AI Disruptees (May 2026)

主题与背景

本章探讨人工智能（AI）技术对信息与数据分析类公司“护城河”的潜在威胁。市场普遍担忧AI会颠覆拥有专有数据壁垒的商业模式，但报告认为这种担忧可能被夸大。历史数据显示，投资者在预测行业赢家和输家方面表现糟糕，例如2000年TMT泡沫顶峰时，投资银行Robertson Stephens曾在《华尔街日报》刊登广告宣称“谢谢旧经济，接下来交给我们”，结果随即遭遇市场逆转。2020-21年“万物泡沫”同样证实了市场定价的失败。

核心观点

1. AI对拥有专有数据壁垒的信息公司冲击有限，反而可能提升数据的价值（因为AI需要高质量数据优化模型）。

2. 市场对“AI输家”的恐慌过度，给长期投资者创造了以折价买入优质资产的机会。

3. 在线分类平台受AI替代的风险被高估，消费者行为惯性、专有数据及嵌入的工作流工具构成真实壁垒。

4. 与追逐AI赢家相比，在所谓“输家”中寻找错误定价的标的更可能获得超额回报。

关键论据与数据

• 市场预测能力的缺陷：

《经济学人》研究2005-2026年间80个行业进入熊市（三个月内相对跌幅超20%）后的表现，股价仅50%的时间继续下跌，预测能力不优于抛硬币。

• 专有数据公司的抗风险性：
• Experian的信用数据是“机器对机器”的数字交付，不易受按席位收费模式变化的冲击。
• RELX的Risk部门整合多元数据（保险风险、身份盗窃、网络安全），AI工具提升数据洞察价值。
• RELX的Legal部门（占利润13%）因判例公开，更易受大语言模型（LLM）影响，但AI初创公司仍需依赖RELX的LexisNexis和Thomson WestLaw作为“记录系统”。
• Legal部门最新业绩：销售增长9%，利润增长12%。
• 法律AI公司Harvey和Anthropic插件构成竞争，但LexisNexis的潜在市场为250亿美元（法律科技产品与服务），而核心法律研究市场仅50亿美元。

• 在线分类平台的竞争格局：
• Rightmove仅0.5%的搜索来自LLM来源（ChatGPT上线3.5年后）。
• 英国App下载量和流量近期已趋于平稳。
• Auto Trader股价过去12个月下跌45%，但报告指出二手车存在信息不对称（Akerlof“柠檬市场”理论），LLM的概率性非结构化处理难以取代Auto Trader的结构化数据系统（车型、配置、技术规格等）。

涉及的公司/资产

公司/资产	角色	关键数据	看多/看空
RELX	持仓（Marathon组合）	Risk部门整合多元数据；Legal部门利润占比13%，销售+9%，利润+12%。	看多：AI提升数据价值，Legal部门颠覆风险有限（仍需其数据）。
Experian	持仓（Marathon组合）	信用数据机器对机器交付；决策分析业务占收入21%。	看多：数据格式和交付模式受AI冲击小。
Rightmove	分析对象（未持仓）	LLM来源搜索占比<0.5%；App下载量和流量近期平稳。	防守：消费者行为惯性，数据专有。
Scout24	分析对象（未持仓）	德国房地产门户，卖家数据对经纪人有价值。	防守：类似Rightmove。
Auto Trader	持仓（Marathon组合）	股价-45%（12个月）；公司嵌入经销商工作流（估值、库存、CRM）。	看多：信息不对称和结构化数据优势被低估。
SAP	未持仓	指数权重股，软件被AI威胁。	回避。
Thomson WestLaw	竞争对手	RELX在Legal领域的主要竞争对手。	中性。

投资启示

1. 增持被市场误判的“AI输家”：报告明确表示Marathon近期增加了对上述信息公司和在线分类公司的头寸，认为当前估值隐含了过度悲观预期。

2. 避开纯AI赢家泡沫：当前全球股市由少数AI概念股推动新高，但报告认为赢家定价已充分，风险回报不佳。

3. 关注结构性数据壁垒：机器对机器交付、结构化数据库、嵌入式工作流是抵御LLM替代的关键特征；纯公开数据（如法律判例）的公司风险较高。

4. 耐心等待催化剂：报告批评“等不确定性消除后再买入”的策略，认为市场会迅速定价催化剂，折价买入并长期持有更有效。