公司战略与产品发布 - 微软公司正深入拓展数字主权领域 宣布对其主权云平台进行重大扩展 使企业、政府和受监管行业能够在完全断开连接的环境中运行大型AI模型和核心生产力工具[1] - 公司通过其专业云部门总裁兼首席技术官 详细介绍了三项新功能 更新集中于支持零云连接的Azure本地断开连接操作、Microsoft 365本地断开连接以及扩展Foundry Local以支持大型多模态AI模型[2] - Azure本地断开连接操作和Microsoft 365本地断开连接现已全球可用 而通过Foundry Local的大型模型支持则面向符合条件的客户提供[3] 目标市场与解决方案 - 此次发布主要针对在严格监管、保密或隔离条件下运营的组织 这些组织无法接受或有意限制外部云依赖[4] - 微软主权私有云将Azure Local、Microsoft 365 Local和Foundry Local整合为一个统一的堆栈 能够跨连接、混合和完全断开连接的模式运行[4] 具体产品功能 - Microsoft 365 Local断开连接版本将Exchange Server、SharePoint Server和Skype for Business Server直接部署在客户的主权私有云中 所有服务至少支持到2035年 确保即使在完全离线状态下协作工具也能正常运行[5] - 该平台旨在让受监管行业在无法接受云连接的环境中 也能运行大型AI模型和核心生产力工具[1]

高盛软件行业研究报告《重新审视护城河第一部分：探讨AI钢铁人论点》关键要点总结 一、 行业与公司概述 * 行业：美洲科技行业，具体为软件行业，重点关注应用软件、基础设施/安全软件以及超大规模资本支出的投资回报率[1] * 公司：报告提及了多家软件公司，包括SAP、Salesforce、Oracle、Workday、Microsoft、HubSpot、Datadog、Palantir、Intuit、ServiceNow、Figma、Guidewire、Via Transportation、AIG、Anthropic、OpenAI、Google DeepMind、Meta、Cloudflare等[11][14][26][27][42][52][53][66][72][74] * 报告覆盖的买入评级公司：CRWD、GWRE、KVYO、MDB、NET、NOW、RBRK、SHOP、SNOW[1] 二、 核心观点与论据 1. 市场背景与核心议题 * 2026年年初至今的软件行业调整主要围绕终值辩论展开，市场质疑软件护城河和商业模式，而非短期需求趋势变化或高利率的数学影响[1] * 辩论焦点主要在应用软件公司，投资者也在一定程度上质疑基础设施/安全堆栈是否可能受到影响，以及与超大规模资本支出相关的投资回报率[1] * 报告旨在探讨关于软件的七个主要看跌论点，并按风险评分1（低）到5（高）进行排序，排列在从狭义定义到应用软件与广义定义的轴线上[1] * 关键观察：过去四周代理技术生态系统的快速演变，使得评估终值并从而为估值设定底线具有挑战性[1] 2. 七大看跌论点分析 A. 记录系统“彻底更换” – 风险评分 1 * **看跌论点**：新竞争者提出解决存储基础业务数据的记录系统问题的新方法，催化“彻底更换”运动，使当今以记录系统为中心的软件公司过时[8] * **高盛观点**：发生风险相对较低，因为生成式AI被设计为分析和生成引擎，而非交易引擎，风险评分为“1”[9] * **论据**： * AI技术主要作为一个强大的智能层而非基础替代品运行：它们依赖记录系统来最大化自身价值[11] * 现有记录系统公司（如SAP、Salesforce、Oracle、Workday）花费数十年建立了强大的数据验证、治理和合规流程[11] * 数据在现有记录系统中的积累吸引了应用程序和服务，这可能进一步需要该系统的功能性支持：这是数据引力现象的一个例子[11] * AI技术目前被设计为分析和生成引擎，而非交易引擎[11] * 智能层的价值越来越取决于底层记录层的引力[12] * **风险与防御**： * 风险：新公司可能因财务利益（更低的总拥有成本和更强的投资回报率）和技术优势（更现代、可扩展的架构）而重新发明记录系统层[13] * 防御：现有公司从主要专注于存储数据的被动分类账演变为支持自动化和更智能、实时操作的活动平台[14] * 从被动记录保存转向主动推理[15] * AI赋能与AI原生架构的区别：AI原生架构从开始就围绕智能和自动化设计，数据访问和决策嵌入核心平台[15] * 数据可访问性是未来技术堆栈的关键决定因素[17] * **关键问题**：记录系统在堆栈中的价值是什么？如果图表2在合理的看跌情景中成立，技术堆栈中应用软件的价值将有效压缩为记录系统的价值，而记录系统之外的利润池可能主要由新竞争者获取[10] B. 价值从记录系统转移至代理操作系统 – 风险评分 4 * **看跌论点**：新的AI工具位于现有软件堆栈之上并捕获增量价值，记录系统作为数据存储和合规的必要组件，日益充当基础设施而非主要价值创造者，当今的应用软件领导者对增长的暴露有限，而对席位减少或商品化的暴露过大[20] * **高盛观点**：AI带来的风险更多在于价值抽象而非彻底更换，现有公司最大的优势是其领域经验和背景，风险评分为“4”[21] * **论据**： * 随着代理系统成熟，智能移出记录系统并进入一个可以跨多个系统推理、调用API并自主执行工作流的编排层[22] * 代理结合模型、工作流和API直接执行任务，价值越来越集中在处理数据和协调操作的平台层[22] * 记录系统的角色是可靠地存储和暴露数据，而决策、优先级排序和工作流逻辑则位于其他地方[22] * 新赢家是控制代理平台、编排层和位于记录系统之上的领域特定AI系统的公司[22] * 记录系统成为更广泛AI堆栈中商品化的组件，并日益在可靠性、合规性和成本上竞争[22] * **客户服务软件TAM演变**：图表显示，从SaaS到代理的转变，由于实现了生产力收益，总可寻址市场最终变得更大[24] * SaaS TAM与代理TAM对比图表（2025-2030年）[25] * **现有公司的领域经验优势**： * 微软观点：客户拥有自己的数据，但留在微软生态系统中可减少延迟、确保数据最新并为LLM提供更多背景，从而实现差异化[26] * HubSpot观点：AI在业务用例中表现不佳是因为缺乏背景，记录系统有助于聚合背景，内置这些应用程序的AI将允许人类与代理并肩工作[26] * Datadog观点：其联合创始人优雅地展示了背景的重要性：在其内部数据上训练的SLM能够以更低的成本提供比前沿模型更好的准确性，因为其领域经验[27] * **竞争格局**：应用层有大量新竞争者涌入，现有公司最大的优势是领域经验[33] C. 