作者：penny, Siqi, Max
道瓊斯工業指數代表了工業革命的成熟，納斯達克 100 指數代表了網際網路科技革命，而我們設計併發布的 AGIX 指數（Bloomberg Ticker: SOLEAGIX) 代表的是新一輪 AI 革命。
作為技術熱愛者和 AGI 的堅定信仰者，拾象團隊全身心投入到矽谷一線，走訪和調研 LLM 行業，對模型技術和 AGI 程序有深入理解；作為投資人，我們堅持研究全球最優質的公司，親身感受到從移動網際網路到雲計算，再到 AI，每一次技術正規化的轉變，都需要全新的框架和 mindset 來做判斷。
AGIX 指數是我們過去三年研究海外科技公司和 LLM 行業後沉澱的產品，我們既對 AGI 的遠期未來抱有堅定信仰，也希望用客觀的框架觀察近期的動態演進。
AGIX 指數從上千家上市公司中層層篩選至 50 家左右，並隨著行業發展調整數量和權重，幫助我們感受 AI 價值在不同領域和板塊之間的流動。根據對過去六年的回測，AGIX 的年化收益率為 29%，今年的 YTD 漲幅是 22.69%。
隨指數一同釋出的還有 AGIX 潛力模型，AGIX 潛力模型是納入 AGIX 指數公司的框架標準，由此我們能更直觀感受到優秀的 AGI 公司，如何從早期探索者逐漸成為行業 leader，也更期待隨著 AI 時代“蘋果”、“英偉達”的上市，他們可以不斷被納入 AGIX 指數。
AGIX 指數將延續拾象一直以來堅持的開源精神和“公共品”屬性，歡迎更多朋友一起討論和提出建議，共同把 AGIX 指數打磨成 AGI 浪潮中的價值工具。
01.
Why Now：為什麼現在需要 AGIX 指數？
我們正站在新一輪超級生產革命的開端。
過去兩年，我們經歷了 AI 行業動人心魄的智慧爆發，也經歷了對資料中心和 GPU 大基建的瘋狂投入與豪賭。智慧的爆發是以模型萬億引數、資料幾十萬億 token 數、計算量 10 的 23 次方 FLOPS 來計量堆積的，雲廠商對基建的豪賭則以數百萬張 GPU、千億美金計數。
與此同時，人們對 AI 應用爆發的期待暫時落空。一邊是英偉達引領整個 Semi 板塊狂歡，另一邊則是軟體板塊的疲軟——所有軟體上市公司都在探索使用 LLM，但幾乎沒有公司能明確說出由 LLM 帶來的決定性收入，和購買 GPU 不同，LLM 的最佳實踐和效果量化都還不清晰。
疑問自然會產生，這些萬億引數的 scale up 和千億美金的基建投入到底帶來了什麼？
積極的點是，我們能從歷史中學到耐心：
1. AGI 是底層通用能力，不是一個 Killer App
在人類發現蒸汽動力和電力後，為了駕馭和釋放其能力，對基礎設施進行了長達半個世紀的投入。AGI 也是一種強大的底層通用能力，我們正在透過投入算力、投入對可解釋性的研究，嘗試駕馭這個能力。在通用技術出現的早期，期待其作為獨立產品併產生巨量收入，顯然是對其能力的低估和短視。
2. 應用也的確帶來了收入
OpenAI 最新的 ARR 已經超過 30 億美金（年底預計能做到 80-100億美金），加上所有其它 Gen AI 創業公司年收入超過 40 億美金，根據美國紅杉的報告，這個體量已經超過 SaaS 行業前十年的收入總和。
3. 我們還處在三個階段的初期
歷史上每一次科技變革，都會經歷“硬體投入——infra 建設——應用真正爆發”這三個階段。
• 先有鐵路，才有運輸帶來的經濟活動；
• 先有摩爾定律和個人 PC、智慧手機，才有網際網路和移動網際網路應用；
• 先有資料中心和雲，才有數十年來企業上雲帶來的軟體神話。
反映到相關公司的歷史股價上也是如此，不同板塊會隨資本收益的變化逐漸從硬體層傳導到 infra 層、應用層。
以移動網際網路為例，在行業發展初期，Cisco、Oracle、高通等硬體公司，Apple 微軟等 infra 公司是巨頭，Amazon 的市值只有 Cisco 的三分之一， Google 也不算大；到了行業成熟期，Google 和 Amazon 的市值已是硬體公司的 10 倍。
