Bill Ackman 的三只 AI 股票选择揭示重大投资组合轮动

Bill Ackman 持有三只备受关注的 AI 股票，但 Google News 的标题忽略了最重要的信号：他的基金已大幅改变其持仓敞口。

Pershing Square 在 2026 年第一季度增持了 Amazon，并建立了规模可观的 Microsoft 持仓。该基金还保留了 Uber 作为其主要持仓之一。与此同时，基金将 Alphabet 的持仓削减了约 95%。

与其简单列出值得跟投的股票，这一组合变化提供了更有价值的解读。Ackman 似乎在选择那些能够通过现有业务为 AI 开发提供资金支持的成熟企业。当行业龙头的估值和风险状况发生变化时，他也愿意在它们之间进行轮动。

最能体现这一策略的三家公司是 Amazon、Microsoft 和 Uber。Amazon 和 Microsoft 销售关键的计算基础设施。Uber 则为自动驾驶交通提供了分发网络，而无需押注某一家 robotaxi 开发商在每个市场胜出。

这些公司并不代表完全相同的 AI 押注。它们处于商业技术栈的不同层级，从计算能力到企业软件，再到现实世界的交通运输。

这种多样性很重要，因为围绕 AI 股票的核心问题已经改变。投资者不再只根据模型质量或产品发布来评判公司。他们越来越希望看到证据，证明大规模资本投入能够带来可持续的收入和营业利润。

Ackman 的操作不应被视为个人投资建议。Form 13F 是一份滞后的持仓快照，且不涵盖若干资产类别。它也无法说明投资者的风险承受能力、买入价格或完整策略。

不过，这份披露文件提供了一个窗口，让人了解一位集中持仓投资者如何应对昂贵的 AI 市场。有益的启示并不是复制三个股票代码，而是理解为什么这些企业能够通过 Pershing Square 日益严格的配置筛选过程。

Google News 标题遗漏了什么

Pershing Square 并非只是识别出三家有前景的 AI 公司。它在相互竞争的 AI 平台之间重新配置了数十亿美元的已披露股票市值。

该基金的季度申报文件涵盖截至 2026 年 3 月 31 日的持仓。文件披露了 11 个头寸，合计市值约为 137 亿美元。

Amazon 约占该披露投资组合的 17.4%。Uber 约占 15.7%。Microsoft 是当季新建仓，约占 15.3%。

这三家公司合计占披露投资组合的近一半。如此高的集中度，使每一项选择都远比小规模试验性持仓更具意义。

Pershing Square 当季增持约 180 万股 Amazon，使其披露持仓增至约 1,150 万股。该基金还买入约 570 万股 Microsoft。

Uber 仍是该基金最大的投资之一，尽管 Pershing Square 小幅减少了持股数量。该持仓仍占披露投资组合的七分之一以上。

交易的另一面同样具有启示意义。Pershing Square 卖出了大部分 Alphabet 持仓，将两个股类别的持股均削减约 95%。

Ackman 表示，出售并非出于对 Alphabet 的负面判断。他称，鉴于 Pershing Square 的资源有限，这笔出售是为 Microsoft 投资筹集资金。

这一区别很重要。集中持仓基金无法以完整仓位持有每一家有吸引力的公司。每项投资都必须与其他所有机会争夺资金。

Google News 的叙事将这一配置问题变成了一份购物清单。申报文件则提出了一个更难的问题：在特定估值下，哪家公司能够提供商业质量、AI 敞口和预期回报的最佳组合？

Pershing Square 的答案在一个季度内就发生了改变。Alphabet 从主要持仓变为规模很小的剩余持仓。Microsoft 成为核心投资。Amazon 的持仓扩大，而 Uber 仍居于中心位置。

这种轮动也说明，跟随知名投资者为何并不容易。公开申报文件通常在季度结束数周后才发布。在读者看到披露前，基金经理可能已经再次调整了投资组合。

投资者也无法掌握 Pershing Square 完整的决策模型。他们不知道其内部估值假设、计划持有期限、对冲安排或头寸限制。

一则标题可以准确指出 Ackman 持有的股票，却可能掩盖背后的主动判断。重要的事件不只是持有本身，而是资金正在流向那些已掌控主要分发渠道的公司。

Amazon 掌控云基础设施、在线零售、广告以及庞大的物流网络。Microsoft 掌控企业软件、开发者工具和全球最大的云平台之一。Uber 掌控着一个连接交通需求与可用运力的全球市场。