横向吞噬纵向 – 风险评分 2 * **看跌论点**：横向提供商将使用其AI赋能工具，使客户能够在横向平台内构建纵向特定的工作流，历史上为纵向软件现有公司带来显著定价能力的竞争护城河的长期可持续性受到质疑[36] * **高盛观点**：纵向软件的特征及其各自终端市场，使这些企业能够从AI技术采用率增加中受益，风险评分为“2”[37] * **纵向软件的原始价值主张**：解决通用横向应用程序无法有效解决的行业特定问题，如独特的工作流、监管要求和/或特定行业的运营挑战[38] * **纵向软件当前的防御护城河**： 1. 访问专有、行业特定的数据[39] 2. 作为记录系统的集中模式，工作流深度嵌入日常运营[39] 3. 在特定行业长期的成功记录，创造了品牌参考性和短期内无法制造的信任[39] 4. 高度监管行业的法规合规性[39] * **具体论据**： * 专有数据：访问非公开、行业特定的数据集是当今隔离纵向软件的最重要障碍，例如Guidewire产品在全球管理着约7750亿美元的财产和意外险直接承保保费，其客户群超过500家保险公司，产生了大量历史数据[40] * 深度工作流集成：纵向软件通常深度嵌入业务的日常运营，使其成为各自行业中关键任务的记录系统[40] * 品牌参考性：在终端市场如医院和卫生系统、公共部门、金融机构和财产意外险中，品牌参考性通常是客户购买决策的关键因素[41] * 合规要求：复杂的监管环境可以成为阻止AI新进入者轻易颠覆纵向现有公司的障碍，例如Via Transportation引用了约10个月的平均销售周期长度，部分原因是供应商必须清除大量监管障碍才能参与公共部门RFP[41] * **横向对纵向软件的威胁**：生成式AI的快速进步使得AI原生公司能够进入历史上由传统SaaS提供商主导的纵向市场[42] * **关键问题**：“足够好”的功能是否足以从纵向现有公司吸引客户？历史上，只有当AI工具明显优于现有应用程序和/或价格显著更低时，采用率才会发生有意义转变[43] D. 代码成本降低 – 风险评分 2 * **看跌论点**：AI编码工具使开发人员更高效，并使更广泛的人群能够开发软件，降低软件开发成本和进入壁垒[47] * **高盛观点**：同意代码成本是构建软件应用程序成本的关键输入，并且生产代码的成本正在下降，这将导致新进入者，但开发产品与将产品发展成公司之间存在实质性差异，风险评分为“2”[47] * **论据**： 1. 软件工程不仅仅是编写代码，软件工程师已经将大量时间花在非编码任务上[48] 2. 软件公司不仅仅是代码的集合，成功涉及接口、数据、任务准确性、安全、维护、工作流程编排等多个方面[48] 3. 生成的代码可能仍然需要人工参与，例如Faros对去年中期10，000名开发人员的研究显示：AI采用率高的团队完成了21%更多的任务并合并了98%更多的拉取请求，但拉取请求审查时间增加了91%[48] E. 软件的未来是定制的 – 风险评分 3 * **看跌论点**：随着代码成本下降，更多企业将选择构建针对特定工作流、数据和目标定制的应用程序，而不是从软件供应商处购买软件，这个机会要么归于基础设施软件供应商（如Databricks和Snowflake）、LLM模型提供商，要么归于Palantir[49] * **高盛观点**：代码成本下降不会普遍改变构建与购买的考量，尽管预计会看到企业定制软件占据一些份额，风险评分为“3”[50] * **历史背景**：SaaS供应商通过将用户界面、工作流逻辑、权限、报告和数据模型捆绑到单一标准化产品中来创造价值[51] * **AI可能挑战这种主导地位**： * 历史上，软件颠覆需要既显著更好又显著更便宜的解决方案[52] * Palantir是实践中这种模式最清晰的例子，其美国商业业务在2025年增长了109%，公司预计在2026年将加速至超过115%[53] * **定制软件的挑战与现状**： * 可能接近企业选择构建定制的局部最大值，因为打包软件生态系统正在成熟[54] * 许多企业仍然重视嵌入法规合规性、安全性、正常运行时间和跨行业最佳实践的标准化应用程序[54] * 定制构建的系统将维护、治理和可靠性的长期所有权转移回客户，这可能抵消前期开发节省[56] * 领先的SaaS现有公司正在将AI代理和可扩展性直接嵌入现有平台[56] F. 毛利率压力与“LLM税” – 风险评分 3 * **看跌论点**：软件的高毛利率（70–90%）在AI中心化格局中在结构上是不可持续的，新进入者可能以更低的公司成本结构交付可比或更优的结果，同时现有提供商的边际生产成本从10-20%（基于CPU的托管成本）上升到更高（基于GPU的推理成本）[57] * **高盛观点**：预计整体将出现12-24个月的适度毛利率压力期，因为许多公司将专注于客户采用而非货币化，并选择吸收GPU推理和LLM API的成本，风险评分为“3”[58] * **历史毛利率**：SaaS供应商实现了70-90%的毛利率，业务模式本质上是轻资产和IP驱动的[59] * **当前毛利率压力**： * AI功能带来两个新成本：GPU推理成本和使用第三方模型提供商的成本[60] * 根据Bessemer Venture Partners的数据，增长最快的AI原生初创公司的毛利率约为25%，更成熟的AI原生公司毛利率接近60%，仍低于传统SaaS[60][61] * **成本下降趋势**： * 推理成本应随时间推移而下降，LLM推理成本每年已下降9倍至900倍（Epoch AI）[62] * 例如，以类似MMLU分数实现GPT-4性能的价格每年下降了40倍[62] * **定价权与产品差异化**： * 历史上，软件捕获了其所创造价值的约10–25%[66] * 维持软件毛利率最终取决于定价权，而定价权又取决于产品差异化[66] * 软件公司优先考虑采用而非货币化，将AI功能捆绑到现有产品中，提供免费/低价层级，并优化使用而非即时收入[66] * 积极的抵消因素是软件可能从服务和劳动力池中夺取份额[67] G. 