AI的利润率影响可能在低利润率行业中最大

我越来越确信，人工智能的机遇正从模型开发者和供应商转向终端用户。这就是我自去年以来一直在讨论的RAMP框架——实物资产，利润率潜力。

今天，我们得到了关于这种趋势如何发展以及潜在上行空间的新见解。

在这个阶段，你不需要创建最先进的AI模型就能从该技术中获利。一支垃圾车车队和一个更智能的路线系统或许就足够了。

Waste Connections为硬资产领域的发展方向提供了一个引人注目的案例。该公司向CIBC分析师表示，其第一波AI项目到2030年可能产生约100个基点的利润率扩张。

它将如何实现这一目标？

“定价优化工具已经有助于提高保留定价，而动态AI驱动的路线优化预计将在2027年改善车队利用率、劳动生产率和路线效率，”CIBC指出。

这为其他重资产行业提供了一个模板。航空公司已经在讨论利用AI调整票价，我怀疑随着企业试图更快地将价格与需求对齐并捕获上行空间，这种情况会更多。

客户服务是您可能已经看到该技术发挥作用的另一个领域。

“WCN还强调客户服务自动化是一个重大机遇，指出该公司每月接收约70万到超过100万次客户来电，并认为技术最终可以通过主动客户沟通、移动应用程序和代理型AI消除这些互动中的60%-65%。”

该公司强调，这仅仅是开始，而且它已经看到其技术投资快速回报。

100个基点的利润率对盈利和股票有多大影响？在废物管理这样的行业，令人惊讶的是影响并不那么大。该业务已经是高利润率；从30%提高到31%通常意味着股价上涨4-5%。这还不错，但几乎算不上是对投入的巨额资本支出以及模型构建者及其供应商的高得离谱的市盈率的重大认可。此外，Waste Connections是一家市值约400亿美元的公司，计划仅在技术上花费约1亿美元，而且尚不清楚其中有多少专门用于AI。

我反而会关注的领域是低利润率行业：汽车零部件、航空、钢铁、化工、包装、食品加工和卡车运输，仅举几例。在一家营业利润率仅为3%的公司，增加一个百分点就能使营业利润提高三分之一。这是一个值得追求的目标。