嗯 这是一份UBS关于全球股票策略的研究报告 需要仔细阅读并提取关键信息 报告主要使用REVS框架评估各类主题投资机会 涵盖AI 医药 国防等多个行业 涉及全球多个市场 报告内容非常详细 包含大量数据和评分 需要系统性地梳理 重点关注主题排名 地区表现 行业评分以及个股推荐 同时注意风险提示和披露信息 需要确保引用正确的文档ID 每个关键点后不超过三个引用 并且只输出关于公司和行业的内容 不使用第一人称 关键要点总结 涉及的行业和公司 **人工智能相关主题** * AI软件先驱(AI Software Pioneers)成为首选的AI相关投资组合 评分略有改善[6] * AI相关主题包括AI软件 AI赢家 AI半导体 AI电力和AI机器人 均保持高分[6][11] * AI电力主题中的顶级评分股票包括Mongo DB(市值26亿美元) Meta(市值1645亿美元) Mastec(市值11亿美元) Primoris(市值6亿美元)和Snowflake(市值68亿美元)[6][14] **医药行业** * 制药主题投资组合情绪评分持续改善[6] * 美国制药和生物技术的负面修正大幅放缓 现已略微转正[6] * 制药行业组在标普500行业中拥有最强的盈利评分之一[11] * 制药 生物技术和生命科学3个月盈利修正现在为1%[11] **国防行业** * 欧盟国防支出停止在评分卡上下滑[6] * 顶级评分股票包括Thales(市值24亿美元) BAE(市值73亿美元)和Rheinmetall(市值97亿美元)[6][14] **可再生能源和电气化** * 欧盟电气化和欧盟可再生能源在主题评分卡上持续攀升[6] * 对可再生能源而言 这是多年降级周期的逆转[6] **消费行业** * 欧盟消费主题位于评分卡底部 包括欧盟奢侈品和英国住宅建筑商[6] * 盈利修正稳定是这些主题再次变得有吸引力的关键[6] 核心观点和论据 **地区表现** * 亚洲地区在排名中保持强劲 日本是发达国家市场中最强的国家[6] * 台湾证交所(TWSE) 恒生指数(HSI)和韩国综合股价指数(KOSPI2)目前排名靠前[6] * 欧洲排名低于美国 due to wide score dispersion[6] * 欧洲顶级行业(电信 公用事业 金融和工业)与全球任何其他行业一样高分[6] **行业评分** * 美国行业组REVS评分广泛继续向好 目前27个行业组中有26个有正分[11] * 美国消费周期性和美国低收入消费者主题再次上升 受盈利评分改善驱动[11] * 如果对滞胀冲击的担忧增加 医疗保健vs消费必需品是防御性定位的有效方式[11] * 医疗保健的盈利修正从低基数拐点 而消费必需品再次转为负值[11] **小型股和低质量股** * 小型股和低质量股依赖美联储预期[9] * 如果市场更看好降息 低质量(包括地区银行)可能继续表现优异[11] * 降息可能进一步帮助缓解地区银行的资产负债表压力[11] **国家对比** * 日本在ACWI国家评分卡中排名高 制度评分是所有国家中最高的之一[11] * 瑞士目前在所有国家中制度评分最弱 盈利评分为负[11] 其他重要内容 **投资框架** * 使用REVS量化基本面股票选择框架 该框架结合宏观和微观元素识别短期相对偏好[2] * REVS代表: 宏观经济制度(R) 盈利操作环境(E) 市场估值评估(V)和情绪(S)[2][33] * 该框架具有2-6个月的战术视野[2][41] **评分数据** * 欧盟上市欧元区曝光度评分高达0.33[12] * 美国AI赢家评分0.33[12] * 欧盟奢侈品评分-0.11[12] * 英国住宅建筑商评分-0.11[12] **风险提示** * 股票市场回报受公司盈利 利率 风险溢价以及受商业周期影响的其他变量影响[44] * 所有这些变量的前景都可能发生变化[44] * 投资涉及风险 投资者应谨慎行事并自行判断做出投资决策[66]

The growth potential of software companies is immense, given the rise of artificial intelligence (AI). At the recent Goldman Sachs’ Communacopia + Technology conference, analyst Kash Rangan told Yahoo Finance that AI will enhance software’s role. While parts of the industry have faced headwinds, Rangan’s outlook remains positive.Many of his favored stocks are undergoing downturns rather than inflated valuations. Application software companies have been hit with subdued valuations, whereas some infrastructur ...