每家公司都能将 AI 嵌入既有的客户关系中。这与资助一家独立模型提供商截然不同：后者必须在开发技术后再建立分发渠道。

Amazon 将 AI 支出转化为全栈业务

Amazon 在同一家运营公司内整合了 AI 基础设施、自研芯片、云服务、零售自动化和消费者分发渠道。

这一投资逻辑最直接的部分是 Amazon Web Services。AWS 提供计算、存储、数据库、模型访问以及企业用于构建和运行 AI 应用的工具。

Amazon 报告称，AWS 销售额在 2026 年第一季度同比增长 28%。根据公司的第一季度业绩，该业务当季销售额达到 376 亿美元。

AWS 的增长很重要，因为训练和运行大模型需要大量计算能力。推理，即利用已训练模型生成答案或预测的过程，在部署后能够带来持续性需求。

Amazon 正试图在多个层面获取这一需求。它出租基于 Nvidia 的基础设施，开发自有的 Trainium 和 Inferentia 芯片，并通过 Amazon Bedrock 提供托管模型访问服务。

自研芯片也为 Amazon 提供了另一条控制成本的路径。该公司表示，其芯片业务的年化收入运行率已超过 200 亿美元，并以三位数速度增长。

这些数据由公司披露，并未单独量化 AI 带来的每一项经济贡献。尽管如此，它们表明 Amazon 的基础设施战略已超越试点项目阶段。

这一机会也延伸至 AWS 之外。Amazon 将机器学习用于库存布局、需求预测、商品推荐、广告、配送路径规划和仓储自动化。

这些部署带来了实际优势。Amazon 可以根据可衡量的运营结果测试 AI，例如配送时长、广告转化率、机器人移动效率，或服务云工作负载的成本。

这一反馈循环使 Amazon 不仅是基础设施供应商。它也是自有技术的重要内部客户。

Pershing Square 的兴趣似乎与这种增长和运营改善的结合有关。Amazon 可以通过 AWS 产生与 AI 相关的收入，同时利用类似技术改善其零售利润率。

风险在于资本密集度。数据中心、芯片、网络设备和能源容量，都需要在客户需求确定之前作出大量投入承诺。

AI 基础设施也可能变得差异化不足。Microsoft、Google、Oracle 和专业云服务商都在争夺许多相同的工作负载。客户可以将应用分散到多个提供商，以降低对单一平台的依赖。

自研芯片同样带来执行风险。Amazon 必须说服开发者，其硬件和软件工具在性能、可用性和兼容性方面具有足够吸引力。

Nvidia 广泛的软件生态系统仍是一项重要的竞争优势。更换硬件可能带来大量工程工作，其代价可能超过较低的计算成本所带来的收益。

Amazon 多元化的业务在一定程度上降低了这一风险。某项 AI 产品表现不佳，并不会抹去其云客户关系、物流网络、市场平台或广告业务的价值。

然而，多元化也可能掩盖结果。投资者可能难以判断，哪些改善来自 AI，哪些来自定价、规模、成本削减或更广泛的经济环境。

最清晰的证据将来自 AWS 的增长和营业利润。需求上升且经济效益保持稳定，将支持基础设施投资逻辑。若增长由激进支出或更低回报驱动，则会削弱这一逻辑。

Ackman 的增持表明，Pershing Square 相信 Amazon 能够将资本支出转化为可持续的现金创造能力。这仍是对未来执行力的判断，而非仅凭近期增长便能确立的事实。

Microsoft 是对企业分发能力的押注

Microsoft 的优势不只是能够获取先进的 AI 模型，而是能够将 AI 置于企业已经在使用的软件之中。

Pershing Square 在 2026 年第一季度将 Microsoft 建成核心持仓。这笔投资的规模表明，这是一项高确信度配置，而非试探性投资。

Ackman 解释称，Pershing Square 在 Microsoft 的估值回落至更接近整体市场的估值倍数后建立了该头寸。他还认为，市场对 AI 颠覆传统软件的担忧已变得过度。

这一逻辑包含着显著张力。生成式 AI 可以增强 Microsoft 的产品，但也可能削弱熟悉的软件界面的价值。

AI agent 是一种能够围绕目标规划并执行多个步骤的软件。如果 agent 开始跨应用完成工作，客户在单个生产力工具中花费的时间可能会减少。

Microsoft 的应对方式是，在 Microsoft 365、GitHub、Dynamics、安全产品和 Azure 中部署自己的助手与 agent。它希望掌控员工向软件下达指令的那一层。