创新步伐增加不确定性 – 风险评分 5 * **看跌论点**：技术正在快速变化，意味着最终状态难以预测，扩展定律仍然成立，年初至今，Anthropic、OpenAI、Google DeepMind和Meta都有显著更新，这给未来知识工作、软件行业的经济结构以及公司的终值带来了巨大的不确定性[70] * **高盛观点**：这种风险最难规划，不确定性评分为“5”[71] * **论据**： * AI在性能和新方向上都在继续进步[72] * 扩展定律仍然成立，最先进技术持续改进，例如GPT-5.2、Gemini 3 Pro和Opus 4.6在GPQA Diamond上的研究生级推理得分均>90%[72] * 现有技术的新应用也推动创新，例如ChatGPT、Claude Cowork、OpenClaw[72][73] * 不确定性可能创造新机会，例如微软的医疗超级智能在NEJM案例挑战中达到85%的通过率，TAM计算为每年500-1000亿美元[74] * 未知的未知因素：将会有突破从根本上改变可能的事情，从而改变行业的最终状态[74] * 1993年的观察者很难预测Web 2.0的样子，2022年12月的观察者可能很少有人预测到Claude Cowork/Clawdbot及其对行业叙事的影响[75] 三、 其他重要内容 * **报告目的**：重新审视护城河主题，以更好地理解进入壁垒、产品差异化和定价权[1] * **稳定信号**：寻找证明领域经验驱动更高质量代理结果的证据，以及通过盈利实现稳定或改善的基本面[1] * **推荐业务模式**：突出具有超越应用层的清晰架构护城河的业务模式[1] * **数据引用**： * 财产和意外险直接承保保费：约7750亿美元由Guidewire产品管理[40] * SAP S/4HANA云升级周期：大型企业的迁移通常被描述为多阶段工作，可能持续18-36个月[13] * Via Transportation销售周期：约10个月[41] * Faros开发人员研究：AI采用率高的团队完成任务增加21%，合并拉取请求增加98%，但拉取请求审查时间增加91%[48] * Palantir美国商业增长：2025年增长109%，预计2026年加速至超过115%[53] * AI初创公司毛利率：最快增长的初创公司约为25%，更成熟的接近60%[60][61] * LLM推理成本下降：每年9倍至900倍[62] * 实现GPT-4性能的成本下降：每年40倍[62] * 微软医疗AI通过率：NEJM案例挑战达到85%[74] * **相关报告**：报告中引用了多份高盛先前发布的关于生成式AI、软件行业覆盖、纵向软件、稳定信号、AI颠覆辩论和关键辩论的报告[5]

摩根士丹利美国大型科技股持仓与风险回报分析纪要 涉及的行业与公司 * **行业**：美国大型科技股（涵盖半导体、硬件、软件、互联网、IT硬件、IT服务等子行业）[1][3] * **公司**： * **超大型科技股 (Mega-Cap Tech)**：NVDA, AAPL, MSFT, AMZN, GOOGL, META, AVGO [1][2] * **其他大型科技股 (Large-Cap Tech)**：SNDK, KLAC, CRM, WDC, LRCX, STX, IBM, CSCO, INTC, ORCL, PANW, DELL, NOW, ADBE, MU, QCOM, AMAT, AMD, TXN, INTU, SNDK [2][7][9] * **报告详细分析的公司**：ADBE, GOOGL, AMZN, AAPL, META, IBM, INTC, INTU, MSFT, NVDA, ORCL, AVGO, CSCO, DELL [32][49][69][85][103][121][140][154][174][195][212][232][252][270] 核心观点与论据 1. 机构持仓状况分析 * **超大型科技股处于17年来最低配水平**：截至2025年第四季度，主动型机构对超大型科技股的持仓相对于其在标普500指数中的权重，平均差距扩大至-155个基点，而第三季度末为-148个基点 [1][2] * **英伟达为最低配的大型科技股**：NVDA的机构持仓相对于标普500权重的差距为-2.57%，是跟踪范围内最低配的股票，其次是AAPL (-2.16%)、MSFT (-2.13%) 和 AMZN (-1.37%) [1][2][9] * **半导体/硬件股普遍高配，软件股普遍低配**：机构明显偏向AI“铲子股”，SNDK (+1.58%)、KLAC (+0.80%)、CRM (+0.68%) 为最高配的科技股，而IBM、ORCL、PANW、NOW和ADBE等软件股则显著低配 [2][9] * **持仓数据对未来股价有预示作用**：量化分析显示，在调整市值和盈利超预期因素后，机构持仓相对于标普500权重较低，与未来股价表现之间存在统计学上显著的正相关关系 [13] 2. 