纪要涉及的行业和公司 - **行业**：人工智能、数据中心、电力、金融信贷、比特币、房地产投资信托（REIT） - **公司**：亚马逊、Meta、谷歌、微软、Anthropic、CoreWeave、CORZ、WULF Compute、NVDIA、苹果、Alphabet、Broadcom、TSMC、S&P Global、EssilorLuxottica、Siemens Energy、Ecolab、Zijin Mining Group、Johnson Controls International、Titan Company、SAP、IBM、ASM International、Marriott International、DoorDash、Rolls-Royce、Home Depot 纪要提到的核心观点和论据 融资方面 - **全球数据中心支出预测**：预计到2028年底全球数据中心支出约2.9万亿美元（不包括电力投资），其中85%将用于人工智能特定数据中心[4] - **融资缺口与途径**：考虑超大规模企业用现金流资助的资本支出后，估计数据中心投资需求存在1.5万亿美元缺口，需通过外部市场融资；预计2025 - 2028年企业债务发行2000亿美元；证券化信贷市场到2028年将融资1500亿美元；私募信贷有8000亿美元机会，以资产融资为主[8][19][24][30] - **信贷市场情况**：信贷市场资金流入显著，私募信贷领先；正实际收益率吸引长期买家，新供应和并购因高融资成本和宏观不确定性而受限；私募信贷作为获取超额收入方式受关注，资产融资为保险资产负债表提供新领域；但增长放缓、实际收益率大幅下降、超大规模企业放缓资本支出计划等可能带来挑战[11][15] - **GPU融资问题**：投资者对非投资级和相对较新的人工智能企业购买GPU的融资能力存疑，以GPU为抵押的贷款和公共证券化可能是解决方案，高收益无担保发行也是一种选择但成本较高[33] 电力方面 - **AI基础设施支出与回报**：到2028年AI基础设施累计支出超3万亿美元，其中数据中心约2.6万亿美元，需超110GW电力，电厂成本约2100 - 3300亿美元，电网在AI方面支出可能达数千亿美元；生成式AI到2028年将带来约1万亿美元收入机会[38][43][44] - **美国电力瓶颈与解决方案**：美国和欧洲数据中心增长存在电网接入、电力设备、劳动力和政治资本等瓶颈；最佳“通电时间”解决方案包括选址核电站、天然气发电厂和燃料电池、改造加密货币和工业场地[50] - **电力相关价值分析**：“通电时间”优势价值高，每兆瓦每年优势价值300 - 400万美元；比特币股票企业价值/瓦水平低，预计转换交易隐含企业价值/瓦水平将保持较高；建设并租赁“通电外壳”给超大规模企业，再出售给REIT可能获得高回报[58][59][63] AI发展与应用方面 - **AI能力提升**：AI能力呈非线性提升，以代理AI为例，衡量AI性能的指标在过去6年呈指数增长，预计未来五年AI可独立完成大部分软件任务[36] - **AI采用情况**：编码领域AI应用迅速，微软目前约30%代码由AI编写，Anthropic CEO预计3 - 6个月内90%代码将由AI生成；第四次AI映射显示，412只股票（市值8.7万亿美元）增加了AI敞口，259只股票（市值8.5万亿美元）的AI敞口更具实质性，102只股票（市值2.4万亿美元）在两方面均有提升；消费者和房地产行业、金融行业部分领域AI采用有明显变化；亚太地区AI敞口增加显著[47][73] - **AI投资策略**：包括超配评级且AI重要性和敞口均增加的股票、新“核心主题”股票、有定价权的采用者股票、AI重要性和定价权最高的股票等策略[74] 风险方面 - **GPU折旧风险**：每单位计算能力成本快速下降，预计6年内资本成本下降约90%[65] - **电网不稳定风险**：闪电事件导致美国电网电压不稳定，大量数据中心离线[68][75] - **AI技术限制风险**：特朗普政府可能对中国采取更广泛的AI技术限制措施[71] 税收优惠方面 - **OBBBA对超大规模企业的影响**：亚马逊是最大受益者，2026年自由现金流提升约30%（约150亿美元）；Meta中期自由现金流有80 - 100亿美元顺风；谷歌2025年有250亿美元顺风，长期每年有40 - 60亿美元收益[78] 其他重要但是可能被忽略的内容 - **数据中心运营模式**：WULF Compute有云服务提供商、托管和定制建设三种核心业务模式，各模式在客户、合同规模、期限、运营管理、建设成本、融资、收入和利润率等方面存在差异[62] - **证券化市场情况**：证券化率预计从目前的10%增长到2028年的25%，证券化信贷发行人有全球增长计划，但目前仅证券化了计划或运营容量的10%（按兆瓦计算），美国占90%，加拿大和欧洲市场有扩展空间[24][28] - **AI采用行业数据**：美国与编码相关的工作岗位数量和平均薪资，如计算机程序员14万个岗位，平均年薪10万美元；网页开发人员22.3万个岗位，平均年薪9.6万美元；软件开发人员170万个岗位，平均年薪13.1万美元[49] - **比特币股票估值**：许多比特币股票企业价值/瓦为1 - 2美元，远低于将大型场地转换为高性能计算数据中心的可能价值[59] - **市场研究相关披露**：摩根士丹利研究报告的相关披露，包括利益冲突、分析师认证、评级定义、研究报告发布政策、不同地区研究报告传播和监管情况等[2][80][86][98]

报告行业投资评级 未提及 报告的核心观点 - 对人工智能能力的非线性提升速度持乐观态度，预计未来五年内AI代理可独立完成大部分目前人类需数天或数周才能完成的软件任务 [3] - 到2028年，人工智能基础设施累计总支出将超3万亿美元，其中数据中心约2.6万亿美元，电力需求超110GW，电网支出难以估算但可能达数千亿美元 [5][11] - 生成式AI到2028年将带来约1万亿美元的收入机会，其中软件支出4010亿美元，消费者支出6830亿美元 [12][14] - 美国数据中心计算用途中推理和训练占比为75%和25% [22] 根据相关目录分别进行总结 AI发展趋势 - 过去6年AI性能指标呈指数级增长，约7个月翻倍，预计未来五年内AI代理可独立完成大部分软件任务 [3] AI基础设施支出 - 到2028年，数据中心累计支出约2.6万亿美元，包括芯片和服务器；电力需求超110GW，电厂成本约2100 - 3300亿美元；电网支出难以估算但可能达数千亿美元 [5][11] 生成式AI收入机会 - 到2028年，生成式AI将带来约1万亿美元的收入机会，其中软件支出从2024年的160亿美元增至4010亿美元，占软件总支出约22%；消费者支出从2024年的290亿美元增至6830亿美元，主要由电子商务、搜索和自动驾驶带动 [12][14] AI在编码领域的应用 - 微软目前约30%的代码由AI编写，Anthropic首席执行官预计3 - 6个月内90%的代码将由AI生成 [15] 数据中心电力需求及解决方案 - 数据中心电力需求增长面临电网接入、电力设备、劳动力和政治资本等瓶颈，最佳解决方案包括选址核电站、天然气发电厂和燃料电池、改造加密货币和工业场地 [18] - 许多美国电网有大量积压请求，数据中心典型并网时间从2 - 3年增至5 - 10年，“及时供电”解决方案可带来显著价值，比特币转换交易有效电价溢价超300% [26] 比特币股票估值 - 许多比特币股票的企业价值/瓦为1 - 2美元，远低于将大型场地转换为高性能计算数据中心的潜在价值，预计转换交易的隐含企业价值/瓦将维持在较高水平 [27] WULF Compute业务模式 - 包括云服务提供商、托管服务和定制建设三种模式，不同模式在描述、客户、合同规模、期限、运维、建设成本、融资、收入、利润率和估值范围等方面存在差异 [29] 比特币资产转换为高性能计算数据中心的回报 - 基于假设，为超大规模企业建设并租赁“供电外壳”数据中心，再出售给房地产投资信托基金，可能获得较高回报，价值创造水平远高于多数比特币股票的企业价值/瓦 [30] 创新对AI计算需求的影响 - 创新会推动更复杂的模型，从而增加对计算的需求，企业会因AI系统价值高而增加训练模型的投入 [31] GPU更换周期及风险 - 每单位计算能力的成本迅速下降，预计6年内将下降约90%，创新带来折旧风险 [32] 数据中心运营风险 - 电网不稳定会导致数据中心离线，如闪电事件导致输电线路故障，大量数据中心离线 [35] AI技术限制风险 - 特朗普政府可能对中国采取更广泛的AI技术限制措施 [38]