昨天我們團隊開會,第一個主題就是時間,投資圈在AI時代,時間好像都是十倍數,去年發生的事情感覺已經是上個世紀,就是這麼誇張!AI時代你可能昏迷個半年,整個世界已經天翻地覆…. 雖然每天都在看半導體新技術,什麼東西又缺貨漲價,但2026年講到AI發展,我自己眼光都會注意到兩個重點:物理AI與AI代理。 摩根士丹利出了2026 互聯網產業展望,核心結論是:市場不再為「AI 會很厲害」付錢,而是要你拿出「AI 把資本變回報」的證據。MS 把這個轉折拆成十個最會影響 2026 估值體系的辯論點,涵蓋大模型、GenAI 回報率、裁員與效率、Agent 商貿、AV、具身智能、線上雜貨、搜尋與廣告、遊戲製作、約會軟體復甦。  2026 仍會看到 Grok 5、Claude 5、GPT-6 等新模型,但投資人注意力會從參數與 benchmark 轉向產品化與變現:Google 要看 Gemini 能不能更深地吃進搜尋、YouTube、雲服務;Meta 要看所謂「超級智能實驗室」能不能把模型優勢轉成廣告變現與用戶黏著;Amazon 則不只看 AWS,還要看零售端像 Rufus 這種購物助理能不能帶來實際銷售增量。大模型本身不再是估值主體,它只是「把現有商業引擎轉得更快」的增壓器。  2026 真正會爆的商業戰場:Agentic Commerce。MS 用一個很具體的「5I 框架」評估誰會贏(庫存、基礎設施、創新、增量、損益表),並且把贏家範圍圈得很清楚:不是通用型 ChatGPT,而是擁有垂直數據、交易閉環、消費者信任與完整購買歷史的平台,例如 Amazon、Walmart、Instacart、DoorDash。這裡最有趣也最有殺傷力的是,他們把 旅遊網站(Expedia、Booking)拉出來當成風險樣本:如果 Google 或 OpenAI 推出能直接規劃行程並完成預訂的 Agent,這些旅遊網站流量入口地位會被削弱,估值體系可能重構。  自動駕駛的量化推進:MS 認為 2026 是可用性拐點,服務覆蓋會從 2025 年底的15% 城市人口跳到32%。而對 Uber、Lyft 這種市場最敏感的標的,MS 的結論反而是「市場對顛覆的擔憂被誇大」:AV 不一定殺死 Uber,反而可能透過降低每英里成本擴大整體出行市場。 有關物理 AI:具身智能,MS 直接點名 Amazon 的隱形王牌是機器人倉庫,計畫到 2027 年增加約 40 個下一代機器人倉庫;這不只是自動化,而是用 AI 去優化物流路徑與庫存管理,測算可帶來 20 到 40 億美元以上的經常性成本節約。另一個例子是 Uber 與 DoorDash 在建構無人機與自動配送機器人生態,目的就是砍掉昂貴的人力配送成本。比起虛擬聊天,能用 AI 解決「搬箱子、送外賣」的公司護城河更硬。  還有線上雜貨的 AI 革命。MS 評估美國線下雜貨市場規模有1.4 兆美元,是AI Agent 最大的潛在金礦,理由是高頻、剛需、極度個人化,很適合 Agent 介入,甚至給了很生活化的指令例子:「照上週清單買,但把牛奶換成燕麥奶」。他們點名 Amazon Fresh、Instacart、DoorDash 的位置最好,並特別提 Amazon 在生鮮的加速推進與費用改革,可能成為下一個獲利增長點。  還有搜尋與廣告。MS 的論點不是「搜尋被 AI 殺死」,而是「搜尋在進化且總查詢量反而變大」:他們預估 2023–2026 搜尋量複合成長 14%。在商業型查詢上,調查顯示 Google 的 Gemini 相對 ChatGPT 仍略占優勢;而 ChatGPT 若開始引入廣告,第一波衝擊的不是 Google 核心搜尋廣告,而是那些效果不明顯、偏實驗型的廣告預算,例如 Pinterest、Snap。  還有遊戲製作的 AI 革命,MS 用「世界模型」當關鍵詞,強調 AI 生成影片與互動內容會降低製作門檻與成本;長期利好擁有雲算力與 AI 工具的巨頭(Amazon、Google),但對 Unity、Roblox 這種工具平台,既是機會也是顛覆風險。  意想不到的他們還有提到約會 App。MS 把 2026 定成可能的轉機年:Tinder、Bumble 用 GenAI 改進匹配演算法,降低「刷屏疲勞」;而 Match Group 與 Bumble 的估值已偏低,只要 AI 真的改善體驗並重啟成長,就有估值修復空間。這一段其實很像 MS 用來做「AI 能不能修復成熟品類曲線」的測試題。  2026 年市場在做的不是「重新估值 AI」,而是「重新估值能把 AI 變成損益表改善的人」。你會看到兩種公司估值差距被拉開。第一種是 AI capex 很大,但回報路徑講不清楚的,倍數會被壓;第二種是回報可以被驗證的,估值反而更穩、更敢給溢價。MS 其實已經把評分規則寫在報告裡了:看雲端積壓訂單、看 Opex 曲線、看 AI 是否能讓成本 per unit 下降、看是否有交易閉環與垂直數據、看是否把 AI 從「功能」推到「決策與執行」。