柏基視角的智能體時代：柏基投資旗艦產品2026年致投資者的信

自從2022年末，ChatGPT橫空出世後，人工智慧的浪潮不斷湧來。投資者對於人工智慧的投資熱度也居高不下。近期，Anthropic、OpenAI以及包含X.AI的SpaceX都有IPO計劃，這也讓市場對人工智慧的關注度再次站上高峰。

巧合的是，上述這三家企業，是柏基投資（Baillie Gifford）的旗艦產品蘇格蘭按揭投資信託（SMT）最重要的未上市持股。他們的上市，也將為SMT帶來豐厚收益。

硬幣的另一面，是市場對人工智慧的爭論：軟體產業受到巨 大衝擊，龐大的資本支出是否能持續，中美的人工智慧競爭，哪些行業可能會被取代，等等。

人工智慧，可以說是柏基最關注的領域。柏基的一位基金經理曾表示， “投資組合中約95%的持股會以不同方式直接接觸到AI。“

然而，不要以為柏基投資只關注純粹人工智慧概念，而是強調實際應用。“這並不是一個‘AI投資組合’，而是一個由使用AI作為通用工具的企業組成的投資組合。”甚至有柏基的分析師表示：“未來我們不會再特地討論AI，因為它將完全融入我們的生活，最終體現在營收及效率提升。”

從這個角度來看，柏基投資並不把AI視為獨立的“投資主題”，而是把它看成像網路一樣將滲透到各行各業的通用工具。

更有意思的是，柏基投資在其百年發展史上，經歷過大量科技變革。他們親身經歷了多輪科技革命中的發展機遇，以及泡沫的破裂。從這個角度看，柏基投資如何審視人工智慧，也是非常有趣的議題。

柏基投資的旗艦產品：蘇格蘭按揭投資信託（SMT）已發佈年報。我們此前已經分享了第一部分，基金經理Tom Slater。這次我們繼續分享SMT另一位基金經理，Lawrence Burns給投資者的信。在信中，他重點討論了柏基視角的人工智慧發展與投資。

在柏基看來，人工智慧的發展已經從對話時代、推理時代，正式進入智能體時代。如今，軟體產業受到巨大影響，AI正大幅取代人工編碼。然而，產業既有受害者，也有受益者。軟體的基礎設施在未來將發展得更加強大。不僅如此，智能體在知識領域，包括法律、金融、消費，也會產生巨大的變化。關鍵在於企業能否在人工智慧浪潮之下，擁有持久的競爭優勢。

此外，人工智慧並非只限於矽谷，中國在人工智慧變革中也具備多重優勢，包括：實體AI、高性價比，以及產品化能力。這也推動中國在這一波變革浪潮中，孕育出具有重要價值的企業。

最後，柏基從歷史角度思考每次變革體現出的規律，以及投資者該如何應對，也給我們很大啟示。

以下，就是柏基投資的Lawrence Burns 2026年致投資者的信。

智能體時代

2025年1月，人工智慧公司Anthropic的收入年化達10億美元。15個月後，這個數字已突破300億美元。有記錄以來，沒有任何公司能以這種規模和速度，實現自身收入有機增長。Anthropic是蘇格蘭按揭投資信託（SMT）的非上市私募投資標的之一，其推動了生成式人工智慧的第三個時代。

第一個時代是對話時代，始於2022年底OpenAI推出ChatGPT，當時模型開始具備可靠遵循自然語言指令，並能阻止無窮迴圈對話。

第二個時代是推理時代，始於2024年9月OpenAI的o1模型。模型那時學會了停下來，分步思考問題，並

而非本能反應。這讓他們更善於解決複雜問題，尤其是在數學、科學和編碼領域。如果應用程式有問題，可以指示智能體在人類收到更新前找出、修復、測試問題。

2025年11月下旬，隨著Anthropic的Claude Opus 4.5發表，無疑標誌著智能體時代的到來。如今模型被賦予一個目標，能經過多重步驟努力：規劃、調用工具、檢驗自身任務成果，並在無需人類持續指令下持續產生有用輸出。