各公司风险回报与投资论点摘要 * **Adobe (ADBE) - 等权重 (Equal-weight)** * **目标价**：425美元，基于16倍2027财年预期每股收益 (EPS) 26.67美元，隐含约1.2倍市盈率相对盈利增长比率 (PEG)，低于其历史平均水平 [32][36][37] * **核心论点**：看好其竞争护城河，但对AI对Creative Cloud和数字媒体业务增长的净影响能见度有限 [37] * **盈利预测**：预计2025-2027财年总营收复合年增长率 (CAGR) 为10%，2027财年运营利润率为45.5% [36][43] * **Alphabet (GOOGL) - 超配 (Overweight)** * **目标价**：330美元，贴现现金流法 (DCF) 推导，隐含约24倍2027年预期市盈率 [49][50] * **核心论点**：AI驱动的平台级创新提升长期增长可持续性的信心，持续的费用控制带来运营杠杆 [54][55] * **盈利预测**：预计2025-2027年总运营收入 (GAAP) 从1290.39亿美元增长至2012.44亿美元 [60] * **亚马逊 (AMZN) - 首选股 (Top Pick)，超配** * **目标价**：300美元，基于约29倍市盈率乘以2027年预期EPS 10.41美元，隐含约1.2倍PEG，较同行中值折价约20% [69][74] * **核心论点**：高利润业务推动盈利能力提升，Prime会员增长，云服务采用处于拐点，广告业务是增长和盈利的关键领域 [75] * **盈利预测**：预计2026-2028年营收从8094.14亿美元增长至10193.76亿美元，AWS营收增长从25.8%降至24.0% [79] * **苹果 (AAPL) - 超配** * **目标价**：315美元，基于8.5倍企业价值/销售额 (EV/Sales) 2027财年倍数，隐含约32倍市盈率乘以2027财年EPS 9.75美元 [85][96] * **核心论点**：iPhone更换周期最长，新AI功能全球推出，设备形态变化重新成为焦点，预计iPhone增长将从2026财年开始加速 [92] * **盈利预测**：预计2026财年总营收增长15.5%，iPhone营收增长22.1%，服务营收增长13.3% [97] * **Meta (META) - 超配** * **目标价**：825美元，DCF法推导，隐含约23倍2027年预期市盈率 [103][107] * **核心论点**：结构性转向关注多年效率、生产力和精简运营，营收和参与度趋势改善，AI、订阅和点击消息是三个被低估的“看涨期权” [108][109][110] * **盈利预测**：预计2026年按固定汇率计算的增长为27.4%，2026年运营收入 (GAAP) 为949.94亿美元 [114] * **IBM (IBM) - 等权重** * **目标价**：304美元，基于18.5倍2026年预期每股自由现金流 (FCF) 16.44美元，与软件和咨询同行在增长调整基础上持平 [121][127] * **核心论点**：平衡历史高估值与量子计算的潜在机会，收购HashiCorp和大型机/企业许可协议周期推动2025年增长加速，但2026年存在减速风险 [128] * **盈利预测**：预计2026年按固定汇率计算的营收增长5.3%，软件增长10.6%，自由现金流增长7.1% [133] * **英特尔 (INTC) - 等权重** * **目标价**：41美元，基于约42倍2027年预期EPS 0.97美元，高于大型逻辑半导体同行区间高端，反映对低迷业绩的高杠杆潜力和代工业务期权价值 [140][146] * **核心论点**：对股价重估原因（美国政府参与、英伟达合作）持怀疑态度，但相信执行能释放核心业务价值，需要明确战略方向和服务器性能领导力证据才能更积极 [143] * **盈利预测**：预计2027年GAAP营收558.64亿美元，毛利率 (MW) 42.7% [148] * **Intuit (INTU) - 超配** * **目标价**：880美元，基于约31倍2027年预期EPS 28.86美元，隐含1.9倍PEG，与历史平均PEG一致，略低于大型软件同行 [154][161] * **核心论点**：处于两个有吸引力的产品周期（中端市场会计和辅助税务）早期，结合效率举措，推动持久的高 teens EPS增长，当前估值未反映此增长 [162] * **盈利预测**：预计2027年在线生态系统营收增长22.1%，小企业部门营收增长16.3%，运营利润率41.8% [167] * **微软 (MSFT) - 超配** * **目标价**：650美元，基于31倍2027年预期EPS 21.17美元，与大型软件同行市盈率一致，1.6倍PEG与历史PEG基本一致 [174][179] * **核心论点**：在公有云采用和AI方面地位强劲，大型分销渠道和客户基础，利润率扩大支持EPS增长，盈利增长的持久性和公司的优质回报特征仍被低估 [180][181] * **盈利预测**：预计2026年Azure营收增长30.2%，2027年运营利润率46.9% [187] * **英伟达 (NVDA) - 超配** * **目标价**：250美元，基于约26倍2027年预期EPS 9.57美元，较AI同行AVGO折价，但高于半导体板块整体，反映对业绩上调的更高信心以及在该领域内更高的利润率/增长特征 [195][202] * **核心论点**：Blackwell仍是生成式AI工作负载的首选解决方案，计算需求持续超过供应，随着需求持续强劲，业绩预期仍有上调压力 [198] * **盈利预测**：预计2026年GAAP营收2132.14亿美元，2027年增长至3298.29亿美元，2026年毛利率 (MW) 71.2% [205] * **甲骨文 (ORCL) - 等权重** * **目标价**：213美元，基于约25倍2028财年预期EPS 8.51美元，较其5年平均水平 (~20倍) 有溢价，因FY29/FY30盈利加速增长潜力 [212][217] * **核心论点**：强劲的剩余履约义务为达到2030财年2250亿美元营收目标提供能见度，但GPU即服务投资周期的规模和持续时间以及长期经济性高度不确定 [218][219] * **盈利预测**：预计2028财年总营收同比增长39.6%，云服务和许可支持增长46.9% [224] * **博通 (AVGO) - 超配** * **目标价**：462美元，基于35倍2027年预期EPS 13.19美元，反映较AI同行的溢价，考虑了其超常的AI增长潜力和ASIC长期前景 [232][233][237] * **核心论点**：AI风险敞口（绝对值）在覆盖范围内第二大，预计将随着超大规模资本支出增加而增长，非AI半导体预计在明年晚些时候周期性反弹，预计VMware将成功整合 [238][239] * **盈利预测**：预计2026年GAAP营收1003.27亿美元，2027年增长至1324.42亿美元，2026年毛利率 (MW) 71.8% [245] * **思科 (CSCO) - 超配** * **目标价**：91美元，基于20-21倍2027年预期EPS，处于历史交易区间高端 [252][260] * **核心论点**：网络市场有积极增长动力（如Cat 9K更新换代），有助于抵消份额损失的不利因素，Splunk收购提供重要机会，云AI业务若贡献显著增长可帮助提升估值倍数 [255] * **盈利预测**：预计2026财年营收增长8.4%，运营利润率34.3% [264] * **戴尔 (DELL) - 低配 (Underweight)** * **目标价**：101美元，基于10倍市盈率乘以2027财年预期EPS 10.11美元，隐含其AI服务器业务16.5倍估值和传统硬件业务9倍估值 [270][275] * **核心论点**：作为“数据时代”的全栈技术提供商定位良好，AI服务器需求快速增长，但近期更强的AI服务器组合带来的利润率压力加上内存成本通胀将限制估值倍数扩张和业绩预期上调 [276] * **盈利预测**：预计2027财年营收增长15.5%，非GAAP毛利率17.3% [281] 其他重要内容 * **行业观点**：摩根士丹利对IT硬件行业持“谨慎 (Cautious)”看法 [3] * **数据来源与方法**：分析基于13F文件（从2009年第一季度至2025年第四季度），跟踪摩根士丹利美国科技股研究覆盖范围内27家最大市值科技公司在前100大主动管理型机构投资组合中的平均权重与其在标普500中权重的对比 [2][8][12][13] * **Sandisk (SNDK) 持仓变化**：自2025年第一季度重新上市以来，机构持仓稳步增加，在2025年第四季度被纳入标普500指数时，其机构持仓与标普500权重的差距 (+1.58%) 在所有跟踪的大型科技股中最宽 [9] * **季度变化**：在2025年第四季度，CRM的机构持仓与标普500权重差距环比扩大最多（19个基点，排除SNDK），而MSFT的差距收窄最多（47个基点）[14][15] * **地域收入敞口**：大多数公司收入高度依赖北美市场（通常占40%-60%），其次是欧洲（除英国）和亚太地区 [44][66][83][102][116][135][190][210][226][250][268][282] * **机构持仓比例**：各公司的主动型机构持股比例在39.9% (INTC) 至57.1% (GOOGL, META) 之间 [45][62][80][99][117][135][150][170][191][207][228][247][265] * **对冲基金风险敞口**：各科技板块的对冲基金净风险敞口在12.8% (AMZN) 至26.4% (多个板块) 之间，长/短仓比率在1.8倍 (AMZN) 至2.8倍 (GOOGL, META) 之间 [45][62][80][99][117][135][150][170][191][207][228][247][265]

**涉及的公司与行业** * **公司**：微软 (Microsoft Corp., MSFT) [1] * **行业**：云计算、人工智能计算、半导体（AI加速器）[1][2][16] **核心观点与论据** **1. 微软自研AI芯片Maia 200取得进展** * 微软于1月26日发布了更新的AI推理定制加速器Maia 200 [1] * 初步披露显示，Maia 200在原始计算性能上已与竞争对手产品（亚马逊Trainium、谷歌TPU）更具可比性 [1] * 与微软机群中最新一代硬件相比，Maia 200每美元性能提升30% [17] * 相对于其他定制云加速器，Maia 200的FP4性能是AWS Trainium 3的3倍，FP8性能优于谷歌TPU v7 [17] * 关键架构创新包括：基于标准以太网的双层扩展网络设计、重新设计的内存子系统、以及遵循标准机架/电源/机械架构 [17] **2. 自研芯片对微软的战略与财务意义** * 多元化硅芯片布局对微软实现AI计算业务更好的毛利率和投资回报率至关重要 [2] * 微软认为，随着时间的推移，AI计算的毛利率将接近基于CPU的计算业务毛利率，自研加速器是推动因素之一 [2] * 此举对微软AI计算服务的性价比及其长期战略（实现Azure AI计算毛利率与基于CPU的Azure工作负载相当）具有积极意义 [1] **3. 当前存在的局限性与挑战** * 尚未看到Maia在大规模生产环境中使用的性能统计数据，这取决于微软的制造爬坡能力 [1] * 深化相关软件生态系统是关键：Maia 200需要自己的模拟器，可能仍需支持更广泛的开发者工具/推理引擎（如sglang, vLLM, TensorRT）[1] * 竞争在持续演进（例如谷歌TPU v8预计在2027年推出）[1] * 需要更多关于Maia 200在高负载工作环境下的基准测试数据，实验室性能与实际大规模集群应用中的表现存在差异 [20][23] * 需要行业对微软与推理软件引擎（如vLLM）集成的反馈得到改善 [25] * 英伟达凭借其上市时间优势和“CUDA护城河”，预计将在短期内保持加速器市场的领导地位 [25] **4. 