当开发者使用 Azure 训练、定制或运行模型时，该公司同样受益。因此，Microsoft 同时参与应用收入和基础设施需求。

在其 2026 财年第三季度材料中，Microsoft 表示，云服务和 AI 需求持续推动业绩增长。其投资者披露将为判断该需求能否转化为持续收入、而非短期试验提供最佳证据。

分发能力是核心优势。许多公司已经通过 Microsoft 产品管理员工身份、文件、通信、源代码和业务流程。

这一既有地位降低了提供 AI 助手时的阻力。Microsoft 无需在展示某项功能前，先说服每位客户采用一家陌生的供应商。

同样的地位也带来治理优势。企业 AI 系统需要权限控制、安全监测、审计记录以及对获批数据的访问。

Microsoft 已经提供了许多此类管理层。它可以将 AI 功能与客户既有的身份和安全策略连接起来。

然而，广泛分发并不保证能带来有价值的使用。集成在常见软件中的助手或许能获得广泛可用性，但实际参与度可能有限。

客户也可能不愿为他们认为尚不完整的功能单独付费。企业需要证据证明，AI 对产出的改善足以合理化部署、培训、安全审查和流程变更的成本。

最强的使用场景往往较为狭窄。开发者可能使用 AI 来解释陌生代码；销售团队可能总结客户历史；分析师可能比较文档并准备初稿。

知识工作者仍需要可靠的源材料来完成这些任务。维护良好的AI 知识库可以改善信息检索，但无法消除核实输出结果的必要性。

Microsoft 还面临来自 Google、Amazon、Anthropic、OpenAI、Salesforce、ServiceNow 以及众多专业软件提供商的竞争。一些竞争对手拥有自己的模型，另一些则专注于特定工作流程。

其与 OpenAI 的关系带来了宝贵技术，也带来了重大的战略复杂性。Microsoft 必须支持一位重要合作伙伴，同时继续发展自身的模型、基础设施和产品定位。

该公司也在推进硬件多元化。Microsoft 宣布扩展 Azure 基础设施，在内部芯片和其他供应商产品之外，采用先进的 AMD 加速器。

异构策略可以降低对单一芯片供应商的依赖，但也增加了在不同系统之间提供可预测性能的工程挑战。

Pershing Square 的投资逻辑似乎将这些担忧视为可控因素。Microsoft 的庞大存量客户基础、现金创造能力和云平台，提供了多种 AI 变现路径。

看空逻辑也很直接。AI 智能体可能降低转换成本，削弱传统软件捆绑模式，或将价值转移给独立模型提供商。

因此，Microsoft 必须证明的不只是云业务增长。它还必须表明，AI 能强化其软件客户关系的经济效益，而非仅仅提高维护这些关系的成本。

Uber 押注了一种不同的人工智能股票

Uber 让 Pershing Square 能够布局自动驾驶交通领域，而无需挑选唯一的赢家——某家 robotaxi 制造商。

Uber 是这一组中最不显眼的成员。它不运营超大规模云平台，不训练领先的通用模型，也不销售企业生产力软件。

它的 AI 机会来自对市场平台的协调能力。Uber 在庞大网络中匹配乘客、司机、配送员、商家和可用车辆。

机器学习已经帮助该平台估算到达时间、预测需求、规划行程路线、识别欺诈，并在可用供给与价格之间取得平衡。自动驾驶车辆可能改变供给的提供者。

包括 Alphabet 旗下 Waymo、Tesla 和专业开发商在内的多家公司正在开发 robotaxi。它们面临技术、监管、运营和地域方面的限制。

即使是一辆能力出色的自动驾驶汽车，也需要客户、调度、支付、支持、保险流程，以及与本地出行需求的整合。

Uber 认为其市场平台可以提供这些功能。它无需自行开发每一套自动驾驶系统，而是可以将多个车辆合作伙伴与乘客连接起来。

这是一种平台战略。即使人类司机逐步与自动驾驶车队共享网络，Uber 仍希望保持需求聚合者的地位。

这种方式将技术风险分散给合作伙伴。Uber 不需要让一项内部自动驾驶项目胜过所有竞争系统。

它也使车队运营商能够使用 Uber 现有的消费者应用。开发商进入一座新城市时，无需从零开始建立同等规模的市场平台，便可触及潜在乘客。

Ackman 曾将 Uber 描述为一家高质量企业，拥有显著的盈利潜力。Pershing Square 于 2025 年首次披露该持仓，并在 2026 年 3 月的申报中继续将其列为最大持仓之一。

