算一算AI资本的回报率，你会改变看法(上)
基于数据和客观分析，从基本情景预判AI支出、利润率及收益。
大科技公司每年豪掷7000亿美元，华尔街上下一度都认为，市场进入1999年以来最大规模的资本错配阶段，是又一次鲁莽狂热的泡沫期。
也有人坚信这是史上最大规模的投资回报率(ROIC)扩张周期，支出不仅合情合理，而且极具爆发力，是理性的选择。
南辕北辙的看法导致美股市场去年底以来每天都被折腾得要死要活。
是“AI泡沫”？还是史无前例的AI黄金时代？决定了多空两种对立的理念，也将决定一段时间你的投资盈亏。
本文综合各个渠道的数据/分析，希望能做一次头脑风暴，看清一个大致的方向。
资本支出的三大收入引擎
AI商业模式成熟后，将拥有三大不同的收入引擎，拥有各自独特的经济模式和进展时间表。
1，消费者订阅：AI收入的基础
这最容易理解，因为已经存在了。ChatGPT Plus、Claude Pro、Gemini Advanced，这些前沿产品，像你我这样的用户支付20-30美元的月费即可使用。
这就是消费市场，它正在迅速扩张。问题在于，它究竟能发展到多大规模。
全球约有55亿智能手机用户，减去约20亿因收入低而无力负担的用户，剩余约35亿潜在用户。假设采用分级定价：
美国和发达市场每月25美元
欧洲和南美每月12美元
新兴市场每月4美元
假设上述每个市场的渗透率分别为50%、20%和5%
可以得到全球用户总数约为6.25 亿，平均每用户收入(ARPU)约为每月16美元。完全渗透后的年度消费收入约为1200亿美元。
这笔钱貌似数额巨大，但在接下来的讨论中，它几乎可以忽略不计。
2，企业AI与知识工作自动化
对于知识密集型行业的从业者而言，这方面的数据开始真正具有颠覆性意义。
全球约有5.6亿“知识工作者”，例如律师、分析师、工程师、会计师、市场营销人员、咨询顾问等。他们的年薪总额约为5.8万美元(发达市场平均年薪超过8万美元，新兴市场同等水平的薪酬较低)，全球知识工作者的劳动力成本总计约为每年32万亿美元。
在基于消费的定价模式下，企业根据AI创造的价值而非占用的席位数量付费，供应商可以根据节省的劳动力成本而非软件预算来定价。如果AI最终能大规模自动化40%的知识工作(这是一个合理的中间值)，而供应商能从中获取20%的价值(与企业软件的历史规律相符)，那么计算方法如下：
32万亿美元 × 40%自动化 × 20%的获取率 = 2.56万亿美元/年。
基于此公式的保守假设约为1万亿美元，而乐观估计则要接近5万亿美元。但即使是保守估计，也足以带来变革。
关键的结构性要点在于，这种定价模式是基于劳动力成本而非软件预算。两者规模相差10到50倍，因此从按席位计费到按需付费的转变，是企业AI领域最值得关注的商业模式演变。
3，物理AI和机器人：下一个万亿美元市场
如果知识工作量的数字已经让人大吃一惊，那么体力劳动量的数字一定会让你瞠目结舌。
全球约有30亿体力劳动者，他们从事制造业、建筑业、农业、物流、仓储、运输业、餐饮业和医疗保健业等工作，年均总收入约为1.3万美元(发达市场劳动者年均收入4.5万美元，发展中市场年均收入8000美元)，全球体力劳动总成本约为每年39万亿美元。
这一数字超过了知识型劳动者的规模。到目前为止，我们一直在讨论AI如何取代思考，下一个阶段则是AI如何控制动作。
物理AI指的是那些不仅能生成文本，还能控制机器、成为机器人“大脑”的模型。机器人即服务(Robot-as-a-Service)，即供应商租赁而非直接出售集成硬件/软件系统，已经成为一种新兴的商业模式。
Figure AI与宝马的合作、亚马逊的仓库机器人建设以及特斯拉的Optimus项目都证明了这一点。