微软AI计算供应链的多元化策略** * 除了自研Maia芯片，微软还在通过其他途径实现供应链多元化： * 采用基于ARM的自研CPU“Cobalt”已取得成功，Liftr Insights数据显示，在2024年第四季度，Cobalt支撑了33%的新Azure虚拟机 [17] * 更多客户选择AMD作为第二供应商，高盛半导体团队预计AMD的GPU份额将从2025年的5%增至2028年的8% [17] * 采用Groq的LPU等专业解决方案，Groq声称其芯片运行LLM推理的速度可达当前替代方案的十倍，能耗仅为十分之一 [17] **5. 财务预测与估值** * 高盛维持对微软的“买入”评级，12个月目标价为600美元，基于28倍市盈率乘以预期净收入 [24] * 关键财务数据预测： * 营收：预计从2025财年（6月）的2817.24亿美元增长至2028财年的4563.30亿美元 [3][13] * EBITDA：预计从2025财年的1565.28亿美元增长至2028财年的2806.52亿美元 [3][13] * EPS（稀释后）：预计从2025财年的13.83美元增长至2028财年的23.53美元 [3][9] * 毛利率：预计从2025财年的68.8%略微下降至2028财年的65.3% [9] * EBIT利润率：预计从2025财年的45.6%提升至2028财年的47.1% [9] **6. 主要风险因素** * 来自OpenAI合作的收入贡献低于预期 [24] * 自研芯片上量时间较长，可能限制市场份额增长或毛利率扩张 [24] * 对非预期项目（例如非Azure业务）的投资增加 [24] * 关键领导层变动 [24] * 向定制软件的更重大转变可能对其应用业务产生负面影响 [24] **其他重要信息** * **市场表现**：截至2026年2月20日收盘，微软股价为397.23美元，目标价隐含51.0%的上涨空间 [1][12] * 过去3个月绝对回报为-17.0%，相对标普500指数回报为-21.4% [11] * **公司体量**：微软市值达3.0万亿美元，企业价值为2.9万亿美元，过去3个月平均日交易额为141亿美元 [3] * **行业竞争格局**：高盛半导体团队认为，在可预见的未来，商用解决方案（如英伟达、AMD）仍将占据AI加速器市场的主要份额，原因包括：AI模型开发格局快速演变、开发者目前高度重视高性能解决方案、商用解决方案拥有更广泛成熟的开发者/软件生态系统 [2][16] * **长期技术趋势**：随着原始计算性能接近物理极限，进一步的性能和成本改善将更多地由网络、内存和封装方面的创新驱动，英伟达和博通在这些领域处于有利地位 [25]

股价表现与市场反应 - 微软公司股价在过去一年下跌4% 年初至今下跌18% 自公布第二财季财报以来跌幅超过19% [2] - 股价下跌主要因云业务增长未达投资者预期 尽管营收和盈利超出预期 [2] - 财报发布后 Stifel将微软评级从买入下调至持有 目标价从540美元大幅下调至392美元 [2] 云业务与AI增长状况 - 微软Azure云服务业务在第三财季营收同比增长39% 超出管理层指引 [4] - 增长受到产能限制而非需求不足的制约 市场反应可能因此受到抑制 [4] - 公司计划到2026年6月将AI产能提升80% 以反映强劲的潜在需求并缓解当前瓶颈 [4] 竞争环境与产品挑战 - Stifel的下调评级提及了来自谷歌云和Anthropic等竞争对手的挑战 [2] - 知名评论员Jim Cramer指出 微软的Copilot软件未能展现出强劲的用户基数增长 [2] - Cramer认为微软需要进行重大更新和重塑 并提及了谷歌的Gemini和Bard作为对比 [2] 长期前景与资本配置 - 有观点认为 对AI产能的投资将有助于缓解瓶颈 并支持未来几个季度的增长重新加速 [4] - 随着AI在各行业的广泛采用 此次扩张强化了微软有望维持高于平均水平的持续增长的定位 [4]

文章核心观点 - 全球对冲基金近期出现买入大盘科技巨头和部分软件股的行为 这可能推动纳斯达克100指数在经历近一个月回调后开启短线技术性反弹 [1] - 市场对科技巨头巨额AI资本支出能否带来足够回报存在疑虑 同时担忧AI技术会冲击SaaS软件商业模式 这导致了相关股票的抛售 但近期出现了资金边际回补的迹象 [1][4] - 多数分析师认为当前条件尚不支持趋势性反转 近期的反弹更可能是对冲基金推动下的短期战术性修复 而非新的单边主升浪 [4] 对冲基金仓位与市场动态 - 上周 被称为“聪明钱”的全球对冲基金买入了市值最大的美国科技巨头以及被认为易受AI冲击的SaaS软件类股票 [1] - 在连续数周去杠杆与抛售后 对冲基金开始出现“边际回补”信号 既回补大盘科技巨头 也回补了此前被AI冲击叙事压制的软件类股票 [3] - 高盛数据显示 截至2月14日当周后 对冲基金的杠杆率有所上升并接近一年以来的最高水平 [2] - 截至2月19日当周 全球股票市场的最新净卖出规模已升至自去年4月美国宣布一系列进口关税以来的最高水平 [3] 科技巨头与软件行业现状 - 包括苹果、微软、谷歌、特斯拉、英伟达、亚马逊及Meta在内的“美股七巨头”是标普500和纳斯达克100指数的核心推动力 权重约35%-40% [2] - 今年这些科技巨头股价大幅下跌 主要因投资者质疑其巨额AI资本支出能否产生足够回报以支撑高估值 今年美国四大科技巨头AI资本支出或将超7000亿美元 意味着有望激增60% [1] - 软件股遭遇罕见抛售 因市场担心类似Claude等AI代理工作流可能削弱基于SaaS订阅营收模式的软件公司 抛售还蔓延至保险、房地产、卡车运输等被认为将被AI颠覆的劳动密集型行业 [4] - 投资者正在从北美SaaS软件股及微软、亚马逊等高支出AI企业轮动撤离 转而青睐定价能力更强的AI算力基础设施生产商 [4] 市场结构与潜在走势分析 - 摩根大通报告指出 半导体与软件之间的对冲基金仓位差距仍然“非常极端且严重拉伸” 但这种轮动似乎放缓或出现了一些逆转 [2][3] - 前一周遭遇创纪录抛售后 美股软件股出现了一些买盘净回流 [2] - 高盛数据显示 美股金融股是近期净卖出规模最高的板块 而能源、医疗保健与必需消费品等防御性板块则出现最大规模净买入 [3] - “过度拥挤交易 到被迫减仓 最终导致边际买盘回流”的资金流结构 容易在空头回补、仓位再平衡等因素驱动下触发一轮技术性反弹 [3] - 当前抛售的根本原因 包括AI巨额投入回报不确定性、估值消化、软件商业模式被AI蚕食的担忧并未消失 近期下跌带有“叙事冲击+风险偏好收缩”特征 [4]

美国政府关税政策与市场反应 - 美国海关与边境保护局将于2月24日起停止收取依据《国际紧急经济权力法》征收的进口商品关税 [1] - 消息公布后，道指期货涨0.09%、标普500指数期货涨0.16%、纳指期货涨0.22% [1] - 联邦快递起诉美国政府，要求全额退还其已缴纳的所有IEEPA关税 [3] 科技巨头资本支出与监管动态 - 亚马逊将投资120亿美元在路易斯安那州建设数据中心园区，预计创造540个全职岗位及1710个全职等效岗位 [1] - 白宫官员正要求微软、Alphabet等科技公司签署不具约束力的协议，承诺其数据中心不会提高电价或给消费者带来负担 [3] - 苹果公司计划今年在美国德克萨斯州休斯顿北部的富士康工厂生产部分新款Mac Mini电脑 [3] 人工智能与行业活动影响 - 人工智能初创公司Anthropic将于2月24日晚举行在线直播活动，展示其AI助手Claude的最新功能并发布新产品，目标受众为企业高管 [2] - 有分析师指出，市场在Anthropic活动前存在“忐忑不安”情绪，这或许是导致周一美股抛售的原因之一 [2] - 美股周一，道琼斯工业平均指数大跌超800点，纳斯达克指数下跌1.1%，IBM股价下跌13.15% [2] 电动汽车市场竞争与销售数据 - 特斯拉1月在欧盟的新车注册量为8075辆，同比下降17%，低于去年同期的9733辆 [1] - 特斯拉在欧盟的市场份额从去年同期的1.0%降至0.8% [1] - 截至发稿，特斯拉股价下跌0.27% [1] 企业并购与战略交易 - 支付公司PayPal据称已吸引潜在买家的收购兴趣，至少有一家大型竞争对手在研究收购整个公司的可能性 [2] - 网约车公司Uber宣布将收购停车预订应用程序公司SpotHero，计划在其应用内提供由SpotHero支持的停车预订服务 [4] - 截至发稿，Uber股价上涨0.33%，PayPal股价下跌0.43% [2][4] 其他市场与公司动态 - IBM股价在周一大幅下跌13.15%后，截至发稿盘前上涨0.69% [2] - 苹果公司宣布本土生产计划后，截至发稿股价上涨0.23% [3]

公司业务与战略 - ESW公司宣布其全国性品牌ExcelHelp.com持续增长 该品牌专注于为现代组织提供讲师主导的Excel、Copilot及AI培训与咨询服务 [2] - ExcelHelp.com通过结构化的实践小组培训 帮助解决企业员工无法有效使用微软及AI工具的问题 旨在提升各部门的实际生产力 [3] - 公司提供现场讲师主导的培训 覆盖全美 支持远程和现场两种模式 课程由微软认证培训师授课并围绕实际工作流程定制 [3] - 除培训外 ExcelHelp.com还提供Excel自动化及咨询服务 企业可将员工培训与系统现代化相结合 包括定制开发、自动化、数据库设计及微软365工作流优化等 [4][5] 市场机遇与需求 - 当前企业正对微软365和AI工具进行大量投资 但普遍面临员工使用效率低下的挑战 [3] - 公司CEO指出 软件本身不产生结果 熟练的员工才是关键 ExcelHelp.com确保团队能自信、有能力地应用微软工具 从而直接影响绩效 [3] - ExcelHelp.com的培训项目常被人力资源与学习部门用于结构化技能提升 被财务团队用于管理复杂报表 被运营领导用于提升效率与准确性 [5] 产品与服务详情 - 培训课程涵盖从初级到高级的微软Excel培训、Excel、Word、Outlook及Teams中的Copilot与AI培训及智能体、PowerPoint与Outlook生产力研讨会 [4] - 可根据公司特定数据和流程设计定制化小组培训 [4] - 咨询服务包括定制化Excel开发与自动化、VBA、Python、插件及宏解决方案、数据库设计与报告 [4] - 培训在全美范围内提供 形式包括远程、现场或混合模式 [6]

行业整体状况 - 追踪111只软件股的标普北美科技软件指数已从9月的历史高点下跌32% 进入深度熊市区域[1] - 此次抛售的主要原因是人工智能 投资者担忧AI代理将通过减少需求和利润率来颠覆软件行业[1][2] - 市场出现了不加区分的抛售 这为有耐心的投资者创造了买入机会[3] 微软 (MSFT) 投资要点 - 华尔街分析师认为微软被低估 其中位目标价600美元暗示较当前股价有52%的上涨空间[3][9] - 公司在多个软件市场占据强势地位 包括办公生产力、企业资源规划、商业智能和网络安全[5] - 已将生成式AI助手集成到软件产品中 付费的Microsoft 365 Copilot席位在12月季度激增160%[5] - Azure在云计算领域地位稳固 是唯一通过API提供OpenAI前沿模型的主要云平台[6][7] - 12月季度营收增长17%至810亿美元 非GAAP摊薄后每股收益增长24%至4.14美元[8] - 华尔街预计其调整后收益在2027财年（6月结束）前将以每年15%的速度增长 当前26倍的市盈率估值合理[9] Cloudflare (NET) 投资要点 - 华尔街分析师认为Cloudflare被低估 其中位目标价245美元暗示较当前股价有40%的上涨空间[3][14] - 提供应用、网络和安全服务 运营着多数国家中最快的云网络 保护着约20%的网站[10] - 摩根士丹利将其列为最能从AI代理普及中受益的公司之一 其平台可与所有主要公有云无缝集成[11] - 第四季度财务表现稳健 付费客户增长39% 净收入留存率达120% 营收增长33%至6.14亿美元 非GAAP摊薄后每股收益增长47%至0.28美元[12] - 尽管股价较高点下跌31% 且以28倍的市销率交易 但其营收预计到2027年前将以每年45%的速度增长[13]

