Manager Review: Lawrence Burns

作者判断「代理时代」已经到来，AI算力需求将呈训练/推理/智能体三层叠加扩张，应重仓参与而非回避——【乐观】

• Anthropic年化收入运行率15个月内从10亿美元跃升至超300亿美元，作者称有记录以来没有公司在同等体量与速度下实现过这样的有机增长。
• 代理时代由Anthropic Claude Opus 4.5（2025年11月末）开启，单智能体消耗约对话4倍算力、多智能体系统约15倍，且人类注意力上限被移除。
• AI编码已冲击软件业：全球软件板块过去12个月市值蒸发约2万亿美元，作者认为抛售「无差别」，其持仓偏向受益的AI基础设施层。
• 中国AI以物理AI、成本性能、产品化三大差异化优势形成独特路径，ByteDance旗下Doubao月活超2.26亿居中国市场首位。
• 截至2026年3月31日年度，股价与NAV分别跑赢基准8.8和9.4个百分点；作者以铁路/运河/光纤历史警示泡沫，但认为回避只是把风险转移。

---

Anthropic年化收入15个月飙至300亿美元

作者以Anthropic的营收增速论证「代理时代」已至：其年化收入运行率15个月内从10亿美元跃升至超过300亿美元，并称有记录以来没有公司在同等体量与速度下实现过这样的有机收入增长。 作者明确指出，Anthropic是Scottish Mortgage的私募持仓之一。

时间节点	年化收入运行率
2025年1月	10亿美元
15个月后	超过300亿美元

作者将生成式AI划分为三个递进时代：对话时代始于2022年末OpenAI推出ChatGPT，模型能可靠遵循自然语言指令并来回交互；推理时代始于2024年9月OpenAI发布o1，模型学会暂停、分步思考，在数学、科学与编程等复杂问题上表现更好；代理时代在2025年11月末Anthropic发布Claude Opus 4.5后已不容忽视——模型可被赋予目标并多步推进：规划、使用工具、检查工作、产出有用结果，无需人类频繁提示。作者强调每个时代建立在上一时代之上而非取代之，并将关系概括为：代理是会行动的推理模型，推理模型是会思考的对话模型。作者认为，代理崛起的影响将跨越其投资组合，波及软件产业结构、消费企业价值、平行发展的中国AI生态，以及必须建设以满足无止境算力需求的实体供应链。

AI编码重构软件业，板块蒸发2万亿美元

作者判断代理对软件业的冲击最先规模化，并给出三重结构性影响——削弱席位定价、抬高竞争强度侵蚀护城河、价值归属转向「智能层」；全球软件板块过去12个月市值蒸发约2万亿美元，但作者认为抛售「无差别」。 软件业首当其冲，因为其工作完全数字化、价值高、目标清晰、反馈快；作者举例，应用出问题时可以让代理定位问题、编写修复、测试后再交付。

采纳速度的数据很突出：Google CEO称75%的新代码由AI编写；作者提到一家未具名的组合公司创始人说，该公司在AI编码工具上的支出已超过付给工程师的薪酬，并宣称工具带来的回报高于工程师本身；Anthropic自身70%至90%的代码由AI生成。作者认为，未来软件将日益由代理构建、运营和使用，这会带来三方面后果：第一，削弱软件价值与组织内「席位」（授权用户数）的关联，而后者是软件板块大部分定价的基础；第二，降低软件创建门槛，推高竞争强度，侵蚀建立在代码积累和复杂度之上的护城河；第三，提出更深层的价值归属问题——价值归属软件应用本身，还是归属那个理解任务、调用数据、指挥工作的「智能层」。

市场反应已出现：全球软件板块过去12个月市值蒸发约2万亿美元。作者承认其中部分重新定价是合理的，因为起点估值几乎没有为定价权、竞争与价值捕获的问题留出余地；但认为抛售也是无差别的——作者原话说 "Not all software is equal."——意即：并非所有软件都是一样的。作者区分「主要供人类使用的产品型软件」与「其他数字活动所依赖的基础设施型软件」：前者在代理改变人机交互方式时可能更受冲击，后者则可能因代理推高底层需求（数据查询、安全检查、计算负载、支付与身份）而受益。读者应注意，该基金自身软件持仓偏向基础设施层，这一「无差别抛售」论述带有持仓方视角。

