公司战略与财务展望 - 公司发布未来三年财务预测 预计年收入复合年增长率为4% 但通过转型举措 该增长将驱动13%至14%的营业利润复合年增长 并带来200个基点的投入资本回报率改善 以及总计60亿美元的自由现金流 [1][3] - 公司正在进行由三部分组成的重大转型 包括网络转型、数字化转型和组织转型 旨在提升公司韧性并为未来增长奠定基础 [2][3] - 公司对实现目标充满信心 主要基于过去三年已完成的大量工作 包括显著降低结构性成本 以及推进公司转型以应对外部环境 [4][5] 网络与运营转型 - 在美国的网络转型（称为Network 2.0）已完成约四分之一 预计到2026年底将完成65% 并在2027年秋季全面完成 [7][8] - 公司已完成组织整合 从多个运营公司转变为“一个联邦快递” 目前多项转型仍处于早期阶段 意味着未来有巨大的上升机会 [9] - 公司近期在全球进行了多项网络投资与拓展 包括在日本大阪、越南、印度进行设施升级或投资 并开通了飞往利雅得的航班 在都柏林、伊斯坦布尔和智利开设了新设施 [28] 数字化转型与数据机遇 - 公司每天处理1700万个包裹 生成2PB数据 这些来自实体运营的数据是独特优势 而生成式AI革命极大地增强了这些数据的价值 [11][12] - 数字化转型的应用包括：优化内部路线和流量 为客户（尤其是医疗保健和工业经济等高价值客户）提供更高水平的预测性和可视性 以及通过新部门“FedEx Dataworks”对外提供数据能力 [12][13] - 公司看到协调全球供应链的巨大机会 全球供应链中因缺乏协调而造成的浪费高达1.7万亿美元 公司计划通过提升价值链参与度来创造价值 [14][15] 市场与业务重点 - 公司战略重点转向服务高价值行业垂直领域 包括医疗保健、汽车、数据中心业务和航空航天 旨在成为工业经济的心跳 [5][23] - 在欧洲 公司收购了InPost的少数股权 此举旨在战略上使联邦快递专注于欧洲的B2B和工业经济 而InPost则专注于B2C和到家外业务 形成互补 该交易预计在完成后将立即为联邦快递的利润带来增值 [19][20][21] - 公司预计在未来三年半内 其国际营业利润率将提升440个基点 [29] 行业环境与表现 - 尽管零售销售数据低于预期 但公司2023年假日旺季表现良好 并预计第三季度业绩将超过截至2月11日的分析师共识预期 [17][18] - 全球贸易环境动态异常 公司观察到其美国出口业务增长而进口业务下降的组合 这在公司CEO 35年职业生涯中前所未见 公司70%的业务在美国 受益于美国消费者的强劲表现 [24][25][26] - 公司处于全球供应链模式变化的有利位置 其广泛的实体网络提供了规模优势 并且作为物流合作伙伴 公司能提前获得客户供应链调整的情报 [26][27] 货运业务分拆 - 公司按计划推进FedEx Freight的分拆 预计将在6月初完成 [29] - FedEx Freight是美国最大的零担运输公司 也是全国唯一同时提供优先和延期服务的公司 分拆后 两家公司将能更专注地服务客户并为股东创造价值 [30][31]

报告行业投资评级 - 行业评级为In-Line（与相关广泛市场基准表现一致） [4] 报告的核心观点 - 自ChatGPT推出超2.5年，是识别资本品行业中哪些公司在人工智能应用方面领先的时机 [3] - 资本品行业在摩根士丹利人工智能采用者调查3.0中，人工智能风险敞口和重要性的增长率相对较低，但一些发展令人鼓舞，代理人工智能有望加速其影响 [3] - 具有定价权的早期采用者将从人工智能应用中获得最大收益 [3][7] - 已确定六个人工智能应用用例，分为主要活动和次要活动，主要活动对创造产品或服务价值及利润率提升潜力更大 [4][26] 根据相关目录分别进行总结 六个人工智能应用用例 - 增强销售和营销：利用人工智能算法识别客户购买模式，预防客户流失，还可用于简化报价请求流程 [9] - 人工智能聊天机器人：分为内部和外部聊天机器人，内部用于支持财务、法律或人力资源等职能，外部用于客户服务，可提高效率和客户满意度 [10][38][41] - 人工智能用于研发：在制造过程的研发阶段集成新的人工智能软件，利用数字/虚拟孪生技术设计、验证、模拟和可视化产品，提高设计效率和产品质量 [46] - 预测性维护：分析物联网和云系统以及数字孪生技术的数据，预测设备寿命，防止意外停机，具有成本节约和增加收入的优势 [50] - 人工智能用于库存和供应链管理：利用人工智能模型分析大数据集，预测需求，优化库存和物流，提高供应链效率 [53] - 人工智能能源管理：利用生产数据优化和预测工厂/办公室的能源消耗，提高能源效率，管理能源支出 [54] 突出的公司 - 瑞可利（Rexel）：是早期且广泛的人工智能采用者，受监管复杂性较低，具有分销业务模式和供应链经验，管理层注重人工智能应用，虽定价权中性但在分散市场有规模优势，有望通过人工智能实现生产率节省和利润率目标 [82][83][86] - 通力（KONE）：是早期且广泛的人工智能采用者，具有售后市场业务模式，在欧洲有一定定价权，人工智能应用可提高预测性维护能力，减少电梯呼叫次数，提高盈利能力或保护服务市场份额 [89][90][91] - 施耐德电气（Schneider Electric）：有早期的人工智能战略，应用广泛，在能源管理方面有专业知识和定价权，预计2025年和2026年每年实现4亿欧元的生产率节省，占集团息税折旧摊销前利润率的50个基点 [93][94][95] 人工智能与数字孪生技术的集成 - 在资本品行业的四个用例中可见人工智能与数字孪生技术的集成，包括产品设计和质量、库存和供应链管理、预测性维护、能源管理，这种集成使制造公司能够做出更智能、基于数据的决策 [57] 资本品行业人工智能应用滞后原因 - 数据数量和质量问题：制造过程的数据往往分散且质量差，影响人工智能模型输出的准确性 [66] - 特定人工智能模型问题：许多人工智能模型存在“黑箱问题”，对于生产和服务高度技术化设备的公司，难以实施 [66] - 知识产权风险：制造公司有大量知识产权数据，担心数据泄露或滥用，对采用人工智能持谨慎态度 [67] - 合规问题：欧盟人工智能法案对管理关键基础设施的公司使用“黑箱”人工智能有严格规定，限制了人工智能的应用 [68] - 人才获取和保留问题：行业需要高度技术专业知识，获取和保留人工智能专业人才是实施人工智能的瓶颈 [69] 人工智能类型 - 分析型人工智能：基于结构化/表格数据的统计机器学习，用于有针对性的任务，如预测机器维护、客户支付价格或推荐产品 [77][78] - 生成型人工智能：基于基础模型，可生成非结构化内容，如文本、图像和音频 [81] - 代理型人工智能：具有自主性和主动性，可执行自主任务和多步骤操作，西门子和施耐德已宣布相关举措 [81] 公司估值方法 - 瑞可利（Rexel）：采用2026年企业价值/息税前利润倍数和现金流折现法估值，目标价为29欧元 [97] - 通力（Kone Oyj）：目标价采用两种方法的平均值 [97] - 施耐德电气（Schneider Electric）：采用分部加总法和三阶段现金流折现法估值 [99]