GIC CEO Lim Chow Kiat:AI投资的关键不是技术能否成功,而是多少成功已被定价
新加坡政府投资公司GIC CEO Lim Chow Kiat在2026年GIC Insights演讲中提出,投资者面对AI的核心问题不是判断技术是否成功,而是评估当前价格已计入多少成功。他构建了两个情景——智能变得充足可规模化,以及进展停滞——并指出后一种情景下,股市集中度、信用市场压力和赢家输家互换将同时显现。
新加坡政府投资公司GIC CEO Lim Chow Kiat在2026年11月17日旧金山GIC Insights大会上发表开幕演讲,提出了一个他认为当前AI投资者最应关注的问题:不是AI能否成功,而是多少成功已经被定价。这一判断建立在他对两个相反情景的系统分析之上。
第一个情景是智能变得充足且可规模化。Lim Chow Kiat指出,达到特定性能水平的AI模型成本正以每年约十倍的速度下降,但实现这一前景需要克服物理、金融和监管三重瓶颈。芯片、电力、电网接入、冷却和熟练劳动力的供给受限;数据中心用电量到2035年可能翻三倍,且大部分增量集中在已经拥堵的电网区域。金融资本方面,仅五家科技公司的数据中心资本支出已超过全球油气生产投资总额;运营现金流已不足以支撑建设,这些公司今年发行的投资级债券是去年全年的两倍以上。
假设这些瓶颈被克服,Lim Chow Kiat认为对投资者有三个后果。第一,我们会使用远更多的智能——正如杰文斯悖论所暗示的。消费者AI支出过去一年翻了三倍至400亿美元,企业AI支出接近2000亿美元。但采用极不均匀:GIC组合公司Ramp追踪的85000多家美国企业中,支付AI费用的公司里,前1%每位员工每月花费超过10000美元,典型公司仅约16美元。企业正沿S曲线爬升,收益分阶段到来:先是生产力,然后是流程再造,最后才是新收入。德勤调查显示,仅30%的组织正在围绕AI重新设计流程。
第二,摩擦会消失。传统经济价值大量依赖摩擦——查找信息的时间、切换供应商的成本、按小时计费的工作、时区差异和层层中介。AI正在消除这些摩擦,但不均匀。软件股今年2月曾因AI代理将取代其产品的担忧而大跌,此后涨跌交替,Lim Chow Kiat认为这提醒投资者区分市场情绪与商业基本面。他判断,深度嵌入客户运营、保存权威记录或运行受监管流程的软件最为抗冲击,但如果竞争对手的AI代理成为编排工作的层,利润率仍可能承压。
第三,规则会改变。当技术深入经济到这种程度,政府终将回应。Lim Chow Kiat提出三个观察方向:少数公司控制最强系统时,政府靠竞争还是像公用事业一样监管?AI提升生产力但减少入门级岗位时,谁为再培训买单?AI代理犯下昂贵错误时,是模型开发者、部署者还是依赖它的客户承担责任?每个答案都将价值从一个群体转移到另一个群体。
第二个情景是进展停滞。Lim Chow Kiat指出,许多硅谷人士相信AI将在十年内改变经济,但历史表明可能需要更长时间——电力从发明到转化为工厂生产力花了约40年。如果走这条路径,三件事会随之发生。
第一是股市。标普500前十大公司大多与AI紧密相关,目前占其市值近40%。其中几家公司的投资超过了其业务产生的现金,差额靠债券和新股弥补。投资者接受了这种安排,前提是增长会更快兑现。近几周的市场抛售已显示这种信心可以多么迅速被动摇。如果增长延迟,估值将受到考验,持有这些公司的众多组合也将承压。
第二是信用市场。新借款目前资助了最大云公司约三分之一的资本支出,而2024年这一比例还不到十分之一。如果进展停滞,压力可能首先出现在规模较小、负债更多的建设者身上。而且由于许多投资者同时持有这些公司的股票和债券,债券对组合的对冲效果可能不如以往。
第三是赢家输家互换。围绕AI重组的公司会发现节省比计划更小或更慢;今天看起来最容易被颠覆的企业反而获得喘息空间。
Lim Chow Kiat由此得出结论:对投资者而言,问题不是AI能否成功,而是价格中已经包含了多少。一家强大的公司,如果其价格假设一切顺利,可能是一笔糟糕的投资;一家受威胁的公司,如果其价格假设最坏情况,可能是一笔好的投资。
他给出了GIC的应对原则:分散化(在AI之外寻找高质量业务,但承认AI占市场比重过大使得远离它有极限)、颗粒度(逐家判断而非买入宽泛主题,沿使能者、变现者、采用者价值链,以护城河、管理层和动量检验每家公司)、敏捷性(保持足够组合流动性,关注实际部署量、模型改进速度、客户获益、数据中心利用率和融资成本等信号)。
这一框架的价值在于它将AI投资从技术判断问题转化为定价问题。它不要求投资者预测AI的终极走向,而是要求他们审视当前价格对增长、资本结构和竞争格局的隐含假设,并追问:如果这些假设部分落空,哪些持仓会首先承压?哪些被过度悲观定价的标的反而提供了安全边际?Lim Chow Kiat没有给出具体标的或买卖建议,但他提供了一个可操作的思考结构:在两种情景都合理时,分散化、颗粒度和敏捷性比方向性押注更可靠。