不过，自动驾驶确实对 Uber 的经济模式构成威胁。拥有足够需求的 robotaxi 运营商可能绕过平台，保留更多每笔车费收入。

Waymo 与 Alphabet 的关系使其能够获得资本、地图专业能力，以及通过 Google 服务进行消费者分发的渠道。Tesla 可以将自动驾驶能力与庞大的车辆和车主存量基础连接起来。

地方监管也可能限制 Uber 扩大自动驾驶合作伙伴关系的能力。审批流程、安全规则、保险要求和报告义务因城市而异。

该技术在不同环境下的表现仍不均衡。一个在已完成地图绘制、运营条件有利的地区有效运行的系统，可能难以应对天气、施工、紧急事故现场或异常道路行为。

Uber 无法控制合作伙伴解决这些问题的速度。只有当自动驾驶车队实现可靠的商业服务时，其平台价值才会提升。

因此，该公司的下一份季度披露至关重要。根据其财报公告，Uber 已将 2026 年第二季度业绩定于 8 月 5 日发布。

投资者不应只看合作伙伴数量。更有用的指标包括自动驾驶行程量、地理扩张、客户留存率，以及 Uber 与车队提供商之间的经济利益分配。

一长串协议并不会自动形成一个盈利网络。一些合作伙伴可能长期停留在有限试点阶段。

Uber 在转型期间还必须维持其人类司机驱动的市场平台。司机提供灵活运力，尤其是在需求高峰以及自动驾驶车辆无法服务的区域。

骤然转变可能会在机器人运力变得可靠之前损害司机供给。转变过慢则可能推迟自动驾驶带来的预期经济收益。

这使 Uber 成为与 Amazon 或 Microsoft 不同的人工智能股票。其上行空间取决于 AI 在本地约束下进入现实世界。

投资逻辑并不是 Uber 会打造最佳自动驾驶系统，而是分散的开发商群体将需要一个共同的市场平台。

如果多家自动驾驶运营商使用 Uber 进行商业分发，这一逻辑会更强；如果某一家提供商建立起主导性的消费者网络，并将 Uber 视为非必需，那么这一逻辑就会减弱。

真正的对手是估值，而不是 Alphabet

Pershing Square 的调仓表明，优质 AI 公司仍在为稀缺的投资资本彼此竞争。

人们很容易将 Ackman 的举动描述为 Microsoft 击败 Alphabet，但他的公开解释并不支持这样简单的结论。

Ackman 表示，Pershing Square 在出售大部分持仓后仍看好 Alphabet。该基金将 Alphabet 作为资金来源，是因为 Microsoft 在当时可得的估值下显得更具吸引力。

这是一个相对决策。一家公司即使仍拥有出色产品，在股价上涨后也可能成为吸引力较低的投资标的。

Alphabet 仍是强大的竞争对手。Google Search 提供全球分发能力，Google Cloud 服务大型组织，DeepMind 开发领先的 AI 系统。

该公司还拥有 Waymo，使其直接布局自动驾驶交通。因此，Alphabet 在云和模型领域与 Microsoft 竞争，在云和广告领域与 Amazon 竞争，在出行领域与 Uber 竞争。

Pershing Square 的减持并未抹去这些优势。它表明，投资组合决策考虑的是预期回报，而不只是技术声誉。

这一差异对于通过 Google News 阅读本文的读者尤为重要。“卓越股票”之类的标题用语，将多个不确定判断压缩成了一个形容词。

一家卓越的企业在估值过高时也可能成为不具吸引力的股票。一家面临真实挑战的公司，如果这些挑战已被市场预期充分反映，也可能带来强劲回报。

Form 13F 数据无法揭示 Pershing Square 的精确估值。它只披露了某个过去日期的已报告持仓。

该申报也不包括空头头寸、私募投资、现金和部分衍生品。已报告的投资组合比例不应被视为该公司风险状况的完整呈现。

在复制集中持仓的基金经理时，投资者还面临另一个问题。Ackman 对波动的承受能力可能不同于为近期支出储蓄的家庭。

Pershing Square 还可以与公司管理层沟通、开展广泛研究，并以许多个人无法实现的规模调整持仓。这些都不能保证成功，但会改变决策背景。

AI 支出带来了更多不确定性。Amazon、Microsoft、Alphabet 和其他大型科技公司正在向数据中心和芯片投入大量资源。

需求是显而易见的，但这些基础设施的长期回报仍未确定。产能短缺如今可能支撑定价，而快速扩张日后可能造成供给过剩。

模型效率带来了另一个变量。如果软件完成相同任务所需的计算资源更少，客户可能获得更多价值，而基础设施收入的增长则可能更慢。

相反的情景同样可能出现。更低的成本可能刺激更多使用量，即使每次请求变得更便宜，总需求仍会增加。

没有人能仅凭一个季度的云业务增长就确定这一结果。投资者必须在多个报告期内观察利用率、定价、利润率和客户行为。

这三家入选公司也面临与 AI 无关的风险。Amazon 面临零售竞争和劳动力成本；Microsoft 面临网络安全和软件市场审查；Uber 面临监管、保险敞口和市场平台竞争。