软件持仓集中于AI基础设施层

作者披露其软件持仓偏向「基础设施层」，并用五家公司分别对应代理所需的数据、网络与支付底座。 作者称其软件持仓结构偏向这一基础设施层：

标的	方向	核心逻辑（一句话）	关键数据
Databricks	持有观察	组织企业内部受治理的公司数据，是代理在企业中发挥作用的前提	原文未披露财务数据
Snowflake	持有观察	组织受治理的企业数据，支撑代理在企业内部落地	原文未披露财务数据
Cloudflare	持有观察	提供代理应用运行所需的网络与安全层，并帮助网站识别、控制与向AI代理收费	原文未披露财务数据
Adyen	持有观察	支付与信任基础设施，让代理安全地代客户与商户完成交易	原文未披露财务数据
Stripe	持有观察	同为支付与信任底座；其创始人提醒代理商业将「小块」到来而非突然跳跃	原文未披露财务数据

表中「持有观察」依据原文明确将这些公司列为软件持仓；原文未说明任何买入或卖出动作。Stripe创始人的判断是：代理商业很可能以一块块小增量到来，而不是一次大跃进；但每一块自主性仍然需要可编程、有权限且可信赖的金融轨道。

代理重塑知识工作与消费平台

作者判断代理的影响不会停在软件开发，将扩散到知识工作与消费领域：Amazon、MercadoLibre、Sea Limited计划自建垂直代理，Nubank有望以低成本模式实现「口袋里的私人银行家」愿景（基金对后四者的动作方向原文未明示）。 作者拆解知识工作后认为，起草法律备忘录、综合临床试验、搭建财务模型、审阅专利申请这些工作虽然专业层面各异，但认知操作层面是通用的——读、写、推理与用软件工具完成事务，正是代理正在变强的能力。作者原话说 "agents are not a tool for one industry but many."——意即：代理并非某一个行业的工具，而是众多行业的工具。

在消费端，代理将扮演个人购物者、财务顾问与日常助理；作者同时提示风险：如果水平型AI助手横在客户与平台之间，平台价值可能被截留。但最强的平台掌握代理需要的资产——信任、客户历史、支付、信贷、物流、商品目录与商户网络——因此Amazon、MercadoLibre、Sea Limited正计划构建自己的垂直代理，既服务自有平台，也将购物场景延伸到平台之外。Nubank在金融领域提供类似可能：其创始人David Vélez早在代理流行前就提出「给每个客户一个口袋里的私人银行家」的愿景，代理使这一目标更接近现实——帮助用户管理账单、理解支出、选择借贷时机、建立储蓄并寻找市场最低利率。作者认为代理会提高价格透明度、按个人情况定制选项、降低行动摩擦，而Nubank作为低成本运营商处于有利位置。

收尾处作者作出前瞻与自我定位：很少有公司能完全免受影响；对某些公司代理创造新需求，对另一些则威胁既有利润池，对许多公司两者同时发生，这将成为未来数年成长投资的关键挑战。作者声称Scottish Mortgage能够应对，因为其同时投资公开与私人市场，而许多塑造AI前沿的公司仍是私营企业，这种接触带来更广的视野。此处属于基金的自我推介表述——「能够应对」是持仓方判断而非第三方验证，读者应注意其立场。

---

中国AI呈三大独特优势

作者认为中国并非AI跟随者，而是在物理AI、成本性能与产品化三方面形成差异化优势；这些判断与其已持仓的公司直接对应。

作者承认，在前沿模型能力问题上，硅谷叙事基本正确，但认为这并不完整。中国第一项优势是物理AI：虚拟训练连接真实部署时，具身智能进步最快；中国制造业提供全球最大部署场景，加上最大工业机器人存量、密集本地供应链、支持性政策，以及已结合软件、硬件与成本导向制造的电动车产业。Horizon Robotics正处AI与物理世界的交叉点，用于自动驾驶并计划延伸至更广机器人领域。

第二项优势是成本性能。先进芯片获取受限，迫使中国模型公司以更少资源做更多事；而智能体时代将比对话时代更依赖算力，有用智能的成本必须大幅下降。MiniMax开发的开源模型以训练成本的一小部分接近前沿能力，属于把智能推下成本曲线的中国生态一部分。低成本模型不必赢得每项基准，只要让智能便宜到能嵌入软件代理、消费应用、企业流程、机器人与汽车。

第三项优势是产品化。作者认为，当生成式AI与擅长推荐、界面设计和病毒式分发的公司结合，能迅速成为大众消费习惯；ByteDance旗下Doubao正是如此，月活超过2.26亿，领跑中国市场。下一阶段AI将由能让智能更便宜、有用、物理化、习惯化的公司塑造。