每個時代都奠基於前一時代，而不是取代它。今日的智能體是學會行動的推理模型，正如推理模型是學會思考的對話模型。

智能體崛起的影響橫跨我們整個投資組合，涵蓋軟體產業結構、消費企業價值、平行中國人工智慧生態的崛起，以及必須建立以滿足無法止息算力需求的實體供應鏈。

軟體

智能體的變革首先在軟體領域進入大規模落地。在過去的軟體產業，工作流程早已數位化、價值高昂、目標通常明確且反饋迅速。 

智能體適應速度極快。Google執行長表示，75%的新代碼如今由人工智慧撰寫。我們投資組合中的公司創辦人最近告訴我們，他們在工程師使用AI編碼工具上的支出已超越給人類的薪資，更重要的是，使用AI工具上得到的報酬率優於人類工程師本身。在Anthropic，如今70%到90%的程式碼由AI生成。

我們正邁向一個軟體愈來愈多由智能體構建、操作、運用的未來，此舉將產生深遠影響。

首先，它削弱軟體價值與「用戶人數」之間的直接關聯──而行業主要定價依賴「用戶數」。其次，這降低了建立軟體的門檻，提高競爭強度，也侵蝕過往依靠累積程式碼和複雜性所築成的護城河。第三，這帶來更深刻的問題──公司價值最終將沉澱在軟體應用，其智能層，抑或掌握數據、理解任務並指揮工作的能力？

市場反應極為迅速。過去12個月間，全球軟體產業市值下跌約2兆美元。軟體產業重定價有其合理處：許多企業原本的估值，幾乎未對AI時代對定價權、競爭、價值分配的影響做出預留。

但市場對軟體產業的重新定價並非選擇性執行，幾乎影響所有公司。並非所有軟體公司都站在同一起跑線。尤其人類直接使用產品的應用型軟體，與其他數位活動所依賴的基礎設施軟體大不相同。如果智能體改變了人們與應用的互動模式，前者的風險會顯著提升。後者則因下游需求增加而受益，如數據查詢、安全驗證、算力負載、支付與身份。

我們在軟體上的配置更偏向基礎設施層。如果智能體要在企業運作中發揮作用，Rancher和Snowflake可組織代理所需的受控公司數據。Cloudflare提供網路及安全層，讓代理型應用可在其上運作，亦協助網站識別、管控、向AI代理收取存取費用。Adyen和Stripe提供支付和信任基礎設施，使智能體能代表客戶及商家安全地進行交易。Stripe創辦人始終謹慎，僅認為智能體變革是隨著一步步業務落地，而非爆發式跳躍；但每一步的智能化，都需要可編程、授權、可信的金融網路。

超越軟體領域

智能體的影響不限於軟體開發。多數知識型工作一旦細分，歸納起來就是閱讀、撰寫、推理及軟體操作。這些能力聯合起來即可完成任務，而這正是智能體目前最擅長的領域。許多看似高度專業的工作，像是起草法律備忘錄、彙整臨床試驗、搭建財務模型、審查專利申請，雖在知識深度上高度分工，但在認知操作層面其實極具通用性。最終，智能體成為無數行業通用的工具。

同樣邏輯也適用於消費企業。智能體可能成為我們的購物、理財及日常助理。如果橫向AI助手插於用戶和平台間，確實構成風險。但最強的平台掌握著代理工作所需關鍵資產：信任、用戶行為歷史、支付、信貸、物流、目錄及商家網路。因此Amazon、MercadoLibre及Sea Limited都致力建構自家垂直代理型服務，讓平台內外皆可消費。

Nubank在金融領域也有類似策略。早在代理崛起前，創辦人David Vélez便告訴我們，Nubank的目標是成為每一位用戶口中的私人銀行家。智能體讓這一切成真：協助客戶管理帳單、掌握支出、精選借貸時機、組建儲蓄並尋找市場最優惠利率。代理提升價格透明度，打造貼身服務並降低用戶操作摩擦。對Vélez來說，這是重大機會。身為低成本經營者，Nubank絕對可望把握先機。

極少公司可不受智能體發展影響。對某些企業，智能體創造新需求；對其他則威脅既有利潤池；許多企業同時面臨雙重衝擊。這將成為未來我們成長型投資關鍵挑戰。SMT完全有能力應對，因為我們在公開及未上市市場均有布局。許多主導AI前線的企業仍未上市，這讓我們得以廣泛感知這項技術的進步速度、落地路徑，及最終潛在產值。