AI 行業也會經歷這三個階段，目前尚在 hardware 和 infra 投入期。馬斯克宣佈為 xAI 搭建 10 萬卡集群后，雲廠商巨頭也會立刻跟進，圍繞著資料中心上下游的電力、foundry、互聯、儲存等公司會繼續作為 AGI 的基建助推行業發展。而應用公司會在這之後爆發。
這個過程是動態演進的，遠期具有確定性，近期則充滿未知。為了最大化捕獲 AGI 的機會，把握遠期的確定，觀察近期的未知，我們設計並推出了 AGIX 指數。
4. 我們可以用一套框架把握遠期的確定，觀察近期的未知
作為技術熱愛者和 AGI 的堅定信仰者，拾象團隊全身心投入到矽谷一線，走訪和調研 LLM 行業，對模型的理解紮實深入，對 AGI 的程序和突破很有把握。
作為投資人，我們每年深入研究數十家全球最優質的公司，親身感受到從移動網際網路到雲計算，再到 AI，每一次技術正規化的轉變，都需要全新的框架和 mindset 來做判斷。
AI 是全新的 disruptor，還是現有公司的 enabler，無法用單一標準概括，這既是底層智慧，也是新的應用開發和互動正規化。AGI 既會產生全新的、自動化的 agent 產品，也會紮根現有業務，做漸進式和混合式創新。
模型能力的“湧現”和“跳變”會帶來 AI 經濟價值的非線性解鎖。由於它的非連續性，擁有使用者工作流和資料的成熟公司可能會在跳變的初期受益於 AI 帶來的成本節約和護城河加深，這類公司主要由上市或即將上市的公司構成。
AGI 的成本結構和商業模式也有很多變數，就像 mobile internet 相對於 media 行業把內容創作的門檻徹底打掉，AGI 也可能把軟體開發的門檻降低至忽略不計；企業上雲帶來新的軟體訂閱模式，AGI 也可能帶來全新的商業模式——可能是真正按照被創造的經濟價值付費。
因此，我們認為需要新的研究標準，做出能反映整個 AGI 行業動態演進的指數，供行業參考和追蹤：
• 道瓊斯工業指數代表了美國工業社會的成熟，納斯達克 100 指數代表了網際網路科技革命，我們的 AGIX 指數則代表了新一輪 AI 革命，正如納指定義了什麼才是科技公司，我們需要新指數來定義什麼才是真正的 AI 公司；
• AGIX 指數會比其它指數有更高的 AI exposure，對 AI 投資者和行業關注者來說，AGIX 指數是絕佳的 benchmark，用來觀察和研究 AI 行業的程序，行業的泡沫期、瓶頸期、平穩期、繁榮期，都會被忠實反映在指數中，長期來看我們相信行業會進入成熟穩定的發展期；
• AGIX 指數從上千家上市公司中層層篩選至 50 家左右，並隨著行業發展調整數量和權重，我們能在其中看到各個行業板塊隨 AI 發展起到的不同作用，也能看到真正優秀的 AGI 公司，從早期探索者逐漸成為行業 leader ；我們更期待看見隨著下一個 AI 時代“蘋果”“英偉達”的上市，他們可以不斷被納入 AGIX 指數。
按 Weights 排序 AGIX Index 前 10 大公司股票
02.
AGIX 指數構建
我們的 AGIX 指數產品包含兩個部分，第一部分是由 50 家左右公司組成的指數本身，第二部分是我們納入公司使用的篩選標準，即 AGI 潛力模型。
指數本身包含三個板塊：Hardware，Infra 和 Application。
Hardware：新摩爾定律改變了硬體行業週期性
我們把晶片和資料中心上下游的公司放在 hardware 層。
“新摩爾定律”是大模型時代的技術預言，也是 Scaling law 的底層基礎，並已數次得到驗證：每 1-2 年模型水平能提升一到兩代，模型訓練成本每 18 個月降低四倍、推理成本每 18 個月降低 10 倍。
和傳統摩爾定律不同，新摩爾定律不僅包含了成本下降，還預言了模型能力的提升。在此背景下，模型能力的提升能持續解鎖經濟價值更高的能力，倒逼算力軍備競賽的持續投入，因此傳統硬體作為週期股的特點被打破了，加速晶片上下游產業迎來結構性機會。
追求 AGI 的過程本質是用算力壓縮智慧。目前，“算力消耗/智慧價值輸出>人力產出價值/平均工資”，產生智慧的價效比還未達到臨界值。我們有理由相信算力的軍備競賽至少還會持續 12-24 個月。
