiness Index 2025》显示：Data和Governance的"就绪（Readiness）"程度低，指向几个具体的技术缺口：

数据治理/数据目录：Salesforce收购的Informatica。

数据集成与管道：如Salesforce收购的MuleSoft、Palantir（PLTR）等。

企业AI平台：ServiceNow（NOW）的AI Agent已经深度嵌入IT/HR/Finance workflow，是"Governance就绪"之后最快被激活的平台之一。

企业AI安全：AI的引入实际上扩大了攻击面--模型投毒、提示词注入、数据泄露都是新型威胁。我关注了几个AI安全解决方案提供商：

CrowdStrike（CRWD）：AI原生的端点安全，本身也是数据飞轮逻辑--威胁情报数据越多，检测模型越精准。

Palo Alto Networks（PANW）：平台化安全战略，AI做自动化响应。

Zscaler（ZS）：零信任架构，AI部署必须先解决访问控制问题。

6）AI转型实施服务商

企业为转型AI需要的咨询、系统集成和实施服务，需要像埃森哲（ACN）这类有经验的解决方案和服务提供商。这类公司是最直接的受益者，但也存在一个陷阱：

ACN的传统收入模式是人天计费，AI提高其顾问的交付效率，理论上会压缩账单小时数。但实际上，Cisco数据显示需求端的缺口如此巨大，短期内需求扩张完全可以抵消效率提升带来的收入压缩。

注：上述提到的一些上市公司，仅作为举例使用。毕竟，像我这样的股市老登，除了"好生意"，我们还在关注"好管理"和"好价格"。比如上面提到的SaaS鼻祖--Salesforce，虽然170美元的价格估值低到10X的P/FCF倍数（扣除股权激励后13.6X），但管理层长期漠视股东的历史让我敬而远之，毕竟没有哪家公司是必须要投的。下面是我在某投资论坛上给一位互关网友的回复评论。