AI投资的系统梳理 - AI投资热潮的发展历程可分为五个阶段：早期探索阶段（1950年代-1980年代），投资主要依赖政府拨款和科研基金，风险投资未成规模[2]；1980年代至1990年代的AI低潮期，即“AI寒冬”，投资大幅减少[2]；21世纪初（2000年代-2010年代）的复苏期，投资随互联网、大数据、GPU和云计算发展而恢复[3]；2021年至今的生成式AI快速发展期，投资被ChatGPT引爆，资本热情扩散至多行业[4] - 自ChatGPT发布（2022年11月30日）至报告期，部分科技巨头股价与利润大幅上涨：英伟达股价累计上涨964%，利润累计上涨1354%；苹果股价上涨91%，利润上涨12%；微软股价上涨90%，利润上涨55%；谷歌股价上涨211%，利润上涨107%[4] - 近两年AI投资逐渐放缓，反映出技术应用仍处早期探索阶段，最初的热情被实际应用的复杂性和挑战所削弱[4] AI产业层次与参与主体 - AI产业呈现基础设施、平台、应用三个层面并行推进的格局[5] - 在基础设施层，AI服务器市场因AI加速器需求经历爆炸式增长，2024年前三季度服务器销售额大幅上升[5]；以阿里云为代表的云基础设施提供商在中国AI IaaS市场占据领先地位，2024年下半年其市场份额达约23%，在大模型训练与推理两大子市场均位列第一[5] - 在平台层或云服务层，传统云计算（IaaS）正在向“AI原生”云服务演进，提供专门为AI优化的算力、调度等服务[6]；智算云服务在中国形成了明确的产业链结构，涵盖上游芯片与服务器、中游云平台、下游行业用户[6] - 在应用层，随着AI平台服务能力提升，中小企业及传统行业“上云+用数+赋智”门槛大幅降低，推动了AI在互联网、金融、制造、医疗等场景的广泛普及[6] - 产业推动主体多元化：包括拥有资金和基础设施的超大科技公司及头部云厂商；提供灵活AI算力及云服务的专业云、neo-cloud租户、中型云服务商；以及为基础设施投入提供巨额资金的私募和债权市场[7] AI融资形式及周期特征与风险 - AI硬件（如GPU、定制加速器、AI-optimized服务器）更新周期短，导致资本支出密集且折旧快速，增加了资产残值不确定性和再融资压力[10] - 在大型AI数据中心项目中，GPU占总资本支出约40-50%，服务器机柜与网络设备占30-35%，折旧周期短的硬件部分对项目财务压力贡献显著[10] AI投资热潮与互联网泡沫的异同 - 与1999年互联网泡沫的相似之处在于：市场情绪高涨，资本对新兴技术表现出“短期高估”倾向，部分初创公司估值迅速膨胀[11]；例如，Palantir和特斯拉的市盈率远超200倍，而标普500指数成分股平均市盈率约为25倍[11]；风险偏好显著提高，投资者愿为尚未盈利的早期企业投入巨额资金[11] - 关键差异在于：AI热潮的技术基础更为稳固，已在计算机视觉、自然语言处理等领域取得实际突破，生成式AI具有明确的跨行业商业场景[12]；产业生态和资本结构更加多元，涉及企业资本支出、私募信用、债券融资及资产证券化等形式[12]；AI投资与GPU、数据中心等全球基础设施建设紧密挂钩，相关资产具有长期使用价值和持续收入潜力，比互联网泡沫时期依赖短期流量收入的模式更稳健[12]；当前的监管与风险控制环境更加成熟[13] - AI市场面临的风险复杂性更高，挑战包括：英伟达高端芯片供应短缺等技术瓶颈；大多数人工智能公司尚未找到可持续的现金路径；以及技术脱钩（如美中芯片监管）[14]；风险通过资本开支、债务结构、影子银行体系及供应链瓶颈等多层结构相互叠加，可能引发结构性金融紧张[14] AI泡沫破裂的可能性与传导路径 - AI泡沫破裂的可能性应从估值逻辑、宏观政策和全球资金流动三条主线分析[15] - 从估值角度看，若未来2-3年大模型的商业化速度无法匹配当前动辄百亿美元的资本投入，市场估值将进入回调期[15] - 从宏观政策角度看，若主要央行维持高利率或收紧流动性，AI基础设施项目将面临更高的再融资成本压力，信用风险可能扩散为行业性调整[15] - 从全球资金流动角度看，美国吸收全球资本将使新兴市场及外币债务敞口高的经济体最先感受到压力，将科技投资波动转化为跨国金融波动[16] - 本轮AI投资周期更可能呈现漫长的结构性出清，而非单点式全面崩塌[16] - 若发生破裂，具体传导路径主要包括两个渠道：一是估值重估，由AI商业化速度落后预期等因素触发，导致高估值成长股回调，市场波动放大[17]；二是信贷与项目融资链条断裂，由利率上升、租户违约等因素触发，导致数据中心开发商等面临偿债压力，将风险从股市传导至实体信贷市场[17] 跨国风险传导 - AI投资热潮的全球化特征意味着市场调整的影响可能跨境传导，触发机制包括主要央行加息收紧信贷、能源供应与全球供应链瓶颈等[18] - 潜在时间窗可分为短期和中期：短期若宏观利率快速上行或发生大型租户违约，信用利差可能迅速扩大，数据中心等项目最先暴露风险[18]；中期若AI商业化未能形成广泛盈利，市场可能从增长溢价向盈利筛选切换，导致估值普遍回调[18] - 各国宏观政策是跨国传导的决定性变量：央行的利率与流动性政策直接影响企业融资压力；财政与产业政策（如补贴）能缓冲局部冲击，但也可能延长非盈利项目的资金供给周期，形成“僵尸化”风险；宏观审慎与监管措施可调节跨境风险传导的幅度[19]