Infra：資料不是鏟子，而是鍊金術
我們把模型 training、deploy、inference、monitor 等相關的公司放在 infra 層。
infra 層最早的受益者是雲廠商，雲廠商不僅因為 GPU 訓練增加收入，也會獲益於企業客戶對 LLM API 的呼叫——許多客戶訪談和調研都顯示，企業傾向於透過熟悉的雲廠商使用模型，能獲取更好的安全隱私保障和客戶服務。
我們也看好其它 infra 公司在 AGI 中發揮核心作用，這類公司很多圍繞著資料構建，資料是 foundation model 及 AI native 應用中最重要的元素，也是“計算”的抽象沉澱。以資料標註著稱的 Scale.AI 為不少企業提供 RLHF 服務，年合同額已超過 10 億美金。不少公司幫助企業客戶用 RAG 等技術棧使用企業內部資料，或是幫企業用自身資料準備優質的資料集、 fine tune 模型。還有更多新的 workflow 仍在被探索和形成。
AI 應用的 inference 和 monitor 也和資料息息相關，如何構建自動化的 pipeline，把模型產生的資料和使用者產生的資料做好反饋和關聯，是應用是否成功的關鍵，也是現在的難題。
有趣的是，以前我們常把 infra 業務比作賣鏟子，價值捕獲的比例不高。但在 AGI 時代，和資料相關的 infra 不是鏟子，而是能點石成金的鍊金術，好的資料直接決定了模型效果。而能夠讓模型最大化企業資料價值的新 data stack，一定會產生巨大價值。
Application：新的 PMF 是 Product-Model-Fit
我們把 OpenAI， Midjourney， Adobe， Salesforce， Google 等直接使用 LLM 為 end user 提供產品的公司放在 application 層。
目前產生可觀收入的 AI-native 應用大多是模型即應用產品，因為直接生成（圖、文、影片、聲音、音樂）本身最容易找到 product-model-fit，簡單粗暴。
但當我們想要模型不只生成，而是進入複雜 workflow，完成多步驟推理任務，所花的精力要比直接生成多不少。根據 a16z 的報告，70 家世界 500 強公司中仍有超過一半是依據對 AI 的信念在進行內部投資，尚不知道能用 LLM 做出什麼可用產品。
要理解新的 product-model-fit，就要理解模型能力的漸進式解鎖，AI 應用的探索可能也包含三階段：①組合性創造 –> ②探索性創造 –> ③變革性創造，AI 資訊檢索產品 Perplexity.AI 是組合性創造，long context 的推理任務，比如寫一篇投研報告是探索性創造，輔助科學發現室變革性創造。
幸運的是我們已在 AI 應用爆發的前夜——
• 已有一些公司在 earnings call 中透露更具體的 AI 客戶數，比如 Elastic 提到 vector search 功能有 1000 個付費使用者
• CIO 們對 AI 投入生產的預期在變得樂觀，根據 MS 的報告，有 33% 的 CIO 認為公司的 AI/LLM 應用會在 2024 年下半年落地
• 模型成本下降是比模型能力提升更確定和量化的事，我們很難確保模型智慧每年都提升 2 倍，但模型推理成本每年一定能下降 10 倍
• 全球 60% 的人口已擁有智慧終端，AGI 擁有潛在海量的互動入口和天量的終端資料，一旦我們接近模型能力和成本的平衡點，AI 接管世界的速度會比想象中更快
在我們構建的指數中，按照 weights，AI hardware、 infra 和 application 公司當前分別佔 40%、40% 和 20%，根據前文討論，由於現在我們處在硬體投入期，因此硬體公司佔比較高。隨著模型能力跳變，越來越多的應用會隨之湧現，我們也將動態調整三個板塊的權重，以反應行業價值捕獲的變化。
自 ChatGPT 釋出以來，我們的 AGIX 指數已經呈現出與傳統“新經濟”指數表現的重要分化：
03.
