Punam Sharma，歐洲股票研究主管
John Stavis，亞洲股票研究主管
我們的研究團隊分析了人工智慧（AI）對公司基本面的影響。
本文重點
- 富達國際的研究分析師團隊一直密切關注企業如何開始將 AI 商業化，以及這些投資在實際營運中帶來的改變。
- 團隊也分析了資料中心等更廣泛的 AI 範疇，例如資料中心建設，以及哪些公司有望受惠。
- 在評估 AI 對所研究行業的影響時，分析師重點考慮 AI 對就業與經濟成長帶來的連鎖效應。
一年前，大部份富達投資分析師預測 AI 於 2025 年對公司獲利能力的影響仍有限。因為大部份非科技產業的企業需要更多時間來導入 AI 技術，並且需要長時間才能見到實質成效。
不過當時的報告也指出，更多分析師預期這些效益，將在一年後逐步顯現。我們最新的研究團隊調查顯示，這一轉變正在發生。近半數分析師表示，他們預期 AI 將在 2026 年對其所研究公司的獲利能力產生正面影響，這一比例遠高於去年的四分之一。
AI 如何創造收益？
圖表顯示回答「您預計 AI 將如何影響您所研究的公司未來 12 個月的獲利能力？」這一問題的分析師百分比。資料來源：富達國際，2025 年 11 月。
研究美國銀行業的 Lee Sotos 認為：「主要的變化是 AI 應用的急迫性，一年前銀行的應用案例還只是籠統的構想，但現在已經進入研究實際解決方案細節的階段。」
企業如何將 AI 變現
截至目前為止，大多數企業採用 AI 都是為了節省成本。儘管如此，Sotos 認為銀行正以更創新的方式應用 AI 以創造收入。
他表示：「目前我們主要看到的是專注於資本市場的銷售與交易功能，但銀行也在其他領域開發類似應用。例如，當客戶來訪時，系統會提示行員推薦可能感興趣的新產品；在財富管理方面，則能提供客戶最新、最合適投資建議。」
在全球其他地區，為客戶提供更多個人化的服務是銀行業應用 AI 的主要目標之一。此舉有助於提高營運效率、改善客戶體驗及強化防詐功能。
其中，部份功能改進（例如精準行銷或利用生物識別技術檢測詐欺）所利用的科技儘管可以歸類為 AI，但與近期興起的大型語言模型的關聯度較低。
大型語言模型也開始帶來其它改變，專注研究亞太區銀行的分析師 Gaurav Jangale 表示，他在與多家大型銀行的高層對話後發現，聊天機器人正在取代接待人員。
強化營運
分析師預計，金融業是在未來 12 個月，受惠於 AI 的三大行業之一。
2026 年將會受惠的行業
圖表顯示回答「您預計您所研究的公司在未來 12 個月會否受惠於 AI 應用？」這一問題的分析師百分比。資料來源：富達國際，2025 年 11 月。
排名首位的是通訊服務業，所有研究該行業的分析師，皆認為 AI 在未來一年至少令部份這類型公司受惠。
專門研究日本的分析師 Kazayuki Soma 表示：「在過去 12 個月，經過與管理層多次討論，我更加確信 AI 可以提高電信公司的營運效率。 」
「例如，基地台作為支援行動通訊的地面伺服器，AI 可以根據使用情況更靈活地開啟或關閉，提高能源使用效率。」
在其他領域，分析師開始觀察到 AI 應用正在推動多個行業提高效率，如石油與天然氣、礦產及消費零售等。
研究中國主要消費品及運動服飾行業的 Alex Dong 表示，從運動服飾的設計到快餐店的營運效率，均有所提高。
谷歌（Google）、Meta、亞馬遜（Amazon）及微軟（Microsoft）等科技巨頭也正在探索如何利用 AI 增加消費者收入。
研究半導體行業的分析師 Jonathan Tseng 表示：「我觀察到一種非常簡單的方法，可以轉換現有廣告庫存及內容，將其與 AI 生成的內容及 AI 生成的資訊整合。」
考慮到這些公司的龐大用戶群與現有收入規模，即使難以單獨評估 AI 影響，但相關應用有望成為實現 AI 變現的重要因子。
假設 AI 在企業中的普及度持續提升，我們可以預期這項技術將帶來連鎖效應，影響範圍將不限於直接應用該技術的公司。
間接影響一：資料中心建設
AI 技術的擴張帶來一個顯著影響，就是建置資料中心及相關基礎設施。
研究澳洲金屬及採礦業公司的分析師 Sam Heithersay 指出：「支援 AI 的資料中心屬於能源密集型設施，對銅的需求將顯著增加。」
能源分析師 Randy Cutler 補充道：「在我看來，由於綠色能源難以滿足需求，電力生產公司將不得不使用天然氣發電。」
研究北美資本財公司的分析師 Shreeji Parekh 表示認同，並指出市場對穩定供電的發電廠重燃興趣。
她解釋說：「即使配備儲能電池，資料中心需要 24 小時不間斷供電，更適合由天然氣、核能及煤炭等基礎電力支援，而非間歇性的再生能源。」她也指出，目前再生能源儲能電池的供電時間上限僅約四小時。
間接影響二：就業與薪資
整體而言，企業近期的 AI 應用似乎主要集中於降低成本，而最大的一項成本節省來源就是員工薪資。
僅美國每年薪資支出就超過 13 兆美元。如果 AI 能取代其中一小部分，將意味著巨大的商業化空間。目前已有跡象顯示，AI 正減少企業對勞動力的依賴。
中國健康護理行業分析師 Lizheng Zhu 表示：「我所研究的公司，在沒有增加員工人數的情況下，收入增幅達到了 15% 至 20%。」
過往新增職位放緩及失業率上升，向來被視為不利於經濟的訊號，然而現階段儘管納稅人失業可能對政府財政造成壓力，仍有觀點認為，目前情況或許有所不同。
勞動收入下降，無論因裁員或薪資壓力，都會削弱受影響者的消費能力。然而，富裕族群可能因 AI 提升效率、推高股市價值而產生財富效果，部分抵消對 GDP 的衝擊。
AI 在 2026 年的下一步？
我們了解，企業告知分析師的 AI 專案未必全部都能實現預期的投資回報。上述所有問題都取決於一個核心疑問：AI 模型能否實現其所承諾的目標？
目前針對此問題尚未有明確的答案，Jonathan Tseng 表示：「大型企業正在採用代理式 AI 系統，並調整系統以簡化現有的業務流程。這個過程需要時間，因為人員與流程的變革並非一蹴而及。」
另一方面，AI 悲觀論擔心 AI 基礎設施的資本支出可能導致閒置產能，進而減損價值。同時對於那些建置並維護 AI 模型的公司，是否能演變成獲利企業仍存在疑問，因為部分公司的資金需求是現有收入的數倍。
分析師 Josh Han An Xin 在談及所研究的一家大型 AI 模型公司時坦言：「如果已承諾的支出全部發生，我看不到任何能夠達到損益平衡的可能性。」
然而僅保持觀望也可能錯失良機，Jonathan Tseng 補充：「截至目前 AI 模型持續改進，產品化進程亦在快速推進。如果這一環節成功，其他環節也會隨之成功。僅憑舊數據與舊模型就斷言 AI 無法創造價值，無異於當年看見萊特飛行器，便斷定民航飛機永遠無法起飛。」
