Claude將AI領先模型商可預測性評為2/10　今年相關債務發行近6,000億美元

Anthropic 開發的人工智慧（AI）模型 Claude，將 OpenAI、Anthropic 等領先模型開發商的可預測性評為滿分 10 分中的 2 分。

橡樹資本管理公司（Oaktree Capital Management）共同創辦人霍華·馬克斯（Howard Marks）在 11 日公開的備忘錄中，請 Claude 為 AI 各領域的可預測性打分，範圍從 1 分（未知）到 10 分（完全可預測）。馬克斯寫道，領先模型開發商得到 2 分，「幾乎等同無法預測」。這項評分衡量的是未來業務的可預測程度，並非投資評級或虧損機率。

Claude 將整體 AI 產業的可預測性評為約 3 分。對技術持續進步並擴散至整體經濟的方向，Claude 給了 6 至 7 分；對擴散速度、獲利規模及最終受益者，則只給約 2 分。

分領域來看，為 AI 需求供電的受監管電力公司獲評 6 分；長期出租給大型科技公司的資料中心獲評 5 至 6 分。大型雲端服務商為 5 分，半導體為 4 分，投機性資料中心則為 2 至 3 分。

馬克斯轉述 Claude 的說法指出，領先模型開發商需要大量資本，但每單位效能的價格正快速下滑，能否維持長期競爭優勢也不明朗。這項評分反映出，即使維持高效能，也難以確保長期獲利或市場地位。

馬克斯也提到 AI 領域變化快速。如今的領先模型開發商，幾年前還未廣為人知，因此很難預測目前的領先企業能否在 5 年或 10 年後維持地位。

要預測獲利，必須評估產品銷量與價格、生產成本、開發下一代產品所需的再投資，以及投資報酬率。這也延續了馬克斯先前將 AI 商業潛力與大型基礎設施投資獲利能力分開看待的觀點。

馬克斯將資料中心描述為訓練 AI 模型、並讓使用者取得運算能力的基礎設施。資料中心的成本可能主要來自半導體等設備，而非建築本身；設備老化也會影響投資判斷。

取得土地、申請許可、接通光纖、設置電力與冷卻設備，以及取得施工人力和融資，都是擴建資料中心時的限制因素。馬克斯表示，為避免供給過度增加，應檢視各項業務的選址、合約與設備價值。

馬克斯在備忘錄中引用高盛（Goldman Sachs）統計指出，截至備忘錄撰寫時，今年全球 AI 相關債務發行額已接近 6,000 億美元（約 800 兆韓元），涵蓋大型雲端服務商、資料中心與專案融資，以及其他 AI 相關借款。

其中約 4,000 億美元（約 534 兆韓元）在美國投資級債券市場發行，超過美國投資級債券供給的五分之一。AI 相關債券約占彭博美元投資級公司債指數（Bloomberg USD IG Corporate Index）的 12%；在美國高收益債市場的占比則約為 6%。

馬克斯在《A Layman Thinks About AI》備忘錄中表示，截至 2026 年 11 月 11 日，他預估未來 AI 每年平均需要 1 兆美元（約 1,334 兆韓元）的新增資本，其中每年可能有數千億美元透過發債籌措。

馬克斯指出，大型雲端服務商過去仰賴非 AI 業務的現金流，因此現金充裕、信用評級也高；但目前業者一邊動用現金與營運現金流，一邊增加借款。貸款人也應考量借款人的信用狀況及信用評級可能出現變化。

部分資料中心租賃合約可能訂有條款，讓承租人或保證人在特定條件下終止合約義務。馬克斯以資料中心運作可靠度未達 99.9% 為例，也指出作為擔保品的半導體設備，其使用年限可能短於債務期限。

馬克斯還提到晶片製造商、大型雲端服務商、領先模型開發商與資料中心業者之間的循環交易，當中借貸和採購可能彼此連動。他表示，貸款人應確認資金回流至產品銷售方的結構，是否反映獨立需求，或是供應商為維持市占而協助促成採購。

透過特殊目的公司（SPV）在資產負債表外籌措的債務，與母公司的信用狀況有何關聯，也是貸款人應評估的項目。馬克斯總結，股票投資人應關注技術進展、競爭力、定價能力、獲利能力與企業價值；貸款人則應檢視承租人的信用狀況、合約條件、電力取得情形及資產殘值。