我们目前正处于一个成熟后年收入将达到4万亿至5万亿美元的行业初期，假设未来20年内，可自动化体力劳动的渗透率能达到约40%。
与其他行业相比，这个垂直领域的门槛有所不同。它并非主要取决于核心模型的能力，而是更多取决于硬件成本曲线。
人形机器人的单价需要达到1.5万至2万美元左右，才能实现广泛的经济效益。目前价格在2万至3万美元之间，并且还在下降。
历史经验表明，硬件成本曲线的走势不容忽视。例如，21世纪初，工业机器人手臂的成本超过10万美元；而如今，像Universal Robots生产的协作机器人，部署成本低于3万美元。
过去二十年，太阳能组件的成本下降了90%以上。2010年以来，锂离子电池成本下降近85%。硬件成本曲线的发展远超大多数分析师的预测。
总潜在市场：7万亿美元
现在把这三个收入来源的预估值综合起来考虑：7万亿美元/年！
几乎是超大数据中心今年在AI相关资本支出的10倍。
对投资者而言，利润率才是最重要的。那么我们来算一下利润率。
AI企业也存在成本。消费级AI很大程度上是一个规模化的软件业务。随着硬件的改进和效率的提升，推理成本大约每12-18个月下降10倍。成熟后，消费级AI的利润率应该会接近成熟软件的经济模式，约为50%-60%的运营利润率。微软Azure的运营利润率就在这个水平，谷歌成熟产品的运营利润率也大致在这个水平。
知识型企业级AI的利润率在35%-45%之间：计算成本高于消费级AI，因为复杂的企业查询运行时间更长，但仍是一个软件业务，没有主要的物理成本结构。
物理工作/RaaS(资源即服务)的结构则不同。机器人会折旧、需要维护、消耗能源，并且需要现场服务团队。更像是工业租赁业务，营业利润率在20%-30%之间，仍然不错，但与软件行业比还是差一些。
如果将7万亿美元的收入基数做综合计算，营业利润率约为32%。假设企业所得税率为21%，那么在完全成熟后，税后年营业利润约为1.77万亿美元。
作为参考，标普指数目前每年的税后收益约为1.5万亿美元。AI技术栈成熟后，收益可能会超过这个数字，或许会集中在少数几家公司手中。
AI资本支出的投资回报率
如果资本支出保持在每年7000亿美元，持续20年，累计总支出将达到14万亿美元。其中约55%-60%为维护性资本支出，用于更换每隔几年就会过时的GPU、更新网络设备以及升级冷却系统。因此，20年内新增净投资资本约为5.9万亿美元。加上约5000亿美元的现有基础设施，累计净投资资本总额约为6.4万亿美元。
成熟期投资回报率(ROIC)：1.77万亿美元税后净营业利润(NOPAT)/6.4万亿美元投资资本 = 约27%-28%。
作为参考，谷歌成熟期的投资回报率约为25%-30%。微软的投资回报率在35%-40%之间。苹果是过去20年来投资回报率最高的大公司，投资回报率高达50%-55%。
因此，在6.4万亿美元的投资资本基础上实现28%的投资回报率，并产生1.77万亿美元的年利润，完全不是盲目投机，而堪称美国商业史上最伟大的资本配置周期之一。
现在考虑一下“悲观情景”，即7.7%的投资回报率，这确实很糟，几乎只高于资本成本。
但这假设收入低于预期中值的一半，利润率因竞争而大幅压缩，以及税率上升。一个合理的悲观情景，而不是基本情景。
然后再来考虑一下乐观情景，投资回报率接近50%，这反倒是非常有可能的，而且比悲观情景的可能性要大得多。
在这种水平下，大科技公司完全可以在未来几十年内每年投入超过1万亿美元用于AI资本支出。(待续)
声明：
所提供信息仅供研究决策参考，不构成投资建议。
所含原始信息来自网上，由作者分析综合，不能保证准确性和完整性。
文中包含的预测基于对市场状况的多项假设，无法保证实现预期结果。
本文初衷是给予您在选股过程中提供一定的智力支持，但无法代替决策，请保持独立判断。