超越矽谷

應對這一挑戰還需納入地理視角。人們常將AI發展歸因於矽谷，這在前沿模型能力層面並無問題，但其實不完整。中國不是單純追隨者，反而在不同條件下培養出不同優勢。

首先是實體智能。模擬雖重要，但當虛擬訓練與現實部署結合時，具身智能進步最高速。中國的製造業基地至關重要，因其擁有全球最大具身智能部署能力。全球最大工業機器人裝機量、密集本地供應鏈、友善政策。成功將軟硬體和製造成本競爭力結合的電動車產業便是最佳範例。我們持股的地平線機器人正處於AI與現實世界結合的樞紐，也將自動駕駛拓展至更廣泛的機器人領域。

其次是高性價比。美國對先進晶片祭出禁令，迫使中國模型公司致力於少花錢、多辦事。這點格外重要，因智能體時代的算力需求將遠遠超過對話時代。若智能體要獲得大規模應用，成本就必須大幅壓縮。我們持股公司之一MiniMax以開源模型，在訓練成本僅為部分的條件下，實現接近前沿能力。它僅是中國更廣泛AI生態體的縮影，一起不斷拉低智能邊際成本。低成本模型不必在每個指標上勝出，就可藉由將智能變得足夠便宜，嵌入應用代理、消費App、企業工作流程、機器人及汽車中勝出。

中國的第三大優勢從我們在字節跳動的持股可見端倪：產品化。字節跳動旗下豆包證明，當生成式AI和深諳推薦、介面、病毒傳播的企業結合時，人工智慧能極速成為大眾習慣。它以超過2.26億月活用戶引領中國市場。人工智慧下一階段不再由純擁有最大模型決定，也屬於能讓「智慧」變得便宜、有用、實用而成生活習慣的公司。

實體供應鏈

上述變革最終將直接波及實體供應鏈。生成式AI各時代皆推高了算力需求，卻未消除先前需求。模型訓練是對話時代最早推手，隨前沿實驗室規模化，模型訓練負載也節節升高。推理時代新增第二層：模型不再只給答案，更花算力推敲邏輯、檢查、評估選項。代理時代更添第三重負載，且為增長最快的一層。Anthropic數據顯示，單一代理無論消耗算力即是聊天四倍，多代理系統更預估達15倍。

更大變化是，至今為止AI需求隱含受到人類注意力限制──一個人一天能問的問題有限，每個輸出都須輪候新指令。智能體已經大幅移除這道限制。一旦給定目標，代理可自行多輪推理，即使在使用者睡著時也能自主執行，並且與其他代理協同完成同一任務。

這三個時代共同構成複合型S曲線，其算力需求從未趨緩，每個新時代都高於前一波。最直接後果便是晶片需求陡增且持續攀升。正因如此，我們堅持深度佈局在晶片供應鏈，包括我們最大配置的台積電、ASML，以及持續增持的Nvidia。

投資供應鏈就是對AI成長下注，而非猜哪家企業最終獲勝。不論哪個應用最終領先、哪個模型跑贏大盤，潛在算力需求終將匯聚於少數玩家手中。這也是為何投資供應鏈，是擁有AI成長紅利的極具吸引力方式。

革命模式我們很清楚，革命性技術的歷史也是市場過度修正的歷史。即便是最具顛覆性的創新，人性及市場心理都有誤判其發展路徑的「可靠能力」。

19世紀鐵路公司重塑現代經濟。於19世紀80年代高峰時佔美國股市市值六成，之後一連串蕭條終於摧毀大批資本。18世紀末運河、20世紀90年代的光纖網路建設都循類似軌跡：真正的技術進步、實質經濟影響，同時伴隨資本過度膨脹。

面對AI發展，我們確實應該預料會出現與歷史相呼應的現象。然而理性反應不是遠離技術革命，因為這並非「安全」決定。假如AI顛覆多數產業，完全規避它並不能消除風險，只是換個風險敞口而已。你反而更有可能持有那些被顛覆的一方，而非享有世代優勢的企業。

投資人真正困難之處反倒是保持配置，但避免無差別下注——懂得分辨長期價值與暫時熱潮、分辨有利基礎設施與脆弱App、分辨單純「喊」AI的公司，和能把AI轉化為常態賺錢優勢的企業。智能體能力的崛起，讓我們更加堅信AI需求將不斷擴張。

但歷史一再提醒我們要謙遜。每場變革都會有浪費、失望與過度建設。我們的工作不是對AI所有敘事都買單，而是持有那些隨著智能變得更便宜、更強、更廣泛部署便能真正獲益的優秀公司。

Lawrence Burns

SMT基金經理

柏基投資（Baillie Gifford）