标的动向表：

标的	方向	核心逻辑（一句话）	关键数据
Horizon Robotics	持有观察	处于AI与物理世界交叉点，主攻自动驾驶并向机器人延伸	全球最大部署场景、最大工业机器人存量（原文未给具体值）
MiniMax	持有观察	开源模型以极低训练成本接近前沿能力	训练成本仅为前沿模型的一小部分（原文未给具体值）
ByteDance	持有观察	Doubao显示生成式AI可快速成为大众习惯	月活跃用户超过2.26亿，居中国市场首位
TSMC	持有观察	芯片供应链核心，受益三层算力需求叠加	为最大持仓之一（原文未给比例）
ASML	持有观察	芯片供应链核心，受益算力需求持续上升	为最大持仓之一（原文未给比例）
NVIDIA	加仓	芯片供应链龙头，作者正持续增加配置	原文未给具体数据

此处作者用中国优势论证其持仓逻辑，读者应注意这是持仓方视角。

智能体让算力需求三层叠加

作者判断生成式AI的算力需求由训练、推理、智能体三层叠加而成，智能体层增长最快，并因人类注意力上限被移除而继续放大；对AI需求立场为乐观。

训练是对话时代的原始推动力并仍在扩张；推理时代增加第二层——模型在作答前花更多算力检查逻辑、考虑替代方案；智能体时代增加第三层且没有移除前两层，增速最快。Anthropic数据显示，单个智能体消耗约一次对话4倍的计算量，多智能体系统约为15倍。更大的变化是：此前AI需求受人类注意力限制，一个人一天只能问有限问题；智能体则移除这一上限，可循环推理数十次、在人类睡眠时自主运行，并与其他智能体协作。作者原话说 "The three eras present compounding S-curves of compute demand, with none yet plateauing and each steeper than the last."，意即："这三个时代呈现出复合叠加的算力需求S曲线，没有一条已进入平台期，且每一条都比前一条更陡峭。"

芯片供应链是AI整体下注

作者将TSMC、ASML与NVIDIA等芯片供应链持仓定义为对AI整体增长的下注，而非对单一应用或模型赢家的下注。

算力需求持续上升的直接结果是芯片需求强劲上升。TSMC与ASML是最大持仓之一，NVIDIA则一直在加仓。作者认为，无论哪些应用成功、哪些前沿模型胜出，底层算力需求都会流经同一批公司，这使得供应链成为拥有AI增长的异常有吸引力的方式。

历史警示泡沫但不应回避

作者承认AI建设可能重演铁路、运河与光纤的过度投资，但认为回避技术革命并非安全位置；对市场估值持谨慎、对AI参与持积极立场。

人类与市场心理有可靠能力去错误定价最具变革性的创新。19世纪铁路公司重塑现代经济，在1880年代峰值约占美国股市总市值60%，随后一系列崩盘摧毁大量资本；18世纪末运河建设与1990年代末光纤建设也遵循同样模式：真实技术进步、真实经济影响、真实金融过剩。作者预期AI建设会呼应这段历史，但认为避开的做法并不安全。作者原话是 "If AI disrupts most industries, then avoiding it doesn’t remove risk, it merely shifts it."，意即："如果AI颠覆大多数行业，那么回避它并不能消除风险，只是把风险转移了。" 智能体的出现使作者更加确信AI需求能持续扩张，但历史要求谦逊：沿途会有浪费、失望与过度建设。更困难的是在保持投资的同时不盲目：区分持久价值与暂时狂热、赋能基础设施与脆弱应用、只是提及AI的公司与能将其转化为长期经济优势的公司。作者称其工作不是相信所有AI主张，而是拥有那些在智能变得更便宜、更强大、更普及过程中受益的卓越公司。读者应注意，这是持仓方对继续持有合理性的论证。

2026年度两者均跑赢基准

截至2026年3月31日的年度，股价与NAV分别跑赢基准8.8和9.4个百分点；原文未对相对业绩作归因。

业绩对照：以下为Scottish Mortgage截至每年3月31日的年度表现（英镑总回报，NAV按扣除借款后的公允价值计算，基准为FTSE All World Index (GBP) TR）：

年度	股价回报 (%)	NAV (%)	基准 (%)
2022	-9.5	-13.1	12.8
2023	-33.5	-17.8	-0.9
2024	32.5	11.5	21.0
2025	6.0	11.2	5.5
2026	26.8	27.4	18.0

五年中，2022与2023年度大幅跑输基准，2024年度股价跑赢但NAV落后，2025与2026年度两者均跑赢。历史业绩不代表未来回报。