AGIX 潛力模型
除了對三個板塊做出判斷，我們還對每家公司是否能被納入指數構建了標準，並根據標準劃分出 AGIX 潛力象限。象限的橫軸是 AI Readiness，縱軸是 AI Potential。
AI 耦合度（ AI Readiness）
AI Readiness 主要著眼於當下，用來衡量公司的現有業務的 AI 進展，AI 給業務帶來的正向影響越大，已經因為 AI 而產生的收入貢獻越多，這個數值越高。
典型的高業務耦合度公司有：
• NVIDIA 所代表的 AI hardware 是 AGI 浪潮最直接的受益者，它們為 AI 發展和執行過程的物理基礎設施
• MSFT， Amazon， 和 Google 等雲計算巨頭也是直接受益者：雲平臺是企業訓練和部署模型的重要基礎設施，也是模型的關鍵分發渠道，Azure 的 AI 收入佔比已達到 7%，AWS 的 AI 收入貢獻據估算佔 3%，環比增加 2%，其中大部分來自Anthropic
• Datadog 的產品在需求側有明確的 AI 客戶，有 2000 名客戶把 AI 相關的資料放入 Datadog 產品進行監測，包括 OpenAI 在內的 AI 客戶佔總收入的 3.5%
也有公司沒有因為 AI 直接增收，但在降本增潤上有明顯成效，例如 Klarna 稱在業務中大規模使用 AI，2024 年 Q1 運營費用降低了 11%。
AI 潛力（AI Potential）
AI potential 側重前瞻性視角，用來衡量在可預見的未來幾年，公司和 AI 的結合能帶來多大的業務影響和潛在收入。考慮到模型能力的進階，今天受限於智慧水平的場景也會在未來解鎖，這些場景下的公司也會獲得充分的 AI exposure。要捕捉 alpha 收益，就要先於市場識別出“價值窪地”。
大多數軟體和應用公司還沒能像 semi、infra 領域的公司那樣已經享受到 AI 帶來的收入增長，但這並不影響他們透過在 AI-driven 的獨立產品線上做投入、準備提前鎖定未來 3-5 年的市場價值：
•Apple 最近宣佈了 Apple Intelligence，作為使用者和 AI 互動的最自然終端，Apple 的戰略卡位非常優越，整個 IOS 系統、Siri 與端側模型的結合，都能讓人看到 Apple 巨大的 AI Potential，市場也有共識 AI 會明確有助於 iphone 使用者換機
•Adobe 佈局了 GenAI 套件 Firefly，並在 PR 等已有產品中接入了 LLM，多模態生成的成熟疊加 Adobe 擅長的複雜工作流和可控性，可能會帶來可觀的付費增長
•Servicenow 在企業各類工作流中有可觀的滲透率，有很大潛力因為 Agent 的成熟直接向企業客戶銷售智慧的自動化產品
在對所有市值超過 20 億美金的科技公司根據 AI Readiness 和 AI Potential 進行打分後，我們能夠把公司放入不同象限中，並對四個象限進行了命名：
•Leaders：不僅因為 AI 獲得收入增長，更是 AI 的關鍵推動者，它們的增長和 AI 的發展互為牽引
•Enablers：通常位於晶片、雲平臺、資料環節的上下游，他們本身的業務並不使用 AI，但是 AI 行業發展的助推者
• Adopters：將 AI 作為重要戰略進行投入，已推出 AI-driven 的產品或業務線，在可預見的未來，這些產品會帶來新的收入或使用者規模的增長
• Beginnners: 和 Adopters 相比，對 AI 的嘗試更為簡單初級，多數停留在 feature 層面
被篩選的公司只是冰山一角
由於真正具有 AI Readiness 和 AI Potential 的公司較少，被篩選入公司的指數只是冰山一角。在構建指數時，我們也對不符合條件的公司進行了評判。
我們認為當下只有 10% 左右的公司能夠和 AI 進行有意義的結合。
未來，AI 作為通用技術會逐步滲透至各個垂類行業，並且在非軟體和科技相鄰的行業，例如農業，製造業等提升其收入增速進而得到資本市場的認可並調整其估值倍數，釋放公司價值。
我們相信，AGI 會在整個人類社會創造巨大的經濟效益，甚至有可能托起更大的冰山。有些現在看似傳統的公司會因為 AI 的成功 adoption 而受益，逐漸浮出海面，就像現在有不少傳統公司也在經歷數字化和上雲一樣。當然，也有公司會被徹底顛覆，沉入海底。
AI 科技週期下的新一輪價值分配剛剛開啟，我們既要尋找基於新技術勇敢挑戰巨頭的破壞式創新者，也要識別出那些能夠貫穿週期的價值王者。
伴隨模型更多能力的解鎖，AI 在企業和消費級場景下 massive adoption 的深入，AI 創造的價值也會在不同領域、不同公司之間流動。為了讓 AGIX 更準確地反映出 AI 水溫，我們會對納入 AGIX 指數的公司不斷更新調整，於此同時，也會發布 AGIX 指數公司的深入研究、AGIX 潛力報告等。
為了將 AGIX 指數打造成價值決策工具，圍繞 AGIX 指數拾象還會推出更全面的資產配置產品及服務、探索 AI-native 時代屬性的投資正規化。
延伸閱讀