涉及行业与公司 * 行业：本次电话会议覆盖了多个行业，包括银行业、商业服务、消费金融、保险、互联网、支付与金融科技、房地产投资信托基金与商业地产服务、软件、交通运输等，并重点讨论了人工智能对这些行业的颠覆与采纳影响 [1][5][6][8][10][11][12][14][15][32][35][36][39][42][43][44][48][65][66][106][108][109][110][111][112][113][114][115][116][117][118]。 * 公司：会议提及了大量具体公司，并给出了分析师看好的防御性股票名单及长期选股清单。主要提及的股票包括： * 银行业：花旗集团 (C), 美国银行 (BAC), 道富银行 (STT), Truist金融 (TFC) [6][15][119][126][127]。 * 商业服务：标普全球 (SPGI), 穆迪 (MCO), 艾可飞 (EFX), TransUnion (TRU), MSCI, Verisk (VRSK), Waste Connections (WCN), Republic Services (RSG), Waste Management (WM), Rollins (ROL), BrightView (BV), Cintas (CTAS) [6][15][128][138][139][140][141][142]。 * 消费金融：第一资本金融 (COF), 美国运通 (AXP) [6][10][15]。 * 保险：怡安 (AON), Marsh & McLennan (MRSH), 好事达 (NP), 美国国际集团 (AIG), 旅行者 (CB), 威达信 (WTW), Ryan Specialty (RYAN) [6][15]。 * 互联网：亚马逊 (AMZN), eBay (EBAY), DoorDash (DASH), Revolve (RVLV), Instacart (CART), Meta (META), 谷歌 (GOOGL), AppLovin (APP) [6][15]。 * 支付与金融科技：万事达 (MA), 维萨 (V) [6][11][15]。 * REITs与CRE服务：世邦魏理仕 (CBRE), Cushman & Wakefield (CWK) [6][15]。 * 软件：微软 (MSFT), Intuit (INTU), Salesforce (CRM), ServiceNow (NOW), Atlassian (TEAM), Snowflake (SNOW), JFrog (FROG), Cloudflare (NET), Shopify (SHOP), Palo Alto Networks (PANW) [6][15]。 * 交通运输：Knight-Swift (KNX), Schneider National (SNDR), Werner (WERN), Saia (SAIA), XPO (XPO), Old Dominion (ODFL), J.B. Hunt (JBHT), GXO Logistics (GXO), Aurora Innovation (AUR) [6][15]。 * 长期选股清单：包含埃森哲 (ACN)、亚马逊 (AMZN)、微软 (MSFT)、ServiceNow (NOW)等32家公司，筛选标准为AI采纳重要性高、定价能力强、年初至今表现落后（<-10%）且摩根士丹利给予“增持”评级 [22][56][61]。 核心观点与论据 * 总体观点：AI颠覆风险带来投资机会，近期采纳顺风可部分抵消长期担忧 * 近期与AI颠覆风险相关的价格波动，为两类公司创造了机会：1）定位良好的现有行业领导者；2）拥有定价权的AI采纳者 [1][3][8]。 * 分析师认为，更近期的AI采纳顺风有助于抵消受影响领域及整体市场对长期颠覆的恐惧 [1][3][44]。 * AI采纳者的投资理由持续增强，有助于对抗颠覆恐惧 [14]。 * 被市场视为受颠覆的领域特征：占比小、估值低、持仓低、AI采纳度高且定价能力强 * 近期被投资者重点关注为受AI颠覆的服务业和周期性行业，在标普500指数中权重较小（13%），估值处于历史低位（前向市盈率百分位排名为9%），机构持仓低（净敞口百分位排名为20%），且同时具有较高的AI采纳者集中度和强大的定价能力 [5][7][9][44][48][49]。 * 这些领域年初至今市值变化为-17%，而同期商品+周期性行业为+14%，计算行业为+2% [7][48]。 * AI采纳势头强劲，量化效益日益显现 * 对超过10，000份财报和会议记录的分析显示，看到AI采纳带来量化效益的公司比例稳步上升 [5][23][81][88]。 * 在4Q25，被分析师识别为“采纳者”的公司中，30%提到了至少一项量化影响，高于3Q25的24%和4Q24的16% [23][88]。 * 在更广泛的标普500成分股中，21%的公司提到了至少一项可衡量的效益，高于3Q25的15%和4Q24的10% [23][88]。 * 预计这一趋势将持续，并支持拥有定价权的采纳者的投资理由，预计AI采纳将在2026年为标普500利润率增加40个基点 [23][25]。 * AI采纳者利润率预期持续加速 * 对于具有采纳重要性且定价能力为中性/高的AI采纳者，其远期净利润率预期持续加速 [14][16][20][56]。 * 对于年初至今表现不佳（落后标普1500指数超过10%）的AI采纳者，其利润率预期也在显著重新加速 [14][18][19][64]。 * 借鉴移动互联网时代：个股分化巨大，需采取自下而上选股策略 * 从移动互联网时代的经验看，被市场认为受颠覆的股票群体内部表现分化极高，这表明在当前AI投资周期中，采取个股选择策略是合理的 [5][28][32][43][65][66][69]。 * 在iPhone发布后，相关股票的相对表现非常波动，最大回撤约30%，但也经历了约40%的反弹 [28][69]。 * 该群体估值在此期间方向性压缩，而远期盈利则表现出更强的韧性 [28][69][75][76]。 * 表现分化极高，例如谷歌/Alphabet表现最强（+28%），而诺基亚表现最弱（-73%）[28][69][73]。 * 解释iPhone发布后表现的最强变量是远期盈利的变化（斯皮尔曼等级相关系数为0.9）[28][69][78][80][85]。 * 行业具体观点：多数行业被视为AI净受益者，而非颠覆受害者 * 银行业：被视为AI净受益者，监管强度、资产负债表要求和关系驱动模式限制了去中介化风险。AI已在推动运营杠杆，并应显著提升生产力和盈利。投行业务管道强劲，交易业务受益于波动性，存款和托管业务颠覆风险低，信贷趋势健康 [6][10][15][119]。 * 商业服务：专有数据、监管壁垒和决策级准确性保护了领先的信息服务特许经营权。AI增加了对可信数据和数据分析的需求，同时改善了运营杠杆和产品深度 [6][15][128][135][136][137]。 * 消费金融：被视为AI净受益者，长期贷款和支付效率提升超过与消费者健康相关的短期风险。核心功能如支付、欺诈检测、承销、营销和服务数据丰富，非常适合AI。对代理AI能否实质性取代信用卡交换费持怀疑态度 [6][10][11][15][147][148][149]。 * 保险：复杂的商业保险需要专业知识、市场准入和监管监督，这是AI无法取代的。AI采纳提高了承保速度、理赔处理和费用率，提升了经纪商和保险公司的利润率 [6][11][15]。 * 互联网：代理商务（即拥有个人数字互动购物助手）预计将成为下一个重要的由生成式AI驱动的互联网增长点。消费者“电子商务漏斗”将变得更加对话式、个性化和互动化 [6][11][15]。 * 支付与金融科技：支付生态系统，尤其是万事达和维萨，被视为AI和代理商务的净受益者。随着AI驱动交易激增，对欺诈检测等增值服务的需求将上升。围绕成本、速度、可靠性、信任和合法性的网络护城河依然强大 [6][11][15]。 * REITs与CRE服务：AI去中介化风险在短期和中期较低。采纳AI能带来显著的劳动力生产率提升。复杂、定制化的交易更倾向于增强而非取代现有参与者 [6][11][15]。 * 软件：AI通过自动化非结构化工作来扩展企业软件的可寻址市场，而不是取代应用程序。拥有分销渠道、数据和工作流程控制权的现有参与者有望在采纳深化过程中实现货币化 [5][6][11][15]。 * 软件行业内部表现分化目前处于2010年以来历史水平的第96百分位，表明市场正在区分潜在受保护与受颠覆的股票 [70][86]。 * 交通运输：大多数货运子行业更可能成为AI采纳的受益者，而非颠覆的受害者，但不同商业模式之间的平衡差异显著 [6][12][15]。 其他重要内容 * AI颠覆辩论的正反方论点 * 支持颠覆的论点：1）若缩放定律成立，2026年上半年发布的美国大语言模型能力将是当前水平的2倍，可能产生深远影响；2）LLM使小团队能够以更低的成本和时间开发新颖、强大的服务/产品；3）AI大幅降低执行广泛知识工作的成本；4）LLM驱动“技能压缩”；5）AI芯片快速改进导致AI执行任务的成本迅速下降；6）LLM变得更强大、更具创造性；7）代理AI的进步可能导致经济活动发生在传统商业渠道之外 [36][37][38]。 * 反对颠覆的论点（基于AI映射分析）：1）自2023年底以来，AI采纳者的盈利修正上调幅度是AI颠覆者的约2倍；2）分析师预计约80%的AI收益来自成本效率而非收入增长；3）拥有定价权的采纳者利润率持续扩张；4）现有公司通常拥有更优越的资源（如专有数据、客户关系、品牌、分销网络）来利用AI能力；5）AI在许多情况下是“增强”而非“自动化”员工；6）许多产品和服务需要100%的准确性、可解释性和结果可审计性，这对LLM构成挑战 [39]。 * 潜在催化剂 * 美国和中国的LLM发布（预计在2026年4月至6月）；摩根士丹利TMT会议（3月初）；对AI采纳就业影响的认知加深；潜在的AI监管加强；针对AI开发商的关键知识产权诉讼；使用LLM开发的新用例/应用；公司更多披露AI采纳的财务效益 [40][41]。 * 对就业市场的长期影响 * 历史表明，技术变革会改变工作类型、职业和所需技能，但也会创造新的角色 [106][108][109][110][112]。 * 预计AI将创造新的工作岗位，例如首席AI官、AI治理相关职位、产品经理-工程师混合角色，以及各行业特定的新职位（如个性化策略师、预测性维护工程师、计算遗传学家等）[113][114][115][116][117]。 * 风险提示 * 摩根士丹利与其研究覆盖的公司存在业务往来，可能存在利益冲突 [3]。 * 长期来看，与AI颠覆和劳动力市场影响相关的结构性风险值得关注 [33][42]。