这些常规经营风险很重要，因为 AI 不会取代底层经济模式。它改变的是各家公司服务客户和配置资本的方式。

因此，稳健的分析应当区分三个问题。公司是否在有效使用 AI？这种使用能否产生持久的现金流？当前估值是否提供了合理的容错空间？

Ackman 的投资组合调仓似乎对这三个问题都给出了答案，并偏好 Amazon、Microsoft 和 Uber。其他投资者可以审视相同证据，并得出不同结论。

教训是纪律，而不是模仿。知名投资者的买入提供的是研究线索，而不是独立判断的替代品。

这则 Google News 股票报道之后该关注什么

投资逻辑的下一阶段取决于已披露的业务表现、自动驾驶部署，以及 Pershing Square 后续的申报。

第一个信号是与运营纪律并行的云业务增长。Amazon 和 Microsoft 必须表明，AI 需求能够带来收入，而不会永久削弱现金创造能力。

对于 Amazon，应关注 AWS 销售增长、部门营业利润，以及其自研芯片的采用情况。这三者同步增长将支持这样一种观点：Amazon 掌控了更多 AI 基础设施技术栈。

对于 Microsoft，应关注 Azure 需求、数据中心容量，以及企业助手的付费使用情况。广泛可用性不如持续的客户参与重要。

第二个信号是 Uber 的自动驾驶行程活动。投资者应聚焦商业部署，而不是演示或合作公告。

一项有价值的更新将显示，多个运营商和城市的行程量正在增长。这一结果将强化 Uber 的主张：其网络可以成为自动驾驶车队的共享分发平台。

独家网络则会传递相反的信号。如果领先的 robotaxi 公司建立直接客户关系并绕开 Uber，平台市场的逻辑将被削弱。

第三个信号是 Pershing Square 下一次完整的投资组合披露。第二季度 Form 13F 将在本文涵盖的期间之后到期，因此 3 月的申报仍只是一个滞后的快照。

增持 Microsoft 或 Amazon 将强化这一轮调仓的判断。若出现显著逆转，则说明投资者不应将任何季度申报视为永久性的信念表达。

读者也应关注 Alphabet。强劲的云业务增长、搜索业务韧性或 Waymo 的扩张，都可能让 Pershing Square 的减持显得过于谨慎。

这并不会否定 Ackman 的资产配置流程。它只会表明，多家优秀公司可以同时成功，但由于起始估值不同，带来不同的回报。

“三只 AI 股票”这一说法同样值得持续审视。Amazon、Microsoft 和 Uber 的大部分收入来自更广泛的业务。

这正是它们吸引力的一部分。现有业务能够为 AI 投资提供资金，并带来即时的分发能力。

但这也使其 AI 敞口难以衡量。营收增长可能反映多种因素，而管理团队有动机将新产品与热门技术周期联系起来。

投资者应更看重可观察到的行动，而非泛泛的说法。云服务使用量、软件留存率、自动驾驶出行次数、营业利润率和资本密集度，比 AI 公告的数量更能提供有用证据。

这种证据优先的方法同样有助于评估 AI 产品的知识工作者。将源材料整理有序，并建立一个可搜索的知识库，能让人更容易将各种主张与后续结果进行比较。

Google News 的标题归根结底只是一个起点。它指出了与一位知名投资者相关的三家公司，但并不意味着每位读者都应持有它们。

Amazon 提供基础设施和运营杠杆。Microsoft 提供企业分发能力。Uber 则提供自动驾驶交通服务的平台市场。

它们共同的优势并不只是人工智能。它们各自已经掌控了 AI 开发者和客户所需的商业渠道。

它们共同的风险也同样明确。投资者期待这些渠道将高成本的 AI 投资转化为可持续的增长，因此容错空间有限。

关注下一轮财报发布、Uber 自动驾驶出行的扩张，以及 Pershing Square 的下一次申报。然后提出一个比“Bill Ackman 是否持有这些股票”更难的问题：新的证据是否仍支持他看起来持有它们的理由？