价值投资是一种金融投资理念,其主要投资标的是交易价格低于其内在或账面价值的股票。技术创新投资的驱动力并不一定总与财务回报相关。当相关时,技术投资便与金融投资类似,因为两者都需要针对资产(如股票或技术)做出投资决策,并寻求财务回报。然而,两者并不完全相同。
价值投资背后的基本概念很简单:如果你知道某物的内在价值,在该物打折出售时出手,就可以省下很多钱。如今,数字技术(例如人工智能[AI]、云计算和增强或虚拟现实[AR/VR])已成为不可或缺的资产,可帮助企业机构提高生产率和打造更优质的产品。技术创新领导者可运用价值投资原则,降低投资风险,改善投资回报。
制定自己的技术投资战略——与“市场先生(Mr. Market)”保持距离
“市场先生”是经济学家格雷厄姆假设的一种情绪型投资者。市场先生受到恐慌、热情和冷漠等情绪的驱动,会受恐惧和贪婪等情绪的左右在悲观和乐观情绪之间摇摆不定。这一假想投资者形象旨在阐释整个市场何以呈现出这些特征。
不幸的是,市场先生现象在技术创新投资中也屡见不鲜。当技术创新投资受到市场先生的影响时,由于决策并非基于理性考虑,因此极有可能失败。与股票市场一样,市场先生推动技术创新领导者追求被过度炒作的创新,并因而忽略了具有长期价值的创新。这与Gartner的技术成熟度曲线研究报告不谋而合。技术成熟度曲线报告显示,多数创新(技术、服务和学科)都是在过度追捧下取得进步,接下来依次经历幻灭、主流采用和成为主流生产力的不同阶段。
投资最适合企业机构的技术——留在能力圈内
能力圈是一个价值投资概念,指投资者对特定行业、业务或投资的理解和知识。本质上是投资者具备深厚知识的专业领域。投资者深入了解业务模式、竞争格局、成功的关键驱动力,以及与投资相关的风险和机遇。
就技术创新投资而言,能力圈是指:尽管技术在不断发展和变化,投资者依然对其具备深厚的理解。此外,技术创新领导者必须能够确定某些技术是否能够帮助企业支持或发展业务,以及是否具备成功的关键因素。虽然技术创新领导者经常投资于技术以解决业务问题或保持竞争力,但现实情况是,并非所有技术都适合所有企业机构。
确保安全裕度
价值投资者对于财务风险有着一定的预期。安全裕度是投资者在投资决策中的缓冲或缓冲空间,以确保最终损失落在可接受的限度内。从本质上讲,如果一项投资的安全裕度较高,意味着其市场价格远低于其内在价值。高安全裕度有助于抵御市场先生情绪的影响。
并非所有技术创新投资都会立即成功。有些会遭遇“动荡“,而另一些则可能以失败告终。使用安全裕度方法意味着:选择与预期投资成本相比具有较高”内在价值“的技术。
承诺制定长期投资战略
短期投资需要面对大量不确定性,因为短期内,股价会受到利润波动的严重影响。这些由市场先生现象导致的小幅波动会随着时间的推移而自我纠正,并且从长远来看不会影响公司的价值。在价值投资方面,长期投资的表现优于短期投资,其稳定性更高,总体效果更好。
在技术创新投资方面,短期成果在某些场景下具有吸引力。然而,它们并不能克服由于技术的沉没成本而损失更多资金的风险,因为这些技术可能会过时。更重要的是,从长期来看,这一策略的表现并不一定会优于投资回报率更高的机会。
评估价值投资原则的用例——价值投资策略的局限性
尽管有过不少业绩斐然的过往记录,但价值投资并非万能灵药,其自身也存在局限性。就连巴菲特也因遵循价值投资原则而犯下了一些令人遗憾的错误。他错过了亚马逊和Google的现象级行情,只在Apple成为一家大型企业后才对其进行了投资。价值投资是一种厌恶风险、相对保守的战略。对于新兴技术的投资来说,这一策略可能效果不佳。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。